2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、在過去十年中,隨著無線通信業(yè)務(wù)的迅速增長,無線通信技術(shù)正逐步得到廣泛而深入的研究。在無線通信中,頻譜的管理顯得尤為重要。在目前的相關(guān)政策下,頻譜都是固定的分配給固定的業(yè)務(wù),這些業(yè)務(wù)被授權(quán)使用特定的頻段,而其它未被授權(quán)的用戶則禁止使用授權(quán)頻段,由此造成頻譜資源的日益緊張。為了有效的緩解這種狀況,認(rèn)知無線電技術(shù)應(yīng)運(yùn)而生,它主要是針對目前頻譜使用不充分的狀態(tài),采用相關(guān)的頻譜感知技術(shù)和頻譜管理技術(shù)使頻譜利用率得到提高。
   本文主要研

2、究了認(rèn)知無線電中的協(xié)作頻譜感知技術(shù)。論文首先介紹了認(rèn)知無線電的相關(guān)定義以及基本的頻譜檢測技術(shù),然后重點(diǎn)進(jìn)行了如下兩個(gè)方面的研究。
   首先,論文研究了一種基于信噪比加權(quán)的協(xié)作頻譜感知技術(shù)。在綜合研究了各種基于線性加權(quán)的頻譜檢測算法之后,本文重點(diǎn)探討了基于信噪比的加權(quán)算法。論文以傳統(tǒng)的信噪比加權(quán)模型為基礎(chǔ),構(gòu)建了一種新的信噪比加權(quán)模型。該模型的算法核心是將權(quán)值的計(jì)算與分配在認(rèn)知用戶發(fā)送能量值信號至融合中心之前完成。經(jīng)過理論上的模

3、型分析,相對于已有的各種線性加權(quán)算法,該算法可以有效的避免兩個(gè)方面的弊端。一是融合中心由于要承擔(dān)接收來自各個(gè)認(rèn)知用戶的能量值、信噪比值,以及權(quán)值的計(jì)算等各項(xiàng)任務(wù),負(fù)荷量較大;另一方面,各種數(shù)值傳輸?shù)膹?fù)雜度及其在遠(yuǎn)距離傳輸過程中受到的衰落影響,都會影響最終的判決結(jié)果。除此之外,從仿真結(jié)果也不難看出,相對于傳統(tǒng)的協(xié)作感知算法,該算法模型下系統(tǒng)的檢測性能也略有提高。
   另外,在分組協(xié)作頻譜感知技術(shù)的基礎(chǔ)上,本文對不同的隨機(jī)分組方式

4、對協(xié)作性能的影響進(jìn)行了具體的分析討論。由于認(rèn)知用戶和融合中心之間的衰落,系統(tǒng)性能會受到嚴(yán)重的破壞。論文首先介紹了一種基于分組的協(xié)作頻譜感知技術(shù),它能有效的克服衰落,提高系統(tǒng)的協(xié)作性能。圍繞這種分組算法,本文進(jìn)行了深入的分析,討論了不同的隨機(jī)分組方式對檢測性能的影響,并得出最佳的分組方式。論文以幾種典型的情況為例,對每一種分組方式作出相關(guān)的理論仿真。根據(jù)算法理論和仿真結(jié)果得出:在隨機(jī)分組協(xié)作的算法中,將用戶分為數(shù)目相等或者接近相等的兩組,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論