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。

面向远距离数据传输系统的无人机位置优化设计

近年来,基于多架无人机(UnmannedAerialVehicle,UAV)的远距离实时数据传输系统受到了国内外学者的广泛关注。该文针对一个基站,一个远距离观测无人机和一个中继无人机构成的数据传输系统,首先得到采用译码转发(Decode-and-Forward,DF)协议下系统的输出信噪比(Signal-to-NoiseRatio,SNR)表达式。其次,推导出了系统中断概率(OutageProbability,OP)闭合表达式,并进一步提出了基于OP最小化的中继无人机最佳位置计算方法。最后,计算机仿真验证了所提算法的有效性,并分析了典型参数对系统性能的影响。