基于改进群搜索优化算法的认知无线电协作频谱感知
改进的粒子群优化算法
第37卷第4期河北工业大学学报2008年8月V ol.37No.4JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGY August2008 文章编号：1008-2373(2008)04-0055-05 改进的粒子群优化算法 宋洁，董永峰，侯向丹，杨彦卿 （河北工业大学计算机科学与软件学院，天津300401） 摘要粒子群优化算法是一种基于群体的自适应搜索优化算法，存在后期收敛慢、搜索精度低、容易陷入局部极 小等缺点，为此提出了一种改进的粒子群优化算法，从初始解和搜索精度两个方面进行了改进，提高了算法的计 算精度，改善了算法收敛性，很大程度上避免了算法陷入局部极小．对经典函数测试计算，验证了算法的有效性． 关键词粒子群优化算法；均匀化；变量搜索；初始解；搜索精度 中图分类号TP391文献标识码A A Modified Particle Swarm Optimization Algorithm SONG Jie,DONG Yong-feng,HOU Xiang-dan,Y ANG Yan-qing (School of Computer Science and Engineering,Hebei University of Technology,Tianjin300401,China) Abstract Particle Swarm Optimization Algorithm is a kind of auto-adapted search optimization based on community. But the standard particle swarm optimization is used resulting in slow after convergence,low search precision and easily leading to local minimum.A new Particle Swarm Optimization algorithm is proposed to improve from the initial solution and the search precision.The obtained results showed the algorithm computation precision and the astringency are im- proved,and local minimum is avoided.The experimental results of classic functions show that the improved PSO is ef- ficient and feasible. Key words PSO；average；variable search；initial solution；search accuracy 0引言 粒子群优化（Particle Swarm Optimization，PSO）算法是一种基于群体的随机优化技术，最早在1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart[1]共同提出，基本思想源于对鸟群觅食行为的研究．PSO将每个可能产生的解都表述为群中的一个微粒，每个微粒都具有自己的位置向量和速度向量，和一个由目标函数决定的适应度，通过类似梯度下降算法使各粒子向适应度函数值最高的方向群游．该算法控制参数少、程序相对简单，因此在应用领域表现出了很大的优越性．由于PSO算法容易理解、易于实现，所以PSO算法发展很快．目前，多种PSO改进算法已广泛应用于函数优化、神经网络训练、模式识别、模糊系统控制以及其他的应用领域． 许多学者对PSO算法进行研究，发现其容易出现早熟、最优解附近收敛慢等现象，并提出了一些改进方案，例如自适应PSO算法、混合PSO算法、杂交PSO算法等[2-4]．因此，本文从初始解和收敛精度两个角度出发对PSO算法进行了改进，提高了算法的计算精度，有效的改善了算法的优化性能． 1基本PSO算法 PSO算法是一种基于群体的随机优化技术，基本思想源于对鸟群觅食行为的研究．通过对鸟群飞行时经常会突然改变方向、散开、聚集，但整体总保持一致性，个体与个体间鸟群好像在一个中心的控制 收稿日期：2008-04-17 基金项目：河北省自然科学基金（F2006000109） 作者简介：宋洁（1967-），女（汉族），副教授．
认知无线电学习笔记二-频谱感知方法总结
研究初期。大量文献。判断有无信号传输。识别信号类型。 1)匹配滤波器 主用户信号已知时最佳。感知速度快。但对信号已知信息的要求高，感知单元的实现复杂度极高（需要对大量类型信号的匹配滤波）。 2)基于波形的感知 已知主用户信号的patterns（用于同步等的前导序列等等），对观测数据做相关。在稳定性和收敛速度上比基于能量检测的感知要好。 判决门限的选取。信号功率因信道传输特性和收、发信机之间的距离的不确定性而难以估计。实际中，可由特定的虚警概率给出门限，此时只需知道噪声方差。 3)基于循环平稳性的感知 信号的平稳特征由信号或信号统计量（期望、自相关等）周期性引起。利用循环相关函数（而非功率谱密度）检测信号，可将噪声与信号分离。因为噪声广义平稳无相关量，而调制信号由于循环平稳而存在谱相关。循环谱密度（CSD）函数的计算是对循环自相关函数做傅里叶变换。