[發(fā)明專利]一種認知異構網絡的動態(tài)頻譜分配方法

有效

• 申請?zhí)枺?/td>: 201410334032.5
• 申請日: 2014-07-15
• 公開（公告）號: CN104168569B
• 公開（公告）日: 2017-11-17
• 發(fā)明（設計）人: 高洪元;歐振威;杜亞男;李晨琬;程君會;張飛籠
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: H04W16/10
• 分類號: H04W16/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種認知異構網絡的動態(tài)頻譜分配方法，其特征在于:

步驟1：感知當前可用頻譜資源F，接入網隨機提出頻譜需求，設置信道頻譜粒度，設置從量子和聲集合中進行選擇的概率HMCR，對基于量子和聲的動態(tài)頻譜方法進行初始化；

待分配的頻譜資源寬度為F，K種異構無線網絡相應接入技術對信道帶寬的規(guī)定分別為B_i，i＝1,2,…,K，則頻譜資源被劃分為多粒度重疊信道，對應每種網絡的信道數為信道總數為每個信道用一個整數m(1≤m≤M)進行編號；將帶寬相同的信道組成的集合(Φ₁,Φ₂,…,Φ_K)叫作信道集合，其中Φ₁＝(1,2,…,M₁),

用D_n＝M_i表示RAN(n,k)可能得到的最大信道數，RAN(n,k)表示第n個接入網，并且其屬于第k種異構網絡，第n個接入網用長度為D_n的和聲片段表示RAN(n,k)得到的相應信道編號，則每個量子和聲的音調編碼總長度為N為接入網總數，量子和聲集合中第i個量子和聲包含Q位量子音調，則其量子和聲的量子音調編碼形式為其中|α_ij|²+|β_ij|²＝1，|α_ij|²描述量子音調v_ij＝[α_ij,β_ij]^T出現“0”狀態(tài)概率,|β_ij|²描述量子音調v_ij出現“1”狀態(tài)概率,i＝1,2,…,P，j＝1,2,…,Q；把i＝1,2,…,P的所有量子和聲的量子音調中的α_ij和β_ij初始化為P為量子和聲集合所包含量子和聲數；

步驟2：對每個量子和聲的量子音調進行測量得到和聲庫x和和聲記憶庫H，對每個和聲進行適應度計算，對應的適應度值保存在Fit和Fit1中，其中Fit與和聲庫x相對應，Fit1與記憶庫H相對應，最后利用適應度向量Fit1中適應度值的大小對和聲記憶庫H中的和聲及向量Fit1中的適應度值進行降序排序；

步驟3：若rand＜HMCR，rand∈(0,1)是滿足均勻分布的隨機數，則在對第i個量子和聲進行更新時，繼承第t代第i個量子和聲的量子音調來進行第t+1次更新，更新時啟動量子旋轉門產生新解；若rand＞HMCR,rand∈(0,1)是滿足均勻分布的隨機數，則隨機生成一個Tent偽混沌序列，用它構造量子聲調代替第i個量子和聲的量子聲調來進行第t+1次迭代；

步驟4：依次對每個量子和聲的量子音調進行測量得到其對應的和聲，并進行適應度計算，評價其優(yōu)劣，替換Fit1中的對應適應度值；重新計算全局最優(yōu)和聲，并依據適應度向量Fit1對和聲記憶庫H中的和聲及向量Fit1中的適應度值進行降序排序，用和聲記憶庫H中的和聲音調來指導量子和聲集合進行演進；

步驟5：如果演進沒有終止，演進由預先設定的最大迭代次數決定，設t＝t+1，返回步驟3；否則，迭代終止，輸出和聲記憶庫H中的全局最優(yōu)和聲，全局最優(yōu)和聲映射得到的頻譜分配矩陣A即為該認知異構網絡的最優(yōu)頻譜分配方案；

步驟2中，測量公式為其中：η_ij∈(0,1)是滿足均勻分布的隨機數，(α_ij)²描述量子音調v_ij出現“0”狀態(tài)概率；量子和聲集合對應的測量態(tài)即為和聲集合，和聲集合中第i個和聲為x_i＝[x_i1,x_i2,…,x_iQ]，P個初始和聲構成和聲庫x＝[x₁,x₂,…,x_P]^T的初始狀態(tài)，以及和聲記憶庫H＝[H₁,H₂,…,H_P]^T的初始狀態(tài)，和聲記憶庫中存儲著迄今為止找到的P個最優(yōu)解，其中和聲記憶庫中第i個和聲為H_i＝[H_i1,H_i2,…,H_iQ]，1≤i≤P；

認知異構網絡頻譜分配參數優(yōu)化方法遵循多約束0-1整數規(guī)劃，由優(yōu)化過程確定系統參數；系統參數通過簡單編碼規(guī)則與和聲庫中數據一一對應；x_i＝(X_i1,X_i2,…,X_iN)為有N個接入網的認知異構網絡系統參數，是由取值{0,1}的二進制數構成的Q維解向量，X_in為第i個和聲的第n個接入網的系統參數。