认知无线网络多域认知技术研究

发布时间：2017-09-12 12:23

  本文关键词：认知无线网络多域认知技术研究

  更多相关文章： 认知无线网络 多域认知 频谱感知 相关性信息 贝叶斯网络

【摘要】：作为下一代网络的核心研究内容,认知无线网络(Cognitive Radio Network,CRN)是受认知无线电技术启发而提出的一种具有认知特征的主动网络。认知无线网络能够感知网络整体状态,据此进行计划和决策,并执行相应的动作,具有推理和学习的能力,被认为是未来通信网络发展的必然趋势。认知无线网络的认知环境是包含无线环境、网络环境与用户环境在内的多域环境,因此认知无线网络需要针对多域环境特征进行感知,即多域认知。相对于网络及用户环境域,CRN无线环境域的认知是较为复杂困难的,特别是无线频谱环境的认知。目前通常认为多域认知技术主要是从多域本地认知层、多域协同认知层以及多域主动认知层三个层次来获取和处理多域环境的感知信息。深入研究多域认知技术,明确各层研究内容,提出认知方法,对认知无线网络的完善和发展具有重要意义。本文在多域认知三层理论框架研究分析的基础上,重点对CRN多域认知关键技术:多域本地认知层频谱感知技术与多域主动认知层学习算法进行深入研究,分别给出了各层有效的新方案,从而完成集频谱感知及感知信息的学习推理等一体化的CRN认知过程。本文主要贡献如下:(1)提出了一种基于采样信号相关性的频谱感知算法。针对认知无线网络频谱感知技术,首先对几种经典的频谱感知算法进行研究,并且从原理及仿真的角度对这些已有算法进行详细说明及优缺点分析。在现有检测算法的基础上,针对低信噪比下的信号检测,提出了本文基于采样信号相关性的新的频谱感知算法。该算法考虑信道多径衰落等信道特征对信号检测的影响,利用过采样的方法加大信号自身的相关性,根据二元假设下相关信息的分布获得两种不同的检验统计量,分别做出本地决策,从而获得两种有效的感知方案,并通过仿真验证了此算法低信噪比下的感知性能。(2)提出了一种基于贝叶斯网络(Bayesian Network,BN)的多域主动认知层学习算法。该算法通过建立相应的认知贝叶斯网络模型,将贝叶斯结构学习引入认知无线网络,直接利用概率理论对感知信息进行学习推理,以获取网络主用户行为的统计关系。算法实现过程中所建立的条件概率表弥补了传统算法不能随网络节点变化做出自适应调整的不足,同时基于条件概率建立的依赖关系表达形式实现了对传统条件互信息的简化。仿真结果表明,该算法相对传统学习算法很大程度降低了计算复杂度。同时给出了一个观察周期内的依赖关系值及条件概率表,进而建立低复杂度的认知网络主用户行为统计模型,为未来网络行为预测及决策提供了具有参考价值的学习结果。
【关键词】：认知无线网络 多域认知 频谱感知 相关性信息 贝叶斯网络
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 符号对照表9-10
• 缩略语对照表10-13
• 第一章 绪论13-25
• 1.1 研究背景与现状13-15
• 1.2 认知无线网络概述15-17
• 1.2.1 认知无线网络理论体系15-16
• 1.2.2 认知无线网络多域认知性16-17
• 1.3 认知无线网络多域认知分层体系17-21
• 1.3.1 多域本地认知层18-19
• 1.3.2 多域协同认知层19
• 1.3.3 多域主动认知层19-21
• 1.4 研究目的及意义21-22
• 1.5 论文主要研究内容及结构安排22-25
• 第二章 多域本地认知层频谱感知技术25-39
• 2.1 引言25
• 2.2 频谱感知技术概述25-27
• 2.3 单用户频谱感知技术27-32
• 2.3.1 能量检测法27-29
• 2.3.2 匹配滤波器检测法29-31
• 2.3.3 循环平稳特征检测法31-32
• 2.4 多用户协作频谱感知技术32-37
• 2.4.1“与”准则33-35
• 2.4.2“或”准则35-36
• 2.4.3“K秩”准则36-37
• 2.5 传统频谱感知技术性能比较37-38
• 2.6 本章小结38-39
• 第三章 基于采样信号相关性的频谱感知算法39-57
• 3.1 引言39-40
• 3.2 系统模型40-41
• 3.3 算法描述41-42
• 3.4 利用单一相关信息感知方案42-46
• 3.4.1 相关信息计算42-44
• 3.4.2 检验统计量及判决准则44-45
• 3.4.3 性能分析45-46
• 3.5 利用相关信息融合感知方案46-48
• 3.5.1 检验统计量及判决准则46-47
• 3.5.2 性能分析47
• 3.5.3 与能量检测算法性能对比47-48
• 3.6 性能仿真及结果分析48-55
• 3.7 本章小结55-57
• 第四章 基于贝叶斯网络的多域主动认知层学习算法57-75
• 4.1 引言57-58
• 4.2 网络模型58-60
• 4.2.1 认知无线网络场景58-59
• 4.2.2 贝叶斯网络模型59-60
• 4.3 认知贝叶斯网络结构学习60-66
• 4.3.1 基于条件互信息BN学习算法60-61
• 4.3.2 CPbD算法思想61-62
• 4.3.3 CPbD算法实现流程62-66
• 4.4 性能仿真及结果分析66-72
• 4.4.1 依赖关系值66-69
• 4.4.2 复杂度仿真曲线69-71
• 4.4.3 条件概率表71-72
• 4.5 本章小结72-75
• 第五章 总结75-77
• 5.1 全文总结75-76
• 5.2 下一步研究方向76-77
• 参考文献77-81
• 致谢81-83
• 作者简介83-84

