文摘gydF4y2Ba

认知无线电(CR)的概念侧重于设备可以感知环境,配置参数,适应和学习从过去的行为。人类认知体系结构趋向简化决策算法的启发。最初的作品定义认知引擎(CEs)基于启发式,如遗传算法(气)和案例推理(CBR)经验学习算法。这种混合架构使长期学习,更快的决策根据以往的经验,和能力仍然适应新的环境。摘要细节一个自治实现混合CBR-GA CE体系结构的通用串行无线电外围(USRP)软件定义无线电关注链接适应。细节包括整体流程、案例基础结构/检索方法,评估方法在GA,硬件软件的教训。独特的解决方案实现的概念包括机制结合向量距离和过去健身总量化相似。无线性能几种干扰条件下使用信噪比测量,包错误率,频谱效率和吞吐量作为观察指标。结果表明,CE成功能够自动改变发射功率,调制/编码和数据包大小保持联系而非认知方法失去了连接。解决现有的不足之处提出了改善事例库搜索和性能评估方法。gydF4y2Ba

1。介绍gydF4y2Ba

无线通信设备和网络面临外界影响,降低性能和潜力呈现链接无效。新进展领域的认知无线电(CR),受人工智能与可重构平台的集成,使设备和网络的观察,做出决定,从过去的经验中学习。CR所面临的关键问题是如何有效整合学习和决策在软件定义无线电(SDR)等无线平台,他们可以迅速和有效地反应情况。gydF4y2Ba

本文具体地址的实现和实现认知引擎(CE)的SDR平台链接适应性的目的。解决的问题包括整合机制系统观察,触发的订婚CE、架构CE,这样它既能当面对新形势,做出决定,从过去的经验中学习。gydF4y2Ba

现有技术定义了CE体系结构基于启发式决策,如遗传算法、以及经验CBR。早期作品也提出了混合架构,同时结合了。本文建立在以前的工作全面实施混合CBR-GA引擎,CBR提要GA。的CBR决策如果过去的经验可用,否则GA委托确定无线电参数设置如果情况没有足够类似,过去的经验。顶部的CBR给GA作为初始的父母改善的起始搜索点。其他贡献包括整体流程、案例基础结构/检索方法,在遗传算法性能评估方法,和硬件/软件的教训。gydF4y2Ba

独特的解决方案实现的概念包括机制结合向量距离和过去健身总量化相似。电流限制在架构和实现进行了讨论。解决方案提出了案例基础搜索是基于一个惟一的索引方案。讨论额外的评估方法的不足提出解决方案利用盲信道估计值反馈发射机。gydF4y2Ba

本文的其余部分的结构如下。部分gydF4y2Ba2gydF4y2Ba介绍了GA和CBR的认知无线电的基础架构。注意,我们使用术语gydF4y2Ba认知gydF4y2Ba充其量是微不足道的转型工作领域的心理学,教育,和计算机科学研究真正的认知科学。本节关注cognitively-inspired简单的启发式决策算法和经验与一个特别提款权平台的集成。我们不会讨论规则、政策或贝叶斯推理者。部分gydF4y2Ba3gydF4y2Ba细节我们CE体系结构和流程。这包括CBR结构情况下,检索机制和遗传算法集成和流程流。部分gydF4y2Ba5gydF4y2Ba详细讨论了特定的硬件平台和集成与协调相关问题的基于软件的CE独立的特别提款权。部分gydF4y2Ba6gydF4y2Ba提出性能指标作为系统的地方,一个在线文件传输的负载在发射器/接收器连接第三方干涉源的存在。三个具体环境情况下被认为是。部分gydF4y2Ba7gydF4y2Ba识别特定的限制和假设在我们当前的架构与CBR在GA搜索和检索和当前估计算法。独特的和令人信服的解决方案提出了攻击的局限性。最后,部分gydF4y2Ba8gydF4y2Ba总结并讨论未来的研究领域。gydF4y2Ba

2。背景gydF4y2Ba

本节将重点介绍相关背景CR架构关注GA和CBR-based架构。CR的起源来自可重构特别提款权的增长平台。这种转变从纯粹的基于硬件平台的支持因素使集成人工智能无线通信。Mitola人们普遍认为跳启动字段与原论文的系统可以智能地响应用户的需求gydF4y2Ba2gydF4y2Ba]。今天的CE体系结构与设计保持这个愿景面向观测系统性能指标,也称为米,以决定如何设置配置参数定义的特别提款权支持的目标。gydF4y2Ba

过程循环的基础,我们的CE在于观察,东方,决定,行动(OODA)循环gydF4y2Ba3gydF4y2Ba]。米提供触发迷人CE和定义的改进。目标,比如最小化能量,减少错误,或者最大化吞吐量提供一个方向,CE用来驱动决策。简化决策算法识别新收音机配置参数,理想情况下将提高性能,可见米属于定义阈值。最后,这些新无线参数传递到实施特别提款权,回到开始的循环。注意,这个流程在本质上是反动的,有时被认为是有缺陷的由于其无法积极主动。gydF4y2Ba

早期CE体系结构关注基于规则的决策提供快速反应时间无论如何都会以相同的方式运作的情况。生物启发的启发式方法被视为另一种方法,使多目标性能的定义和能力应对新情况(gydF4y2Ba4gydF4y2Ba]。气体的初始电台配置和发展它通过迭代相结合的随机突变和交叉功能的强有力的候选人的解决方案。方法的缺点包括所需的时间达到收敛,强烈依赖于健康的定义,要求估计算法对候选解决方案的可行性。这里描述的引擎,允许限制代GA的数量以确定一个潜在的解决方案之前,条件已经改变了太多。承认GA的解决方案,特别是从generation-limited操作,不会是最优的。gydF4y2Ba

