發(fā)布時間：2021-02-02 11:46

　　認知無線電技術(shù)是一項能夠?qū)崿F(xiàn)頻譜共享、大幅提高頻譜利用率的智能無線通信技術(shù),它打破了傳統(tǒng)的由政府授權(quán)靜態(tài)使用無線電頻譜的方式,實現(xiàn)了動態(tài)頻譜接入。動態(tài)頻譜接入需要解決一系列難題,本文深入研究認知無線電的目標信道選擇、頻譜切換和認知決策引擎。在目標信道選擇機制方面,提出了三種基于切換時延和有效信道容量聯(lián)合優(yōu)化的目標信道選擇算法。首先介紹了多目標優(yōu)化相關(guān)理論;然后深入研究了三種多目標優(yōu)化算法,分別是多目標粒子群優(yōu)化算法、非支配排序遺傳算法和基于Pareto包絡(luò)選擇算法,改進了編碼方式、離散位置更新公式和交叉變異策略;最后根據(jù)頻譜切換中目標信道訪問場景詳細推導了切換失敗概率、有效信道容量和累積切換時延公式,應用上述三種多目標優(yōu)化算法得到三種多目標優(yōu)化的目標信道選擇算法。仿真結(jié)果表明,三種算法都能兼顧網(wǎng)絡(luò)的實時性和高吞吐率,多目標粒子群優(yōu)化算法具有最好的切換性能和最高的復雜度,基于Pareto包絡(luò)選擇算法具有最低的復雜度和最差的切換性能,非支配排序遺傳算法介于二者之間。在多對認知無線電用戶頻譜切換方面,提出了二種頻譜切換算法。首先提出了一種基于節(jié)點分級局部控制頻譜切換算法（HLC）。網(wǎng)絡(luò)節(jié)點被... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標信道設(shè)計研究現(xiàn)狀
        1.2.2 頻譜切換研究現(xiàn)狀
        1.2.3 認知決策引擎研究現(xiàn)狀
    1.3 本文主要工作及章節(jié)安排
        1.3.1 本文主要工作
        1.3.2 本文章節(jié)安排
第2章 基于多目標優(yōu)化的目標信道設(shè)計
    2.1 引言
    2.2 多目標優(yōu)化理論
        2.2.1 多目標優(yōu)化問題數(shù)學描述
        2.2.2 多目標粒子群算法
        2.2.3 多目標遺傳算法
    2.3 頻譜切換中目標信道訪問模型
        2.3.1 問題描述
        2.3.2 頻譜切換失敗概率
        2.3.3 累積切換時延
        2.3.4 有效信道容量
        2.3.5 目標函數(shù)設(shè)計
    2.4 基于DNSGA-Ⅱ的目標信道設(shè)計
        2.4.1 編碼
        2.4.2 交叉和變異
        2.4.3 基于DNSGA-Ⅱ的目標信道序列設(shè)計算法主要步驟
    2.5 基于DPESA-Ⅱ的目標信道設(shè)計
        2.5.1 交叉和變異
        2.5.2 基于DPESA-Ⅱ的目標信道序列設(shè)計算法主要步驟
    2.6 兩種遺傳算法仿真與性能分析
        2.6.1 參數(shù)設(shè)置
        2.6.2 算法性能分析
    2.7 基于DMOPSO的目標信道設(shè)計
        2.7.1 編碼
        2.7.2 離散位置更新
        2.7.3 最優(yōu)值更新
        2.7.4 目標信道設(shè)計算法主要步驟
        2.7.5 算法仿真與性能分析
    2.8 本章小結(jié)
第3章 基于節(jié)點分級的局部控制頻譜切換
    3.1 引言
    3.2 基于分級的局部控制頻譜切換算法
        3.2.1 頻譜切換模型
        3.2.2 頻譜感知
        3.2.3 鄰居發(fā)現(xiàn)
        3.2.4 節(jié)點分級
        3.2.5 投票組網(wǎng)
        3.2.6 切換重構(gòu)CRN
        3.2.7 算法仿真與性能分析
    3.3 改進的分級頻譜切換算法
        3.3.1 問題分析
        3.3.2 改進分級的局部控制頻譜切換算法
        3.3.3 分級流程圖
        3.3.4 算法仿真與性能分析
    3.4 本章小結(jié)
第4章 基于智能優(yōu)化算法的認知決策引擎
    4.1 引言
    4.2 基本粒子群及其改進算法
        4.2.1 粒子群算法（PSO）
        4.2.2 粒子群改進算法（IPSO）
        4.2.3 粒子群改進算法（APSO）
    4.3 基本差分進化算法及其改進
        4.3.1 差分進化算法（DE）
        4.3.2 改進差分進化算法（IDE）
    4.4 學習差分進化算法及其改進
        4.4.1 學習差分進化算法（BLDE）
        4.4.2 改進學習差分進化算法（IBLDE）
    4.5 改進粒子群和差分進化的混合算法
        4.5.1 粒子群和差分進化的串行混合算法
        4.5.2 粒子群和差分進化的并行混合算法
    4.6 基于改進智能優(yōu)化算法的物理層認知決策引擎
        4.6.1 物理層認知決策引擎模型
        4.6.2 算法仿真與性能分析
    4.7 基于改進智能優(yōu)化算法的跨層認知決策引擎
        4.7.1 跨層認知決策引擎模型
        4.7.2 算法仿真與性能分析
    4.8 本章小結(jié)
第5章 結(jié)束語
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]認知無線網(wǎng)絡(luò)中基于混合頻譜切換的最優(yōu)目標信道選擇算法[J]. 馬彬,包小敏,謝顯中.  電子與信息學報. 2017(01)
[2]一種基于切換失敗概率和認知用戶信道容量聯(lián)合優(yōu)化的訪問策略[J]. 許蒙迪,金明,童景文.  電信科學. 2016(09)
[3]基于模擬退火粒子群算法的認知引擎研究[J]. 薛蒙蒙,馬永濤,劉敬浩.  計算機工程與科學. 2016(08)
[4]認知無線電網(wǎng)絡(luò)信道選擇機制[J]. 薛偉,劉張超.  計算機系統(tǒng)應用. 2016(08)
[5]認知無線網(wǎng)絡(luò)中頻譜切換算法研究綜述[J]. 馬彬,包小敏,謝顯中.  電子學報. 2016(06)
[6]差分進化算法的改進研究[J]. 何佳歡,王向東.  科技視界. 2016(01)
[7]基于元胞量子蜂群算法和信道案例庫的認知無線電混合跨層決策引擎研究[J]. 尤曉建,何小海,韓雪梅,伍春,江虹.  四川大學學報(工程科學版). 2015(06)
[8]認知無線電中一種頻譜聚合的切換策略[J]. 殷聰,譚學治,馬琳,于洋.  四川大學學報(工程科學版). 2013(06)
[9]認知無線網(wǎng)絡(luò)中的頻譜切換性能分析[J]. 吳呈瑜,何晨,蔣鈴鴿.  電子與信息學報. 2013(11)
[10]認知網(wǎng)絡(luò)中基于模糊神經(jīng)控制的切換判決算法研究[J]. 付欣,周亞楠.  無線通信技術(shù). 2013(01)

碩士論文
[1]基于改進人工魚群算法的認知引擎技術(shù)研究[D]. 張檳麒.哈爾濱工程大學 2013



本文編號：3014641