基于人工智能的认知无线电频谱感知算法研究

发布时间：2022-09-27 13:46

　　认知无线电（Cognitive Radio,CR）是解决现有频谱资源分配不均衡和频谱利用率低等问题的一种技术,该技术中的频谱感知环节在认知无线电技术中扮演着重要的角色,然而传统的频谱感知算法存在对初级用户干扰大、感知时延高等问题。本论文围绕基于人工智能的认知无线电频谱感知技术展开研究,提出了基于改进粒子群k近邻（k-Nearest Neighbor,k NN）-支持向量机（Support Vector Machine,SVM）的非线性能量检测算法和基于多用户压缩感知的极度梯度增强（Extreme Gradient Boosting,XGBoost）协作频谱感知算法。论文的主要工作如下:（1）概述了认知无线电研究背景、频谱感知的研究现状以及面临的挑战,分析了频谱感知的基本理论和典型的频谱感知算法。（2）在基于机器学习的非线性能量检测系统中,提出了基于改进粒子群k NN-SVM的非线性能量检测算法。首先利用k NN的思想提取训练样本中的边界向量集,然后通过SVM训练生成决策函数代替能量检测算法的判决门限,较好地克服能量检测算法的检测性能受噪声功率波动、初级用户信号信噪比低以及采样点数过少的... 

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

单用户频谱感知算法性能比较

集中式协作频谱感知如图2.6所示，在集中式协作频谱感知系统中，在该系统中设置一个数据融合中心，该数据融合中心通过特定的宽带链路与认知无线电系统中的次级用户进行信息传

图2.7分布式频谱协作感知在集中式协作频谱感知算法中，数据融合中心不仅要存储各个次级用户的感知信息还要对感知信息进行融合处理，因此数据融合中心需要具备处理大量数据的能力，

【参考文献】：
期刊论文
[1]MICkNN:Multi-Instance Covering kNN Algorithm[J]. Shu Zhao,Chen Rui,Yanping Zhang.  Tsinghua Science and Technology. 2013(04)
[2]低信噪比条件下提高认知无线电的频谱感知能力的方法[J]. 刘航,于丹,孔祥维.  电子与信息学报. 2009(04)
[3]基于K最近邻的支持向量机快速训练算法[J]. 孙发圣,肖怀铁.  电光与控制. 2008(06)

硕士论文
[1]认知无线电中基于机器学习的频谱感知技术研究[D]. 陈昕.北京邮电大学 2017
[2]基于压缩感知的宽带频谱感知方案设计[D]. 王盼盼.南京邮电大学 2016



本文编号：3681167