[发明专利]基于改进混沌粒子群算法的认知无线电频谱分配方法

摘要

本发明公开了一种基于改进混沌粒子群算法的动态时变频谱分配方法，解决认知无线电网络中以最大化网络效益为准则的频谱分配问题。在该策略中，引入混沌映射对初始种群和每代粒子位置进行遍历优化，以提高粒子的全局寻优性能，搭建降维频谱分配数学模型，降低算法计算繁杂度，减少时间开销。将改进混沌粒子群算法应用到频谱分配问题上，能为用户更高效的分配可用频谱，最大化系统总效益，进一步提高频谱利用率。

主权项

1.一种基于改进混沌粒子群算法的认知无线电频谱分配方法，其特征是，它包括以下步骤：1)N个认知用户通过频谱感知获得M个空闲频谱，根据该频谱感知结果和认知用户自身需求，分别获得可用频谱矩阵L、效益矩阵B和干扰矩阵C；2)定义一个待求解的分配矩阵A，该分配矩阵A受干扰矩阵C和可用频谱矩阵L的约束，将待求解的分配矩阵A映射为粒子的位置解，根据可用频谱矩阵L确定粒子的维数，并将基于分配矩阵A的网络效益函数U作为适应度评价函数，该网络效益函数U由分配矩阵A和效益矩阵B共同决定；3)初始化算法参数包含粒子速度公式中c₁和c₂、w，种群最大迭代次数T，粒子种群个体数E及Logistic映射公式中混沌迭代次数S；4)创建初始粒子群，粒子i的位置x_i表示一种可行认知用户的频谱分配情况，表示第t次迭代粒子i的位置，Q为粒子的维数对应可用频谱矩阵L中1的个数，采用混沌映射公式和混沌逆映射公式进行S次混沌映射迭代生成一组Q个元素的混沌序列初始种群，并对序列中各元素进行0，1修正，满足二进制编码要求，粒子i的速度v_i代表搜索频谱分配方案列表D的步长，表示第t次迭代粒子i的速度，其中F是频谱方案种数；5)计算初始粒子群的适应函数值，将网络效益作为适应度函数，选出个体的最大值pbest和种群最大值gbest，保存初代粒子最大的适应函数值，同时保存粒子位置及最优的频谱分配方案；6)更新每个粒子的速度v_i：由于粒子的速度v_i表示搜索频谱方案列表的步长，粒子的位置x_i表示频谱分配方案列表中的一种可行方案，因此需要在粒子速度公式的基础上进行调整变换，调整后的公式为为了提高粒子群后期的全局寻优能力，对粒子的速度v_i也进行混沌映射优化；7)根据粒子位置公式更新每个粒子的位置x_i；8)更新pbest和gbest，如果的适应度值大于pbest的适应度值，则否则pbest不变，如果的适应度值大于gbest，则表示第t次迭代粒子种群的最大值；否则gbest不变；9)如果达到最大迭代次数T，则算法结束，得到最优的频谱分配方案gbest；否则，跳到步骤3)继续循环迭代更新。