認知引擎及其決策優(yōu)化策略研究.pdf

1、用戶對無線通信業(yè)務需求的增加導致了頻譜資源的日趨緊張，而固定的頻譜分配模式使得頻譜資源利用率低下。認知無線電作為一種智能的頻譜共享技術，革新了傳統(tǒng)的頻譜管理體制，是解決上述問題的有效途徑之一。認知引擎作為認知無線電的核心，能夠根據通信環(huán)境的變化和用戶需求，利用人工智能動態(tài)配置工作參數。本文針對認知引擎及其決策優(yōu)化策略開展研究，主要內容包括：
　　 1)從認知循環(huán)角度描述認知引擎概念，通過比較和分析現(xiàn)有的引擎架構的特點，提出一種新

2、的認知引擎模型并闡述其工作流程，以此為基礎，設計認知引擎主要功能模塊。
　　 2)研究認知引擎的輸入模塊--環(huán)境感知模塊：針對傳統(tǒng)的能量檢測法判決門限難以確定以及循環(huán)平穩(wěn)檢測法計算復雜度高等缺點，設計一種自適應雙門限檢測算法，在雙門限之外實施能量檢測保證實時性，在雙門限之內實施循環(huán)平穩(wěn)檢測保證精度，依據信道狀態(tài)自適應調整雙門限值。對該算法的檢測性能進行仿真分析。
　　 3)研究認知引擎的學習推理和優(yōu)化決策模塊：認知決策就

3、是在一個巨大的解空間中尋優(yōu)，人工智能是解決多目標尋優(yōu)的有效方法。針對多子載波系統(tǒng)，設計兩種基于機器學習的認知決策模塊，實現(xiàn)工作參數配置的優(yōu)化。認知決策模塊一基于自適應免疫遺傳算法，在免疫遺傳算法中引入自適應遺傳算子，保證種群的多樣性，克服遺傳算法后期爬山能力弱的缺點，分別從搜索效率、收斂精度和優(yōu)化性能等方面進行仿真測試，驗證模塊性能；認知決策模塊二基于二進制蟻群退火算法，在二進制蟻群算法中引入模擬退火算法，融合蟻群算法快速尋優(yōu)和退火算法