第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通...第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通信环境的复杂性高以及信号易畸变的特性,对现有的频谱感知算法提出了重大挑战。因此,提出了一种融合去噪自编码器(denoising autoencoder,DAE)和改进长短时记忆(long short term memory,LSTM)神经网络的智能频谱感知算法。DAE通过编码和解码过程挖掘移动信号的底层结构特征,改进的LSTM频谱感知分类器模型结合过去时刻信息特征对时序信号序列进行分类。与支持向量机(support vector machine,SVM)、循环神经网络(recurrent neural network,RNN)、LeNet5、学习矢量量化(learning vector quantization,LVQ)和Elman算法相比,该算法的感知性能提高了45%。展开更多
为解决频谱资源短缺问题,提出一种基于二进制正弦余弦算法(Binary Sine Cosine Algorithm,BSCA)的认知无线电频谱分配方法。在算法中构造非线性振幅调节因子,有助于动态调整迭代期间的搜索步长,提高算法全局搜索能力和收敛精度;利用二...为解决频谱资源短缺问题,提出一种基于二进制正弦余弦算法(Binary Sine Cosine Algorithm,BSCA)的认知无线电频谱分配方法。在算法中构造非线性振幅调节因子,有助于动态调整迭代期间的搜索步长,提高算法全局搜索能力和收敛精度;利用二进制代码转换公式将正弦余弦算法推广至离散域;将改进后的二进制正弦余弦算法进行频谱分配的仿真实验,并与粒子群优化算法、遗传算法、量子遗传算法作对比,结果表明BSCA具有同时取得较高的网络效益与公平度的优势。展开更多
文摘第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通信环境的复杂性高以及信号易畸变的特性,对现有的频谱感知算法提出了重大挑战。因此,提出了一种融合去噪自编码器(denoising autoencoder,DAE)和改进长短时记忆(long short term memory,LSTM)神经网络的智能频谱感知算法。DAE通过编码和解码过程挖掘移动信号的底层结构特征,改进的LSTM频谱感知分类器模型结合过去时刻信息特征对时序信号序列进行分类。与支持向量机(support vector machine,SVM)、循环神经网络(recurrent neural network,RNN)、LeNet5、学习矢量量化(learning vector quantization,LVQ)和Elman算法相比,该算法的感知性能提高了45%。
文摘为解决频谱资源短缺问题,提出一种基于二进制正弦余弦算法(Binary Sine Cosine Algorithm,BSCA)的认知无线电频谱分配方法。在算法中构造非线性振幅调节因子,有助于动态调整迭代期间的搜索步长,提高算法全局搜索能力和收敛精度;利用二进制代码转换公式将正弦余弦算法推广至离散域;将改进后的二进制正弦余弦算法进行频谱分配的仿真实验,并与粒子群优化算法、遗传算法、量子遗传算法作对比,结果表明BSCA具有同时取得较高的网络效益与公平度的优势。
