认知无线电中MAC协议识别系统的设计与实现(3)
为了更详尽的说明MAC协议识别的过程，文献[15]列举了四种主用户网络使用的MAC协议，分别是TDMA、slotted Aloha、CSMA/CA以及pure Aloha，作者研究了MAC协议类型和MAC层参数。
1.3 论文研究内容及意义
经研究发现，在以上MAC协议识别的文章中，都各自存在着一些缺陷，具体有如下几点：未考虑到信道衰落特性；未考虑噪声对接收信号的影响；未考虑主用户的接入状态是否受到CR用户的出现和传输的影响；合作式和分布式的认知无线电网络中的CR用户间信息交换过于复杂；识别过程中只提取了功率特征，对区分TDMA和slotted Aloha协议是可行的，但对多个MAC协议进行识别时效果不明显等等，所以本课题将考虑这些因素，并主要研究四种MAC协议的识别，以TDMA、CSMA/CA、pure Aloha和slotted Aloha作为测试对象。并结合实际信号的衰落特性以及信道噪声，提取功率均值和功率方差作为功率特征，提取信道忙碌时间和信道空闲时间作为时间特征。针对这4文特征，利用机器学习的算法对获得的实际信号进行分类，确定MAC协议的类型。
1.4 论文内容安排
本文主要对认知无线电网络环境下，主用户通信网络中的MAC协议进行了研究。首先，在相关文献的基础上对各类MAC协议的特点进行了分析比较。其次着重针对四种MAC协议（TDMA、slotted Aloha、CSMA/CA以及pure Aloha）的信号特征进行研究，发现它们之间的区别，从而进行特征提取。最后，利用机器学习的算法对以上四种MAC协议信号的特征进行训练分类和预测。
本文各章具体内容如下：
第一章：为绪论，分析了认知无线电领域的国内外现状，说明了论文的研究背景及意义。
第二章：说明了整体研究方案，介绍了相关原理与概念，还介绍了整个研究过程中使用的工具平台。
第三章：阐述了对TDMA、slotted Aloha、CSMA/CA以及pure Aloha四种MAC协议的设计仿真和特征提取 。
第四章：利用机器学习下的LDA算法、PCA算法和SVM算法对四种MAC协议的特征进行分类和预测。