基于改进群搜索优化算法的认知无线电协作频谱感知

合集下载

认知无线电中协同频谱估计算法改进

认知无线电中协同频谱估计算法改进

认知无线电中协同频谱估计算法改进摘要:针对认知无线电网络中认知用户接收到频谱信号的决策值,提出了一种协同的分布式平均一致性算法。

通过自动调节步长的大小,并且在迭代过程中结合最速下降法和牛顿法,获得全局最优的估计值集合,同时联合全网用户交换信息做出最优估计,优化了计算的迭代次数以及收敛性。

实验结果表明,联合算法可适应不同规模的系统,在同等条件下其收敛时间缩短了约20%,且具有较好的稳定性能。

关键词:认知无线电;分布式平均一致性;最速下降法;牛顿法0引言“一致性问题”广泛应用于无线通信网络、分布式传感器网络、无人机协调控制等领域。

很多研究都致力于找出一种高效、快速的一致性算法。

俞辉等采用加权平均决策值以增强控制器的灵活性,同时考虑了时间延迟的情况;F.Richard等将分布式协同一致性应用于认知无线电的频谱估计;Olfat等对有向网络拓扑分别在离散时间以及连续时间的情况进行了研究;Xiao.L等提出了运用分布式快速线性迭代法分析一致性问题,并用内点法求解快速线性迭代的问题,并运用最速下降法和牛顿法求解最小均方误差的一致性问题。

由于深衰落、阴影效应及噪声的影响,在认知无线电网络中,由单个认知用户进行频谱估计的准确率较差。

同时在实际网络中,认知用户规模存在差异。

因此,本文提出基于最速下降法和牛顿法的联合算法,以解决不同规模下多智能体系统的分布式一致性问题。

将最速下降法能够快速寻找极小值点的优势,与牛顿法在极小点附近收敛性好、速度快的优点相结合使用。

在保证收敛速度的同时也适用于不同规模下的多智能体系统。

1系统模型系统模型如图1所示,设在一定区域里分布了I个主用户和J个认知用户(简称CR用户),它们的位置是预先定义的,各个CR用户与主用户的距离不同,受到不同的频率选择性衰落、阴影效应等。

每个CR用户将进行本地的频谱判决结果和本地的SNR信息以广播形式发给邻居CR用户,每个CR用户再将接收的SNR与阈值比较,选取最优的合作对象。

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》篇一一、引言随着无线通信技术的快速发展,频谱资源日益紧张,认知无线电技术应运而生。

认知无线电通过智能感知、决策和调整,能够动态地利用频谱资源,提高频谱利用效率。

在认知无线电网络中,分簇协作频谱感知算法是关键技术之一,它可以有效地提高感知精度,降低系统能耗。

本文将针对认知无线电中的分簇协作频谱感知算法进行研究。

二、认知无线电与频谱感知认知无线电是一种智能无线通信技术,其核心思想是通过环境感知、决策和调整,动态地利用频谱资源。

频谱感知是认知无线电技术的重要组成部分,它通过接收和分析无线信号,判断频谱资源的可用性。

在频谱感知过程中,为了提高感知精度和降低能耗,研究者们提出了各种算法和技术。

三、分簇协作频谱感知算法分簇协作频谱感知算法是认知无线电网络中的一种重要技术。

它将网络中的节点分成多个簇,每个簇内选择一个节点作为簇头,负责与其他簇头进行信息交换和融合。

在频谱感知过程中,各簇内的节点首先进行本地感知,然后将感知结果发送给簇头进行融合处理。

簇头之间通过协作通信,将融合后的结果发送给中心处理单元进行进一步的处理和决策。

四、研究内容本文将重点研究分簇协作频谱感知算法的优化和改进。

首先,我们将分析现有算法的优缺点,找出存在的问题和挑战。

其次,我们将提出一种基于能量优化和决策融合的改进算法。

该算法将考虑节点的能耗、感知精度和协作通信等因素,通过优化能量分配和决策融合策略,提高频谱感知的准确性和效率。

此外,我们还将研究算法的复杂度问题,提出一种低复杂度的实现方案。

五、算法实现与性能分析在算法实现方面,我们将采用仿真实验和实际测试相结合的方法。

首先,在仿真环境中对改进算法进行验证和性能评估。

通过设置不同的场景和参数,分析算法在不同条件下的性能表现。

然后,我们将在实际测试环境中对算法进行验证和优化,以确保其在实际应用中的可行性和有效性。

在性能分析方面,我们将从以下几个方面对算法进行评估:1. 感知精度:分析算法的感知精度与传统算法的对比情况;2. 能耗:评估算法在运行过程中的能耗情况;3. 协作通信效率:分析算法在协作通信过程中的效率和可靠性;4. 复杂度:评估算法的复杂度及其对系统性能的影响。

