在线看片福利,久久97久久97精品免视看,国产精品二区三区

基于BP神經網絡的智能認知頻譜預測技術研究

2021年電子技術應用第1期

遲文升1，2，袁亶1，肖宗豪3

1.空軍工程大學裝備管理與無人機工程學院，陜西西安710051； 2.西安電子科技大學機電工程學院，陜西西安710071；3.空軍工程大學研究生學院，陜西西安710051

摘要： 為了使通信用戶頻譜接入更為有效，增強在時域和空間域的頻譜利用靈活性，首先介紹采用最速下降法進行學習的BP神經網絡過程，并對BP神經網絡的頻譜預測算法進行數學建模。通過對一段時期內的電磁頻譜狀態的學習訓練，調節參數使算法模型建立輸入數據與輸出結果之間的認知關系，進而改變BP神經網絡算法自身的結構，優化權值與閾值，最終使得頻譜預測數據準確性更接近于實際值，預測誤差變小。

關鍵詞： BP神經網絡頻譜狀態頻譜預測

中圖分類號： TN92
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200749
中文引用格式： 遲文升，袁亶，肖宗豪. 基于BP神經網絡的智能認知頻譜預測技術研究[J].電子技術應用，2021，47(1)：64-68.
英文引用格式： Chi Wensheng，Yuan Dan，Xiao Zonghao. Research on intelligent cognitive spectrum prediction technology based on BP neural network[J]. Application of Electronic Technique，2021，47(1)：64-68.

Research on intelligent cognitive spectrum prediction technology based on BP neural network

Chi Wensheng1，2，Yuan Dan1，Xiao Zonghao3

1.Equipment Management and UAV Engineering College，Air Force Engineering University，Xi′an 710051，China； 2.College of Electromechanical Engineering，Xidian University，Xi′an 710071，China； 3.Graduate College，Air Force Engineering University，Xi′an 710051，China

Abstract： In order to make the spectrum access of communication users more effective and enhance the flexibility of spectrum utilization in time domain and space domain, this paper firstly introduces the process of BP neural network learning with the steepest descent method, and makes mathematical modeling for the spectrum prediction algorithm of BP neural network. By learning and training the electromagnetic spectrum state in a period of time, this paper makes the algorithm model establish the cognitive relationship between the input data and the output results by adjusting the parameters. Then, the structure of BP neural network algorithm was changed, and the weights and thresholds were optimized, so that the accuracy of spectrum prediction data was closer to the actual value and the prediction error was reduced.

Key words : BP neural network；spectrum state；spectrum prediction

0 引言

隨著技術的發展，無線電通信得以快速發展，然而由于頻譜的不可再生性，導致無線電頻譜越來越密集，通信資源也變得異常稀缺。為充分合理利用無線電頻譜資源，頻譜預測技術成為研究的熱點。

頻譜預測技術^[1-3]是通過檢測過去一段時間內頻譜的使用情況來預測未來一段時間可能存在的空閑頻譜和其所處的位置并對其進行利用。

現有頻譜預測主要包括自回歸頻譜預測^[4-5]、機器學習^[6-8]、神經網絡頻譜預測^[9-11]和馬爾可夫模型頻譜預測^[12-14]?；谏窠浘W絡和基于馬爾可夫的預測較準確，但收斂時間長，時效性差^[15]。相較于其他頻譜預測方法，神經網絡可消除對參數設置和概率計算的需求^[16]，可利用構建的模型提前滿足預定性能指標提高頻譜效率和節約能源。

在利用認知無線電信道狀況預測時，需提前知道授權的信道狀態的各項特征，而在實際操作過程中，這是難以做到的。頻譜預測技術能夠使頻譜接入更為有效，并增強在時域和空間域的頻譜利用靈活性，通過研究頻譜感知的結果來對接下來的時間段內的頻譜利用情況進行一個預測，據此采用能夠被使用的信道或停止對授權用戶將要占用的信道的使用，這樣就可以避免各用戶之間發生沖突同時頻譜的利用效率得以提高。頻譜預測技術是通過檢測過去一段時間內頻譜的使用情況來預測未來一段時間可能存在的空閑頻譜和其所處的位置并對其進行利用。探索基于BP神經網絡的智能認知頻譜預測技術是非常有益的。

本文詳細內容請下載:http://m.jysgc.com/resource/share/2000003322

作者信息:

遲文升1，2，袁亶1，肖宗豪3

(1.空軍工程大學裝備管理與無人機工程學院，陜西西安710051；

2.西安電子科技大學機電工程學院，陜西西安710071；3.空軍工程大學研究生學院，陜西西安710051)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容