项目名称: 不确定环境中基于学习的绿色动态谱访问序列决策机制研究

项目编号: No.61303027

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 王克浩

作者单位: 武汉理工大学

项目金额: 24万元

中文摘要: 在不确定的频谱环境中,频谱检测获得的不确定不完整不准确的频谱信息必然对非授权用户的信道分配策略造成影响。如果非授权用户检测所有的授权信道并访问其中最好的信道,必然耗费大量时间和能量,降低系统的频谱效率和能量效率,不能适应绿色通信的要求。因此,本项目重点研究强鲁棒性的频谱探测序列决策机制,获得不确定环境中动态频谱的可用性信息及变化规律;依据获得的频谱信息、信道分配历史信息、共存网络属性及能耗信息,研究动态环境下能量有效的频谱分配序列决策机制;在此基础上,揭示频谱感知和频谱接入在能量效率方面的相关性,并对频谱效率和能耗效率进行联合优化;然后针对分布式机会频谱访问,研究频谱效率和能耗效率联合优化对序列决策的影响;最后通过软件仿真和硬件验证平台对提出的决策方案进行性能评估和验证。通过该研究可望从序列决策的角度揭示频谱效率和能量效率之间的折中关系,为复杂动态频谱环境下绿色机会谱通信提供理论上的指导。

中文关键词: 序列决策;动态规划;随机优化;动态谱访问;认知无线电

英文摘要: In the undeterministic and dynamic wireless communication environment, the undeterministic uncomplete unprecise information obtained from detecting spectrum would definitely affect the policy of allocating channel of the unliciensed users. If one unliciensed user detects all the linciensed channels and visits the best among them, a large amount of time and energy would be spent and also the spectrum efficiency as well as energy efficiengy would be degraded, which cannot meet the requirement of green communications. Therefore, the key point of this project is to study the robust mechanism of sequential decision of detecting spectrum, and to obtain the available information of dynamic spectrum and its evolving rule under the undeterministic environment; to investigate the mechanism of sequential decision of allocating spectrum under the dynamic environment depending on the obtained spectrum information,history information of allocating spectrum, the features of coexisting networks and information of spending energy; to discover the relation of energy efficiency between spectrum-detecting and spectrum-access, and jointly optimize the spectrum efficiency and energy efficiency; next to study the effect of joint optimization of sepectrum efficiency and energy efficiency on sequential decision; finally by simulation o

英文关键词: Sequentical Decision;Dynamic Programming;Stochastic Optimization;Dynamic Spectrum Access;Cognitive Radio

成为VIP会员查看完整内容
0

相关内容

【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
14+阅读 · 2021年9月23日
专知会员服务
166+阅读 · 2021年8月3日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
29+阅读 · 2021年1月9日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
C#的并发机制优秀在哪?
CSDN
0+阅读 · 2022年2月9日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【资源】强化学习实践教程
专知
43+阅读 · 2019年9月11日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
深度强化学习入门,这一篇就够了!
机器学习算法与Python学习
27+阅读 · 2018年8月17日
【迁移学习】迁移学习在图像分类中的简单应用策略
资源 | 一文读懂深度学习(附学习资源)
AI100
14+阅读 · 2017年11月30日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
28+阅读 · 2022年3月28日
Arxiv
21+阅读 · 2020年10月11日
Arxiv
22+阅读 · 2018年8月30日
小贴士
相关VIP内容
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
14+阅读 · 2021年9月23日
专知会员服务
166+阅读 · 2021年8月3日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
29+阅读 · 2021年1月9日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
相关资讯
C#的并发机制优秀在哪?
CSDN
0+阅读 · 2022年2月9日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【资源】强化学习实践教程
专知
43+阅读 · 2019年9月11日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
深度强化学习入门,这一篇就够了!
机器学习算法与Python学习
27+阅读 · 2018年8月17日
【迁移学习】迁移学习在图像分类中的简单应用策略
资源 | 一文读懂深度学习(附学习资源)
AI100
14+阅读 · 2017年11月30日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员