一种基于局部加权学习的自适应交通流预测机制

结合交通流的特征, 提出了一种自适应的交通流预测机制。首先根据训练数据特点, 按三相交通流理论对交通状态进行分类, 从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中, 根据邻域中数据点所处状态分别选择相应局部模型进行预测, 最终预测结果为各局部模型预测值的加权平均。根 据各模型误差确定当前数据所处状态, 增量加入训练数据集。基于真实交通数据的实验证实该方法能够有效提高预测的准确率。     

一种基于信道感知和预测的多址接入方法

为了实现认知无线电系统中机会式的频谱接入、主动避免对主用户的干扰,提出了一种基于信道感知和预测的多址接入方法。考虑主用户对信道的占用过程具有一定的突发性和相关性,将主用户的活动规律建模为半马尔可夫过程。新算法充分利用信道感知结果和主用户的活动规律预测下一个时刻主用户的状态及剩余状态持续时间,并采用递归预测误差法进行参数估计。仿真结果表明,与传统的载波侦听多址接入算法相比,新算法能够在保证主用户阻塞概率约束的前提下,较大地提高频谱利用率,非常适用于认知无线电。     

认知无线电中基于HMM的动态频谱接入技术

为了降低基于CSMA的频谱接入技术在利用频谱空洞时授权用户和认知用户之间发生冲突的概率,提出了一种基于HMM的动态频谱接入方法。利用HMM预测频谱的状态信息,使认知用户在发现授权用户开始传送数据前退出所占用的频带,避免与授权用户产生冲突,根据预测的信息并利用NC-OFDM调制技术传送数据。仿真结果表明,采用该方法的动态频谱接入系统可以大大地降低用户冲突发生的概率,具有比CSMA系统更好的误码性能。     

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markov model,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.     

基于自适应跳跃学习网络的OFDM信道预测方法

信道预测是支撑变电站等电力物联网通信系统自适应传输的重要技术。为了解决过期信道状态信息降低通信系统自适应传输性能的问题,提出了一种基于自适应跳跃学习网络的信道状态信息预测方法。该方法主要包括递归微调算法和混合惩戒网络两部分。其中,前者主要用于微调学习网络的随机输入权重矩阵,后者主要通过两层惩戒网络来解决输出权重矩阵的病态解问题。由于具有oracle属性,自适应跳跃学习网络不仅具有良好的泛化能力,还可以生成稀疏性输出权重矩阵。仿真结果表明,自适应跳跃学习网络在IEEE802.11ah协议的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)通信系统中具有良好的单步预测性能和多步预测性能。     

基于纯不连续马尔可夫过程的频谱感知研究

为解决在连续时间观测条件下认知无线电(CR: Cognitive Radio)频谱感知的问题, 提出一种在纯不连续马尔可夫过程中的频谱感知方法。信道状态在任意时刻可分为空闲和忙碌两种状态, 同时借助纯不连续马尔可夫过程在任意时刻停留的时间服从指数分布性质和富克 普朗克方程, 导出此类过程的状态转移矩阵, 主用户的累计占用时间和主用户在时间域上的分布情况。仿真结果表明, 该方法能较好地完成对信道状态进行预测和对主用户状态进行跟踪的任务。     

认知无线网络中频谱预测的能量有效性设计

基于频谱预测对认知用户进行能量有效性设计,重新设计认知用户的帧结构,在频谱感知前加入频谱预测时隙,在预测为空闲的信道中选择信道进行频谱感知,避免浪费频谱感知能量,与传统认知用户相比,提高了能量有效性。推导表明,认知用户能量效率由频谱预测能量、频谱预测时长、认知无线网络通信强度、信道数量决定。仿真结果表明,为了提高认知用户的能量效率,频谱预测参数必须满足预测能量低于32mW、预测时长小于15ms的条件。认知无线网络的通信强度的提高和信道数量的增加能够提高认知用户的能量效率。     

基于马氏链的感知无线电信道状态预测及容量估计

针对感知无线电(cognitive radio,CR)信道的动态特性,对感知无线电频谱占有模型进行了研究,利用马尔可夫模型对频谱占用情况以及信道状态变化情况进行概率统计和估计,基于估计结果,进行实时预测频谱占用情况和实现信道容量估计,并给出了一个容量估计公式.仿真结果显示信道状态预测及容量估计准确性很高,为基于QoS的感知无线电动态选频提供了很好的参考依据.     

基于马氏链的感知无线电信道状态预测及容量估计

针对感知无线电(cognitive radio,CR)信道的动态特性,对感知无线电频谱占有模型进行了研究,利用马尔可夫模型对频谱占用情况以及信道状态变化情况进行概率统计和估计,基于估计结果,进行实时预测频谱占用情况和实现信道容量估计,并给出了一个容量估计公式。仿真结果显示信道状态预测及容量估计准确性很高,为基于QoS的感知无线电动态选频提供了很好的参考依据。     

一种自适应的协作频谱感知方法

在认知无线网络中,协作频谱感知技术可有效提高衰落信道下的检测性能,提高对主用户的保护程度以及认知用户的接入机会。在信道状态良好的情况下,参与协作的认知用户数越多,感知性能越好。而在实际的频谱感知过程中,如果感知信道条件较差的话,认知用户的本地感知结果并不准确,此时该认知用户的本地感知结果对于总的协作感知并不能起到积极的作用;其次,参与协作的认知用户数越多,发送本地决策值占用的系统带宽也越大。为了节约系统资源避免不必要的信令传输,本文提出一种自适应的协作频谱感知方法,只有当认知用户的感知信道条件较好时才将其本地感知结果发送到融合中心,否则不发送,以节约系统资源。最后,通过仿真验证了所提方法的有效性。结果表明,所提方法可有效节约系统开销。