学位论文 > 优秀研究生学位论文题录展示
基于回声状态网络的认知无线电频谱预测
作 者: 梁小东
导 师: 杨凌
学 校: 兰州大学
专 业: 通信与信息系统
关键词: 回声状态网络 动态储备池 短期记忆能力 频谱预测
分类号: TN925
类 型: 硕士论文
年 份: 2013年
下 载: 32次
引 用: 0次
阅 读: 论文下载
内容摘要
面对迅速发展的无线通信技术所带来的频谱资源日益紧缺问题,认知无线电(Cognitive Radio, CR)被认为是解决这一问题的关键技术。其核心思想是使无线通信设备具备能够感知周围频谱环境和发现可用频谱并合理利用的能力,实现频谱的动态分配和频谱共享。为了使频谱利用率达到最大,以及授权用户(Primary User,PU)和认知用户(Second User,SU)之间的冲突碰撞率达到最小,Acharya教授于2006年将频谱预测机制引入到认知无线电中。目前主要的频谱预测方法包括基于马尔科夫链、基于时间序列分析和基于神经网络的方法。作为一种新型的递归神经网络,回声状态网络(Echo State Network, ESN)由于其独特的动态储备池(Dynamic Reservoir, DR)结构和简单的学习算法而被学术界广泛关注,并在诸多领域获得了成功应用。与传统递归神经网络相比,其主要特点在于:①随机的隐层(储备池)生成模式;②简便的权值训练算法;③良好的短期记忆能力。本文在深入研究回声状态网络原理及特点的基础上,将其用于认知无线电的频谱预测问题,主要的工作如下:(1)系统且较为深入地研究了回声状态网络的原理及特点介绍了回声状态网络的数学模型、训练算法,从数学角度上阐述了其短期记忆能力,通过实验研究了储备池单元常用激活函数对网络性能的影响,并比较了回声状态网络与经典前馈神经网络、传统递归神经网络的预测性能。(2)为方便硬件实现,构造了具有确定性连接的动态储备池拓扑改革了经典回声状态网络中动态储备池的随机生成模式,构造了具有确定性连接的动态储备池拓扑,减少并优化了储备池优化设计时所需的参数,形成了新型的回声状态网络结构,通过对基准问题的仿真实验验证了其性能。(3)将回声状态网络用于无线频谱预测针对认知无线电系统中授权用户占用频谱持续时间的预测问题设计实验,比较了回声状态网络、本文所设计的新型回声状态网络与传统递归神经网络在频谱预测问题上的性能。实验结果表明,无论从预测精度上还是从训练速度上,回声状态网络以及新型回声状态网络均优于传统的递归神经网络。
|
全文目录
中文摘要 3-4 Abstract 4-9 第一章 引言 9-14 1.1 选题背景及意义 9-10 1.2 国内外研究现状 10-12 1.3 本文的研究内容 12-14 第二章 经典回声状态网络及其预测性能 14-29 2.1 经典回声状态网络的结构模型 14-15 2.2 回声状态网络的训练算法 15-16 2.3 短期记忆能力分析 16-18 2.4 储备池S型激活函数特性分析 18-22 2.4.1 S型函数特性 18-19 2.4.2 输入尺度 19-20 2.4.3 实验数据 20-21 2.4.4 实验仿真分析 21-22 2.5 回声状态网络的预测性能 22-28 2.5.1 实验设计 23-25 2.5.2 实验结果分析 25-28 2.6 本章小结 28-29 第三章 新型回声状态网络及其预测性能 29-48 3.1 新型回声状态网络储备池结构模型 29-31 3.1.1 简单环状储备池 29 3.1.2 双向环状储备池 29-30 3.1.3 自反馈简单环状储备池 30-31 3.1.4 自反馈双向环状储备池 31 3.2 新型回声状态网络的预测性能 31-39 3.2.1 实验设计 32 3.2.2 实验数据 32-34 3.2.3 预测性能评价指标 34-35 3.2.4 实验结果及分析 35-39 3.3 基于改进PSO的网络参数优化方法 39-43 3.3.1 标准PSO算法 39-40 3.3.2 改进PSO算法 40-42 3.3.3 网络参数优化 42-43 3.4 基于LM算法的权值训练方法 43-46 3.4.1 LM算法 43-45 3.4.2 实验仿真分析 45-46 3.5 本章小结 46-48 第四章 认知无线电系统的频谱预测 48-54 4.1 认知无线电系统频谱预测技术 49 4.2 认知无线电系统频谱模型 49-51 4.2.1 模型建立 50 4.2.2 参数选择 50-51 4.2.3 频谱状态持续时间序列 51 4.3 仿真实验 51-53 4.3.1 实验设计 51 4.3.2 实验结果与分析 51-53 4.4 本章小结 53-54 第五章 总结与展望 54-56 参考文献 56-61 在学期间的研究成果 61-62 致谢 62
|
相似论文
- 基于回声状态网络的移动话务量预测方法,TN929.5
- 水陆声电联合通信组网技术研究,TN929.3
- 基于储备池计算的混沌时间序列预测方法研究,TP183
- 最简储备池回声状态网络及其应用研究,TP181
- 钢铁退火工序优化调度及副产煤气系统预测研究与应用,TG158
- 认知无线电网络动态频谱接入模型和方法研究,TN925
- 基于GA-ESN的移动音频抗丢包技术研究,TN919.8
- 高频电磁环境下随机跳频信号选频方法的研究,TN958.93
- 基于误差补偿的时间序列预测方法,O211.61
- 脑神经信号及气动人工肌肉的ESN建模与控制,TN911.7
- 认知无线电系统中基于Markov模型的频谱接入技术研究,TN925
- 回声状态网络分类方法及其应用研究,TP18
- 基于回声状态网络的糖厂澄清工段建模与HDP控制研究,TP273
- 上肢康复机器人及相关控制问题研究,TP242
- 基于递归神经网络的机器人建模与控制研究,TP183
- 回声状态网络的拓扑结构研究,TP183
- 基于ESN的网络流量预测算法研究,TP393.06
- 面向P2P的网络流量预测技术研究,TP393.06
- 未来网络虚拟化资源管理机制研究,TP393.01
- 面向显著区域的图像多特征融合检索技术研究,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 无线电中继通信、微波通信
© 2012 www.xueweilunwen.com
|