本发明专利技术公开了一种基于粒子群优化算法的协作频谱感知优化方法，其实现步骤是：首先建立协作频谱感知优化模型，然后将待优化变量和粒子群优化算法的相关参数对应；初始化迭代次数，随机产生的粒子的位置向量和速度向量；对初始化的每个粒子进行适应度评估，并找出适应度值最小的粒子作为全局最优粒子；随着迭代次数的增加，不断更新粒子的位置向量和速度向量，并更新全局最优值；当迭代次数达到最大迭代次数时，输出全局最优粒子，求出它所对应的检测概率。本发明专利技术在协作频谱感知优化时具有简单方便、计算量小、易于实现、调整参数少，搜素能力强等优势。
【技术实现步骤摘要】
【技术保护点】
基于粒子群优化算法的协作频谱感知优化方法，其特征在于，所述方法包括以下步骤：（1）建立协作频谱感知优化模型；（2）初始化粒子群优化算法的相关参数，其中包括：（2a）随机产生P个粒子，记粒子i为xi=[xi1,xi2,…,xiD],i=1,2,…,P，D=M,其中D表示个体的维数，其中粒子定义为待优化变量，即控制中心给各用户统计信息所分配的权值因子w，也即xi=w；（2b）置迭代次数t=0，随机生成粒子í的位置向量xit=[xi1t,xi2t,···,xiDt]T和速度向量vit=[vi1t,vi2t,···,viDt]T,其中xidt∈[0,1],且1≤d≤M,1≤i≤P；每次迭代后，每一个粒子的位置公式为：xidt‾=|xidt|Σd=1D|xidt|;（3）计算所述每个粒子的适应度值，其中适应度函数定义为每个粒子所代表的权值获得的检测结果。根据适应度值，确定局部最优粒子pit=(pi1t,pi2t,···,piDt)和全局最优粒子pbt=(xb1t,xb2t,···,xbDt),其中b是适应度值最小的粒子对应的序数，对于t=0，（4）令t=t+1，并按式vidt=ωvidt-1+c1ξ(pidt-1-xidt-1)+c2η(pbdt-1-xidt-1)更新速度，其中c1和c2是正常数，ξ和η是分布在[0,1]内的随机数，ω是惯性权重，和分别对应局部最优粒子和全局最优粒子的d维元素，其中，如果vidt>Vmax,令vidt=Vmax;如果vidt<-Vmax,令vidt=-Vmax;（5）按式更新位置根据步骤（2b）进行归一化；（6）计算经过更新的每个粒子的适应度值对于粒子如果它当前的适应度值小于上次迭代中的局部最优粒子的适应度值，将其局部最优粒子置为否则其局部最优粒子保持不变如果粒子当前的适应度值小于上次迭代中全局最优粒子的适应度值，将此粒子置为全局最优粒子如果没有粒子的适应度值小于的适应度值，则令全局最优粒子保持不变（7）判断迭代次数t是否达到最大迭代次数Tmax，若达到，输出全局最优值，并根据式求出它所对应的检测概率Pd；否则，重复步骤（4）～（7）。FDA0000370861670000014.jpg,FDA00003708616700000119.jpg,FDA0000370861670000018.jpg,FDA00003708616700000110.jpg,FDA00003708616700000111.jpg,FDA00003708616700000112.jpg,FDA00003708616700000117.jpg,FDA00003708616700000118.jpg,FDA0000370861670000021.jpg,FDA0000370861670000022.jpg,FDA0000370861670000023.jpg,FDA0000370861670000024.jpg,FDA0000370861670000025.jpg,FDA0000370861670000026.jpg,FDA0000370861670000027.jpg,FDA0000370861670000028.jpg,FDA0000370861670000029.jpg,FDA00003708616700000210.jpg,FDA00003708616700000211.jpg,FDA00003708616700000212.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：黑永强，李敏，李文涛，李晓辉，付卫红，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。