本文關(guān)鍵詞：應(yīng)用于認(rèn)知無線電頻譜預(yù)測(cè)的小波神經(jīng)網(wǎng)絡(luò)模型　出處：《計(jì)算機(jī)科學(xué)》2017年12期 　論文類型：期刊論文

  更多相關(guān)文章： 認(rèn)知無線電 頻譜預(yù)測(cè) 小波神經(jīng)網(wǎng)絡(luò) 模型 預(yù)測(cè)精度 小波基函數(shù)

【摘要】：精確的頻譜預(yù)測(cè)能夠有效地降低認(rèn)知無線電系統(tǒng)的能耗,還有助于提高認(rèn)知無線電系統(tǒng)的吞吐量。針對(duì)頻譜預(yù)測(cè)方法的預(yù)測(cè)精度問題,提出了一種小波神經(jīng)網(wǎng)絡(luò)頻譜預(yù)測(cè)模型,以預(yù)測(cè)通道占用狀態(tài)情況。該模型利用離散小波變換產(chǎn)生分析信號(hào)的時(shí)頻分布,使用一個(gè)時(shí)間序列來表示某子信道的占用狀態(tài);對(duì)預(yù)測(cè)精度、利用率和參數(shù)初始化之間的權(quán)衡進(jìn)行了分析,以便選擇一個(gè)近于最優(yōu)的模型。實(shí)驗(yàn)測(cè)量結(jié)果表明,與基于BP神經(jīng)網(wǎng)絡(luò)算法的模型相比,所提模型在預(yù)測(cè)精度和能耗方面均表現(xiàn)出較優(yōu)的性能。
[Abstract]:Accurate frequency spectrum prediction can effectively reduce the energy consumption of cognitive radio systems and improve the throughput of cognitive radio systems . A wavelet neural network frequency spectrum prediction model is proposed to predict the channel occupancy state . A time series is used to represent the occupancy state of a sub - channel , and a time series is used to represent the occupancy state of a sub - channel . The experimental results show that the proposed model shows better performance in terms of prediction accuracy and energy consumption than the model based on BP neural network algorithm .

【作者單位】： 攀枝花學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院;西華大學(xué)計(jì)算機(jī)與軟件工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(60773035) 教育部科學(xué)技術(shù)重點(diǎn)項(xiàng)目(205136) 四川省科技廳重點(diǎn)項(xiàng)目(05JY029-131)資助
【分類號(hào)】：TN925;TP183
【正文快照】： 認(rèn)知無線電作為一種頻譜共享技術(shù),能夠有效地利用空分,而0表示閑置的部分[9]。雖然該方法很簡(jiǎn)單,但是二進(jìn)制閑頻譜來提高頻譜利用率。在不影響合法授權(quán)用戶通信的情的時(shí)間序列預(yù)測(cè)是基于硬判決的,忽略了有助于預(yù)測(cè)的有價(jià)況下,頻譜預(yù)測(cè)越準(zhǔn)確越好。現(xiàn)有的頻譜預(yù)測(cè)主要分為自回

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔玉蓉;湯井田;蔡劍華;;小波神經(jīng)網(wǎng)絡(luò)的大地電磁數(shù)據(jù)靜態(tài)效應(yīng)處理[J];物探化探計(jì)算技術(shù);2011年06期

2 盛景泉,付夢(mèng)印,劉永信;采用小波神經(jīng)網(wǎng)絡(luò)的捷聯(lián)慣導(dǎo)系統(tǒng)靜基座快速初始對(duì)準(zhǔn)[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

3 李志剛;司錫才;陳玉坤;;基于小波神經(jīng)網(wǎng)絡(luò)的信號(hào)識(shí)別[J];彈箭與制導(dǎo)學(xué)報(bào);2005年SD期

4 陳立偉;宋憲晨;章東升;楊洪利;;一種基于優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別[J];應(yīng)用科技;2008年02期

5 斯蕓蕓;徐道連;周卓然;;基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別研究[J];微型機(jī)與應(yīng)用;2011年16期

6 涂望明;宋執(zhí)環(huán);孟慶志;張國(guó)超;蘇帥;;小波神經(jīng)網(wǎng)絡(luò)在雷達(dá)故障診斷中的應(yīng)用研究[J];計(jì)算機(jī)測(cè)量與控制;2012年04期

7 陳珂;張立君;彭志平;柯文德;;基于小波神經(jīng)網(wǎng)絡(luò)的實(shí)際業(yè)務(wù)流預(yù)測(cè)方法[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

8 潘俊林;樊可清;李炎華;;基于小波神經(jīng)網(wǎng)絡(luò)的振動(dòng)信號(hào)消噪[J];科技信息(科學(xué)教研);2008年02期

9 胡鋼;馮向前;陳欣;曹力;;帶時(shí)頻區(qū)間精度小波神經(jīng)網(wǎng)絡(luò)的信號(hào)仿真研究[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2008年01期

10 劉千里;;基于小波神經(jīng)網(wǎng)絡(luò)的非線性噪聲對(duì)消[J];電子設(shè)計(jì)工程;2012年07期

相關(guān)會(huì)議論文 前3條

1 史健芳;湯洪彪;楊盤洪;朱慶雙;龔海燕;;小波神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)目標(biāo)跟蹤方法[A];2008中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)論文集（Ⅰ）[C];2008年

2 宋海發(fā);謝祝捷;;小波神經(jīng)網(wǎng)絡(luò)的研究[A];武備維修保障理論與應(yīng)用：中國(guó)造船工程學(xué)會(huì)學(xué)術(shù)論文集.3[C];2013年

3 寧佐貴;王雄祥;朱長(zhǎng)春;;信號(hào)消噪的小波神經(jīng)網(wǎng)絡(luò)方法[A];中國(guó)工程物理研究院科技年報(bào)（2000）[C];2000年

相關(guān)博士學(xué)位論文 前1條

1 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 陳斌;無線傳感器網(wǎng)絡(luò)故障診斷方法研究[D];上海電力學(xué)院;2015年

2 姜紅茹;基于深度SVM和深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類[D];西安電子科技大學(xué);2014年

3 邵志成;基于作物需求的設(shè)施二氧化碳智能調(diào)控技術(shù)研發(fā)[D];西北農(nóng)林科技大學(xué);2017年

4 李超;基于小波神經(jīng)網(wǎng)絡(luò)的衛(wèi)星信號(hào)調(diào)制方式識(shí)別[D];吉林大學(xué);2007年

5 王樂;粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)在目標(biāo)跟蹤中的應(yīng)用[D];太原理工大學(xué);2011年

6 傅女婷;雙正交小波基的構(gòu)造方法和心音小波神經(jīng)網(wǎng)絡(luò)的研究[D];南京郵電大學(xué);2015年

7 薛越峰;基于小波神經(jīng)網(wǎng)絡(luò)多用戶檢測(cè)算法的研究[D];太原理工大學(xué);2007年

8 朱人杰;基于遺傳小波神經(jīng)網(wǎng)絡(luò)的海雜波抑制方法研究[D];江蘇科技大學(xué);2014年

9 高峰;基于神經(jīng)網(wǎng)絡(luò)的UWB弱信號(hào)目標(biāo)識(shí)別方法研究[D];北京郵電大學(xué);2013年

10 李翱翔;基于小波神經(jīng)網(wǎng)絡(luò)的OFDM系統(tǒng)調(diào)制識(shí)別方法的研究[D];西安電子科技大學(xué);2007年

，

本文編號(hào)：1380684