张凯
- 作品数：2 被引量：8H指数：2
- 供职机构：南京邮电大学通信与信息工程学院更多>>
- 发文基金：江苏省高校自然科学研究项目国家重点基础研究发展计划更多>>
- 相关领域：电子电信更多>>
- 一种基于隐马尔可夫模型的自适应联合频谱预测方法被引量：5
- 2015年
- 基于隐马尔可夫模型(Hidden Markov Model,HMM)的频谱预测是次用户(SU)根据频谱感知历史信息得到主用户(PU)信道状态训练集,用前M个时刻信道的状态组成的矩阵作为待测矩阵与训练集匹配,根据匹配的相似度对下一时刻的信道状态进行预测。由于信道预测是基于前M个时刻的信道状态,其信道状态的不确定性直接影响到预测的准确性。文中针对这一问题,提出一种基于HMM的自适应联合频谱预测方法,根据本地预测中各待测矩阵的可信度给予不同的权值,通过数据融合来得到最终的预测结果。此外,为了解决文中的数据融合问题又提出一种基于本地预测可信度的自适应分组融合算法。仿真结果表明,该方法能够明显提高频谱预测的准确性。
- 张凯齐丽娜
- 关键词：认知无线电隐马尔可夫模型
- 基于连续隐马尔可夫模型的协作频谱检测被引量：4
- 2015年
- 机器学习是当前人工智能的主要研究方向,连续隐马尔可夫模型(Continuous Hidden Markov Model,CHMM)作为机器学习方法的一种被广泛应用于故障诊断、图像处理、生命科学等领域。研究表明,在信道占用和空闲状态下采样得到的能量值满足不同的高斯分布,故可采用机器学习方法通过模式识别进行频谱感知;同时为了克服离散隐马尔可夫模型(Discrete Hidden Markov Model,DHMM)在处理连续信号矢量量化过程中产生的信息失真问题,文中将CHMM引入多用户协作频谱检测技术,分别根据信道占用和信道空闲时采集到的能量值来训练CHMM模型建立CHMM1-CHMMn,多个次用户分别将当前采集到的信道的能量值作为待测矩阵同CHMM1-CHMMn进行模式识别,根据识别结果判定当前信道是占用还是空闲。仿真结果表明,该方法在频谱感知方面具有较高的准确性。
- 张凯齐丽娜
- 关键词：认知无线电频谱检测
