机器学习在认知无线电技术中的应用_卢泳兵
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ 认知无线电技术中的机器学习
2.1 基于机器学习的认知无线电结构 软件无线电可以看做是在硬件基础上通过软件编程来进行无 线电通信的技术,而认知无线电被认为是软件无线电的延伸。认知 无线电在软件无线电的基础上添加了独立的认知引擎,以及知识 库,推理引擎和学习引擎以实现认知功能[1]。如图1所示为描述该结
这个例子也表明了学习引擎的重要性。在复杂的无线电技术 中,有很多参数时做出决策及调制,而机器学习技术通过知识库进 行存储,可以更快的适应当前的情况,较其它软件无线电技术更有 优势。
2.3 学习机制 学习引擎是用来改善决策去适应多变的环境,其学习机制都是 根据一个优化函数来确定参数值。在认知无线电系统中,目标函数 包含所有应用目标,而学习引擎的目标就是如何那个输入状态可以 优化目标函数。 首先第一步:获取当前工作状态,根据前面的描述,需要知道当 前的信道状态,发射功率,以及目前选择的调制方式等,假设此时设 备工作在系统的最优状态,也就是已经达到最大的系统吞吐量。 第二步,如果信道状态改变,通过通信结果显示当前的通信状 态不是最优化状态,学习机制就要意识到环境改变而且从知识库中 删除上述知识,即当前的调制方式并不是最优化的调制方式,就需 要重新调整系统的参数,改变系统的输入状态,使目标函数达到新 的最优状态,将这个状态重新输入知识库进行存储。
重加后故障现象依旧。更换该电容, 试机, 一切正常。 故障原因: 90°相移网络具有反向特性,合成网络真空电容异
常导致三个PB-200单元阻抗失配,发生天线驻波比过荷故障。 3.2 射频电流取样磁环线圈烧断导致VSWR保护动作 故障现象: 播音中, P B 3 多次出现驻波比保护, 自动关机, 输出
Key Words:Cognitive Radio spectrum resource allocation water-filling algorithm OFDM
０ 引言
“认知无线电(Cognitive Radio)”最早是由Joseph Mitola在 1999年提出的。认知无线电不仅具备感知无线电的感知能力和自适 应无线电的自适应能力,更重要的是具备了机器学习能力。学习能 力是智能行为的一个非常重要的特征,也是认知无线电技术区别于 其他传统无线电以及自适应无线电的主要特征[1]。
构的示意图。
在任意给定时间,认知引擎可以根据知识库和电台的长期存储 信息中的信息总结经验和结论,这些结论是通过归纳推理已学习和 推理获得的信息中得到的。推理引擎的知识在人工智能方面的文献
中有所涉及,学习引擎主要是用于根据经验获得知识库。对它不断 的学习,学习引擎将信息存储于知识库,以备再次用到相应的知识。 基于这些应用,学习引擎也话仅仅是在系统初始状态时用到,或者 也可以在设备操作过程中周期性的用到[1]。
软件无线电： 将无线电参数传输
至知识库
知ຫໍສະໝຸດ Baidu库： 存储知识
认知无线电引擎
推理引擎： 根据知识库信
息执行策略
认知引擎： 直接执行以最 大化目标函数
图 1 认知无线电结构示意图
作者简介:卢泳兵,男,(1981-),中国电子科技集团公司第五十四研究所工程师。主要研究方向:无线通信。
97
应用研究
数字技术 与应用
３ 仿真分析
3.1 系统吞吐量仿真 仿真采用BPSK、QPSK和16QAM三种不同的调制方式,通过改 变信噪比值大小, F F T 运算点数为5 1 2 , 接收端的误码率水平为 BER = 10−4 。仿真结果如图2所示。 通过仿真结果可知,随着信道的信噪比的提高,系统根据机器 学习的结果不断调整数据的调制方式,以最大化系统的吞吐量,使 得系统性能达到最优。 3.2 误码性能仿真 图3为系统误码性能仿真图。通过仿真结果可以看到,在系统不 断调整数据调制方式的情况下,能够保证系统对误码性能的要求, 同时最大化系统吞吐量。
(2)20世纪60年代中期到70年代中期。主要研究目标是模拟人 类的概念学习过程,并采用逻辑结果或图结构作为机器的内部描 述。
(3)20世纪70年代中期到80年底中期。从学习单个概念到学习 多个概念,探索不同的学习策略和学习方法,开始把学习系统与各 种应用结合起来。
(4)从20世纪80年代中后期到现在,是机器学习的最新阶段。机 器学习已称为新的边缘学科,它综合应用了很多学科,形成机器学 习的理论基础。
参考文献
[1]广播电视发送与传输维护手册第十分册.
