学位论文 > 优秀研究生学位论文题录展示
认知无线网络中的信道选择和用户协作研究
作 者: 袁广翔
导 师: 王文博
学 校: 北京邮电大学
专 业: 信号与信息处理
关键词: 机器学习 业务预测 信道选择 用户协作
分类号: TN929.5
类 型: 博士论文
年 份: 2010年
下 载: 370次
引 用: 0次
阅 读: 论文下载
内容摘要
由于现有的频谱分配和管理策略存在着频谱利用率不高、分配不够灵活等问题,工业界和学术界研究使用认知无线电来实现动态的频谱接入,以提高频谱利用率。目前,采用认知无线电技术的认知用户是通过对授权频段的检测以寻找空闲状态信道实现动态频谱接入。由于空闲资源的出现具有随机性,如果认知用户采用随机的方式选择授权频段进行检测以寻找空闲信道,那么频谱选择的盲目性将导致认知用户的频谱检测效率的降低,使得认知用户的传输质量难以得到保障,尤其是对于有传输速率和时延要求的认知用户。同时,频繁的频谱检测和切换也会耗费认知用户的有效传输时间,这将限制频谱利用率的提高。为此,如何在认知用户的频谱感知、接入和切换的过程中引入机器学习,实现智能化地选择目标信道,以提高认知用户的频谱检测效率,保障传输质量是目前认知无线网络中的研究热点。本论文针对认知无线网络中的信道选择问题,对基于业务统计学习和预测的频谱感知进行了深入研究,研究给出了具体的业务预测方法和频谱感知策略。随后论文研究提出基于多用户协作的信道选择方法,并给出了用户协作方法和信息处理算法。论文最后将研究扩展至用户协作传输,并给出了协作传输协议和用户队列稳定域模型。首先,本论文对基于业务统计学习和预测的频谱感知给出了实现业务认知的功能架构。论文分别对采用基于业务统计学习和预测的频谱感知和采用随机选择授权频段的频谱感知的认知用户的丢包率和吞吐量进行了理论分析和性能建模,其中基于业务统计学习和预测的频谱感知的性能模型能够支持对不同的业务预测算法的应用性能评估。同时,为了对不同的业务预测算法性能进行深入评估,论文还给出了当认知用户能够确知信道未来状态时达到的性能上界的数学模型。其次,在对采用基于业务预测的频谱感知策略的认知用户性能研究基础上,本论文提出了一种多用户协作信道选择方法,并提出了基于贝叶斯理论的信息处理算法,以实现对用户协作信息的融合和对目标信道特性的推理。同时,论文给出了信息融合过程中的目标值和其对应不确定度的更新方法及其数学描述。在对多用户协作信道选择方法的性能评估中,研究给出了信道选择时延计算模型,并通过仿真,评估了协作信息的分布和更新概率因子对用户协作信道选择方法性能的影响。最后,本论文将用户协作信道选择拓展至用户协作传输,提出了用户伺机协作中继传输协议。该协议利用用户的空闲时隙进行协作中继传输,为系统提供分集增益,提高传输的可靠性。同时,该协议可支持认知用户之间以及授权用户和认知用户之间的协作。现有的对协作分集的研究主要集中在物理层性能增益的分析上,而本论文从分析网络高层协议性能出发,对协作用户队列的稳定域和吞吐量进行了理论研究,并给出了配对协作用户在任意时隙分配比例下的最大稳定域和吞吐量的理论模型。
|
全文目录
摘要 5-7 ABSTRACT 7-15 第一章 绪论 15-41 1.1.认知无线网络 16-28 1.1.1.认知无线电技术 16-23 1.1.2.认知无线网络研究 23-26 1.1.3.认知无线网络的应用 26-28 1.2.认知无线网络中的频谱感知与接入 28-36 1.2.1.认知无线网络中的机器学习 28-31 1.2.2.认知无线网络中基于业务统计学习的频谱感知与切换 31-33 1.2.3.认知无线网络中的信道选择 33-36 1.3.研究背景与内容概述 36-39 1.3.1.研究背景 36-37 1.3.2.研究内容 37-39 1.4.文章结构 39-41 第二章 基于业务统计学习和预测的频谱感知与接入 41-59 2.1.频谱感知系统与授权用户业务模型 41-45 2.1.1.频谱感知系统模型 41-44 2.1.2.授权用户业务模型 44-45 2.2.基于业务统计学习和预测的选择性频谱感知与接入 45-47 2.3.