人工物理优化的认知无线电网络频谱分配方法
【专利摘要】本发明涉及一种人工物理优化的认知无线电网络频谱分配方法，主要解决现有技术频谱分配效率不高的问题，其实现步骤为：（1）得到频谱的空闲矩阵、收益矩阵、干扰矩阵；（2）将频谱分配矩阵编码映射为人工物理优化中的一个微粒，确定适应度评价函数；（3）初始化种群，设定相关参数；(4)微粒修正及计算适应度值；（5）判断是否达到最近进化代数，如果是，则将最优微粒解码映射为频谱分配矩阵的形式，得到最佳的频谱分配矩阵；否则，转步骤（6）；（6）计算每个微粒所受合力；（7）计算微粒运动并更新；（8）进化代数增加，返回步骤（4）。本发明采用的人工物理方法具有参数较少，收敛速度较快的优点，能更好地实现网络收益最大化。
【专利说明】人工物理优化的认知无线电网络频谱分配方法
【技术领域】
[0001]本发明属于无线网络通信领域，特别涉及一种人工物理优化的认知无线电网络频谱分配方法，可用于对认知无线网络的频谱资源进行分配。
【背景技术】
[0002]无线频谱是不可再生的稀缺资源。目前，基于无线的通信业务快速增长和广泛应用，导致频谱资源供需矛盾日益突出。在认知无线电网络中，认知用户(次用户)可以机会接入授权用户(主用户)的频谱空穴，进而提高无线频谱资源的利用率。频谱分配是认知无线电网络研究中的永恒热点，主要关注在感知到空闲频谱后，如何在满足一定的分配目标下，高效分配可用频谱资源。
[0003]频谱分配有不同的分类方式。按照频谱接入方式，可分为完全受限频谱分配和部分受限频谱分配；按网络结构，可分为集中式频谱分配和分布式频谱分配；按合作方式，可分为合作式频谱分配和非合作式频谱分配。实际使用中，几种分配机制经常需要联合起来考虑，针对特定的应用场景提出具体的解决方法。现有的频谱分配方法主要有:频谱交易与拍卖、博弈论、图着色理论等。本发明关注基于合作的集中式完全受限频谱分配，主要基于图着色模型实现。
[0004]基于图着色的频谱分配已经证明是一个NP难问题。因此，智能优化方法是求解此问题的有效算法。遗传算法、粒子群算法、免疫克隆、人工蜂群等智能优化及其改进算法被用来求解频谱分配问题。其中，最典型的是基于粒子群算法的频谱分配。由于粒子群算法本身的缺陷，现有技术还存在求解精度不高等问题，影响了无线频谱资源的利用率。此外，人工物理优化是一种新型的智能优化算法，但尚未见有将人工物理优化算法用于频谱分配优化求解的报道。
【发明内容】
[0005]本发明所要解决的问题在于，克服现有技术的不足，提供一种人工物理优化的认知无线电网络频谱分配方法，解决了频谱分配效益不高的问题。
[0006]本发明解决其技术问题是采取以下技术方案实现的:
依据本发明提供的一种人工物理优化的认知无线电网络频谱分配方法，它包括以下步骤:
(1)根据频谱感知结果，得到频谱的空闲矩阵L、收益矩阵￡干扰矩阵
(2)将要求解的频谱分配矩阵A映射为人工物理中的微粒，确定适应度评价函数；
(3)种群初始化，设定相关参数:设进化代数g为O,随机初始化规模大小为的种群M.g) = ih(s), A (E)......^Cg)),对每个长度为/的微粒A(g)(l ? Ss),表示为
A(g) = [xa(g),^(g)...，％(g)],随机初始化每一位兮(§)(1<〗<s,l<j<i)为 O或 I ;设微粒的初始速度K(g) = O,最优微粒的质量设为尤；设置万有引力常数G，最大进化代数为Sm^H.?