98
４ 结语
文章首先介绍机器学习的概念以及机器学习的发展历程,并给 出了基于机器学习机制的认知无线电技术结构,随后文章给出了认 知无线电中机器学习策略调整的仿真,仿真结果进一步验证了学习 机制的有效性,使得系统性能得到了很大的提高。
······上接第96页
示灯DS21应返回绿色。 2.7 在进行开/关机或切换功率操作时 在对发射机进行开/关机或切换功率操作时,发射机将会射频
监测板DS3输出网络驻波比故障指示灯亮。 故障查找:检查射频合成输出通道,均未发现异常,经进一步检
查发现,射频输出电流取样磁环线圈1T3局部线圈吱火烧黑,该处 磁环因过热烧断,更换1T3后,试机,一切正常。
４ 结语
通过对故障分析和总结,我们可以发现,当VSWR TEST故障 出现时,根据故障现象,首先确定是因为网络失谐,还是弧光,或者 是检测电路异常引起,然后再根据具体的电路进行查找。本文章对 VSWR TEST故障的解析,可以便于我们在检修和维护发射机的 时候,有真对性的进行维护、检修和故障处理。
３ 典型故障
3.1 真空电容闪络导致VSWR保护动作 故障现象:发射机在高调幅时,三个PB-200单元发生天线驻波 比过荷故障,载波时也能发生过荷故障。 故障查找:由于该故障三个PB单元同时发生,重点检查合成 器、天馈线系统。首先检查合成器网络驻波比和天线驻波比过荷整 定阀值吴异常,天馈线系统无异常,决定对合成点处电容打压试验, 当合成网络C11B打压至28KV后,电容内部跳火,高压试验器跳闸,
识库,知识库的作用和调整过程可以通过下面的描述过程进行理 解。在实际工程应用方面,无线电系统的吞吐量的改变可以通过改 变数据的调制方式来实现,所以需要根据通信信道的不同选择相应 的数据调制方式,使得整个系统获得更大的通信吞吐量。
举一个实际的工程应用方面的简单例子,在系统给定误码率要 求下,通过对当前的信道估计结果 H 和发射 p 进行计算,根据式对 三种不同调制方式设定不同的三个门限值:
１ 机器学习
机器学习的核心是学习。关于学习,至今却没有一个精确的、能 被公认的定义。这是因为,对机器学习的研究,来自不同的学科,并 且,学习是一种多侧面、综合性的心理活动,难以把握学习的机理与 实现。
机器学习是人工智能领域中较为年轻的分支,大致经历了四个 阶段[1]:
(1)20世纪50年代中期到60年代中期。研究集中在神经模拟和 决策理论技术,学习系统在运行时还很少具有结构或知识。
数字技术 与应用
应用研究
机器学习在认知无线电技术中的应用
卢泳兵 徐聪 (中国电子科技集团公司第五十四研究所 河北石家庄 050081)
摘要:认知无线电(CR)是一种智能的无线电通信系统,其具备机器学习能力,这也是认知无线电技术区别于其他传统无线电以及自适应无线电
的主要特征。首先介绍机器学习技术的概念以及发展历程,重点讲述了机器学习技术在认知无线电技术中的应用,并且对基于机器学习的算法性能
封锁,同时进行VSWR保护,PB LED(1A42)板VSWR TEST故障 指示灯都将被瞬间点亮。
2.8 故障信号传输通路异常引起的VSWR TEST故障 从输出监测板(1A21)送出的VSWR信号电平正常,如果信号传输 通路或控制器板(1A31)在处理信号时出现故障,也将会产生VSWR TEST故障,使PB LED板上VSWR TEST故障指示灯DS21亮红灯。
γ
=
p|
H
|2 σ2
n
2
∑ | H |2 = | H j |
(1)
j =1
其中| H |2 表示当前信道能量幅值, p 表示当前无线电设备的发
射功率。
根据上式计算出各种调制方式相应的门限值,则可在该信噪比
图 2 系统的吞吐量与信噪比的关系 图 3 系统误码性能仿真图
下选择相应的调制方式,这样通过实时的计算及时对调试方式进行 调整,既能满足通信的误码率要求,又可以最大程度上提高系统的 频谱利用率,实现系统的最佳通信性能[1]。
LU Yong-bing, XU Cong (The 54th Research Institute of CETC, Shijiazhuang Hebei 050081, China)
