基于嵌入式粒子群博弈的认知无线网络频谱分配方法
【技术领域】：
[0001] 本发明属于无线通信技术领域，特别涉及一种基于嵌入式粒子群博弈的认知无线 网络频谱分配方法。
【背景技术】：
[0002] 认知无线电作为一种新型的通信技术，能够感知周围的无线电环境，通过智能学 习，自适应地改变其载波频率、传输功率和调制技术等参数，从而提高频谱利用率。在无线 电通信领域中，频谱资源的管理和利用非常重要，各国常用的静态频谱分配方法是将频谱 分配给授权用户，其他非授权用户则无权使用。当授权用户不使用频谱时，造成了频谱资源 的浪费，频谱利用率低下。而与此同时随着社会信息化的发展，无线电通信又愈发普及同时 造成了无线电频谱资源的短缺。近些年，认知无线电逐渐成为解决频谱资源短缺问题的关 键技术。
[0003] 鲁东大学提出的专利申请"认知无线电网络中基于改进粒子群的功率控制最优算 法"（专利申请号201010532702. 6,公开号CN101982992A)公开了一种基于粒子群的认知 无线网络功率控制算法。该算法实施步骤是：第一步，初始化算法的迭代次数，粒子的位置， 速度和粒子群的基本参数。第二步，计算适应度函数值，令个体粒子本身位置为初始最佳位 置，令种群中具有最佳函数值的微粒为初始最佳群体位置。第三步，执行基于PS0算法的搜 索，更新粒子和群体的最佳位置，并利用粒子群基本公式更新粒子的速度和位置。第四步， 设置终止标准。该方法的不足是，仅仅考虑了无线通信的功率控制最优，并没有考虑信道的 最优分配。实际场景中，需要同时考虑信道分配和功率控制。
[0004] 任一骁，在文献"基于粒子群算法的认知无线电资源分配算法研究"中提出了一种 基于粒子群算法的认知无线电资源分配算法。该算法实施步骤是：第一步，初始化可用矩 阵、效益矩阵、干扰矩阵和无干扰分配矩阵。第二步，将分配方案与粒子进行编码。第三步， 初始化迭代次数，粒子的速度，位置和粒子群的基本参数。第四步，计算适应度函数值，并与 粒子个体历史最优值和群体最优值进行比较。第五步，更新粒子的位置和速度。设置迭代 终止条件。该方法的不足是，仅仅了考虑overlay频谱共享方式。然而实际中，underlay频 谱共享方式更为普遍。而且当频谱数量和认知用户上升时，算法的复杂度会明显增加。
[0005] 公开于该【背景技术】部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应 当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
【发明内容】
：
[0006] 本发明的目的在于提供一种基于嵌入式粒子群博弈的认知无线网络频谱分配 方法，利用嵌入式粒子群算法来求解认知用户竞争频谱的非合作博弈模型。该算法在 underlay频谱共享方式下最优化信道分配和功率控制。非合作博弈模型考虑认知用户对主 用户的干扰门限值和最大功率要求的限制。本发明可以快速实现认知无线频谱分配，并兼 顾主用户和认知用户的需求，从而克服上述现有技术中的缺陷。
[0007] 为实现上述目的，本发明提供了
[0008] 基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其步骤为：
[0009] 步骤1、提取认知用户特征信息；
[0010] 步骤2、根据认知用户的特征建立非合作博弈模型；
[0011] 步骤3、由内外两层粒子群算法，即嵌入式粒子群算法求解上述博弈模型；
[0012] 步骤3-1、内层粒子群算法根据各认知用户的特征求解计算博弈模型中每一个认 知用户的信道偏好集合；
[0013] 步骤3-2、外层粒子群算法根据各认知用户的信道偏好集合求解非合作博弈模型， 输出最优频谱分配结果和相应的功率矩阵。
[0014] 优选地，技术方案中，步骤1中提取认知用户特征信息，即是通过控制信道收集认 知用户的发射机和接收机之间的距离、相对速度、以及地理位置的信息。
[0015] 优选地，技术方案中，步骤2中非合作博弈模型数学公式为：
[0016] Γ= {N,is；}； eN,{UjieN}
[0017] 其中N是参与者的有限集，参与者i的策略集，定义策略空间为S =XSdieN，则Ut:S-R为效用函数集；在博弈Γ中的每一个参与者i，效用函数1^是 关于Si和对手策略集S^勺函数。
