基于群体智能的认知无线电频谱分配方法研究及应用

发布时间：2020-09-08 21:15

　　随着新的无线通信技术的逐渐出现,频谱资源的稀缺和授权频谱使用效率低的问题已经成为阻碍无线通信技术发展的一个原因,在这样的一个背景下,认知无线电技术产生了。它是一种动态接入频谱进行通信的方式,能够发现和利用空闲频谱,从而达到提高通信效率的目的。认知无线电的出现为解决频谱资源紧缺问题提供了一种有效地解决办法,因此,研究认知无线电技术具有着十分重要的研究意义和应用前景。本文主要对认知无线电的主要环节—频谱分配环节进行了深入的研究,主要的研究内容如下:(1)首先,了解认知无线电技术的基本理论,并对目前常用的频谱分配模型进行分析,确立了图论着色模型为本文的研究基础。其次,了解群智能算法的基本理论及应用情况。群智能算法因其具有算法实现简单、搜索能力强等的特点,现已被用于认知无线电寻优问题中,并取得了一定的研究成果。(2)在认知无线电中,频谱分配问题可以被描述为一组满足约束条件的优化问题,且属于复杂优化问题。为了证明群智能算法在解决频谱分配问题方面的优越性,本文将基于群智能算法的频谱分配方法与经典颜色敏感图论着色法进行比分析。实验结果表明,群智能算法应用于频谱分配问题具有有效性,且寻优性能优于经典颜色敏感图论着色法。(3)群体智能是在生物种群社会行为的启发下得出的概念,算法中涉及到的一些参数的设置往往是依据一定的经验得来的,在一定程度上降低了算法的寻优能力。本文提出了一种自适应量子遗传算法,在种群进化过程中,保留每代中的优秀个体,保证种群中的优秀个体不会在进化过程中被淘汰掉;在采用量子旋转门对个体进行更新时,旋转角的大小随着种群进化而不断变化。为了进一步提升算法性能,本文在算法中还引入个体变异思想,当个体满足变异条件时,采用量子非门对个体进行变异。最后,通过对复杂函数的测试以验证本文提出算法的有效性。(4)研究自适应量子遗传算法在频谱分配问题中的应用。将自适应量子遗传算法应用于求解频谱分配问题,并利用频谱分配静态和动态测试实验来验证本算法在解决频谱分配问题方面的有效性,且与基本量子遗传算法、遗传算法和粒子群算法进行对比分析以验证其优越性。从仿真测试结果中可以看出,与测试的其它三种算法相比,自适应量子遗传算法适合用于求解频谱分配问题,算法的收敛速度更快、寻优性能更好,能够获得更优的频谱分配方案。
【学位单位】：沈阳师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN925;TP18
【部分图文】：

频谱,频谱,测量结果,频段

各国对于无线频谱的划分通常采用静态方式进行分配。通常，据授权用户的需求为它们分配所需要的频段，这些被分配的频段只用户使用，其他未授权的用户不能使用。为了防止频段之间的通段之间还会预留一定的间隙防止通信干扰。另外，一些学者在调查，在某些时间段内，一些被授权的频段并未被授权用户使用，处于研究表明，当前政府所使用的分配方式使得有些频谱处于空闲状态却处于拥堵状态，降低了频谱的使用效率。表 1.1、图 1.1 为美国某一时间段频谱的使用情况的测量结果，从图中可以看出，3~6G谱的使用效率比较低，大部分都是处于空闲状态。从上文可以看出源处于一个非常紧缺的状态，但这并不是真正意义上的频谱资源稀这些有限的频谱资源没有得到合适的利用。表 1.1 频谱使用率测量结果Freq(GHz) 0~1 1~2 2~3 3~4 4~5 5~6Utilization(%) 54.4 35.1 7.6 0.25 0.128 4.6

变异操作,具体变异,经典遗传算法,编码方法

图 3.1 单点交叉异是根据一定的概率对个体的某些基因进行调整的操作，这个概在遗传算法中，变异操作可以根据个体编码方法的不同，可以，具体变异方法可以根据个体的编码方式以及问题需求进行 3.2 所示，对于采用二进制编码的个体来说，可以采用基本的得新个体。父代子代图 3.2 变异操作法的实现步骤 3.3 所示为经典遗传算法的实现流程，具体的实现步骤如下：

变异操作,编码方法

变异操作

【相似文献】