認(rèn)知無(wú)線網(wǎng)絡(luò)多域認(rèn)知技術(shù)研究.pdf

1、作為下一代網(wǎng)絡(luò)的核心研究?jī)?nèi)容，認(rèn)知無(wú)線網(wǎng)絡(luò)（Cognitive Radio Network,CRN）是受認(rèn)知無(wú)線電技術(shù)啟發(fā)而提出的一種具有認(rèn)知特征的主動(dòng)網(wǎng)絡(luò)。認(rèn)知無(wú)線網(wǎng)絡(luò)能夠感知網(wǎng)絡(luò)整體狀態(tài)，據(jù)此進(jìn)行計(jì)劃和決策，并執(zhí)行相應(yīng)的動(dòng)作，具有推理和學(xué)習(xí)的能力，被認(rèn)為是未來(lái)通信網(wǎng)絡(luò)發(fā)展的必然趨勢(shì)。認(rèn)知無(wú)線網(wǎng)絡(luò)的認(rèn)知環(huán)境是包含無(wú)線環(huán)境、網(wǎng)絡(luò)環(huán)境與用戶環(huán)境在內(nèi)的多域環(huán)境，因此認(rèn)知無(wú)線網(wǎng)絡(luò)需要針對(duì)多域環(huán)境特征進(jìn)行感知，即多域認(rèn)知。相對(duì)于網(wǎng)絡(luò)及用戶環(huán)境域

2、，CRN無(wú)線環(huán)境域的認(rèn)知是較為復(fù)雜困難的，特別是無(wú)線頻譜環(huán)境的認(rèn)知。目前通常認(rèn)為多域認(rèn)知技術(shù)主要是從多域本地認(rèn)知層、多域協(xié)同認(rèn)知層以及多域主動(dòng)認(rèn)知層三個(gè)層次來(lái)獲取和處理多域環(huán)境的感知信息。深入研究多域認(rèn)知技術(shù)，明確各層研究?jī)?nèi)容，提出認(rèn)知方法，對(duì)認(rèn)知無(wú)線網(wǎng)絡(luò)的完善和發(fā)展具有重要意義。
　　本文在多域認(rèn)知三層理論框架研究分析的基礎(chǔ)上，重點(diǎn)對(duì)CRN多域認(rèn)知關(guān)鍵技術(shù)：多域本地認(rèn)知層頻譜感知技術(shù)與多域主動(dòng)認(rèn)知層學(xué)習(xí)算法進(jìn)行深入研究，分別給出

3、了各層有效的新方案，從而完成集頻譜感知及感知信息的學(xué)習(xí)推理等一體化的CRN認(rèn)知過(guò)程。本文主要貢獻(xiàn)如下：
　?。?）提出了一種基于采樣信號(hào)相關(guān)性的頻譜感知算法。針對(duì)認(rèn)知無(wú)線網(wǎng)絡(luò)頻譜感知技術(shù)，首先對(duì)幾種經(jīng)典的頻譜感知算法進(jìn)行研究，并且從原理及仿真的角度對(duì)這些已有算法進(jìn)行詳細(xì)說(shuō)明及優(yōu)缺點(diǎn)分析。在現(xiàn)有檢測(cè)算法的基礎(chǔ)上，針對(duì)低信噪比下的信號(hào)檢測(cè)，提出了本文基于采樣信號(hào)相關(guān)性的新的頻譜感知算法。該算法考慮信道多徑衰落等信道特征對(duì)信號(hào)檢測(cè)的影響

4、，利用過(guò)采樣的方法加大信號(hào)自身的相關(guān)性，根據(jù)二元假設(shè)下相關(guān)信息的分布獲得兩種不同的檢驗(yàn)統(tǒng)計(jì)量，分別做出本地決策，從而獲得兩種有效的感知方案，并通過(guò)仿真驗(yàn)證了此算法低信噪比下的感知性能。
　?。?）提出了一種基于貝葉斯網(wǎng)絡(luò)（Bayesian Network, BN）的多域主動(dòng)認(rèn)知層學(xué)習(xí)算法。該算法通過(guò)建立相應(yīng)的認(rèn)知貝葉斯網(wǎng)絡(luò)模型，將貝葉斯結(jié)構(gòu)學(xué)習(xí)引入認(rèn)知無(wú)線網(wǎng)絡(luò)，直接利用概率理論對(duì)感知信息進(jìn)行學(xué)習(xí)推理，以獲取網(wǎng)絡(luò)主用戶行為的統(tǒng)計(jì)關(guān)系