本发明专利技术公开一种基于布谷鸟搜索算法的认知无线电网络频谱分配方法，其以最大化认知网络总效益为优化目标，基于布谷鸟搜索算法，设计更高效的频谱分配方法。布谷鸟算法探索解空间的性能高，并能灵活地跳出局部极值，其结构十分简单，控制参数较少，参数的调整和设置方便，易于实施。将布谷鸟算法应用到无线频谱资源分配上，能更高效地将无线频谱资源分配给认知用户，更好地实现认知网络效益最大化，提高频谱利用率。
【技术实现步骤摘要】
本专利技术涉及认知无线电
，具体涉及一种基于布谷鸟搜索算法的认知无线 电网络频谱分配方法。
技术介绍
目前，随着无线通信的快速发展，频谱资源供需矛盾日益突出。认知无线电技术应 运而生。在认知无线电网络中，认知用户可以"伺机"接入授权用户的空闲频谱，有效提高 了无线频谱资源的利用率。而频谱分配是认知无线电中的关键技术之一，其主要解决在感 知到空闲频谱后，如何在满足一定的分配目标下，将空闲频谱资源高效地分配给认知用户。 频谱分配模型大多是借鉴于一些经典的数学理论以及微观经济学理论等，主要 有：博弈论、图着色理论、频谱交易与拍卖等。其中基于图着色的频谱分配方法是理论较为 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频 段非配给用户。基于图着色的频谱分配已被证明为一个NP难问题，而智能算法是求解NP 难问题的有效算法。采用遗传算法、人工蜂群算法、蚁群算法等智能优化算法及其改进算法 进行求解，是目前基于图着色的频谱分配研宄的主流方向。其中，比较典型的是基于遗传算 法（geneticalgorithm，GA)的频谱分配。但遗传算法本身存在难以克服的缺陷，使得现有 技术还存在求解精度不高等问题，影响了无线频谱资源的利用率。
技术实现思路
本专利技术所要解决的技术问题是现有频谱分配方法存在效率不高的问题，提供一种 。 为解决上述问题，本专利技术是通过以下技术方案实现的： ，包括如下步骤： 步骤1、M个认知用户通过频谱感知共获得N个空闲频段，根据该频谱感知结果和 认知用户自身信息，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C; 步骤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映射为布谷鸟搜索算法中的鸟巢位置，根据可用频谱矩 阵L确定优化维数，并将基于分配矩阵A的认知网络总效益函数U(A)作为适应度评价函 数，该认知网络总效益函数U(A)由分配矩阵A和效益矩阵B决定； 步骤3、设定寄主鸟的鸟巢个数即种群规模Pop，最大迭代次数Nter，布谷鸟蛋被 寄主鸟发现的概率Pa;设初始迭代次数为0,随机初始化鸟巢位置即随机产生Pop个初始鸟 巢位置； 步骤4、先对每个鸟巢位置进行二进制编码后将其映射到分配矩阵A，并对分配矩 阵A做无干扰约束处理后得到每个鸟巢对应的所求解；再根据适应度评价函数计算每个鸟 巢的适应度值，并选出最大的适应度值所对应的鸟巢位置和所求解，即作为最优适应度值、 最优鸟巢位置和最优解进行保留； 步骤5、更新鸟巢位置，找全局最优适应度值、全局最优鸟巢位置和全局最优解； 步骤6、判断是否达到预先设定的最大迭代次数Nter，若是，则输出全局最优解， 即为最优的频谱分配方案；否则，把此代的鸟巢位置作为下一代的初始鸟巢位置，迭代次数 值t+1，返回步骤5,继续进行下次迭代。 步骤1中： 所述可用频谱矩阵L为一个MXN维矩阵， L= {lffl；n|lffl；nG{0,1}}"xn 式中，m为认知用户，n为授权频段，M为认知用户的个数，N为空闲频段的个数； lm，n表示授权频段n是否为认知用户m的可用频段，1 m，n= 1表示授权频段n为认知用户m 的可用频段，lm，n= 〇表示授权频段n为认知用户m的不可用频段； 所述效益矩阵B为一个MXN维矩阵，即： _8]B= {bffl；n}MXN 式中，m为认知用户，n为授权频段，M为认知用户的个数，N为空闲频段的个数；bm，n 表示认知用户m在授权频段n上获得的最大效益； 所述干扰矩阵C为一个MXMXN维矩阵，即： C= {cffl；k；n|cffl；k；nG{0,1}}MXMXN 式中，m和k为认知用户，n为授权频段，M为认知用户的个数，N为空闲频段的个 数；cm，k，n表示认知用户m和k同时使用授权频段n是否产生干扰，cm，k，n= 0表示认知用户 m和k同时使用授权频段n不会产生干扰，cm，k，n= 1表示认知用户m和k同时使用授权频 段n会产生干扰； 所述分配矩阵A为一个MXN维矩阵，即： A= {am；n|am；nG{0,1}}MXN 式中，m和k为认知用户，n为授权频段，M为认知用户的个数，N为空闲频段的个 数；am，n表示授权频段n是否分配给了认知用户m，am，n= 1表示授权频段n分配给了认知用 户m，am，n= 0授权频段n未被分配给认知用户m。 