認知無線電（Cognitive Radio,CR）是解決現(xiàn)有頻譜資源分配不均衡和頻譜利用率低等問題的一種技術,該技術中的頻譜感知環(huán)節(jié)在認知無線電技術中扮演著重要的角色,然而傳統(tǒng)的頻譜感知算法存在對初級用戶干擾大、感知時延高等問題。本論文圍繞基于人工智能的認知無線電頻譜感知技術展開研究,提出了基于改進粒子群k近鄰（k-Nearest Neighbor,k NN）-支持向量機（Support Vector Machine,SVM）的非線性能量檢測算法和基于多用戶壓縮感知的極度梯度增強（Extreme Gradient Boosting,XGBoost）協(xié)作頻譜感知算法。論文的主要工作如下:（1）概述了認知無線電研究背景、頻譜感知的研究現(xiàn)狀以及面臨的挑戰(zhàn),分析了頻譜感知的基本理論和典型的頻譜感知算法。（2）在基于機器學習的非線性能量檢測系統(tǒng)中,提出了基于改進粒子群k NN-SVM的非線性能量檢測算法。首先利用k NN的思想提取訓練樣本中的邊界向量集,然后通過SVM訓練生成決策函數(shù)代替能量檢測算法的判決門限,較好地克服能量檢測算法的檢測性能受噪聲功率波動、初級用戶信號信噪比低以及采樣點數(shù)過少的... 

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

單用戶頻譜感知算法性能比較

集中式協(xié)作頻譜感知如圖2.6所示，在集中式協(xié)作頻譜感知系統(tǒng)中，在該系統(tǒng)中設置一個數(shù)據(jù)融合中心，該數(shù)據(jù)融合中心通過特定的寬帶鏈路與認知無線電系統(tǒng)中的次級用戶進行信息傳

圖2.7分布式頻譜協(xié)作感知在集中式協(xié)作頻譜感知算法中，數(shù)據(jù)融合中心不僅要存儲各個次級用戶的感知信息還要對感知信息進行融合處理，因此數(shù)據(jù)融合中心需要具備處理大量數(shù)據(jù)的能力，

【參考文獻】：
期刊論文
[1]MICkNN:Multi-Instance Covering kNN Algorithm[J]. Shu Zhao,Chen Rui,Yanping Zhang.  Tsinghua Science and Technology. 2013(04)
[2]低信噪比條件下提高認知無線電的頻譜感知能力的方法[J]. 劉航,于丹,孔祥維.  電子與信息學報. 2009(04)
[3]基于K最近鄰的支持向量機快速訓練算法[J]. 孫發(fā)圣,肖懷鐵.  電光與控制. 2008(06)

碩士論文
[1]認知無線電中基于機器學習的頻譜感知技術研究[D]. 陳昕.北京郵電大學 2017
[2]基于壓縮感知的寬帶頻譜感知方案設計[D]. 王盼盼.南京郵電大學 2016



本文編號：3681167