

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、怎么滿足快速膨脹的頻譜需求是當下無線通信發(fā)展過程中亟需解決的一個關(guān)鍵問題。認知無線電是解決日益缺乏的頻譜資源問題的有效方法之一,從首次提出就受到了各界的迫切關(guān)注。在認知無線電中,頻譜感知是頻譜分配和頻譜決策的基礎(chǔ),只有在準確高效的頻譜感知前提下,頻譜分配和頻譜決策才能進行,如果感知結(jié)果錯誤,那么將會對主用戶造成嚴重干擾。本論文對認知無線電中的頻譜感知進行研究,主要從以下幾個方面進行研究:
首先對傳統(tǒng)的單用戶頻譜感知和多用戶協(xié)作
2、頻譜感知中檢測算法的性能進行分析和驗證,在研究過程中發(fā)現(xiàn)多用戶協(xié)作檢測的性能受實際信道環(huán)境的影響更小。在協(xié)作檢測中不同的判決方式對系統(tǒng)檢測性能有不同的影響,在相同的信道環(huán)境下軟判決準則優(yōu)于硬判決準則。
頻譜感知中,受實際檢測性能的要求限制,存在一定的約束條件。當求解問題不是凸函數(shù)時,最優(yōu)解的求解過程復(fù)雜。為解決這一問題我們引入遺傳算法和分布估計算法,這兩個算法不受約束條件的影響,適用于多種優(yōu)化問題。其中,分布估計算法通過概率向
3、量更新種群,在一定程度上可以克服遺傳算法中可能出現(xiàn)的局部最優(yōu)和早熟問題。
本文將遺傳算法和分布估計算法分別引入到單頻帶協(xié)作頻譜感知和多頻帶頻譜感知中,首先對兩種情況下的感知模型進行理論推導(dǎo),然后在兩種感知模型下對引入的遺傳算法和分布估計算法進行Matlab仿真。在單頻帶頻譜感知問題中我們主要討論多用戶協(xié)作下的頻譜感知,通過對數(shù)據(jù)融合時各個次用戶的權(quán)重系數(shù)進行優(yōu)化,實現(xiàn)檢測概率最大化的目標。多頻帶頻譜感知中,我們從單用戶多頻帶感
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于進化算法的頻譜感知技術(shù)研究.pdf
- 基于頭腦風(fēng)暴算法的頻譜感知技術(shù)研究.pdf
- 基于融合算法的協(xié)作頻譜感知技術(shù)研究.pdf
- 基于壓縮感知的寬帶頻譜感知技術(shù)研究.pdf
- 基于Gabor算法的認知無線電頻譜感知技術(shù)研究.pdf
- 基于量子群智能優(yōu)化算法的頻譜感知技術(shù)研究.pdf
- 基于中繼的協(xié)作頻譜感知技術(shù)研究.pdf
- 基于非重構(gòu)壓縮感知的協(xié)作頻譜感知技術(shù)研究.pdf
- 基于壓縮感知和指數(shù)熵的頻譜感知技術(shù)研究.pdf
- 基于壓縮感知的頻譜感知關(guān)鍵技術(shù)研究.pdf
- 短波頻譜感知技術(shù)研究.pdf
- 基于隨機共振的頻譜感知技術(shù)研究.pdf
- 基于頻譜感知的TDMA接入技術(shù)研究.pdf
- 基于合作中繼的頻譜感知技術(shù)研究.pdf
- 基于自由概率理論的頻譜感知技術(shù)研究.pdf
- 基于隨機矩陣理論的頻譜感知技術(shù)研究.pdf
- 基于頻譜感知的輪詢網(wǎng)絡(luò)接入技術(shù)研究.pdf
- 基于OFDM的頻譜感知算法研究.pdf
- 頻譜共享無線系統(tǒng)中的頻譜感知技術(shù)研究.pdf
- 基于壓縮感知的寬帶頻譜檢測技術(shù)研究.pdf
評論
0/150
提交評論