基于多天线接收的频谱感知检测

频谱感知是认知无线电的一个基本的技术,用来检测授权频谱中是否有授权用户的存在。频谱检测是认知无线电中最重要的一个环节。由于噪声的存在,现有的许多方法都或多或少地存在局限性。本文基于信号和噪声在多天线系统中相关性的不同,提出一种新的频谱感知方法。该方法不需要信号和噪声的任何先验知识并且算法构成简单,计算速度快,在低信噪比下表现了良好的性能。     

基于频谱感知的认知无线电机会功率控制算法

以基于频谱感知的认知无线电Ad Hoc网络为基础,主要研究认知无线电网络的功率控制问题。根据频谱感知结果和信道状况,考虑功率与干扰限制的需求,为最大化认知用户的信干比,提出了一种基于频谱感知的机会功率控制算法,在保证不影响主用户正常通信的条件下,有效地控制认知用户的发送功率,提高认知系统容量。仿真结果表明该算法通过对认知用户功率的有效控制,最大程度上消除了用户之间的干扰,保证了主用户的正常通信,满足了认知用户和主用户频谱共享的需求。     

基于能量效率的多跳认知无线电网络路由算法

由于未授权频段变得过于拥挤,采用该频段通信的自组织网络通信受到极大的干扰,导致丢包率增加,节点能量效率下降。在多跳认知无线电网络中次用户能够机会式接入授权频段实现数据通信,提出一种新的路由算法来提高多跳认知无线电网络的能量效率。该算法选择丢包率低且剩余能量高的节点作为中继节点,并且在非授权信道丢包率过高时接入到具有最大持续空闲时间的授权信道进行数据传输。实验表明,该算法有效提高了节点及网络的能量效率,并保证了节点间的能量均衡,避免个别节点过早“死亡”。     

模拟主用户攻击情况下的压缩宽带频谱感知

由于ADC采样速率的限制,特别是在恶意用户试图模拟主用户(PU)以阻止次用户(SU)接入空闲授权频谱的情况下,使得认知无线电网络(CRN)中的宽带频谱感知技术面临着极大的技术挑战。针对这些问题,本文提出一种基于随机矩阵理论的压缩宽带频谱感知方法(RMT-CWSS)。RMT-CWSS算法利用随机矩阵理论直接对压缩观测数据进行处理,无需重构出原信号即可实现对宽带频谱进行感知。同时,为了减轻次用户在数据获取和频谱感知过程中的开销,本文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析与仿真结果表明,在存在恶意用户模拟主用户进行攻击的情况下,与传统的基于RMT的宽带频谱感知方法相比,该算法具有复杂度更低、感知性能更好、更稳定等优点。     

主用户移动场景下的感知用户时间分配算法

传统的认知无线电技术主要针对主用户和感知用户静止的认知网络,近年来对于用户移动性的研究逐渐成为了研究热点。认知网络在多媒体接入技术中应用广泛,而多媒体接入技术的协议多是基于时间分配的,本文对主用户移动场景下感知用户的时间分配方法开展了研究工作:首先构建了认知无线电网络下主用户在感知用户的干扰域内和干扰域外的时间分配模型,并从用户移动的角度给出了单个感知用户可用的传输时间,并提出了感知时间门限的问题,即由于主用户的移动性,频谱感知算法的感知准确性不会因为感知时间的延长而提高。之后为了给出实际中可以应用的时间参数设计方法,特别针对随机模型中最为常用的随机游走模型,给出了单感知用户占用频谱情况下最优传输时间和感知时间门限的表达式,并进行了仿真实验以验证方法的正确性。     

认知无线电技术及其应用

频谱资源越来越紧张,认知无线电技术作为智能化的无线电技术,在缓解频谱资源紧张趋势,提高频谱利用效率方面有显著的作用。本文系统介绍了认知无线电技术的基本概念,梳理了认知无线电的关键技术,分析了认知无线电技术在军事和民用领域的应用。     

城市电磁频谱活动特性建模与分析

普及电磁环境的卫生安全知识、合理使用电磁频谱资源的前提是对电磁环境及电磁频谱特性的准确认识。本文以城市电磁频谱背景为分析对象，引入合成频谱热度（HC）作为定量描述一个频段频谱强度的指标，借鉴SMA、EMA、EDMA、MACD、KDJ等股票指标分析模型，从无线电业务频段及典型无线电业务两个方面开展了典型城市环境下的电磁频谱活动特性的分析与可视化，探索了认识我们日常生活电磁环境特性的方法，为我们了解和掌握身边的电磁环境提供一种直观的可理解的参考指标。     

面向认知无线电自组网的功率分配算法研究

针对认知无线电自组网节点具有移动性及交互性的新特点,首先提出一种根据SU节点之间的空间差距赋予每个SU节点不同的权重系数,将检测结果加权平均得到共同检测结果的合作式频谱感知模型;然后,对系统模型下授权信号可能受到的干扰进行分析,并建立多约束条件下的能量效率最优化问题的数学模型。接着,提出一种基于NLMS的干扰概率分配算法,解决在多约束条件下的能量效率最优化问题;最后,通过实验验证感知模型及分配算法的效率。     

