基于串扰感知技术的光网络频谱动态分配研究

以提升光网络通信质量为目的,研究基于串扰感知及时的光网络频谱动态分配方法,提升频谱动态分配效果。通过计算光网络串扰值,建立以最小芯间串扰为目标函数,芯间串扰产生条件约束,以及芯间串扰阈值约束等为约束条件的光网络频谱动态分配模型;在量子遗传算法内,引入混沌优化算法,得到改进量子遗传算法,避免算法陷入局部最优解;利用改进量子遗传算法,求解频谱动态分配模型,得到最小芯间串扰的光网络频谱动态分配方案。实验证明:不同光网络类型下,该方法均可有效完成光网络频谱动态分配,降低光网络的芯间串扰值,在不同网络负载时,本方法的光网络带宽阻塞率低0.17,频谱利用率超过了0.13。

复杂电磁环境下战场电磁频谱动态管理研究

在现代战争中,参战力量多元,电磁领域成为第五维战场,战场电磁环境极其复杂,战场电磁频谱管理是夺取制电磁权的重要保障。通过对复杂电磁环境下战场的电磁频谱动态管理进行研究,阐述了战场频谱动态管理基本概念与特点,针对现代战场的特点,借鉴美军战场频谱动态管理的经验,设计了频谱动态管理体系的总体架构,最后对战场频谱动态管理控制的方法进行研究。

复杂电磁环境下战场频谱动态管理模式分析

频谱动态管理是基于当前频谱静态管理模式提出的,认知无线电技术是实现频谱动态管理的技术基础。本文在认知无线电技术特点的基础上,分析了设备级频谱动态管理和协调式频谱动态管理的内涵和特点,并从不同的角度对几种频谱动态管理模式进行了对比分析。

基于RFID的频谱动态信息实时采集技术研究

在频谱动态信息实时采集过程中,常规的采集技术采样率过高,导致采集操作动态链接不稳定。为了解决这一问题,提出基于RFID的频谱动态信息实时采集技术研究。采用FFT算法控制频率分辨力,限制频谱动态信息的采样率,采用RFID技术融合处理电子标签内的数据,建立RFID事件处理模型,生成对应的频谱动态信息实时采集业务,根据需求的不同,配置相应的采集规则和采集模式。在此基础上,定义频谱动态信息通信协议,在W5300网口芯片的支持下,实现信息的采集。实验结果表明,设计的基于RFID的采集技术在采集信息过程中动态链接稳定,数据相对误差小,数据精确度高。

基于频谱动态分配的带内同频FM数字广播方案

HD Radio标准中使用的"带内同频(IBOC)"技术不要新的频谱资源同时实现数字和模拟音频广播,是调频模拟广播数字化的佳选择。然而HD Radio要至少侧有400kHz的频道间隔,在中国的线城市和主要的欧洲国家很难达到要求,不利于数模同播方案的大范围推广。本文提出种基于频谱动态分配的FM带内同频数字广播方法,其核心是根据同频模拟信号的参数动态调整数字信号的带宽,并引入心理声学模型作为调整的判决依据,使同播的模拟信号音质在不劣于HD FM Radio的条件下拓展了数字信道,为实现300kHz信道间隔的数模同播创造了条件。本文测试了300kHz信道间隔的IBOC系统的射频保护率,讨论了300kHz信道间隔进行带内同频的可行性。

基于频谱动态特征和CS-SVM的装甲车辆识别

针对地面战场装甲车辆目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,建立了一种以频谱动态特征DMFCC为特征提取方法,以布谷鸟搜索(CS)算法优化的支持向量机(CS-SVM)为分类器的装甲车辆声识别模型。采集不同工况下的装甲车辆噪声信号并进行频谱分析,证明DMFCC的有效性。在梅尔频率倒谱系数(MFCC)提取方法基础上,增加能够体现信号动态特征的差分系数,得到DMFCC。利用布谷鸟算法对支持向量机核心参数进行寻优求得全局最优解,得到具有最佳参数优化的支持向量机分类模型。对噪声信号分别进行特征提取和分类器识别实验,结果分析表明,DMFCC中的二阶差分组合系数优于传统MFCC以及一阶差分组合系数。布谷鸟算法得到的优化模型CS-SVM比引力搜索算法(GSA)、人工蜂群算法(ABC)等算法得到的模型具有更高的识别率,达到93%以上。

频谱动态共享技术提升频谱利用效率的探讨

文中将针对国内的实际情况分析探讨如何通过频谱动态共享技术促进频谱利用效率的提升。

基于图论的认知无线网络频谱动态分配

在认知无线电网络中,图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率,但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化,对图着色理论的频谱分配模型进行数学建模,并针对该模型提出了改进的量子遗传算法。首先,通过使用小生境技术初始化种群,使种群分布更加广泛、算法的收敛度更高;其次,根据进化代数对量子旋转角进行实时动态调整,对染色体进行阈值变异,防止个体陷入早熟,跳出局部解;然后,对干扰约束条件进行重新设计,有效地避免盲目性,提高了网络的公平性和网络效益。仿真结果表明,所提算法有效地提高了频谱利用率,极大地增强了网络系统的性能。

