【摘 要】
:
如今,各种依赖无线传输的新兴应用不断呈现,对频谱资源的需求不断增加。与此同时,传统静态频谱分配策略导致大部分的授权频谱并未得到充分利用。因此,存在频谱频谱资源紧缺与频谱资源浪费之间的矛盾。为了解决这个问题,随着深度学习的发展,神经网络的相关技术越来越成熟,其具有非线性、自适应、高容错、高速并行、自学习等优点,频谱智能技术相应被提出,其允许从用户接入主用户授权频谱的同时,不干涉主用户的正常通信,从而
论文部分内容阅读
如今,各种依赖无线传输的新兴应用不断呈现,对频谱资源的需求不断增加。与此同时,传统静态频谱分配策略导致大部分的授权频谱并未得到充分利用。因此,存在频谱频谱资源紧缺与频谱资源浪费之间的矛盾。为了解决这个问题,随着深度学习的发展,神经网络的相关技术越来越成熟,其具有非线性、自适应、高容错、高速并行、自学习等优点,频谱智能技术相应被提出,其允许从用户接入主用户授权频谱的同时,不干涉主用户的正常通信,从而有效提升频谱资源利用率,一定程度上缓解资源紧缺与频谱资源浪费的矛盾问题。本文基于深度学习来设计频谱预测策略,其通过分析历史频谱占用数据,实现提前预知未来频谱态势,所设计频谱预测策略主要包括自适应门限的频谱量化和种离线-在线联合频谱预测两个模块。具体而言,考虑到实际情况中频谱内的噪声随机性影响,为了将功率谱密度准确的转化为占用状态,提出了一种基于自适应门限的频谱量化方案对频谱数据进行预处理。在该方案中,不同信道的功率谱密度被独立分析,通过核密度估计法对每个信道的平均噪声功率进行估计,根据噪声波动幅度为每个信道自适应设置判决门限,提高量化结果的准确性。考虑到频谱本质上是时间序列的特性,本文使用了循环神经网络中的长短时记忆网络作为模型,对模型的激活函数、损失函数、优化算法等细节进行了分析和设计,并通过网格搜索和交叉验证相结合的方法对模型的超参数进行了评估和优化,构建了基于长短时记忆网络的频谱占用状态预测模型,实现了未来频谱占用状态的实时预测。此外,考虑到实际情况中频谱的态势可能会随着时间推移而发生变化,神经网络模型本身并不能对这种变化进行自动调节,因此本文还提出一种离线-在线联合频谱预测方案。在该方案中,模型的平均正确率被实时监控,当该值低于预先设置的最小正确率门限时,主动收集最新的频谱数据并重新对模型进行训练和评估,实现对频谱态势变化的识别与自适应。实验结果表明,相比于传统的固定门限量化方案,所提出的自适应门限量化方案能够有效的消除噪声随机性带来的影响,将功率谱密度值准确的量化为频谱占用状态,为下一步神经网络模型的设计提供可靠的数据,避免由于错误的量化结果带来的模型性能损失。通过使用经过预处理的频谱数据对构建的长短时记忆网络频谱占用状态预测模型进行训练和超参数设计,实验结果表明,该模型能够对未来频谱占用状态进行有效的预测,且模型的性能总是优于基于固定门限量化方案的基线模型。最后,为了验证所提出的离线-在线联合频谱预测方案,本文根据原始数据集人工构造了一个新的数据集,在该数据集下的实验结果表示,该方案能够及时的识别频谱态势的变化,并自动使模型重新适应该变化,保证模型的平均预测正确率不会因频谱态势变化而逐渐恶化。
其他文献
人群踩踏事件是现代生活中非常危险的事故之一,给人类的生存安全带来了极大的威胁,有效的抑制踩踏事故的发生对于现代化城市建设来说是必不可少。目前,通过将人群密度估计(或者人群计数)技术与人群行为分析相结合可以有效的分析场景中的异常事件,对危险做出预警,这也是目前比较有效的预防踩踏事件的措施之一。但人群计数任务本身容易受到图像中的透视、拥挤、遮挡、密度等因素的干扰,造成图像中的人头在尺度、外貌上出现比较
