基于RBF神经网络的认知无线电认知引擎设计

• 作者: 伍春 杨彦超 江虹
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 认知无线电 拓扑因子 神经网络 认知引擎
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 2489-2495
• 分类号: TN915
• 语种: 中文

摘要

认知无线电（CR）是一种智能无线通信系统，它能根据环境变化、业务需求动态调整参数，提高系统性能，其核心技术是认知引擎的设计。认知引擎可引入人工智能领域的推理与学习方法来实现CR的感知、自适应与学习能力。为适应变化的无线环境和用户需求，提曲基于径向基神经网络（RBF）的CR认知引擎设计方法，该法通过对经验知识和环境的学习，重配置通信参数，以达到资源合理分配，提高系统性能。该引擎由两层RBF神经网络组成，外层神经网络学习全局属性，内层神经网络学习局部属性，以解决路由协议及局部参数的学习配置。在训练RBF神经网络学习模型后，根据定义的两个测试基准函数，评估模型性能，仿真验证了该学习模型的有效性，且能够有效实现CR学习重构。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍春	西南科技大学信息工程学院	35	126	6.0	8.0
2	江虹	西南科技大学信息工程学院	82	268	8.0	11.0
3	杨彦超	西南科技大学信息工程学院	2	2	1.0	1.0