一种基于量子蛙跳的频谱感知算法
【专利摘要】本发明涉及一种基于量子蛙跳的频谱感知算法，包括：根据目标函数所表示的适应度值确定全局最优的青蛙量子位置以及每个族群内最好、最差适应度值的青蛙量子位置；根据跳跃性方程更新最差适应度值的青蛙量子位置的相关信息以及向全局最优解收敛。本发明通过先将青蛙种群划分为若干个族群；根据目标函数所表示的适应度值来确定全局最优的青蛙量子位置以及每个族群内最好、最差适应度值的青蛙量子位置；再按照提出的跳跃性方程更新其中最差个体的相关信息，快速向全局最优解收敛。
【专利说明】一种基于量子蛙跳的频谱感知算法
【技术领域】
[0001] 本发明涉及计算机【技术领域】，尤其涉及一种基于量子蛙跳的频谱感知算法。
【背景技术】
[0002] 随着无线通信业务的发展，对无线频率资源的需求渐长，日益增长的频谱需求和 有限的频谱资源之间的矛盾已成为制约无线通信发展的瓶颈之一。当前无线通信频谱资源 利用情况极不平衡：一些频带大部分时间没有用户使用，一些频带只是偶尔使用，而另外一 些频带的使用则非常密集。因此那些利用率较低的频段存在着被二次利用的可能，那么如 何及时发现并高效利用这些频段，并且同时避免对授权用户网络造成干扰就成为亟待解决 的问题。鉴于此，支持动态频谱接入的认知无线电CognitiveRadio(CR)技术应运而生。频 谱感知作为认知无线电的一项关键技术，认知用户通过频谱感知发现频谱空穴，从而使认 知用户能利用其进行通信，进而提高频谱利用率。当认知用户通信时，突然感知到授权用户 信号，则认知用户进行规避退让，这一过程不影响授权用户的通信。由于无线环境是随时变 化的，而且授权用户的信号种类不同，且传输过程中存在衰落和干扰等因素，所以频谱感知 技术的实现方式也有多样化、灵活化的特点。
[0003] 目前，技术已经相对成熟的单点频谱感知方法主要包括匹配滤波器检测、能量感 知检测法、周期平稳特征检测以及多分辨率频谱感知。然而，由于信号在传输过程中受到干 扰、噪声、路径衰落、阴影效应等因素的影响，会产生隐蔽终端的问题，单个节点的感知结果 可靠性不高，因此，需要对多个节点的感知结果进行融合判决，以提高其检测可靠性，即协 作频谱感知技术。在提出的一种线性协作感知框架中，如何在最短的时间内求解出最优权 向量已经成为了一个优化难题。受达尔文进化理论的启发而设计出的遗传类优化算法，作 为成熟的启发算法，已得到广泛应用，然而遗传类算法的收敛需要严格的条件限制。近年 来，粒子群算法、遗传算法、量子遗传算法和免疫克隆选择算法等新的智能计算方法成为许 多学者的研宄热点。
[0004] 为了解决在最短的时间内求解出认知无线电频谱分配这一难题，学者们提出了粒 子群算法、遗传算法、量子遗传算法和免疫克隆选择算法等智能计算方法，但均面临维数灾 问题。在解决低维工程问题时，以上算法的收敛性能和速度一般能满足要求，但在面对认 知无线电频谱感知这一高维离散工程优化问题时，经典离散优化算法的收敛性能受到严重 挑战，即在速度和性能方面是不能满足认知无线电发展要求的，所以要想在这一问题上有 新的进展就需要设计全新的算法。近年来兴起的蛙跳算法，在解决连续问题的优化时具有 较快的收敛精度，但控制参数多，并行性差，因此仍然不能有效解决认知无线电频谱感知问 题。
【发明内容】
[0005] 本发明所要解决的技术问题是针对在频谱感知算法技术中，如何在最短的时间内 求解最优权向量是亟待解决的优化问题，以及现有的一些智能计算方法在解决高维工程优 化问题时总会在收敛性能和速度方面存在缺陷的关键问题。
[0006] 为此目的，本发明提出了一种基于量子蛙跳的频谱感知算法，包括以下具体步 骤：
[0007] 包括以下具体步骤：