Abstract:Cognitive Radio (CR) is an intelligent wireless communication system. It has the ability of machine learning which is different to other radio wireless technology and adaptive wireless radio. Firstly the paper introduces machine learning and its development history, mainly about the application of machine learning technology to cognitive radio technology. The simulation result showed that algorithm can increase the CR system performance.
2.2 知识表示与推理 知识表示是对人类知识的一种描述,把人类知识表示成计算机 能够处理的数据结构。知识的表示方法可分为陈述性知识表示和过
程性知识表示两类[1]。陈述性知识表示主要用来描述事实性知识,比 如信道的信噪比,无线电当前的工作参数等;过程性知识表示主要 用来描述规则性知识和控制结构知识,比如认知无线电在特定环境 中的波形参数配置规则等。知识表示技术在认知引擎中用于构建知
进行仿真。仿真结果表明,认知无线电技术具备机器学习能力更好的提升了系统通信性能。
关键词:认知无线电 频谱资源分配 注水算法 正交频分复用
中图分类号:TN929.5
文献标识码:A
文章编号:1007-9416(2013)05-0097-02
Application of Machine Learning to ognitive
2.1 基于机器学习的认知无线电结构 软件无线电可以看做是在硬件基础上通过软件编程来进行无 线电通信的技术,而认知无线电被认为是软件无线电的延伸。认知 无线电在软件无线电的基础上添加了独立的认知引擎,以及知识 库,推理引擎和学习引擎以实现认知功能[1]。如图1所示为描述该结
这个例子也表明了学习引擎的重要性。在复杂的无线电技术 中,有很多参数时做出决策及调制,而机器学习技术通过知识库进 行存储,可以更快的适应当前的情况,较其它软件无线电技术更有 优势。
2.3 学习机制 学习引擎是用来改善决策去适应多变的环境,其学习机制都是 根据一个优化函数来确定参数值。在认知无线电系统中,目标函数 包含所有应用目标,而学习引擎的目标就是如何那个输入状态可以 优化目标函数。 首先第一步:获取当前工作状态,根据前面的描述,需要知道当 前的信道状态,发射功率,以及目前选择的调制方式等,假设此时设 备工作在系统的最优状态,也就是已经达到最大的系统吞吐量。 第二步,如果信道状态改变,通过通信结果显示当前的通信状 态不是最优化状态,学习机制就要意识到环境改变而且从知识库中 删除上述知识,即当前的调制方式并不是最优化的调制方式,就需 要重新调整系统的参数,改变系统的输入状态,使目标函数达到新 的最优状态,将这个状态重新输入知识库进行存储。
重加后故障现象依旧。更换该电容, 试机, 一切正常。 故障原因: 90°相移网络具有反向特性,合成网络真空电容异
常导致三个PB-200单元阻抗失配,发生天线驻波比过荷故障。 3.2 射频电流取样磁环线圈烧断导致VSWR保护动作 故障现象: 播音中, P B 3 多次出现驻波比保护, 自动关机, 输出
Key Words:Cognitive Radio spectrum resource allocation water-filling algorithm OFDM
０ 引言
“认知无线电(Cognitive Radio)”最早是由Joseph Mitola在 1999年提出的。认知无线电不仅具备感知无线电的感知能力和自适 应无线电的自适应能力,更重要的是具备了机器学习能力。学习能 力是智能行为的一个非常重要的特征,也是认知无线电技术区别于 其他传统无线电以及自适应无线电的主要特征[1]。
