基于遗传算法的频率复用方式

合集下载

基于多目标遗传算法的GSM网络频率优化

基于多目标遗传算法的GSM网络频率优化邹方【摘要】Frequency optimization is an important way for effectively cancelling interference and ensuring quality of services in GSM networks. The current frequency optimization schemes usually take single-object optimizing algorithms that adopt minimizing of the linear combination of same frequency interference and adjacent frequency interference as the optimal targets. However, the linear combination of these two types of interference could not reflect their different impor-tance reasonably, and the position and azimuth relationships among sectors having same frequency or adjacent frequency should also be considered in frequency assignment. This paper proposes a multi-object genetic algorithm based frequency optimization algorithm, which takes the assignment matrix to model individuals in each generations, and utilizes the same frequency interference, adjacent frequency interference and overlapping degree as three optimal sub-objects respectively. To avoid trapping into local optimal solutions, the crossover operator adopts the geometrical distance between individuals to determine the pairing, and the mutation operator dynamically adjusts mutation probability by evolutionary generations. To maintain the uniform distribution and diversity of the populations, niche based shared fitness and the dynamic adaptive grid are used. Finally, analytic hierarchy process is introduced to select the preference solutions in the solution space. Applying of the above-mentioned scheme to thepractical GSM networks demonstrate that MOGA can provide proper preference so-lutions quickly. It is also proved that MOGA is a feasible solution to frequency optimization in practical GSM networks, and has good application prospects.%频率优化是 GSM 网络优化的重要内容，可以有效地降低干扰，保障网络服务质量。

遗传算法的使用方法和技巧指南

遗传算法的使用方法和技巧指南遗传算法是一种启发式优化算法，它模拟了自然界中的生物进化过程来解决问题。

它具有强大的搜索能力和全局优化能力，在各个领域都有广泛的应用。

本文将介绍遗传算法的基本原理、使用方法以及一些重要的技巧指南。

一、遗传算法的基本原理遗传算法基于生物进化的思想，通过模拟人工选择、交叉和变异等过程来生成和更新解的种群，并利用适应度函数对种群进行评估和选择，以期望通过迭代的方式找到最优解。

遗传算法的基本流程如下：1. 初始化种群：随机生成一组个体作为初始种群。

2. 适应度评估：根据问题的特定要求，计算每个个体的适应度值。

3. 选择操作：利用适应度值选择父代个体进行繁殖，常用的选择算法有轮盘赌选择和竞争选择等。

4. 交叉操作：通过交叉运算生成新的后代个体，交叉操作能够保留父代的有益特征。

5. 变异操作：对交叉后的个体进行基因的随机变异，增加种群的多样性。

6. 替换操作：根据一定的规则，用新生成的后代个体替换原始种群中的一部分个体。

7. 终止条件判断：根据迭代次数或者达到某个预定义的解的条件，判断是否终止迭代。

8. 返回最优解。

二、遗传算法的使用方法为了正确有效地使用遗传算法，我们需要遵循以下几个步骤：1. 理解问题：首先，要准确理解问题的特性和要求，包括确定问题的目标函数、约束条件等。

