基于HS-BP神经网络的认知无线电频谱预测技术

在基于反向传播神经网络(BPNN)的频谱预测中,网络的初始权重与阈值是随机产生的,并且BP算法本身存在陷入局部最优的缺陷,从而导致BPNN训练得到的网络结构具有一定的不确定性。针对上述问题,提出一种基于HS-BP神经网络的频谱预测算法,通过和声搜索算法的全局寻优能力得到BPNN的最优初始权重和阈值,从而BPNN训练可得到最优的频谱预测网络结构,并运用该网络结构进行频谱的预测。仿真结果表明,该算法可以提高频谱预测的准确性及频谱的利用率。     

应用于认知无线电频谱预测的小波神经网络模型

精确的频谱预测能够有效地降低认知无线电系统的能耗,还有助于提高认知无线电系统的吞吐量。针对频谱预测方法的预测精度问题,提出了一种小波神经网络频谱预测模型,以预测通道占用状态情况。该模型利用离散小波变换产生分析信号的时频分布,使用一个时间序列来表示某子信道的占用状态;对预测精度、利用率和参数初始化之间的权衡进行了分析,以便选择一个近于最优的模型。实验测量结果表明,与基于BP神经网络算法的模型相比,所提模型在预测精度和能耗方面均表现出较优的性能。     

认知无线电网络中频谱分配算法

随着科学技术的发展,无线通信技术逐渐趋于成熟,虽然频谱资源日益增多,但是认知无线电的频谱仍是处于紧缺状态,在一定程度上对无线通信的发展有着阻碍和抑制的作用。比如一些用户的需求在认知无线电网络中并没有得到满足,这一问题具体表现在频谱分配算法的不够严谨,存在很大的欠缺。     

基于BP神经网络的智能认知频谱预测技术研究

为了使通信用户频谱接入更为有效,增强在时域和空间域的频谱利用灵活性,首先介绍采用最速下降法进行学习的BP神经网络过程,并对BP神经网络的频谱预测算法进行数学建模.通过对一段时期内的电磁频谱状态的学习训练,调节参数使算法模型建立输入数据与输出结果之间的认知关系,进而改变BP神经网络算法自身的结构,优化权值与阈值,最终使得...     

认知无线电中基于QoS分级的频谱分配策略

为提高认知无线电中的系统吞吐量,保证频谱分配的公平性,提出一种基于服务质量(QoS)分级的频谱分配策略。建立模糊综合判决模型,根据认知用户的业务类型判别其QoS级别,应用CMSB信道分配算法进行频谱分配。仿真实验结果表明,该频谱分配策略能在满足认知用户QoS需求的同时,保证较高的系统吞吐量和接入公平性。     

基于适应值预测的DABC认知无线电频谱分配算法

针对认知无线网络频谱分配过程存在的问题,提出了基于适应值预测策略的双人工蜂群算法（FP-DABC）。该算法设计的干扰门限阈值,提高了用户的接入数量;适应值预测方法的使用,加快了分配效率;同时算法对频谱分配过程公平性和系统整体性能进行了优化。实验仿真结果表明：FP-DABC算法牺牲了部分网络效益的同时,在用户满意度、分配率、平均分配时间、用户公平性和系统整体性能上均优于颜色敏感图着色算法（CSGC）和人工蜂群算法（ABC）。     

基于智能天线的认知无线电网络频谱访问协议

认知无线电技术可以择机地使用注册信道,从而提高频谱的利用率。但是这种提高只是局限于时域上的。将具有空间分隔特性的智能天线引入次无线电系统,设计了一种在空间上可以复用的频谱访问协议。该协议使次用户(SU)和主用户(PU)可以同时共存,优化了频谱和空间资源的分配,进一步提高了频谱的使用效率。此外,还对SU的传输成功概率和网络吞吐量进行了理论分析和仿真。结果表明:与使用传统全向天线的认知无线电相比,基于智能天线的认知无线电系统能获得更多的传输机会,吞吐量显著提升。     