循环频率与信号的基本频率一致时，CSD函数输出峰值。 4)基于能量检测的感知 低运算复杂度和低实现复杂度。缺点在于：判决门限的选择困难；无法区分能量来源是信号还是噪声； 低SNR条件下性能差。噪声水平的动态估计，降秩特征值分解法。GSM时隙能量检测，需与GSM系统同步，检测时间限制在时隙间隔内。FFT之后频域能量检测。检测概率在各种信道条件下的闭式解。 5)无线电识别 识别主用户采用的传输技术。获得更多的信息，更高的精度。比如蓝牙信号的主用户位置局限在10m 之内。特征提取和归类技术。各种盲无线电识别技术。 6)其它感知方法 多窗口谱估计。最大似然PSD估计的近似，对宽带信号接近最优。计算量大。 Hough变换。 基于小波变换的估计。检测宽带信道PSD的边界。 协同感知—— 协同（合作、协作）用来应对频谱感知中噪声不确定性、衰落和阴影等问题。解决隐终端问题，降低感知时间。提出有效的信息共享算法和处理增加的复杂度是协同感知要解决的难题。控制信道可利用：1）指配频带；2）非授权频带；3）衬于底层的UWB。 共享信息可以是软判决或硬判决结果。（基于能量检测的）感知合并方式：等增益合并、选择式合并、Switch & Stay（扫描式）合并。协同算法应：协议开支小；鲁棒性强；引入延迟小。 非协同感知，优点为计算和实现简单，缺点为存在隐终端问题、多径和阴影的影响。 协同感知，优点为更高的精度（接近最优）、可解决阴影效应和隐终端问题；缺点为复杂度高、额外通信流量开支和需要控制信道。 协同感知的两种实现形式： 1)中心式感知。中心单元广播可用频谱信息或直接控制CR通信。AP。硬信息合并、软信息合并。 2)分布式感知。彼此共享信息，自己对频谱做出判决。不需要配置基础结构网络。 外部感知—— 外部感知网络将频谱感知结果广播给CR。优点：可解决隐终端问题和衰落及阴影引起的不确定性；CR无需为感知分配时间，提高频谱效率；感知网络可以是固定的（避免电池供电）。外部感知可以是连续的或周期性的。感知数据传递给中心节点进一步处理，并将频谱占用信息共享。
频谱感知技术外文翻译文献
频谱感知技术外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 译文： 一种新的协作频谱感知算法 摘要 该文提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时，选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明，同常规能量检测算法相比较，该算法能够在控制信道带宽受限条件下，以较少的网络开销获得更好的频谱感知性能。 关键词：认知无线电；频谱感知；信任度；双门限 1引言 随着无线通信技术的飞速发展，有限的频谱资源与不断增长的无线通信需求的矛盾越来越突出。然而根据现有的固定分配频谱资源策略，绝大多数频谱资源得不到有效利用。据FCC 的调查统计，70%的已分配频谱资源没有得到有效利用]1[。为了提高频谱资源的利用率，认知无线电技术由Joseph Mitola Ⅲ提出并得到了广泛的关注]5[]2[ 。频谱感知技术是认知无线电网络的支撑技术之一。通常它又可以分为
能量检测法、匹配滤波器法和循环平稳特征法[4]。能量检测算法因为应用简单且无需知道任何授权用户信号的先验知识成为研究热点。认知用户在接入授权频带之前，必须首先感知该频带空闲即授权用户没有工作，否则会对授权用户造成干扰。一旦授权用户重新工作，认知用户必须退避，实现在不对授权用户产生干扰的情况下对频谱资源的共享。由于实际信道中的多径和阴影效应，单个认知用户频谱感知的性能并不乐观，针对这个问题D. Cabric 等人提出了协同频谱感知算法[5]-[6]。协同频谱感知算法性能较好，但是当认知用户数量很大的时候，控制信道的带宽将不够用。文献[7]中提出了一种在控制信道带宽受限条件下的基于双检测门限的频谱感知算法，该算法能够以较小的网络开销，获得接近普通单门限频谱检测算法的性能。针对认知无线电频谱感知的需要，本文提出了认知无线电环境下一种基于信任度的双门限协同频谱感知算法。该算法中每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发射感知报告。当所有的用户都不可靠时，选取信任度最高的认知用户发射感知报告进行判决。本文对该算法进行了性能分析并通过仿真表明，本文方法比较常规能量检测算法，在减小网络开销的同时提高了检测性能。 2系统模型 假设一个认知无线电网络有N 个认知用户和一个认知无线网络基站，如图1 所示。认知无线网络基站负责管理和联系N 个认知用户，在收到认知用户的检测报告后做出最终判决。 图1. 认知无线电网络示意图 频谱感知的实质是一个二元假设问题，即 01 (),,()()()(),n t H x t h t s t n t H ?=??+? （1）
认知无线传感网中一种高能效的频谱感知周期优化算法
