基于隐马尔可夫模型的频谱预测和感知方法研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 随着通信技术的不断发展，认知无线电成为该领域研究的热门方向之一。其主要思想是 让无线电掌握学习的能力，学会与周围环境交互信息，自适应的感知和利用频谱“空洞”，并 且要限制次用户对主用户的干扰。其中，频谱感知是整个系统的关键所在。高性能的频谱感 知方法要求能够避免次用户和主用户的碰撞机率，提高通信质量。同时，为了使次用户能够 充分利用空闲频谱进行通信则需要在较短时间内快速检测到频谱“空洞”。准确而又快速的频 谱感知能避免次用户对主用户的干扰，并能提高整个系统的吞吐量。如何实现准确快速的频 谱感知是本文研究的主题。 为了实现准确快速的频谱感知，可以采用先预测后感知的方法。次用户通过学习频谱感 知的历史数据，对下一时刻各信道状态进行预测，然后根据预测结果对可能出现频谱“空洞” 的信道优先进行频谱感知。本文首先给出了一种基于离散隐马尔可夫模型的自适应联合频谱 预测方法。该方法是次用户根据频谱感知历史信息得到主用户信道状态训练集，用前 M 个时 刻信道的状态组成的矩阵作为待测矩阵与训练集匹配，根据匹配的相似度对下一时刻的信道 状态进行预测。仿真结果表明，利用本方法进行的频谱预测具有较高的准确性。 为了克服了离散隐马尔可夫模型在处理连续信号矢量量化过程中产生的信息失真问题， 并充分利用频谱感知的历史数据，来进一步实现准确快速的频谱感知，本文将连续隐马尔可 夫模型应用于频谱感知方法进行研究。研究表明，在信道占用和空闲状态下采样得到的能量 值满足不同的高斯分布，故可采用连续隐马尔可夫模型通过模式识别方法进行频谱感知，根 据识别的结果判定当前信道是占用还是空闲。仿真结果表明，利用该方法的频谱感知具有较 高的准确性。 关键词: 认知无线电，频谱预测，频谱感知，离散隐马尔可夫模型，连续隐马尔可夫模型 I Abstract With the development of communication technology, cognitive radio has become a popular research direction of this field. The main idea is to allow the radio to master learning ability. It should learn to interact information with the surrounding environment and sense the spectrum holes. At the same time, the secondary users should reduce the interference to the primary users. Among them, spectrum sensing is the key to the whole system. High performance spectrum sensing method should avoid the collision probability between primary users and secondary users. So, it can reduce the interference and improve the communication quality. Furthermore, in order to make full use of the idle spectrum to communicate, secondary users should detect the spectrum holes rapidly. Accurate a