(4)微粒修正及计算适应度值:对种群中的每个微粒执行修正微粒操作，得到满足约束条件的种群；根据适应度函数，计算微粒适应值/hfe)),并选出适应值最大的最优微粒
(5)终止条件判断:如果算法达到最大进化次数，算法终止，将最优微粒x?(g)
进行编码映射为频谱分配矩阵的形式，即得到了最佳的频谱分配；否则，转步骤(6)；
(6)计算微粒所受合力:
1)根据式子Φ计算每个微粒A(S)的质量:
rK if I = Atei
^ = I f /(^)-/(^) }
一 'Tnax(JXxi)-JU Φ
其中，j =,?;表示微粒I的质量，最好微粒的质量设为尤，K为大于I的正常数；
2)根据下式②计算微粒所受其它微粒的作用力:
?- Xj) / (Xj) < / (Ji )
[(SmiMjixj - /(?.)乏/⑷②
其中，Fij为微粒J对微粒i的作用力，Vi # j' Ab Atef
3)根据下式③计算微粒所受合力:
Fd Pii
J Ni f Jfshbesi ③
(7)计算微粒运动并更新:
Vi (g + 1) = Bvi (g) + AFi / Mi
其中4力!'贯性权重(O <5<1),设定5=1-, λ是一个服从(O，I)正态分布的随机变量；
,^ P r < SjgCvi (g + 1))
χ (g+1) = i
' [o r>sg(^(g + l))
I
m Oi (g)) = --；~—
l + expd(g)
其中:r是任意产生的一个[0，1]的随机数。
[0007](8)进化代数g = g + 〗，转步骤(4)。
[0008]本发明解决其技术问题是采取以下技术方案进一步实现:
前述的步骤(I)中，认知用户数为N，可用频谱数为V空闲矩阵L、收益矩阵B、干扰矩阵C分别表示如下:
空闲矩阵L是一个二值矩阵，表示为L=Pm e {°> 1Jlifrjii.4# =〗表示频谱?(I <?<M)可供认知用户<1 <? < iV)使用，反之，则不能使用；
收益矩阵表示认知用P ni\&n SN)使用空闲频谱<m<M)后获得的收益；
干扰矩阵\、孩e{0,1}}^m。c是一个二值矩阵，其中，CjsAs5 = I表示认知用户?和*使用频谱《 α<?<Μ)会产生干扰，反之，则表示不会产生干扰。
[0009]前述的步骤(2)中，所要求解的无干扰分配矩阵A= Kme{0,l}}MxM，其中
aW =1表示将空闲频谱《分配给认知用户》；
编码映射方式为:仅对矩阵中元素不为O的位进行二进制编码，每个微粒的长度为
，即；为矩阵中元素值非ο的个数；
N M M
适应度评价函数为:maz Umx =J^rs =22?* xKm。
?.-!相》1
[0010]前述的步骤(4)中,微粒的修正操作为:对任意频谙tu，如果^0^ = I，则检查矩阵A中第m列的第Σ行和第k行是否均为I。若是，则随机将一个变为0，另一个保持不变。
[0011]本发明与现有技术相比具有显著的优点和有益效果:
(I)由于本发明所采用的人工物理优化具有参数较少，收敛速度较快的优点，本发明在进行频谱分配时，具有较少的运行时间，能更好地实现网络收益最大化。
[0012](2)本发明根据频谱分配问题的二进制编码特点，改进了微粒的位置更新方程，更适合问题求解。
[0013](3)本发明在计算微粒所受的作用力时，采用了线性作用力规则，与微粒间距离成线性增长关系，克服了负指数作用力和单峰作用力全局搜索能力弱的不足。
[0014]本发明的【具体实施方式】由以下实施例及其附图详细给出。
【专利附图】
【附图说明】
[0015]图1为本发明的流程框图。
【具体实施方式】
[0016]以下结合附图及较佳实施例，对依据本发明提供的【具体实施方式】、结构、特征及其功效，详细说明如后。
