基于BP神经网络的智能认知频谱预测技术研究-AET-电子技术应用

基于BP神经网络的智能认知频谱预测技术研究

2021年电子技术应用第1期

迟文升1，2，袁亶1，肖宗豪3

1.空军工程大学装备管理与无人机工程学院，陕西西安710051； 2.西安电子科技大学机电工程学院，陕西西安710071；3.空军工程大学研究生学院，陕西西安710051

摘要：为了使通信用户频谱接入更为有效，增强在时域和空间域的频谱利用灵活性，首先介绍采用最速下降法进行学习的BP神经网络过程，并对BP神经网络的频谱预测算法进行数学建模。通过对一段时期内的电磁频谱状态的学习训练，调节参数使算法模型建立输入数据与输出结果之间的认知关系，进而改变BP神经网络算法自身的结构，优化权值与阈值，最终使得频谱预测数据准确性更接近于实际值，预测误差变小。

关键词： BP神经网络频谱状态频谱预测

中图分类号：TN92
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200749
中文引用格式：迟文升，袁亶，肖宗豪. 基于BP神经网络的智能认知频谱预测技术研究[J].电子技术应用，2021，47(1)：64-68.
英文引用格式：Chi Wensheng，Yuan Dan，Xiao Zonghao. Research on intelligent cognitive spectrum prediction technology based on BP neural network[J]. Application of Electronic Technique，2021，47(1)：64-68.

Research on intelligent cognitive spectrum prediction technology based on BP neural network

Chi Wensheng1，2，Yuan Dan1，Xiao Zonghao3

1.Equipment Management and UAV Engineering College，Air Force Engineering University，Xi′an 710051，China； 2.College of Electromechanical Engineering，Xidian University，Xi′an 710071，China； 3.Graduate College，Air Force Engineering University，Xi′an 710051，China

Abstract：In order to make the spectrum access of communication users more effective and enhance the flexibility of spectrum utilization in time domain and space domain, this paper firstly introduces the process of BP neural network learning with the steepest descent method, and makes mathematical modeling for the spectrum prediction algorithm of BP neural network. By learning and training the electromagnetic spectrum state in a period of time, this paper makes the algorithm model establish the cognitive relationship between the input data and the output results by adjusting the parameters. Then, the structure of BP neural network algorithm was changed, and the weights and thresholds were optimized, so that the accuracy of spectrum prediction data was closer to the actual value and the prediction error was reduced.

Key words :BP neural network；spectrum state；spectrum prediction

0 引言

随着技术的发展，无线电通信得以快速发展，然而由于频谱的不可再生性，导致无线电频谱越来越密集，通信资源也变得异常稀缺。为充分合理利用无线电频谱资源，频谱预测技术成为研究的热点。

频谱预测技术^[1-3]是通过检测过去一段时间内频谱的使用情况来预测未来一段时间可能存在的空闲频谱和其所处的位置并对其进行利用。

现有频谱预测主要包括自回归频谱预测^[4-5]、机器学习^[6-8]、神经网络频谱预测^[9-11]和马尔可夫模型频谱预测^[12-14]。基于神经网络和基于马尔可夫的预测较准确，但收敛时间长，时效性差^[15]。相较于其他频谱预测方法，神经网络可消除对参数设置和概率计算的需求^[16]，可利用构建的模型提前满足预定性能指标提高频谱效率和节约能源。

在利用认知无线电信道状况预测时，需提前知道授权的信道状态的各项特征，而在实际操作过程中，这是难以做到的。频谱预测技术能够使频谱接入更为有效，并增强在时域和空间域的频谱利用灵活性，通过研究频谱感知的结果来对接下来的时间段内的频谱利用情况进行一个预测，据此采用能够被使用的信道或停止对授权用户将要占用的信道的使用，这样就可以避免各用户之间发生冲突同时频谱的利用效率得以提高。频谱预测技术是通过检测过去一段时间内频谱的使用情况来预测未来一段时间可能存在的空闲频谱和其所处的位置并对其进行利用。探索基于BP神经网络的智能认知频谱预测技术是非常有益的。

本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003322

作者信息:

迟文升1，2，袁亶1，肖宗豪3

(1.空军工程大学装备管理与无人机工程学院，陕西西安710051；

2.西安电子科技大学机电工程学院，陕西西安710071；3.空军工程大学研究生学院，陕西西安710051)

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容