认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.     

认知无线电系统中的协作频谱共享博弈

该文运用协作博弈中的纳什讨价还价方法分析认知无线电系统中的频谱分配. 以所有次用户的收益乘积最大化为目标,引入次用户优先级参数以改进次用户的效用函数. 证明了在协作博弈过程中,新的效用函数存在纳什协商解,而且这个解是唯一的. 仿真结果表明,改进的协作博弈算法可通过参数设置来体现次用户之间的优先权,使次用户之间协作地进行博弈,使频谱分配更加公平有效.     

基于疯狂自适应鱼群算法的认知无线电频谱分配

针对目前认知无线电网络中频谱利用无法满足指数级增长的通信需求、人工鱼群算法保持种群多样性差、全局搜索能力弱的问题,对图论频谱分配模型的人工鱼群算法进行了改进,得到了网络效益函数最优情况下的频谱分配.首先自适应调整视野和步长,保证算法前期较强的全局搜索能力和后期的收敛精度;然后在随机行为模式下引入疯狂算子,产生扰动以增加种群多样性.仿真实验对比了4种不同算法在相同模型参数下的系统总效益,同时对可用频谱和认知用户分别设置控制变量法测试算法性能.结果表明:改进后的人工鱼群算法全局搜索能力较强,具有较强的鲁棒性.     

一类重复模糊n人合作对策的Shapley值

以模糊结盟为工具,建立了重复模糊合作对策理论,把带加权函数的模糊n人合作对策的Shapley值推广到重复模糊n人合作对策中,并提出了模糊支柱序列的定义以及Shapley值在重复模糊合作对策下应满足的三条公理的概念,进而给出重复模糊n人合作对策下的Shapley值的计算公式及证明,最后给出一个例子予以应用。     

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.     

认知网络中无线电信号智能感知方法研究

无线电信号在噪声波动情形下的检测性能有待提高.该文提出了认知用户根据无线电环境变化自动调整检测阈值的感知方法.融合中心应用坐标搜索算法为认知用户提供最优控制参数,认知用户依据最优参数设定检测阈值,并自主学习特定无线电环境下的最佳阈值.此外,该算法充分考虑了各认知用户的个体特征及其感知贡献,并提出了一种基于能量值的加权算法体现用户特征.实验结果说明该算法对噪声波动具有卓越的鲁棒性,在信噪比低于-15 dB时的检测概率远高于传统方法.     

STBC-OFDM系统自适应加权并行多用户检测

针对多用户空时块码正交频分复用系统,提出了基于Turbo 码的自适应加权并行多用户检测方法. 该方法利用自适应加权多用户检测进行多用户信号分离,并将所获得的软比特信息作为Turbo 码的先验信息进行译码,将译码所得的外信息作为下次迭代中自适应加权多用户检测中权值的先验信息. 数值仿真结果表明：采用该方法的空时块码正交频分复用系统收敛较快,与自适应部分并行多用户系统、实验加权多用户系统、传统并行干扰抵消多用户系统进行比较,分别可获得1.8 dB, 2.5 dB 和3 dB 的增益.     

基于一种改进人工蜂群算法的认知无线电频谱分配

摘要：为提高人工蜂群算法的开采能力和收敛速度,在人工蜂群算法中引入动态加速因子和种群自适应比例因子,得到一种新的动态加速种群自适应人工蜂群算法. 将认知无线电TV频段频谱分配模型中的分配矩阵与动态加速种群自适应人工蜂群算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,实现了空闲TV频段频谱的合理分配. 仿真结果表明,与其他算法相比,该算法能更好地实现网络效益的最大化以及用户之间的比例公平性.     

基于QR分解算法的自适应抗干扰阵列最优权值并行提取

自适应抗干扰阵列系统通常采用数值稳定性良好的ＱＲ分解最小二乘法进行自适应处理。在需要最优权值的应用中,采用“回代法”或“权冲洗法”从阵列中得到权值。     

基于QoS的认知OFDM无线电系统自适应资源分配

摘要：根据认知无线电的特点和正交频分复用的传输特性,提出了一种针对认知OFDM无线电系统的自适应资源分配算法. 该算法在子载波和功率分配中,通过把次用户对主用户干扰的功率限制在主用户可容忍的门限以下,使次用户信道容量最大化. 同时,利用比例公平性保证了每个用户的通信服务质量. 仿真结果验证了所提算法的性能和有效性.     

基于自适应权重的粒子群和K均值混合聚类算法研究

针对K均值聚类算法存在的缺点,提出了一种基于自适应权重的粒子群优化(PSO)和K均值混合聚类算法.该算法在运行过程中通过引入非线性动态惯性权重系数,提高了混合聚类算法全局搜索能力和局部改良能力,并根据群体的适应度方差来确定K均值算法操作时机,增强算法局部搜索能力的同时缩短了收敛时间.将该算法与K均值聚类算法、基本PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,表明该算法不仅能有效地克服陷入局部最优,而且全局收敛能力和收敛速度都有所提高.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

基于奇异值分解的DWT域数字水印算法

本文提出了一种基于奇异值分解的DWT域数字水印算法。首先用Aronld算法对水印图像进行置乱;然后对原始载体图像进行小波变换,同时对低频系数进行奇异值分解;最后将加密后水印宽、高放大到合适尺寸,并嵌入载体图像DWT域的低频子带的奇异值中,完成了水印嵌入。仿真结果表明,本算法嵌入的水印不仅能保证较高的可见性,同时能够很好地抵抗多种攻击,有较好的鲁棒性。     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

基于属性值贡献率的朴素贝叶斯改进算法

朴素贝叶斯分类是一种简单高效的方法.但是当属性独立性假设不成立时,有可能导致待测样本类别判断错误;且当待测样本到各类别的概率相同时,无法判断该样本类别,从而影响了它的分类准确率.本文提出基于属性值贡献率的朴素贝叶斯改进算法,利用待测样本的各个属性值在各类别的总贡献率判别该样本的类别.在蘑菇数据实验结果表明,该算法能有效提高分类的准确率.     

基于Agent的可生存系统认知单元结构模型

基于Agent结构,提出一种新的可生存系统认知单元结构模型.首先建立了基于认知环的可生存系统认知单元结构工作流程,然后给出了一种认知单元具体结构,并对结构中的各模块进行了描述,最后基于Agent结构的HSA模型,对可生存系统认知单元结构模型进行了形式化描述.     

拟单边Lipschitz非线性系统的自适应观测器设计

考虑的是一类连续时间非线性系统的自适应观测器的设计问题,引入拟单边Lipschitz条件,给出确保该类非线性系统渐进收敛自适应观测器存在的充分条件,所得到的充分条件较已有的判据具有更小的保守性.     

一类p-Laplacian方程边值问题正解的存在性

利用不动点指数理论,考虑了边值问题{(BVP)(φp(u′(t)))′+f(u(t))=0,0t1u′(0)=u(1)=0在非线性项f可变号的情况下2个正解存在的充分条件,推广和改进了现有文献的结果.