构的示意图。
在任意给定时间,认知引擎可以根据知识库和电台的长期存储 信息中的信息总结经验和结论,这些结论是通过归纳推理已学习和 推理获得的信息中得到的。推理引擎的知识在人工智能方面的文献
中有所涉及,学习引擎主要是用于根据经验获得知识库。对它不断 的学习,学习引擎将信息存储于知识库,以备再次用到相应的知识。 基于这些应用,学习引擎也话仅仅是在系统初始状态时用到,或者 也可以在设备操作过程中周期性的用到[1]。
软件无线电： 将无线电参数传输
至知识库
知ຫໍສະໝຸດ Baidu库： 存储知识
认知无线电引擎
推理引擎： 根据知识库信
息执行策略
认知引擎： 直接执行以最 大化目标函数
图 1 认知无线电结构示意图
作者简介:卢泳兵,男,(1981-),中国电子科技集团公司第五十四研究所工程师。主要研究方向:无线通信。
97
应用研究
数字技术 与应用
３ 仿真分析
3.1 系统吞吐量仿真 仿真采用BPSK、QPSK和16QAM三种不同的调制方式,通过改 变信噪比值大小, F F T 运算点数为5 1 2 , 接收端的误码率水平为 BER = 10−4 。仿真结果如图2所示。 通过仿真结果可知,随着信道的信噪比的提高,系统根据机器 学习的结果不断调整数据的调制方式,以最大化系统的吞吐量,使 得系统性能达到最优。 3.2 误码性能仿真 图3为系统误码性能仿真图。通过仿真结果可以看到,在系统不 断调整数据调制方式的情况下,能够保证系统对误码性能的要求, 同时最大化系统吞吐量。
(2)20世纪60年代中期到70年代中期。主要研究目标是模拟人 类的概念学习过程,并采用逻辑结果或图结构作为机器的内部描 述。
(3)20世纪70年代中期到80年底中期。从学习单个概念到学习 多个概念,探索不同的学习策略和学习方法,开始把学习系统与各 种应用结合起来。
(4)从20世纪80年代中后期到现在,是机器学习的最新阶段。机 器学习已称为新的边缘学科,它综合应用了很多学科,形成机器学 习的理论基础。
参考文献
[1]广播电视发送与传输维护手册第十分册.
98
４ 结语
文章首先介绍机器学习的概念以及机器学习的发展历程,并给 出了基于机器学习机制的认知无线电技术结构,随后文章给出了认 知无线电中机器学习策略调整的仿真,仿真结果进一步验证了学习 机制的有效性,使得系统性能得到了很大的提高。
······上接第96页
示灯DS21应返回绿色。 2.7 在进行开/关机或切换功率操作时 在对发射机进行开/关机或切换功率操作时,发射机将会射频
监测板DS3输出网络驻波比故障指示灯亮。 故障查找:检查射频合成输出通道,均未发现异常,经进一步检
查发现,射频输出电流取样磁环线圈1T3局部线圈吱火烧黑,该处 磁环因过热烧断,更换1T3后,试机,一切正常。
４ 结语
通过对故障分析和总结,我们可以发现,当VSWR TEST故障 出现时,根据故障现象,首先确定是因为网络失谐,还是弧光,或者 是检测电路异常引起,然后再根据具体的电路进行查找。本文章对 VSWR TEST故障的解析,可以便于我们在检修和维护发射机的 时候,有真对性的进行维护、检修和故障处理。
３ 典型故障
3.1 真空电容闪络导致VSWR保护动作 故障现象:发射机在高调幅时,三个PB-200单元发生天线驻波 比过荷故障,载波时也能发生过荷故障。 故障查找:由于该故障三个PB单元同时发生,重点检查合成 器、天馈线系统。首先检查合成器网络驻波比和天线驻波比过荷整 定阀值吴异常,天馈线系统无异常,决定对合成点处电容打压试验, 当合成网络C11B打压至28KV后,电容内部跳火,高压试验器跳闸,
识库,知识库的作用和调整过程可以通过下面的描述过程进行理 解。在实际工程应用方面,无线电系统的吞吐量的改变可以通过改 变数据的调制方式来实现,所以需要根据通信信道的不同选择相应 的数据调制方式,使得整个系统获得更大的通信吞吐量。
举一个实际的工程应用方面的简单例子,在系统给定误码率要 求下,通过对当前的信道估计结果 H 和发射 p 进行计算,根据式对 三种不同调制方式设定不同的三个门限值:
