[发明专利]一种基于遗传算法的并行合作频谱感知的方法

权利要求书

1.一种基于遗传算法的并行合作频谱感知的方法，其特征在于：

(1)初始群体的产生：算法首先产生一个个体数为L的种群，L取4j，其中j为正整数，每一个个体代表一种感知方案，采用整数编码，将感知信道分配矢量X和感知时长等级k连接得到染色体；

(2)个体修正：当信道感知的认知用户大于N_{co_max}时，则置多余的SU对应的基因值为0，即该SU不感知信道；

(3)计算适应度函数：适应度函数定义为系统有效吞吐量R_sum(X,k)；

(4)选取适应性最强的个体：在当前种群中选取适应性最强的个体，作为步骤(5)的父代；

(5)变异：由于最适应个体的基因是最优良的，选用最适应个体作为变异的父代，变异产生L/4个变异子代，直接进入下一代，变异概率为P_l；

(6)生存竞争：L个个体两两组成一组，进行生存竞争，得到L/2个优胜个体；

(7)优胜者交叉：由生存竞争产生的L/2个优胜个体以交叉概率P_c两两进行双点交叉后，产生L/2个子代，直接进入下一代；

(8)随机产生个体：为了避免遗传算法早熟的问题，每次进化时产生L/4个个体，加入下一代；

(9)个体修正：对不满足要求的个体进行修正；

(10)最适应个体直接进入下一代：计算当前种群的适应度，用步骤(4)中选取的最优个体，替换当前群体中的最差个体，直接进入下一代，保证种群能够稳定地进化；

(11)截止：当两个截止条件满足其一时，进化停止，得到最优个体，获得最优感知任务分配及感知时长，截止条件一是达到最大进化代数W，二是最优个体和最差个体之间适应度差异足够小，即小于最优个体适应度的V倍的时候，如果不满足截止条件，则跳到步骤(4)进行下一次进化。

2.根据权利要求1所述的一种基于遗传算法的并行合作频谱感知的方法，其特征在于：所述的系统模型为：

在一个由一个融合中心和N个认知用户构成的集中式认知无线电网络中，感知对象包括M个异构信道；每一个子信道具有不同的带宽，不同的传输速率，不同的使用概率；分别用H₀和H₁指示信道空闲和被主用户占用两种状态；认知用户在每一个时隙T内分为感知时隙T_s和传输时隙T_r两部分，T＝T_s+T_r；在每个时隙T内，T_s和T_r可在一定范围内变化；为便于各节点同步及减少传输开销，T_s只能在K个离散值之中选取，各离散值由小到大排列，记为T_s(k)，其中k＝1,2,...,K；每个认知用户在一个感知时隙T_s(k)内仅感知一个子信道，而每个信道可由多个认知用户合作感知以提高准确性，合作时采用OR准则；

设各节点使用能量检测方法进行频谱感知，信号为复PSK信号，噪声为循环对称复高斯噪声；由于每个用户所处的位置不同，不同认知用户处不同信道的信噪比也不同，设已知各认知用户处各信道的信噪比Υ＝[γ_mn]_M×N，其中γ_mn表示第n个认知用户处第m个信道的信噪比；每个认知用户的虚警概率保持一致，设其中n＝1,2,…,N，m＝1,2,…,M；则第n个认知用户对第m个信道的检测概率可由下式得出

Pdmn(Ts(k))=12erfc{12(2γmn+1)[2erf-1(1-2P‾f)-Ts(k)fsγmn]}]]>

其中，erfc为互补误差函数，f_s为采样频率；

设X＝[x_n]_N为分配向量，其中，x_n代表第n个SU感知的信道序号，x_n＝0,1,2,...,M，为0时表示该SU不感知任何信道；则信道m的检测概率P_D^m(X,T_s(k))和虚警概率P_F^m(X)可表示为

PDm(X,Ts(k))=1-Πxn=m[1-Pdmn(Ts(k))]]]>

PFm(X)=1-Πxn=m(1-P‾f)]]>

设为信道m在信道空闲时所能达到的信道速率；当主用户不存在时，且认知用户能够正常的感知到空闲的频谱，该信道能够达到的平均吞吐量为

RH0m(X,k)=T-Ts(k)T[1-PFm(X)]CH0m]]>

设信道m空闲的概率为则该信道所能达到的平均吞吐量的近似值为

R~m(X,k)≈PH0mRH0m(X,k)=PH0mT-Ts(k)T[1-PFm(X)]CH0m]]>

定义系统有效吞吐量R_sum(X,k)为检测概率大于检测概率要求的信道的吞吐量的总和，表达式如下：

Rsum(X,k)=Σm=1,PDm(X,Ts(k))≥P‾DMR~m(X,k)=Σm=1,PDm(X,Ts(k))≥P‾DMPH0mT-Ts(k)T[1-PFm(X)]CH0m]]>

此外，为了充分的利用频谱，设系统所允许的最大虚警概率为则每个信道允许的最大认知用户数N_{co_max}为