存在干扰下的多无人机中继波束形成策略

无人机（Unmanned aerial vehicle, UAV）作为空中中继平台能够快速、方便地建立起一条可靠高效的数据传输链路，在应急通信等领域受到了国内外学者的广泛关注。为提升存在干扰下的基于放大转发的多UAV中继传输系统的通信质量和性能，本文提出了两种波束形成（Beamforming, BF）策略。首先给出地面接收端信干噪比和可达速率的理论表达式；然后分别建立以UAV中继总功率最小化和可达速率最大化为准则的优化问题，推导出了相应的最优BF权向量的解析表达式；最后，计算机仿真验证了所提BF策略的正确性和有效性。     

基于机器学习的认知无线网络优化策略

5G的发展带来了终端设备爆炸式增长的现象,使得频谱资源紧缺的问题越加严峻,认知无线网(cognitive radio,CR)的提出,被认为是提高频谱利用率的有效途径。认知无线网,融合了当代无线电通信技术、计算机技术、微电子学技术、软件无线电技术和现代信号处理技术等多学科之长,通过感知周围的电磁环境、学习及理解等方式,自主为用户寻找到当前空闲的频谱,完成信息交互过程。针对频谱资源紧张的现状,为改善频谱分配,首先介绍了有关认知无线网络的概念及其特点,重点介绍了机器学习中遗传算法,强化学习和隐马尔可夫模型在认知无线网络中的应用,并展望了其在认知无线网络中的发展前景。机器学习算法的引入,实现了高效的频谱资源管理,有效地解决了无线频谱资源紧张的问题。