认知无线电中基于博弈论的频谱分配算法*

利用博弈论分析了认知无线电网络中动态频谱分配问题,构建了基于博弈论的认知无线电频谱分配问题模型,提出了基于潜在博弈论的分布式频谱分配算法,并得到了相应博弈过程的纳什均衡。仿真结果表明,该算法能在较短时间内收敛到稳定状态,潜在函数取值达到最大值、系统总干扰水平降到最小、用户的SIR水平得到明显改善,达到了潜在博弈下信道分配的纳什均衡,实现了提高频谱利用率的目的。     

认知无线电网络中基于需求的频谱资源分配算法研究

认知无线电网络中,已有的分配算法未考虑用户的需求,这样会导致需求小的用户分配到更多的资源。为解决上述问题,提出基于需求以及联合比例公平两种频谱分配算法,这两种算法均将用户需求作为频谱分配时需要考虑的因素。仿真结果表明,基于需求以及联合比例公平算法比原算法更能满足各用户的需求。     

基于差分进化算法的认知无线电频谱分配

针对认知无线电系统中认知用户分配可用频谱问题,提出基于差分进化算法的认知无线电频谱分配算法。利用差分算法设置参数少、寻优能力强、不易于陷入局部最优等特点,得到可以使认知用户平均系统效益最大化的频谱分配方案。仿真结果表明,提出的算法不仅提高了用户平均系统效益,而且缩短了运行时间,提高了频谱分配效率。     

混沌拟态物理优化的认知频谱差异分配

针对认知无线电网络的频谱分配问题,提出了一种考虑频谱可用率的分配模型,并在约束处理时,将可用率更高的频谱分配给认知用户;基于频谱分配问题的NP(非确定性多项式)特性,进而提出了一种基于混沌拟态物理优化的智能算法。使用混沌的遍历性初始化种群,改进了微粒的作用力方程,避免算法陷入局部最优。仿真实验结果表明:该算法能获得更高的网络收益,提高了频谱使用效率。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

认知无线网络中频谱预测的协作策略设计

在多主用户（PU）、多认知用户（SU）的认知无线网络（CRN）场景中,研究了频谱预测的协作策略设计问题。将频谱预测的协作策略设计问题归纳为一个优化问题,以整个CRN的吞吐率最大为优化目标,对参与协作的SU数量和数据融合门限进行优化,并提出一种搜索算法求解此优化问题,这是首次对协作频谱预测中的协作策略进行研究。在此基础上,提出了基于分组的协作频谱预测策略,并设计其帧结构。仿真结果表明,这种基于分组的协作频谱预测策略在满足虚警概率要求的前提下,能够以更低的协作预测能耗,达到更高的CRN吞吐率,从而提高了协作频谱预测的效率。     

认知无线电网络中基于信任度的频谱感知技术

提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知,但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时,选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明,同常规能量检测算法相比较,该算法能够在控制信道带宽受限条件下,以较少的网络开销获得更好的频谱感知性能。     

渔夫捕鱼优化算法的认知无线电频谱分配

针对认知无线电系统中认知用户频谱分配问题,提出一种基于渔夫捕鱼优化算法（SFOA）的频谱分配算法。以系统效益最大化为优化目标,建立认知无线电频谱分配优化的数学模型,采用设置参数少、易于编码实现、寻优能力强的渔夫捕鱼优化算法对模型进行求解,得到空闲频谱最优分配方案,在Matlab 2012平台上进行仿真实验。结果表明,SFOA不仅提高了用户平均系统效益,而且提高了频谱分配效率。     

认知无线电中结合差异性的免疫克隆优化频谱分配算法

频谱分配是认知无线电中的重要问题,而传统的频谱分配算法并未考虑频谱的差异性。提出一种基于免疫克隆优化算法、考虑频谱差异性的频谱分配算法,算法引入可信度矩阵对频谱的时间差异性进行建模。进行约束处理时,通过差异性算子(DCSO)的使用能将可信度更高的频谱分配给认知用户,从而提高系统的总收益。对于冲突激烈的认知用户,使用公平性算子（FCSO）能够增加它们被分配频谱资源的可能性,从而提高系统的公平性效益。仿真实验表明,相较于传统的免疫克隆优化算法、颜色敏感算法和遗传算法,本算法能显著增加网络的总收益、可信度,提高网络的公平性。