基于DE-BP的神經網絡認知無線電頻譜預測研究.pdf

1、頻譜預測是認知無線電系統(tǒng)中的關鍵技術之一，利用頻譜預測技術可以使未授權用戶對授權用戶造成的干擾達到最小，同時使未授權用戶可以找到更多可用的頻譜空洞，從而提高整個系統(tǒng)的頻譜利用率。因此，頻譜預測技術在學術界引起了廣泛研究。在現(xiàn)實生活中，由于很難預先獲取授權頻段的使用特性，而且頻譜預測具有復雜的非線性特征，而神經網絡具有不需要事物內在分布的先驗信息，從而使得神經網絡成為頻譜預測方法中具有吸引力的方法。但是現(xiàn)有的基于神經網絡的預測方法在網絡訓

2、練時存在著收斂速度慢、易陷入局部極小值的問題，導致在大多數情況下并不能達到預期的訓練效果。針對這一問題，本文提出了基于DE-BP的神經網絡頻譜預測方法。
　　 本文首先綜述了認知無線電頻譜預測的研究現(xiàn)狀，分析比較了現(xiàn)有的頻譜預測算法;然后對認知無線電系統(tǒng)中的信道狀態(tài)建模問題進行研究，介紹兩種常用的信道狀態(tài)建模方法:隱馬爾可夫模型和排隊模型，對其進行理論分析和仿真實驗;同時，利用M/Geo/1排隊模型模擬授權用戶產生信道狀態(tài)數據，

3、將其作為本文所涉及的頻譜預測方法的頻譜數據。
　　 其次采用BP神經網絡進行認知無線電頻譜預測的仿真研究，推導了BP神經網絡的閾值更新公式，將已產生的頻譜數據作為仿真研究的實驗數據;并將頻譜預測結果用于頻譜感知研究，理論分析和實驗結果表明，與單獨的頻譜感知方法相比，該方法不但節(jié)省了感知能量，而且提高了頻譜的利用率。
　　 再次針對現(xiàn)有基于BP神經網絡頻譜預測方法存在的收斂速度慢和易陷入局部極小值的問題，本文將標準的差分進

4、化（Differential Evaluation，DE）算法與BP算法相結合的DE-BP算法引入基于神經網絡的頻譜預測研究，給出一種基于DE-BP算法的神經網絡頻譜預測方法，并利用已產生的頻譜數據作為實驗數據進行預測仿真驗證;實驗結果表明，該方法無論是在單信道還是多信道聯(lián)合預測中都能夠在一定程度上提高頻譜預測的準確性;并進一步將頻譜預測結果用于頻譜感知研究，理論分析和實驗結果表明，與單獨的頻譜感知方法相比，該方法降低了未授權用戶對授權