一种认知无线网络频谱分配方法及系统技术方案

本发明专利技术公开了一种认知无线网络频谱分配方法，该方法为基于随机漂移的粒子群优化算法的认知无线电网络频谱分配方法，其中以最大化认知无线网络的总效益为目标，基于此种方法提高频谱分配的方法，本方法通过随机漂移的粒子群优化算法根据热运动和漂移运动巧妙的更新粒子的速度，并且可以兼顾局部搜索和全局搜索，将随机漂移的粒子群优化算法应用到无线频谱资源分配上能更加高效的将无线频谱资源分配给认知用户，更好的实现网络效益最大化；另外，本发明专利技术还公开了一种认知无线网络频谱分配系统。

Spectrum allocation method and system for cognitive radio network

The invention discloses a method of spectrum allocation in cognitive radio network, the method for spectrum allocation of cognitive radio network method of random drift based on particle swarm optimization algorithm, the total benefit maximization as the goal of cognitive radio network, this method improves the spectrum allocation based on the method of random drift by particle swarm optimization update algorithm according to the thermal motion of particles and ingenious drift motion speed, and can search both local search and global, the random drift of particle swarm optimization algorithm is applied to the wireless spectrum resource allocation can be more efficient wireless spectrum resource allocation for cognitive users, maximize the network benefit better; in addition, the invention also disclosed is a spectrum allocation of cognitive wireless network system.

【技术实现步骤摘要】

本专利技术涉及无线通信
，更具体的说，是涉及一种认知无线网络频谱分配方法及系统。
技术介绍
随着无线通信的快速发展，频谱资源供需矛盾日益突出。对于认知无线技术的出现在一定程度上解决了频谱资源供需矛盾的问题。在认知无线网络中，认知用户可以“机会的”接入授权用户的空闲频谱，有效的提高了频谱资源的利用率，但是频谱分配是认知无线电的关键技术，主要是解决了在检测到空闲频谱后，如何满足在一定的分配目标下，将空闲频谱高效的分配给认知用户。目前，频谱分配大都基于一些经典的数学理论以及微观经济学理论。主要有基于竞价与拍卖、背包问题、博弈论和图着色原理等。在这其中，基于图着色的频谱分配原理是比较成熟的一种算法，它将频谱分配问题表示为一个冲突图，根据不同的目标函数和规则将可用频谱段分配给用户。基于图着色的频谱分配被证明为一个NP难问题，而智能算法是求解NP难问题的有效算法，其中比较经典的是PSO(Particle Swarm optimization，基于粒子群优化算法)和GA(genetic algorithm，基于遗传算法)，这两种算法应用于频谱分配中，PSO只考虑全局搜索，而GA只考虑局部搜索。
技术实现思路
有鉴于此，本专利技术提供了一种认知无线网络频谱分配方法及系统，。为实现上述目的，本专利技术提供如下技术方案：一种认知无线网络频谱分配方法，包括：对随机漂移的粒子群进行初始化，设置所述粒子群的迭代次数的最大迭代次数为100、初始位置和初始速度；按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值；根据随机漂移粒子群算法特有的速度更新公式和位置更新公式以及限制条件对所述个体极值和所述全局极值进行粒子速度和粒子位置的更新；判断所述迭代次数是否达到最大迭代次数，若是，则将更新的所述粒子速度和粒子位置输出，若否，则按照适应度评估函数计算所述粒子群中更新的粒子的适应值。优选的，所述按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值之前，还包括：判断所述粒子群的初始位置和初始速度是否符合约束条件，若否，则进行所述粒子群的初始位置和初始速度的更新，若是，则将所述粒子群的初始位置和初始速度作为最优解进行所述粒子群的更新位置。其中，所述速度更新公式为其中，Vit+1为粒子i在t+1时刻的速度；alpha为热系数，beta为漂移系数， 为平均最好位置，为全局最好位置。其中，所述位置更新公式为其中，为粒子i在t+1时刻的位置信息。其中，所述限制条件为在t+1时刻的更新策略，即：和 其中，所述将所述xi限制在(0，1)之间。一种认知无线网络频谱分配系统，包括：初始化单元，用于对随机漂移的粒子群进行初始化，设置所述粒子群的迭代次数的最大迭代次数为100、初始位置和初始速度；计算单元，用于按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值；更新单元，用于根据随机漂移粒子群算法特有的速度更新公式和位置更新公式以及限制条件对所述个体极值和所述全局极值进行粒子速度和粒子位置的更新；判断单元，用于判断所述迭代次数是否达到最大迭代次数，若是，则将更新的所述粒子速度和粒子位置输出，若否，则按照适应度评估函数计算所述粒子群中更新的粒子的适应值。优选的，所述计算单元之前，还包括：第一判断单元，用于判断所述粒子群的初始位置和初始速度是否符合约束条件，若否，则进行所述粒子群的初始位置和初始速度的更新，若是，则将所述粒子群的初始位置和初始速度作为最优解进行所述粒子群的更新位置。其中，所述速度更新公式为其中，Vit+1为粒子i在t+1时刻的速度；alpha为热系数，beta为漂移系数， 为平均最好位置，为全局最好位置。其中，所述位置更新公式为其中，为粒子i在t+1时刻的位置信息。其中，所述限制条件为在t+1时刻的更新策略，即：和 其中，所述将所述xi限制在(0，1)之间。经由上述的技术方案可知，与现有技术相比，本专利技术公开了一种认知无线网络频谱分配方法，该方法为基于随机漂移的粒子群优化算法的认知无线电网络频谱分配方法，其中以最大化认知无线网络的总效益为目标，基于此种方法提高频谱分配的方法，本方法通过随机漂移的粒子群优化算法根据热运动和漂移运动巧妙的更新粒子的速度，并且可以兼顾局部搜索和全局搜索，将随机漂移的粒子群优化算法应用到无线频谱资源分配上能更加高效的将无线频谱资源分配给认知用户，更好的实现网络效益最大化；另外，本专利技术还公开了一种认知无线网络频谱分配系统。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种认知无线网络频谱分配方法的流程示意图；图2为本专利技术实施例中认知无线网络频谱分配的示意图；图3为本专利技术实施例采用随机漂移粒子算法与现有技术中GA算法、EA算法、PSP算法对比的系统收益对比图；图4为本专利技术实施例提供的一种认知无线网络频谱分配系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。随机漂移的粒子群优化算法(Random Drift Particle Swarm optimization，RDPSO)是基于外部电场下的金属导体中的自由电子运动的模型。每个电子在外部电场的作用下既有热运动，又有漂移运动。漂移运动是由电场引起的，是电子朝电场相反方向的定向运动；热运动是随机的即使没有外部电场也会存在。这两种运动的结合会使电子向势能最小的方向运动，其中漂移运动会使粒子向最好的位置运动，也就是全局最佳位置，因此可以实现粒子的全局搜索；热运动使得粒子的随机性更大，可以反映出粒子的局部搜索能力，两种速度的叠加可以很好的权衡局部搜索和全局搜索。请参阅附图1，图1为本专利技术实施例提供的一种认知无线网络频谱分配方法的流程示意图。如图1所示，本专利技术实施例公开了一种认知无线网络频谱分配方法，该方法具体包括如下步骤：S101、对随机漂移的粒子群进行初始化，设置粒子群的迭代次数的最大迭代次数为100、初始位置和初始速度。在本实施例中，认知网络结构包括授权用户和认知用户，每个主用户拥有一条独立信道，通过认知无线网络结构，具体的，请参阅附图2，图2为本专利技术实施例中认知无线网络频谱分配的示意图，首先进行数据初始化，确定以下矩阵：可用频谱矩阵L＝{ln,m|ln,m∈(0,1)本文档来自技高网...

