专利名称：基于改进遗传算法的认知无线电方法
基于改进遗传算法的认知无线电方法技术领域
本发明属于无线通信技术领域，尤其涉及一种基于改进遗传算法的认知无线电方法。
背景技术：
无线通信业务需求的持续增长导致无线通信系统对频谱资源的需求不断增加，以至于无线频谱资源变得越来越稀缺。然而，频谱测量研究表明，授权频谱的使用率非常低， 授权频谱空穴浪费严重，静态的频谱分配体制与动态的频谱利用方式不匹配。解决这一问题的基本思路是尽可能提高现有频谱利用率。认知无线电技术作为能满足这一要求的技术也就应运而生了。
认知无线电(Cognitive Radio,CR)的概念由Jos印h Mitolo博士于1999年提出， 其核心思想是CR具有学习能力，能与周围环境交互信息，以感知和利用在该空间的可用频谱，并限制和降低冲突的发生。认知无线电的目的是在不影响授权频段正常通信的基础上， 使具有认知功能的无线通信设备按照“机会接入方式”接入授权的频段内，动态利用频谱， 解决频谱紧张的问题。
认知无线电有两个主要特点认知能力和重配置能力。其中重配置部分需要进行参数调整，而参数调整必须要满足信道条件、用户需求和制度限定等多方面要求，这就需要认知无线电在多个条件间进行权衡，从而得到一组较优良的参数配置方案。遗传算法模拟生物进化机制，能在寻优空间中进行全局搜索，具有一般算法所没有的多目标优化能力。但是简单遗传算法没有对染色体进行控制，如果种群中出现适应度极高的个体，非常容易得到局部最优解。另外，简单遗传算法使用固定的交叉概率和变异概率，没有对优良个体进行保护，对较差个体进行抑制，也没有根据进化前后期的不同情况进行区别对待，会影响性能。
为了解决上述问题，必须对参数调整部分使用的简单遗传算法进行改进，以得到较好的性能。。发明内容
本发明的目的在于，提供一种基于改进遗传算法的认知无线电方法，用以解决常用的基于遗传算法的认知无线电方法存在的问题。
为了实现上述目的，本发明提供的技术方案是，一种基于改进遗传算法的认知无线电方法，其特征是所述方法包括
步骤1 设定认知无线电的初始参数，将其作为遗传算法的染色体；
步骤2 设定初始变异概率、种群大小和最大进化代数，并设定反映当前链路质量的目标函数以及各目标函数的权重；
步骤3 计算种群适应度值；
步骤4:进行适应度值的尺度变换，保证尺度变换后的适应度值的平均值等于尺度变换前的适应度值的平均值，并且尺度变换后的适应度值的最大值等于尺度变换前的适应度值的平均值的设定倍数；
步骤5:选择染色体；
步骤6 使用自适应的交叉概率和变异概率对染色体进行两点交叉和个体变异；
步骤7 判断是否达到下述两个收敛条件之一，如果达到下述两个收敛条件之一， 则执行步骤8 ；否则，返回步骤3 ；
所述收敛条件为
1)进化代数超过设定的最大进化代数；
2)种群个体最大适应度值大于或等于设定值；
步骤8 输出结果集，将其作为认知无线电的参数。
所述步骤3具体是
步骤31 任取种群中的两个个体，将其分别即为个体j和个体k ；
步骤32 比较个体j和个体k在第i个目标函数上的性能，如果个体j在第i个目标函数上的性能强于个体k在第i个目标函数上的性能，则令比较函数c (i，j, k) = 1 ； 否则令比较函数c (i，j，k) = 0 ；
步骤33 计算个体j在第i个目标函数上的秩；其计算公式为
权利要求
1.一种基于改进遗传算法的认知无线电方法，其特征是所述方法包括 步骤1 设定认知无线电的初始参数，将其作为遗传算法的染色体；步骤2 设定初始变异概率、种群大小和最大进化代数，并设定反映当前链路质量的目标函数以及各目标函数的权重； 步骤3 计算种群适应度值；步骤4 进行适应度值的尺度变换，保证尺度变换后的适应度值的平均值等于尺度变换前的适应度值的平均值，并且尺度变换后的适应度值的最大值等于尺度变换前的适应度值的平均值的设定倍数； 步骤5 选择染色体；步骤6 使用自适应的交叉概率和变异概率对染色体进行两点交叉和个体变异； 步骤7 判断是否达到下述两个收敛条件之一，如果达到下述两个收敛条件之一，则执行步骤8;否则，返回步骤3; 所述收敛条件为1)进化代数超过设定的最大进化代数；2)种群个体最大适应度值大于或等于设定值； 步骤8 输出结果集，将其作为认知无线电的参数。
2.根据权利要求1所述的一种基于改进遗传算法的认知无线电方法，其特征是所述步骤3具体是步骤31 任取种群中的两个个体，将其分别即为个体j和个体k ； 步骤32 比较个体j和个体k在第i个目标函数上的性能，如果个体j在第i个目标函数上的性能强于个体k在第i个目标函数上的性能，则令比较函数c (i，j，k) = 1 ；否则令比较函数c (i，j，k) = 0 ；m步骤33 计算个体j在第i个目标函数上的秩；其计算公式为
3.根据权利要求1所述的一种基于改进遗传算法的认知无线电方法，其特征是所述步骤5具体是步骤51 计算所有个体的适应度值之和，记为S ； 步骤52 从(0，S)中选取随机数，记为q ；步骤53 在种群中，从O开始累加个体适应度值，累加的结果记为s，当s > q时，停止累加并将此时的个体作为选择的染色体。
4.根据权利要求1-3中任意一项权利要求所述的一种基于改进遗传算法的认知无线电方法，其特征是所述自适应的交叉概率的计算公式为
5.根据权利要求1-3中任意一项权利要求所述的一种基于改进遗传算法的认知无线电方法，其特征是所述自适应的变异概率的计算公式为m\ρρ‘ J _ J avg^m _ ιJ max J avgρ f'<fJ J avg其中，Pm为自适应的变异概率，Pffll和Pm2分别为变异概率的上限和下限，f'为要交叉的两个个体的适应度值的较大者，fmax为种群适应度值的最大值，favg为种群适应度值的平均值。
全文摘要
本发明公开了无线通信技术领域中的一种基于改进遗传算法的认知无线电方法。包括设定认知无线电的初始参数，将其作为遗传算法的染色体；设定初始变异概率、种群大小和最大进化代数，并设定反映当前链路质量的目标函数以及各目标函数的权重；计算种群适应度值；进行适应度值的尺度变换；选择染色体；使用自适应的交叉概率和变异概率对染色体进行两点交叉和个体变异；判断是否达到收敛条件，如果未达到，则返回计算种群适应度值；如果达到收敛条件，则输出结果集，将其作为认知无线电的参数。本发明解决了遗传算法中最后解集容易收敛于局部最优解的问题，同时保证了种群的多样性和遗传算法的收敛性。
文档编号G06N3/12GK102523585SQ20111037996
公开日2012年6月27日 申请日期2011年11月25日 优先权日2011年11月25日
发明者张雪雪, 李非, 赵军辉 申请人:北京交通大学