用RBF神经网络算法设计CR认知引擎

认知无线电是一种智能无线电通信系统,认知引擎的设计是其关键问题之一.认知引擎可通过推理与学习方法来实现认知无线电的感知、自适应与学习能力.为适合变化的无线环境,提出了用RBF神经网络设计认知无线电认知引擎的模型,根据经验知识和环境情况,动态重配置无线环境参数.基于802.11 a仿真平台模拟认知无线电通信模型,经样本值训练神经网络,利用该网络学习信道特征,并建立基于RBF神经网络的认知引擎.在对感知信息学习后,实现根据无线环境和用户需求来配置通信参数的功能.仿真表明,这种认知引擎能有效地实现认知无线电的学习重构功能,其预测精度比BP网络模型高出了10%~30%.     

基于二进制混沌粒子群算法的认知决策引擎

为了解决不同通信模式下认知无线电发射机参数合理优化的问题,提出了一种基于二进制混沌粒子群算法(BCPSO)的认知决策引擎,该引擎利用粒子群优化算法收敛速度快和混沌运动全局遍历性的特点,使认知决策在多目标优化过程中有效地摆脱了局部极值点,提高了参数优化的精度和稳定性．基于认知正交频分复用(OFDM)系统的仿真结果表明,相对于现有认知引擎,该引擎具有平均适应度值高、对不同通信模式鲁棒性强的特点,实现了有效优化发射机参数的目的．     

基于元胞量子蜂群算法和信道案例库的认知无线电混合跨层决策引擎研究

针对认知无线电系统参数重配置问题,提出了一种基于元胞量子蜂群算法和信道案例库的混合跨层认知决策引擎。该认知决策引擎充分考虑无线通信网络各层参数,以网络整体性能最优为优化目标;提出的元胞量子蜂群算法,利用双策略对种群进行混沌初始化,设计了基于元胞自动机原理和社会认知策略的快速量子旋转角调整策略用于实现引领蜂和跟随蜂的邻域搜索;构建基于信道增益的认知无线电参数案例库,用于实现快速决策。仿真结果表明,该认知决策引擎能够根据无线通信环境和用户需求的变化,动态的进行参数的重配置,同时其在收敛速度、收敛精度和算法稳定性上都明显优于基于二进制人工蜂群算法和量子遗传算法的认知决策引擎。     

基于二进制人工蜂群算法的认知无线电决策引擎

为实现认知无线电系统参数的自适应调整功能,提出了一种基于二进制人工蜂群算法的认知无线电决策引擎。将认知无线电决策问题转化为多目标函数优化问题,并采用加权和方法将复杂的多目标函数优化问题归一化为简单的单目标函数优化问题。采用二进制人工蜂群算法对此优化问题进行求解,实现对无线电系统参数的优化调整。最后,通过一种多载波系统对算法性能进行仿真分析,仿真结果验证了该算法的有效性和实用性。     

多载波认知无线电无线携能通信资源分配算法

认知无线电可通过频谱感知提高资源利用率,但会产生感知能耗,降低传输能量.为了保证认知无线电的传输性能,提出认知无线电可利用多载波实现无线携能通信,并分配通信资源,实现系统性能优化.认知无线电利用部分子载波传输信息,采集剩余子载波上主用户射频能量,补充感知耗能.提出的子载波和子载波功率联合优化算法,在保证能量、干扰和总功率受约束的基础上,可最优化系统的吞吐量和能量.仿真结果表明,能量采集会占用传输资源,需要合理分配子载波,使其在速率和能量间取得性能折中.提出的算法通过采集能量补充感知能耗有效地提高了系统吞吐量.     

最小二乘SVM的CR认知引擎设计

认知无线电(CR)的核心是认知引擎设计.为适合变化的无线环境状况,提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法,该引擎根据经验知识,动态重配置无线环境参数.在802.11a仿真平台上模拟认知无线电通信系统模型,通过样本值训练支持向量机的分类、回归模型,并利用该模型学习信道特征,建立相应的认知引擎.在对感...     

基于认知层的认知网络结构及其认知方法

设计了一种认知网络系统结构即独立于传统OSI七层结构的新的认知层,方便认知网络实现中的模块化,并降低未来网络系统实现的复杂度.给出了认知层的功能实现模块,阐述了2种认知能力具体的实现方法:利用多目标遗传算法对认知网络进行"离线内省"学习,解决"有经验指导"的学习问题,提高认知网络的离线学习能力;利用案例推理对认知网络进行"在线判决",解决模型的快速匹配问题,提高认知网络的实时处理能力.以异构网络中流量控制为例对这2种认知能力进行了仿真.仿真结果表明,加入认知以后网络的各项Qos性能有明显提高.     