传感技术学报 CHINESE JOURNAL OF SENSORS AND ACTUATORS 第28卷第8期2015年8月Vol 28No.8 Aug.2015An Energy Efficient Spectrum Sensing Period Optimization Algorithm in Cognitive Radio Sensor Networks WANG Yu ，ZHANG Jincheng *，CHEN Kewei ，WANG Quan （AFEU ，Air and Missile Defense College ，Xi'an 710051，China ） Abstract ：In order to improve the efficiency of spectrum sensing in cognitive radio sensor networks ，an energy effi?cient spectrum sensing period optimization algorithm is proposed.The greedy factor is introduced to reduce the times of spectrum sensing so that the power of this method is lower than conventional ones.With the constraint of collision probability and waiting delay ，the sensing period is adaptive adjusted through the interaction with channel.The simulation results show that ，with different distributed parameter of channel state ，this algorithm can effectively improve the efficiency of spectrum sensing ，comparing with fixed periodical sensing method.And it is enforceable for cognitive radio sensor networks. Key words ：Cognitive radio sensor networks ；Spectrum sensing ；Greedy factor ；Sensing efficiency EEACC ：7230doi ：10.3969/j.issn.1004-1699.2015.08.020 认知无线传感网中一种高能效的 频谱感知周期优化算法 王 钰，张金成*，陈可伟，王泉（空军工程大学防空反导学院，西安710051）摘要：为了提高认知无线传感网中节点的频谱感知能效，提出了一种高效的频谱感知周期优化算法。该方法通过引入贪婪因子来减少节点感知信道的次数，进而达到降低感知能耗的目的。在碰撞概率和等待时延的约束下，节点在与信道的交互过程中实现对感知周期的动态修正，达到了对信道状态的自适应高效感知。仿真结果表明，在不同的信道占用状态条件下，该算法相比固定感知周期的方法，有效地提高了感知能效，适于在认知无线传感网中实施。 关键词：认知无线传感网；频谱感知；贪婪因子；感知能效 中图分类号：TP393文献标识码：A 文章编号：1004-1699（2015）08-1221-07 现有的无线传感器网络（Wireless Sensor Net?works ，WSN ）工作在无需授权的ISM 频段，但随着各种无线通信技术的发展，在当前固定频谱分配模式下，这些公用频段正日益变得拥挤，各异构无线网络之间的同频干扰日趋严重，无线网络的共存问题已成了制约无线传感器网络发展的关键问题［1-2］。为此将认知无线电技术引入到无线传感器网络中，形成了认知无线传感网（Cognitive Radio Sensor Net?works ，CRSN ）［3］，认知能力使得网络节点得以动态感知信道信息，并选择空闲信道完成自身的数据传输业务，减少了异构网络间的同频干扰。 频谱感知作为认知能力实现的第一步，在整个 认知过程中起着至关重要的作用。由于CRSN 网络 节点继承了WSN 低能耗、硬件资源有限、自组织等 特点，节点不可能实现全频段的实时感知，如何在MAC 层合理地控制物理层执行频谱感知引起了国内外研究者的普遍关注［4-6］。现有算法中多使用主 动式周期感知机制，该机制中节点除在数据发送前 进行信道感知外，还在无数据通信的空闲时段进行 各信道的周期性感知，为节点的信道接入和切换提 供必要的信息［7］。在空闲时段的额外感知必然会带 来感知能耗的增加，如何实现高能效的自适应信道———————————— 收稿日期：2015-03-03修改日期：2015-05-25
基于改进粒子群算法的优化策略
收稿日期:2009-12-13 基金项目:国家自然科学基金资助项目(60674021) 作者简介:卢 峰(1982-),男,辽宁抚顺人,东北大学博士研究生;高立群(1949-),男,辽宁沈阳人,东北大学教授,博士生导师 第32卷第9期2011年9月东北大学学报(自然科学版)Journal of Northeastern U niversity(Natural Science)Vol 32,No.9Sep.2011 基于改进粒子群算法的优化策略 卢 峰,高立群 (东北大学信息科学与工程学院,辽宁沈阳 110819) 摘 要:为提高传统粒子群算法的搜索速度和搜索精度,提出了一种改进的自适应粒子群优化算法 将正则变化函数和慢变函数引入传统位置更新和速度更新公式当中,形成两种新的更新机制:搜索算子和开发算子 在算法运行的初始阶段,种群中大部分个体将按照搜索算子进行更新,搜索算子将有助于种群遍历整个解空间;随着迭代次数的增加,按照搜索算子进行更新的个体将逐渐减少,而按照开发算子进行更新的个体将逐渐增多,开发算子将有效地克服陷入局部最优解的问题 