１ 机器学习
机器学习的核心是学习。关于学习,至今却没有一个精确的、能 被公认的定义。这是因为,对机器学习的研究,来自不同的学科,并 且,学习是一种多侧面、综合性的心理活动,难以把握学习的机理与 实现。
机器学习是人工智能领域中较为年轻的分支,大致经历了四个 阶段[1]:
(1)20世纪50年代中期到60年代中期。研究集中在神经模拟和 决策理论技术,学习系统在运行时还很少具有结构或知识。
数字技术 与应用
应用研究
机器学习在认知无线电技术中的应用
卢泳兵 徐聪 (中国电子科技集团公司第五十四研究所 河北石家庄 050081)
摘要:认知无线电(CR)是一种智能的无线电通信系统,其具备机器学习能力,这也是认知无线电技术区别于其他传统无线电以及自适应无线电
的主要特征。首先介绍机器学习技术的概念以及发展历程,重点讲述了机器学习技术在认知无线电技术中的应用,并且对基于机器学习的算法性能
封锁,同时进行VSWR保护,PB LED(1A42)板VSWR TEST故障 指示灯都将被瞬间点亮。
2.8 故障信号传输通路异常引起的VSWR TEST故障 从输出监测板(1A21)送出的VSWR信号电平正常,如果信号传输 通路或控制器板(1A31)在处理信号时出现故障,也将会产生VSWR TEST故障,使PB LED板上VSWR TEST故障指示灯DS21亮红灯。
γ
=
p|
H
|2 σ2
n
2
∑ | H |2 = | H j |
(1)
j =1
其中| H |2 表示当前信道能量幅值, p 表示当前无线电设备的发
射功率。
根据上式计算出各种调制方式相应的门限值,则可在该信噪比
图 2 系统的吞吐量与信噪比的关系 图 3 系统误码性能仿真图
下选择相应的调制方式,这样通过实时的计算及时对调试方式进行 调整,既能满足通信的误码率要求,又可以最大程度上提高系统的 频谱利用率,实现系统的最佳通信性能[1]。
LU Yong-bing, XU Cong (The 54th Research Institute of CETC, Shijiazhuang Hebei 050081, China)
Abstract:Cognitive Radio (CR) is an intelligent wireless communication system. It has the ability of machine learning which is different to other radio wireless technology and adaptive wireless radio. Firstly the paper introduces machine learning and its development history, mainly about the application of machine learning technology to cognitive radio technology. The simulation result showed that algorithm can increase the CR system performance.
2.2 知识表示与推理 知识表示是对人类知识的一种描述,把人类知识表示成计算机 能够处理的数据结构。知识的表示方法可分为陈述性知识表示和过
程性知识表示两类[1]。陈述性知识表示主要用来描述事实性知识,比 如信道的信噪比,无线电当前的工作参数等;过程性知识表示主要 用来描述规则性知识和控制结构知识,比如认知无线电在特定环境 中的波形参数配置规则等。知识表示技术在认知引擎中用于构建知
进行仿真。仿真结果表明,认知无线电技术具备机器学习能力更好的提升了系统通信性能。
关键词:认知无线电 频谱资源分配 注水算法 正交频分复用
中图分类号:TN929.5
文献标识码:A
文章编号:1007-9416(2013)05-0097-02
Application of Machine Learning to ognitive