基于改进混沌粒子群算法的认知无线电频谱分配方法组成比例

本发明专利技术公开了一种基于改进混沌粒子群算法的动态时变频谱分配方法，解决认知无线电网络中以最大化网络效益为准则的频谱分配问题。在该策略中，引入混沌映射对初始种群和每代粒子位置进行遍历优化，以提高粒子的全局寻优性能，搭建降维频谱分配数学模型，降低算法计算繁杂度，减少时间开销。将改进混沌粒子群算法应用到频谱分配问题上，能为用户更高效的分配可用频谱，最大化系统总效益，进一步提高频谱利用率。

Spectrum Allocation Method of Cognitive Radio Based on Modified Chaotic Particle Swarm Optimization

【技术实现步骤摘要】
基于改进混沌粒子群算法的认知无线电频谱分配方法
本专利技术涉及无线电通信
，是一种基于改进混沌粒子群算法的认知无线电频谱分配方法。
技术介绍
随着无线电通信技术的迅猛发展，以超高速，超高容量，超短时延著称的5G技术在未来几年内即将商业化，无线通信业务量将大幅度增加。因频谱资源紧张和频谱分配方式的缺陷造成的频谱利用率低与通信业务需求间的供需不平衡问题日益严峻，认知无线电可动态探测无线环境，通过智能算法和自主学习技术更新数据，同时可进行空闲频谱判断与发射和接收机的工作参数校正调整，实现灵活接入频谱空穴。到目前为止，已将图论着色模型，博弈论模型，定价拍卖模型等经典数学模型及人工智能算法与认知无线电技术相结合，以其优越性能优化频谱分配问题。但应用到图论模型的智能算法本身存在计算复杂和易得到部分最优现象等缺陷。使得现有频谱分配技术在求解精度方面仍待提高，无线频谱资源的利用率仍可进一步提升。
技术实现思路
本专利技术所要解决的技术问题是：克服现有认知无线电频谱分配方法存在效率不高的问题，提供一种科学合理，适用性强，效果佳的基于改进混沌粒子群算法的认知无线电频谱分配方法。为解决上述问题所采用的技术方案是：一种基于改进混沌粒子群算法的认知无线电频谱分配方法，其特征是，它包括以下步骤：1)N个认知用户通过频谱感知获得M个空闲频谱，根据该频谱感知结果和认知用户自身需求，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C；2)定义一个待求解的分配矩阵A，该分配矩阵A受干扰矩阵C和可用频谱矩阵L的约束，将待求解的分配矩阵A映射为粒子的位置解，根据可用频谱矩阵L确定粒子的维数，并将基于分配矩阵A的网络效益函数U作为适应度评价函数，该网络效益函数U由分配矩阵A和效益矩阵B共同决定；3)初始化算法参数包含粒子速度公式中c1和c2、w，种群最大迭代次数T，粒子种群个体数E及Logistic映射公式中混沌迭代次数S；4)创建初始粒子群，粒子i的位置xi表示一种可行认知用户的频谱分配情况，表示第t次迭代粒子i的位置，Q为粒子的维数对应可用频谱矩阵L中1的个数，采用混沌映射公式和混沌逆映射公式进行S次混沌映射迭代生成一组Q个元素的混沌序列初始种群，并对序列中各元素进行0，1修正，满足二进制编码要求，粒子i的速度vi代表搜索频谱分配方案列表D的步长，表示第t次迭代粒子i的速度，其中F是频谱方案种数；5)计算初始粒子群的适应函数值，将网络效益作为适应度函数，选出个体的最大值pbest和种群最大值gbest，保存初代粒子最大的适应函数值，同时保存粒子位置及最优的频谱分配方案；6)更新每个粒子的速度vi：由于粒子的速度vi表示搜索频谱方案列表的步长，粒子的位置xi表示频谱分配方案列表中的一种可行方案，因此需要在粒子速度公式的基础上进行调整变换，调整后的公式为为了提高粒子群后期的全局寻优能力，对粒子的速度vi也进行混沌映射优化；7)根据粒子位置公式更新每个粒子的位置xi；8)更新pbest和gbest，如果的适应度值大于pbest的适应度值，则否则pbest不变，如果的适应度值大于gbest，则表示第t次迭代粒子种群的最大值；否则gbest不变；9)如果达到最大迭代次数T，则算法结束，得到最优的频谱分配方案gbest；否则，跳到步骤3)继续循环迭代更新。