基于神经网络的光纤布拉格光栅触觉信号解耦研究

针对应用于电子皮肤的柔性光纤布拉格光栅触觉传感器的输出信号是施加载荷位置、大小等信息的非线性、多维耦合问题,在对光纤布拉格光栅触觉传感阵列进行力学有限元仿真的基础上,提出了将误差逆传播神经网络和径向基函数神经网络应用于仿真和实验的触觉信号解耦方法。对实验数据的神经网络解耦结果表明,相对于误差逆传播神经网络,径向基函数神经网络具有更强的抗噪声能力,能够更好地逼近含有噪声的触觉多维非线性实验数据之间的映射关系。经径向基函数神经网络解耦后,传感器阵列的空间分辨率为5 mm,对压力位置和大小感知的最小相对误差为3.00%和4.82%。本文的研究成果对开展电子皮肤柔性触觉传感器的研究和推广具有一定的实用价值。     

基于径向基函数神经网络的超分辨率图像重建

为了突破成像极限,经济可行地获取高质量的卫星图像,提出了一种基于径向基神经网络的超分辨率图像重建算法。以径向基神经网络为基础,依据卫星图像退化模型获取网络训练所需的学习样本图像,采用向量映射的方式加速网络收敛。其中,径向基函数的中心、宽度及网络的隐含层数、连接权值是决定径向基神经网络的关键参数,直接关系到网络的重建性能。采用最近邻聚类算法,动态地建立起基函数的中心及宽度,自适应地确定网络的隐含层数及连接权值。建立起的径向基函数神经网络显著地提高了图像重建性能和网络收敛速度(221s即可收敛)。仿真实验和泛化实验表明,训练好的径向基神经网络可以有效地进行卫星图像的超分辨率重建,效率高,误差小。     

超声检测缺陷分类中信号处理方法的探讨

根据检波信号与射频信号所含信息量的不同，针对超声检测缺陷回波中的这两种信号进行了实验分析：用典型的金属缺陷信号来做比较，把同时采集到的两类信号分别进行特征提取，并用“类别可分性判剧”做定量对比；分别用BP网络和RBF网络对检波信号提取的特征值为依据进行缺陷分类，来比较这两种网络的性能差异。最后实验表明；基于射频和检测输出的缺陷信号，其可分性指标之间的差别并不明显；RBF网络比BP网络具有更快的学习速度，同时能够有效的提高分类器的泛化分类准确率。     

基于频谱与轴心轨迹图的汽轮机RBF神经网络故障诊断研究

通过对比频谱分析的汽轮机故障诊断技术,提出一种频谱与轴心位置相结合的基于RBF网络的故障诊断方法,并且通过ZT-3转子模拟试验台得出的试验数据和轴心轨迹图作为训练样本,对RBF网络的故障诊断方式进行仿真。     

基于功率谱分析和RBF网络的表面EMG多模式分类

提出了一种以功率谱K值法和RBF网络相结合的表面肌电信号处理方法.首先,将采集到的肌电信号进行预处理,计算互功率谱比值作为其特征值;其次,将其特征值作为训练样本输入RBF神经网络进行网络训练,并对手臂的各种动作进行多运动模式分类.实验表明,这种方法不仅简化了计算工作量,而且取得了比较理想的识别效果.     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

基于RBF神经网络的人脸识别

介绍了RBF神经网络在人脸识别中的应用;通过理论分析和实验效果突出了RBF神经网络在机器学习中的优势。实验结果证明:RBF神经网络具有运算速度快、识别率高、算法简单等特点。在训练样本减少的情况下,该学习机的分类性能没有明显退化。因此,RBF神经网络是一种性能优异的学习机。     

基于径向基函数神经网络的铣刀磨损监控技术的研究

提出一种基于径向基函数神经网络的铣刀磨损监控方法,径向基函数神经网络的输出是刀具磨损的具体值,这样有利于对刀具磨损进行各种实时补偿。实验表明,利用径向基函数神经网络进行状态识别可对小型立铣刀的磨损进行监控,能够取得良好的效果,同时证明RBF网络的训练速度优于BP网络。     

RBF神经网络用于家用空调系统匹配特性的研究

RBF神经网络是目前应用较多的一种神经网络。它能以任意精度逼近任意非线性函数,具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。因此,将RBF神经网络应用于家用空调匹配仿真研究时具有独特的优势。提出采用RBF神经网络估算制冷量和压力来优化研发过程,仿真结果表明,RBF神经网络运用于家用空调匹配仿真,能够精确仿真空调制冷量和低压力等参数,并预测制冷量和压力,能有效地减少家用空调匹配时间,提高研究效率。     

基于径向基函数神经网络的发动机磨损预测分析

针对BP神经网络算法的不足,利用径向基函数(RBF)神经网络建立设备的磨损预测模型,对光谱分析数据进行实例仿真,并与BP网络模型进行对比研究.仿真结果表明,该模型预测精度高,训练时间短,大大优于BP神经网络模型.     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。