[0018] 优选地，技术方案中，由于每一个博弈参与者都是独立地做决策，而且受到其他参 与者决策的影响，博弈问题分析最关键是对博弈模型的纳什均衡进行分析；博弈到达纳什 均衡时，任何博弈参与者都不会再改变自身的行动策略；因此，对于博弈参与者的一组策略 S= {s^s2,…，sN}当且仅当Ui(S)彡Ui(s/，si)，V;eiV，s/esjt，博弈到达纳什均衡， 该组行动策略即为纳什均衡。
[0019] 优选地，技术方案中，步骤3-1中内层粒子群算法其步骤为：
[0020] (1)计算每个粒子的适应度值，
[0021]
[0022] 其中，Vfle[l，/V]，Vmen,M]，B为信道带宽，〇。为背景噪声功率，ppt和/^分 别对应主用户PR和CRn的发射功率，和分别对应PR和CR在信道m上的增益， 为主用户对CRn的干扰
[0023] (2)对认知用户和信道进行编号，利用粒子更新公式对每个粒子的速度和位置进 行更新；
[0024] 离散粒子i更新公式如下：
[0025]
[0026] , ,
[0027] 其中，粒子维度为1，粒子的位置X!表示信道编号；
[0028] (3)如果当前的迭代次数达到预先设定的最大次数，或者最终结果小于预定收敛 精度，则停止迭代，输出当前各认知用户的信道偏好集合Φ。
[0029] 优选地，技术方案中，步骤3-2中外层粒子群算法其步骤为：
[0030] (1)计算每个粒子的适应度值，
[0031]
[0032] 其中aniB1= 1表示CRnA用信道m，anini= 0则表示CRn没有占用信道m;
[0033]
[0034] 其中，, Vm e[KM]，B为信道带宽，σ。为背景噪声功率，p pt和分别 对应PR和CRn的发射功率，從为CRn的目标比特误码率，和?二分别对应PR和CR 在信道m上的增益，，为主用户对〇^的干扰，pf分别对应C&的发射功率，表示 〇^发射机到CRn接收机在信道m上的增益
羡示其他认知用户对CRn的干 扰；
[0035] (2)对认知用户和信道进行编号，利用粒子更新公式对每个粒子的速度和位置进 行更新；由于信道编号是离散的，功率为连续的，因此对离散粒子和连续粒子分别采用不同 的更新公式；
[0036] 粒子i更新公式如下：
[0037]
[0038]
[0039] 其中，当d为奇数时，4表示第￥个认知用户经过t次迭代后的所在信道编号； 当d为偶数时，4表示第&个认知用户经过t次迭代后所在信道的发射功率。 2
[0040] (3)如果当前的迭代次数达到预先设定的最大次数，或者最终结果小于预定收敛 精度，则停止迭代，输出当前的最优频谱分配结果和相应的功率矩阵。
[0041] 与现有技术相比，本发明具有如下有益效果：
[0042] 在underlay频谱共享方式下，通过嵌入式粒子群算法求出最优频谱分配方案。结 合了博弈论方法和粒子群算法，联合信道分配和功率控制，快速分配频谱资源，并且在主用 户能够容忍最大的干扰门限内，最大化认知用户的收益和系统收益。
【附图说明】：
[0043] 图1为本发明基于嵌入式粒子群博弈的认知无线网络频谱分配方法的实施流程 示意图；
[0044] 图2为本发明基于嵌入式粒子群博弈的认知无线网络频谱分配方法的算法流程 示意图；
【具体实施方式】：
[0045] 下面对本发明的【具体实施方式】进行详细描述，但应当理解本发明的保护范围并不 受【具体实施方式】的限制。
[0046] 除非另有其它明确表示，否则在整个说明书和权利要求书中，术语"包括"或其变 换如"包含"或"包括有"等等将被理解为包括所陈述的元件或组成部分，而并未排除其它 元件或其它组成部分。
[0047] 如图1所示，基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其步骤为：
[0048] 步骤1、提取认知用户特征信息；
[0049] 步骤2、根据认知用户的特征建立非合作博弈模型；
[0050] 步骤3、由内外两层粒子群算法，即嵌入式粒子群算法求解上述博弈模型；
[0051] 步骤3-1、内层粒子群算法根据各认知用户的特征求解计算博弈模型中每一个认 知用户的信道偏好集合；
[0052] 步骤3-2、外层粒子群算法根据各认知用户的信道偏好集合求解非合作博弈模型， 输出最优频谱分配结果和相应的功率矩阵。
[0053] 如图2所示，用pbest表示粒子群中粒子的最优，用gbest表示粒子群全局最优。
[0054] 步骤1中提取认知用户特征信息，即是通过控制信道收集认知用户的发射机和接 收机之间的距离、相对速度、以及地理位置的信息。
[0055] 步骤2中非合作博弈模型数学公式为：
[0056] Γ= {N,