[發明專利]基于頻譜感知的異構認知無線網絡資源分配方法有效
| 申請號: | 201510048322.8 | 申請日: | 2015-01-29 |
| 公開(公告)號: | CN104618912B | 公開(公告)日: | 2018-12-14 |
| 發明(設計)人: | 徐雷;王俊;李千目;楊余旺;張小飛;李亞平 | 申請(專利權)人: | 南京理工大學 |
| 主分類號: | H04W16/10 | 分類號: | H04W16/10 |
| 代理公司: | 南京理工大學專利中心 32203 | 代理人: | 王培松 |
| 地址: | 210000 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 頻譜 感知 認知 無線 網絡資源 分配 方法 | ||
1.一種基于頻譜感知的異構認知無線網絡資源分配方法,其特征在于,包括以下步驟:
步驟1、智能集中控制器收集異構認知無線網絡中可用的無線資源;
步驟2、智能集中控制器收集用戶設備的資源使用申請;以及
步驟3、智能集中控制器采用有領導機制的混合蛙跳算法對異構認知無線網絡中的資源進行分配;
其中,步驟1中,所述的智能集中控制器收集異構認知無線網絡中可用的無線資源,無線帶寬被分成若干個OFDM子信道;
步驟3所述的智能集中控制器采用有領導機制的混合蛙跳算法對異構認知無線網絡中的資源進行分配,具體步驟如下:
步驟3.1、初始化有領導機制的混合蛙跳算法的參數,具體為:
初始化下述參數:青蛙種群個體數量N、模因數量m,模因組內進化次數M,全局最大迭代次數MaxIter,粒子群中粒子的個數Npso,學習因子c1、c2;
步驟3.2、隨機初始化青蛙種群、粒子群種群,其具體實現包括:
隨機產生N個個體,初始化的個體滿足下述公式:
其中,N表示子信道個數,K表示認知用戶的個數,K0表示非實時用戶的個數,L表示一級用戶的個數,Pkn表示第k個認知用戶使用的第n個子信道的功率,PT是功率的最大值,Inl是認知用戶對第n個子信道上一級用戶的干擾,Ilth是一級用戶所能接受的最大干擾,rkn是第k個認知用戶使用的第n個信道的速率,βk表示第k個非實時用戶與第一個非實時用戶的約束速率比值,Ωk表示第k個認知用戶所占用的信道集合,r1n是第1個認知用戶使用的第n個信道的速率,Rkreq是第k個用戶的速率需求;
步驟3.3、將青蛙種群根據分組算子分成若干個模因組,記錄全局最優解和每個模因組內最差和最好位置,具體分組方法是:
將N只青蛙按適應度值降序排列成m個模因組,第一只青蛙進入第一個模因組,第二只青蛙進入第二個模因組,第m只青蛙進入第m個模因組;
記錄每個組的最差和最好位置分別為Fw、Fb,適應度值按下式計算:
其中,Pkn表示第k個認知用戶使用的第n個子信道的功率,Ckn表示第k個認知用戶和第n個信道之間的信道增益,B表示每個子信道的帶寬,Ik表示一級用戶對第k個認知用戶的影響,N0表示加性高斯白噪聲的PSD,г表示信噪比;
步驟3.4、粒子群在全局最優解附近進行局部搜索,其中,粒子群的更新方式如下:
先更新速度,再更新位置:
其中,Vk是粒子在第k次迭代的速度,pbestk是粒子歷史最優位置,gbestk是全局最優位置,Xk是粒子第k次迭代的位置C1C2是給定參數,Xk+1是第k+1次迭代的位置,Vk+1是第k+1次迭代的速度,rand()產生0至1之間的隨機數;
步驟3.5、更新每個模因組的最差個體,直到最大組內迭代次數,其中,最差個體更新方法為:
先調整青蛙的位移,再更新青蛙的位置:
其中,Fb是組內最優個體,Fw是組內最差個體,rand()產生0至1之間的隨機數,
如果按上式得到的新個體的適應度值沒有變優,則用Fg代替Fb,具體為:
如果個體的適應度值仍然沒有變優,則隨機產生一個新解來取代最優個體;
步驟3.6、重復步驟3.3~3.5,直至最大迭代次數,輸出最優個體解。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京理工大學,未經南京理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201510048322.8/1.html,轉載請聲明來源鉆瓜專利網。





