基于深度学习的频谱感知算法的研究与实现–基于能量特征文献综述

 2021-10-23 20:19:15

毕业论文课题相关文献综述

文 献 综 述一、引言随着无线宽带和多媒体用户市场的迅速扩大以及高数据速率的应用,频谱资源匮乏给未来的无线通信网络5G甚至是6G带来很大挑战。

未来的无线通信要实现给更多的用户提供更快更好的通信服务质量,然而,满足这些要求的一个限制来自于目前固定的频谱分配策略导致可用频率资源使用效率低。

提高频谱资源的使用效率是未来无线通信亟需解决的问题,为此,5G使用的频谱范围将进一步扩展到毫米波频段,并采用动态频谱共享技术,即认知无线电(CR, cognitive radio)技术解决频谱匮乏的问题。

认知无线电的基本概念是频谱复用或频谱共享,它允许认知网络/认知用户(次用户)在主用户没有充分利用频谱的情况下,通过分配/许可给主用户的频谱进行通信。

为此,需要认知用户频繁地进行频谱感知,即检测主用户的存在。

当主用户处于激活状态时,认知用户必须以较高的概率检测到主用户的存在。

根据不同的实现条件及要求,频谱感知算法分为最优检测算法、半盲检测算法及盲检测算法。

半盲检测算法是只需已知噪声功率的检测算法。

典型的半盲检测算法有能量检测(ED,energy detection),其不需要主用户的先验信息且易于实现,但是在实际情况中,因多径衰落及遮蔽现象使信号功率波动,信噪比较低,能量检测算法的性能严重下降。

另一方面,在研究频谱感知方法的过程中发现,随着大数据时代的到来以及计算能力的提升,传统的频谱感知算法不能有效利用信道内存在的信息,亦不能满足认知无线电系统的智能性要求等问题较为突出。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。