[0017]如图1所示的一种人工物理优化的认知无线电网络频谱分配方法，它包括以下步骤:
(I)根据频谱感知结果，得到频谱的空闲矩阵L、收益矩阵B、干扰矩阵C ； 在本发明实施例中，空闲矩阵L为随机生成的NxM的O，I 二元矩阵，并保证每I列最少有一个元素为I (即至少有一个频谱可用)；收益矩阵B为NxM的矩阵,收益的参考值为网络吞吐量；干扰矩阵力随机生成的O，I 二元对称矩阵，同时，必须同时满足相应的约束条件。认知用户況取值范围1-20，可用频谱奴取值范围1-30。L=H Iε{0?1})Α；Μ ,
[0018](2)将要求解的频谱分配矩阵A映射为人工物理优化中的微粒，确定适应度评价函数；
在本发明的实施例中，频谱A = f，通过对矩阵中元素不为O的位进行二进制编码，人工物理优化中每个微粒的长度为〖 = ￡$4# (由于只有频谱空闲时，
H-1 描一I
才可能有分配矩阵)，因此，每个微粒代表了一种可能的频谱分配方案。适应度评价函数为mas u^m = ΣΓ? =ΣΣα? xKm O频谱分配问题转换为:在已知空闲频谱矩阵、收益矩
K ?I權 mlL.阵B、干扰矩阵C的情况下，寻求使网络收益最大的分配矩阵A
[0019](3)种群初始化，设定相关参数。设进化代数g为0，随机初始化种群规模s = 20的种群Ag) = (^(5),? (g)......xs(g))，对每个长度为I的微粒^(运)(1 & ，表示为
%(g) = [^i(gX^(.S'X^%(g)] ’ 随机初始化每一位 ~(g)(l <s,l<j<l)为 O 或 I ;设微粒的初始速度Vi(S) = Ci,最优微粒的质量[=2;设置万有引力常数σ =1，最大进化代数为
Smw —200 ;
(4)微粒修正及计算适应度值。对种群中的每个微粒执行修正微粒操作，得到满足约束条件的种群；根据适应度函数，计算微粒适应值/(5(g)),并选出适应值最大的最优微粒
^toCg);微粒的修正操作为:对任意频谱m，如果= I，则检查矩阵A中第t i列的第JI行和第k行是否均为I。若是，则随机将一个变为0，另一个保持不变。
[0020](5)终止条件判断:如果算法达到最大进化次数Sli5x =200,算法终止，将最优微粒Xto(S)进行编码映射为频谱分配矩阵P的形式，即得到了最佳的频谱分配；否则，转步骤(6)；
(6)计算微粒所受合力:
I)根据式子Φ计算每个微粒的质量:
—2 i/ I = Miest
^HexpC 論—猶' ,)
_ max (/(?)-φ 其中，s = 1,2，…具!/i爹Atoi , 表示微粒j的质量. 在本发明的实施例中，选用指数函数将最好微粒以外的所有微粒的质量限定在(O，I)之间。
[0021]2)根据下式?计算微粒所受其它微粒的作用力:
^ I—- Xj) J(Xj) < Jixi)
!'J [.Wj^-C3r/-Xi")②
其中，I为微粒J对微粒Z的作用力，Vb JAI 找。
[0022]采用线性作用力规则，与微粒间距离成线性增长关系，从而增强了算法的鲁棒性。
3)根据下式Φ计算微粒所受合力:
s
R = Y1 Fii
Jj ' ￥? Φ j f\i 羊 best ③
(7)计算微粒运动并更新:
Vi (g +1) = ^(g) + AFi / Mi
其中H力!'贯性权重(O <0<1 ),设定, λ是一个服从(0，I)正态分布的随机变量；
由于频谱分配是二进制编码，所以，更改粒子的位置更新方程
jl r < SjgCviCg +1))
A-.(g + l) = ^.LO r => SIgCvi (g +Ijj
Cg))=--；——
l + eKp(~v“g)
其中'r是任意产生的一个[0，I]的随机数；
(8)进化代数g= g + l,转步骤(4)。
[0023]本发明的效果可以通过以下实验进一步说明:
