認知無線電中的智能決策技術研究.pdf

1、認知無線電(CR)是當今無線通信領域的研究熱點，被認為有望從根本上解決目前靜態(tài)頻譜管理政策造成的頻譜資源浪費。變換域通信系統(tǒng)(TDCS)是從變換域處理和擴頻技術發(fā)展而來的無線通信新技術，也是認知無線電的一種收發(fā)機備選方案。
　　本文在 TDCS的研究基礎上，結合多種數據傳輸技術及干擾檢測技術，研究認知無線電中的智能決策方法。認知無線電智能決策引擎能實時感知信道、干擾、業(yè)務需求等外部環(huán)境變化，通過檢測學習機制和參數優(yōu)化策略，實時調整

2、自身參數，實現系統(tǒng)誤碼率、信號功率及數據吞吐量的最優(yōu)權衡。
　　本文的主要工作分為四大部分：
　　第一部分研究認知無線電智能決策系統(tǒng)涉及的物理層技術，基于正交頻分復用(OFDM)的差分變換域通信系統(tǒng)是該部分的研究重點。文中推導了基于OFDM的差分TDCS系統(tǒng)在高斯白噪聲信道下的誤碼率公式，并利用Matlab做了仿真驗證，仿真結果表明，理論公式真實可信。由于 TDCS系統(tǒng)采用剔除干擾頻點的方式躲避干擾，在譜罩向量設置合理時，其

3、在窄帶干擾環(huán)境下的性能逼近于在高斯白噪聲下的性能。文中還介紹了基于頻域的前向連續(xù)均值消除(FCME)干擾檢測算法，以及差分OFDM技術和快速跳頻通信(FFH)兩種數據傳輸技術。
　　第二部分研究用以參數優(yōu)化的三種進化算法：基本遺傳算法、基于模擬退火的改進遺傳算法和二進制粒子群算法，介紹了三種算法的基本原理和實現步驟，并利用DeJong函數和上文所述基于OFDM的差分TDCS系統(tǒng)兩種模型進行了仿真分析和統(tǒng)計性能比較：對于DeJong

4、函數，三種算法均能收斂到最優(yōu)解，且均表現出較高的搜索效率，其中基本遺傳算法耗時較短，參數設置合理時收斂速度最快；模擬退火遺傳算法性能穩(wěn)定，但復雜度較高，耗時長；二進制粒子群算法收斂最快，但性能受慣性權重及學習因子影響較大。對于基于OFDM的差分TDCS系統(tǒng)，基本遺傳算法和基于模擬退火遺傳算法存在較小概率無法收斂到最優(yōu)解，二進制粒子群算法則表現優(yōu)秀：收斂代數小、搜索時間短，且全局收斂性好。
　　第三部分設計了一種基于規(guī)則的智能決策系

5、統(tǒng)，該系統(tǒng)同時支持即時消息、文件傳輸、音頻傳輸和視頻傳輸四種上層業(yè)務，可結合干擾環(huán)境和業(yè)務類型，智能選擇差分TDCS、快速跳頻或差分OFDM模式傳輸數據，并選擇適當的抗干擾手段。
　　基于規(guī)則的智能決策系統(tǒng)決策機制簡單、易于實現，但決策過程中沒有考慮信號功率的影響，且由于系統(tǒng)不具備學習功能，在某些干擾環(huán)境下無法做出最優(yōu)決策?；谏鲜隹紤]，為了更好地適應干擾環(huán)境和業(yè)務需求，本文第四部分設計了一種基于二進制粒子群和案例推理方法(CBR