一种基于遗传算法的并行合作频谱感知的方法

摘要

本发明属于认知无线电频谱感知技术领域，具体涉及一种基于遗传算法的并行合作频谱感知的方法。本发明包括：初始群体的产生；个体修正；计算适应度函数；选取适应性最强的个体；变异；生存竞争；优胜者交叉；随机产生个体；个体修正；最适应个体直接进入下一代；截止。本发明能够充分考虑不同认知用户对不同异构信道感知性能的差异性、系统有效吞吐量以及感知时长，最优的确定感知策略，即确定感知任务分配和感知时长，相比随机感知方法，能够获得更大的系统有效吞吐量。

主权项

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，则置多余的认知用户对应的基因值为0，即该认知用户不感知信道；(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，P_l＝0.1；(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，P_c＝0.5；(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；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P_d^mn(T_s(k))可由下式得出${P_d}^{mn}\left(T_s\right(k\left)\right)=\frac{1}{2}erfc\left\{\frac{1}{\sqrt{2(2{\gamma }_{mn}+1)}}\right[\sqrt{2}{\mathrm{erf}}^{-1}(1-2{\bar{P}}_f)-\sqrt{T_s\left(k\right)f_s}{\gamma }_{mn}\left]\right\}$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个认知用户感知的信道序号，x_n＝0,1,2,...,M，为0时表示该认知用户不感知任何信道；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${P_D}^m(X,T_s(k\left)\right)=1-\underset{x_n=m}{\Pi }[1-{P_d}^{mn}\left(T_s\right(k\left)\right)]$${P_F}^m\left(X\right)=1-\underset{x_n=m}{\Pi }(1-{\bar{P}}_f)$设为信道m在信道空闲时所能达到的信道速率；当主用户不存在时，且认知用户能够正常的感知到空闲的频谱，该信道能够达到的平均吞吐量为$R_{H_0}^m(X,k)=\frac{T-T_s\left(k\right)}{T}[1-P_F^m\left(X\right)]C_{H_0}^m$设信道m空闲的概率为则该信道所能达到的平均吞吐量的近似值为${\tilde{R}}^m(X,k)\approx P_{H_0}^m{R}_{H_0}^m(X,k)=P_{H_0}^m\frac{T-T_s\left(k\right)}{T}[1-P_F^m\left(X\right)]C_{H_0}^m$定义系统有效吞吐量R_sum(X,k)为检测概率大于检测概率要求的信道的吞吐量的总和，表达式如下：$\begin{array}{c}{R}_{sum}(X,k)=\underset{P_D^m(X,T_s(k\left)\right)\ge {\bar{P}}_D}{\overset{M}{\underset{m=1,}{\Sigma }}}{\tilde{R}}_m(X,k)\\ =\underset{P_D^m(X,T_s(k\left)\right)\ge {\bar{P}}_D}{\overset{M}{\underset{m=1,}{\Sigma }}}{P}_{H_0}^m\frac{T-T_s\left(k\right)}{T}[1-P_F^m\left(X\right)]C_{H_0}^m\end{array}$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