只有对问题有清晰的认识，才能设计合适的遗传算法。

2. 设计编码方案：将问题的解表示为染色体的编码方案，更好的编码方案可以减少解空间的搜索范围。

常用的编码方式有二进制、浮点数、整数等。

3. 确定适应度函数：根据问题的特点，设计合适的适应度函数用于度量个体的优劣。

适应度函数应能够将问题的目标转化为一个数值，使得数值越大越好或者越小越好。

4. 选择操作：选择操作决定了如何根据适应度值选择父代个体。

常用的选择算法有轮盘赌选择、竞争选择、排名选择等。

轮盘赌选择是普遍应用的一种方法，根据个体的适应度值按比例选择。

5. 交叉操作：交叉操作决定了如何生成新的后代个体。

频率复用

频率复用
一、频率复用因子N
小区簇：小区簇是指这样一个小区集合，在该集合内的小区须使用不同的频率，而在该集合之外的小区可以使用对应的相同频率。

所以小区簇是可以使用全部可用频率的最小小区集合。

频率复用因子N：小区簇中小区的个数称为频率复用因子，典型值为1、4、7、12。

如果小区簇N值减小而小区数目不变，则需要更多的簇来覆盖给定的范围，从而获得更大的容量。

因为在一定的覆盖范围内，小区簇数越多，容量越大。

二、同频干扰距离D
同频干扰距离，又称频率复用距离，简称同频距离，用D表示。

是指最近的两个同频小区中心之间的距离。

由简单的计算可知
D= ，其中R为小区半径。

因此，N值大时，同频复用距离D就大，但频率利用率低，因为它需要N个不同的频率组。

反之，N小则D小，频率利用率高，但可能造成较大的同频干扰，所以这是一对矛盾。

三、同频干扰因子和载干比
同频干扰用移动台的接收载干比C/I表示：
，其中C为最小载波强度；Ii为第i个同频干扰小区所在基站引起的干扰频率。

由无线信道的传播特性可知，C与成正比。

n为衰落指数，一般取4。

所以有
，这里只考虑第一层的6个同频小区。

所以，。

上式表明了载干比和小区簇的关系。

而Q= = 为同频干扰因子。

Ps：为了找到某一个特定小区的相邻的同频相邻小区，必须按一下步骤进行：沿着任何一条六边形链移动i个小区；逆时针旋转60度再移动j个小区。

其中N= +ij+ 。

基于免疫遗传算法的雷达重复频率选择

．
ｎａｕｅ，ｏｌｔｒｌｗｅｉｉｎ）ｏｐｒｏｍａｄｅｓｎｄｖｄｕｌｖｒｉＶ．ｐｐｅｓｌｃｓｆｅｅｃｆｅｒｆｎｌｓｉｉｉａｄｉｅｓｔＴｈｉａｒｅｅｔｍｕｈｉｅｐｌＰＲＦｓｓｎｇＧＡ，ａｅｏｒａｃｄｉｇｕｉＩｂｓｄｎｅｌｏｎ．
维普资讯

ＣｍｕｅｎｉｅｒｇａｄＡｐｉａｏｓｏｐｔＥｇ，ｅｉｎｐｌｔｎ计算机工程与应用ｒｚｎｃｉ
基于免疫遗传算法的雷达重复频率选择
吴涛，丽，尚王荣
ＷＵＴａＳｏ一，ＨＡＮＧＬｉ，ＡＮＧＲｏｇＷｎ
２０．３２：８ —１９０７４（７）１７８．
ＡｂｔａｔＡＰｌｅＤｏｐｅａａｓａｄｔｃａｇｔｒｍｂｃｇｏｎｏｅｗａｇｌｔｒｂａ，ｈｙｈｖｅｎｓｒｃ：ｓｕｓｄ— ｐｌｒｒｄｒｃｎｅｅｔｔｒｅｏｆａｋｒｕｄｔＬｌｒｅｃｕｔｅｍｔｅａｅｂｅｗｉｅｕｅｖｅｄｈｓｄ．
ＫｅｒｓＩｙｗｏｄ：ｍｍｕｅＧｅｅｉｇｒｈＩＡ）Ｐｌｅ－ｏｐｅ ’ ａ：ｌｄｒｇｏｎｎｔＡｌｏｉｍ（（：ｕｓｄＤｐｌｒＩｄ１ｂｉｅｉｎｃｔ；ａ．ｎ
摘
要：多普勒雷达能够在较强的杂波背景中检测目标，广泛应用，它既存在距离模糊，被但又存在速度模糊，需要在巨大的解空

基于改进遗传算法的频率采样FIR滤波器的优化与仿真

基于改进遗传算法的频率采样FIR 滤波器的优化与仿真摘要： FIR 滤波器在语音、图像处理和谱分析等应用中占有重要的地位，其优化设计一直受到广大研究者和工程人员的关注。

频率采样法是FIR 滤波器设计的一种常用方法，它在确定过渡带的值时常采用的是查表法；遗传算法作为一种模拟生物进化过程来寻求最优解的搜索算法，可以用来对FIR 滤波器进行优化。