通过典型测试函数的仿真实验,新算法在加快收敛速度同时,提高了算法的全局搜索能力 关 键 词:进化算法;粒子群算法;全局优化;慢变函数;自适应 中图分类号:T G 273 文献标志码:A 文章编号:1005 3026(2011)09 01221 04 Novel Optimization Mechanism Based on Improved Particle Swarm Optimization L U Feng ,GAO L i qun (School of Information Science &Engineering,Northeaster n U niv ersity,Shenyang 110819,China.Corresponding author :LU F eng,E mail:feng.lu.lf @g https://www.360docs.net/doc/6713687243.html,) Abstract :To accelerate searching speed and optimization accuracy of traditional PSO,an improved particle swarm optimization (PSO )algorithm w as presented.Regularly vary ing function and slow ly varying function were introduced in the position and velocity update formula.New mechanisms such as explorative operator and exploitative operator are formulated.At the beginning,most elements will be updated by explorative operator in the entire search space sufficiently.Within the iterations,more and more particles w ill be handled by ex ploitative operator,which are useful to overcome the deceptions of multiple local optima.It can be seen from the simulation results of the standard benchm ark test functions that the proposed algorithm not only accelerates the convergence process,but also improves g lobal optim ization ability. Key words:evolutionary algorithms;particle sw arm optimization;global optimization;slow ly v arying function;self adaptive 20世纪90年代初,产生了模拟自然生物群体行为的优化方法,被称为群智能优化方法 Dorigo 等人通过模拟蚂蚁的寻径行为,提出了蚁群优化算法(ant colony optimization)[1] ;Eberhart 等人基于对鸟群、鱼群的模拟,提出了粒子群优化算法(particle sw arm optim ization )[2] 作为一种群智能优化方法的代表,粒子群算法通过个体间的协作来寻找最优解,每个个体都被赋予一个随机速度并在整个解空间中搜索,通 过个体之间的合作与竞争来实现个体进化 由于粒子群优化算法运算简单,易于实现,具有良好的解决非线性、不可微和多峰值复杂优化问题的能力,已被广泛应用于科学和工程实际领域[3-5] 但是,粒子群优化算法是根据全体粒子和自身的搜索经验向着最优解的方向进化,在进化后期收敛速度将变得缓慢,同时算法在收敛到一定精度时,容易陷入停滞,无法继续进化更新,因此,存在早熟和陷入局部极值点的现象
频谱感知
https://www.360docs.net/doc/6713687243.html,/article/11-09/422921315975560.html 频谱感知，是指认知用户通过各种信号检测和处理手段来获取无线网络中的频谱使用信息。从无线网络的功能分层角度看，频谱感知技术主要涉及物理层和链路层，其中物理层主要关注各种具体的本地检测算法，而链路层主要关注用户间的协作以及对本地感知、协作感知和感知机制优化3 个方面。因此，目前频谱感知技术的研究大多数集中在本地感知、协作感知和感知机制优化3个方面。文章正是从这3个方面对频谱感知技术的最新研究进展情况进行了总结归纳，分析了主要难点，并在此基础上讨论了下一步的研究方向。 1 本地感知技术 1.1 主要检测算法 本地频谱感知是指单个认知用户独立执行某种检测算法来感知频谱使用情况，其检测性能通常由虚警概率以及漏检概率进行衡量。比较典型的感知算法包括： 能量检测算法，其主要原理是在特定频段上，测量某段观测时间内接收信号的总能量，然后与某一设定门限比较来判决主信号是否存在。由于该算法复杂度较低，实施简单，同时不需要任何先验信息，因此被认为是CR系统中最通用的感知算法。 