[发明专利]基于遗传算法的协作频谱感知优化方法

说明书

技术领域

本发明涉及认知无线电技术领域，具体涉及一种基于遗传算法的协作频谱感知优化方法，可适用于生产调度、组合优化、图像处理、自动控制和函数优化等领域。

背景技术

无线通信中的认知无线电技术是一种智能无线电通信技术，可以通过感知周围环境、调制运行参数，达到随时随地通信系统的高可靠性和频谱利用率的高效性。

在认知网络中，当授权用户或主用户处于非活动状态时，非授权用户或认知用户在对主用户信号不造成干扰的前提下通过频谱感知进行接入，从而最大化频谱利用率。然而受无线信道干扰、衰落以及时变特性的影响，一般单个认知用户很难获得可靠的瞬态感知信息，也不能有效分辨出主用户信号微弱和主用户空闲这两种状态。而相比较单个认知用户的检测结果，多个认知用户进行协作频谱感知能够有效提高检测的可靠性，因此协作频谱感知技术被广泛提及和关注。

协作频谱感知通常分为感知和报告两个阶段，在感知阶段，每个用户独立地完成局部检测；在报告阶段，将所有用户的局部检测结果发送到融合中心(Fusion Center,FC)，FC对收到的局部统计信息进行数据融合，综合做出主用户信号存在与否的最终判决。

通常情况下，有两种协作频谱感知优化方法：

1、最优的线性合并方法(Optimal Linear Cooperation,OPT.LIN)，OPT.LIN方法对原优化问题划分成子问题，得出其理论上下确界，然后通过凸优化方法进行求解，这样会耗费大量的计算时间。

2、偏移系数方法(Modified Deflection Coefficient,OPT.MDC)，OPT.MDC方法尽管简单，但其最优性建立在认知用户的局部信噪比远大于1的基础上，使其应用范围受到一定限制。

发明内容

本发明的目的在于针对已有技术的不足，提供一种基于遗传算法的协作频谱感知优化方法，获得较优检测性能的同时减少算法在频谱感知时所耗费的时间。

需要说明的是，实现本发明目的的技术思路为：将协作频谱感知优化问题中的优化变量对应于遗传算法的个体定义，目标优化函数f(W)对应于遗传算法的适应度函数；从一个初始种群出发，利用适应度函数对每一个个体进行评估，然后取出适应度值最低的C个个体，经过交叉和变异操作，产生一群更适应环境的个体，使群体进化到搜索空间中越来越好的区域；经过这样一代又一代地不断繁衍进化，最后得到最适合环境的个体，也就是协作频谱感知优化问题的最优解。

为了实现上述目的，下面进一步描述本发明的技术方案：

基于遗传算法的协作频谱感知优化方法，所述方法包括以下步骤：

（1）建立协作频谱感知优化模型；

（2）初始化遗传算法参数；其中包括种群大小P，交叉概率P_c，变异概率P_m；初始化遗传代数t=1，随机产生P个个体作为初始种群，记个体i为x_i=[x_i1...x_iD],i=1...P，其中D表示个体的维数，并根据式x_i=x_i/||x_i||，i=1…P对其归一化，所述个体可以直接定义为待优化的变量，即控制中心给各用户统计信息所分配的权值因子W，即x_i=W；

（3）计算步骤（2）中每个个体的适应度值；根据所述适应度值对个体从小到大重新排列，并选出前C个个体，其中C=P_c×P，所述适应度函数定义为每个个体所代表的权值获得的检测结果；

（4）将选出的个体送入杂交池，并将其进行任意的两两配对，形成父代个体，对于每一对父代个体，随机选取交叉点，交叉后的新子代个体则通过交换父代个体中交叉点后相应的元素部分来获得；

（5）对于交叉之后的个体，根据步骤（2）设定的变异概率P_m，并取出一部分个体进行变异；

（6）合并所有的个体，同时对所有的个体进行归一化操作，其中，归一化方法同步骤（2），并计算所有个体的适应度值，根据适应度值对个体从小到大重新排列，选出前C个个体进入下一代杂交池，其中C=P_c×P；

（7）判断遗传代数t是否达到最大进化代数T_max，若达到，输出全局最优值W_o，并根据式求出它所对应的检测概率P_d；否则，遗传代数t=t+1，重复步骤（4）～（7）。

需要说明的是，所述协作频谱感知优化模型为：