最小二乘SVM的CR认知引擎设计

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最小二乘SVM的CR认知引擎设计

江虹, 伍春, 马景辉

文章导航 > 电子科技大学学报 > 2011 > 40(1): 41-46

江虹, 伍春, 马景辉. 最小二乘SVM的CR认知引擎设计[J]. 电子科技大学学报, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

引用本文:

江虹, 伍春, 马景辉. 最小二乘SVM的CR认知引擎设计[J]. 电子科技大学学报, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

JIANG Hong, WU Chun, MA Jing-hui. Design of Cognitive Engine for CR Based on Least Squares SVM[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

Citation:

JIANG Hong, WU Chun, MA Jing-hui. Design of Cognitive Engine for CR Based on Least Squares SVM[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

最小二乘SVM的CR认知引擎设计

doi: 10.3969/j.issn.1001-0548.2011.01.008

1.
西南科技大学信息工程学院四川绵阳 621010

基金项目:

国家自然科学基金(61072138)

作者简介:
江虹(1969-)，男，博士，教授，主要从事认知无线电智能学习技术、故障智能探测方面的研究.

中图分类号: TN014

Design of Cognitive Engine for CR Based on Least Squares SVM

1.
Information College,Southwest University of Science and Technology Mianyang Sichuan 621010

摘要: 认知无线电(CR)的核心是认知引擎设计。为适合变化的无线环境状况，提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法，该引擎根据经验知识，动态重配置无线环境参数。在802.11a仿真平台上模拟认知无线电通信系统模型，通过样本值训练支持向量机的分类、回归模型，并利用该模型学习信道特征，建立相应的认知引擎。在对感知信息进行学习前提下，实现满足用户需求的无线通信参数配置功能。仿真结果表明，该认知引擎能有效地实现认知无线电学习重构功能。
- 认知引擎 /
- 认知无线电 /
- 调制 /
- 支持向量机
Abstract: Cognitive radio (CR) is an intelligent wireless communication system, and its core is to design cognitive engine. This paper presents a design scheme for cognitive engine based on least squares support vector Machine (LS-SVM) to adapt varied wireless environment according to experiential knowledge. A CR simulation cognitive engine is realized on 802.11a simulation platform by collecting data and training the classification and regression model of LS-SVM to learn channel characteristics. Under the premise of studying the sensaed information, a CR reconfiguration is realized according to the user' s needs. The simulation results show that the proposed cognitive engine can effectively realize the learning and reconfiguration function.
- cognitive Engine /
- cognitive radio /
- modulation /
- support vector machine

[1]	肖海林, 张文娟, 聂在平, 胡悦. 认知MIMO系统中基于博弈论的干扰对齐算法研究 . 电子科技大学学报, 2017, 46(5): 679-684, 794. doi: 10.3969/j.issn.1001-0548.2017.05.007
[2]	冯立, 邝育军, 代泽洋, 付新川. 异构认知网中基于能效的协作技术研究 . 电子科技大学学报, 2017, 46(5): 666-672. doi: 10.3969/j.issn.1001-0548.2017.05.005
[3]	陆川. 用于智能电网的一种认知无线路由算法研究 . 电子科技大学学报, 2017, 46(6): 841-844. doi: 10.3969/j.issn.1001-0548.2017.06.008
[4]	江虹, 刘寅, 黄玉清, 陈春梅. 基于带疫苗注入VAMIGA的认知无线电波形优化 . 电子科技大学学报, 2015, 44(2): 183-189. doi: 10.3969/j.issn.1001-0548.2015.02.004
[5]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[6]	高军峰, 张文佳, 杨勇, 胡佳佳, 陶春毅, 官金安. 基于P300和极限学习机的脑电测谎研究 . 电子科技大学学报, 2014, 43(2): 301-306. doi: 10.3969/j.issn.1001-0548.2014.02.028
[7]	雷维嘉, 崔军, 谢显中. 基于位置的认知网络中继选择与功率分配 . 电子科技大学学报, 2014, 43(4): 492-496. doi: 10.3969/j.issn.1001-0548.2014.04.003
[8]	李方伟, 柴源, 朱江, 张玉平. 基于动态古诺博弈的认知无线电频谱贸易算法 . 电子科技大学学报, 2014, 43(4): 502-507. doi: 10.3969/j.issn.1001-0548.2014.04.005
[9]	左旭舟, 夏玮玮, 沈连丰. 基于认知无线电的LTE系统频谱感知方法 . 电子科技大学学报, 2014, 43(5): 663-668. doi: 10.3969/j.issn.1001-0548.2014.05.005
[10]	许炜阳, 徐婷. 认知无线电系统中存在载波频偏的OFDM频谱感知技术 . 电子科技大学学报, 2013, 42(3): 355-359. doi: 10.3969/j.issn.1001-0548.2013.03.007
[11]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[12]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[13]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[14]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[15]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[16]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[17]	徐斌阳, 李健颖, 李少谦. 认知无线电系统频谱自适应调度算法设计 . 电子科技大学学报, 2008, 37(6): 815-817,921.
[18]	徐斌阳, 李少谦. 认知无线电系统中的联合功率控制 . 电子科技大学学报, 2008, 37(5): 649-652.
[19]	王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法 . 电子科技大学学报, 2007, 36(3): 583-586.
[20]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.

WeChat

点击查看大图

计量

文章访问数: 3380
HTML全文浏览量: 109
PDF下载量: 65
被引次数: 0

最小二乘SVM的CR认知引擎设计

doi: 10.3969/j.issn.1001-0548.2011.01.008

1. 西南科技大学信息工程学院四川绵阳 621010

基金项目:

国家自然科学基金(61072138)

作者简介:
江虹(1969-)，男，博士，教授，主要从事认知无线电智能学习技术、故障智能探测方面的研究.

收稿日期: 2009-07-31
修回日期: 2010-01-29
刊出日期: 2011-02-15

中图分类号: TN014

关键词:

摘要: 认知无线电(CR)的核心是认知引擎设计。为适合变化的无线环境状况，提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法，该引擎根据经验知识，动态重配置无线环境参数。在802.11a仿真平台上模拟认知无线电通信系统模型，通过样本值训练支持向量机的分类、回归模型，并利用该模型学习信道特征，建立相应的认知引擎。在对感知信息进行学习前提下，实现满足用户需求的无线通信参数配置功能。仿真结果表明，该认知引擎能有效地实现认知无线电学习重构功能。

English Abstract

江虹, 伍春, 马景辉. 最小二乘SVM的CR认知引擎设计[J]. 电子科技大学学报, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

引用本文:

江虹, 伍春, 马景辉. 最小二乘SVM的CR认知引擎设计[J]. 电子科技大学学报, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

JIANG Hong, WU Chun, MA Jing-hui. Design of Cognitive Engine for CR Based on Least Squares SVM[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

Citation:

JIANG Hong, WU Chun, MA Jing-hui. Design of Cognitive Engine for CR Based on Least Squares SVM[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 41-46. doi: 10.3969/j.issn.1001-0548.2011.01.008

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发