步骤1中两个认知用户使用同一授权频段是否产生干扰即认知用户m和k同时使 用授权频段n是否产生干扰cm，k，n，采用两者之间的地理距离和各自的传输半径来判断，即： 式中，m和k为认知用户，n为授权频段，^为认知用户m的传输半径，Rk为认知用 户k的传输半径，dm，k=d为认知用户m和k之间的距离。 式中，m和k为认知用户，n为授权频段，M为认知用户的个数，N为空闲频段的个 步骤2中，所定义的待求解的分配矩阵A受干扰矩阵C和可用频谱矩阵L的约束， 即： 数；am，n表示授权频段n是否分配给了认知用户m，ak，n表示授权频段n是否分配给了认知用 户k，cm，k，n表示认知用户m和k同时使用授权频段n是否产生干扰，1 表示授权频段n是 否为认知用户m的可用频段； 步骤2中，适应度评价函数为认知网络总效益函数U⑷为： 式中，am，n表示授权频段n是否分配给了认知用户m;bm，n表示认知用户m在授权频 段n上获得的最大效益。 步骤4中，对每个鸟巢位置进行二进制编码的公式为：式中，j=l，2,3，...，P〇p，P〇p为种群数；i= 1，2,3，...，D，D为优化维数）；rand 为随机产生的（〇, 1)之间的值；为第j个原鸟巢位置的第i维变量，其表示能被二进制 编码为1的概率。 步骤4中，对分配矩阵A做无干扰约束处理是指当两个认知用户使用同一频段相 互间产生干扰时，需进行无干扰约束处理，即：对任一授权频段n，当授权频段n为认知用户 m的可用频段时，则检查频谱分配矩阵A中第n列第m行和第n列第k行是否都为1，若是， 则随机将其中一个置为〇,另一个保持不变。 步骤5具体为： 步骤5. 1、根据莱维飞行公式产生Pop个新的鸟巢位置； 步骤5. 2、对更新后的每个鸟巢位置按上述步骤4计算适应度值，再依次比较更新 前后两个鸟巢位置所对应的适应度值，保留更新前后两个解中对应较优者，则产生一组新 的鸟巢位置；记录此时的最优适应度值、最优鸟巢位置和最优解； 步骤5. 3、根据设定被发现概率Pa更新鸟巢位置，即产生一个与鸟巢位置同维的 随机数组RD，将随机数组RD与被发现的概率Pa进行比较，保留随机数组RD中大于被发现概 率Pa的元素所对应的鸟巢的元素，而对随机数组RD中小于等于被发现概率Pa的元素所对 应的鸟巢的元素随机更新，得到一个新的鸟巢位置； 步骤5. 4、根据获得的新的鸟巢位置，按上述步骤4计算适应度值，与上一步中得 到的每个鸟巢位置的适应度值进行比较，保留更新前后两个鸟巢位置中对应较优者，则产 生一组新的鸟巢位置；记录此时的最优适应度值、最优鸟巢位置和最优解。 步骤5. 1中的莱维飞行表示为： 式中，t表示当前迭代数；表示第t代第j个鸟巢位置；@表示点对点乘；a 为布谷鸟搜索路径的控制系数；Levy为莱维飞行随机搜索路本文档来自技高网...
【技术保护点】
基于布谷鸟搜索算法的认知无线电网络频谱分配方法，其特征是，包括如下步骤：步骤1、M个认知用户通过频谱感知共获得N个空闲频段，根据该频谱感知结果和认知用户自身信息，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C；步骤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映射为布谷鸟搜索算法中的鸟巢位置，根据可用频谱矩阵L确定优化维数，并将基于分配矩阵A的认知网络总效益函数U(A)作为适应度评价函数，该认知网络总效益函数U(A)由分配矩阵A和效益矩阵B决定；步骤3、设定寄主鸟的鸟巢个数即种群规模Pop，最大迭代次数Nter，布谷鸟蛋被寄主鸟发现的概率Pa；设初始迭代次数为0，随机初始化鸟巢位置即随机产生Pop个初始鸟巢位置；步骤4、先对每个鸟巢位置进行二进制编码后将其映射到分配矩阵A，并对分配矩阵A做无干扰约束处理后得到每个鸟巢对应的所求解；再根据适应度评价函数计算每个鸟巢的适应度值，并选出最大的适应度值所对应的鸟巢位置和所求解，即作为最优适应度值、最优鸟巢位置和最优解进行保留；步骤5、更新鸟巢位置，找全局最优适应度值、全局最优鸟巢位置和全局最优解；步骤6、判断是否达到预先设定的最大迭代次数Nter，若是，则输出全局最优解，即为最优的频谱分配方案；否则，把此代的鸟巢位置作为下一代的初始鸟巢位置，迭代次数值t+1，返回步骤5，继续进行下次迭代。...
【技术特征摘要】
【专利技术属性】
技术研发人员：肖海林，刘彩丽，胡悦，王成旭，张文娟，侯嘉，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。