实现遗传算法需要转换的指标和电台配置到一个统一的尺度来组合成一个适应度函数来评估一个解决方案取得成功的潜力。这需要使用规范化指标到类似规模的效用函数(gydF4y2Ba5gydF4y2Ba]。gydF4y2Ba

当气体使适应新形势的CE,收敛时间减少它的价值在实际部署无线环境的变化速度。为克服此缺点,研究人员调查结合遗传算法与其他决策架构。CBR拥有许多可取的特点的CR。基本算法计算简单,可以做决定的速度比遗传算法并结合长期学习。这个experiential-based决策者建立本身对人类决策原则,解决一个问题可以利用或修改解决过去的问题关闭在相似gydF4y2Ba6gydF4y2Ba]。而简单的概念上,实现需要病例定义机制,量化相似的情况下搜索和添加。混合的组合CBR和启发式与802.22空白设计用于传输最相似的情况下从一个图书馆在哪里然后使用爬山搜索和遗传算法优化(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba7gydF4y2Ba]。这个引擎使用的配置最相似检索的情况如果落在一个定义的相似度阈值,否则上面检索情况下作为最初的亲本种群遗传算法的一部分。gydF4y2Ba

3所示。混合架构gydF4y2Ba

3.1。一般工艺流程gydF4y2Ba

图gydF4y2Ba1gydF4y2Ba说明了认知的一般决策周期的架构。工艺流程包括五个部分:(1)观察,(2)方向,(3)决定,(4)行动,和(5)学习。决定周期的第一部分着重于系统的观察。通常情况下,观测包括米和环境条件,诸如噪音水平。这是由来自接收者的反馈收集米实现802.11发射机通过专用链接。预定义的阈值的性能确定当引擎移动观测周期的方向和决策周期。目前,CE时触发包错误率超过某个阈值(每)。gydF4y2Ba

如果一个事件被检测到,发动机转到一个方向的阶段,决定了哪些决策模块最适合这种情况。这个引擎是基于CBR和遗传算法的混合架构。这样做的目的是首先确定如果过去的决定是类似于现状。如果相似度属于定义的阈值,那么配置设置从最过去类似的案例选择和实现收音机。这是首选,因为CBR的time-to-action通常比启发式遗传算法快得多。然而,如果没有过去的经验,落在一个定义的相似度阈值,然后GA订婚了。gydF4y2Ba

遗传算法是一种启发式搜索优化算法中描述的部分gydF4y2Ba3所示。2gydF4y2Ba。一旦确定了一个解决方案,这个决定是实现通过改变配置特别提款权的输入匹配的解决方案。的最后一部分决策周期包括学习这个解决方案是否值得记住。这是通过检查系统实施后指标提高的解决方案。如果这个新的解决方案导致了改进的性能,那么解决方案添加作为一个新的图书馆。GA过程细节讨论接下来,其次是CBR。gydF4y2Ba

3.2。遗传算法gydF4y2Ba

气体在启发式搜索的分类。本节简要讨论他们的操作。读者被称为(gydF4y2Ba8gydF4y2Ba为更多的细节。GA的灵感来自生物的进化过程。这里,生物或动物拥有遗传性状更有利的对于一个给定的情况下有更高的生存机会。这些特征从父母传给孩子的目标将从每个父母最好的特质。此外,随机突变提供了能力随着时间的推移,适应新的情况。适应这些概念认知无线电需要定义性能目标到电台配置参数计算功能和编码成一个字符串。健身功能量化的成功组特定的配置参数。例如,一个数据包误差函数,它是一个因素,吞吐量和频谱效率可以定义一种无线电的性能。第二个函数集,称为效用函数,实现规范化每个性能测量到类似的尺度。gydF4y2Ba

这些函数提供一个计算相当于有机体生存的机会。配置参数的组合导致的最大价值是最理想的健身功能。同样,编码成相当于细胞染色体的参数使操纵利用基因基因交叉和变异等概念。遗传算法的迭代操作首先确定一个初始种群。每个人群中是一个独特的编码配置参数因素到个体的适应度函数。最弱的人,其余的人作为一个新的父母。这个下一代的个体是由结合,或交叉,最好的特征从一组的父母。此外,在每一代中,随机突变发生在一些人。这个过程会一直重复,直到一个预定义的最大数量的一代所取代。总的来说,GA驱动其操作的关键配置参数是人口规模,交叉率、变异率和最大代。gydF4y2Ba

遗传算法最终收敛到一个好的,但不一定是最优解。像任何random-based搜索、初始种子,或搜索的起点是减少收敛时间的一个关键方面。这里提出的体系结构试图提供更强的起点GA通过使用条目在历史上最初的种子。gydF4y2Ba

3.2.1之上。效用函数和健身gydF4y2Ba

公用事业是指标,为系统提供一种测量配置参数或计的愿望。他们是规范化在0和1之间,1表示最可取的和0最不可取的。每个效用函数是单调增加或减少取决于参数遵循高一些更妙的愿望或lower-is-better目标。用于生成的一般方程的效用函数是基于以前的工作gydF4y2Ba9gydF4y2Ba]。每个效用函数中可以看到的情节人物gydF4y2Ba2gydF4y2Ba,那里的gydF4y2Ba设在代表配置参数的范围和米,和gydF4y2Ba设在实用价值。请注意,对于传输能量,gydF4y2Ba设在,范围从0到100。这是因为这里传输能量表示为一个百分比,其中0对应于最小输出功率和100表示最大的输出功率。gydF4y2Ba

