人工智能技術在認知無線電中的應用

趙冠州

（大理大學，云南 大理 671000）

0 引 言

無線電技術自發展以來被廣泛應用于各個領域，如人們日常生活密切相關的調頻廣播、蜂窩電話和數字電視等，都是利用電磁波原理進行的數據傳播。隨著人們對無線通信的需求不斷增長，原有的無線頻譜已經不能滿足人們對帶寬的要求。認知無線電的出現，能有效解決這一難題。認知無線電也被稱為CR技術，是具有尋找無線空閑頻譜能力的智能無線電技術。它與傳統無線電技術的區別主要在于認知能力和重構能力兩點。認知能力是指CR技術可在無線環境中識別現有的無線頻譜，并自動感知工作參數；重構能力即CR技術可實現自動重構編程，對無線電的工作頻率、調制方式等參數進行再設置。而認知無線電在各個領域的應用則主要依靠于人工智能技術的支撐。人工智能是計算機學科的一個分支，涉及到語言識別、圖像識別和聲音識別等諸多內容。人工智能技術的蓬勃發展勢必會使認知無線電智能化成為現實。

1 認知無線電中常用的人工智能技術

認知無線電智能化主要體現在其推理、學習和優化能力上。推理能力是對現有知識庫中所含內容進行功能分區，并合理預測決策的過程。學習能力是指概括原有知識內容，融入到知識庫中。優化能力是對現有工作參數進行自主調試，以滿足人們的不同需求[1]。

1.1 推理系統

CR技術中的推理系統主要分為基于規則和基于案例的推理。其中，基于規則的推理系統是指來自各個行業領域的專業人士將學科前沿知識以編程方式存入知識庫中，利用CR技術對編程規則進行解讀，隨后完成指令操作。基于規則的推理系統結構簡單、操作容易，但穩定性不高。CR技術的實踐過程是將前期存入知識庫中的知識內容進行解析，然后按照指定操作輸出結果。這對知識結構和準確性提出了很高要求，一旦知識網絡模糊，推理系統無法正確識別指令，將會輸出錯誤的計算結果。另一種推理系統是基于案例進行推理，簡言之是在沒有完備的知識結構體系前提下，通過對比已經掌握解決某類特定問題的方法，將其應運在相似環境中。它的特點在于系統具有類似于人類的思維，可以運用已有解題方式解決新問題。在實際操作過程中，為了豐富拓展推理系統的使用寬度，人們往往將這兩種推理方式結合使用。當知識庫中知識儲備能解決問題時，主要運用基于規則的推理方式；如果知識網絡存在漏洞無法利用現有知識有效解決問題時，則綜合使用基于案例推理方式，通過案例學習做出推理決策。

1.2 機器學習方法

機器學習是指通過編程使計算機系統模擬人類思維，學習新興知識的過程。目前，被廣泛應用的機器學習方法主要有人工神經網絡和貝葉斯學習等。人工神經網絡是近年來學術界用來輔助完成科研過程的熱門算法，基本原理是類比人類大腦中神經元對信息的處理方式，通過不斷調整各數據節點之間的關系來完成信息處理。人工神經網路的優勢在于通過判定預選輸入系統內的起始和輸出數據間的邏輯關系，將輸入的新數據按照計算法則處理即可得出輸出結果。將現實案例抽象為數學模型，往往是科研過程中最難進行的部分。人工神經網絡的出現，有效解決了這一難題。傳統算法只適用于線性數學模型的求解優化，無法應對復雜的數學建模過程。人工神經網絡只需要案例原始數據，就可完成模型求解。此外，人工神經網絡的自適應性可被應用于認知無線電中的頻譜識別感應、信號感知和工作參數調試等問題。貝葉斯學習主要針對數據信息的先驗概率進行推理決策，在通信領域主要應用于問題的抽取、儲存等[2]。

1.3 智能優化算法

認知無線電區別于傳統無線電技術的主要特點是能按照環境和客戶需求實現工作參數的智能調試。工作參數設置包括頻譜、客戶需求和客觀環境等多方面限制，需要以函數形式進行多目標求解。遺傳、模擬退火和禁忌搜索算法都是認知無線電領域用來智能優化的基礎算法。遺傳算法模擬生物學中自然進化的原理，通過自然選擇淘汰劣勢解尋求問題最優答案。將認知無線電類比成生物體內的染色體，染色體中存在的各個基于對應程序的不同參數，經過不斷進化達到最終參數設置要求。模擬退火方法是模擬物理降溫過程，利用數學公式計算不同狀態的轉移概率與臨界值進行搜索。禁忌搜索通過設置禁忌表，防止搜索內容反復進入搜素序列，浪費搜索時間。

