摘 要：频谱预测是认知无线电系统中的关键技术之一，利用该技术可以显著减少认知用户的能量损耗，同时提高系统的频谱利用率。针对现有基于BP神经网络的频谱预测方法预测精度低及失效率高等问题，将建立在统计学习理论和结构风险最小原则上的支持向量机引入认知无线电频谱预测中，利用其对小样本及非线性数据优越的预测性能对信道进行预测。实验结果表明，该方法通过避免无效检测，提高了频谱感知系统的性能，并且比基于BP神经网络算法的模型的预测精度更高，具有良好的实用性与灵活性。
2021-05-04 12:58:16
1.51MB
1
Cooperative-Spectrum-Sensing-Using-Cognitive-Radio-master (1).zip
2021-05-02 18:00:15
24.35MB
1
针对认知无线网络中多用户资源分配时需要大量信道和功率策略信息交互，并且占用和耗费了大规模系统资源的问题，通过非合作博弈模型对用户的策略进行了研究，提出一种基于多用户Q学习的联合信道选择和功率控制算法。用户在自学习过程中将采用统一的策略，仅通过观察自己的回报来进行Q学习，并逐渐收敛到最优信道和功率分配的最优集合。仿真结果表明，该算法可以高概率地收敛到纳什均衡，用户通过信道选择得到的整体回报非常接近最大整体回报值。
2021-04-30 17:03:20
1.23MB
1
由于在认知无线电网络中主用户与认知用户共存，如何在不对主用户造成干扰的前提下，对认知用户进行合理的资源分配显得尤为重要。以纳什协调解为优化目标，并考虑功率约束，提出一种公平信道分配算法。在仿真中，对以吞吐量最大化为目标的Maximal-Rate策略和考虑公平的Max-Min策略进行了对比，仿真结果表明，本算法有着与Maximal-Rate策略相当的吞吐量和比Max-Min策略更高的数据速率，因此本算法在效率和公平上作了很好的折中。
2021-04-26 15:49:35
491KB
1
本课程重点介绍脑与认知科学的基本概念、知识及其在 现实生活中的应用，在此基础上介绍人工大脑、认知计 算等相关的智能科学技术，体现了脑科学、认知科学、 人工智能及计算机和信息科学等多学科领域交叉的特点 ，为学生提供较为全面系统的知识框架，为进一步学习 后续专业课程打下良好的基础
2021-04-21 21:46:52
4.16MB
1
《脑与认知科学导论》课程实验报告要求
实验要求：
1）加载预训练CNN网络，观察其物体识别效果以及每层的中间结果，分析CNN与人脑视觉信息加工机制的异同
2）设计一个新的CNN网络结构并对其进行训练，观察新网络的物体识别能力随时间变化的情况，分析网络结构改变对物体识别能力的影响
2021-04-21 21:35:55
41KB
1