认知无线网络多域认知技术研究

《认知无线网络多域认知技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、巧參《丢對我少專图硕±学位论文胃禱圓３认知无麵络鈍认知技术研究Ｓ作者姓名张董室｜指导教师姓名、职称李建东教授申请学位类别工学硕古学校代码１０７０１学号１３０１１２０Ｗ５分类号ＴＮ９２密级＾开＼Ｊ？Ｉ西安电子科技大学硕±学位论文认知无钱网络多域认知技术研究作者姓名；张董堇一级学科：信息与通信工程二级学科：通信与信息系统学位类别；工学硕±指导教师姓名：、职称李建东教授学院：通信工程学院提交日期；２０１６年３月ResearchonMu

2、lti-domainCognitionTechniquesinCognitiveRadioNetworksAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinCommunicationsandInformationSystemsByZhangYingyingSupervisor:LiJiandongProfessorMarch2016西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和

3、优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢中所罗列的内容外，论文中六包含其他人已经发表或撰写过的研巧成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研究所做的任何贡献巧己在论文中作了明确的说明并表示了谢意。一学位论文若有不实么处，本人承担切法律责任。本人签名：日期：尤ｆ）、斗－２》）］西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位

4、论文的规定，目Ｐ：研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可ｔ＾ｉ／公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研巧成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。＿＿＾、本人签名：杀、窜；章导师签名豕抑ｌｂ、、作日期：兰孩日期：摘要摘要作为下一代网络的核心研究内容，认知无线网络（CognitiveRadioNetwo

5、rk,CRN）是受认知无线电技术启发而提出的一种具有认知特征的主动网络。认知无线网络能够感知网络整体状态，据此进行计划和决策，并执行相应的动作，具有推理和学习的能力，被认为是未来通信网络发展的必然趋势。认知无线网络的认知环境是包含无线环境、网络环境与用户环境在内的多域环境，因此认知无线网络需要针对多域环境特征进行感知，即多域认知。相对于网络及用户环境域，CRN无线环境域的认知是较为复杂困难的，特别是无线频谱环境的认知。目前通常认为多域认知技术主要是从多域本地认知层、多域协同认知层以及多域主动认知层三个层次来获取和处理多域环境的感知信息。深

6、入研究多域认知技术，明确各层研究内容，提出认知方法，对认知无线网络的完善和发展具有重要意义。本文在多域认知三层理论框架研究分析的基础上，重点对CRN多域认知关键技术：多域本地认知层频谱感知技术与多域主动认知层学习算法进行深入研究，分别给出了各层有效的新方案，从而完成集频谱感知及感知信息的学习推理等一体化的CRN认知过程。本文主要贡献如下：（1）提出了一种基于采样信号相关性的频谱感知算法。针对认知无线网络频谱感知技术，首先对几种经典的频谱感知算法进行研究，并且从原理及仿真的角度对这些已有算法进行详细说明及优缺点分析。在现有检测算法的基础上，

7、针对低信噪比下的信号检测，提出了本文基于采样信号相关性的新的频谱感知算法。该算法考虑信道多径衰落等信道特征对信号检测的影响，利用过采样的方法加大信号自身的相关性，根据二元假设下相关信息的分布获得两种不同的检验统计量，分别做出本地决策，从而获得两种有效的感知方案，并通过仿真验证了此算法低信噪比下的感知性能。（2）提出了一种基于贝叶斯网络（BayesianNetwork,BN）的多域主动认知层学习算法。该算法通过建立相应的认知贝叶斯网络模型，将贝叶斯结构学习引入认知无线网络，直接利用概率理论对感知信息进行学习推理，以获取网络主用户行为的统计关

8、系。算法实现过程中所建立的条件概率表弥补了传统算法不能随网络节点变化做出自适应调整的不足，同时基于条件概率建立的依赖关系表达形式实现了对传统条件互信息的简化。仿真结果表明，该算法相对传统学习算