认知无线电协作频谱感知算法研究

认知无线电协作频谱感知算法研究

认知无线电协作频谱感知算法研究认知无线电协作频谱感知算法研究摘要:近年来,随着通信技术的迅速发展,无线电频谱资源逐渐紧缺。

而认知无线电技术作为一种新兴的无线通信技术,可以充分利用频谱资源,提高频谱利用效率。

频谱感知算法作为认知无线电系统中的关键技术之一,对于实现频谱资源的有效探测和利用至关重要。

本文主要针对认知无线电协作频谱感知算法进行研究,通过分析和比较不同感知算法的优缺点,旨在为认知无线电系统的设计和优化提供参考。

一、引言无线电频谱资源是通信中不可或缺的重要资源。

然而,由于传统无线通信技术对频谱资源的固定分配和保留,导致部分频谱资源被浪费和闲置,频谱利用效率低下。

认知无线电技术作为一种通过感知、决策和智能调整等方式,灵活利用频谱资源的技术手段,具有很大的应用前景。

二、认知无线电协作频谱感知算法认知无线电协作频谱感知算法是指在认知无线电网络中,利用感知技术对空闲频谱资源进行探测和利用的算法。

常见的感知算法包括能量检测法、循环谱估计法、功率谱密度估计法等。

2.1 能量检测法能量检测法是一种基于能量门限判断的频谱感知算法。

该算法通过测量接收信号的能量水平,判断信道是否处于空闲状态。

然而,能量检测法容易受到噪声的影响,对于低信噪比环境下的频谱感知效果较差。

2.2 循环谱估计法循环谱估计法是一种基于信号的统计特性进行频谱感知的算法。

该算法通过对接收信号进行时频分析,估计信号的功率谱密度。

循环谱估计法可以有效降低噪声的影响,提高频谱感知的准确性。

2.3 功率谱密度估计法功率谱密度估计法是一种基于信号平稳统计特性进行频谱感知的算法。

该算法通过频谱估计和功率谱密度计算,得到频谱资源的利用情况。

功率谱密度估计法可以在较低信噪比环境下实现较好的频谱感知效果。

三、算法比较和优化针对不同的频谱感知算法,本文对其优缺点进行了比较分析。

3.1 精度比较能量检测法由于容易受到噪声的影响,其频谱感知的准确性相对较低;循环谱估计法和功率谱密度估计法能够有效降低噪声的影响,提高频谱感知的准确性。

基于改进引力搜索算法的认知无线网络频谱分配

基于改进引力搜索算法的认知无线网络频谱分配

法具有一定的优势,其中算法的选择和改进对于频
络中,小蜂窝复用宏蜂窝的授权频谱时,存在跨层
谱分配效果有着重要作用。
干扰问题。因此,如何在不干扰宏蜂窝用户正常通 信的同时,使小蜂窝充分利用空闲频谱资源,是5G 网络发展中亟需解决的问题。
在CRN中,随着认知用户个数和可用频谱资源 数量的增加,频谱分配的可行解数成指数倍增加, 利用穷举法列举出所有的频谱分配策略,选取其中
约束条件,是一种典型的NP-Hard问题,求解该问 题的最优解非常复杂且难以实现。群体智能优化算
认知用户通过频谱感知功能,获取未被主用户占用 的空闲频谱信息;然后,频谱管理模块根据感知结
法求解NP-hard问题时,利用种群优势进行迭代寻 优,来获得所求问题的最优解。因此,根据频谱分
果分析周围频谱环境,提取可用频谱信息,制定最
[关键词]认知无线网络;频谱分配;引力搜索算法;网络效益;用户公平度
[中图分类号]TP18
[文献标识码]A
[文章编号11006-141X(2021)02-0051-10
Spectrum Allocation Based on Improved Gravitational Search Algorithm in Cognitive Radio Networks
标;dist(</>”,k”)为二者之间的距离。
Abstract: To improve the utilization of spectrum resources in cognitive wireless networks, a spectrum allocation scheme based on improved gravitational search algorithm is proposed. In this scheme, the location information of the agent is mapped into spectrum allocation variable, and the nonlinear attenuation factor is proposed to enhance searching capability of the algorithm for candidate solutions of spectrum allocation. And then, to maintain the optimal search direction of the algorithm for the candidate solutions, the global optimum guided strategy is utilized to add memory function to the agents. Moreover, the dynamic perturbation operation based on Gaussian distribution is proposed to avoid the local optimum, which is adjusted adaptively with the increasing of iterations. Finally, the Sigmoid function is introduced to discretize the position of agents for the discretization of spectrum allocation. Simulation results show that the proposed algorithm achieves better network utility and user fairness than the comparison algorithms. Keywords: cognitive radio network; spectrum allocation; gravitational search algorithm; network utility; user fairness

