认知引擎技术

认知无线电（CR）是一种智能的无线电通信系统,其智能主要来自于认知引擎。认知引擎基于软件无线电平台,引入人工智能领域的推理与学习方法,实现认知环路,从而实现CR的感知、自适应与学习能力。认知引擎的要素包括建模系统、知识库、推理机、学习机和各类接口,涉及到知识表示、机器推理和机器学习等关键技术。     

MFSK信号在循环频率处基于一阶循环矩检测器的性能分析

频谱感知是认知无线电的关键技术之一。在信噪比较低并且对主用户信号先验知识知道较少的情况下,主用户检测对于认知无线电设备来说是非常重要的。对有噪MFSK信号在循环频率处基于一阶循环矩检测器的性能进行了较为深入的理论分析,并推导了采样长度有限时噪声一阶循环矩幅度及有噪MFSK信号在循环频率处一阶循环矩幅度的概率密度函数公式;据此给出了该检测器的ROC特性曲线计算方法。理论分析表明,随着采样长度的增加,该检测器的性能显著提高;同等条件下,随着MFSK信号进制数M的增加,检测器性能有所下降。     

Turbo码技术最新进展

Turbo码是信道编码技术的重大突破，结合最新的研究成果，根据Turbo码的结构和实现，系统地分析了其研究和实现中的关键技术，重点分析了Turbo码和其它纠错码的级联，以及和TCM，空时码等技术的结合，及其在均衡和多用户检测技术中的应用。Turbo码已经从理论研究和仿真实验开始走向实际应用，最后叙述了Turbo码在实际系统中的应用进展。     

基于多Agent强化学习的Ad hoc网络跨层拥塞控制策略

该文首先证明基于MAC层竞争造成的网络拥塞模型中存在纳什均衡点。其次,基于WOLF-PHC学习策略提出了一种跨层拥塞控制(WCS)机制。它在路由层中选择一对去耦合节点作为转发节点,同时在MAC层对源节点的发送数据进行分流,从而提高链路的空间重用性。仿真结果表明:在不需要交互任何信息的情况下,通过节点之间的相互博弈以后,采用WOLF-PHC算法能够找到每个节点的最佳分流概率进而使整体网络吞吐量达到最大值;同时当外界环境发生改变时,该算法能够较快地找到新的最佳分流概率从而实现对环境的自适应能力。     

认知引擎中案例学习模块的设计与实现

学习能力是认知无线电区别于现有电台的最主要特征,研究基于SOAR架构的案例学习功能在已有认知引擎平台中的设计与实现。首先介绍了人工智能开发工具SOAR的基本原理与概念,进而在认知无线电原型系统平台上,设计并实现了基于SOAR架构的,具备案例学习能力的认知学习模块。具备案例学习能力的认知引擎使认知无线电系统具备从以往经验中获取知识的能力,提高了其在未来任务中的决策性能。     

基于分布式时隙调度协议的战术互联网媒体访问控制技术

在分析现有移动无线网络TDMA时隙调度问题的基础上,根据战术互联网骨干网拓扑与业务需求,结合跳频电台的特点,提出了一种新的动态分布式TDMA时隙调度协议(DTSP),能够适应不同业务需求,支持单播、广播和组播.DTSP协议以无冲突的预留提高系统吞吐量,以渐增方式适应动态拓扑变化,动态调整的开销较小.最后,以DTSP时隙单播预留协议为例,进行了详细分析和复杂度计算.     

战术移动Ad hoc网络仿真系统设计与实现

针对战术移动Ad hoc网络仿真需求,在OPNET仿真环境下设计并实现了战术移动Ad hoc网络仿真系统,该系统能够对战术移动Ad hoc网络各层协议进行仿真,通过仿真结果进行性能分析,这对战术移动Ad hoc网络选择高效适用的技术方案具有实际参考价值.