匹配滤波器检测算法，是在确知主用户信号先验信息(如调制类型，脉冲整形，帧格式)情况下的最佳检测算法。该算法的优势在于能使检测信噪比最大化，在相同性能限定下较能量检测所需的采样点个数少，因此处理时间更短。 循环平稳特征检测算法，其原理是通过分析循环自相关函数或者二维频谱相关函数的方法得到信号频谱相关统计特性，利用其呈现的周期性来区分主信号与噪声。该算法在很低的信噪比下仍具有很好的检测性能，而且针对各种信号类型独特的统计特征进行循环谱分析，可以克服恶意干扰信号，大大提高检测的性能和效率。 协方差矩阵检测算法，利用主信号的相关性建立信号样本协方差矩阵，并以计算矩阵最大、最小特征值比率的方法做出判决。文献[1]提出基于过采样接收信号或多路接收天线的盲感知算法。通过对接收信号矩阵的线性预测和奇异值分解(QR)得到信号统计值的比率来判定是否有主用户信号。 以上这些算法都是对主用户发射端信号的直接检测，基本都是从经典的信号检测理论中移植过来的。此外，近期一些文献从主用户接收端的角度提出了本振泄露功率检测和基于干扰温度的检测。有些文献对经典算法进行了改进，如文献[2]提出了一种基于能量检测-循环特征检测结合的两级感知算法。文献[3]研究了基于频偏补偿的匹配滤波器检测、联合前向和参数匹配的能量检测、多分辨率频谱检测和基于小波变换频谱检测等。表2归纳了文献中提及较多的一些感知算法，并对其优缺点进行了比较。
结合禁忌搜索的改进粒子群优化算法
———————————— 基金项目基金项目：：国家自然科学基金资助项目(61174133) 作者简介作者简介：：李勇刚(1974－)，男，副教授，主研方向：人工智能，智能搜索；邓艳青，硕士研究生 收稿日期收稿日期：：2011-09-20 修回修回日期日期日期：：2011-12-26 E-mail ：dengyanqing12345@https://www.360docs.net/doc/6713687243.html, 结合禁忌搜索的改进粒子群优化算法 李勇刚李勇刚，，邓艳青 (中南大学信息科学与工程学院，长沙 410083) 摘 要：为提高粒子群优化算法的全局搜索和局部开采能力，提出一种结合禁忌搜索(TS)的改进粒子群优化算法。在搜索过程中，以线性递增的概率对最优粒子实施随机扰动，在全局搜索收敛到一定程度后，引入TS 算法进行局部搜索，使算法快速收敛到全局最优解。分析结果表明，该算法收敛精度较高，能有效克服早熟收敛问题。 关键词关键词：：粒子群优化算法；禁忌搜索；随机扰动；局部最优；收敛精度 Improved Particle Swarm Optimization Algorithm with Tabu Search LI Yong-gang, DENG Yan-qing (School of Information Science and Engineering, Central South University, Changsha 410083, China) 【Abstract 】To improve the global exploration and local exploitation ability of Particle Swarm Optimization(PSO) algorithm, an improved PSO algorithm integrated with Tabu Search(TS) is proposed. In PSO algorithm, optimal particle is perturbed with a linear increasing probability. When the global PSO algorithm converges to a certain degree, TS algorithm is used for local search of global optimum. Simulation results show that the convergence precision of the improved algorithm is very high, and can overcome premature convergence effectively. 【Key words 】Particle Swarm Optimization(PSO) algorithm; Tabu Search(TS); random perturbance; local optimum; convergence precision DOI: 10.3969/j.issn.1000-3428.2012.18.042 计 算 机 工 程 Computer Engineering 第38卷 第18期 V ol.38 No.18 2012年9月 September 2012 ·人工智能及识别技术人工智能及识别技术·· 文章编号文章编号：：1000—3428(2012)18—0155—03 文献标识码文献标识码：：A 中图分类号中图分类号：：TP301.6 1 概述 粒子群优化(Particle Swarm Optimization, PSO)算法[1] 是由于在人工生命研究中对鸟群社会行为模拟受到启发，提出的一种基于群智能的启发式搜索算法，具有思想简单、容易实现等特点，受到了广泛的关注。 PSO 算法容易早熟收敛，并且局部寻优能力较差。