基于改进群搜索优化算法的认知无线电协作频谱感知

基于改进群搜索优化算法的认知无线电协作频谱感知

基于改进群搜索优化算法的认知无线电协作频谱感知江辉;陈飞飞;杜文峰【期刊名称】《电路与系统学报》【年(卷),期】2013(018)001【摘要】提出了一种基于改进群搜索优化的认知无线电协作频谱感知方法.用改进的群搜索优化算法求解线性协作感知模型中的权重向量,并将本文方法与基于单节点感知、选择合并、等增益合并和MDC的频谱感知方法进行了比较,仿真结果表明基于改进群搜索优化算法的协作频谱感知较传统的群搜索优化算法具有更好的收敛性,可获得更高的检测概率,且检测性能随感知用户数的增加而提高、随噪声环境的恶化而降低.仿真结果验证了本文方法的优越性.%This paper proposes a method for cognitive radio (CR) spectrum sensing based on improved group search optimizer (GSO).The improved GSO is used to get the weight vector in linear cooperation model.And it is compared with the four methods of Single CR method,Selection combining method (SC),Equal gain combining method (EGC) and Modified deflection coefficient method (MDC).Simulation results show that the improved GSO is better in convergence than traditional group search optimizer.It can obtain better detection probability than the four methods.The detection performance becomes higher with the increase of CR users and becomes lower under the worse of noise condition.【总页数】6页(P187-192)【作者】江辉;陈飞飞;杜文峰【作者单位】深圳大学光电工程学院,广东深圳518060;深圳大学光电工程学院,广东深圳518060;深圳大学计算机与软件学院,广东深圳518060【正文语种】中文【中图分类】TN929.5【相关文献】1.基于群搜索算法的改进萤火虫群优化算法 [J], 蔡俊宁;黄文韬;任达成2.基于精英反向学习群搜索算法的认知无线电协作频谱感知 [J], 袁超3.基于改进群搜索优化算法的云计算任务调度方案 [J], 李敬伟;张皓;赵丽4.基于改进群搜索优化算法的变差函数拟合 [J], 陈华;张艺丹;葛新民5.基于改进群搜索优化算法的综合能源系统运行优化 [J], 王娟; 王致杰; 赵刘亮; 庄石榴因版权原因,仅展示原文概要,查看原文内容请购买。

认知无线电中一种改进的两步协作感知算法

认知无线电中一种改进的两步协作感知算法

认知无线电中一种改进的两步协作感知算法刘洋;季薇【期刊名称】《计算机应用》【年(卷),期】2013(33)5【摘要】针对同时使用硬合并和软合并的两步协作频谱感知方法在第二步的软融合时仍需向融合中心发送大量不必要数据的问题,引入了接收信噪比估计,提出了一种改进的两步协作感知算法.改进算法在低信噪比情况下使用传统的两步协作检测提升检测性能,在较高信噪比情况下则采用硬融合策略来减少发往融合中心的信息量.仿真结果表明,改进算法和传统的两步协作检测算法相比,能在几乎不损失检测性能的情况下,显著减少不必要的数据传送.%Two-stage cooperative spectrum sensing that used both soft combining and hard combining need to send much unnecessary information to fusion center in the second stage. Concerning this problem, this paper proposed an improved algorithm by estimating Signal-to-Noise Ratio (SNR). The improved algorithm selected traditional two-stage scheme to improve the performance of spectrum when SNR was low and selected hard combining scheme to decrease the number of sending data when SNR is high. The simulation results show that the proposed algorithm decreases much unnecessary soft information being sent to fusion center at the cost of a little loss in performance of detection as compared to an existing two-stage cooperative spectrum sensing algorithm.【总页数】4页(P1244-1247)【作者】刘洋;季薇【作者单位】南京邮电大学通信与信息工程学院,南京210003;宽带无线通信与传感网技术教育部重点实验室(南京邮电大学),南京210003;南京邮电大学通信与信息工程学院,南京210003;宽带无线通信与传感网技术教育部重点实验室(南京邮电大学),南京210003【正文语种】中文【中图分类】TN911.7【相关文献】1.认知无线电中一种改进的AVC频谱感知算法 [J], 何智勇2.基于改进群搜索优化算法的认知无线电协作频谱感知 [J], 江辉;陈飞飞;杜文峰3.认知无线电中一种改进的加权支持向量机预测算法 [J], 陈浩;陈瑾;高瞻4.认知无线电中一种感知节点集自适应选择算法 [J], 张晓;王金龙;吴启晖5.认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法 [J], 张军;杨喜;王向明因版权原因,仅展示原文概要,查看原文内容请购买。

