文档介绍：.. ... ..
andAlgorithmCRadioPowerSouthwestScienceSupervisorJiangforMaster篶Mar2020篢14UDC62139Grade2010篖ZhongliAppliedInformationProfessor3
.. ... ..
铷日期:彬∥,/6IO独创性声明关于论文使用和授权的说明lz本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。或部分内容,可以采用影印、缩印或其他复制手段保存论文。C艿难宦畚脑诮饷芎笥ψ袷卮斯娑人已经发表或撰写过的研究成果,也不包含为获得西南科技大学或其它教育机构签名:本人完全了解西南科技大学有关保留、使用学位论文的规定,即:学校有权保留学位论文的复印件,允许该论文被查阅和借阅:学校可以公布该论文的全部导师签名:
.. ... ..
摘要状的有效方法,已经成为近年来无线通信技术研究的热点之一。认知用户的法。部分可观察马尔科夫决策模型被用来建立系统资源分配模型,每个次用西南科技大学硕士研究生学位论文1认知无线电技术珻,被认为是解决当前频谱稀缺现可用频谱,随着授权用户的使用情况以及空间的不同呈现出时变的特征。如何有效地根据认知用户所处的环境状态进行频谱决策和动态接入传输,是认知无线电技术需要解决的关键问题之一。本文旨在研究基于智能学习技术的认知无线电频谱接入策略和功率控制策略。主要研究内容如下:第一,介绍了认知无线电的关键技术,结合目前研究状况,分析了在认知无线电网络中频谱和功率分配的成果。结合当前的研究现状给出了本文要解决的主要问题。Q配算法主要基于部分可观察马尔科夫决策过程蚎学习算法。在认知无线电网络中,由于次用户的硬件和所处环境限制,次用户不可能完全感知整个频谱,因此,挥糜诖斡没绲慕!学习能够更充分的利用过去的观察和决策经验来优化当前的动作决策,因此被应用来解决POMDP增加了频谱利用率。第三,研究了一种认知无线电中基于强化学习的频谱和功率联合分配算户通过强化学习算法来决策和学习接入的频谱和发送的功率。为了更好的适应系统模型,对强化学习中状态空间、动作空间、回报函数等基本要素进行了重新设计,考虑了信道占用状态、信道增益等因素。仿真结果验证了该算法的有效性。关键词:认知无线电强化学习动态频谱分配功率控制.
.. ... ..
andprocess(POMDP)and狶甃QLearningPOMDPpaperQ-,
.. ... ..
西南科技大学硕士研究生学位论文1II篊thealgorithmKey籇籖Thenthe;Power
.. ... ..
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯功率控制技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯POMDP14261Q16132POMDP18POMDP1832219Q20Q2l33222仿真结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯不同消息到达率下的仿真结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯.34227不同信道状态转移概率下的仿真结果与分析⋯⋯⋯⋯⋯⋯l1211222122312322536321331341343
.. ... ..
西南科技大学硕士研究生学位论文V34436本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.438引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..42POMDP40符号说明⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯.4224242343功率与频谱联合分配算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