本文通过两个MATLAB 仿真实例介绍了遗传算法的实现步骤，并在标准遗传算法的步骤上有一点改变，对交叉算子作了一点改变并引入了早熟判断机制。

最后通过比较查表法和遗传算法得到结果，得出遗传算法更有优势这个结论。

关键词： FIR 数字滤波器改进遗传算法频率抽样法 MATLAB 仿真1 引言FIR 数字滤波器以它具有的稳定性和线性相位这两个突出优点在信号处理中的许多领域特别是语音、图像处理中发挥了非常重要的作用。

常用的FIR 滤波器设计方法有窗口法、频率采样法、频率变换法和最佳滤波器设计法. 频率采样法直接从频域进行设计,物理概念清楚,直观方便，特别适合频率响应只有少数几个非零值的窄带滤波器设计。

但频率采样法存在如何确定过渡带中的样本值,使阻带内的最小衰减最大的问题,解决这一问题通常采用查表法，但查表法不能保证所得的数据是最优的。

因此本文提出将遗传算法( Geneticalgorithm,GA)用于FIR 数字滤波器设计——频率采样技术中,确定频率过渡带样本的最佳值。

GA 是一种模仿生物进化过程的结构型随机搜索。

在解决给定的最优化任务时,算法开始时收集一些估计参数(称之为染色体),每一个估计参数都由其适应度函数来评估。

在每一代, 适应度好的染色体允许配对交叉和繁殖,产生新的估计参数形成下一代。

本文将GA 用于FIR 数字滤波器设计的频率采样技术中,解决了传统的查表法不能保证过渡带数据是最优的问题,并结合两个具体例子作了一些探索,实验结果令人满意。

文中还对标准GA 作了改进,为了保证算法的收敛性，将适应度最好的染色体不变地传至下一代，为了避免算法早熟的出现，引入一个早熟判别机制，并通过一些措施来克服早熟。

基于精英遗传算法的GSM网络频点优化设计

ＷＡＮＧＢｏ－ｙａｎ，ＬＵＸｉａｏ，ＣＨＥＮＪｉｅ，ＺＨＡＮＧＹａｎ—ｐｉｎｇ
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００３９，Ｃｈｉｎａ）
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１３．０３．００６
ＤｅｓｉｇｎｏｆＦｒｅｑｕｅｎｔＰｏｉｎｔＯｐｔｉｍｉｚａｔｉｏｎｏｆＧＳＭＢａｓｅｄｏｎＥＧＡ
第２３卷
第２期
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
ห้องสมุดไป่ตู้
２０ｔ３年２月
Ｖｏ１．２３Ｎｏ．２Ｆｅｂ．２０１３
基于精英遗传算法的ＧＳＭ网络频点优化设计
ｐｒａｃｔｉｃｌａａｐｐｌｉｃａｔｉｏｎ，ｈｅｔａｃｔｕｌａｅｖｌｕａａｔｉｏｎｏｆｏｐｉｍｉｔｚｅｄＧＳＭｎｅｔｗｏｒｋｅｉｃｆｉｅｎｃｙａｎｄｆｒｅｑｕｅｎｃｙｐｏｉｎｔｄｉｓｔｒｉｂｕｉｔｏｎｃｏｎｉｔｄｉｏｎｉｓｓｕｐｅｉｏｒｒｏｔ

