基于机器学习的认知无线网络优化策略

5G的发展带来了终端设备爆炸式增长的现象,使得频谱资源紧缺的问题越加严峻,认知无线网(cognitive radio,CR)的提出,被认为是提高频谱利用率的有效途径。认知无线网,融合了当代无线电通信技术、计算机技术、微电子学技术、软件无线电技术和现代信号处理技术等多学科之长,通过感知周围的电磁环境、学习及理解等方式,自主为用户寻找到当前空闲的频谱,完成信息交互过程。针对频谱资源紧张的现状,为改善频谱分配,首先介绍了有关认知无线网络的概念及其特点,重点介绍了机器学习中遗传算法,强化学习和隐马尔可夫模型在认知无线网络中的应用,并展望了其在认知无线网络中的发展前景。机器学习算法的引入,实现了高效的频谱资源管理,有效地解决了无线频谱资源紧张的问题。

存在干扰下的多无人机中继波束形成策略

无人机(Unmanned aerial vehicle,UAV)作为空中中继平台能够快速、方便地建立起一条可靠高效的数据传输链路,在应急通信等领域受到了国内外学者的广泛关注。为提升存在干扰下的基于放大转发的多UAV中继传输系统的通信质量和性能,本文提出了两种波束形成(Beamforming,BF)策略。首先给出地面接收端信干噪比和可达速率的理论表达式;然后分别建立以UAV中继总功率最小化和可达速率最大化为准则的优化问题,推导出了相应的最优BF权向量的解析表达式;最后,计算机仿真验证了所提BF策略的正确性和有效性。

基于GPS的水下可见光通信系统精确对准方案设计

作为一门新兴技术,水下光通信已经初步在速率,成本,抗干扰性,带宽等方面展现出优势。但水下可见光通信设备间的不对准对通信速率和误码率有着很大的影响,提出一种新的水下可见光通信系统定位流程。先利用GPS水上浮标粗略定位,再由粗瞄到细瞄,使收发端精确对准,并尽量使对准过程所消耗的时间最短,对准概率最大。运用蒙特卡洛算法,通过计算机仿真,得到的最佳扫描步长且与我们生活中的实际要求相符。