本文關鍵詞：應用于認知無線電頻譜預測的小波神經(jīng)網(wǎng)絡模型　出處：《計算機科學》2017年12期 　論文類型：期刊論文

  更多相關文章： 認知無線電 頻譜預測 小波神經(jīng)網(wǎng)絡 模型 預測精度 小波基函數(shù)

【摘要】：精確的頻譜預測能夠有效地降低認知無線電系統(tǒng)的能耗,還有助于提高認知無線電系統(tǒng)的吞吐量。針對頻譜預測方法的預測精度問題,提出了一種小波神經(jīng)網(wǎng)絡頻譜預測模型,以預測通道占用狀態(tài)情況。該模型利用離散小波變換產生分析信號的時頻分布,使用一個時間序列來表示某子信道的占用狀態(tài);對預測精度、利用率和參數(shù)初始化之間的權衡進行了分析,以便選擇一個近于最優(yōu)的模型。實驗測量結果表明,與基于BP神經(jīng)網(wǎng)絡算法的模型相比,所提模型在預測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】： 攀枝花學院數(shù)學與計算機學院;西華大學計算機與軟件工程學院;
【基金】：國家自然科學基金(60773035) 教育部科學技術重點項目(205136) 四川省科技廳重點項目(05JY029-131)資助
【分類號】：TN925;TP183
【正文快照】： 認知無線電作為一種頻譜共享技術,能夠有效地利用空分,而0表示閑置的部分[9]。雖然該方法很簡單,但是二進制閑頻譜來提高頻譜利用率。在不影響合法授權用戶通信的情的時間序列預測是基于硬判決的,忽略了有助于預測的有價況下,頻譜預測越準確越好�，F(xiàn)有的頻譜預測主要分為自回

【相似文獻】

相關期刊論文 前10條

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

2 盛景泉,付夢印,劉永信;采用小波神經(jīng)網(wǎng)絡的捷聯(lián)慣導系統(tǒng)靜基座快速初始對準[J];內蒙古大學學報(自然科學版);2003年04期

3 李志剛;司錫才;陳玉坤;;基于小波神經(jīng)網(wǎng)絡的信號識別[J];彈箭與制導學報;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)絡的語音識別[J];應用科技;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)絡的語音識別研究[J];微型機與應用;2011年16期

6 涂望明;宋執(zhí)環(huán);孟慶志;張國超;蘇帥;;小波神經(jīng)網(wǎng)絡在雷達故障診斷中的應用研究[J];計算機測量與控制;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)絡的實際業(yè)務流預測方法[J];四川大學學報(自然科學版);2013年03期

8 潘俊林;樊可清;李炎華;;基于小波神經(jīng)網(wǎng)絡的振動信號消噪[J];科技信息(科學教研);2008年02期

9 胡鋼;馮向前;陳欣;曹力;;帶時頻區(qū)間精度小波神經(jīng)網(wǎng)絡的信號仿真研究[J];山東大學學報(工學版);2008年01期

10 劉千里;;基于小波神經(jīng)網(wǎng)絡的非線性噪聲對消[J];電子設計工程;2012年07期

相關會議論文 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)絡的機動目標跟蹤方法[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

2 宋海發(fā);謝祝捷;;小波神經(jīng)網(wǎng)絡的研究[A];武備維修保障理論與應用：中國造船工程學會學術論文集.3[C];2013年

3 寧佐貴;王雄祥;朱長春;;信號消噪的小波神經(jīng)網(wǎng)絡方法[A];中國工程物理研究院科技年報（2000）[C];2000年

相關博士學位論文 前1條

1 李永紅;廣義小波神經(jīng)網(wǎng)絡實現(xiàn)雷達相關濾波的研究[D];大連海事大學;2000年

相關碩士學位論文 前10條

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

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

3 邵志成;基于作物需求的設施二氧化碳智能調控技術研發(fā)[D];西北農林科技大學;2017年

4 李超;基于小波神經(jīng)網(wǎng)絡的衛(wèi)星信號調制方式識別[D];吉林大學;2007年

5 王樂;粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡在目標跟蹤中的應用[D];太原理工大學;2011年

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

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

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

9 高峰;基于神經(jīng)網(wǎng)絡的UWB弱信號目標識別方法研究[D];北京郵電大學;2013年

10 李翱翔;基于小波神經(jīng)網(wǎng)絡的OFDM系統(tǒng)調制識別方法的研究[D];西安電子科技大學;2007年

，

本文編號：1380684