认知无线电中基于深度学习的MAC协议分析研究
发布时间：2021-01-03 09:30
当大众对无线通信服务进一步的呼吁,能够被分配的频谱无奈到了不好寻找的时候。认知无线电利用次级使用者能够在尽量不影响主使用者业务的前提下,不断地进行检测和利用频谱空洞,理所应当更多地享受特权。一方面,如果次级使用者能够预先获取主使用者更多的特点,例如媒体访问控制（Medium Access Control,MAC）信息等,想当然进一步降低对主使用者产生的紊乱。另一方面,深度学习因为它自己惊人的集合表征特点和办法,化身各个辖区分析和讨论中不可或缺的宠儿。本文把深度学习这个工具扩展在认知无线电中,特别通过循环神经网络分析主使用者序列,重点解决基于深度学习的MAC协议分析问题。首先,这里基于TDMA、CSMA、Slotted Aloha以及Pure Aloha 4类经典的MAC序列,利用循环神经网络善于分析时序流样本的特点,设计了一种依赖深度学习的MAC序列种类分辨技术,解决了主用户所使用的MAC序列的种类识别问题。这个方法着重完备地想到了MAC协议序列在时域上的联系,相较于传统的机器学习方法具有更高的分类精度且不需要手动特征提取。然后,这里考虑到仿真模型通信网络中存在多个主用户协同合作的情况...
【文章来源】：华侨大学福建省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
认知无线电原理图
第1章绪论3图1.1认知无线电原理图在CR中，规定了两种不同的频谱使用者：主使用者PU和次级使用者SU。主使用者的工作范围是事先分配的。次级享受者不具备事先约定的范围的享受权，只有在主享受者不在线时有一搭没一搭地品味剩下的频段。CR中次级享受者对频谱的使用不当会导致对主享受者的坏的影响，从而影响主享受者的通信质量。这样说来，次级享受者有想办法完美了解资源要不然处于忙工作或者要不然处于被主使用者享受的本领。在CR中，频谱空洞的特点可以从图1.2里面看出来。图1.2频谱空洞示意图在CR中，各个使用者对特定范围的怎样享有资源各有特点，SU通过分析该频段被PU业务的占用情况和干扰的功率高低，从判断该频段是否可用。CR需要根据用户的需求设置合适的误码率、传输模式、延迟与带宽，从而选择合适的工作频段以便达到更好的通信服务质量。也就是说，当SU使用频谱空洞时，需要确保自身的通信不会对PU的业务造成干扰。当PU到了享用这个频谱空洞
华侨大学硕士学位论文4时，SU必须及时避让或者调整自身参数，减少对PU的影响。在不影响PU业务的前提下，SU灵活地使用频谱空洞。所以，SU需要分析当前PU的MAC协议，从而调整自身的参数。这样既减少了对PU的业务产生干扰，又进一步提高了频谱利用率。现如今，在世界各地关于CR的MAC层分析中，MAC协议分析这块知识作为其中的潮流宠儿，备受关注。1.3这种用到方案说明几年来被开发的分支作为尽可能地实现中近几年来被开发的分支，这样应用到ML让之尽可能地实现当时开始的期望—人工智能（ArtificialIntelligence,AI）[9]。但是由于计算机硬件条件的限制和样本数量的不足等原因，ML在不少领域的前景还存在着不是特别优秀的地方。近年来，面临硬件水平的提升和大规模信息风口的临近，ML发展到了DL的新时代。DL是一种更复杂的ML方案，并摇身一变了现在研究界的时尚宠儿。DL能够被说明成“深度”加“学习”它们俩部分之间加权。“深度”体现在这个网络的有几层楼上，换句话解释起来为，这个网络的楼层也就是越高，则训练数据集的能力越强；“学习”解释成这个网络是不是有办法井然有序输入样本集合有意图得更新改变里面的许多变量，来训练出理想的特征表达分辨。图1.3展现的为包括2楼中间楼的4楼这样的网络。目前，DL已经在众多方面取得的性能大大超过传统相关技术[10][11]，这也是本文采用深度学习这一工具的原因。图1.3神经网络结构
本文编号：2954744
【文章来源】：华侨大学福建省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
认知无线电原理图
第1章绪论3图1.1认知无线电原理图在CR中，规定了两种不同的频谱使用者：主使用者PU和次级使用者SU。主使用者的工作范围是事先分配的。次级享受者不具备事先约定的范围的享受权，只有在主享受者不在线时有一搭没一搭地品味剩下的频段。CR中次级享受者对频谱的使用不当会导致对主享受者的坏的影响，从而影响主享受者的通信质量。这样说来，次级享受者有想办法完美了解资源要不然处于忙工作或者要不然处于被主使用者享受的本领。在CR中，频谱空洞的特点可以从图1.2里面看出来。图1.2频谱空洞示意图在CR中，各个使用者对特定范围的怎样享有资源各有特点，SU通过分析该频段被PU业务的占用情况和干扰的功率高低，从判断该频段是否可用。CR需要根据用户的需求设置合适的误码率、传输模式、延迟与带宽，从而选择合适的工作频段以便达到更好的通信服务质量。也就是说，当SU使用频谱空洞时，需要确保自身的通信不会对PU的业务造成干扰。当PU到了享用这个频谱空洞
华侨大学硕士学位论文4时，SU必须及时避让或者调整自身参数，减少对PU的影响。在不影响PU业务的前提下，SU灵活地使用频谱空洞。所以，SU需要分析当前PU的MAC协议，从而调整自身的参数。这样既减少了对PU的业务产生干扰，又进一步提高了频谱利用率。现如今，在世界各地关于CR的MAC层分析中，MAC协议分析这块知识作为其中的潮流宠儿，备受关注。1.3这种用到方案说明几年来被开发的分支作为尽可能地实现中近几年来被开发的分支，这样应用到ML让之尽可能地实现当时开始的期望—人工智能（ArtificialIntelligence,AI）[9]。但是由于计算机硬件条件的限制和样本数量的不足等原因，ML在不少领域的前景还存在着不是特别优秀的地方。近年来，面临硬件水平的提升和大规模信息风口的临近，ML发展到了DL的新时代。DL是一种更复杂的ML方案，并摇身一变了现在研究界的时尚宠儿。DL能够被说明成“深度”加“学习”它们俩部分之间加权。“深度”体现在这个网络的有几层楼上，换句话解释起来为，这个网络的楼层也就是越高，则训练数据集的能力越强；“学习”解释成这个网络是不是有办法井然有序输入样本集合有意图得更新改变里面的许多变量，来训练出理想的特征表达分辨。图1.3展现的为包括2楼中间楼的4楼这样的网络。目前，DL已经在众多方面取得的性能大大超过传统相关技术[10][11]，这也是本文采用深度学习这一工具的原因。图1.3神经网络结构
本文编号：2954744
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2954744.html