进一步，步骤1)中：所述可用频谱矩阵L为一个N×M维矩阵，L＝{ln,m|ln,m∈{0，1}}N×M式中，ln,m为认知用户n对信道m的使用关系，若ln,m＝1，表示认知用户n可以使用频谱m，则ln,m＝0，表示认知用户不可以使用频谱m；所述效益矩阵B为一个N×M维矩阵，B＝{bn,m|bn,m>0}N×M式中，bn,m为次级用户n占用相应信道m时可得到的带宽效益大小，单位为KB/s，由于位置不同的次级用户发射和调制的方式会不同，所以各用户获得的效益有所差异，当ln,m＝0时，bn,m＝0；所述干扰矩阵C为一个N×N×M维矩阵，C＝{cn,k,m|cn,k,m∈{0，1}}N×N×M式中，cn,k,m为多个次级用户使用同一信道的干扰关系，若cn,k,m＝1，则认知用户n，k使用信道m的时候会产生干扰，不可以同时占用，反之，可以同时使用，并且C由L决定，即cn,k,m≤ln,m×lk,m，当n＝k时，cn,n,m＝1-ln,m。进一步，步骤2)中：所述分配矩阵A为一个N×M维矩阵，A＝{an,m|an,m∈{0，1}}N×M式中，an,m为各个认知用户可能分配到的一种有效频谱情况，若an,m＝1，表示认知用户n分配到了频谱m，反之，表示认知用户n没有分配到频谱m，认知用户占用的频谱必须对其它用户无影响，即满足约束规则如下：an,m+ak,m≤1和cn,k,m＝1，k∈[1，N]，m∈[1，M]；所述网络效益函数U为适应度评价函数，目标函数为式中，Λ(L,C)N,M为符合约束条件的所有可用频谱矩阵解集，即A的集合，物理意义表示满足网络效益最大的频谱方案。进一步，步骤3)中：所述的粒子速度公式为式中，是下一代粒子i的d维速度，即搜索空间的步长，是粒子i的d维位置在t次迭代后最优位置，是粒子种群的d维位置在t次迭代后最优位置，是本代粒子i的d维位置在t次迭代后的位置，r1，r2为均匀分布在(0,1)区间的随机数；c1，c2为学习权值，通常c1＝c2＝2，w是惯性权重，为参考原速率矢量的程度大小，Logistic映射公式为ys+1＝μys(1-ys)，式中，ys为第s次迭代产生的粒子位置优化的混沌变量，ys∈[0，1]之间的任意值，μ作为控制遍历状态的参数，当μ＝4，变量会遍历到整个搜索空间，即为混沌空间[0,1]之间的所有状态。进一步，步骤4)中：所述粒子位置公式为其中是下一代粒子i的d维位置，η是随机产生在[0,1]之间的随机数，是一个Sigmoid函数将速度的连续值限制在[0，1]之间，具体公式为粒子位置公式物理意义表示为当的值大于随机数η，则上置1，即第i个粒子d维上的数值在t+1次迭代后为1；反之，则上置0；所述取整函数为xi＝round(ys+1)，式中round()算子为取整函数，xi是修正后的粒子位置变量；所述混沌映射和混沌逆映射公式分别为和式中p0是混沌变量初值，是粒子i在第t次迭代后d维上的实数值，vmax和vmin是速度可以取到的最大值和最小值，ps是第s次混沌优化后的状态值，是经过t次混沌优化逆映射后的速度实数值；所述频谱分配列表D为D＝[D1,…,Df,…,DF]T，表示认知用户搜寻频谱分配方案的所有可能情况列表，其中Df＝[d1,d2,…,dq]，F是可行的频谱方案总数，f是频谱分配方案标号，q是可进行频谱分配的频谱数，dq∈{0，1}，(d1,d2,…,dq)以二进制方式有序排列。进一步，步骤6)：调整后的粒子速度公式为是下一代粒子i的q维速度，即搜索空间的步长，是粒子i的q维位置在t次迭代后对应的频谱分配方案标号，是粒子i的q维位置在t次迭代后最优的频谱分配方案标号，是粒子种群的q维位置在t次迭代后最优的频谱分配方案标号，频谱分配标号由查表获得,r1，r2为均匀分布在(0,1)区间的随机数；c1，c2为学习权值，通常c1＝c2＝2，w是惯性权重，为参考原速率矢量的程本文档来自技高网...

