基于噪声混沌神网络无线资源分配技术研究.pdfVIP

开题报告

题目：基于噪声神经网络的无线资源分配技术研究

学号：xxx：xxx导师：xxx

20xx年xx月xx日

一、选题依据和意义

与互联网技术的飞速发展与融合，要求未来的系统必须满

足更快速无线接入、更低传输时延、全网络无缝切换、全面数据业务承载、新型

多业务支持和更高服务质量要求（QualityofService，Qos）保证等一系列的

需求，有限的无线资源与各种移动业务不断提高的QoS之间的日益严重。

这也给下一代无线通信系统的设计带来了和。

为了解决这一，正交频分复用（OrthogonalFrequencyDivision

Multiplexing，OFDM）作为一种能够支持高速数据传输、有效对抗多径干扰以

及大幅提高频谱利用率的层技术，已经成为当前的研究热点。在下一代无线

通信系统中，融合了正交频分复用（OFDM）、多天线输入输出（MIMO）、自适

应调制编码（AMC）、混合自动请求重传（HARQ）等多种技术。这些技术的联

合应用提高了系统的性能，但也增加了无线的复杂度。作为无线资源管

理的，资源调度成为合理使用有限带宽资源、提高系统整体性能、改户

QoS的关键。

无线是一系列空中接口资源运作、调度和控制的统称，其目的是在

有限带宽的条件下，为网络内无线用户终端业务，其基本出发点是

在网络话务量分布不均匀、信道特性因信道衰弱和干扰而起伏变化等情况下，灵

活分配和动态调整无线传输部分和网络的可用资源，最大程度地提高无线频谱利

用率，防止网络拥塞和保持尽可能小的信令负荷。

随着的发展，高用户量、高数据速率和多种业务并存等给无线接入

网络带来了巨大的。解决这一问题不仅仅需要一流的设备，还需要一流的无

线技术，以此优化分配有限的无线资源，增加网络的整体容量。因而，

用于分配、管理分组数据业务所占用无线资源的分组调度算法逐渐引起了人们的重

视，在无线算法研究中成为一个新的热点。在无线接入网络中，上下行

链路的分组数据业务是不对称的，下行链路的业务量远大于上行的业务量，网络

下行的资源利用率将直接影响到整个系统的容量和服务质量，而调度算法在获得

更高的下行链路吞吐量方面起着非常关键性的作用，它控制着无线资源在用户间

的分配，并在很大程度上决定了整个系统的性能。

由于NP（Nondeterministicpolynomial）-hard问题在实际解决中非常，

人们不断发展启发式思想来解决此问题。解决组合优化主要的问题是如何跳出局

部最小值。人工神经网络（ArtificialNeuralNetworks，ANNs）是20世纪90年

代以来发展极为迅速的一种模拟生物神经网络结构进行信息处理的数学模型，也

简称为”神经网络”（NeuralNetworks，NNs），按照网络结构可分为两类前向神

经网络（FeedForwardNNs），和递归神经网络（RecurrentNNs）。神经网络可以

对信息进行并行处理，具有良好的容错性、学习性、自适应性和联想记忆功能神

经网络己广泛应用于模式识别、函数近、优化、预测、自动控制、建模和快速

信息处理等诸多方面。

1982年，加州工学院学家J.J.Hopfield提出了霍普菲尔德神经网格

模型（HopfieldNeuralNetworks，HNN），引入了”计算能量”概念，并给出了

网络稳定性判断依据，使所网络具有联想记忆和对优化问题求解的能力。

另一个突破性的研究成果是D.E.Rumelhart等人在1986年解决多层神经网

络权值修正的算法_误差反向