学位论文 > 优秀研究生学位论文题录展示

认知无线电系统若干关键技术研究

作　者: 李庆
导　师: 胡捍英
学　校: 解放军信息工程大学
专　业: 通信与信息系统
关键词: 认知无线电 NC-OFDM系统双瑞利衰落能量检测峰均功率比带外辐射功率子载波加权遗传算法联合降低认知引擎支持向量机决策树
分类号: TN925
类　型: 博士论文
年　份: 2013年
下　载: 308次
引　用: 0次
阅　读: 论文下载

内容摘要

随着无线技术的飞速发展，人们对宽带无线业务的需求不断增加，频谱作为不可再生的宝贵资源正逐渐变得短缺。一方面，频谱供需的矛盾日益突出；另一方面，在当前的频谱管理策略下，己分配频谱的利用率又极其不足。在这一背景下，认知无线电技术应运而生。认知无线电是一种新兴的无线通讯技术，其目的是有效利用空闲频谱，提高频谱利用率。认知无线电的关键技术可以概括为频谱感知、频谱共享和频谱管理三个方面。频谱感知获取周围无线环境用户存在与否及频谱空洞等信息，认知无线电通过这些信息自适应调整通信参数，来达到频谱效率最大化的目的，同时不对授权用户造成有害干扰。频谱共享是指通过对频带在时间上或空间上的调度，使得多个无线通信系统能够在互不干扰的前提下通过同一频谱进行通信，从而使频谱效率最大化。CR的目标是为认知用户提供满足QoS要求的最佳可用频谱进行通信。要在所有可用频带中判断出性能最好的频带以满足QoS要求，就必须具有频谱管理的功能。有效与易实现一直是通信技术在工程上的不断追求，本文以认知无线电系统为背景，以工程实用性为着眼点，在分析、挖掘认知无线电关键技术中存在的若干问题的基础上，认真探索研究了基于能量检测的频谱感知、基于NC-OFDM认知无线电系统的峰均比及带外辐射抑制，以及认知引擎的设计等重要问题。概括起来主要包括以下四个方面：1、首次对双瑞利衰落下能量检测的性能进行了研究与分析。推导得出双瑞利衰落下信噪比概率密度函数的表达式，并利用MarcumQ函数的替代形式，推导得到了双瑞利衰落下能量检测的平均检测概率的闭合表达式。对选择合并和切换合并两种低复杂度分集方案对检测性能的提升进行了研究与数值分析，并给出了双分集下两种合并方式检测概率的闭合表达式。仿真与数值结果证明了结论的正确性，为双瑞利衰落下能量检测的应用提供了重要参考与指导。2、分析了NC-OFDM系统PAPR的统计特性，指出了NC-OFDM系统中降低PAPR的重要性。提出了一种基于子载波加权降低NC-OFDM系统PAPR的方法，其通过对每个子载波数据乘以最优加权系数来降低系统的PAPR。根据优化问题的特点，采用遗传算法求解最优加权系数向量，并对加权后NC-OFDM系统的PAPR性能进行了深入的剖析。仿真结果验证了方法的有效性与实用性。3、针对NC-OFDM系统中的带外辐射抑制问题，首先提出了一种子载波加权的改进算法。通过对子载波符号实部与虚部分别加权来达到进一步降低NC-OFDM系统带外辐射的目的。理论分析与仿真实验结果表明，该方法能带来3dB的抑制增益，且不会导致误码率性能的恶化。针对NC-OFDM系统中OBP与PAPR抑制之间存在矛盾，结合子载波加权方法简单有效的特点及可以降低系统PAPR或OBP的结论，提出了基于子载波加权联合降低NC-OFDM系统PAPR与OBP的方法。仿真结果证实了联合降低方法能有效缓和OBP与PAPR抑制之间的矛盾，取得明显优于分步降低方法的抑制性能。且可以根据实际通信环境及设备状况，灵活调整折中参数以满足通信业务的需求。4、以高效及低实现复杂度为出发点，对认知引擎的功能架构进行了设计与改进。新引擎能更高效地调度优化引擎与学习推理引擎，降低了认知引擎的实现难度，增强了实用性。提出了一种基于遗传算法的SVM多分类决策树优化算法GABDTSVM，通过遗传算法在决策树每个节点进行决策优化，自适应地生成最优决策树结构。并将GABDTSVM应用于认知学习引擎设计当中，结合具体的无线场景论证了GABDTSVM作为认知引擎学习推理方案的可行性及有效性，同时仿真结果也验证了GABDTSVM相比于其它多分类方法的优越性。