感认知增强的智能机械手系统

为了提高服务机器人的系统服务能力和智能化程度,提出一种面向机械手等器件的感认知增强模型.通过融合来自不同传感通道的感知能力和认知能力,增强机械手的感知和认知.基于此模型,以视觉、触觉为例,在视觉系统上用尺度不变特征变换算法实现目标物体的识别,并对目标物体进行定位;在触觉系统上对触觉传感器采集的数据用主成分分析算法降维,并用支持向量机算法获得分类模型;在认知系统上,机械手在抓取物体时根据物体信息自适应地规划路径并决策物体的抓取模式.通过在多类物体混杂环境中的抓取和分拣实验,验证了该感认知增强机械手系统的可用性.     

基于无速率编码的认知无线电系统能量分配算法

针对目前广泛应用的认知无线电技术,研究最大化认知系统能量利用率的问题.全局计入信道特性和系统本身特性对能量利用率的影响,利用无速率编码对网络动态环境的自适应能力以对抗主用户不可预知的出现,研究基于无速率编码的多信道认知无线电系统的能量分配算法.通过引入周期频谱感知模型,提出的能量分配算法根据信道和系统特性分配从用户的感知能量和传输能量,利用系统门限约束干扰概率以保护主用户通信.仿真结果表明,对应不同的信道或系统特性,提出的算法均能够显著降低能耗,提高能量利用率.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

认知无线电中传输阶段频谱感知研究

认知无线电系统中,如何进行有效地频谱感知是关系到次用户系统传输效能的首要问题,也是认知无线电长期的研究热点之一。传统的认知无线电中,频谱感知只发生在特定的感知阶段,而忽略了决策、传输阶段信息对频谱感知的支持作用。提出了一种充分利用传输阶段的信息进行频谱感知的方法,并基于感知结果优化下一阶段的发射功率分配。考虑基于解码信息的频谱感知算法,在传输阶段,次用户接收机在接收到次用户发射机的信息后,对信息进行解码;之后,将次用户信息从接收信号中去除,利用剩余的信号检测主用户的工作状态,并根据状态的不同,优化次用户下一阶段的发射功率。数值仿真结果表明,相对于传统的衬底式认知无线电算法（传输阶段的信息没有被用于频谱感知）,在对主用户造成相同的平均干扰情况下,提出的算法能够在一定程度上提升次用户平均信道容量。提出的算法通过对传输阶段信息的二次利用,能够为频谱感知行为提供更多的可用信息,提升检测主用户当前工作状态的正确率,在对主用户造成一定的平均干扰约束下,更加精确地控制次用户自身的传输参数,从系统机制的层面上提高了对通信信道的综合利用率。     

认知干扰抑制超宽带自适应脉冲设计

为了解决认知超宽带（UWB）与窄带系统共存的问题,采用双极性高斯脉冲组合信号作为UWB脉冲基函数,使用厄米特矩阵特征向量分解方法实现了认知UWB自适应脉冲设计,从而达到抑制窄带干扰的目的. 仿真结果表明,提出的自适应脉冲序列的功率谱密度分布符合美国联邦通信委员会关于室内和室外UWB应用的频谱规范,可以实现任意频段陷波,具有灵活的认知避免能力. 对UWB跳时脉冲位置调制和跳时脉冲幅度调制系统进行了蒙特卡罗仿真,结果表明,自适应脉冲序列比传统的Scholtz脉冲具有更强的窄带干扰抑制能力和抗多用户干扰能力.      

一种基于注水算法的认知OFDM系统资源分配方法

无线频谱紧缺是限制无线通信与服务应用持续发展的瓶颈。在认知无线电系统中,无线认知用户可以智能地感知周围环境,搜索可用频谱资源,并进行动态的频谱接入,从而提高通信系统容量和频谱利用率。本文介绍了一种基于注水算法的认知OFDM系统的无线资源分配算法,并通过仿真表明相比传统的平均功率分配算法,系统吞吐量有明显提高。     

信噪比比较的协作频谱感知算法

针对现实通信中认知无线电频谱感知的各认知节点所处环境差异这一问题,研究了低信噪比节点感知结果不准确而对协作频谱感知性能产生的影响,得出认知用户所处环境信噪比越高,感知性能越好,即在数据融合过程中,较低信噪比节点参与融合反而影响整体感知性能.故提出信噪比比较的协作频谱感知算法,该方法通过调整因子改变参与融合的节点数量,选取较优节点参与最终的数据融合,在信噪比分布不均匀的环境下,采用MATLAB仿真证明其可有效地提高系统检测性能.     