超短波电台频谱动态博弈接入算法

在超短波电台通信中,用户移动性强、网络拓扑结构多变、网络环境复杂,目前的频谱分配方法无法满足其快速、准确地频谱接入的需要。博弈论作为一种重要的数学理论,在动态频谱接入中得到了越来越广泛的应用。以此为出发点,将博弈论与超短波电台频谱接入技术相结合,提出了时变信道的分布式信道选择算法和周期重启的分布式信道选择算法,使分布式超短波电台用户能够通过相互博弈达到稳定的接入状态,并通过MATLAB仿真验证算法的有效性和优越性。

基于多智能体近端策略优化的多信道动态频谱接入

为了在多用户多信道通信场景中应用动态频谱接入(Dynamic Spectrum Access,DSA)技术提高通信效率,保证用户公平,本文基于多智能体近端策略优化(Multi-Agent Proximal Policy Optimization,MAPPO)提出了MAPPO-DSA算法.该算法首先针对单信道接入在多个信道同时空闲时存在的频谱浪费问题,使用多信道接入作为解决方案.同时,多信道接入导致状态空间与动作空间指数增长,计算成本高,学习难度大.为此本文引入MAPPO深度强化学习(Deep Reinforcement Learning,DRL)算法,在复杂环境中高效学习和优化接入策略.通过设计优化MAPPO中观测及奖励等强化学习要素和共享网络参数来保证用户公平.最后,在不同场景下的实验结果表明,所提出的MAPPO-DSA能够学习到近似最优的接入策略,部分场景中的网络吞吐量逼近理论上限,显著优于现有算法,且有效保证用户公平.

基于深度迁移学习的动态频谱快速适配抗干扰方法

机器学习逐渐发展成为一种成熟强大的技术工具,并被广泛应用于无线通信抗干扰领域。其中,较为典型的有基于深度强化学习的抗干扰方法,通过与动态、不确定通信环境的不断交互来学习最优用频策略,有效解决动态频谱接入抗干扰的问题。然而,由于外界电磁频谱空间复杂、干扰模式样式动态多变,从头开始学习复杂的抗干扰通信任务往往时效性差,导致学习效率和通信性能显著下降。针对上述问题,提出基于深度迁移学习的动态频谱快速适配抗干扰方法。首先,通过构建预训练模型对已知干扰模式进行学习;其次,使用卷积神经网络提取现实场景下的感知频谱数据,重用过往经验优先启动加速适配;最后,运用微调策略辅助强化学习实施在线抗干扰信道接入。仿真结果表明,相较于传统强化学习算法,所提方法能够有效加快算法收敛速度,提升通信设备抗干扰性能。

一种基于可解释深度强化学习的动态频谱接入方法

针对基于强化学习的动态频谱接入模型性能有限、可解释性差的问题,提出了一种基于权重分析的动态频谱接入方法。采用储备池计算(Reservoir Computing,RC)网络来替代传统的深度Q学习网络(Deep Q-Learning Network,DQN),以简化网络结构并提高计算效率。同时引入权重分析的可解释方法,通过生成热力图来反映神经网络对不同信道的认知和偏好,从而提高了模型的可解释性。仿真结果表明,在多用户环境中,该算法在平均成功率、平均碰撞率和平均奖励等关键指标上显著优于Q-Learning等传统强化学习算法。相较于DQN+MLP算法,该算法不仅加快了收敛速度,而且在平均成功率达到0.8、平均碰撞率接近0以及平均奖励等关键指标上的表现与之相当。

动态频谱共享技术在5G中的应用

移动通信是一个资源受限性系统,而频谱是非常关键的资源和要素。目前,移动通信已经进入5G时代,而5G的主力频谱是3.5 GHz,频率越高,覆盖能力就越弱,因此其很难实现城区的深度覆盖及农村的广覆盖,且实现的建设成本也会非常高。目前,中低频谱资源几乎被3/4G占据,且无法全部重耕这些优质的低频段资源。5G与3/4G共用中低频段,由于每张网络承载用户是一个动态变化的过程,若采用固定分配频谱的策略,则会出现网络忙闲不均的现象,从而不能完全发挥中低频谱的利用率。动态频谱共享技术可有效解决上述问题,提高频谱利用率。文中在介绍技术原理的前提下,对该技术实现方式以及部署方式进行了介绍,最后通过测试数据证明了该技术的有效性。