健身是一个指标,结合所有实用程序为一个号码。这也是规范化在0和1之间。几种不同的方法来计算健身被认为是:gydF4y2Ba 方程(gydF4y2Ba1gydF4y2Ba)显示健身通过加权求和计算,(gydF4y2Ba2gydF4y2Ba)显示通过加权计算产品,(gydF4y2Ba3gydF4y2Ba)显示了一个求和的公用事业提高到他们的重量,gydF4y2Ba是公用事业,gydF4y2Ba每个实用程序和相关的权重吗gydF4y2Ba配置参数的总数和米。权重的目的是给一个不同的意义为整体健身计算每个实用程序,定义权衡做出什么决定什么配置参数选择。gydF4y2Ba

的三种可能性,产品健康,因为健康的价值只会是可取的(接近1)如果所有的工具都是可取的,如果一个实用价值是不受欢迎的(接近于零),那么整个健身也将不受欢迎的。图gydF4y2Ba3gydF4y2Ba显示了一个示例的健身空间是两个工具,一个重量为0.8,另一个重量为0.2,为每个三个方法。产品的健身方法是唯一一个实现目标。这意味着,如果一个配置参数或计特别穷,那么它将得到强烈惩罚健身计算;所以只有一个解决方案,具有良好的配置参数和米会有一个良好的健身价值。gydF4y2Ba

3.2.2。遗传算法流程gydF4y2Ba

在高级别上来看,基本遗传算法流程描述如下。gydF4y2Ba(1)gydF4y2Ba每一行的人口是染色体定义为潜在的基因组合。每个可用的基因对应于一个独一无二的结合配置参数值,收音机可以设置。通常每个基因编码到一个定义的比特数。gydF4y2Ba(2)gydF4y2Ba生成初始种群通过播种三分之一的最类似的案件在CBR如果列表中如果有两个以上的情况下存储;其他种子它与当前的情况。其他三分之二是随机生成的。gydF4y2Ba(3)gydF4y2Ba然后,对于每一代,以下过程之后,直到一个新的人口形成:gydF4y2Ba(一)gydF4y2Ba公用事业和健身计算为每个单独的人群中,gydF4y2Ba(b)gydF4y2Ba生成下一个人口,父染色体是随机选择的,在更高的健身更有可能被选中,他们跨越,gydF4y2Ba(c)gydF4y2Ba然后每一位基因随机突变与某一固定的概率。gydF4y2Ba(4)gydF4y2Ba这个过程被重复为固定数量的后代。gydF4y2Ba

3.2.3。评估方法gydF4y2Ba

GA的估计米,以下流程进行。gydF4y2Ba(1)gydF4y2Ba首先,新从当前的信噪比,信噪比估计当前的传输能量,和新的传输能量,新信噪比当前低信噪比当前传动功率添加到新传动功率分贝。gydF4y2Ba(2)gydF4y2Ba吞吐量计算,我们知道系统使用一个常数符号率(gydF4y2Ba)。因此,我们可以计算出新的吞吐量(gydF4y2Ba)的符号率,新gydF4y2BatgydF4y2Ba错误校正码(gydF4y2Ba,gydF4y2Ba),gydF4y2Ba它可以正确的比特数,调制顺序(gydF4y2Ba)和负载长度(gydF4y2Ba),标题长度(gydF4y2Ba),副载波的数量(gydF4y2Ba)和循环前缀的长度(gydF4y2Ba)。这是所示(gydF4y2Ba4gydF4y2Ba):gydF4y2Ba (3)gydF4y2Ba计算的方方面面gydF4y2Ba错误校正码(gydF4y2Ba,gydF4y2Ba),请参考[gydF4y2Ba10gydF4y2Ba]。假设编码和未编码的数据流的吞吐量是相同的,概率编码之间的误差之间的关系和未编码的数据所示(gydF4y2Ba5gydF4y2Ba):gydF4y2Ba 然而,对于系统的情况下,保持不变的是符号率和吞吐量。因此,编码数据的吞吐量(gydF4y2Ba从符号率计算)(gydF4y2Ba)中所描述的步骤gydF4y2Ba。然后蒂尔达符号率(gydF4y2Ba)好像这个吞吐量计算,未编码的数据。gydF4y2Ba(4)gydF4y2Ba现在我们可以计算gydF4y2Ba从新的信噪比、蒂尔达符号率(gydF4y2Ba)、调制新秩序(gydF4y2Ba)和带宽(gydF4y2Ba)所示(gydF4y2Ba6gydF4y2Ba):gydF4y2Ba (5)gydF4y2Ba估算新系统,系统使用的公式(gydF4y2Ba16gydF4y2Ba为加性高斯白噪声(AWGN)信道。gydF4y2Ba(6)gydF4y2Ba的gydF4y2Ba可以估计的gydF4y2Ba和gydF4y2Ba和gydF4y2Ba(以字节为单位)通过(gydF4y2Ba7gydF4y2Ba):gydF4y2Ba (7)gydF4y2Ba最后,新的频谱效率估计通过简单地划分带宽估计的吞吐量。gydF4y2Ba

3.3。CBRgydF4y2Ba

CBR保持一个列表,它存储以前的过去,什么解决方案中可能遇到了特殊情况下。量化计算一个向量距离有多近的现状是过去的情况下在范例库。我们定义相似度作为这个距离的组合和解决方案的有效性,称为健身,当它最初应用。相似的排名情况,由定义相似度阈值过滤。顶部,符合这个阈值应用于广播前端。如果没有落在这个阈值,然后顶部病例播种到遗传算法作为初始父母节中描述gydF4y2Ba3所示。2gydF4y2Ba。gydF4y2Ba

3.3.1。选择结构gydF4y2Ba

对于每个案例,CBR存储以下。gydF4y2Ba(我)gydF4y2BaID:记忆是预先分配的CBR列表。每一次被初始化为空值。ID表示如果有效的值存储在该条目:0为当没有存储和1当一个有一个的例子。gydF4y2Ba(2)gydF4y2Ba旧的配置参数存储参数的值之前,他们改变了。gydF4y2Ba(3)gydF4y2Ba旧米存储的值米引发了CE。gydF4y2Ba(iv)gydF4y2Ba新的配置参数存储参数的值后发生了改变。gydF4y2Ba(v)gydF4y2Ba实用程序存储配置参数改变后新设施和健身和米测量。gydF4y2Ba