【技术保护点】
一种认知无线网络频谱分配方法，其特征在于，包括：对随机漂移的粒子群进行初始化，设置所述粒子群的迭代次数的最大迭代次数为100、初始位置和初始速度；按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值；根据随机漂移粒子群算法特有的速度更新公式和位置更新公式以及限制条件对所述个体极值和所述全局极值进行粒子速度和粒子位置的更新；判断所述迭代次数是否达到最大迭代次数，若是，则将更新的所述粒子速度和粒子位置输出，若否，则按照适应度评估函数计算所述粒子群中更新的粒子的适应值。

【技术特征摘要】
1.一种认知无线网络频谱分配方法，其特征在于，包括：对随机漂移的粒子群进行初始化，设置所述粒子群的迭代次数的最大迭代次数为100、初始位置和初始速度；按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值；根据随机漂移粒子群算法特有的速度更新公式和位置更新公式以及限制条件对所述个体极值和所述全局极值进行粒子速度和粒子位置的更新；判断所述迭代次数是否达到最大迭代次数，若是，则将更新的所述粒子速度和粒子位置输出，若否，则按照适应度评估函数计算所述粒子群中更新的粒子的适应值。2.根据权利要求1所述的方法，其特征在于，所述按照适应度评估函数计算所述粒子群中各粒子的适应值，确定个体极值和全局极值之前，还包括：判断所述粒子群的初始位置和初始速度是否符合约束条件，若否，则进行所述粒子群的初始位置和初始速度的更新，若是，则将所述粒子群的初始位置和初始速度作为最优解进行所述粒子群的更新位置。3.根据权利要求1所述的方法，其特征在于，所述速度更新公式为其中，为粒子i在t+1时刻的速度；alpha为热系数，beta为漂移系数，为平均最好位置，为全局最好位置。4.根据权利要求3所述的方法，其特征在于，所述位置更新公式为其中，为粒子i在t+1时刻的位置信息。5.根据权利要求4所述的方法，其特征在于，所述限制条件为在t+1时刻的更新策略，即：和其中，所述将所述xi限制在(0，1)之间。6.一...

【专利技术属性】
技术研发人员：张强，王永华，万频，徐建辉，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44