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》篇一一、引言随着无线通信技术的飞速发展,频谱资源变得越来越宝贵。

认知无线电技术作为一种新型的无线通信技术,能够有效地提高频谱利用率,解决频谱资源短缺的问题。

其中,分簇协作频谱感知算法是认知无线电中的一项关键技术,能够提高频谱感知的准确性和可靠性。

本文将就认知无线电中分簇协作频谱感知算法进行研究,旨在提高频谱感知的性能。

二、认知无线电概述认知无线电是一种智能化的无线通信技术,其核心思想是通过感知和分析无线环境中的频谱资源,动态地选择和使用最佳的频谱资源。

认知无线电技术具有频谱共享、动态频谱分配和自适应传输等特点,能够有效地提高频谱利用率,解决频谱资源短缺的问题。

三、分簇协作频谱感知算法研究分簇协作频谱感知算法是认知无线电中的一种重要技术,其主要思想是将认知无线电网络中的节点分成若干个簇,每个簇内的节点通过协作的方式进行频谱感知,并将感知结果通过簇头节点进行融合和决策。

这种算法能够有效地提高频谱感知的准确性和可靠性,减少感知时间和能耗。

3.1 分簇策略分簇策略是分簇协作频谱感知算法的关键之一。

目前常用的分簇策略包括基于距离的分簇、基于密度的分簇和基于图论的分簇等。

其中,基于距离的分簇策略将距离相近的节点划分为同一个簇,能够有效地减少簇内节点之间的通信开销;基于密度的分簇策略则根据节点的密度进行分簇,能够更好地适应不同密度的无线环境;基于图论的分簇策略则通过构建无线网络的拓扑图进行分簇,能够更好地反映网络的连通性和可扩展性。