3.3.2。检索gydF4y2Ba

决定是否先前案件应该用于当前形势下,两个指标计算:距离和相似性。一般来说,一个案例从图书馆可以被认为是一个特定的向量距离当前形势。单是这一点就足以确定过去的经验,可以提供一个解决当前形势下,更多的决议检索是必需的。gydF4y2Ba(一)gydF4y2Ba距离度量显示有多近或者远现状从旧的配置参数和米存储在CBR列表。这个值是标准化在0和1之间,0代表两个相同的情况下,1代表完全相反的情况(如果配置参数的值和米的当前情况和存储情况下两端的距离值)。计算这个指标,采用欧氏距离(gydF4y2Ba8gydF4y2Ba):gydF4y2Ba 在哪里gydF4y2Ba配置参数的值是和米的当前情况下,gydF4y2Ba旧的配置参数的值是存储在CBR和旧米列表,gydF4y2Ba和gydF4y2Ba每个配置参数的最大和最小值计,分别和gydF4y2Ba配置参数的总数和米。gydF4y2Ba(b)gydF4y2Ba相似性度量相结合的距离(距离当前存储的情况)和新健身(有多好的存储解决方案)。几种不同的方法结合被认为是在较小的距离和更高的健康导致更高的相似之处。方程(gydF4y2Ba9gydF4y2Ba)显示了距离和健身产品,(gydF4y2Ba10gydF4y2Ba)显示了距离的健身,(gydF4y2Ba11gydF4y2Ba)显示了健身的距离,(gydF4y2Ba12gydF4y2Ba)显示了逆距离的健康gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba分别和健身的距离度量。在图gydF4y2Ba4gydF4y2Ba比较四种可能比较相似度空间。相似性(gydF4y2Ba10gydF4y2Ba)和(gydF4y2Ba11gydF4y2Ba)被丢弃,因为相似性度量应该只有一个高价值当健身和距离很低。方程(gydF4y2Ba12gydF4y2Ba)是不习惯,因为这将是零距离时存在的问题。它也更复杂的规范化。因此,(gydF4y2Ba9gydF4y2Ba)最终被用于计算相似度。gydF4y2Ba

4所示。认知引擎的配置参数gydF4y2Ba

CE操作可以开始前需要初始化的几个元素。的GA需要定义交叉率、变异率、人口规模和最大的几代人。同样,CBR的要求定义的最大基地规模和相似度阈值案件检索。最后,定义每个阈值将触发引擎接触以及配置参数用于计算的权重需要健身。下面将描述这些表中列出gydF4y2Ba1gydF4y2Ba。gydF4y2Ba

(我)gydF4y2Ba遗传算法交叉率:双亲的概率,从人口GA被选中后,将交叉。gydF4y2Ba(2)gydF4y2BaGA突变速率:每一位的概率的GA人口会修改(改变从一个零或从0到1)。gydF4y2Ba(3)gydF4y2BaGA人口规模:染色体的遗传算法在每一代。gydF4y2Ba(iv)gydF4y2BaGA马克斯代:遗传算法迭代的最大数量是允许才想出了一个解决方案。gydF4y2Ba(v)gydF4y2Ba事例库大小:它是将存储的最大数量的情况下。gydF4y2Ba(vi)gydF4y2Ba相似度阈值:CE的度量来决定是否使用GA或CBR。如果当前案件的相似性与任何存储在CBR大于这个阈值,然后采用CBR,如果是较低的,那么它将使用GA。gydF4y2Ba(七)gydF4y2Ba目前每个阈值:如果测量每超过这个阈值,然后CE将被调用。gydF4y2Ba(八)gydF4y2Ba配置参数和计重量:它们是用来健身的计算。每个重量的相对价值对其他人或多或少会给每个参数在计算健身价值的意义。这使得GA知道如何妥协配置参数和计值,试图找到一个基于目标的最佳解决方案。gydF4y2Ba

5。系统模型的实现gydF4y2Ba

系统设计在二进制图像数据从一个节点转移到另一个不同的环境下的场景。为了完成数据传输,通用软件外围设备(USRP)结合使用gydF4y2Baliquid-DSPgydF4y2Ba基于软件的DSP软件套件(gydF4y2Ba9gydF4y2Ba]。USRP是一个灵活的和可负担得起的特别提款权平台通常用于学术研究。扩展此功能,我们实现了一个反馈网络,发送控制消息收集实时数据。本节将描述,在高级别上,所涉及的元素的设计参数变化,反馈收集、以及某些设计必须做出权衡。gydF4y2Ba

5.1。特别提款权射频硬件和接口gydF4y2Ba

Ettus研究[gydF4y2Ba11gydF4y2Ba的USRP]是众所周知的生产提供了一个灵活的射频前端硬件来发送和接收数据。在不同类型的USRPs,存在一个区别在一代又一代的这些设备,每一个都有不同的总线速度进行用户数据处理。在我们的系统中我们选用USRP 1代定义的类型的女儿卡支持及其通用串行总线(USB)接口。与USB接口是一个挑战和机制解决这个问题稍后讨论。USRP包含一个单核处理器,但是两个线程从多核控制笔记本可以分享和与之交互。有线程之间的USRP切换开销以及同步问题需要考虑。对于这个应用程序,有一个专门的线程从每个USRP节点及其伴随的笔记本电脑。此外,还有其他线程从主控制笔记本的性能集合米,问题命令开始接收,打开或关闭的干扰。gydF4y2Ba

