摘要:为解决频谱感知算法在低信噪比(SNR)时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布(SRNF)的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心 F 分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测(ED)算法和基于F分布的盲频谱感知(BSF)算法,当虚警概率为5%、信噪比为-12 dB、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为-12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。
摘要:目前移动网络优化一般基于小区进行网络质量评估及预测,遵循“升维研究,降维实施”的研究思路,提出了兴趣点(point of interest,POI)网络质量的柔性评价体系,但其涉及较多网络关键绩效指标(key performance indicator,KPI),导致POI网络综合质量评价体系较为庞杂且预测精度不高,为提高POI网络质量预测精准性,采用核主成分分析(kernel principal component analysis,KPCA)算法对反向传播(back propagation,BP)神经网络的输入变量进行相关性压缩,简化了BP神经网络结构,然后通过遗传算法(genetic algorithm,GA)优化了BP神经网络连接权值及阈值参数。与传统BP神经网络预测结果进行对比,在预测准确度方面提高了10.90%,均方误差性能显著降低,对研究POI网络质量的预测可起到较好的支撑作用。
摘要:物联网存在面向2G、4G、窄带物联网(narrow band Internet of things,NB-IoT)的传统专用核心网以及面向5G的toB物联网核心网。随着网络的进一步云化演进,为简化网络、增强能力、提升效益、方便运维,需要明确面向未来的物联网核心网目标架构。基于现网存在的问题,结合网络演进驱动力,对物联网网络演进目标架构、演进策略以及业务解决方案进行了分析和探讨,以此为运营商物联网规划建设提供参考。