摘要随着无线技术在日常生活中的应用不断地增长，频谱资源成为无线通信领域中稀缺的资源。认知无线电技术可以实现频谱资源的再利用，有效解决了频谱资源短缺的问题。为了使得新加入无线网络的节点能够有效地与原有网络的节点进行通信，本文提出一种MAC协议识别技术。为此，本课题利用Matlab产生四种MAC协议的信号，它们分别是TDMA、slotted Aloha、pure Aloha以及CSMA/CA；从无线MAC协议中提取出发射功率和发射时间作为识别的特征；分别采用三种机器学习的算法LDA、PCA和SVM对输入的信号进行MAC协议的识别。实验表明，本课题设计的识别算法能识别出用户网络中使用的MAC协议。32172
关键词 无线通信 认知无线电 MAC协议 识别 机器学习
毕业论文设计说明书外文摘要
Title MAC Protocols Identification in Cognitive Radio System
Abstract
With the increase of wireless communication applications in real life, spectrum insufficiency became a big problem. Cognitive Radio has been proposed to solve this problem since it can realize the recycling of the spectrum resources. In this paper, we do research on the identification among four MAC protocols (TDMA, CSMA/CA, Slotted Aloha and Pure Aloha). We simulated the signal power pattern and channel time pattern and used Machine Learning method to identify these data. The simulation shows the research is successful.
Keywords wireless communication, cognitive radio, MAC protocols, machine learning
目 次
1 绪论 - 1 -
1.1 论文的背景 - 1 -
1.2 国内外研究现状 - 1 -
1.3 论文研究内容及意义 - 3 -
1.4 论文内容安排 - 3 -
2 总体设计方案 - 4 -
2.1 认知无线电技术 - 4 -
2.2 MAC协议 - 5 -
2.3 MAC协议识别技术 - 5 -
2.4 仿真工具选择 - 7 -
3 认知无线电MAC协议的仿真 - 8 -
3.1 认知网络模型设计 - 8 -
3.2 MAC协议特征分析 - 9 -
3.3 TDMA协议的仿真 - 11 -
3.4 Pure Aloha协议的仿真 - 13 -
3.5 Slotted Aloha协议的仿真 - 16 -
3.6 CSMA/CA协议的仿真 - 18 -
4 MAC协议识别算法的设计 - 22 -
4.1 LDA分类法的仿真 - 23 -
4.2 SVM分类法的仿真 - 24 -
4.3 PCA预测的仿真 - 26 -
4.4 SVM预测的仿真 - 29 -
结 论 - 30 -
致 谢 - 31 -
参考文献
1 绪论
1.1 论文的背景
近年来，随着无线通信技术的飞速发展，数字视频广播（DVB）、无线局域网（WLANs）以及无线城域网（WMANs）等无线通信系统对无线电频谱资源的需求也日益增长。然而，由于政府已经将特定范围的频谱资源授予了固定的无线业务，因此，在可用频率范围内，为新的系统寻找频谱资源十分困难。但根据FCC的调查，大部分授权用户（主用户）并未充分利用到属于他们的频谱资源，使用率仅为15%-85%[1]。因此，为了解决频谱紧缺的问题，研究人员提出了认知无线电技术（Cognitive Radio，CR）。这是一种智能频谱共享技术，它通过对授权频谱的“二次利用”，提高了对有限频谱资源的利用率，从而具有优越而广阔的发展前景[2]。 认知无线电中MAC协议识别系统的设计与实现:http://www.youerw.com/tongxin/lunwen_28629.html