排序方式: 共有50条查询结果,搜索用时 15 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.
随着无人机软硬件技术的发展,多无人机集群自组织形成的无人机自组网(Flying Ad-Hoc networks, FANETs)受到了越来越多的来自学术界和工业界的关注,其灵活的部署和快速的反应能力使其能高效地完成多种多样的任务。而无人机自组网路由协议是提高服务质量(Quality of service, QoS)最重要的方法之一,但无人机自组网的移动性和动态性给路由协议的设计带来了严峻的挑战。传统的移动路由协议不能很好地满足无人机自组网的路由需求,因此研究者们从基于拓扑、地理和分层的角度提出了各式各样的无人机自组网路由协议,旨在克服移动性和提高网络的服务质量,并指出未来无人机自组网的路由协议可以考虑机会路由、软件定义网络(Software defined network,SDN)决策和预测驱动决策等综合提高QoS。本文主要针对无人机自组网网络特征,从不同的路由方法出发,SDN对路由协议进行总结和归纳,并对未来的研究方向进行了展望。 相似文献
4.
5.
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
6.
近年来,随着电子与通信等技术的发展,无人机趋于小型化,以蜂群为代表的大规模无人机集群得到了工业界与学术界的广泛关注。为了适应日益复杂的任务与应用环境,自主集群成为了大规模无人机集群的重要发展方向。为了实现自主控制,能够提供高效且灵活的机间通信的无人机自组网是关键。大规模无人机集群给无人机自组网的资源分配、信道接入以及网络路由等带来了一系列的挑战,而分层的体系架构可以有效应对上述挑战。首先,分别介绍了分簇与联盟这两类大规模无人机自组网常见的分层架构的研究现状,分析了各类分簇算法以及联盟适合的应用场景;然后,对两类分层架构进行了对比研究;最后,讨论了大规模无人机自组织网络分层体系架构未来的研究方向。 相似文献
7.
8.
6G无线网络将呈现资源协同化趋势,全频谱统一接入无蜂窝技术已成为6G的关键技术之一。然而密集部署的无蜂窝基站在频谱共享时将产生严重的干扰。针对这一问题,提出了一种基于联盟链的多基站协同功率控制方法。各基站共同组成一个联盟链网络,并基于区块链共识机制实现基站间功率协调控制,以降低因频谱共用而产生的干扰。以最大化系统的总吞吐量为目标,优化各基站的发射功率,并提出了一种等效转换方法以求解该非凸问题。仿真结果表明,所提算法相较于最大功率分配和正交频分复用策略能显著减少基站的发射功率开销,提升系统吞吐量。 相似文献
9.
10.
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