认知无线电技术在ZigBee中的应用研究

目前多种无线通信技术共享2．4GHzISM频段,它们之间的相互干扰以及频谱重叠现象已成为人们非常关注的一个问题。文中将认知无线电技术应用到ZigBee网络通信中,针对2．4GHz频段,利用认知无线电的频谱感知功能,对信道状态进行检测,搜寻频谱空穴,并且对频谱进行长期感知和统计,使ZigBee用户选择最可能空闲的频段作为传输信道,同时提出了一个2．4GHz无线环境感知模型。该方法提高了ISM频段的频谱利用率,并且减少了同频段其他多种无线通信技术对ZigBee产生的干扰,保证了ZigBee信号的有效传输。     

认知无线电中基于协同中继的网络性能优化

针对认知无线电和协同通信这两种技术的结合,在认知无线电中设计联合解码转发JDF方案,在保证主要网络链接的服务质量(QoS)的前提下,无论在峰值干扰约束还是均值干扰约束的情况下,都能得到最优解,使认知无线电用户的传输速率最大化;通过仿真分析可以得出:在认知无线电网络中,使用优化后的发射功率和恰当的协同中继进行传输能提高系统性能,优于直接传输和单独的协同传输.     

基于混合加权的双门限能量协作检测算法研究

研究无线电系统能量优化问题,由于路径损耗导致检测到的信号能量值减小,信号干扰增大,门限值减小,从而使双门限能量协作检测算法的检测概率降低。针对此问题提出混合自适应加权双门限检测算法。首先利用两个门限值将认知用户检测到的能量值划分为不同的区域,然后对位于两个门限值之间的认知用户检测能量值引入信噪比权重因子和距离权重因子进行混合加权,依此来自适应调整其双门限权值,以减小能量损耗较大的信号对门限值的影响,最后融合中心采用"或"准则做出最终的检测结果。仿真结果表明混合自适应加权双门限检测算法比传统等权值的双门限能量协作检测算法具有更高的检测概率,使通信系统能量检测准确性大大提高。     

基于最大加权独立集的频谱分配算法

动态频谱接入技术允许认知用户接入未授权的频谱,可以有效地提高频谱资源的利用率。频谱分配算法的时间开销和公平性是算法优劣的主要评价标准。本文从图论着色模型出发,构建了着色算法的评价体系及优化目标。针对用户间的公平性与分配的时间开销问题,在极大独立集的基础上提出了基于加权最大独立集的着色算法,获得了接近于最优的用户公平性,且该算法的时间开销等于信道数,与认知用户的数目无关。仿真分析验证了算法的正确性。     

基于层次认知模型的大学计算机课程多元混合教学模式设计与实施

根据计算思维理论中从知识到能力转变的递进过程,构建了基于层次认知模型的多元混合式教学课程体系和教学模式,并以大学计算机课程为例,以学生自主学习和协作学习为教学出发点,开发、整合出优质教学资源,设计了多样化教学活动,以培养学生综合应用计算机的软硬件知识解决本专业的实际问题为目的,最终应用到“SPOC+翻转课堂”混合教学中,达到教学目标。     

面向车辆高速移动的频谱感知算法研究

为了解决多普勒效应对于车联网中频谱检测速度与精度的影响,研究了在车辆高速移动情况下的频谱感知算法。首先通过引入认知无线电技术以及车联网技术,构建认知车联网网络,针对频谱利用率低下的问题提出一种频谱感知算法。实验结果表明,该算法可以很好的消除多普勒频移效应,提高了频谱检测的性能,解决了车辆在高速移动状态下信号失真等问题。     

基于量子粒子群优化极限学习机的频谱感知算法

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16％、28％、9％,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.     

哲学与创新

历史和逻辑都表明，创造与繁荣是哲学、科学、艺术的某种高峰汇合。哲学兴趣的贫弱，无疑是大学创造力充分展现的基本障碍之一。对创造目的的思考也需要是前提性的，哲学性的。