基于LSTM神经网络认知无线电频谱预测方法的研究

发布时间：2023-04-23 12:36

　　频谱感知、频谱决策、频谱共享、频谱切换是认知无线电技术的四大功能。认知用户通过频谱感知检测出频谱空洞,并利用频谱决策、频谱共享、频谱切换三个功能对挖掘出的频谱空洞进行二次利用。然而传统的频谱感知、频谱决策、频谱共享和频谱切换通常会对认知无线电系统产生较大的时延以及能量损耗。频谱预测技术是解决上述问题的有效方法,许多频谱预测算法都取得了良好的性能。随着深度学习的兴起,将是频谱预测应用方面的一个很好的创新性研究。因此本论文主要围绕认知无线电中的基于深度学习的频谱预测算法进行展开研究,本文主要工作如下:首先,调研与总结了认知无线电网络中的关键技术。通过查阅文献资料,针对认知无线电网络中四个关键技术存在的缺陷,提出了基于频谱预测技术的改进方案,同时对广泛研究的频谱预测方法进行了详细的阐述和分析,得到了对认知无线电技术的一个整体认识。其次,针对专门处理时间序列问题的循环神经网络(Recurrent Neural Network,RNN)存在梯度消失的问题,设计了基于长短期记忆网络(Long Short-Term Memory,LSTM)预测模型。根据认知无线电的特点,定义了认知无线电中频谱预测模...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景
    1.2 研究目的及意义
    1.3 国内外研究现状
        1.3.1 认知无线电的国内外研究现状及文献综述
        1.3.2 频谱预测技术国内研究现状及文献综述
    1.4 主要研究内容和结构安排
第2章 认知无线电中的频谱预测技术
    2.1 引言
    2.2 认知无线电的关键技术
        2.2.1 频谱感知
        2.2.2 频谱决策
        2.2.3 频谱共享
        2.2.4 频谱切换
    2.3 认知无线电频谱预测模型
        2.3.1 基于隐马尔科夫模型的预测方法
        2.3.2 基于支持向量机的预测方法
        2.3.3 基于MLP的预测方法
    2.4 本章小结
第3章 基于LSTM网络的单信道频谱预测
    3.1 引言
    3.2 循环神经网络
        3.2.1 循环神经网络简介
        3.2.2 循环神经网络的结构
        3.2.3 循环神经网络的训练
    3.3 LSTM网络模型
        3.3.1 LSTM网络模型简介及结构
        3.3.2 LSTM模型的训练
    3.4 基于LSTM网络单信道频谱预测模型设计
        3.4.1 模型训练和测试使用的数据集说明
        3.4.2 LSTM预测模型的设计
        3.4.3 模型性能评估指标
    3.5 仿真分析
    3.6 本章小结
第4章 基于CNN-LSTM网络的多信道频谱预测
    4.1 引言
    4.2 卷积神经网络
        4.2.1 卷积神经网络概述
        4.2.2 卷积神经网络特点
        4.2.3 卷积神经网络的结构
    4.3 CNN-LSTM网络模型
        4.3.1 CNN-LSTM模型设计
        4.3.2 模型性能评估指标
    4.4 仿真分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文及专利
致谢



本文编号：3799730