2 人工智能技術的CR應用實例

2.1 在無線區域網中的應用

無線區域網是以認知無線電技術為基礎，實現固定頻段的無線電數據傳輸。無線區域網與寬帶撥號上網的區別在于其使用的是全新的頻譜帶，主要應用于農村等偏遠地區。人工智能技術在無線區域網中的應用主要體現在認知引擎的升級換代上。以Newman等人研制出的基于CBR認知引擎為例，作用機理為感知模塊、無線環境圖與主控模塊的互相關聯。其中，無線環境圖是由分布在各個客戶終端的網絡節點與網絡線路連接而成的抽象數據庫，內部包含了地理信息、知識體系和服務信息客戶需求等。無線環境圖中的信息通過不斷觀測引擎中感知模塊的節點狀態變化將變化信息由CR傳送至主控模塊。主控模塊由效用、基于案例/規則的推理、信道建模和預測、多目標優化和頻譜管理幾部分組成。接收到數據信息后，主控模塊按順序完成推理、學習和優化過程，最終輸出結果。

與人工智能技術完美結合后的無線區域網絡可實現為用戶提供不對稱的數字用戶線寬帶接入服務。隨著互聯網和無線網絡的發展與普及，人們日常信息的獲取渠道早已由平面紙質報紙等轉化為網絡自媒體。為了滿足人們的日常生活需求，絕大部分地區的寬帶撥號上網業務已廣泛普及。但是，包含山區在內的許多人口密度較低的偏遠地區，由于線路接入成本較高，一直無法享受寬帶撥號上網業務?；?02.22的無線區域網系統雖然在上網速度和網絡性能上與固定上網差異不大，但可適應農村等偏遠地區條件，可為類似地區提供上網業務[3]。

2.2 在無線電測試平臺的應用

國外許多學者已經研制出了基于人工神經網絡算法的認知無線電測試平臺。無線電測試平臺需實現的設計目標是調試網絡頻譜帶、設置帶寬等工作設備參數，同時實現網絡最大吞吐量和最小運輸速率目標。結合人工智能技術中的遺傳算法，可建立解決問題的認知引擎。認知引擎的主要作用機理為：初始化無線電通過無線系統遺傳算法模塊收集信道信息并建模信道，信道建模過程完成后，將信道模型傳輸至認知系統檢測器模塊。在認知系統檢測器中判定決策無線電是否需要重新配置，并根據過去記憶的信道情況與參數配置對無線電性能的影響，決定哪些參數應該保留，哪些參數需要修改。經認知系統檢測器判定系統需要更新配置時，模擬器會將產生的適值函數和初始代的染色體提供給無線系統遺傳算法模塊，最終將適值函數表達為數學函數形式并輸出仿真結果。但是，如果經認知系統檢測器檢測系統無需更新配置時，系統自動生成子代染色體數據庫，用來檢驗基帶配置性能結果。該技術的優點在于系統可對當前環境產生的系統配置結果不斷進行優化更新，直至最后輸出目標結果，達到檢驗目的。

2.3 在WLAN中的應用

WLAN即人們常說的無線局域網。在無線局域網發明前，人們上網只能通過有線寬帶形式，將物理線纜連接成一個電子運行通路，費事且成本較高。無線局域網應用到人們日常生活后，可直接利用射頻技術使用電磁波傳輸數據，在空中進行通信連接?；贗EE802.11標準的無線局域網可實現特定頻段的無線電波連接。以家庭用網為例，家庭WLAN上網主要包含路由器、交換機、防火墻和無線接入點等幾部分，可通過以上設施設備實現數臺電子設備的以太網訪問需求。將人工智能技術應用在WLAN網絡后，具有認知功能的無線局域網可通過數據接入點的不同進行頻譜掃描，將對系統產生干擾的其他頻譜帶區分出來，并結合系統原有的通信信道模型建立適應用戶需求的通信信道模型。另外，基于人工智能技術支撐的無線局域網還可在對數據接入點頻譜掃描時核查非法入侵終端，防止網絡黑客惡意攻擊。

2.4 在多入多出系統中的應用

多入多出系統是指通過加設輸入端及輸出端上的接收信號天線方式，實現天線之間的信號傳輸，以達到改善通信質量和用網質量的目的。多入多出技術可高效改善目前的頻譜帶有限情況，提高現階段頻譜效率。將人工智能技術引入認知無線電系統后，能大大提高頻譜使用效率。人工智能技術與認知無線電系統的結合已不僅僅局限于學術范圍，這一創新形式早在2006就被應用于工業領域。墨爾本一通信公司已經開發出基于人工智能技術的商用CR系統，并廣泛投入到了生產環節[4]。

3 結 論

認知無線電是在無線電發展基礎上衍生出來的時代產物。基于人工智能技術的蓬勃發展，認知無線電被廣泛應用于通信、數據交互等多個行業領域。基于此背景，本文對人工智能技術在認知無線電領域的應用情況展開探討，將認知無線電領域中體現的人工智能歸納為推理、學習和優化能力。其中，推理能力包含了基于規則推理和案例推理兩種方式。機器學習能力部分簡述了人工神經網絡和貝葉斯學習方法等，算法優化部分則主要列舉了遺傳、模擬退火和禁忌搜索三種優化算法模型。最后，詳述了人工智能技術在WRAN、WLAN、無線電測試平臺和多入多出系統中的實際應用過程。