探测粒子发射源的时空信息是高能核—核碰撞实验的重要研究内容,而π干涉学分析是人们获取高能碰撞系统时空结构的有效方法。多相输运模型(AMPT模型)是模拟相对论重离子对撞
人体行为识别是计算机视觉的热门研究方向之一。低成本的深度传感器的出现,如微软的Kinect,可以有效避免光照、环境等因素的影响,同时,它还可以获取图像中的深度信息和骨架信息,为人体行为识别研究提供了好的数据来源。因此,在人体行为识别的研究中,研究人员逐渐倾向使用三维骨架信息。词袋模型作为一种机器学习方法,被广泛用于基于骨架关节点的人体动作识别。目前,该方法的识别准确率仍需进一步提高。根据目前的研究
1965年前美国初等教育的发展可分为两个阶段,分别为独立后至南北战争时期初等教育的起步和南北战争后至1965年初等教育的发展。1965年至1995年,美国社会迅速发展,美国政府在之前初等教育发展的基础上,积极开展初等教育全面创新发展工作。1965年,联邦政府对初等教育进行首次大规模干预,通过制定法律推动初等教育的发展,颁布《初等和中等教育法》。其后,经过政府不断制定教育政策,使初等教育政策逐渐符合
提高人文社科本科教育质量的途径之一,是重视和加强人文社科专业本科生科研,了解其开展现状与效果,可为进一步改进人文社科专业本科生科研提供参考。对836位人文社科专业本科生的调查发现:本科生的科研参与意愿较强烈;科研参与率(包括正在参与)较高;参与率最高的科研类型是社会调研,最低的是教师的科研项目;很大一部分本科生最主要的参与动机源于内在的功利性追求,而非源于对科研的兴趣与热爱。不同背景的本科生科研存
高精度高表面完整性的纯铁曲面薄壁构件是精密物理实验中的重要零件,但纯铁材料属于黑色金属一类,传统的磨削、研磨和抛光等工艺存在加工效率低,表面污染,工艺稳定性较差等问
高功率微波功率合成技术是提高高功率微波器件脉冲能量和功率的一个重要的研究方向。相对论速调管具有高功率、高增益、高效率及相位稳定等优点,是功率合成的理想器件之一。相关应用的迫切需求推动了相对论速调管向着更高频率的方向发展。在高频段中,常规圆柱结构的相对论速调管难以实现高功率微波输出。为了突破功率限制,本文结合同轴谐振腔与多注漂移管结构特点,提出了Ka波段同轴多注相对论速调管放大器。本文采用理论分析与
近年来,含有未配对电子的有机自由基分子在分子电子学、自旋电子学和有机电子器件以及其他潜在的相关应用中具有较强的吸引力。其中,双自由基分子由于其开壳态和闭壳态之间特有的共振结构,如较低的能带间隙和较强的分子间自旋相互作用等,受到科研工作者广泛的关注,越来越多的研究者致力于探究双自由基化合物的合成方法和性质。双自由基化合物本身的不稳定性,限制了此类化合物的电子应用。一般来说,双自由基类化合物的基态电子
从图像/视频中读取文本对于图像识别/检索、地理位置、办公自动化和帮助盲人等丰富的现实应用具有重要价值,因为场景文本包含了解世界的非常有用的语义。近年来,在场景图像中阅读文本已经成为一个活跃的领域,场景文本阅读提供了一种自动快速获取自然场景中文本信息的方法,通常分为场景文本检测和场景文本识别两个子问题。得益于深度神经网络的强大表现力,场景文本检测与识别取得了显著的进展。本文主要基于深度学习的场景阅读
随着科技不断地进步与社会快速地发展,计算机技术已经渗透到社会各个领域中。但随着数据时代的到来,数据量呈爆炸式增长,作为经典的数据挖掘算法之一的Apriori算法已经不能满足我们当前的需求。它的速度慢、效果差以及单个计算机的计算性能不高等缺点在大数据环境下逐渐被放大,如何将Apriori算法适应到新的环境则成为当前Apriori算法热门的研究方向。本文通过对其进行算法改进并与时下流行的云计算平台相结