【技术保护点】
1.一种基于改进混沌粒子群算法的认知无线电频谱分配方法，其特征是，它包括以下步骤：1)N个认知用户通过频谱感知获得M个空闲频谱，根据该频谱感知结果和认知用户自身需求，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C；2)定义一个待求解的分配矩阵A，该分配矩阵A受干扰矩阵C和可用频谱矩阵L的约束，将待求解的分配矩阵A映射为粒子的位置解，根据可用频谱矩阵L确定粒子的维数，并将基于分配矩阵A的网络效益函数U作为适应度评价函数，该网络效益函数U由分配矩阵A和效益矩阵B共同决定；3)初始化算法参数包含粒子速度公式中c1和c2、w，种群最大迭代次数T，粒子种群个体数E及Logistic映射公式中混沌迭代次数S；4)创建初始粒子群，粒子i的位置xi表示一种可行认知用户的频谱分配情况，

【技术特征摘要】
1.一种基于改进混沌粒子群算法的认知无线电频谱分配方法，其特征是，它包括以下步骤：1)N个认知用户通过频谱感知获得M个空闲频谱，根据该频谱感知结果和认知用户自身需求，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C；2)定义一个待求解的分配矩阵A，该分配矩阵A受干扰矩阵C和可用频谱矩阵L的约束，将待求解的分配矩阵A映射为粒子的位置解，根据可用频谱矩阵L确定粒子的维数，并将基于分配矩阵A的网络效益函数U作为适应度评价函数，该网络效益函数U由分配矩阵A和效益矩阵B共同决定；3)初始化算法参数包含粒子速度公式中c1和c2、w，种群最大迭代次数T，粒子种群个体数E及Logistic映射公式中混沌迭代次数S；4)创建初始粒子群，粒子i的位置xi表示一种可行认知用户的频谱分配情况，表示第t次迭代粒子i的位置，Q为粒子的维数对应可用频谱矩阵L中1的个数，采用混沌映射公式和混沌逆映射公式进行S次混沌映射迭代生成一组Q个元素的混沌序列初始种群，并对序列中各元素进行0，1修正，满足二进制编码要求，粒子i的速度vi代表搜索频谱分配方案列表D的步长，表示第t次迭代粒子i的速度，其中F是频谱方案种数；5)计算初始粒子群的适应函数值，将网络效益作为适应度函数，选出个体的最大值pbest和种群最大值gbest，保存初代粒子最大的适应函数值，同时保存粒子位置及最优的频谱分配方案；6)更新每个粒子的速度vi：由于粒子的速度vi表示搜索频谱方案列表的步长，粒子的位置xi表示频谱分配方案列表中的一种可行方案，因此需要在粒子速度公式的基础上进行调整变换，调整后的公式为为了提高粒子群后期的全局寻优能力，对粒子的速度vi也进行混沌映射优化；7)根据粒子位置公式更新每个粒子的位置xi；8)更新pbest和gbest，如果的适应度值大于pbest的适应度值，则否则pbest不变，如果的适应度值大于gbest，则表示第t次迭代粒子种群的最大值；否则gbest不变；9)如果达到最大迭代次数T，则算法结束，得到最优的频谱分配方案gbest；否则，跳到步骤3)继续循环迭代更新。2.根据权利要求1所述的基于改进混沌粒子群算法的认知无线电频谱分配方法，其特征是，步骤1)中：所述可用频谱矩阵L为一个N×M维矩阵，L＝{ln,m|ln,m∈{0，1}}N×M式中，ln,m为认知用户n对信道m的使用关系，若ln,m＝1，表示认知用户n可以使用频谱m，则ln,m＝0，表示认知用户不可以使用频谱m；所述效益矩阵B为一个N×M维矩阵，B＝{bn,m|bn,m>0}N×M式中，bn,m为次级用户n占用相应信道m时可得到的带宽效益大小，单位为KB/s，由于位置不同的次级用户发射和调制的方式会不同，所以各用户获得的效益有所差异，当ln,m＝0时，bn,m＝0；所述干扰矩阵C为一个N×N×M维矩阵，C＝{cn,k,m|cn,k,m∈{0，1}}N×N×M式中，cn,k,m为多个次级用户使用同一信道的干扰关系，若cn,k,m＝1，则认知用户n，k使用信道m的时候会产生干扰，不可以同时占用，反之，可以同时使用，并且C由L决定，即cn,k,m≤ln,m×lk,m，当n＝k时，cn,n,m＝1-ln,m。3.根据权利要求1...

【专利技术属性】
技术研发人员：滕志军，谢露莹，毕楠，李红彪，滕利鑫，陈浩雷，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林,22