一种认知无线电网络频谱感知方法技术
【技术实现步骤摘要】
一种认知无线电网络频谱感知方法
本专利技术涉及认知无线电和群智能算法的交叉
，特别是基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法。
技术介绍
很多时候，频谱感知的模型不一定是线性的，而智能算法通过借鉴仿生学的思想恰恰不受问题本身的限制，不需要知道问题的精确模型，拓展了传统的计算方式，因此非常适合于处理问题模型比较复杂，难以用传统数学方法表示的一类问题，智能算法这种新颖的思路方法成为当前研究的热点。粒子群优化算法由美国电气工程师Kennedy和心理学家Eberhart在早期共同提出，如今，包括其他各类智能算法的各种改进算法被成功应用在许多领域。粒子群算法是对鸟类捕食过程进行模拟。二十世纪七十年代，生物学家C.W.Reynold根据鸟类飞行的特点提出了Boids模型。该模型指出，群体中每个个体的行为在飞行过程中需遵循3条基本规则：(1)避免与周围邻近的个体碰撞；(2)和周围邻近个体的平均速度相一致；(3)移动方向为邻近个体的平均位置。自然界中的鸟群有时会聚集成一个大的群体向某一方向飞行，聚集成大的群体后，有时又会分散成几个小群体运动，我们通过多组实...
【技术保护点】
一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，其特征在于，包括以下步骤：步骤1)、主用户向各感知用户发送导频信息，各感知用户随机分布，第i个感知用户在k时刻接收到的瞬时量为xi(k)，该瞬时量包括主用户的信息以及噪声信号，设置此噪声信号方差为σ
【技术特征摘要】
1.一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，其特征在于，包括以下步骤：步骤1)、主用户向各感知用户发送导频信息，各感知用户随机分布，第i个感知用户在k时刻接收到的瞬时量为xi(k)，该瞬时量包括主用户的信息以及噪声信号，设置此噪声信号方差为σ2；设定感知用户中的本地感知采用能量感知，对接收到的信号xi(k)进行N次采样，得到第i个感知用户的检测统计量为所述检测统计量通过公用信道传送到融合中心，传送的过程中会引入噪声，设置此噪声信号方差为δ2，融合中心接收到M个感知用户的检测统计量；步骤2)噪声σ2不确定环境中检测概率的表达式；具体如下：设定传送到融合中心过程中的噪声方差δ2为固定值，感知用户接收到的噪声方差σ2在预设一定范围内均匀变化，上限和下限分别为ρσ2和(1/ρ)σ2，ρ是噪声σ2不确定度的大小，转化为以dB为单位的Δ表示，Δ＝10lgρ，考虑噪声不确定度的最坏影响，即在虚警概率时，噪声方差σ2设置为噪声变化范围的最大值检测概率时，噪声方差σ2设置为噪声变化范围的最小值得到在认知无线电协作频谱感知环境中检测概率Pd的表达式：其中，ρi为第i个感知用户的噪声不确定度，δi2表示第i个感知用户将信息通过公用信道传送到融合中心引起的噪声方差，设置噪声方差δ2为固定值δ2＝δi2(i＝1,2,3....M)，γi表示第i个感知用户接收到的信噪比，wi表示第i个感知用户的加权系数，Pf为在认知无线电协作频谱感知环境中虚警概率，Q-1(Pf)为Q(Pf)的反函数，Q(Pf)为高斯分布的函数；此检测概率Pd的表达式作为采用加速食物引导的粒子群算法进行优化分析的目标函数；步骤3)各感知用户将独立进行感知的信息发送给融合中心；在系统中设置一个融合中心，每个感知用户将独立频谱感知的信息发送给该融合中心；步骤4)融合中心采用加速食物引导的粒子群算法对信息进行加权合并，来完成感知；具体如下：融合中心收集到各感知用户所独立进行感知的信息后，利用加速食物引导的粒子群优化算法，做出主用户是否存在的判决，即检测是否有频谱空洞存在；融合中心对接收到的检测统计量进行加权融合，即为每一个感知用户的统计量分配一个权值；所述加速食物引导的粒子群算法赋予每个粒子一个饥饿度Uj(t)，并通过设定两个饥饿阈值m1和m2来引导粒子的进化；步骤4.1)、初始化粒子群的速度位置信息，各粒子初始位置在0-1中随机选择，同时也作为各粒子的初始最优位置，设置粒子运行速度的最大值，根据步骤2中确定的检测概率Pd的表达式作为目标函数计算每个粒子的初始适应值，找到目标函数值最好的粒子所对...
【专利技术属性】
技术研发人员：岳文静，魏怡，陈志，沈冬冬，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32
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。