[发明专利]一种基于人工蜂群算法的多频带协作频谱感知优化方法

说明书

技术领域

本发明属于无线电技术领域，尤其涉及一种基于人工蜂群算法的多频带协作频谱感知优化方法。

背景技术

随着无线通信技术的飞速发展，频谱资源的稀缺已经成为提升现有各种通信系统以及发明新型通信系统的瓶颈，而认知无线电是解决这个问题的最佳方案，能够缓解频谱资源匮乏与授权频段利用率低下的矛盾。认知无线电作为一种智能无线电通信技术，通过感知外界环境，动态调整自身的无线电参数，从而使得内部状态和外部环境相适应，在不干扰特定频段上主用户的情况下，充分利用频谱资源，实现频谱利用率最大化。频谱感知是认知无线电的一项关键技术，具有检测、感知和学习各种无线电磁参数的能力，其主要功能是发现频谱空穴。可靠的频谱感知是实现认知无线电通信的重要前提，然而，由于多径、阴影衰落及噪声不确定性等因素的影响，通过单一频带用户感知很难获得准确的结果。而多个频带的协作频谱感知方案，充分利用协作带来的空间分集，有效改善了频谱检测的性能，因此多频带协作频谱感知技术被广泛提及和关注。多频带协作频谱感知是将一宽带系统等分成若干个子带，每一个子带分别完成单一频带的协作频谱感知，最后将所有的检测结果进行最终判决。多频带协作频谱感知问题的优化往往呈现非凸非线性特性，很难直接求解其最优解。凸优化方法虽然能够很好地求解这类问题，但是需要将优化问题转换成具有凸特性的子优化问题,转换过程复杂且计算复杂度较高。进化算法能够提供一种求解非线性复杂系统优化问题的通用框架，作为一种具有自适应调节功能的鲁棒寻优技术，近年来，进化算法已经被广泛应用于无线通信领域。目前比较常用的有基于遗传算法的协作频谱感知技术和基于粒子群算法的协作频谱感知技术，然而，基于遗传算法的协作频谱感知技术在搜索最优解的过程中容易陷入局部最优，基于粒子群算法的协作频谱感知技术虽然能够更有效的搜索到最优解，但其性能还有待于进一步提高。

发明内容

本发明的目的在于提供一种基于人工蜂群算法的多频带协作频谱感知优化方法，旨在获得更高的系统吞吐量。

本发明是这样实现的，一种基于人工蜂群算法的多频带协作频谱感知优化方法，所述基于人工蜂群算法的多频带协作频谱感知优化方法将多频带协作频谱感知优化问题中的优化变量对应于改进人工蜂群算法中食物源的位置，每个食物源的收益率由优化问题所确定的适应度函数决定，跟随蜂或引领蜂的个数与解的个数一致；从一个随机产生的初始种群出发，先是引领蜂对相应食物源的邻域进行一次搜索，如果搜索到的食物源的花蜜质量比之前的优，那么就用新的食物源的位置替代之前的食物源位置，否则保持旧的食物源位置不变；所有的引领蜂完成搜索之后，回到舞蹈区把食物源花蜜质量的信息通过跳摇摆舞传递给跟随蜂。

本发明的另一目的在于提供一种基于人工蜂群算法的多频带协作频谱感知优化方法，所述基于人工蜂群算法的多频带协作频谱感知优化方法具体包括以下步骤：

步骤一，建立多频带协作频谱感知优化模型；

步骤二，初始化参数；包括种群大小，控制参数'_limit'和最大迭代次数T_max；初始化迭代次数t＝1，随机生成一个含有SN个解的初始种群，每个解x_i(i＝1,2,...,SN)是一个D维矢量，x_i＝[ω_i,γ_i]，D＝(N+1)*K，其中w是控制中心给各用户统计信息所分配的权值因子，γ是判决门限，N是协作感知的用户数，K是子带数目；

步骤三，计算步骤二中每个解的适应度值，所述适应度函数定义为食物源的收益率；根据食物源的收益率记录当前最好的解X_best,G；

步骤四，引领蜂搜索邻域中的食物源，产生新解New_i,G+1；

步骤五，利用交叉算子，引领蜂根据步骤四的新解New_i,G+1和对应的父代个体X_i,G得到试验向量；

步骤六，利用贪婪选择策略从步骤五的试验向量值与原来的食物源之间选择出收益率更高的食物源；计算当前所有食物源的适应度值，并根据适应度值计算每个食物源对应的选择概率；

步骤七，跟随蜂根据步骤六得到的概率选择食物源，并搜索邻域中的食物源，产生新解，并计算适应度值；利用贪婪选择策略在新解和原来的解之间选择出收益率更高的解；

步骤八，判断是否有要放弃的解，即如果某个解经过limit次循环之后没有得到改善，此时对应的引领蜂变成侦察蜂，随机产生一个新解来替代该解；