基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

基于可信度的节点选择算法

为了解决提高检测概率与减少网络开销间的矛盾,基于数据优化融合理论,提出了基于可信度的能量融合协同感知算法（EFCS算法）及节点选择算法。通过自适应迭代算法估计出各认知用户的感知可信度,并推导出了算法检测性能与协同用户数及感知可信度间的确定关系。算法能够在达到检测性能指标的前提下,尽可能多地删除冗余协同感知用户。仿真证明,节点选择算法在保证较高的检测概率的同时极大的节省了网络开销。     

认知无线网络中基于共识理论的分布式聚类合作频谱感知研究

大量的已有研究工作表明:多用户合作频谱感知可以明显提升检测性能.然而,当网络中用户数目较多,并且用户所分布的空间范围较大时,所有用户均参与合作将会带来巨大的感知开销(例如感知时间和能量消耗).基于无监督学习技术和共识理论的最新进展,在本文中我们提出了一种全分布式的合作频谱感知方案.在所提方案中,仅通过一跳可达的邻居之间的信息交互,具有潜在最佳检测性能的用户会自组织地聚到一起,这些用户进而利用平均共识协议来进行合作频谱感知,然后将感知结果广播至全网用户.为了进行性能比较,进一步给出了最优软合并的一种分布式实现方案.数值结果表明:所提方案获得了与最优软合并方案相近的检测性能,并明显优于已有等增益合并方案和基于位置信息的方案.同时,相比于最优软合并方案,所提方案可以大幅度降低感知开销,并且不需要关于用户本地信噪比的先验信息.     

稀疏信道下的码片均衡算法

针对稀疏信道的码片均衡,提出了一种RLS的改进新算法-SM RLS算法.理论分析与计算机模拟结果表明SMRLS码片均衡器性能优于传统的Rake,在稀疏信道下与经典的M RLS码片均衡器相比稳态误差基本保持不变,收敛速率提高且大大减少了运算量.     

基于DAQL算法的动态频谱接入方案

针对传统的动态频谱接入方案一般没有考虑自主性,不具备普适性这一缺点,提出了一种基于双动作Q学习算法DAQL（double action Q-learning）的频谱接入方案,该方案将DAQL引入到多授权用户存在的环境下频谱接入问题中,用以降低接入未知频谱环境时的冲突概率。仿真结果表明,提出的方案与随机接入方案相比,不但有更小的冲突概率,而且能动态适应环境的变化,适合认知无线电的需要。     

HSDPA系统中的Turbo迭代均衡

为了提高第三代移动通信系统增强技术HSDPA的性能, 提出了一种Turbo迭代码片均衡接收机结构. 该接收机主要由码片均衡器, 软入软出（SISO）的多码道检测器与Turbo解码器构成. 码片均衡器对信道进行均衡参与第一次迭代, 其后的每次迭代中, 检测器输出的外信息作为解码器输入的先验信息, 而解码器输出的外信息则作为检测器输入的先验信息. 计算机仿真表明Turbo迭代均衡接收机性能明显优于传统的接收机.     

认知无线电中基于可信度的感知节点集选择

联合谱感知虽然可提高系统的感知性能,但随着感知节点数目的增加,系统资源的占用越来越多,系统传输 效率下降. 该文详细分析了联合谱感知方法的感知性能,得到感知节点集感知性能与感知节点数目和平均接收信噪比之 间的关系,在此基础上给出一种感知节点集的选择方法. 针对认知网络中可能存在的不可信节点对感知节点集选择方法 的影响,提出可有效剔除不可信节点的可信度检测方法. 综合上面两种方法,提出了基于可信度的感知节点集选择算法, 在进行感知节点集选择的同时可有效剔除不可信节点,有效地保证了所选节点集的感知性能. 仿真结果验证了算法的有 效性和可靠性.     

CR OFDM系统中具有QoS要求的自适应资源分配算法

为了使CR OFDM系统能满足认知用户的QoS要求,针对系统中认知用户和授权用户间的互干扰影响,提出了一种具有QoS要求的自适应资源分配算法——ARAQ算法。算法中通过进行满足QoS要求的资源分配实现了容纳更多的认知用户,通过进行剩余子载波资源的再分配,进一步提高了频谱利用率。仿真结果表明:ARAQ算法比贪婪算法能容纳更多的认知用户数,同时频谱利用率很接近贪婪算法的频谱利用率且具有较低的算法复杂度。     

一种新的抑制窄带干扰的时域均衡算法

通过对维纳滤波中最速下降法的分析,提出了一种新的AJ(anti-jamming) LMS时域均衡算法.该算法基于估计出的信道参数,对均衡器的权系数进行自适应调整.理论分析和仿真结果表明,虽然AJLMS算法的计算量比LMS算法有所增加,但它的抗窄带干扰性能得到了明显提高.