认知无线电系统中的频谱预测算法研究

论文摘要

认知无线电是解决当前频谱资源紧缺问题的一个有效途径。认知无线电可以感知周围环境,主动改变自身参数,充分利用尚未被完全使用的授权频谱,提高了频谱资源的利用率。认知无线电系统中,频谱预测方法分析频谱获得频谱的使用规律,进而预测频谱的空洞信息,认知设备利用这些信息实现智能的频谱感知和动态的频谱接入,最终实现了提高认知系统吞吐量和通信质量的目的。论文主要研究认知无线电系统的频谱预测方法及其性能。论文首先对现有的频谱预测方法进行了相应的调研；针对认知无线电系统的授权频谱建模问题,提出了一种结合M/M/N排队模型的频谱模型,给出了模型参数的估计方法,并进行了相应的理论分析；为平衡现有的频谱预测算法的复杂度和准确性,论文提出了利用反向传播神经网络对频谱空洞信息进行学习预测的方法,并通过利用Agilent频谱仪采集实际的频谱数据作为仿真数据,仿真和数值分析验证了该方法的有效性。论文还针对单信道预测不能很好地挖掘频谱各信道间关联关系,提出利用神经网络方法进行了多信道联合预测的方法,并利用M/M/N频谱模型产生的频谱数据和实测的数据作为仿真数据进行了仿真验证,仿真和数值分析验证了多信道联合预测能够在一定程度上提高频谱预测的准确性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1. 引言
• 1.2. 本论文研究的主要内容
• 1.3. 本文主要章节安排
• 第二章 认知无线电综述
• 2.1. 认知无线电的定义
• 2.1.1. Mitola提出的认知无线电概念
• 2.1.2. FCC/IEEE/ITU/SDR论坛等组织的认知无线电概念
• 2.1.3. 一些专家给出的认知无线电概念
• 2.2. 认知无线电的研究现状
• 2.2.1. 国际上的一些研究机构及团体
• 2.2.2. 中国地区的研究机构及团体
• 2.3. 认知无线电系统中的频谱预测技术
• 2.4. 本章小结
• 第三章 认知无线电系统中的频谱建模
• 3.1. 频谱模型
• 3.2. 基于最大似然估计的参数估计
• 3.3. 逼近最大似然估计的简化方法
• 3.4. 本章公式推导证明
• 3.5. 本章小结
• 第四章 认知无线电系统中的频谱预测算法
• 4.1. 现有的频谱预测算法研究
• 4.1.1. 基于Markov的预测方法
• 4.1.2. 基于回归分析的预测方法
• 4.1.3. 基于机器学习的预测方法
• 4.2. 基于反向传播神经网络的频谱预测
• 4.2.1. 实测频谱数据及分析
• 4.2.2. LMBP神经网络及其训练过程
• 4.2.3. 仿真结果及其结论
• 4.3. 基于反向传播神经网络的多信道联合频谱预测
• 4.3.1. 授权用户频谱模型
• 4.3.2. 频谱的相关度分析
• 4.3.3. 仿真结果及结论
• 4.4. 本章小结
• 第五章 总结与展望
• 5.1. 全文总结
• 5.2. 未来研究展望
• 参考文献
• 致谢
• 个人简介
• 攻读学位期间发表的学术论文