一種基于量子蛙跳的頻譜感知算法
【專利摘要】本發(fā)明涉及一種基于量子蛙跳的頻譜感知算法，包括：根據目標函數所表示的適應度值確定全局最優(yōu)的青蛙量子位置以及每個族群內最好、最差適應度值的青蛙量子位置；根據跳躍性方程更新最差適應度值的青蛙量子位置的相關信息以及向全局最優(yōu)解收斂。本發(fā)明通過先將青蛙種群劃分為若干個族群；根據目標函數所表示的適應度值來確定全局最優(yōu)的青蛙量子位置以及每個族群內最好、最差適應度值的青蛙量子位置；再按照提出的跳躍性方程更新其中最差個體的相關信息，快速向全局最優(yōu)解收斂。
【專利說明】一種基于量子蛙跳的頻譜感知算法

【技術領域】
[0001] 本發(fā)明涉及計算機【技術領域】，尤其涉及一種基于量子蛙跳的頻譜感知算法。

【背景技術】
[0002] 隨著無線通信業(yè)務的發(fā)展，對無線頻率資源的需求漸長，日益增長的頻譜需求和 有限的頻譜資源之間的矛盾已成為制約無線通信發(fā)展的瓶頸之一。當前無線通信頻譜資源 利用情況極不平衡：一些頻帶大部分時間沒有用戶使用，一些頻帶只是偶爾使用，而另外一 些頻帶的使用則非常密集。因此那些利用率較低的頻段存在著被二次利用的可能，那么如 何及時發(fā)現并高效利用這些頻段，并且同時避免對授權用戶網絡造成干擾就成為亟待解決 的問題。鑒于此，支持動態(tài)頻譜接入的認知無線電CognitiveRadio(CR)技術應運而生。頻 譜感知作為認知無線電的一項關鍵技術，認知用戶通過頻譜感知發(fā)現頻譜空穴，從而使認 知用戶能利用其進行通信，進而提高頻譜利用率。當認知用戶通信時，突然感知到授權用戶 信號，則認知用戶進行規(guī)避退讓，這一過程不影響授權用戶的通信。由于無線環(huán)境是隨時變 化的，而且授權用戶的信號種類不同，且傳輸過程中存在衰落和干擾等因素，所以頻譜感知 技術的實現方式也有多樣化、靈活化的特點。
[0003] 目前，技術已經相對成熟的單點頻譜感知方法主要包括匹配濾波器檢測、能量感 知檢測法、周期平穩(wěn)特征檢測以及多分辨率頻譜感知。然而，由于信號在傳輸過程中受到干 擾、噪聲、路徑衰落、陰影效應等因素的影響，會產生隱蔽終端的問題，單個節(jié)點的感知結果 可靠性不高，因此，需要對多個節(jié)點的感知結果進行融合判決，以提高其檢測可靠性，即協(xié) 作頻譜感知技術。在提出的一種線性協(xié)作感知框架中，如何在最短的時間內求解出最優(yōu)權 向量已經成為了一個優(yōu)化難題。受達爾文進化理論的啟發(fā)而設計出的遺傳類優(yōu)化算法，作 為成熟的啟發(fā)算法，已得到廣泛應用，然而遺傳類算法的收斂需要嚴格的條件限制。近年 來，粒子群算法、遺傳算法、量子遺傳算法和免疫克隆選擇算法等新的智能計算方法成為許 多學者的研宄熱點。
[0004] 為了解決在最短的時間內求解出認知無線電頻譜分配這一難題，學者們提出了粒 子群算法、遺傳算法、量子遺傳算法和免疫克隆選擇算法等智能計算方法，但均面臨維數災 問題。在解決低維工程問題時，以上算法的收斂性能和速度一般能滿足要求，但在面對認 知無線電頻譜感知這一高維離散工程優(yōu)化問題時，經典離散優(yōu)化算法的收斂性能受到嚴重 挑戰(zhàn)，即在速度和性能方面是不能滿足認知無線電發(fā)展要求的，所以要想在這一問題上有 新的進展就需要設計全新的算法。近年來興起的蛙跳算法，在解決連續(xù)問題的優(yōu)化時具有 較快的收斂精度，但控制參數多，并行性差，因此仍然不能有效解決認知無線電頻譜感知問 題。


