排序方式: 共有50条查询结果,搜索用时 31 毫秒
1.
2.
面向频谱大数据处理的机器学习方法 总被引:2,自引:1,他引:1
随着移动互联网与物联网的迅猛发展,个人无线设备的数
量呈现指数级增长,随之产生的海量频谱数据与日俱增,频谱大数据的存在已成事实。同时
,频谱赤字也日益严峻。为提高频谱利用率,有效的频谱大数据处理显得十分重要。本文从
无线通信的角度,首先给出了频谱大数据的定义并分析了它的基本特征;然后总结了一些
对于频谱大数据分析与利用颇具前景的机器学习方法,如分布式和并行式学习、极速学习、
核学习、深度学习、强化学习、博弈学习和迁移学习;最后给出了几个开放性话题和研究
趋势。 相似文献
3.
4.
抗干扰通信是电子战的重要组成部分,自适应天线不仅具有很强的抗干扰能力而且可以与其它通信抗干扰技术相兼容,自适应算法是自适应天线的核心,本文把应用数学学科研究的热门方法之一“稳健估计(RE)”应用于RLS算法中,得到稳健的RLS算法(RRLS),理论分析与计算机模拟结果都证明了RRLS算法基本保持了RLS算法的优点,同时在抗突出值干扰方面,优于RLS算法,提高了RLS算法的稳健性。 相似文献
5.
基于Dempster-Shafer证据理论的协同频谱感知算法 总被引:5,自引:3,他引:2
认知无线电的首要任务是频谱感知,单个认知用户的频谱感知结果容易受到衰落和多径的影响,本文结合证据理论研究了多个认知用户的协同频谱感知问题.为了在融合中心未知先验信息的条件下实现对授权用户的有效检测,文章基于Dempster-Shafer证据理论,对认知用户的本地感知结果提取证据,然后在融合中心进行融合并判决,提出了一种基于Dempster-Shafer证据理论的协同频谱感知算法.仿真结果表明,该算法能够在融合中心未知先验信息情况下,获得较好的频谱感知性能. 相似文献
7.
8.
在日益复杂的电磁频谱环境中,精准获取完备的频谱态势信息是做出准确频谱决策的重要前提。首先,介绍了频谱测绘并对比了其与频谱感知的主要区别。接着,综述了现有频谱态势生成方法的研究现状。然后,提出了异构性、大尺度缺失、动态性、环境复杂性等挑战下的多维频谱态势压缩测绘技术研究工作,有效弥补了传统频谱态势生成方法忽略频谱态势感知过程而导致的频谱测绘框架不完整性,该研究可进一步为提升频谱利用效率、增强频谱安全维护以及强化军事电磁对抗的决策提供更精准的指导。最后,对未来频谱压缩测绘的发展趋势进行了展望。 相似文献
9.
10.
本文主要考虑认知网络中感知节点集的选择问题。联合谱感知技术虽然可以极大地提高认知系统的感知性能,但是随着参与感知的认知节点数目的增加,对系统资源的占用也会越来越多,使系统的传输效率下降。本文首先给出了认知网络中最优感知节点集的概念,接着分析了最优感知节点集的节点数目和平均接收信噪比所必须满足的条件,最后通过推导得到了在固定虚警概率条件下最优感知节点集的检测概率与它的节点数目和平均接收信噪比之间的关系表达式,并在此基础上提出了一种最优感知节点集的自适应选择算法。该算法不但能在认知网络中寻找最优感知节点集,同时还可以适应认知网络的动态拓扑变化。仿真结果证明了该算法的有效性。 相似文献