2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩150頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、認(rèn)知無(wú)線電技術(shù)為提高頻譜資源利用率,解決頻譜資源緊張這一問(wèn)題提供了一種最佳的解決方案。頻譜感知技術(shù)是認(rèn)知無(wú)線電技術(shù)的基礎(chǔ),其性能好壞直接關(guān)系著系統(tǒng)的總體性能,因此開(kāi)展此課題的研究具有重要的意義。頻譜感知在實(shí)際環(huán)境中,易受噪聲功率波動(dòng)、低信噪比等條件影響,且在寬帶頻譜感知中,由于通信帶寬不斷增加,模數(shù)轉(zhuǎn)換過(guò)程中采樣速率過(guò)高問(wèn)題凸顯,對(duì)感知設(shè)備的要求越來(lái)越高。為了解決噪聲方差不確定、低信噪比、寬帶通信不同條件下的頻譜感知問(wèn)題,本文對(duì)感知算法

2、和感知策略進(jìn)行了深入研究,主要內(nèi)容如下:
  論文首先針對(duì)噪聲功率在一定幅度內(nèi)波動(dòng),即噪聲方差不確定性問(wèn)題開(kāi)展了能量感知算法的研究。在分析感知性能的基礎(chǔ)上,提出了噪聲方差不確定下自適應(yīng)雙門(mén)限能量感知算法。該算法能根據(jù)認(rèn)知用戶在各種不同信噪比情況,自適應(yīng)的改變頻譜感知時(shí)長(zhǎng),與傳統(tǒng)的能量感知算法相比,具有較高的檢測(cè)概率和較好的抗干擾性能。在此基礎(chǔ)上為了更好的提高系統(tǒng)的檢測(cè)性能,本文對(duì)基于雙門(mén)限能量協(xié)作頻譜感知的協(xié)作策略優(yōu)化問(wèn)題進(jìn)行了研

3、究,提出了提升合作頻譜感知效率的優(yōu)化算法,通過(guò)仿真驗(yàn)證了該優(yōu)化算法的有效性和優(yōu)越性。
  其次,論文針對(duì)低信噪比頻譜感知,開(kāi)展了基于隨機(jī)共振技術(shù)的頻譜感知算法研究。根據(jù)實(shí)際低信噪比環(huán)境,依據(jù)隨機(jī)共振系統(tǒng)具有很好增強(qiáng)系統(tǒng)輸出信噪比這一特性,將隨機(jī)共振原理引入到傳統(tǒng)的能量檢測(cè)頻譜感知方法中,提出了一種低信噪比下基于隨機(jī)共振技術(shù)的能量頻譜感知算法,推導(dǎo)了該方法的檢測(cè)概率理論表達(dá)式,仿真驗(yàn)證了該算法有效提高了系統(tǒng)的檢測(cè)性能。在此基礎(chǔ)上,依

4、據(jù)雙門(mén)限能量檢測(cè)算法的優(yōu)勢(shì),提出了基于隨機(jī)共振的雙門(mén)限兩步頻譜感知算法,與傳統(tǒng)隨機(jī)共振頻譜感知算法不同,該算法通過(guò)設(shè)置最佳雙門(mén)限值,隨低信噪比環(huán)境來(lái)改變隨機(jī)共振系統(tǒng)參數(shù),從而有效提高算法適應(yīng)性和靈活性。本文并從認(rèn)知網(wǎng)絡(luò)吞吐量最大化,感知時(shí)長(zhǎng)最小化兩個(gè)方面對(duì)性能目標(biāo)函數(shù)進(jìn)行優(yōu)化,提出了一種快速二維優(yōu)化問(wèn)題迭代算法,通過(guò)仿真驗(yàn)證,該算法有效提升了頻譜感知效率和系統(tǒng)檢測(cè)性能。
  最后,論文針對(duì)寬帶頻譜感知,開(kāi)展了基于壓縮感知技術(shù)的高效

5、頻譜感知方法的研究。在認(rèn)知無(wú)線網(wǎng)絡(luò)中,由于認(rèn)知用戶和授權(quán)用戶均分布在不同的空間,所處的環(huán)境各異,且傳輸信道的復(fù)雜性,通常它們具有不同的稀疏頻譜,所以在進(jìn)行認(rèn)知用戶聯(lián)合頻譜感知中不適合進(jìn)行信息共享。本文提出在感知過(guò)程中對(duì)每個(gè)認(rèn)知節(jié)點(diǎn)使用壓縮采樣技術(shù)進(jìn)行頻譜估計(jì)以降低信號(hào)采樣的速率和開(kāi)銷(xiāo),通過(guò)貝葉斯模型尋求最優(yōu)超參數(shù),從而完成頻譜信息的探測(cè),采用該算法有效的解決了壓縮感知中信號(hào)重建時(shí)間長(zhǎng),計(jì)算復(fù)雜度高等問(wèn)題。論文在單層協(xié)作頻譜感知算法的基礎(chǔ)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論