认知无线电学习决策方法研究

发布时间：2017-08-31 10:34

  本文关键词：认知无线电学习决策方法研究

  更多相关文章： 认知无线电 认知引擎 人工智能 神经网络 遗传算法

【摘要】： 随着无线通信技术的迅猛发展和人们通信要求的不断提高,频谱资源日益显得匮乏,现有的固定频谱分配体制造成已分配频谱在很多时间出现闲置状态。面对频谱利用率低下和频谱资源紧张的矛盾,认知无线电技术被认为是解决这一难题的有效方法。认知无线电技术革新传统的频谱管理体制,用全新的观点调度利用频谱资源,提高频谱利用率。认知无线电技术是当今无线通信领域的研究热点。 认知无线电是高度智能化的无线电系统,人工智能技术在其中起着重要作用。本文总结了知识表示、专家系统、神经网络、遗传算法、模糊逻辑、博弈论等人工智能技术在认知无线电中的应用。认知引擎是人工智能技术应用的智能平台。认知无线电的工作过程构成认知循环,根据认知循环过程的主要任务,本文改进了认知引擎模型的结构和功能划分。 感知电磁环境、发现频谱空穴是实现认知通信的基础。对感知的信息进行学习推理、制定认知设备参数优化调整方案是实现认知通信的关键,也是认知无线电智能的核心体现。本文提出一种基于神经网络和遗传算法的学习决策方法,用神经网络完成参数学习,遗传算法实现可调参数的多目标优化,最终制定出最佳的空闲频谱利用决策。 GSM系统是当前广泛应用的一种固定频段通信系统,在夜间闲时和人口稀少的地点,认知无线电可以利用发现的GSM系统空闲频谱。认知设备通过学习决策占用发现的GSM系统空闲频谱。根据GSM系统的蜂窝小区特点和认知设备的距离,本文将面向GSM的认知通信划分为不同的情形,运用文中提出的认知学习决策方法,仿真了认知引擎的参数学习和自适应调整过程。
【关键词】：认知无线电 认知引擎 人工智能 神经网络 遗传算法
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TN925
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 引言8-12
• 1.2 本文的主要工作及结构安排12-14
• 2 认知无线电概述14-28
• 2.1 认知无线电的定义14-15
• 2.2 认知无线电的关键技术15-21
• 2.3 认知无线电的标准化和研究现状21-25
• 2.3.1 认知无线电的标准化进展21-22
• 2.3.2 认知无线电的研究现状22-24
• 2.3.3 现阶段研究存在的问题24-25
• 2.4 认知无线电的应用场景25-28
• 2.4.1 在军事通信中的应用25
• 2.4.2 在商业通信中的应用25-26
• 2.4.3 在应急通信中的应用26-28
• 3 人工智能技术应用于认知无线电的综合分析28-40
• 3.1 认知循环28-31
• 3.2 认知引擎模型31-35
• 3.2.1 现有的认知引擎模型31-33
• 3.2.2 认知引擎模型的改进33-35
• 3.3 不同认知阶段的人工智能技术应用分析35-39
• 3.3.1 环境感知、信息存储阶段36-37
• 3.3.2 认知学习、推理阶段37-38
• 3.3.3 认知决策、调整阶段38-39
• 3.4 本章小结39-40
• 4 基于神经网络和遗传算法的学习决策方法40-54
• 4.1 认知无线电的学习决策过程40-42
• 4.1.1 认知过程对授权网络的智能要求40-41
• 4.1.2 认知无线电的学习决策过程41-42
• 4.2 认知学习决策研究现状42-43
• 4.3 基于神经网络和遗传算法的学习决策方法43-53
• 4.3.1 神经网络工作阶段45-49
• 4.3.2 遗传算法工作阶段49-52
• 4.3.3 本文所提学习决策方法的性能分析52-53
• 4.4 本章小结53-54
• 5 面向 GSM 系统的认知通信学习决策研究54-70
• 5.1 GSM 系统环境下的认知无线电应用分析54-57
• 5.1.1 GSM 系统频谱使用情况分析54-55
• 5.1.2 认知设备占用GSM 系统空闲频谱分析55-56
• 5.1.3 具体应用模型56-57
• 5.2 学习决策过程仿真和结果分析57-65
• 5.2.1 条件判决性能仿真和分析57-58
• 5.2.2 权值预测性能仿真和分析58-61
• 5.2.3 优化决策性能仿真和分析61-65
• 5.3 本章小结65-70
• 6 总结与展望70-72
• 6.1 主要工作70
• 6.2 研究展望70-72
• 致谢72-74
• 参考文献74-78
• 附录78
• A 作者在攻读硕士学位期间发表（或在审）的论文目录78
• B 作者在攻读硕士学位期间参与的科研项目78

【引证文献】

中国硕士学位论文全文数据库 前4条

1 吴兵伟;基于OFDM技术的认知无线电研究[D];北方工业大学;2011年

2 李俊建;认知无线电参数优化与敏感度分析研究[D];重庆大学;2011年

3 杨晟尧;基于多目标遗传算法的认知无线电决策引擎[D];大连理工大学;2011年

4 张楠;基于感知的认知OFDM系统中的最优感知时间及功率分配方案的研究[D];郑州大学;2012年

，

本文编号：765094