3.2 协作频谱感知技术协作频谱感知技术是分簇协作频谱感知算法的另一关键技术。

常用的协作频谱感知技术包括硬合并和软合并两种。

硬合并将各个节点的感知结果进行逻辑“与”或“或”运算,得到最终的感知结果;而软合并则将各个节点的感知结果进行加权融合,得到最终的感知结果。

软合并能够更好地利用各个节点的感知信息,提高频谱感知的准确性和可靠性。

3.3 算法流程分簇协作频谱感知算法的流程主要包括簇的初始化、节点的感知、信息的融合和决策等步骤。

基于深度学习算法的无线电频谱感知技术研究与优化

基于深度学习算法的无线电频谱感知技术研究与优化

基于深度学习算法的无线电频谱感知技术研究与优化无线电频谱感知技术是指利用无线电设备对无线电频谱进行实时感知和监测的技术。

由于无线电频谱资源有限且受到多种无线通信和无线电干扰的影响,如何有效地利用频谱资源成为了无线通信领域的重要问题。

深度学习算法作为一种强大的数据处理和模式识别工具,被广泛应用于无线电频谱感知技术的研究与优化。

本文将从深度学习算法在频谱感知技术中的应用、问题与挑战以及优化方向三个方面进行介绍与讨论。

深度学习算法在频谱感知技术中的应用方面,可以分为频谱感知和信号分类两个主要方向。

在频谱感知方面,深度学习算法可以通过对无线电信号的接收与处理,提取出频谱资源的相关特征信息,如频率、带宽、功率等。

通过构建适当的深度学习网络,可以实现对无线电信号的智能感知和分析。

在信号分类方面,深度学习算法可以通过训练大量的无线电信号样本数据,实现对不同无线电信号的准确分类和识别。

这些无线电信号可以包括不同的通信协议、数据调制方式和传输功率等。

通过深度学习算法的应用,可以实现对无线电信号的智能感知和自动识别。

然而,在实际应用中,深度学习算法在无线电频谱感知技术中面临着一些问题与挑战。

首先,频谱感知涉及到大量的无线电频谱数据的处理与传输,这对计算和存储资源提出了较高要求。

由于深度学习算法需要大量的计算和存储资源,因此如何在有限条件下实现高效的频谱感知成为了一个重要问题。

其次,在无线电频谱感知中,深度学习算法需要面对多样化的无线电环境和通信场景。

这些环境和场景的变化会对深度学习算法的性能产生较大影响,从而限制了其应用范围和效果。

此外,深度学习算法需要大量的样本数据进行训练和学习,而在无线电频谱感知中,获取大量高质量的无线电信号数据是一项困难的任务。

针对上述问题与挑战,可以从以下几个方面来优化深度学习算法在无线电频谱感知技术中的应用。

首先,可以优化深度学习算法的计算和存储过程,提高其在有限条件下的效率和能力。

例如,可以采用轻量级的深度学习模型和算法,减少计算和存储资源的消耗。

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》篇一一、引言认知无线电作为一种能够感知和智能适应环境变化的无线通信技术,已经在现代无线通信系统中占据了重要的地位。

而频谱感知作为认知无线电技术的重要一环,更是对于实现频谱的有效利用和管理具有重要意义。

因此,对于认知无线电中的分簇协作频谱感知算法进行研究具有重要的现实意义。

二、研究背景认知无线电技术通过感知周围环境,动态地选择最佳的频谱资源进行通信,从而提高了频谱的利用率。

然而,由于无线通信环境的复杂性和动态性,单一的频谱感知方法往往难以满足实际需求。

因此,分簇协作频谱感知算法应运而生。

该算法通过将认知无线电节点进行分组,形成不同的簇,并利用各节点之间的协作来完成频谱感知任务,从而提高频谱感知的准确性和可靠性。

三、算法介绍认知无线电中分簇协作频谱感知算法的核心思想是将认知无线电网络中的节点划分为若干个簇,每个簇中选取一个簇头节点作为代表与其他簇进行信息交换。

该算法的步骤如下:1. 初始化阶段:根据节点的位置信息、通信能力等因素,将节点划分为不同的簇,并选举出簇头节点。

2. 频谱感知阶段:每个簇内的节点利用各自的硬件设备对周围环境的频谱信息进行感知,并将感知结果发送给簇头节点。

3. 数据融合阶段:簇头节点对各节点发送的感知数据进行融合处理,得到更为准确的频谱信息。

4. 协作决策阶段:各簇头节点将融合后的频谱信息与其他簇头节点进行交流和共享,共同完成协作决策过程。

5. 频谱分配阶段:根据协作决策的结果,为各节点分配最佳的频谱资源。

四、算法研究现状及挑战目前,分簇协作频谱感知算法已经得到了广泛的研究和应用。

然而,在实际应用中仍存在一些挑战和问题。

首先,由于无线通信环境的复杂性和动态性,如何准确地感知和识别频谱信息是一个难题。

其次,在分簇过程中,如何合理地划分节点并选举出合适的簇头节点也是一个需要解决的问题。

此外,在数据融合和协作决策过程中,如何保证信息的安全性和可靠性也是一个重要的挑战。

认知无线电中一种改进的两步协作感知算法

认知无线电中一种改进的两步协作感知算法

认知无线电中一种改进的两步协作感知算法作者:刘洋季薇来源:《计算机应用》2013年第05期摘要:针对同时使用硬合并和软合并的两步协作频谱感知方法在第二步的软融合时仍需向融合中心发送大量不必要数据的问题,引入了接收信噪比估计,提出了一种改进的两步协作感知算法。

改进算法在低信噪比情况下使用传统的两步协作检测提升检测性能,在较高信噪比情况下则采用硬融合策略来减少发往融合中心的信息量。

仿真结果表明,改进算法和传统的两步协作检测算法相比,能在几乎不损失检测性能的情况下,显著减少不必要的数据传送。

关键词:认知无线电;软融合;硬融合;协作频谱感知;两步法;检测概率0引言为缓解频谱资源需求的日益增长以及固定的频谱分配策略导致的无线频谱短缺[1],人们提出了认知无线电(Cognitive Radio,CR)的概念。