【發(fā)明內容】

[0005] 本發(fā)明所要解決的技術問題是針對在頻譜感知算法技術中，如何在最短的時間內 求解最優(yōu)權向量是亟待解決的優(yōu)化問題，以及現有的一些智能計算方法在解決高維工程優(yōu) 化問題時總會在收斂性能和速度方面存在缺陷的關鍵問題。
[0006] 為此目的，本發(fā)明提出了一種基于量子蛙跳的頻譜感知算法，包括以下具體步 驟：
[0007] 包括以下具體步驟：
[0008] S1 :根據目標函數所表示的適應度值確定全局最優(yōu)的青蛙量子位置以及每個族群 內最好、最差適應度值的青蛙量子位置；
[0009] S2:根據跳躍性方程更新最差適應度值的青蛙量子位置的相關信息以及向所述全 局最優(yōu)解收斂。
[0010] 進一步地，所述步驟S1具體包括：
[0011] S11 :對青蛙群體總數P，青蛙族群數m，每個族群內的青蛙數n以預設數值進行設 置，并通過公示p=mXn進行計算；
[0012] S12 :設置族群內的最大迭代次數gen以及整個群體的最大進化代數Gen;
[0013] S13 :在定義域內隨機產生青蛙的初始量子位置。
[0014] 進一步地，所述步驟S2具體包括：
[0015] S21 :根據所述青蛙族群中的最優(yōu)解進行更新；
[0016] S22:若沒有改進，則根據全局最優(yōu)解進行更新，其中，每個青蛙的量子位置表示方 程的一個解集，每個量子表示該解集中的一個解，每個解代表每個認知用戶的權重向量。
[0017] 進一步地，所述步驟S2還包括：
[0018] 通過公式

【權利要求】
1. 一種基于量子蛙跳的頻譜感知算法，其特征在于，包括以下具體步驟： Sl:根據目標函數所表示的適應度值確定全局最優(yōu)的青蛙量子位置以及每個族群內最 好、最差適應度值的青蛙量子位置； S2:根據跳躍性方程更新最差適應度值的青蛙量子位置的相關信息以及向所述全局最 優(yōu)解收斂。
2. 如權利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟Sl 具體包括： 511 :對青蛙群體總數P，青蛙族群數m，每個族群內的青蛙數η以預設數值進行設置，并 通過公示P=mXη進行計算； 512 :設置族群內的最大迭代次數gen以及整個群體的最大進化代數Gen; 513 :在定義域內隨機產生青蛙的初始量子位置。
3. 如權利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟S2 具體包括： S21 :根據所述青蛙族群中的最優(yōu)解進行更新； S22:若沒有改進，則根據全局最優(yōu)解進行更新，其中，每個青蛙的量子位置表示方程的 一個解集，每個量子表示該解集中的一個解，每個解代表每個認知用戶的權重向量。
4. 如權利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟S2 還包括： 通過公式 eKi^rand{xKj -xhj) +randn[xKj -Zj) <Γ=?cos^-小-?χ':)2sin^j 更新具有最差適應度值的青蛙的量子位置Xw; 其中，rand為[0, 1]之間的均勻隨機數，randn為滿足均值為0,方差為1的高斯分布 的隨機數。z= [Zl，z2,. . .，zM]為族群內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的適應度值沒有改進，則按照下述方式進行更新： θη] =rand(xHj -xj+randnix^ -Zj) -<Γ=?cos心-小-(xJ2sinAy
5. 如權利要求4所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，如果更新量 子位置后適應度值沒有改進，則在定義域間內隨機產生新的青蛙量子位置。
6. 如權利要求3所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，第i只青蛙的 所述量子位置表示為： d,-K1dn ··· = X；2XiM d,wLa,u.,,」 其中，IxijI2+!βijl2=1，（j= 1，2, ...，M)。
【文檔編號】H04B17/382GK104467999SQ201410659258
【公開日】2015年3月25日 申請日期:2014年11月18日 優(yōu)先權日:2014年11月18日
【發(fā)明者】張勇, 宋梅, 魏翼飛, 滕穎蕾, 郭達, 王莉, 滿毅, 成晨, 張亞男, 鮑敘言, 程剛, 王東安, 李沸樂, 方一鳴 申請人:北京郵電大學