认知无线电中频谱切换与认知决策引擎研究

发布时间：2021-02-02 11:46

　　认知无线电技术是一项能够实现频谱共享、大幅提高频谱利用率的智能无线通信技术,它打破了传统的由政府授权静态使用无线电频谱的方式,实现了动态频谱接入。动态频谱接入需要解决一系列难题,本文深入研究认知无线电的目标信道选择、频谱切换和认知决策引擎。在目标信道选择机制方面,提出了三种基于切换时延和有效信道容量联合优化的目标信道选择算法。首先介绍了多目标优化相关理论;然后深入研究了三种多目标优化算法,分别是多目标粒子群优化算法、非支配排序遗传算法和基于Pareto包络选择算法,改进了编码方式、离散位置更新公式和交叉变异策略;最后根据频谱切换中目标信道访问场景详细推导了切换失败概率、有效信道容量和累积切换时延公式,应用上述三种多目标优化算法得到三种多目标优化的目标信道选择算法。仿真结果表明,三种算法都能兼顾网络的实时性和高吞吐率,多目标粒子群优化算法具有最好的切换性能和最高的复杂度,基于Pareto包络选择算法具有最低的复杂度和最差的切换性能,非支配排序遗传算法介于二者之间。在多对认知无线电用户频谱切换方面,提出了二种频谱切换算法。首先提出了一种基于节点分级局部控制频谱切换算法（HLC）。网络节点被... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 目标信道设计研究现状
        1.2.2 频谱切换研究现状
        1.2.3 认知决策引擎研究现状
    1.3 本文主要工作及章节安排
        1.3.1 本文主要工作
        1.3.2 本文章节安排
第2章 基于多目标优化的目标信道设计
    2.1 引言
    2.2 多目标优化理论
        2.2.1 多目标优化问题数学描述
        2.2.2 多目标粒子群算法
        2.2.3 多目标遗传算法
    2.3 频谱切换中目标信道访问模型
        2.3.1 问题描述
        2.3.2 频谱切换失败概率
        2.3.3 累积切换时延
        2.3.4 有效信道容量
        2.3.5 目标函数设计
    2.4 基于DNSGA-Ⅱ的目标信道设计
        2.4.1 编码
        2.4.2 交叉和变异
        2.4.3 基于DNSGA-Ⅱ的目标信道序列设计算法主要步骤
    2.5 基于DPESA-Ⅱ的目标信道设计
        2.5.1 交叉和变异
        2.5.2 基于DPESA-Ⅱ的目标信道序列设计算法主要步骤
    2.6 两种遗传算法仿真与性能分析
        2.6.1 参数设置
        2.6.2 算法性能分析
    2.7 基于DMOPSO的目标信道设计
        2.7.1 编码
        2.7.2 离散位置更新
        2.7.3 最优值更新
        2.7.4 目标信道设计算法主要步骤
        2.7.5 算法仿真与性能分析
    2.8 本章小结
第3章 基于节点分级的局部控制频谱切换
    3.1 引言
    3.2 基于分级的局部控制频谱切换算法
        3.2.1 频谱切换模型
        3.2.2 频谱感知
        3.2.3 邻居发现
        3.2.4 节点分级
        3.2.5 投票组网
        3.2.6 切换重构CRN
        3.2.7 算法仿真与性能分析
    3.3 改进的分级频谱切换算法
        3.3.1 问题分析
        3.3.2 改进分级的局部控制频谱切换算法
        3.3.3 分级流程图
        3.3.4 算法仿真与性能分析
    3.4 本章小结
第4章 基于智能优化算法的认知决策引擎
    4.1 引言
    4.2 基本粒子群及其改进算法
        4.2.1 粒子群算法（PSO）
        4.2.2 粒子群改进算法（IPSO）
        4.2.3 粒子群改进算法（APSO）
    4.3 基本差分进化算法及其改进
        4.3.1 差分进化算法（DE）
        4.3.2 改进差分进化算法（IDE）
    4.4 学习差分进化算法及其改进
        4.4.1 学习差分进化算法（BLDE）
        4.4.2 改进学习差分进化算法（IBLDE）
    4.5 改进粒子群和差分进化的混合算法
        4.5.1 粒子群和差分进化的串行混合算法
        4.5.2 粒子群和差分进化的并行混合算法
    4.6 基于改进智能优化算法的物理层认知决策引擎
        4.6.1 物理层认知决策引擎模型
        4.6.2 算法仿真与性能分析
    4.7 基于改进智能优化算法的跨层认知决策引擎
        4.7.1 跨层认知决策引擎模型
        4.7.2 算法仿真与性能分析
    4.8 本章小结
第5章 结束语
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]认知无线网络中基于混合频谱切换的最优目标信道选择算法[J]. 马彬,包小敏,谢显中.  电子与信息学报. 2017(01)
[2]一种基于切换失败概率和认知用户信道容量联合优化的访问策略[J]. 许蒙迪,金明,童景文.  电信科学. 2016(09)
[3]基于模拟退火粒子群算法的认知引擎研究[J]. 薛蒙蒙,马永涛,刘敬浩.  计算机工程与科学. 2016(08)
[4]认知无线电网络信道选择机制[J]. 薛伟,刘张超.  计算机系统应用. 2016(08)
[5]认知无线网络中频谱切换算法研究综述[J]. 马彬,包小敏,谢显中.  电子学报. 2016(06)
[6]差分进化算法的改进研究[J]. 何佳欢,王向东.  科技视界. 2016(01)
[7]基于元胞量子蜂群算法和信道案例库的认知无线电混合跨层决策引擎研究[J]. 尤晓建,何小海,韩雪梅,伍春,江虹.  四川大学学报(工程科学版). 2015(06)
[8]认知无线电中一种频谱聚合的切换策略[J]. 殷聪,谭学治,马琳,于洋.  四川大学学报(工程科学版). 2013(06)
[9]认知无线网络中的频谱切换性能分析[J]. 吴呈瑜,何晨,蒋铃鸽.  电子与信息学报. 2013(11)
[10]认知网络中基于模糊神经控制的切换判决算法研究[J]. 付欣,周亚楠.  无线通信技术. 2013(01)

硕士论文
[1]基于改进人工鱼群算法的认知引擎技术研究[D]. 张槟麒.哈尔滨工程大学 2013



本文编号：3014641