基于动态模糊神经网络的CR频谱预测研究

发布时间：2019-08-19 13:42

【摘要】：认知无线电是为缓解无线频谱资源紧缺与充分使用空闲频谱进行无线通信使之在一定程度上提高频谱利用率的可行方法。而频谱预测技术是认知无线电中分析历史频段使用规则预测未来空闲频段进行机会接入的技术,认知用户通过频谱感知技术实时转换信道以确保有效地接入,频谱预测技术则可以降低未授权用户对授权用户造成的干扰,避免不必要的能量损失,提高接入的精确度和可靠性,从而实现频谱更合理有效的利用,因此,对无线频段进行接入预测研究是非常有用的。目前主要的频谱预测方法有:基于回归分析的预测、基于Markov模型预测和基于机器学习的预测等。本论文首先研究了认知无线电频谱预测技术的几种不同方法,诠释并比较了现有的频谱预测算法,对比了各自存在的优点和不足,其次对神经网络和模糊系统的基本原理进行说明,分析了两者结合的必然性,进而主要研究了动态模糊神经网络的内部结构和原理,并列举相关的例子来说明动态模糊神经网络的特点。根据排队论知识对认知无线电系统的信道状态建立模型,之后进行原理说明和仿真实验,产生信道状态数据,将其作为之后频谱预测研究的频谱数据。建立基于DFNN(动态模糊神经网络)的频谱预测模型,依据数据序列在学习训练过程中自适应调整和优化网络结构,之后使用MATLAB仿真来完成预测与对比,实验结果表明相比BP网络的预测算法具有更高的预测精确度。之后仿真分析说明相比单独的频谱感知,加入频谱预测可有效降低感知检测的时间,避免不必要的能量损失。针对不同信噪比对DFNN预测模型进行系统分析,并且对比说明基于DFNN预测模型的在同样噪声干扰情况下具有更高的稳定性和准确度。最后针对多信道的频谱预测进行研究,分析了多信道之间时域相关度对预测性能的影响。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN925;TP183

【参考文献】

相关期刊论文 前10条

1 王敬;王媛;;信道中QPSK信号传输性能的仿真分析[J];电脑知识与技术;2015年20期

2 张凯;齐丽娜;;一种基于隐马尔可夫模型的自适应联合频谱预测方法[J];南京邮电大学学报(自然科学版);2015年01期

3 赵春燕;石丹;高攸纲;陈亚洲;;基于BP神经网络的天线识别[J];环境技术;2014年S1期

4 吴建绒;胡津铭;秦继新;;基于K-RBF神经网络的认知无线电频谱预测[J];电视技术;2014年05期

5 张朝龙;胡绍刚;;基于自组织竞争神经网络的变压器故障诊断策略[J];信息系统工程;2013年04期

6 荣腾中;肖智;;高阶马尔可夫链的降阶模型及其应用[J];数理统计与管理;2013年01期

7 张雨浓;曲璐;陈俊维;刘锦荣;郭东生;;多输入Sigmoid激励函数神经网络权值与结构确定法[J];计算机应用研究;2012年11期

8 刘彩红;;BP神经网络学习算法的研究[J];西安工业大学学报;2012年09期

9 党小超;阎林;;基于多元线性自回归模型的流量预测[J];计算机工程;2012年01期

10 鲜永菊;杨钺;徐昌彪;郑湘渝;;认知无线电中基于混沌神经网络的频谱预测[J];计算机应用;2011年12期

相关博士学位论文 前3条

1 邢晓双;认知无线电网络中的频谱预测技术研究[D];北京交通大学;2014年

2 张萌;协同无线通信系统中的关键技术研究[D];上海交通大学;2014年

3 刘鑫;认知无线电集中式联合频谱感知算法研究[D];哈尔滨工业大学;2012年

相关硕士学位论文 前9条

1 胡超;基于BP人工神经网络的区域森林火灾预测研究[D];浙江海洋学院;2015年

2 崔龙;WSN中基于认知无线电的动态频谱管理技术研究[D];南京邮电大学;2014年

3 邬月春;基于动态模糊神经网络的交通流预测[D];兰州交通大学;2013年

4 孙宇;基于神经网络的软岩巷道位移时序预测方法研究[D];辽宁工程技术大学;2012年

5 孙强;认知无线电的频谱感知技术研究[D];中国科学技术大学;2011年

6 孙喜波;BP神经网络算法与其它算法的融合研究及应用[D];重庆大学;2011年

7 邓伟;随机环境下的几类可修排队系统[D];中南大学;2010年

8 姚远;排队论跨层优化LTE分组调度系统[D];北京邮电大学;2010年

9 吴琼;基于BP神经网络的光学CT图像重建技术基础研究[D];南京航空航天大学;2006年

，

本文编号：2528295