認(rèn)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(shù),該技術(shù)中的頻譜感知環(huán)節(jié)在認(rèn)知無線電技術(shù)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(rèn)知無線電頻譜感知技術(shù)展開研究,提出了基于改進(jìn)粒子群k近鄰（k-Nearest Neighbor,k NN）-支持向量機(jī)（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(qiáng)（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(rèn)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(jī)器學(xué)習(xí)的非線性能量檢測系統(tǒng)中,提出了基于改進(jìn)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(xùn)練樣本中的邊界向量集,然后通過SVM訓(xùn)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(diǎn)數(shù)過少的... 

【文章頁數(shù)】：72 頁

【學(xué)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(shè)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(rèn)知無線電系統(tǒng)中的次級用戶進(jìn)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(jìn)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(xiàn)】：
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(rèn)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(xué)報. 2009(04)
[3]基于K最近鄰的支持向量機(jī)快速訓(xùn)練算法[J]. 孫發(fā)圣,肖懷鐵.  電光與控制. 2008(06)

碩士論文
[1]認(rèn)知無線電中基于機(jī)器學(xué)習(xí)的頻譜感知技術(shù)研究[D]. 陳昕.北京郵電大學(xué) 2017
[2]基于壓縮感知的寬帶頻譜感知方案設(shè)計[D]. 王盼盼.南京郵電大學(xué) 2016



本文編號：3681167