USRP董事会本身之上,一个女儿卡必须使用专门定义的射频参数支持。不同的女儿卡支持不同的频率和带宽。为我们的系统中我们选择WRX的女儿卡在未经授权的电视支持频率乐队。这些更高的频率更容易受到环境条件提供了丰富的测试环境。gydF4y2Ba

当实现CR系统,一个是有限的参数由DSP支持库。我们认为gydF4y2Baliquid-DSPgydF4y2Ba(gydF4y2Ba9gydF4y2Ba[]满足需求,并确认gydF4y2Ba12gydF4y2Ba),它提供了最有效的通信系统包括一个广泛的方面每个参数。gydF4y2Baliquid-DSPgydF4y2Ba提供了许多功能,但是,我们选择这些权衡降低的一个子集选择算法的复杂性而提供不同的解集。gydF4y2Ba

当我们的引擎与一个轻量级的DSP结合使用图书馆,我们可以关注准确度量系统的集合。为了方便易于实现中,我们使用了一个802.11的反馈网络通常支持通过一个内部无线网络接口控制器(NIC)在最新的笔记本电脑。通过线程收音机应用程序的过程中,我们能够有广播控制器执行两个基本任务;广播前端数据处理,以及消息解析和采取适当的行动。一个线程负责计算数据去或来自USRP,而其他过程控制信息执行所需的行动。这个系统最常用的命令是计收集、启动和关闭命令、参数重新配置和环境控制等。传递这些消息一个重量轻,定制,代理体系结构提供了可靠的基础数据收集、线上和线下的,在一个多节点特设网络。gydF4y2Ba

5.2。软件控制和信号处理gydF4y2Ba

在高水平接口与这些消息,命令结构是围绕MathWork的MATLAB程序。通过定义MATLAB兼容的函数,我们利用水平越低,c++代码控制。因为c++代码不能使用自然由MATLAB的使用gydF4y2Ba墨西哥人gydF4y2Ba接口是用来编译系统代码变成有用的MATLAB函数。这种方式,在MATLAB复杂矩阵处理可以有效地完成,而低水平的套接字代码仍然是使用单独的项目之间发送和接收消息。不同的沟通方法存在程序之间发送信息,如文件共享、信号和套接字。套接字通信便利程度的选择设计一个套接字用于多个实例,在只需要重新定义将改变听力过程的地址和端口号。网络使用一个特设网络,因此网络上的所有节点有可能发送信息,但是,任何给定的节点只需要发送的消息gydF4y2Ba代理gydF4y2Ba。这也提供了相同的接口程序在同一台计算机上,如传输程序和MATLAB控制过程。gydF4y2Ba

的gydF4y2Ba代理gydF4y2Ba的主要工作是接受来自网络上的所有节点的信息并相应地分配。这消除了需要一个地址包含在每条消息,有相对较少的消息需要发送整个系统。一旦这些消息最初定义,需要扩展,因此消息传递更多的静态方法。使用gydF4y2Ba代理gydF4y2Ba对象,然而,总是一个容易扩展网络添加更多的节点进行进一步的测试。通过MATLAB /gydF4y2Ba墨西哥人gydF4y2Ba接口,使用c++代码的交互gydF4y2Ba代理gydF4y2Ba对象作为CE。这类似于其他体系结构如CORBA、或者跨平台gydF4y2Ba13gydF4y2Ba]。通过使用一个适当的分层和可伸缩的控制结构来处理后端数据处理,我们可以开发一个高级测试框架包含在MATLAB。gydF4y2Ba

通信硬件的初始化参数通常是预定义的和实际的数据传输之前必须协商。gydF4y2Baliquid-DSPgydF4y2Ba提供支持实时参数增大用户有效载荷使我们关注于CE的优化数据吞吐量在任何时候在数据传输(有界至少每包)。这是可能通过相对较短,强劲编码,调制头包含必要的信息解调和解码用户负载。我们系统使用OFDM传输数据也都需要考虑副载波的数量和频率带宽分配表中列出gydF4y2Ba5gydF4y2Ba。这个系统是用来代替一个载波信号由于其广泛的适用性在现实世界的应用程序中,如长期演进以及报告更准确的网络指标的类型噪声注入到环境中。gydF4y2Ba

5.2.1。观察米gydF4y2Ba

米为系统提供一种分类器在整个数据传输的性能。通过选择适当的米我们可以恰当地描述系统在任何给定的时间点上。发动机本身考虑以下米在接收者节点:接收信号强度指示(RSSI),信噪比(信噪比),窗口的包错误率(每),吞吐量和频谱效率。这里,吞吐量和频谱效率是衡量接收机和用于对比测量性能。gydF4y2Ba

5.2.2。可配置参数gydF4y2Ba

基于每个决策引擎,引擎需要一个途径来推动新参数设置广播前端。通过添加CE临时控制网络上的节点,我们能够有效地让MATLAB引擎的无线电通信指标集合,参数调整,和其他控制信息。引擎认为参数及其关联值列在表中gydF4y2Ba2gydF4y2Ba。我们现在在这里的最小值和最大值由于离散和静态搜索空间允许系统中。数据包大小和权力是一个连续的价值在这些范围内,而离散值调制和编码。这种区别必须占在选择算法,作为我们的模型有可能想出一个浮点值的离散参数。通过适当的分段连续搜索空间,我们可以代表这些结果在某种程度上是透明的机制,依靠连续(比如GA处理)或离散(实际上应用程序新方案的收音机)参数。gydF4y2Ba

