日本视频一区二区不卡,欧美激情一级欧美精品,精品99在线视频

基于BP神经网络的智能认知频谱预测技术研究

2021年电子技术应用第1期

迟文升1，2，袁亶1，肖宗豪3

1.空军工程大学装备管理与无人机工程学院，陕西西安710051； 2.西安电子科技大学机电工程学院，陕西西安710071；3.空军工程大学研究生学院，陕西西安710051

摘要： 为了使通信用户频谱接入更为有效，增强在时域和空间域的频谱利用灵活性，首先介绍采用最速下降法进行学习的BP神经网络过程，并对BP神经网络的频谱预测算法进行数学建模。通过对一段时期内的电磁频谱状态的学习训练，调节参数使算法模型建立输入数据与输出结果之间的认知关系，进而改变BP神经网络算法自身的结构，优化权值与阈值，最终使得频谱预测数据准确性更接近于实际值，预测误差变小。

關鍵詞： BP神经网络频谱状态频谱预测

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]。基于神經網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.tom3567.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