認(rèn)知無(wú)線電頻譜感知技術(shù)研究及動(dòng)態(tài)管理軟件實(shí)現(xiàn).pdf

1、認(rèn)知無(wú)線電技術(shù)通過(guò)對(duì)無(wú)線頻譜環(huán)境的感知，尋找并利用已授權(quán)頻段內(nèi)的空閑頻譜，從而有效提高頻譜利用率、緩解頻譜資源的需求，是無(wú)線通信領(lǐng)域的一個(gè)研究熱點(diǎn)。頻譜感知是認(rèn)知無(wú)線電的一個(gè)關(guān)鍵技術(shù)，本文主要研究了認(rèn)知無(wú)線電頻譜感知算法及動(dòng)態(tài)管理系統(tǒng)軟件實(shí)現(xiàn)。
　　首先，介紹了認(rèn)知無(wú)線電的研究背景、定義和關(guān)鍵技術(shù)，并詳細(xì)介紹了頻譜感知技術(shù)及其國(guó)內(nèi)外研究現(xiàn)狀。
　　其次，研究了基于神經(jīng)網(wǎng)絡(luò)的窄帶頻譜感知技術(shù)。當(dāng)前神經(jīng)網(wǎng)絡(luò)頻譜感知存在著訓(xùn)練時(shí)收

2、斂速度慢、易陷入局部最優(yōu)解等問(wèn)題，而最優(yōu)解對(duì)神經(jīng)網(wǎng)絡(luò)的頻譜感知算法性能影響大，因此為提高神經(jīng)網(wǎng)絡(luò)的頻譜感知算法性能，采用蜂群算法交叉訓(xùn)練神經(jīng)網(wǎng)絡(luò)，加快訓(xùn)練收斂速度，降低均方誤差。采用信號(hào)的能量、循環(huán)功率譜作為特征參數(shù)，提出了蜂群優(yōu)化神經(jīng)網(wǎng)絡(luò)的頻譜感知算法。仿真結(jié)果表明，相比能量法、循環(huán)平穩(wěn)特征法、無(wú)蜂群算法交叉訓(xùn)練神經(jīng)網(wǎng)絡(luò)或徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)的頻譜感知算法，該算法具有更好的感知性能。

3、
　　然后，研究了基于壓縮感知的寬帶頻譜感知技術(shù)?；趬嚎s感知的寬帶頻譜感知需要估計(jì)信號(hào)稀疏度，針對(duì)在低信噪比情況下欠估計(jì)、高信噪比情況下過(guò)估計(jì)的問(wèn)題，提出了基于Gerschgorin理論稀疏度估計(jì)的寬帶頻譜感知算法。該算法聯(lián)合考慮了特征值和特征向量，利用Gerschgorin理論分離信號(hào)圓盤(pán)與噪聲圓盤(pán)，獲得稀疏度估計(jì)值并將此作為正交匹配追蹤（Orthogonal Matching Pursuit，OMP）算法結(jié)束迭代的條件，并利

4、用OMP算法得到頻譜支撐集，從而完成寬帶頻譜感知。仿真結(jié)果表明，該算法兼顧了低信噪比和高信噪比時(shí)的稀疏度估計(jì)性能，提高了頻譜感知性能。
　　最后，研究了認(rèn)知無(wú)線電頻譜動(dòng)態(tài)管理系統(tǒng)軟件的設(shè)計(jì)與實(shí)現(xiàn)。根據(jù)頻譜動(dòng)態(tài)管理系統(tǒng)需要具備的頻譜管理、頻譜感知和頻譜分配三個(gè)功能，將系統(tǒng)軟件分為管控中心模塊、頻譜感知服務(wù)器模塊和頻譜分配服務(wù)器模塊，通過(guò)Visual C++6.0開(kāi)發(fā)平臺(tái)完成各個(gè)模塊界面設(shè)計(jì)和功能實(shí)現(xiàn)，并從數(shù)據(jù)傳輸幀結(jié)構(gòu)和交互流程兩個(gè)