[0008] S1 :根据目标函数所表示的适应度值确定全局最优的青蛙量子位置以及每个族群 内最好、最差适应度值的青蛙量子位置；
[0009] S2:根据跳跃性方程更新最差适应度值的青蛙量子位置的相关信息以及向所述全 局最优解收敛。
[0010] 进一步地，所述步骤S1具体包括：
[0011] S11 :对青蛙群体总数P，青蛙族群数m，每个族群内的青蛙数n以预设数值进行设 置，并通过公示p=mXn进行计算；
[0012] S12 :设置族群内的最大迭代次数gen以及整个群体的最大进化代数Gen;
[0013] S13 :在定义域内随机产生青蛙的初始量子位置。
[0014] 进一步地，所述步骤S2具体包括：
[0015] S21 :根据所述青蛙族群中的最优解进行更新；
[0016] S22:若没有改进，则根据全局最优解进行更新，其中，每个青蛙的量子位置表示方 程的一个解集，每个量子表示该解集中的一个解，每个解代表每个认知用户的权重向量。
[0017] 进一步地，所述步骤S2还包括：
[0018] 通过公式
【权利要求】
1. 一种基于量子蛙跳的频谱感知算法，其特征在于，包括以下具体步骤： Sl:根据目标函数所表示的适应度值确定全局最优的青蛙量子位置以及每个族群内最 好、最差适应度值的青蛙量子位置； S2:根据跳跃性方程更新最差适应度值的青蛙量子位置的相关信息以及向所述全局最 优解收敛。
2. 如权利要求1所述的一种基于量子蛙跳的频谱感知算法，其特征在于，所述步骤Sl 具体包括： 511 :对青蛙群体总数P，青蛙族群数m，每个族群内的青蛙数η以预设数值进行设置，并 通过公示P=mXη进行计算； 512 :设置族群内的最大迭代次数gen以及整个群体的最大进化代数Gen; 513 :在定义域内随机产生青蛙的初始量子位置。
3. 如权利要求1所述的一种基于量子蛙跳的频谱感知算法，其特征在于，所述步骤S2 具体包括： S21 :根据所述青蛙族群中的最优解进行更新； S22:若没有改进，则根据全局最优解进行更新，其中，每个青蛙的量子位置表示方程的 一个解集，每个量子表示该解集中的一个解，每个解代表每个认知用户的权重向量。
4. 如权利要求1所述的一种基于量子蛙跳的频谱感知算法，其特征在于，所述步骤S2 还包括： 通过公式 eKi^rand{xKj -xhj) +randn[xKj -Zj) <Γ=?cos^-小-?χ':)2sin^j 更新具有最差适应度值的青蛙的量子位置Xw; 其中，rand为[0, 1]之间的均匀随机数，randn为满足均值为0,方差为1的高斯分布 的随机数。z= [Zl，z2,. . .，zM]为族群内全部青蛙的量子位置的平均值，其中， j= 1，2,…，M0 如果新的量子位置*CH的适应度值没有改进，则按照下述方式进行更新： θη] =rand(xHj -xj+randnix^ -Zj) -<Γ=?cos心-小-(xJ2sinAy
5. 如权利要求4所述的一种基于量子蛙跳的频谱感知算法，其特征在于，如果更新量 子位置后适应度值没有改进，则在定义域间内随机产生新的青蛙量子位置。
6. 如权利要求3所述的一种基于量子蛙跳的频谱感知算法，其特征在于，第i只青蛙的 所述量子位置表示为： d,-K1dn ··· = X；2XiM d,wLa,u.,,」 其中，IxijI2+!βijl2=1，（j= 1，2, ...，M)。
【文档编号】H04B17/382GK104467999SQ201410659258
【公开日】2015年3月25日 申请日期:2014年11月18日 优先权日:2014年11月18日
【发明者】张勇, 宋梅, 魏翼飞, 滕颖蕾, 郭达, 王莉, 满毅, 成晨, 张亚男, 鲍叙言, 程刚, 王东安, 李沸乐, 方一鸣 申请人:北京邮电大学