基于改进遗传算法的短波频率指配算法研究

Ｒｅｅｒｈ０ｏｔＷａｅＦｅｕｎｙＡｓｉｎｓａｃｎＳｈｒ－ｖｒｑｅｃｓｇｍｅｔｇｒｈｎｏｉｍＡｌｔ
ＢａｅｎＩｒｖｄＧｅｅｉｇｒｈｓｄｏｍｐｏｅｎｔＡｌｏｉｍｃｔ
ｓａｃｐｃｒｉｓｌｗｎｅｌｕｎｔｎｍｅｈｄｉｕｅｏｐｏｅｓｔｅｃｎｔａｎｓｉｅｕｅｃｓｉｎｅｔｅｒｈｓａｅｂｔａａｄｐｎａｔｆｃｉｔｏｓｓｄｔｒｃｓｈｏｓｉｔｎｆｑｎｙａｓｍｎｕｙｏｒｒｇｐｏｌｍ．Ｕｓｇｔｉｉｐｏｅｌｏｉｈｔｓｉｅｕｎｙｏｈｒ—ｗａｅｃｍｍｕｉａｉｎｎｔｒ，ｗｅｇｔｒｂｅｉｈｓｍｒｖｄａｇｒｔｍｏａｓｇｆｑｅｃｆｓｏｔｎｎｒｖｏｎｃｔｏｅｗｏｋｅ
ＨＵ－ｅｇＹＡＮＧｏ，Ｘｉｐｎ，ＨａＤＡＩＨｏｇｙｎｎ－ａｇ
（ｈｎｑｎｏｍｎａｏｓｔｅＣｏｇｉ００５Ｃｉ）ＣｏｇｉＣｍｕｉｔｎＩｔｕ，ｈｎｑｇ４０３，ｈａｇｃｉｎｉｔｎｎ
Ａｂｔａｔｓｒｃ：Ｔｈａｕｌｔｉｕｅｏｉｒｖｈｏｕｉｎｐｒｏｍａｃｆｔｅｇｎｅｉｌｏｉｍ，ａｄｔｅｅｔｂｉｓｓｄｔｍｐｏｅｔｅｓｌｔｅｒｎｅｏｈｅｔａｇｒｔｓｏｆｃｈｎｈ

