认知无线电中基于隐马尔可夫模型的频谱感知和预测研究.pdf

《认知无线电中基于隐马尔可夫模型的频谱感知和预测研究.pdf》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、分类号：ＴＮ９２５单位代码；１０３６１？違获化王乂學ＡＮＨＵＩＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ〇；焉Ｊ：－Ｌ＜接萬｜ｊｉｊＪｇ．！论文题目；认知无线电中基于隐马尔可夫模型的频谱感知和预测研究作者姓名：方静专业名称；控制工程导师姓名：朱宗疚教授蔚綱巧；２０１７年６月１２曰中图分类号；ＴＮ９２５论文编号：学科分类号：５１０．８０１０密级：公开安徽理王大学硕去学位论文

2、认知无线电中基于隐马尔可夫模型的频谱感知和预测研於作者姓名：方静专业名称：控制工程：光纤通信研究方向：失宗玫搬导师姓名导师单位：电气与信息工程学院答辩委员会主席：杨畅论文答辩日期：２０巧年６月２日安化理工大学研巧生处２０１７年６月１２日ＡＤｉｓｓｅｒｔａｔｉｏｎｉｎＣｏｎｔｒｏｌｅｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈｏｎｓｐｅｃｔｒｕｍｓｅｎｓｉｎｇａｎｄｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｐｈｉｄｄｅｎ

3、ｍａｒｋｏｖｍｏｄｅｌｉｎｔｈｅｃｏｎｉｔｉｖｅｒａｄｉｏｇＣａｎｄｉｄａｔｅ：ＦａｎＪｉｎｇｇＳｕｐｅｒｖｉｓｏｒ：ＺｈｕＺｏｎｇｊｉｕＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＡｎｄｉｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＡｎＨｕｉＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｙｇｙＮｏ．１６８ＴａｉｆｅｎＲｏａｄＨｕａｉｎａｎ２３２００１，Ｐ．民．ＣＨＩＮＡ，ｇ，，独创性声明本人声明所呈交的学位论文是本人在

4、导师指导下进行的研究工作Ｌ及取得的研究成果。据我所知，除了文中特别加乂标注和致谢的地方Ｗ外，也不包，论文中不包含其他人已经发表或撰写过的研究成果含为燕得安徽理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意＊学位论文作者签名／？年《月心日：兩错日期心学位论文版权使用授权书水学位论文作者完全了解安徽理工大学有保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属

5、于安徽理工大学。学校有权保留并向国象有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借閑。本人授权安徵理工大学，可Ｌ乂将学位论文的全部或部分内容编入有关数Ｌ据库进行检索，可乂采用影印、缩印或扫描等复制手段保存、汇编学位论文（书）。保密的学位论文在解密后适用本授权学位论文作者签名；衣靜签字曰期；詞］年＾月Ｉ巧：导师签名：＾签字日期年＾月ａ日摘要摘要近年来，，随着无线电技术的快速发展移动数据业务的爆炸性增长，固定式的频谱分配方案已不能满足当今世界

6、的无线电通信的需求。然而研究表明，当前全球范围内被授权的频段利用率是非常低的，而认知无线电能够自适应地与电磁环境交互信息，探测感知到频谱空洞，实现动态频点转换和传输参数的调整，其一这特性在提高频谱利用率方面有着广泛的研巧。频谱感知是认知无线电系统的、首要任务，，快速而准确的频谱感知微观上能够减少主次用户之间的碰撞机率提高通信质量，提升系统的吞吐量。宏观上则可Ｗ有效提离空闲频谱的利用率。本文就认知用户如何快速准确地捕捉到频谱空洞展开讨论。为了实现快速准确的频谱感知Ｗ及弥补本

7、地频谱感知信任度不足的问题，本文首先提出一种基于离散隐马尔可夫模型的自适应协作频谱预测方案，根据本地频谱感知的信任度赋予相应的权重一时刻信道状态，通过数据融合的方式对下。作出预测。仿真结果表明，本方法在频谱预测方面有较高的准确性由于离散隐马尔可夫模型只能处理数值离散的观测序列，在处理数值连续的观测序列时会产生信息失真。另外，为了充分利用频谱感知的历史信息，提离频谱感知的准确性和时效性，本文将连续隐马尔可夫模型引入协作频谱感知。研究证明，在不同的信道状态下授权用户的能量值满

8、足不同的高斯分布，所Ｗ采用模式识别的方式判定信道两种不同的巧态。通过仿真验证，本文提出的基于连续隐马尔可夫模型通过模式识别的频谱感知方案在一定程度上能够克服离散隐马尔可夫的信息失真问题，具有较高的频谱感知性能。图口刊表阿参［５５］关键词：认知无线电技术；频谱感知；频谱预测；离散隐马尔可夫模型；连续隐马尔可夫模型分类号：ＴＮ９２５ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＩｎｒｅｃｅｎｔｙｅａｒｓ，ｗｉｔｈｔｈｅｒａｐｉ