全文目录

摘要  4-6
ABSTRACT  6-8
目录  8-11
图录  11-13
表录  13-14
第一章绪论  14-30
  1.1 研究背景及意义  14-16
  1.2 认知无线电系统概述  16-18
  1.3 研究现状  18-20
    1.3.1 国外研究现状  18-19
    1.3.2 国内研究现状  19-20
  1.4 认知无线电关键技术及面临的挑战  20-25
    1.4.1 CR 关键技术及面临的挑战  20-22
    1.4.2 基于 NC-OFDM 的认知无线电系统  22-24
    1.4.3 认知引擎技术  24-25
  1.5 论文的主要工作及结构安排  25-30
    1.5.1 论文的研究内容及主要创新点  25-27
    1.5.2 论文结构安排  27-30
第二章双瑞利衰落信道下能量检测性能分析  30-42
  2.1 引言  30
  2.2 基于能量检测的频谱感知  30-31
  2.3 双瑞利衰落  31-33
    2.3.1 双瑞利衰落信道  31-32
    2.3.2 双瑞利衰落统计特性  32-33
  2.4 双瑞利衰落下的平均检测概率  33-34
    2.4.1 双瑞利衰落信噪比 PDF  33
    2.4.2 双瑞利衰落下的平均检测概率  33-34
  2.5 双瑞利衰落下选择合并检测性能分析  34-36
    2.5.1 信噪比γSC及其概率密度函数 PDF  34-35
    2.5.2 SC 平均检测概率  35-36
    2.5.3 虚警概率  36
  2.6 双瑞利衰落下切换合并检测性能分析  36-38
    2.6.1 信噪比 γ_(SSC)及其概率密度函数 PDF  36
    2.6.2 SSC 平均检测概率  36-38
  2.7 数值计算与仿真结果分析  38-41
  2.8 本章小结  41-42
第三章 NC-OFDM 系统 PAPR 抑制问题研究  42-64
  3.1 引言  42
  3.2 OFDM 系统中的峰均比问题  42-44
    3.2.1 PAPR 基本概念  42-43
    3.2.2 降低 PAPR 的必要性  43-44
  3.3 PAPR 统计特性分析  44-50
    3.3.1 OFDM 系统 PAPR 统计特性  44-45
    3.3.2 OFDM 系统 PAPR 边界  45-47
    3.3.3 NC-OFDM 系统 PAPR 统计特性  47-48
    3.3.4 NC-OFDM 系统 PAPR 边界  48
    3.3.5 NC-OFDM 与 OFDM 统计特性对比与分析  48-50
  3.4 PAPR 降低技术  50-53
    3.4.1 选择性映射  50-51
    3.4.2 部分传输序列  51-53
  3.5 NC-OFDM 系统中基于子载波加权的 PAPR 降低方法  53-57
    3.5.1 系统模型  53-54
    3.5.2 数学描述与优化目标  54-55
    3.5.3 基于遗传算法求解最优加权系数  55-57
  3.6 性能分析  57-63
  3.7 本章小结  63-64
第四章 NC-OFDM 系统中频谱成型技术研究  64-80
  4.1 引言  64
  4.2 NC-OFDM 系统中的带外辐射干扰问题  64-67
    4.2.1 OFDM 系统中的高带外辐射问题  64-66
    4.2.2 NC-OFDM 系统的旁瓣与功率谱  66-67
  4.3 NC-OFDM 系统带外辐射抑制技术  67-73
    4.3.1 OFDM 系统带外辐射抑制技术  67-68
    4.3.2 一种改进的基于子载波加权的带外辐射降低方法  68-71
    4.3.3 性能仿真与分析  71-73
  4.4 基于子载波加权的峰均比与带外辐射联合降低  73-79
    4.4.1 PAPR 与 OBP 的关系  73-74
    4.4.2 问题描述与建模  74-76
    4.4.3 联合最优加权系数向量的求解  76-77
    4.4.4 性能分析与仿真  77-79
  4.5 本章小结  79-80
第五章基于 GABDTSVM 的认知引擎设计  80-100
  5.1 引言  80
  5.2 一种基于遗传算法的 SVM 决策树分类算法  80-92
    5.2.1 支持向量机概述  80-85
    5.2.2 SVM 决策树分类方法  85-89
    5.2.3 基于遗传算法的 SVM 决策树  89-92
  5.3 基于 GABDTSVM 的认知学习引擎设计  92-96
    5.3.1 认知引擎系统设计  92-94
    5.3.2 基于 GABDTSVM 的认知引擎学习方案  94-96
  5.4 仿真结果分析  96-98
  5.5 本章小结  98-100
第六章全文总结  100-102
  6.1 已取得的研究成果  100-101
  6.2 可进一步研究的问题  101-102
致谢  102-104
参考文献  104-113
作者简历  113

认知无线电系统若干关键技术研究

内容摘要

全文目录

相似论文