發(fā)布時間：2019-11-06 01:26

【摘要】：針對無線通信系統(tǒng)面臨的人為干擾日益嚴重、電磁環(huán)境日益復雜、確保無線通信的可靠性日益困難的問題,研究更為有效的抗干擾方法已成為該領域的一項重要課題。動態(tài)多域抗干擾方法以干擾認知為基礎,通過對通信系統(tǒng)的多域行為(功率域、頻率域、調(diào)制域、信道編碼域等)進行自主決策,力圖明顯增強系統(tǒng)對干擾環(huán)境的適應能力,降低系統(tǒng)抗干擾的頻譜代價和功率代價,達到可靠、有效傳輸信息的目的。本文主要針對動態(tài)多域抗干擾中的決策算法進行研究。首先,本文介紹了動態(tài)多域抗干擾系統(tǒng)單向鏈路模型,給出了抗干擾決策引擎的工作環(huán)境,并提出了一種基于粗糙集理論的動態(tài)多域通信抗干擾決策規(guī)則提取方法,該方法首先通過信道聚合對決策空間進行壓縮,再運用粗糙集理論對決策空間進行約簡,主要分為條件屬性約簡和條件屬性值約簡,去掉冗余數(shù)據(jù),從而導出決策規(guī)則。仿真驗證了該算法的有效性。然后,將決策規(guī)則與傳統(tǒng)遺傳算法結(jié)合,提出一種基于決策規(guī)則和遺傳算法的決策方法,利用決策規(guī)則篩選遺傳算法隨機生成的初始種群,并根據(jù)實際應用提出了一種與權重無關的決策目標函數(shù)。仿真表明,改進后的遺傳算法在保證算法準確性的前提下顯著提高了收斂速度。最后,將基于規(guī)則與基于案例的推理決策相結(jié)合,提出一種基于案例推理和規(guī)則的決策方法,并提出一種不依賴于經(jīng)驗的案例特征權重計算方法。針對案例重用這一技術難點,提出一種基于特征重要度的多次匹配算法,實現(xiàn)多案例的經(jīng)驗集成�；谝�(guī)則的推理實現(xiàn)了對案例推理系統(tǒng)的完善。仿真驗證了該算法的有效性。
【圖文】：

無線通信系統(tǒng)中的動態(tài)多域抗干擾決策方法研究知周圍電磁環(huán)境，動態(tài)地尋找空閑的頻譜資源，可以在不影響主用戶譜利用率，實現(xiàn)頻譜資源的動態(tài)管理。認知設備不僅要有尋找頻譜空整發(fā)射參數(shù)的能力，，從而避免干擾主用戶[7]。由此可見，對環(huán)境的學決策的能力是認知無線電必須具備的能力，智能決策引擎（Intellige就是認知無線電實現(xiàn)這種功能的核心單元。一般來說，我們將認知無線習單元封裝在一起統(tǒng)稱為智能決策引擎[8]。若能將智能決策的思想引過對通信環(huán)境進行感知，根據(jù)信道質(zhì)量、干擾類型以及業(yè)務要求來進上對系統(tǒng)的通信參數(shù)進行最優(yōu)決策，盡量避開或消除干擾，將明顯提此，本文研究了動態(tài)多域抗干擾決策算法：以干擾認知為基礎，根據(jù)件，實現(xiàn)頻率、功率、編碼碼率、調(diào)制方式等多個工作參數(shù)的自主選干擾性能較優(yōu)的參數(shù)組合，達到可靠、有效傳輸信息的目的。

南京航空航天大學碩士學位論文、學習單元和認知單元組成一個核心，并與 SDR 平臺進行交互，其具體的示。軟件無線電平臺輸出無線電參數(shù)到認知單元，推理單元根據(jù)認知單元行為，學習單元通過學習使系統(tǒng)取得能使目標函數(shù)值最大的各工作參數(shù)。多學者在設計智能決策引擎時都借鑒了此模型[10-11]。
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN92;TP18


本文編號：2556450