为此，许多学者提出各种改进策略，如文献[2-3]提出与遗传算法，差分进化算法等全局优化算法混合；文献[4-5]提出与单纯形法，模拟退火等局部优化算法混合。但大多数都只采用一种策略对其改进，要么与其他算法混合，要么加入变异操作[6]，同时，采用2种策略的混合算法较少。与局部算法相混合可以提高收敛速度，却加剧了陷入局部最优的概率。引入变异操作增强了全局搜索，但局部搜索能力却没有改善。因此，如果将局部搜索算法和变异操作同时混合到PSO 算法中，通过适当的调节，使其在优化机制、进程、搜索行为、操作上进行有机结合，可以发挥各自的优点，同时，提高PSO 算法的全局搜索和局部开采能力。 本文提出一种结合禁忌搜索(Tabu Search, TS)与加入随机扰动的PSO 算法的混合算法。利用PSO 算法的快速 性和随机性，全空间地搜索最优解可能存在的区域，使用禁忌搜索算法的记忆功能及爬山能力强的特点，解决算法陷入局部最优的问题。 2 粒子群优化算法粒子群优化算法及禁忌搜索算法及禁忌搜索算法 2.1 标准标准粒子群优化算法粒子群优化算法 PSO 算法先初始化一群随机粒子，然后通过迭代找到最优解。在每次迭代中，粒子通过跟踪2个“极值”更新自己。一个是粒子本身找到的最好解称个体极值pbest ，另—个是整个种群目前找到的最优解称全局极值gbest 。在找这2个最优值时，粒子根据如下的公式来更新自己的速度和位置： 11122()()k k k k k k v wv c r pbest x c r gbest x +=+?+? (1) 11k k k x x v ++=+ (2) 其中，w 为惯性权重；1r 、2r 取[0:1]之间的随机数；1c 、 2c 为加速常量。 2.2 禁忌搜索禁忌搜索算算法 禁忌搜索思想是一种模拟人思维的智能搜索算法[7]。它采用一种灵活的“记忆”技术，即对历史进行记录和选择，指导下一步的搜索方向。另外，为了尽可能不错过产生最优解的“移动”，TS 还采用“释放准则”的策略[8]。
认知无线电网络中的频谱感知技术及面临的挑战
摘要：频谱感知作为认知无线电的关键技术之一，允许非授权用户伺机访问未使用的授权频带资源，从而大大改善了频谱利用率，并且具有较低的部署成本和较好的兼容性。文章首先介绍了认知无线电的概念和频谱感知提出的背景；然后详细探讨了频谱感知面临的技术挑战和设计权衡，并考虑了安全性问题；最后对可能威胁频谱感知的安全问题进行了说明并给出了结论。 关键词：认知无线电；软件无线电；频谱感知；动态频谱访问；协同感知 王海涛1江瑾尧2（1.解放军理工大学通信工程学院南京210007； 2.解放军理工大学理学院南京211101） 认知无线电网络中的频谱感知技术及面临的挑战 收稿日期：2010-03-10 1前言 当前无线频谱资源日趋紧张，造成这种状况的 原因主要包括以下几个方面：一是资源本身有限；二是无线设备和应用越来越普及，消费者对无线频谱的需求越来越大；三是无线频谱资源的分配极不合理。因此， 有效搜索和利用未用的频谱是一项富有挑战的任务。频谱分配方式主要有两种[1]： 专用方式，出售或分配给具有唯一支配权的服务提供商或机构；公用方式，可以按照协商的方式共同使用频谱资源。需要指出的是，当前主要采用第一种分配方式，固定为用户分配指定的独占频带，这种分配方式非常低效和呆板，很快将会耗尽可用的频谱资源。实际上，许可频谱不论在时间和空间上都没有得到充分利 用。据Shared Spectrum 公司报导，所有可用频带的平均利用率不到10%，在某些频带，如30～300M Hz ，甚至低于2%[2]。专用分配方式和严格的管制策略是极 不合理的，人为加剧了无线资源的短缺问题。为此，管理层考虑实施新的频谱管理策略，引入了动态频谱访问（DSA ）的概念[3]，即允许非许可用户（ULU ）伺机利用许可用户（LU ）未使用的频带。 近来，FCC 已允许非许可用户访问TV 频带的频谱空洞。在此基础上， IEEE 也成立了IEEE 802.22工作组负责开发相应的空中接口和此方面的标准化工 作[1]。认知无线电（Cognitive Radio ，CR ）正是在这种背 景下产生的一种崭新的无线通信模式，最早是由 Joseph M itola 博士于1999年提出的[4]。认知无线电是在软件无线电（SR ）的基础上增加了频谱感知和智能处理能力，允许认知无线电设备通过感知无线环境，按 照伺机（Opportunistic ）方式动态利用在空域、频域和时域上出现的空闲频谱资源（称为频谱空洞，即指分配给某授权用户但在特定时间和位置该用户没有使 用的频带 ），从而提高现有频谱资源的利用率。2频谱感知技术 2.1 基本技术 认知无线电设备必须能够感知并分析特定区域的频段，找出适合通信的频谱空洞，在不影响已有通信系统的前提下进行工作，将认知无线电用户通过扫描频带以确定哪些频带可用于数据传输的过程称 为频谱感知。由此可见，频谱感知（或频谱检测）技术 是CR 应用的基础和前提[5]。CR 用户在工作时必须频繁地对当前工作频段和其他频段进行感知操作。对当前工作频段感知的目的是检测频段是否出现主用户：当出现主用户时可以进行快速的规避，放弃对当前工作频段的占用，从而避免对主用户形成干扰。对其他频段感知的目的是对周围其他频段的频谱使用状况进行监测：一方面在当前工作频段不可用时，可以及时切换到其他可用的工作频段；另一方面，可以 20
认知无线电频谱感知技术现状研究