5.3。CE触发器gydF4y2Ba

CE使用原始传输数据和收集度量数据在一个功利主义的抽象风格。通过考虑效用(即。,u年代efulness) of the metric or configuration parameter value when making decisions we are able to consider not the raw value presented, but the usefulness of that value to the system. By measuring utility instead of the raw value themselves, we are optimizing each parameter’s usefulness within the system, allowing for a more natural style of comparison. The engine, as of now, triggers on a predefined threshold of metric value, namely PER. For example, we implemented one trigger as a rise in PER above a rate of 10%. This can be changed to use its utility instead of a raw value to better represent the crossing of PER into an unusable area of operation. This is important to CE design and should be accounted for when considering case-base usage [9gydF4y2Ba]。gydF4y2Ba

5.4。指标因素gydF4y2Ba

当收集性能指标,系统预计的数据反映当前状态发射机传输文件的有效性。为了更多的瞬时快照当前现状,提出了每一个50包窗口。过去50收到数据包,引擎记录数据包的数量,失败的循环冗余校验(CRC)。考虑到载荷失败了这张支票,我们可以有效地丢弃该包不正确的数据,记录错误。这与测量数据速率,这是不断的平均。这里,我们允许数据率平均在接收机作为发射机发送数据的有效手段。因此,如果发射机使用较高的调制,这将反映在计算数据速率,然而,如果太低,或是太嘈杂的环境,那么每个也应该反映这些形成鲜明对比的数据量。gydF4y2Ba

测量一个总体平均,以及短窗口认为度量样本正如上面所讨论的优缺点,提供了一个混合的原因。根据测试的类型,不同的方法收集性能米是必需的。例如,探测技术受到传统实验设计方法需要反复发送特定的数据包数量(gydF4y2Ba14gydF4y2Ba]。这是困难的在引擎的实现由于脱钩指标要求的引擎,和的数据量,也就是说,数目不详的数据包。通过测量超过指定数量的数据包发送的数据,我们可以准确地提供结果分析机制。这不是直觉的瞬间观察在任何给定的时间传输的引擎。gydF4y2Ba

5.4.1之前。可配置的参数考虑gydF4y2Ba

校准的传输功率范围部署之前是重要的一步。虽然USRP允许一个设置传输能量−80分贝至50分贝收音机操作不是很好这整个范围。我们需要定义一个更多的可用范围CE可以设置的权力。执行一个测试在传输功率增益集和RSSI和信噪比是衡量在一个数据文件传输。gydF4y2Ba

因为这个范围可能会影响到很多不同的事情,包括环境本身,我们认为这将是有用的测试系统的有效可用的权力范围在我们的一个没有噪音的环境。结果,如图gydF4y2Ba5gydF4y2Ba−之间,说明可用范围是40 dB和0分贝。gydF4y2Ba

注意,实际上有两个发射机USRP收益可设置的。通常一个考虑了软件传输USRP增益可调参数的设置。还有一个硬件增益设置实现的通用硬件驱动程序(UHD)与液体的界面。由于更高的难度设置UHD增益设置,它不是一个CE访问参数。它被设置为高水平和所有传输能量变化都通过执行gydF4y2Ba液体gydF4y2Badsp接口。gydF4y2Ba

目前定义的引擎选择从六个灯和三个编码方案。数据包大小和传输能量有更好的分辨率。总的来说,有56个潜在可用的调制方案gydF4y2Ba液体gydF4y2Ba图书馆。这种限制放在可用的调节是由GA的需要使用的评估模型。模型中使用遗传算法来估计可能的解决方案需要的健身占所有可用的调节。因此,为了降低复杂性少数调节被用于每个给定每个符号的范围。这些范围显示在表中gydF4y2Ba3gydF4y2Ba。大量的编码方案也提出的gydF4y2Ba液体gydF4y2Ba,但并不是所有的系统中使用。使用两种不同的编码GA的模型,因此该系统是有限的汉明编码和编码。数据包大小是可变的系统内一个预定义的限制。数据包大小定义为标题长度尺寸和负载。有效载荷长度由用户。我们把数据包的大小至少只要头信息进行编码,这是范围内的33位,平均数据包大小通常不超过几百字节。gydF4y2Ba

5.5。硬件方面的考虑gydF4y2Ba

虽然有很大的优势,使用一个灵活的USRP硬件板,仍有缺陷的界面。以前的工作探索问题USRP 1′s USB接口和USB连接显示一个贫穷的性能基准。USB接口有限USRP的最大输出每秒8 MSamples相反理论局限性的每秒128 MSamples [gydF4y2Ba15gydF4y2Ba]。董事会上界是有限的数模转换器(dac)。gydF4y2Ba

5.6。实验测试环境gydF4y2Ba

两个USRPs之间通过空气发送数据,采购数据从一个公共的图片文件。一幅画是用于演示目的,但不需要一定被使用。测试在不同环境可能需要大量的数据因此我们强加的要求发送的数据应该包含负载长度和文件偏移量的头信息。应该头CRC失败,我们不能相信任何数据包中的数据,并被视为一个掉了包。考虑到更多的数据是必需的,发射机开始采购的数据文件,开始考虑到文件结束字符。这个设置允许可变载荷大小以及可变数量的数据包发送。gydF4y2Ba

三种不同的场景中创建我们的系统在不同条件下对其进行测试。这些信号是由不同中心频率、带宽、USRP三分之一的整体功率输出。虽然这个网络的噪声产生节点是不同的,它是一个USRP 2,它产生垃圾数据模型噪声。这些环境建模的三种方式:没有噪音,附近的干扰信号,提高在噪声地板上。周围的环境让引擎最大化性能环境会让它。干扰信号使用高带宽较低的峰值功率模拟附近的信号造成干扰,而通过宽带噪声增加模拟,在中心频率低的信号传输。gydF4y2Ba

表gydF4y2Ba4gydF4y2Ba显示生成的差异在两种类型的干扰而表gydF4y2Ba5gydF4y2Ba显示了我们的配置元素用于传输信号。gydF4y2Ba

