專利名稱：基于改進遺傳算法的認知無線電方法
基于改進遺傳算法的認知無線電方法技術領域
本發(fā)明屬于無線通信技術領域，尤其涉及一種基于改進遺傳算法的認知無線電方法。
背景技術：
無線通信業(yè)務需求的持續(xù)增長導致無線通信系統(tǒng)對頻譜資源的需求不斷增加，以至于無線頻譜資源變得越來越稀缺。然而，頻譜測量研究表明，授權頻譜的使用率非常低， 授權頻譜空穴浪費嚴重，靜態(tài)的頻譜分配體制與動態(tài)的頻譜利用方式不匹配。解決這一問題的基本思路是盡可能提高現(xiàn)有頻譜利用率。認知無線電技術作為能滿足這一要求的技術也就應運而生了。
認知無線電(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具有學習能力，能與周圍環(huán)境交互信息，以感知和利用在該空間的可用頻譜，并限制和降低沖突的發(fā)生。認知無線電的目的是在不影響授權頻段正常通信的基礎上， 使具有認知功能的無線通信設備按照“機會接入方式”接入授權的頻段內(nèi)，動態(tài)利用頻譜， 解決頻譜緊張的問題。
認知無線電有兩個主要特點認知能力和重配置能力。其中重配置部分需要進行參數(shù)調整，而參數(shù)調整必須要滿足信道條件、用戶需求和制度限定等多方面要求，這就需要認知無線電在多個條件間進行權衡，從而得到一組較優(yōu)良的參數(shù)配置方案。遺傳算法模擬生物進化機制，能在尋優(yōu)空間中進行全局搜索，具有一般算法所沒有的多目標優(yōu)化能力。但是簡單遺傳算法沒有對染色體進行控制，如果種群中出現(xiàn)適應度極高的個體，非常容易得到局部最優(yōu)解。另外，簡單遺傳算法使用固定的交叉概率和變異概率，沒有對優(yōu)良個體進行保護，對較差個體進行抑制，也沒有根據(jù)進化前后期的不同情況進行區(qū)別對待，會影響性能。
為了解決上述問題，必須對參數(shù)調整部分使用的簡單遺傳算法進行改進，以得到較好的性能。。發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種基于改進遺傳算法的認知無線電方法，用以解決常用的基于遺傳算法的認知無線電方法存在的問題。
為了實現(xiàn)上述目的，本發(fā)明提供的技術方案是，一種基于改進遺傳算法的認知無線電方法，其特征是所述方法包括
步驟1 設定認知無線電的初始參數(shù)，將其作為遺傳算法的染色體；
步驟2 設定初始變異概率、種群大小和最大進化代數(shù)，并設定反映當前鏈路質量的目標函數(shù)以及各目標函數(shù)的權重；
步驟3 計算種群適應度值；
步驟4:進行適應度值的尺度變換，保證尺度變換后的適應度值的平均值等于尺度變換前的適應度值的平均值，并且尺度變換后的適應度值的最大值等于尺度變換前的適應度值的平均值的設定倍數(shù)；
步驟5:選擇染色體；
步驟6 使用自適應的交叉概率和變異概率對染色體進行兩點交叉和個體變異；
步驟7 判斷是否達到下述兩個收斂條件之一，如果達到下述兩個收斂條件之一， 則執(zhí)行步驟8 ；否則，返回步驟3 ；
所述收斂條件為
1)進化代數(shù)超過設定的最大進化代數(shù)；
2)種群個體最大適應度值大于或等于設定值；
步驟8 輸出結果集，將其作為認知無線電的參數(shù)。
所述步驟3具體是
步驟31 任取種群中的兩個個體，將其分別即為個體j和個體k ；
步驟32 比較個體j和個體k在第i個目標函數(shù)上的性能，如果個體j在第i個目標函數(shù)上的性能強于個體k在第i個目標函數(shù)上的性能，則令比較函數(shù)c (i，j, k) = 1 ； 否則令比較函數(shù)c (i，j，k) = 0 ；
