[发明专利]认知中继网络的量子化学反应优化多中继选择方法

说明书

本发明提供的是一种认知中继网络的量子化学反应优化多中继选择方法。1建立认知系统中继选择模型。2初始化量子分子集合及系统参数。3对集合中所有量子分子的势能进行评价，选择势能最小的量子分子的测量态作为全局最优解。4将量子分子的动能从高到低排序，分别进行分解反应、无效碰撞、合成反应。5对新产生的量子分子的势能进行评价。若新产生的量子分子的势能最小值小于上一代势能最小值，则记为新的全局最优解。6如果迭代次数小于预先设定的最大迭代次数，返回第4步；否则输出全局最优解。本发明均衡考虑认知中继网络在有主用户和无主用户约束条件下，基于量子化学反应机制，选择令系统吞吐量最大化的中继选择方案。

技术领域

本发明涉及的是一种认知中继选择方法。

背景技术

认知无线电(Cognitive Radio)网络能够通过所处环境的变化来调整自身参数，具有很强的自适应能力，通过对空闲的授权频段再次利用，提高了无线频谱的利用率，现已成为解决无线频谱资源匮乏问题的重要途径，为现阶段无线通信系统提供了极大的发展空间。在认知中继网络中，往往存在多个候选中继节点。受地理位置和信道衰落的影响，各中继提高认知用户(Secondary User，SU)传输质量的能力以及对主用户(Primary User，PU)造成的干扰存在差异，因此，如何选择合适的中继协助认知用户的传输是认知中继网络研究的关键问题之一。

由于中继选择是NP-hard问题，随着中继数目的增加，算法的复杂度也随之指数性增加，很难在短时间内求出最优解。因此，设计新的中继选择方案，在保证性能接近穷尽搜索得到的解的同时降低算法复杂度，具有重要的意义。杨龙等在《电子与信息学报》上发表的“认知中继网络的多中继选择方法”根据多中继协作时目的节点信噪比的一阶偏导数特征，定义了中继协作效率，提出了一种基于协作效率的迭代中继选择方案，复杂度较低，但系统吞吐量也较低，且没有考虑无主用户约束的情况。Moonchang Choi等在《IEEEVehicular Technology Conference》上发表的“Low Complexity Multiple RelaySelection Scheme for Cognitive Relay Networks”提出了一种简单的多中继选择方法，即根据信道信息，将更多的功率分配给那些对主用户干扰较少的中继，再根据功率分配方案，进行中继选择，也没有考虑无主用户约束的情况。

发明内容

本发明的目的在于提供一种吞吐量大的认知中继网络的量子化学反应优化多中继选择方法。

本发明的目的是这样实现的：

步骤一，建立认知系统中继选择模型

认知中继网络由认知用户源节点s、目的节点d和L个放大-转发(Amplified andForward，AF)半双工中继组成，在有主用户约束条件下，认知用户源节点s、目的节点d和各中继r_i,i＝1,2,…,L与主用户接收机a共享带宽为W的授权频带，一帧分为两个时隙(TimeSlot，TS)：TS1和TS2,在TS1，主用户源节点向其接收机发送信号，认知用户源节点向各中继发送信号，会对主用户接收机产生干扰；在TS2，主用户源节点继续向其接收机发送信号，在TS1中被选择的中继向认知用户目的节点转发信号，也会对主用户接收机产生干扰,任意两节点i和j之间的信道衰落其中，χ_i,j为节点i和节点j之间的距离，κ为衰落系数，ξ为路径损耗指数,TS1中，认知用户源节点到第i个中继的信道衰落为到主用户接收机的信道衰落为h_s,a；TS2中，第i个中继到认知用户目的节点的信道衰落为到主用户接收机的信道衰落为

假设所有接收的噪声服从均值为0，方差为σ²的复高斯分布,在TS1，认知用户源节点s以功率p_s发送单位能量信号x_s，则第i个中继r_i收到的信号为：