1.仿真条件:
在CPU为core 22.4GHZ、内存4G、WINDOWS XP的系统上使用Matlab2008进行仿真。
2.仿真内容:
仿真实验中，将以上算法运行50次，取平均结果，验证了在不同的可用频谱和认知用户数量下，频谱分配获得的最大化网络收益总和,并与现有技术作了比较。
[0024]表I和表2是不同迭代次数下得到的网络收益总和，分别为M=N=5和M=N=20。
[0025]表I网络收益总和(M=N=5)
【权利要求】
1.一种人工物理优化的认知无线电网络频谱分配方法，其特征在于:它包括以下步骤: (1)根据频谱感知结果，得到频谱的空闲矩阵L、收益矩阵:B、干扰矩阵C； (2)将要求解的频谱分配矩阵映射为人工物理中的微粒，确定适应度评价函数；(3)种群初始化，设定相关参数:设进化代数S为O，随机初始化规模大小为s的种群f(g): (MsX七Cs)......，对每个长度为/的微粒^(g)(i<! Ss),表示为A(g) = [%(g)，％，(g)...，Ai(g)],随机初始化每一位<S,\ < j <1)为 O 或 I ;设微粒的初始速度ViCg) = O,最优微粒的质量设为f ;设置万有引力常数σ，最大进化代数为*§BI5K ;(4)微粒修正及计算适应度值:对种群中的每个微粒执行修正微粒操作，得到满足约束条件的种群；根据适应度函数，计算微粒适应值/Oi(S)),并选出适应值最大的最优微粒xWst(S); (5)终止条件判断:如果算法达到最大进化次数Smx，算法终止，将最优微粒进行编码映射为频谱分配矩阵A的形式，即得到了最佳的频谱分配；否则，转步骤(6)； (6)计算微粒所受合力: I)根据式子①计算每个微粒6(g)的质量:
其中，I =表示微粒的质量，最好微粒的质量设为尤，尤为大于I的正常数； 2)根据下式②计算微粒所受其它微粒的作用力:
其中，Fi4为微粒J对微粒I的作用力，.屯句找 3)根据下式③计算微粒所受合力:
(7)计算微粒运动并更新:
其中^力!'贯性权重(O < 5 < I ),设定$ = 1- (g / g.) , Λ是一个服从(O，I)正态分布的随机变量；
其中:r是任意产生的一个[0,1]的随机数；(8)进化代数g = g + l，转步骤(4)。
2.根据权利要求1所述的人工物理优化的认知无线电网络频谱分配方法，其特征在于:所述的步骤(1)中，设定认知用户数力il可用频谱数为V则空闲矩阵L、收益矩阵B、干扰矩阵C分别表示如下: 空闲矩阵L是一个二值矩阵，表示
表示频谱?Cl <rn<M)可供认知用户吣Sn < N)使用，反之，则不能使用； 收益矩阵
?表示认知用户使用空闲频谱后获得的收益； 干扰矩阵
C是一个二值矩阵，其中，= I表示认知用
使用频谱m会产生干扰，反之，则表不不会产生干扰。
3.根据权利要求1所述的人工物理优化的认知无线电网络频谱分配方法，其特征在于:所述的步骤(2)中，所要求解的无干扰分配矩阵4
表示将空闲频谱《分配给认知用户》； 编码映射方式为:仅对矩阵中元素不为O的位进行二进制编码，每个微粒的长度为
即I为矩阵L中元素值非O的个数；
适应度评价函数为:
4.根据权利要求1所述的人工物理优化的认知无线电网络频谱分配方法，其特征在于:所述的步骤(4)中，微粒的修正操作为:对任意频谱m，如果
，则检查矩阵中第u列的第u行和第l.行是否均为I;若是，则随机将一个变为O，另一个保持不变。
【文档编号】G06N3/00GK104168572SQ201410323450
【公开日】2014年11月26日 申请日期:2014年7月9日 优先权日:2014年7月9日
【发明者】柴争义, 朱思峰, 李亚伦, 陈国强, 赵晓非 申请人:天津工业大学, 柴争义, 朱思峰, 李亚伦, 陈国强, 赵晓非