基于HS-BP神经网络的认知无线电频谱预测技术

摘要：

在基于反向传播神经网络(BPNN)的频谱预测中,网络的初始权重与阈值是随机产生的,并且BP算法本身存在陷入局部最优的缺陷,从而导致BPNN训练得到的网络结构具有一定的不确定性.针对上述问题,提出一种基于HS-BP神经网络的频谱预测算法,通过和声搜索算法的全局寻优能力得到BPNN的最优初始权重和阈值,从而BPNN训练可得到最优的频谱预测网络结构,并运用该网络结构进行频谱的预测.仿真结果表明,该算法可以提高频谱预测的准确性及频谱的利用率.

关键词：认知无线电网络、反向传播神经网络、和声搜索算法、频谱预测、频谱感知、机器学习

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金71272144;国家自然科学基金青年基金61503143

在线出版日期：2017-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：146-150,155