步驟33 計算個體j在第i個目標函數(shù)上的秩；其計算公式為
權利要求
1.一種基于改進遺傳算法的認知無線電方法，其特征是所述方法包括 步驟1 設定認知無線電的初始參數(shù)，將其作為遺傳算法的染色體；步驟2 設定初始變異概率、種群大小和最大進化代數(shù)，并設定反映當前鏈路質量的目標函數(shù)以及各目標函數(shù)的權重； 步驟3 計算種群適應度值；步驟4 進行適應度值的尺度變換，保證尺度變換后的適應度值的平均值等于尺度變換前的適應度值的平均值，并且尺度變換后的適應度值的最大值等于尺度變換前的適應度值的平均值的設定倍數(shù)； 步驟5 選擇染色體；步驟6 使用自適應的交叉概率和變異概率對染色體進行兩點交叉和個體變異； 步驟7 判斷是否達到下述兩個收斂條件之一，如果達到下述兩個收斂條件之一，則執(zhí)行步驟8;否則，返回步驟3; 所述收斂條件為1)進化代數(shù)超過設定的最大進化代數(shù)；2)種群個體最大適應度值大于或等于設定值； 步驟8 輸出結果集，將其作為認知無線電的參數(shù)。
2.根據(jù)權利要求1所述的一種基于改進遺傳算法的認知無線電方法，其特征是所述步驟3具體是步驟31 任取種群中的兩個個體，將其分別即為個體j和個體k ； 步驟32 比較個體j和個體k在第i個目標函數(shù)上的性能，如果個體j在第i個目標函數(shù)上的性能強于個體k在第i個目標函數(shù)上的性能，則令比較函數(shù)c (i，j，k) = 1 ；否則令比較函數(shù)c (i，j，k) = 0 ；m步驟33 計算個體j在第i個目標函數(shù)上的秩；其計算公式為
3.根據(jù)權利要求1所述的一種基于改進遺傳算法的認知無線電方法，其特征是所述步驟5具體是步驟51 計算所有個體的適應度值之和，記為S ； 步驟52 從(0，S)中選取隨機數(shù)，記為q ；步驟53 在種群中，從O開始累加個體適應度值，累加的結果記為s，當s > q時，停止累加并將此時的個體作為選擇的染色體。
4.根據(jù)權利要求1-3中任意一項權利要求所述的一種基于改進遺傳算法的認知無線電方法，其特征是所述自適應的交叉概率的計算公式為
5.根據(jù)權利要求1-3中任意一項權利要求所述的一種基于改進遺傳算法的認知無線電方法，其特征是所述自適應的變異概率的計算公式為m\ρρ‘ J _ J avg^m _ ιJ max J avgρ f'<fJ J avg其中，Pm為自適應的變異概率，Pffll和Pm2分別為變異概率的上限和下限，f'為要交叉的兩個個體的適應度值的較大者，fmax為種群適應度值的最大值，favg為種群適應度值的平均值。
全文摘要
本發(fā)明公開了無線通信技術領域中的一種基于改進遺傳算法的認知無線電方法。包括設定認知無線電的初始參數(shù)，將其作為遺傳算法的染色體；設定初始變異概率、種群大小和最大進化代數(shù)，并設定反映當前鏈路質量的目標函數(shù)以及各目標函數(shù)的權重；計算種群適應度值；進行適應度值的尺度變換；選擇染色體；使用自適應的交叉概率和變異概率對染色體進行兩點交叉和個體變異；判斷是否達到收斂條件，如果未達到，則返回計算種群適應度值；如果達到收斂條件，則輸出結果集，將其作為認知無線電的參數(shù)。本發(fā)明解決了遺傳算法中最后解集容易收斂于局部最優(yōu)解的問題，同時保證了種群的多樣性和遺傳算法的收斂性。
文檔編號G06N3/12GK102523585SQ20111037996
公開日2012年6月27日 申請日期2011年11月25日 優(yōu)先權日2011年11月25日
發(fā)明者張雪雪, 李非, 趙軍輝 申請人:北京交通大學