基于机器学习的认知无线网络优化策略

摘要：

5G的发展带来了终端设备爆炸式增长的现象,使得频谱资源紧缺的问题越加严峻,认知无线网(cognitive radio,CR)的提出,被认为是提高频谱利用率的有效途径.认知无线网,融合了当代无线电通信技术、计算机技术、微电子学技术、软件无线电技术和现代信号处理技术等多学科之长,通过感知周围的电磁环境、学习及理解等方式,自主为用户寻找到当前空闲的频谱,完成信息交互过程.针对频谱资源紧张的现状,为改善频谱分配,首先介绍了有关认知无线网络的概念及其特点,重点介绍了机器学习中遗传算法,强化学习和隐马尔可夫模型在认知无线网络中的应用,并展望了其在认知无线网络中的发展前景.机器学习算法的引入,实现了高效的频谱资源管理,有效地解决了无线频谱资源紧张的问题.

关键词：认知无线网络、强化学习、遗传算法、隐马尔可夫模型、频谱利用

所属期刊栏目：30

分类号：TP39(计算技术、计算机技术)

资助基金：南京邮电大学省级大学生创新训练计划;江苏省研究生科研与实践创新计划项目;国家自然科学基金重点国际合作项目;国家自然科学基金面上项目

在线出版日期：2020-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：125-131