认知无线电频谱感知技术现状研究 【摘要】近年来无线电技术飞速发展，无线通信得到广泛应用，随之而来的是更多的用户需求与无线电频谱资源紧张的矛盾。认知无线电可以有效地解决无线通信中频谱资源紧张的问题，为资源的高效利用提供方案。 【关键词】节点选择；频谱感知；协作频谱感知 从1999年CR这一概念被Joseph Mitola III提出至今，认知无线电技术一直为无线通信研究的热门。认知无线电技术和频谱感知技术的发展日新月异，近期开始有更多的学者开始研究复杂环境下的协作频谱感知方案。 一、认知无线电 Simon Haykin定义CR通过构建理解方法论来学习环境并且通过实时改变运行过程中的某些参数来适应环境带来的统计变化，这些参数包括载频、调制方法和发射功率等参数。总之它是一种感知周围环境的智能无线通信系统，其中核心目标包括：随时随地，高度可靠的通信和高效的频带利用率。Simon Haykin构建CR的框架是从信号处理和自适应过程的角度进行的。另外，Joseph Mitola III认为，为了提高无线电技术的灵活性，认知无线电技术使用“；无线电知识表达语言”；（Radio Knowledge Representation Language，RKRL）。这一语言将会逐步演变成由软件进行配置，符合网络或者用户要求的通信功能和参数的软件无线电。CR通过对环境的观察、自身定位、计划决策、学习、判断和执行来完成自身功能的循环。 同时，美国联邦通讯委员会发布的FCC 03-322文件，申明了CR是一种能通过和其所在的环境相互作用来改变自身发射频率的无线电技术。包括主动地与其他频带使用用户进行交流协商或者通过被动的感知与判断等方式[1]。FCC还具体对CR的使用标准和适用场合做了规定。 二、频谱感知技术 在CR中，频谱感知已经成为核心研究内容，而且频谱感知技术目前又以对主用户发射机进行检测的为主。对发射机进行检测分为单节点检测和多节点检测（又称作合作检测或者协作频谱感知）。单节点检测主流的方法又有能量检测（Energy Detection），循环平稳特性检测（Cyclostationarity）和匹配滤波器检测（Matched Filtering Detection）。 协作频谱感知，又称多节点频谱检测。由于主用户的发送信号经过不同的衰落的信道到达感知从用户（CU），因此主用户的信号伴随着一定的阴影效应或多径衰落，将多个CU的单节点检测作为可以互相协作的整体，共同对同一段频谱进行感知，多节点能量检测技术可以通过AP的信息融合技术，将这一信道的不良干扰大幅度降低。这样，在AP通过特定的融合、判决后得到对主用户LU的
粒子群算法常用改进方法总结
粒群算法的改进方法 一．与其他理论结合的改进 1.协同PSO(CPSO)算法 原理：提出了协同PSO的基本思想，采用沿不同分量划分子群体的原则，即用N个相互独立的微粒群分别在D维的目标搜索空间中的不同维度方向上进行搜索。 优点：用局部学习策略，比基本PSO算法更容易跳出局部极值，达到较高的收敛精度． 缺点：此算法在迭代初期，适应值下降缓慢，且其收敛速度与种群所含微粒数目成反比． 2.随机PSO(SPSO)算法 原理：其基本思想是利用停止进化的微粒来改善全局搜索能力。即将式(1)中的当前速度项V过去掉，从而使得速度本身失去记忆性，减弱了全局搜索能力．但这样也使得在进化的每一代均至少有一个微 粒出予处于微粒群的历史最好位置而停止进化．然后在搜索空问中重新随机产生新的微粒以代替停止微粒的进一步进化．这样就大大增强了全局搜索麓力． 3.有拉伸功能的PSO算法 原理：为了有效地求解多模态复杂函数优化问题，Parsopoulos等人将函数“Stretching”技术引入PSO算法，形成了一种高效的全局优化算法一“Stretching PSO”(SPSO)。它通过消除不理想的局部极小而保留全局最小来避免陷入局部极小．在检测到目标函数的局部极小
点后，立即对待优化的目标函数进行拉伸变换． 优点：．SPSO具有稳健的收敛性和良好的搜索能力，在很多高维度，多局部极值的函数最小值的求解问题上，搜索成功率显著提高。 缺点：计算耗时相应地也会增加． 4.耗散PSO(DPSO)算法 原理：谢晓峰等人根据耗散结构的自组织性，提出了一种耗散型PSO 算法．耗散PSO算法构造了一个开放的耗散系统．微粒在开放系统中的“飞行”不只依赖于历史经历，还要受环境的影响．附加噪声从外部环境中，持续为微粒群弓|入负熵，使得系统处于远离平衡态的状态．又由于群体中存在内在的非线性相互作用，从而使群体能够不断进化。 二．与其他算法结合的改进 1.混合PSO(HPSO)算法 原理：Angeline于1998年提出采用进化计算中的选择操作的改进型PSO模型，成为混合PSO(HPSO)。 优点：HPSO提高了收敛速度并保持了一定的全局收敛能力 缺点：在解决超高维、非线性、多局部极值的复杂性优化问题时有些力不从心。 2.杂交PSO算法 原理：借鉴遗传算法的思想，Angelinec最早提出了杂交PSO算法的概念，而Lovbjerg等人进一步将进化计算机制应用于PSO算法，给出了算法交叉的具体形式。
认知无线电的频谱感知技术研究
