量子粒子群算法改进及其在认知无线电频谱分配中应用

量子粒子群算法改进及其在认知无线电频谱分配中应用

ID:34805100

大小:877.05 KB

页数:60页

时间:2019-03-11

量子粒子群算法改进及其在认知无线电频谱分配中应用_第1页
量子粒子群算法改进及其在认知无线电频谱分配中应用_第2页
量子粒子群算法改进及其在认知无线电频谱分配中应用_第3页
量子粒子群算法改进及其在认知无线电频谱分配中应用_第4页
量子粒子群算法改进及其在认知无线电频谱分配中应用_第5页
资源描述:

《量子粒子群算法改进及其在认知无线电频谱分配中应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、单位代码:10293密级:公开硕士学位论文论文题目:量子粒子群算法的改进及其在认知无线电频谱分配中的应用学号1010010427姓名丁颖导师李飞学科专业信号与信息处理研究方向无线通信与信号处理技术申请学位类别工学硕士论文提交日期二零一三年三月Improvementofquantumparticleswarmoptimizationalgorithmanditsapplicationtocognitiveradiospectrumallocation.ThesisSubmittedtoNanjingUniversityofPostsandTelecommunication

2、sfortheDegreeofMasterofEngineeringByDINGYingSupervisor:Prof.LIFeiMar.2013南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实,愿意承担一切相关的法律责任。研究生签名:____

3、________日期:____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档;允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库进行检索;可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布(包括刊登)授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名:__________导师签名:____________日期:_____________摘要针对量子粒子群(QPSO)算法迭代后期种群多样性下降、收敛

4、速度慢、易陷入局部最优的缺点,本文提出一种改进的QPSO算法。认知无线电是为了缓解频谱资源紧张而产生的,目前许多研究成果表明将量子智能算法应用于认知无线电频谱分配中是一个重要的研究思路和方向。本文研究基于QPSO及其改进算法的认知无线电频谱分配方案,并比较基于QPSO算法、改进的QPSO算法以及量子遗传算法(QGA)的认知无线电频谱分配的性能,主要工作有以下几点:第一,首先分析目前存在的两种量子粒子群算法,包括基本原理、算法流程以及理论性能。然后通过实验仿真,分析比较两者的性能,说明选择基于量子力学波函数的量子粒子群(简称QPSO)算法作为研究对象的依据。第二,首先以Q

5、PSO算法为依据,提出一种改进的QPSO算法——自适应收扩系数的双中心协作量子粒子群(AQPSO)算法,指出该算法的提出背景,包括改进思想的基础、来源以及目的,并且概括描述该思想。其次,详细阐述两个改进点——自适应收缩—扩张系数和全局最优位置的双重更新策略,包括基本原理、改进点的伪代码以及性能分析和比较。再次,给出AQPSO算法的算法流程。最后,通过实验仿真,从固定迭代次数和固定精度两个角度,分别比较QPSO和AQPSO算法的性能,验证了AQPSO相比QPSO具有较大的优势。第三,研究基于量子粒子群算法的认知无线电频谱分配非合作博弈论模型。首先,研究认知无线电频谱分配和

6、博弈论的相关理论以及认知无线电频谱分配的非合作博弈论模型的设计方法。其次,研究目前已存在的基于QGA和GA的认知无线电频谱分配,通过实验仿真测试QGA和GA的性能,验证了QGA相对于GA的优势。再次,分别研究基于QPSO和AQPSO算法的认知无线电频谱分配,详细探讨算法的性能和流程。最后,从实验角度,比较了两用户两信道以及多用户多信道情况下QGA、QPSO和AQPSO算法的性能,实验仿真表明,相比于QGA和QPSO算法,本文提出的AQPSO算法在收敛速度和寻优精度方面具有较高的优势。关键词:量子粒子群算法,改进,认知无线电,频谱分配,博弈论IAbstractAgains

7、ttheproblemsofQuantumParticleSwarmOptimization(QPSO)algorithminthelatepartofiterations,suchasdeclineofpopulationdiversity,slowconvergencerateandeasytofallintothelocaloptima,Animprovedquantumparticleswarmoptimizationisraisedinthispaper.Cognitiveradioisgeneratedtoalleviatet

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。