《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 基于BP神經(jīng)網(wǎng)絡(luò)的智能認(rèn)知頻譜預(yù)測(cè)技術(shù)研究
基于BP神經(jīng)網(wǎng)絡(luò)的智能認(rèn)知頻譜預(yù)測(cè)技術(shù)研究
2021年電子技術(shù)應(yīng)用第1期
遲文升1,，2,，袁 亶1,，肖宗豪3
1.空軍工程大學(xué) 裝備管理與無(wú)人機(jī)工程學(xué)院,，陜西 西安710051,； 2.西安電子科技大學(xué) 機(jī)電工程學(xué)院，陜西 西安710071,；3.空軍工程大學(xué) 研究生學(xué)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(qiáng)在時(shí)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(jìn)行學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)過(guò)程,，并對(duì)BP神經(jīng)網(wǎng)絡(luò)的頻譜預(yù)測(cè)算法進(jìn)行數(shù)學(xué)建模。通過(guò)對(duì)一段時(shí)期內(nèi)的電磁頻譜狀態(tài)的學(xué)習(xí)訓(xùn)練,，調(diào)節(jié)參數(shù)使算法模型建立輸入數(shù)據(jù)與輸出結(jié)果之間的認(rèn)知關(guān)系,，進(jìn)而改變BP神經(jīng)網(wǎng)絡(luò)算法自身的結(jié)構(gòu)，優(yōu)化權(quán)值與閾值,，最終使得頻譜預(yù)測(cè)數(shù)據(jù)準(zhǔn)確性更接近于實(shí)際值,，預(yù)測(cè)誤差變小。
中圖分類號(hào)： TN92
文獻(xiàn)標(biāo)識(shí)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(jīng)網(wǎng)絡(luò)的智能認(rèn)知頻譜預(yù)測(cè)技術(shù)研究[J].電子技術(shù)應(yīng)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(shù)的發(fā)展，無(wú)線電通信得以快速發(fā)展,，然而由于頻譜的不可再生性,，導(dǎo)致無(wú)線電頻譜越來(lái)越密集，通信資源也變得異常稀缺,。為充分合理利用無(wú)線電頻譜資源,，頻譜預(yù)測(cè)技術(shù)成為研究的熱點(diǎn)。

    頻譜預(yù)測(cè)技術(shù)[1-3]是通過(guò)檢測(cè)過(guò)去一段時(shí)間內(nèi)頻譜的使用情況來(lái)預(yù)測(cè)未來(lái)一段時(shí)間可能存在的空閑頻譜和其所處的位置并對(duì)其進(jìn)行利用,。

    現(xiàn)有頻譜預(yù)測(cè)主要包括自回歸頻譜預(yù)測(cè)[4-5],、機(jī)器學(xué)習(xí)[6-8]、神經(jīng)網(wǎng)絡(luò)頻譜預(yù)測(cè)[9-11]和馬爾可夫模型頻譜預(yù)測(cè)[12-14],?；谏窠?jīng)網(wǎng)絡(luò)和基于馬爾可夫的預(yù)測(cè)較準(zhǔn)確，但收斂時(shí)間長(zhǎng),，時(shí)效性差[15],。相較于其他頻譜預(yù)測(cè)方法，神經(jīng)網(wǎng)絡(luò)可消除對(duì)參數(shù)設(shè)置和概率計(jì)算的需求[16],，可利用構(gòu)建的模型提前滿足預(yù)定性能指標(biāo)提高頻譜效率和節(jié)約能源,。

    在利用認(rèn)知無(wú)線電信道狀況預(yù)測(cè)時(shí)，需提前知道授權(quán)的信道狀態(tài)的各項(xiàng)特征,，而在實(shí)際操作過(guò)程中,，這是難以做到的。頻譜預(yù)測(cè)技術(shù)能夠使頻譜接入更為有效,，并增強(qiáng)在時(shí)域和空間域的頻譜利用靈活性,，通過(guò)研究頻譜感知的結(jié)果來(lái)對(duì)接下來(lái)的時(shí)間段內(nèi)的頻譜利用情況進(jìn)行一個(gè)預(yù)測(cè)，據(jù)此采用能夠被使用的信道或停止對(duì)授權(quán)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(fā)生沖突同時(shí)頻譜的利用效率得以提高,。頻譜預(yù)測(cè)技術(shù)是通過(guò)檢測(cè)過(guò)去一段時(shí)間內(nèi)頻譜的使用情況來(lái)預(yù)測(cè)未來(lái)一段時(shí)間可能存在的空閑頻譜和其所處的位置并對(duì)其進(jìn)行利用。探索基于BP神經(jīng)網(wǎng)絡(luò)的智能認(rèn)知頻譜預(yù)測(cè)技術(shù)是非常有益的,。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.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(xué) 裝備管理與無(wú)人機(jī)工程學(xué)院,，陜西 西安710051；

2.西安電子科技大學(xué) 機(jī)電工程學(xué)院,，陜西 西安710071,；3.空軍工程大學(xué) 研究生學(xué)院，陜西 西安710051)

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。