[发明专利]一种膜结构下的认知无线电系统参数优化方法

说明书

技术领域

本发明涉及一种通过膜结构下的混合量子雁群方法来实现同时使认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率达到最优的一种膜结构下的认知无线电系统参数优化方法。

背景技术

随着无线通信业务需求的快速增长，不可再生的频谱资源日益稀少，提高频谱利用率缓解频谱资源短缺已成为人们迫切的希望。认知无线电(Cognitive radio)作为一种新兴技术能够有效解决因频谱固定分配导致的利用率极低的问题。该技术通过对已授权频谱的二次利用，即在不干扰授权用户正常工作的条件下，使用空闲频谱，从而提高了频谱利用率，因此认知无线电技术被认为是无线通信技术领域的“下一件大事”。

认知无线电通信系统能够智能的感知外界环境变化，并通过自主学习和推理，自适应的调整系统参数，进而提高通信系统的性能。自适应调整系统参数是认知无线电技术的一个重点也是难点，它要求具有较高的实时性和稳定性。认知无线电系统参数配置过程也被称为认知引擎的决策过程，这一过程是认知无线电工作的核心环节，也是智能性的起源。因此，对认知无线电系统参数(例如发射功率、调制方式、帧长度、带宽等)进行合理优化，提高通信质量显得极为重要。

经对现有技术文献的检索发现，赵知劲等在《物理学报》(2007,Vol.56,No.11,pp.6760–6767；2009,Vol.58,No.7,pp.5118–5125)上发表的“基于量子遗传算法的认知无线电决策引擎研究”和“基于二进制粒子群算法的认知无线电决策引擎”中提出了基于量子遗传算法和粒子群算法的认知无线电系统参数优化方法，都是使用离散优化问题求解每个子载波的调制方式和功率，由于使用离散优化问题求解每个子载波功率会存在量化误差，因此不会达到所要求的系统性能，因此该类单优化方法不能同时使复杂通信环境下认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率同时达到最优。El-Saleh等在《IEEE Malaysia Int.Conf.Commun.Special Workshop Digit.TV Contents.》(IEEE(数字电视内容)会议)(15-17，Dec.2009，pp.343-347)上发表的“Development of a cognitive radio decision engine using multi-objective hybrid genetic algorithm”提出了使用遗传算法去求解认知无线电系统中的系统参数，由于使用离散单目标遗传算法求解，无法有效解决认知无线电系统参数确定时存在量化误差的问题。

认知无线电参数的配置主要依据系统工作环境，用户需求等因素。对多个认知无线电系统参数的配置过程也就是对多个目标函数的优化过程。根据需求合理的选择目标函数的权重，将多目标优化问题转化为单目标优化问题是一个行之有效的方法。但传统的参数优化过程被看作为离散优化问题，因而不能得到足够的精度。因此，利用对调制方式采用离散编码，发射功率采用实数编码这一混合编码方式，并提出膜结构下的混合量子雁群算法用于求解认知无线电系统的离散参数和实参数这个混合优化问题，进而进行认知无线电系统的参数优化和合理设置。

发明内容

本发明的目的在于提供一种收殓精度更高、速度更快的膜结构下的认知无线电系统参数优化方法。

本发明的目的是这样实现的：

(1)确定膜结构，由表层膜0和基础膜1，2，…，M构成，有M个基础膜包含在标号为0的表层膜的膜结构记作[₀[₁]₁[₂]₂…[_M]_M]₀；

(2)产生量子雁群中大雁的量子位置和速度：

把第i只大雁速度的前l₁维速度初始化为i＝1,2,…,P，后N维速度的初始值在[-0.1，0.1]之间产生，l＝l₁+N，N为子载波总数，P为量子雁群所包含大雁数，对第i只大雁的量子位置测量得到的混合位置为对于前l₁维，1≤j≤l₁；对于后N维，l₁+1≤j≤l，混合位置对应的系统参数为

(3)将系统参数通过简单编码规则与大雁的混合位置一一对应：