در فصل 1 به معرفی استنباط بیزی پرداخته ایم در فصل 2 انتگرال گیری مونت کارلو را بررسی کرده ایم و در فصل 3 مدلهای اهیخته را معرفی و به انجام استنباط بیزی برای این مدلها پرداخته ایم.

شبکه های رادیوشناختی (cr) به واسطه ی هوشمندی و توانایی در شناسایی و آگاهی از محیط اطراف و به دلیل کمبود طیف در بسیاری ازکاربردهای عملی و نظامی توجه بسیاری از پژوهشگران را به خود جلب نموده است، طوری که امروزه بحث شبکه های رادیو شناختی به یکی از مباحث داغ در عرصه علم تبدیل شده است. رادیوشناختی از طریق حسگری طیفی قادر است حضور یا عدم حضور کاربر اولیه (pu) را تشخیص داده و ارسال یا دریافت را بر مبنای تصمیمات خود آغاز یا خاتمه دهد. روش های مختلفی در حوزه ی حسگری طیفی وجود دارند که از جمله ی مهمترین آن ها می توان به آشکارساز انرژی (ed)و آشکارساز ویژگی اشاره کرد که تحقیقات نسبتاً زیادی تا به امروز روی آن ها انجام شده است. روش های جدید آشکارسازی مشخصات سیگنال را استخراج کرده و عملکرد آشکارسازی را بهبود می بخشند. همچنین روش هایی که پارامترهای کمتری از سیگنال pu و محیط را نیاز دارند، در بسیاری از کاربردهای عملی مورد علاقه هستند. روش های غیرپارامتری از جمله ی روش های مرسوم در آمار هستند که پارامترهای حداقلی در مورد داده های دریافتی و توزیع آن ها نیاز دارند. در این پایان نامه، یکی از روش های آماری غیرپارامتری را معرفی کرده و از آن جهت حسگری طیفی محلی در کانال های غیرگوسی استفاده می نماییم. با استفاده از چنین روشی، نیازی به اطلاع در مورد سیگنال puنخواهیم داشت. همچنین عملکرد آشکارسازها را در حضور نویز غیرگوسی بررسی خواهیم کرد و نشان داده می شود که روش فوق عملکرد بهتری در کانال های غیرگوسی دارد. استفاده از روش های حسگری طیفی مشارکتی جهت مقابله با اثرات محوشدگی و سایه افکنی برای بهبود عملکرد آشکارسازی مورد استفاده قرار می گیرند. عملکرد آشکارسازی مشارکتی در کانال های گزارش غیرایده آل تحت روش آماری غیرپارامتری پیشنهاد و بررسی می گردد. نشان داده می شود که روش پیشنهادی با استفاده از اطلاعات کمتر نسبت به سایر روش های موجود مشارکتی، موجب بهبود عملکرد آشکارسازی محلی می گردد. کلید واژه: رادیوی شناختی، حسگری طیفی مشارکتی، حسگری طیفی غیرپارامتری، نویز غیرگوسی، کانال های گزارش غیرایده آل.

چکیده ندارد.