一种认知无线电功率控制方法

摘要

本发明公开了一种认知无线电功率控制方法是以D.Goodman提出的非合作博弈功率控制算法为基础，对收益函数进行改进，提供一种新的基于非合作博弈功率控制算法，同时为了提高所提功控算法的搜索精度，本发明又提出一种改进的混合蛙跳算法。本发明的认知无线电功率控制方法计算精度更高，实现对用户发射功率的有效控制，能明显提升系统性能。

主权项

一种认知无线电功率控制方法，其特征在于，包括以下步骤：步骤1)建立一基于非合作博弈论的功率控制模型；首先，建立一认知无线电系统，设有N个用户，M是一个数据帧中传输的总比特数，L是一个数据帧中的信息比特数，所述L<M，传输速率为R，W为带宽，在接收端i其信干比为r_i，在加性高斯白噪声信道下，对于非相关频移键控调制方式，有效函数为信干比表达式为其中扩频增益G＝W/R，h_i为用户i到基站的增益，p_i为用户i的发射功率，δ²为基站的背景噪声功率；然后，给出基于博弈论的功率控制函数即给出收益函数，第i个用户u_i的收益函数为$u_i=\mathrm{LR}{(1-e^{-r_i/2})}^M/\left({\mathrm{Mp}}_i\right)-\alpha e^{p_i}-\beta {(r^{\mathrm{tar}}-r_i)}^2,$式中α和β都是比例系数，为实常数，r^tar为目标信干比；步骤2)用一混合蛙跳算法求解收益函数$u_i=\mathrm{LR}{(1-e^{-r_i/2})}^M/\left({\mathrm{Mp}}_i\right)-\alpha e^{p_i}-\beta {(r^{\mathrm{tar}}-r_i)}^2$的纳什均衡解，其作为最终的功率解；步骤2.1)初始化蛙群，种群个体总数Num，个体的维数m，子种群的个数M，子群局部搜索迭代次数cyc，全局交换迭代次数all_cyc，感知距离Visual，移动步长step，拥挤度因子δ，所述人工鱼个体之间的距离表示为d_i,j＝||X_i‑X_j||，人工鱼个体当前所处位置的食物浓度为Y＝f(X)，其中f为适应度函数；步骤2.2)计算每个个体的适应度值和平均适应度值，对大于平均适应度值的个体，选择当前邻域内的伙伴中Y_j最大的伙伴X_j，如果表明伙伴X_j具有较高的食物浓度并且其周围不太拥挤，朝伙伴X_j的方向前进一步X_new＝X_i+rand()*Step*(X_j‑X_i)/||X_j‑X_i||，否则利用式mutation(x)＝x*(1+N(0,1)/2)产生X_new；如果则用追尾后的个体代替追尾前的个体，否则原个体保持不变；其中，N(0,1)表示期望为0，标准差为1的正态分布随机数；步骤2.3)将当前所有个体的适应度值从优到劣排序，依次将个体划分到各子种群中；步骤2.4)对当前子种群的最差个体按照式D_i＝rand()*(X_b‑X_w)(‑D_max≤D_i≤D_max)、newX_w＝X_w+D_i的策略进行更新，然后对当前子种群的所有个体采取聚群策略，即对个体X_i，搜索当前邻域内伙伴数目nf及中心位置X_c，如果表明伙伴中心X_c有较多的食物并且其周围不太拥挤，则朝伙伴的中心位置方向前进一步X_new＝X_i+rand()*Step*(X_c‑X_i)/||X_c‑X_i||，否则利用式mutation(x)＝x*(1+N(0,1)/2)产生X_new，如果则用聚群后的个体代替聚群前的个体，否则原个体保持不变，再对当前子种群按适应度值从优到劣进行排序，跳转至步骤2.4，直至子种群内的迭代次数满足事先给定的要求cyc；其中，X_w为最差个体、X_b为最好个体、rand()是均匀分布在[0,1]之间的随机数、D_max表示青蛙所允许更新步长的最大值；步骤2.5)当所有子种群完成以上的更新操作后，若当前最优个体满足收敛条件，则进化过程成功结束，返回全局最优解；若不满足全局迭代次数all_cyc，则跳转步骤2.2；否则输出全局最优解，其中全局最优解即为纳什均衡解。