认知无线电技术可通过动态地接入当前的空闲频谱,极大地提高了频谱的利用率[2]。

快速准确的空闲频谱检测成为认知无线电的关键技术之一。

能量检测[3]是最常用的一种频谱检测方法。

然而该方法对噪声较为敏感,单用户的能量检测在低信噪比(SignaltoNoise Ratio, SNR)情况下性能较差。

就实际的无线通信环境而言,由于存在衰落和阴影效应的影响,SNR通常较低,为此,有必要采用协作感知[4]。

协作感知的核心是其融合方法,有两种常见的融合方法,分别是硬融合和软融合[5-6],它们各有优缺点。

硬融合是将每个认知用户的本地判决结果发送到融合中心,虽然需要传送的数据量比较小,但是其判决准确度也相对较低。

软融合则正好相反,它直接将每个认知用户接收到的能量信息发送到融合中心,再由融合中心综合各个能量值做出最终判决,它的检测性能要好于硬融合,但是却需要向融合中心发送大量的数据。

为了综合利用硬融合和软融合的优点,文献[7]中提出了两步协作频谱感知方案,第一步先用硬融合方案进行判决,如果判决主用户(Primary User, PU)占用信道,则最终判定信道被占用;如果第一步判定PU没有占用信道,第二步再用软融合进行进一步判断,软融合的判决结果将为最终判定结果。