基于遗传算法的野战通信网频率指配方法研究

ｄｕｅｎｉｅｌｉｎｔｏｉｉａｉｌｏｒｔｃｓａｎｔｌｇｅｐｔｍｚｔｏｎａｇｉｈｍ～
ｇｅｔｃａｇｒｔｎｅｉｌｏｉｈｍ．ｐｉｓｔｅａｇｒｔａｐｌｈｌｏｉｈｍｎｔｈｒ — ｅｉｏｔｅｆｅ
ｑｎｙａｓｇｎｅｈｅｆｅｄｏｐｒｔｏｎｃｍｍｕｎｃｔｏｔｕｅｃｓｉｍｎｔｏｆｔｉｌｅａｉｏｉａｉｎｎｅｗｏｒａｍｐｏｖｓｔｌｒｔｍｃｋ，ｎｄｉｒｅｈｅａｇｏｉｈａ —
ＨＯｇｈ，ａ — ｏｇ，ＵＪｎ－ｅＹＩＸｉｏｒｎＧＵｎｉＣｏｇ
（．ａｅｆＡｒｒｄＦｒｅＥｎｉｅｒｎＢｉｎ００２Ｃｈｎ１Ａｃｄｍｙｏｍｏｅｏｃｇｎｅｉｇ，ｅｊｇ１０７，ｉａｉ
霍景河，晓蓉，易古丛
（Ｊ甲兵 ¨ 程学院，京１０７；．参通信训练基地，化０５０）１装１＝北００２２总宣７１０
摘要：随着军队信息化、数字化建设的迅速展开，越来越多的用频设备将投入到战场上，要想有效发挥用频设备的战
关键词：遗传算法；频率指配：Ｎ１．１Ｔ９７１１
文献标识码：Ａ
文章编号：Ｎ２１１（０００—０９５Ｃ３—４３２１）６４— ００
ＲｅｅｒｈｉｏＦｒｑｅｃｓｇｍｅｅｈｄｏｓａｃｎｔｅｕｎｙＡｓｉｎｎｔＭｔｏｆＦｉｌｅｄＯｐｅａｉｎＣｏｍｕｃｔｏｔｒｓｄｏｎｅｉｇｒｔｍｒｔｏｍｎｉａｉｎＮｅｗｏｋＢａｅｎＧｅｔｃＡｌｏｉｈ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｅｉｃｆｉｅｎｃｙｗｈｉｌｅｒｅｄｕｃｉｎｇｒｆｅｑｕｅｎｃｙｉｎｔｅｒｆｅｒｅｎｃｅｂｅｗｅｔｅｎａｄｊａｃｅｎｔｃｅｌｌｓｔｏｏｐｔｉｍｉｚｅｓｙｓｔｅｍｔｈｒｏｕｇｈｐｕｔ，ｉｍｐｒｏｖｅｓｅｒｖｉｃｅｑｕａｌｉｔｙ．
ｔｈｅｃａｒｒｉｅｒｓ，ａｎｄｔｈｕｓｔｈｅｉｎｔｅｍａｌｃｅｌｌｉｎｔｅｒｆｅｒｅｎｃｅｃａｎｂｅｓｕｂｓｔａｎｔｉａｌｌｙｅｌｉｍｉｎａｔｅｄ，ｂｕｔｔｈｅｕｓｅｏｆｈｅｔｓａｍｅｒｆｅｑｕｅｎｃｙｂｅｔｗｅｅｎａｄｊａｃｅｎｔ
资源使用资源
ＦＦＲ部分正交频带１部分正交频带
大于１
ＳＦＲ
全频率复用单个ＲＢ
连续多个ＲＢ组成的子频带
全部频带ｌ无小中心或者部分正交频带边缘区域资源的
大于１划分不用小区用户使
频带使用特点
如果本小区内或者相邻小区间使用相同或者相近的频
不同小区边缘用户使用相互正交用相互正交的ＲＢ，的子频带或结合功率控制
ｃｅｌｌｓｓｔｉｌｌｐｒｏｄｕｃｅｌａｒｇｅｉｎｔｅｒｆｅｒｅｎｃｅ，ａｆｅｃｔｉｎｇｔｈｅｓｙｓｔｅｍｒｅｆｑｕｅｎｃｙｒｅｕｓｅｅｉｃｆｉｅｎｃｙ，ｒｅｄｕｃｅｓｔｈｅｓｙｓｔｅｍｔｈｒｏｕｇｈｐｕｔｐｅｆｏｒｒｍａｎｃｅ．
Ｔｈｅｒｅｆｏｒｅ，ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍｉｓｐｒｏｐｏｓｅｄｒｅｆｑｕｅｎｃｙｒｅｕｓｅｔｈｉｎｋｉｎｇｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓｔｏｉｍｐｒｏｖｅｔｈｅｒｅｆｑｕｅｎｃｙｕｔｉｌｉｚａｔｉｏｎ
（广西大学，广西南宁５３０００４）
【摘要】由于ＬＴＥ采用了ＯＦＤＭ（正交频分复用）技术，各载波间相互正交，因而小区内部的干扰可以基本消除，但相邻小区间的使用相同频率仍然会产生较大的干扰，影响系统频率复用效率，降低系统吞吐效能。因此，针对这一问题提出了基于遗传算法的频率复用思考，从而提高频率的利用效率同时降低相邻小区间的频率干扰，优化系统吞吐量，提高服务质量。【关键词】遗传算法；频率复用；干扰【中图分类号】ＴＮ９２１【文献标识码】Ａ【文章编号】１００８．１１５１（２０１５）０１．００４３．０３
Ｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｆｒｅｑｕｅｎｃｙｒｅｕｓｅｗａｙ
Ａｂｓｔｒａｃｔ：ＳｉｎｃｅｔｈｅＬＴＥｕｓｅｓＯＦＤＭ（ＯｒｔｈｏｇｏｎａｌＦｒｅｑｕｅｎｃｙＤｉｖｉｓｉｏｎＭｕｌｔｉｐｌｅｘｉｎｇ）ｔｅｃｈｎｏｌｏｇｙ，ｏｒｔｈｏｇｏｎａｌｔｏｅａｃｈｏｔｈｅｒａｍｏｎｇ
地域用户密度的情况建立了许多基站并分配相应数量的频率
区间“ 。
频带划分
表１部分频率复用、软频率复用和全频率复用的区别
ＩＣＩＣ实现方式资源规划单元小区中心使用资源资源复用资源Байду номын сангаас 小区边缘使用资源
总第１７卷１８５期２０１５年１月
大众科技
ＰｏｐｕｌａｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ
ＶＯｌ－１７Ｎｏ．１Ｊａｎｕａ￣２０１５
基于遗传算法的频率复用方式
邹超毅张振荣
Ｋｅｙｗｏｒｄｓ：Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；ｒｅｆｑｕｅｎｃｙｒｅｕｓｅ；ｉｎｔｅｒｆｅｒｅｎｃｅ
１引言
随着移动通信事业的快速发展，终端用户的数量不断增多，对基站数量和频率资源的需求也不断增大。目前，我国给每个电信运营商划分了有限的频率区间，运营商根据不同