认知无线电的频谱感知技术研究 认知无线电的频谱感知技术研究 类别：通信网络 0 引言随着无线通信业务的增长，可利用的频带日趋紧张，频谱资源匾乏的问题日益严重。世界各国现行的频率使用政策除分配极少的ISM频段之外，大多采用许可证制度。而获得许可的用户，并非全部都是全天 候占用许可频段，一些频带部分时间内并没有用户使用，另有一些偶尔才被占用，即使系统频谱使用率低，仍无法将空间的频谱分配给其他系统使用，即无法实现频谱共享。怎样才能提高频谱利用率，在不同区域和不同时间段里有效地利用不同的空闲频道，成为人们非常关注的技术问题。为了解决该问题，Joseph Mito1a于1999年在软件无线电的基础上提出了认知无线电(Cognitive Radio，简称CR)的概念，要实现动态频谱接入，首先要解决的问题就是如何检测频谱空穴，避免对主用户的干扰，也就是频谱感知技术。CR用户通过频谱感知检测主用户是否存在，从而利用频谱空穴。 1 匹配滤波器检测(Matched Filtering) 匹配滤波器是一种最优的信号检测法，因为在输出端它能够使信号的信噪比达到最大。匹配滤波器最大的优点就是能够在短时间里获得高处理增益。但是使用匹配滤波器进行信号检测必须知道被检测的主用户信号的先验知识，比如调制方式、脉冲波形、数据包格式等，如果这些信息不准确就会严重影响其性能，同时匹配滤波器计算量也较大。因此它可以用来检测一些特定的信号，但是每类主用户认知无线电都要有一个专门的接收器，这就增加了系统的资源耗费量和复杂度。 2 能量检测(Energy Detector—Based Sensing) 能量检测是一种较简单的信号非相干检测方法。根据基本假设模型，在高斯加性白噪声(AWGN)信道情况下，采用能量检测法进行主用户信号检测的性能。在AWGN信道非衰落的环境中，可知信道增益h是确定的。在H1 下，当接收到的信号超过判决门限入时，判断主用户信号存在。在H0下，当接收信号超过判决门限时，则会作出错误的判断。分别用Pd和Pf，来表示检测 到主用户的概率(检测概率)和错误判断警报的(虚警)概率，对H．Urkowitz的研究结果进行简化，可以得到通过无衰落的AWGN信道检测的概率和虚警概率的近似表达式为其中：γ是信噪；σ是一个正数；r0，r(，g)是方差；是完整和不完整Gamma函数；Qm是普遍马库姆(Marcum)函数，其定义为由 公式(1)可以看出如果Pd很低，将会导致不能检测主用户信号的概率很大，这样反过来就增加了对主用户的干扰。如果Pf过高，则错误警报会使认识无线电用户错过许多频谱利用的机会，导致频谱利用效率低下。为了提高能量检测的可靠行，最近关于这方面的研究主要集中在能量检测器上。 3 静态循环特征检测静态循环特征检测是通过利用接收信号的静态循环特征来检测主用户的。静态循环特征检测除了复杂度较高外，可以克服匹配滤波器检测和能量检测的缺点。调制后的主用户信号一般会有载频、跳频序列、循环前缀等，从而使信号有内在的周期性。若信号的均值和自相关函数呈现周期性，且周期与信号的周期相同，则称其是静态循环的。我们可以通过分析信号谱相关函数中
多信道频谱感知与频谱接入的优化与折衷
多信道频谱感知与频谱接入的优化与折衷 Multi-Channel Spectrum Sensing and Spectrum Access:Optimization and Tradeoffs 张朝阳/ZHANG Zhao -yang (浙江大学信息与通信工程研究所，浙江杭州 310027) (Institute of Information and Communication Engineering,Zhejiang University,Hangzhou 310027,China) 中兴通讯技术 ZTE COMMUNICATIONS 39 Apr.2009V ol.15No.22009年4月第15卷第2期 基金项目：国家重点基础研究发展规划 (“973”计划)项目(2009CB320405)；国家高技术研究发展计划(“863”计划)资助项目(2007AA01Z257)；国家自然科学基金资助项目(60802012) 认 知无线电作为多系统共存、资源共享与泛网融合的新兴手 段，将对未来无线通信技术的体制和机制带来深刻的影响。实际应用中，认知无线电必须解决两个众所周知的基本问题[1-2]：如何在尽可能宽的频段内实现快速有效的频谱感知；如何根据感知的频谱信息实现最佳的频谱接入。频谱感知的根本目标是保证 频谱资源的动态可用性，而频谱接入的根本目标则是保证频谱资源的利用效率。 在数百兆赫兹乃至数吉赫兹的动态共享频谱范围内，依据授权频谱的自然分隔或者基于认知用户的频谱需求对共享频谱进行多信道划分，可以提高感知的精度、 降低感知的复杂性同时增加频谱接入的机会，由此产生了宽带频谱感知中最为典型的多信道频谱感知的问题[2-3]。多信道频谱感知也是多分辨率频谱感知[4]的特殊情形，具有重要的研究价值。通常由于单个认知用户的感知能力往往 受限，既无必要也不可能同时对所有信道进行感知。但是如何从有限信道的感知信息中获得部分甚至全景的频谱状态信息，则仍然是一个较为复杂的问题。另一方面， 频谱感知与频谱接入实际上是相互约束和相互影响的两个过程。在多(认知)用户和多信道的条件下，不同于普遍的认识，认知无线通信系统中的频谱接入和频谱感知并不仅仅只是分别体现认知用户之间的竞争性和协作性[5-6]，也不仅仅只是时间上相互接续的两个独立过程。事实上，频谱感知中多(认知)用户之间的协作性实际上也同样影响了它们在频谱接入中的有效性 和竞争性。因此，完美的认知无线通信系统的协议设计必须综合地体现出频谱感知和频谱接入的优化与折衷[7-9]。 本文将要介绍的第一项研究内容是用以建立一种新颖的分布式随机多信道感知机制和方法，该方法由多个认知用户随机地选择部分信道进行感知，并利用特殊设计的贝叶斯推理法则来快速有效地获得所有信道的活动状态[10]。这项工作是多用户条件下多信道频谱感知以及多分辨率频谱感知的一个有益的尝试。本文将要介绍的另一项研究工作将力求