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》范文

《认知无线电中分簇协作频谱感知算法研究》篇一一、引言随着无线通信技术的飞速发展,频谱资源变得越来越宝贵。

然而,传统的固定频谱分配方式导致频谱利用率低下,认知无线电技术因此得到了广泛关注。

认知无线电系统通过智能感知和动态调整,能够在不影响其他用户的前提下,有效利用空闲频谱资源。

其中,分簇协作频谱感知算法是认知无线电系统中的关键技术之一。

本文将就认知无线电中分簇协作频谱感知算法进行深入研究。

二、认知无线电概述认知无线电是一种智能无线通信系统,其核心思想是通过感知周围环境,动态地调整系统参数以适应环境变化,从而提高频谱利用率。

认知无线电系统具有自我学习、自我组织和自我优化的特点,能够根据实时频谱信息进行决策和调整。

三、分簇协作频谱感知算法研究(一)算法原理分簇协作频谱感知算法是将认知无线电系统中的节点按照一定的规则组成多个簇,每个簇内部通过协作的方式完成频谱感知任务。

算法的基本原理包括:簇内节点间信息交换与融合、簇头节点将融合后的信息上传至中心控制器、中心控制器根据全局信息进行决策和分配频谱资源。

(二)算法优势分簇协作频谱感知算法具有以下优势:1. 提高感知精度:通过多个节点的协作感知和信息融合,可以有效提高频谱感知的准确性和可靠性。

2. 降低能耗:通过分簇的方式,可以减少节点间的通信开销和计算负担,从而降低能耗。

3. 适应性强:该算法可以根据网络环境和用户需求进行动态调整,具有较强的适应性和灵活性。

(三)算法实现分簇协作频谱感知算法的实现主要包括以下几个步骤:1. 节点分组:根据一定的规则将节点划分为若干个簇,每个簇内包含一定数量的节点。

2. 簇内协作感知:每个簇内的节点通过协作的方式进行频谱感知,并将感知结果上传至簇头节点。

3. 信息融合:簇头节点对各节点上传的感知结果进行信息融合,得到该簇的频谱感知结果。

4. 中心控制器决策:中心控制器根据各簇上传的频谱感知结果进行全局决策和分配频谱资源。

四、实验与分析本文通过仿真实验对分簇协作频谱感知算法进行了验证和分析。

认知无线电协作频谱感知机制的优化

认知无线电协作频谱感知机制的优化

认知无线电协作频谱感知机制的优化胡晓宁;胡捍英;仵国锋【期刊名称】《数据采集与处理》【年(卷),期】2011(26)6【摘要】The objective of spectrum sensing is to provide more spectrum access opportunities to cognitive rafio (CR) users without causing interference to primary users. For the limitation of local spectrum detection, cooperative spectrum sensing is proposed. To maximize the spectrum sensing efficiency of single licensed channel under satisfying interference constraint to primary user, a novel cooperative spectrum sensing scheme is proposed by jointly optimizing the sensing parameters of sensing duration, the transmission duration and the numbers of CR users participating in cooperative spectrum sensing and the optimal solution is obtained based on exhaustive search. Moreover, the sensing efficiency problem is studied in multichannel environment and a licensed channel selective allocation scheme is proposed. Simulation results verify the effectiveness of the proposed method.%频谱感知的目标是在尽量避免对主用户造成干扰的条件下为感知用户提供尽可能多的频谱接入机会.由于单用户频谱检测算法的局限性,协作频谱感知被提了出来.在满足对主用户干扰限度的条件下,为了使单个授权信道的频谱感知效率达到最大,引入一种新的协作频谱感知机制,联合优化包括感知时间、传输时间、参与协作的感知用户数目在内的感知参数,并通过穷尽搜索算法得到最优解.在此基础上研究了多个授权信道情况下的频谱感知效率问题,提出了一种授权信道选择分配方案.仿真结果验证了所提方法的有效性.【总页数】6页(P691-696)【作者】胡晓宁;胡捍英;仵国锋【作者单位】解放军信息工程大学信息工程学院,郑州,450002;解放军信息工程大学信息工程学院,郑州,450002;解放军信息工程大学信息工程学院,郑州,450002【正文语种】中文【中图分类】TN911【相关文献】1.协作频谱感知中的信道搜索机制优化 [J], 刘全;郭云玮;高俊;刘思洋2.周期性协作频谱感知机制的优化 [J], 郭云玮;刘全;高俊3.基于改进群搜索优化算法的认知无线电协作频谱感知 [J], 江辉;陈飞飞;杜文峰4.基于多层分簇优化的认知无线电网络协作频谱感知策略 [J], 张亚梅;刘保菊5.认知无线电系统协作频谱感知机制优化 [J], 胡晓宁;仵国锋;胡捍英因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进蚁群优化策略的无线传感器网络路由算法

基于改进蚁群优化策略的无线传感器网络路由算法
2020 年 4 月 第 35 卷 第 4 期
内江师范学院学报 JournalofNeijiangNormalUniversity
Apr.2020 Vol.35 No.4
基于改进蚁群优化策略的无线传感器网络路由算法
蔡 燕, 陈加林
(内江师范学院 物理与电子信息工程学院, 四川 内江 641100)
难满足当前移动无 线 传 感 器 网 络 的 各 种 新 需 求.为 了解决没有集中控 制 实 体 的 大 规 模 路 由 问 题,蚁 群 优 化 (antcolony optimization,ACO)策 略 作 为 WSN 中保持 和 优 化 路 由 的 一 种 新 方 法,引 起 了 人 们的广泛关注.沙 娓 娓 等 提 [7] 出 的 基 于 蚁 群 算 法 的 IARA(improvedantbasedroutingalgorithm)算 法 主 要 考 虑 节 点 的 能 量 、传 输 方 向 和 节 点 距 离 等 因 素 , 但是该算法需要综 合 考 虑 因 素 较 多,并 且 在 信 息 素 更新时需要计算最 小 能 量 和 平 均 能 量 等 值,由 此 会 加大传感器节点计 算 资 源 和 能 量 资 源 的 消 耗.罗 兰 花等 提 [8] 出的基于改进蚁群算法的网络能量平衡 路 由策略主要通过加 入 能 量 消 耗 预 测 机 制,引 导 算 法 平衡各节点能量消 耗,但 是 该 算 法 没 能 兼 顾 考 虑 传 输距离因素的影响,可 能 会 导 致 路 由 算 法 的 端 到 端 时延增加.陈伟 提 [9] 出 的 基 于 蚁 群 的 云 计 算 任 务 分 配 策 略 ,该 策 略 减 少 了 任 务 执 行 时 间 ,有 效 改 善 了 资 源负载不均问题.杨琼 提 [10] 出 的 分 区 域 聚 类 的 蚁 群 算 法 ,通 过 对 城 市 分 布 进 行 球 形 聚 类 ,再 分 别 对 剩 下 的 城 市 进 行 线 性 聚 类 和 孤 立 点 聚 类 .实 验 表 明 ,该 算

基于改进粒子群分簇合作频谱感知算法

基于改进粒子群分簇合作频谱感知算法

基于改进粒子群分簇合作频谱感知算法韩雪; 郭滨; 王胜男【期刊名称】《《长春理工大学学报(自然科学版)》》【年(卷),期】2019(042)005【总页数】5页(P82-86)【关键词】合作频谱感知; 分簇; 检测概率; 改进粒子群算法【作者】韩雪; 郭滨; 王胜男【作者单位】长春理工大学电子信息与工程学院长春 130022【正文语种】中文【中图分类】TN911在通信技术的飞速发展下,大部分频谱都未得到充分地利用,而专用的静态频谱分配策略是造成频谱利用不足的主要原因。