无线通信中的频谱感知与动态频谱接入技术研究

随着无线通信技术的迅速发展,频谱资源日益成为一种宝贵的资源。频谱感知与动态频谱接入技术作为解决频谱资源管理难题的重要手段备受关注。本文综述了频谱感知与动态频谱接入技术在无线通信领域的研究现状与应用前景,分析了其在提升频谱利用效率、解决频谱拥塞和频谱管理等方面的重要作用。并结合实验分析,展示了这些技术的潜力和优势,为未来的频谱管理与通信技术发展提供了有益的参考。

FDDLTE/NR动态频谱共享的性能分析

本研究探讨了FDD LTE/NR动态频谱共享(DSS)技术在5G网络中的应用及其性能。研究选择1.8 GHz频段,在室内环境中进行了实验测试。测试采用路测和CQT方法,比较了LTE单模、NR单模和DSS模式下的网络性能。从RSRP、SINR、MCS、占用RB数以及吞吐量角度多维度地验证动态频谱共享的性能。结果显示,DSS技术在提高频谱利用率的同时,对LTE和NR性能都有一定影响。LTE性能损失在3%到8%之间,而NR性能损失在10%到22%之间。DSS技术能根据LTE和NR的业务需求灵活调整资源,在5G终端普及和网络发展的背景下,可有效提升网络容量和频谱效率。

面向6G无线通信系统的动态频谱管理技术研究

随着通信技术的快速发展,6G无线通信系统将面临更为严峻的频谱资源调配难题。文章通过深入研究6G无线通信系统的动态频谱管理技术,阐述动态频谱管理的基础理念,包括其种类、追求的目标、运作的原理以及优势。重点分析6G无线通信技术对无线电频谱资源的需求,包括提升频谱使用效率、在多元用户和多样化业务情境下的频谱分配与调度等。同时,深入探索针对无线电频谱的先进管理策略,如无线电频谱的感知与预测、借助机器学习和人工智能的智能管理技术以及面向6G通信技术的动态频谱分配技巧等。最后,剖析无线频道的共用与买卖规则,展望未来研究的趋势与方向。

基于认知无线电技术的动态频谱分配方案研究

随着物联网的发展,人们能够更加方便快捷地利用智能终端,随时随地接入到无线网络中进行业务数据传输.然而,激增的移动用户数量和业务的带宽需求,使得无线频谱资源日益稀缺,现有固定式频谱分配方案面临巨大挑战.面向物联网发展,如何满足用户的高移动性和呈爆炸式增长的业务传输需求成为物联网研究的重点.认知无线电技术,一方面允许用户终端自适应感知所处环境的频谱资源空闲信息,为用户营造一个无缝的接入环境,保证用户的高移动性;另一方面通过动态频谱分配有效地解决了频谱资源稀缺和现有授权频谱资源利用率低的问题,为用户的海量数据传输提供保证.作者基于认知无线电技术,提出了一个用户终端和网络端共同参与决策的两级动态频谱分配框架结构,并提出了两级动态频谱分配方案.该方案设计包含:空闲频谱资源排序选择算法和集中式的联合优化匹配算法.通过用户终端和网络端的协同工作,文中所提出的两级动态频谱分配方案能够有效满足用户的高移动性和业务传输服务质量需求,实现空闲频谱资源利用率和频谱间切换概率的联合优化,为移动用户的海量数据传输提供保证.仿真实验结果表明,与传统图匹配方法相比较,该方案能够平均提高全网服务质量有效吞吐量70%,平均降低频谱间切换概率56%.

动态频谱共享研究现状及展望

动态频谱共享作为解决频谱供需矛盾的有效方式之一,在国际上受到了广泛关注。首先,对动态频谱共享的发展情况进行了概述。然后,对国际上动态频谱共享的政策制定、标准化及应用情况等进行了梳理。最后,结合无线电管理现状,分析了实施动态频谱共享在频率管理、台站管理及无线电监测等方面的影响及挑战。

认知网络中基于连续双向拍卖的动态频谱分配

非合作认知无线电网络中,多个主用户和多个第2用户并存.主用户和第2用户是自私的和理性的,主用户和第2用户都希望在不影响他人收益的前提下获得自己的最大收益.这符合连续双向拍卖市场对用户的假设条件.针对这一特点,基于实验经济学理论,提出了基于模糊逻辑连续双向拍卖的动态频谱分配策略.在频谱拍卖过程中,主用户和第2用户均采用基于模糊逻辑的报价策略.采用该方法,主用户和第2用户可以根据交易情况实时调整自己的报价步长,减少报价次数,迅速完成交易.仿真结果表明该方法的频谱分配效率为85%,较好地解决了非合作认知网络中多对多环境下的动态频谱分配问题.

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法.在不影响主用户通信的情况下,每个认知用户能根据自己的服务质量(QoS)需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中.该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用.