认知异步跳频通信系统同步方案研究

提出了一种认知异步跳频通信系统同步方案．通过采用两套可选的跳频图案,在当前发射跳期间,认知下一跳两个频点的状况,自适应选择下一跳频点进行信息传输,进一步提高了异步跳频通信系统的抗干扰能力;仿真结果表明,在同步概率大于95％时,新方案将用户容量提高了5倍多; 通过引入循环前缀,实现了接收机跳频图案的自适应识别,并解决了跳频信号位同步信息不易提取的难题; 最后还给出了异步跳频通信系统和认知异步跳频通信系统的同步性能分析．     

认知无线电网络中压缩协作频谱感知

低频谱利用率条件下的信道状态向量具有稀疏性,为降低认知无线电网络中各个认知用户的频谱感知冗余,基于压缩感知技术提出了一种低复杂度的协作频谱感知方法. 仿真结果表明,通过稀疏观测矩阵提高了单个认知用户感知过程的速度和效率;在融合中心对观测数据进行重构过程中使用因子图迭代算法,大幅降低了计算难度;同时可以根据认知网络中的频率使用情况,自适应调整认知用户的感知点数,确保整个网络的高效感知.     

基于认知无线电的LTE系统频谱感知方法

提出一种认知无线电技术框架下LTE系统中femtocell的频谱感知方法. 在该方法中, femtocell对上行频谱进行能量检测, 通过一种两步决策的频谱感知技术, 发现周围正在承载业务的macrocell用户, 并进一步对其承载的业务类型进行识别, 根据不同的业务类型, 调整感知周期, 使其在femtocell取得的吞吐量和耗费的感知能量之间进行有效折中. 仿真结果表明, 该方法可在控制对macrocell用户的干扰和控制感知开销的情况下, 提高femtocell小区的吞吐量, 提高系统性能.     

内在动机轮式倒立摆反应式认知系统

针对直线运动的轮式倒立摆常规自平衡控制方法存在自适应性差和鲁棒性差的问题,建立轮式倒立摆反应式认知系统,在与环境交互过程中涌现出自平衡控制规则.该系统由感知模块、执行模块和认知模块组成,前两者分别负责系统的输入与输出.认知模块涉及到知识模型与学习策略：前者由连续动作学习自动机组构成,用于描述控制规则;后者负责优化知识模型,采用不确定性动机驱动的学习算法.详细描述该系统的结构、原理和算法,理论证明学习算法的收敛性,并通过仿真实验验证系统的自学习能力.结合常规PID和LQR算法通过仿真实验验证自适应性和鲁棒性.实验结果表明,该系统能够自主涌现出自平衡控制规则,表现出良好的自主学习认知技能,具有较好的自适应性与鲁棒性.     

认知无线电中的用户合作通信

为了进一步提高认知通信的传输速率,将用户合作通信技术引入认知无线电通信系统.建立了保护主用户的传送不被干扰前提下的认知中继通信模型,并分析了认知中继通信信道的容量.给出了应用认知中继通信的约束条件,并讨论了最佳认知中继伙伴的选择方法,以及多认知中继节点进行空时编码时的最佳功率分配策略.在仿真实验中,给出了在高斯环境下提高认知通信速率的中继节点的可能位置,从而证明了应用认知中继传送信息的可行性.比较了使用认知中继时和直接传输时的速率,结果表明,采用认知中继传送可有效提高认知通信系统容量.     

矿井火灾风烟流应急调控系统联动可靠性研究

鉴于矿井巷网火灾烟流自由蔓延易造成人员窒息死亡的现状,分析了典型运输巷胶带或电缆火灾烟流的运移特征,探讨了风烟流快速隔离排出路径.提出了分布式联动通风设施的智能化调控方法,结合井下灾变环境和破坏效应融合了多源冗余技术,保障停电、压风破坏、通信中断条件下冗余组件间自动切换.构建了多元灾变信息交叉感知与态势研判模型,通信异常或中断时,按"远程控制+联动决策+自主决策"多重保险模式实现灾变联动.融合故障预测与健康管理(PHM),提高灾变联动系统综合可靠性.分析了系统可靠性影响因子,建立了故障树并转化为贝叶斯网络结构,按照正向分析确定了无冗余系统的可靠度为80.3%;贝叶斯反向推理供电、压风、通信模块导致系统故障的概率分别为40.6%,40.6%和20.3%;多重冗余条件下系统综合可靠度达97.3%.证明了系统冗余设计的必要性和可行性,为灾变风烟流应急调控技术装备的工程应用提供指导.