选择性频谱感知与接入的认知用户的性能分析 47-53 2.3.1.丢包率性能分析 48-51 2.3.1.1.随机频谱感知 48-49 2.3.1.2.基于业务统计学习和预测的频谱感知 49-51 2.3.1.3.频谱感知性能上界 51 2.3.2.吞吐量性能分析 51-53 2.3.2.1.随机频谱感知 51-52 2.3.2.2.基于业务统计学习和预测的频谱感知 52-53 2.3.2.3.频谱感知性能上界 53 2.4.仿真与分析 53-58 2.4.1.丢包率性能仿真与分析 53-56 2.4.2.吞吐量性能仿真与分析 56-58 2.5.本章小结 58-59 第三章 基于贝叶斯理论的多用户协作信道选择 59-78 3.1 认知无线网络中的信道选择研究 59-63 3.1.1.系统场景与授权用户业务模型 60-61 3.1.2.认知用户协作类型 61-62 3.1.3.认知用户的信道选择 62-63 3.2 基于贝叶斯理论的多用户协作信道选择 63-68 3.2.1.基于贝叶斯理论的信息融合 63-65 3.2.2.基于贝叶斯理论的用户协作信息学习与融合 65-68 3.3 信道选择准则与时延分析 68-69 3.4 仿真评估与分析 69-77 3.5 本章小结 77-78 第四章 多用户伺机协作传输 78-102 4.1 基于中继的协作传输研究 78-87 4.1.1.系统模型 80 4.1.2.中继协作策略和中断性能分析 80-83 4.1.3.仿真与分析 83-87 4.2 用户伺机协作中继系统模型和协作中继协议 87-90 4.2.1.信道模型 88-89 4.2.2.队列模型 89 4.2.3.协作中继协议 89-90 4.3 用户稳定域分析 90-94 4.4 选择性中继与增量中继协议稳定域分析 94-97 4.4.1.基于解码转发的选择性中继 94-96 4.4.2.基于解码转发的增量中继 96-97 4.5 仿真与分析 97-100 4.6 本章小结 100-102 第五章 总结和展望 102-105 5.1 研究总结 102-103 5.2 未来研究展望 103-105 附录一 105-107 附录二 107-108 附录三 108-109 附录四 109-113 参考文献 113-118 致谢 118-120 博士在读期间发表论文列表 120 博士在读期间申请专利列表 120-121 博士在读期间向标准化组织递交技术提案列表 121 博士在读期间参与撰写的书籍列表 121
|
相似论文
- 基于数据分布特征的文本分类研究,TP391.1
- 基于神经网络预测的以太无源光网络服务质量优化研究,TN929.1
- 基于条件随机场的中文分词技术的研究与实现,TP391.1
- Android恶意软件静态检测方案的研究,TP309
- 基于失真效应的图像质量评价与分类,TP391.41
- 基于自学习的社会关系抽取的研究,TP391.1
- 基于统计与图模型的若干机器学习算法及其应用,TP181
- P2P流量识别方法研究,TP393.06
- 基于粗糙集和SVM的国防生综合素质测评方法研究,E075
- 基于丰富特征和多核学习的蛋白质关系抽取,Q51
- 图像与文本数据间的异构迁移学习,TP391.41
- 动态分布式网络入侵模式研究,TP393.08
- 面向自然场景分类的稀疏编码研究与应用,TP391.41
- 面向金融问答的论坛观点挖掘,TP391.3
- 分布式脊波核函数模型及其在火场建模中的应用,X932
- 粗集理论在机器学习中的应用与研究,TP181
- 基于语义的图像分类和检索研究,TP391.41
- 基于机器学习算法的自动图像标注,TP391.41
- 高效协作TURBO编译码技术研究,TN911.2
- 数据分布对于机器学习效果的影响研究,TP181
- LTE-Advanced系统下行MU-MIMO增强技术的研究,TN929.5
中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信
© 2012 www.xueweilunwen.com
|