6。性能结果gydF4y2Ba

6.1。方法和结果gydF4y2Ba

实验的目的是比较CE的性能对认知(no-CE)电台,是无法改变其初始配置参数。no-CE配置相当于传统的无线设备,缺乏适应和学习能力。的无线连接无法改变其初始配置对干扰的反应。gydF4y2Ba

今天承认,自适应通信确实存在,但是大多数使用基于规则的决策,每次都遵循相同的行动。一个纯粹的自适应操作很容易被恶意用户。一个坊间的例子是打一个共同的房子飞。苍蝇有适应能力向后跳向上飞行前对运动的反应。这使得他们很难斯瓦特,直到人理解这种行为。可以利用这个适应目标通过拍打的身后。类似地,如果众所周知,广播只是增加传输能量反应干扰,它仍然可以很容易堵塞。然而,认知系统,采用动态频谱接入可能确定一个新的频道基于过去的经验哪一个是最空的。gydF4y2Ba

首先定义配置参数的方法由初始条件,如表中列出gydF4y2Ba6gydF4y2Ba。一旦定义,数据文件被链接干扰的存在,宽带干扰、窄带干扰信号。测试,共有2000个数据包传输。然而,由于数据包大小的变化对CE体系,传播的确切数量更改为每个运行。gydF4y2Ba

认知无线电是决定循环节中描述gydF4y2Ba3所示。1gydF4y2Ba。遵循这一决定循环,CE标识当数据包错误已经跌破定义阈值。在这一点上,引擎进行CBR或GA根据过去的情况下的可用性和相似性。确定的解决方案从决策模块实现收音机。这些决策图所示的一个例子gydF4y2Ba6gydF4y2Ba传输能量,数据包大小和调制变化。结果列在下表gydF4y2Ba7gydF4y2Ba表明认知引擎能够减轻干扰条件而no-CE性能会有所下降。gydF4y2Ba

但是。测试环境gydF4y2Ba

(我)gydF4y2Ba干预:噪声地板只是实验室的测试。gydF4y2Ba(2)gydF4y2Ba宽带噪声地板上增加:总体噪声地板,集中在传输信号载波频率和更广泛的比传输信号的带宽,是提高。gydF4y2Ba(3)gydF4y2Ba窄带噪声峰值:高功率噪声峰值和更窄的带宽是插入到传输信号的带宽。gydF4y2Ba

比较系统和no-CE系统,假设no-CE案例是专为噪声环境”影响了。”gydF4y2Ba

6.1.2。配置参数初始化值gydF4y2Ba

发射机配置参数的初始值(传输功率,数据包大小、调制和编码)需要确定。CE体系的情况下,他们将被设置为值接近最理想的情况下,也就是说,接近最低,最高接近最大数据包大小,调制顺序编码。no-CE系统的情况下,不同的测试配置参数的不同组合来找到一个好的组的“干预”。这组配置参数也将用于其他类型的环境进行测试。两个系统的初始参数值表上可以看到gydF4y2Ba7gydF4y2Ba。CE系统,配置参数范围如下。gydF4y2Ba(我)gydF4y2Ba:传输能量(20 dBm−−10 dBm)。gydF4y2Ba(2)gydF4y2Ba包大小:(400字节,字节)。gydF4y2Ba(3)gydF4y2Ba调制:(BPSK, QPSK, 8-PSK, 16-QAM, 32-QAM, 64 - qam)。gydF4y2Ba(iv)gydF4y2Ba4)编码:(汉明(7日,没有编码)。gydF4y2Ba

图gydF4y2Ba6gydF4y2Ba显示了运行时配置参数和米变化随时间(以秒为单位)的窄带干扰的环境。结果对于这三个环境,环境,宽带干扰、窄带干扰列在下表中gydF4y2Ba7gydF4y2Ba。图中有八个次要情节。gydF4y2Ba(我)gydF4y2Ba的四大表现不同的值不同的配置参数时,他们改变了CE被调用。对于no-CE的情况下,这些值将保持不变在整个运行。gydF4y2Ba(2)gydF4y2Ba底部四个显示的值不同米时测量实例。因为这个原因他们是由点表示。蓝色的点是米无线电测量,而绿色的GA估计这些值应该是什么。每个图,还有一个红线代表当CE的阈值应该被调用。因此,如果有一个蓝点每图中红线,然后CE将被调用(CE系统)。gydF4y2Ba

餐桌上gydF4y2Ba7gydF4y2Ba的平均值米CE系统一旦做出最终决定的平均值与米no-CE系统的整个运行进行了比较。从结果可以看出,CE体系的性能和no-CE系统的影响是相似的。然而,CE系统能够自己找到自己的解决方案,而对于no-CE系统必须设计和测试。no-CE系统有更高的吞吐量和频谱效率的代价也有更高的传动功率比CE体系。对于其他两个场景(宽带噪声地板和窄带噪声峰值增加),CE系统能够找到一个解决方案,允许它在获取数据链接,而no-CE系统不能运行在新的信道条件下,因此每一个。注意no-CE系统吞吐量在不利的信道条件下是0,因为接收方不能同步接收信号和无法测量它。gydF4y2Ba

