基于动态模糊神经网络的CR频谱预测研究

摘要

认知无线电是为缓解无线频谱资源紧缺与充分使用空闲频谱进行无线通信使之在一定程度上提高频谱利用率的可行方法。而频谱预测技术是认知无线电中分析历史频段使用规则预测未来空闲频段进行机会接入的技术，认知用户通过频谱感知技术实时转换信道以确保有效地接入，频谱预测技术则可以降低未授权用户对授权用户造成的干扰，避免不必要的能量损失，提高接入的精确度和可靠性，从而实现频谱更合理有效的利用，因此，对无线频段进行接入预测研究是非常有用的。目前主要的频谱预测方法有：基于回归分析的预测、基于Markov模型预测和基于机器学习的预测等。
　　本论文首先研究了认知无线电频谱预测技术的几种不同方法，诠释并比较了现有的频谱预测算法，对比了各自存在的优点和不足，其次对神经网络和模糊系统的基本原理进行说明，分析了两者结合的必然性，进而主要研究了动态模糊神经网络的内部结构和原理，并列举相关的例子来说明动态模糊神经网络的特点。
　　根据排队论知识对认知无线电系统的信道状态建立模型，之后进行原理说明和仿真实验，产生信道状态数据，将其作为之后频谱预测研究的频谱数据。建立基于DFNN(动态模糊神经网络)的频谱预测模型，依据数据序列在学习训练过程中自适应调整和优化网络结构，之后使用MATLAB仿真来完成预测与对比，实验结果表明相比BP网络的预测算法具有更高的预测精确度。之后仿真分析说明相比单独的频谱感知，加入频谱预测可有效降低感知检测的时间，避免不必要的能量损失。针对不同信噪比对DFNN预测模型进行系统分析，并且对比说明基于DFNN预测模型的在同样噪声干扰情况下具有更高的稳定性和准确度。最后针对多信道的频谱预测进行研究，分析了多信道之间时域相关度对预测性能的影响。

目录

声明

第一章 绪 论

1.1 引言

1.2 频谱预测及其研究意义

1.3 认知无线电中的频谱预测方法

1.4 本论文研究的主要内容

第二章 模糊系统与神经网络

2.1 模糊系统

2.2 神经网络结构

2.3 模糊系统与神经网络的结合

2.4 动态模糊神经网络的结构和特点

2.5 动态模糊神经网络仿真实例

2.6 本章总结

第三章 信道状态建模与BP神经网络

3.1 排队论理论

3.2 BP神经网络的频谱预测算法

3.3 基于BP神经网络的频谱预测模型

3.4 本章总结

第四章 基于动态模糊神经网络的频谱预测

4.1 基于动态模糊神经网络的频谱预测模型

4.2 基于动态模糊神经网络的频谱预测算法

4.3 基于动态模糊神经网络的频谱预测仿真

4.4 本章总结

第五章 总结和展望

5.1 全文总结

5.2 研究展望

参考文献

攻读硕士学位期间发表论文情况

致谢