基于粒子群优化算法的无线电频谱分配方法研究.pdf

《基于粒子群优化算法的无线电频谱分配方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、学术探讨∙网络与通信基于粒子群优化算法的无线电频谱分配方法研究冀鹏飞（山东科技大学，山东青岛266000）[摘要]粒子群(PSO)算法在认知无线电频谱分配问题上发挥着重要的作用,但是在连续无约束条件下基本的PSO算法才能得以运用,并且在此条件下,早熟收敛和收敛速度不够快等问题仍然无法得到效解决。为了优化这些问题，本文将对粒子群算法的早熟收敛问题进行分析并加以改进,成功地将统一的粒子群算法应用于解决频谱分配问题。在综合考虑系统的总宽带收益及用户接入公平性的基础上,建立了相应的目标函数,并验证了该算法的可行性和优越性。[关键词]认知无线电

2、；频谱分配；粒子群优化算法中图分类号：TN925文献标识码：A文章编号：1008-6609(2016)08-0048-03户之间的干扰，三是认知用户之间无线电系统收益公平性问1引言题。频谱分配模型通常由信道利用矩阵，信道奖励矩阵，干无线频谱是无线通信中的珍贵资源。现有无线通信系扰限制矩阵和非冲突信道分布矩阵组成。把m个认知用户统通常将无线频谱划分成若干固定宽度的频谱段，利用率很标记为1到n，m个信道标记为1到m.这n个认知用户m个无低，因此探索新的频谱分配方法显得越来越重要。认知无线重叠正交信道相对应。本文定义，信道利用矩阵电频谱分配

3、的模型和相对应的算法一直是国内外研究的热L={li,j

4、li,j∈{0,1}}是一个二进制矩阵，当且仅当li,j=1时，信点。但是一些算法的研究仍然存在许多缺点，例如文献[2]在n×m此基础上提出一种并行着色频谱分配方法，缩短了分配时道i能被用户j所使用。否则，li,j=0。信道奖励矩阵间，但是系统效率并不高。B={bi,j}，bi,j代表用户i使用信道j时所获得的奖励。如果n×m为了解决传统认知无线电频谱分配中的不足，目前量子两个或更多个用户在同一时间内使用同一个信道，他们彼此智能算法强大优势在许多文献中被提出并将其应用到认知间会产

5、生干扰，干扰限制矩阵C={ci,k,j

6、ci,k,j∈{0,1}}代表认n×n×m无线电频谱分配技术中，而粒子群算法（PSO）的优化性能高知用户间产生的干扰限制。如果用户i和用户k同时使用信于量子遗传算法，但是在算法理论方面，国内外学者研究发道j，他们会产生相互干扰，此时，ci,k,j=1，否则ci,k,j=0。特别现PSO算法存在着早熟收敛和收敛速度不够快以及全局搜索和局部搜索不平衡等问题。为达到全局搜索和局部搜索地，当i=k时ci,k,j=1-li,j非限制干扰矩阵A={ai,j

7、ai,j∈{0,1}}n×m之间的平衡，本文将一种

8、新的PSO算法UPSO(UnifiedParti-代表着信道分布，如果信道m能分配给用户n，则ai,j=1，否cleSwarmOptimization)应用到频谱分配上，以进一步提高频则ai,j=0。矩阵A必须满足由矩阵所定义的C干扰限制。如谱利用率。UPSO算法同样存在着早熟收敛问题，文章第四果ci,j=1，则ai,j×ai,k=0，∀1i,kn1jm。部分对UPSO算法早熟收敛进行分析用并利用混沌赋值思给定一个无冲突信道分配矩阵，用户i在使用信道m时想加以改进，使早熟收敛问题得到进一步的解决。所获得的奖励定义为：2认知无线

9、电频谱分配模型nmU=∑∑ai,jbi,j(1)认知无线电频谱分配模型必须要考虑三个方面的问题：i=1j=1一是二级用户也就是认知用户对主用户的干扰，二是认知用认知用户接入公平性表示为：——————————————作者信息：冀鹏飞，男，山东青州人，硕士，研究方向：计算理论与数据处理。-48-学术探讨∙网络与通信mmxn+1=xn+Un+1(12)112ididids1=∑(∑ai,jbi,j-U)(2)n-1nn=1j=1其中，ρ是统一因子，在[0，1]之间取值，用来平衡全局搜U越大，该分配用户所得到的收益越大。索和局部搜索。ρ=0为

10、局部PSO，ρ=1为全局PSO.s为标准差估计，用来计算认知用户所获得收益，s越Gn+1表示在全局PSO变量中粒子xn+111idi的速度更新，Lid表小，说明认知用户接入公平性越好。于是建立如下数学模示在局部PSO变量中粒子xi的速度更新，它们分别用下式计型：算：nmGn+1=χ[vn+c(pn-xn)+c(pn-xn)](13)max:U=∑∑ai,jbi,j(3)idid1idid2gdidi=1j=1Ln+1=χ[vn+c(pn-xn)+c(pn-xn)](14)idid1idid2giidnmmin:s=1(ab-1U)2(

11、4)1n-1∑∑i,ji,jn其中，n是迭代次数，gd（全局变量）是整个粒子群目前找n=1j=1到的粒子最优位置的下标，gi(局部变量)是xi的邻居目前找约束条件：ai,jak,j=0,li,k,j=1,(1i,kn