7所示。当前的限制gydF4y2Ba

7.1。事例库搜索gydF4y2Ba

事例库推理引入了(gydF4y2Ba16gydF4y2Ba)对CR和被用于不同的应用程序,如gydF4y2Ba15gydF4y2Ba,gydF4y2Ba17gydF4y2Ba]研究USRPs对时机的影响因素对于给定网络内部如802.11和IEEE 802.15.4传感器网络提供服务。必须考虑在这些网络延迟的原因,其中一个是清除发送/请求发送协议的802.11。(gydF4y2Ba15gydF4y2Ba]表明,从控制计算机的USB传输信息介绍不可忽视的延迟可能导致数据包的碰撞。同样,鉴于网络相对大量的节点开始由一个认知的实体,一个有效的认知机制是关键。如果认知无线网络引入了不可忽视的延迟,一定的时间期限可能不满足,造成系统内的问题,如上面所描述的。虽然这并不是唯一的应用程序,这是一个简单的例子,为什么延迟是一个重要的问题,可以应用于许多无线系统依赖于计算有效期限遵守协议。gydF4y2Ba

通过调查进一步使用的索引方案范例库,我们可以提高性能的搜索算法用于查找中遇到相似的情况下,发动机过去。传统上,当前情况下对每个案例的相似度计算在基地中,这可以通过使用前面部分中描述的方法。这个方案可能需要相似的结构复杂的情况下,但在这里,我们可以定义一些简单的,但每个案例的关键方面事例库中快速访问。被调查的方法消除了指数依赖范例库的大小和查找时间,允许范例库成长大了更复杂的网络,并留住更快的访问时间。正在调查的方法,使用预定义的阈值相似性相对于每个参数,消除需要一个相似度计算,并使用这些阈值索引数据结构内的不同情况下。通过使用适当的阈值为每个参数值,我们可以定义确定足够相似的距离向量的可用的搜索空间。这类似于(gydF4y2Ba18gydF4y2Ba),它把搜索空间到二叉树的决定,然而,我们扩展到允许超过两个孩子,让每个节点索引条目在未来维度根据过去的情况下观察。我们也不需要任何计算决定,把搜索空间,因为它是预定义的在任何情况下进入数据库。gydF4y2Ba

为了演示这个索引结构的有效性,人物gydF4y2Ba7gydF4y2Ba演示了一些初步的结果平均访问时间的传统计算方法以及自定义树的数据结构来存储情况。很明显,传统方法指数依赖于范例库的大小。gydF4y2Ba

7.2。评估方法gydF4y2Ba

目前,估计GA的方方面面,理论公式使用AWGN信道。然而,众所周知,大多数现实世界环境中不遵循这种模式,无线信号将体验衰落等影响。因此,AWGN公式不能准确预测系统的性能当改变其参数不同的配置。gydF4y2Ba

这个问题建议的解决方案是实现一个盲人通道估计量,接收机,并将这些信息发送回发射机通过专门的反馈渠道。这个新的信息会告诉发射机什么类型的渠道系统,所以它可以更好地估计米。这将使引擎找到更准确的解决方案不同的编码。gydF4y2Ba

设计适应系统本质上是一种执行链接。在[gydF4y2Ba19gydF4y2Ba,部分gydF4y2Ba]概述可以找到不同的技术来适应数据率和数据包大小。对数据速率适应技术,大部分的描述依赖于某种形式的成功率和失败率,统计方法来确定是否应该改变了。其他技术使用一个测量信噪比方法或两者混合机制。调整数据包大小的描述方法是基于估计误码率,使用卡尔曼滤波器或基于成功率。gydF4y2Ba

的方法适应调制和功率提出了(gydF4y2Ba20.gydF4y2Ba]。这是一个简单的算法,如果系统没有实现,然后调制订单逐渐减少。如果最小调制订单仍然没有使系统达到预期目标,然后调整。它决定增加多少实力估计干扰功率和SINR,然后增加SINR达成目标的能力。在[gydF4y2Ba21gydF4y2Ba]他们适应的调制顺序M-QAM瑞利分配信道。为此,他们估计通道;这个信道估计不是盲目的,所以他们必须使用一个训练阶段和数据阶段。在[gydF4y2Ba22gydF4y2Ba- - - - - -gydF4y2Ba25gydF4y2BaCE),是用来确定MIMO技术和调制和编码使用基于反馈接收者发送回发射机。然而,他们的系统是基于实证观察,采用试错法,在平衡勘探与开发。这个系统将是不同的在两个方面:一个分析模型是源自估计信道信息,和GA将用于找到接近最优解。我们最好的知识,盲目的组合信道估计和CE找到接近最优解的一个分析模型来调整多个配置参数尚未实现。gydF4y2Ba

8。总结gydF4y2Ba

本文提出的实现混合CBR-GA CR引擎设计适应链接。讨论包括架构、流程、CBR相似性检索,GA估计方法,GA适应度定义和硬件/软件的教训。USRP平台上系统实现和测试三个干扰环境。性能结果表明,发动机能够减轻干扰当non-CE失败。讨论限制在当前的建筑和新的解决方案案例提出了搜索和评估方法。gydF4y2Ba

延长这项工作我们计划在几个方面来改善发动机的性能,如扩大可用传输参数的支持,对发动机使用效用阈值触发,模拟更准确的环境,以及适当的范例库的使用和更全面的研究更准确和动态信道模型估计。最重要的是,通过实现动态环境中,我们将能够观察和调整发动机对动态频谱接入。而频率选择协议还没有在系统中被认为是到目前为止,我们至少可以期待观察自然优化发动机的。例如,如果权力干扰我们传输峰值高,通过缩短数据包长度,引擎可以观察到更好的吞吐量,只有数据发送时的失败,而不是一个大的数据包在峰值误差,但良好的数据。这提供了一个例子的引擎对环境的反应。gydF4y2Ba

确认gydF4y2Ba

研究提出了调查部分支持的联邦铁路管理局,办公室的研究和发展,联邦铁路局批准号dtfr53 - 09 - h - 00021。表达任何意见、发现和结论或建议本出版的作者(年代),不一定反映的观点美国联邦铁路管理局和/或点。这项工作也支持的部分关键技术与应用科学研究所(ICTAS)的弗吉尼亚理工大学。gydF4y2Ba