【相似文献】

中国期刊全文数据库 前10条

1 郭小清;谢忠红;;一种多域间动态协商机制的设计与实现[J];计算机工程与应用;2011年19期

2 洪帆;段素娟;;多域多应用环境下的访问控制研究[J];计算机科学;2006年04期

3 王娟娟;宋三华;;基于角色的多域访问控制研究[J];天中学刊;2010年05期

4 王璇;单蓉胜;王明政;;基于多域角色控制的监控运营服务机制[J];信息安全与通信保密;2013年03期

5 王金龙;龚玉萍;李玉川;;认知无线网络中的多域认知[J];解放军理工大学学报(自然科学版);2008年06期

6 赖娟;金澎;洪艳伟;;文本分类中的主动多域学习[J];西南师范大学学报(自然科学版);2014年07期

7 叶春晓;郭东恒;;多域环境下安全互操作研究[J];计算机应用;2012年12期

8 刘勇;陈强果;;分布式多域监控系统组织模型[J];火力与指挥控制;2008年09期

9 彭学愚,梁石,陈军本,华学寿,李杰,那彦,杨蝉娟;无创伤的多域多维心功能检测仪[J];电子技术应用;1992年05期

10 金莉;卢正鼎;赵峰;;多域环境下安全互操作研究进展[J];计算机科学;2009年02期

中国重要会议论文全文数据库 前1条

1 张愉;郭磊;郑小兵;王雪葵;;多域光网络中基于虚拓扑图的区分保护算法[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

中国博士学位论文全文数据库 前5条

1 梅松竹;面向多域联合的服务可信关键技术研究[D];国防科学技术大学;2014年

2 金莉;面向多域的安全互操作机制研究[D];华中科技大学;2009年

3 谢文军;面向宽带分组业务的多层多域光网络关键技术研究[D];北京邮电大学;2014年

4 雷建云;多域环境下基于证书和信任的访问控制研究[D];华中科技大学;2010年

5 吴菁晶;WDM多域光网络中疏导算法研究[D];东北大学;2012年

中国硕士学位论文全文数据库 前10条

1 黄泽昱;多域网络的联合控制与管理[D];电子科技大学;2015年

2 汪淼;无线通信系统中的动态多域抗干扰决策方法研究[D];南京航空航天大学;2014年

3 娄睿;虚拟多域环境的安全保护技术研究[D];解放军信息工程大学;2014年

4 利文浩;面向多域计算环境安全的系统软件研究[D];上海交通大学;2015年

5 简江涛;云环境下的多域服务故障管理技术研究[D];国防科学技术大学;2014年

6 张莹莹;认知无线网络多域认知技术研究[D];西安电子科技大学;2016年

7 隋鑫;多域环境下安全互操作技术的研究[D];沈阳航空航天大学;2011年

8 陈明生;多域环境下基于标签的访问控制研究[D];西安电子科技大学;2013年

9 周菲菲;多域环境下责任认定机制的研究与实现[D];北京交通大学;2008年

10 程相然;多域环境下基于角色的安全互操作关键技术研究[D];解放军信息工程大学;2010年

，

本文编号：837221