目前,认知无线电(Cognitive Radio,CR)被认为是缓解频谱资源紧张问题的有效解决方案[1]。

工业标准化机构更倾向于使用交织认知无线电模型,因为它不仅适用于低利用率的无线电频谱,并且还具有很好的可靠性与合理性。

在交织网络模型中,主用户(Primary User,PU)不允许二次用户(Second User,SU)访问已占用的频带,但PU允许未经许可的认知无线电用户动态地和机会地访问PU未使用的频谱,这促使了网络吞吐量的显着提升,频谱效率也得到了一定的提高。

频谱感知一直是认知无线电技术中的一个基础的关键性问题。

传统的频谱感知算法有能量检测算法[2]、匹配滤波器检测算法[3]以及循环平稳特征检测算法[4],但各个检测算法均有各自的不足。

能量检测算法虽具有噪声不确定的缺点,在低信噪比的环境条件下,噪声信号很容易淹没PU信号,但与其它检测算法相比,由于其具有易于理解和实践等优点,并且具有不需要PU的先验知识,所以被广泛应用。

在实际无线通信环境下,单个SU的感知性能并不完善,存在路径损耗传播和故障的收缩等问题。

因此,学者们提出了合作频谱感知来克服单个SU易受到衰落和阴影的影响等问题[5]。

文献[6]建立用户信号的权重因子与全局检测概率的优化模型,通过引入遗传算法来求解全局检测概率,但传统的遗传算法具有易陷入局部最优的缺点。

文献[7]提出了一种基于双阈值的频谱感知方案,利用接收信号样本的协方差矩阵,提高了传统的基于协方差的频谱感知方法的性能。

认知无线电系统协作频谱感知机制优化

认知无线电系统协作频谱感知机制优化

认知无线电系统协作频谱感知机制优化胡晓宁;仵国锋;胡捍英【期刊名称】《计算机工程》【年(卷),期】2011(037)018【摘要】In order to maximize the spectrum sensing efficiency in the interference-limited primary systems, this paper proposes an optimization scheme for cooperative spectrum sensing mechanism in Cognitive Radio(CR) system. It defines the system model, jointly optimizing the crucial sensing parameters of sensing duration, transmission duration and the numbers of CR users participating in cooperative spectrum sensing. Simulation results show that the proposed scheme is capable of maximizing the spectrum sensing efficiency while satisfying the interference-limited.%为使干扰受限情况下的频谱感知效率达到最大,提出一种认知无线电系统协作频谱感知机制的优化方案.定义系统模型,运用协作频谱感知对系统日标进行联合优化,包括感知时间、传输时间、参与协作的感知用户数在内的感知参数优化.仿真结果证明,采用该优化方案,能在满足干扰受限的条件下最大化频谱感知效率.【总页数】3页(P68-70)【作者】胡晓宁;仵国锋;胡捍英【作者单位】解放军信息工程大学信息工程学院通信工程系,郑州450002;解放军信息工程大学信息工程学院通信工程系,郑州450002;解放军信息工程大学信息工程学院通信工程系,郑州450002【正文语种】中文【中图分类】TN911【相关文献】1.认知无线电协作频谱感知机制的优化 [J], 胡晓宁;胡捍英;仵国锋2.RF能量采集全双工认知无线网络中协作频谱感知参数优化 [J], 范梦兰;张杭;李炯3.基于多层分簇优化的认知无线电网络协作频谱感知策略 [J], 张亚梅;刘保菊4.认知无线网络中的智能协作频谱感知机制研究 [J], 季薇;胡延成;杨震5.基于信誉机制的认知Ad hoc网络分簇协作频谱感知 [J], 齐全;王可人;杜奕航因版权原因,仅展示原文概要,查看原文内容请购买。

基于群组搜索算法的无线传感器网络路由优化

基于群组搜索算法的无线传感器网络路由优化

基于群组搜索算法的无线传感器网络路由优化无线传感器网络作为人工智能和物联网的重要组成部分,能够自组织、自适应和自我修复,逐渐被广泛应用于环境监测、智能交通、医疗保健等领域。

然而,由于其节点数量庞大、通信距离短、能量限制等特殊性质,如何设计高效的路由协议成为了学者们的研究热点。

基于群组搜索算法的无线传感器网络路由优化是其中的一种研究方向,本文将就此方向进行阐述。

一、基础知识无线传感器网络是由大量分布在监测区域内的微型传感器节点组成,可以实现监测区域各种参数数据的采集和传输。

它主要由传感器节点、中继节点、基站三部分组成。

其中,传感器节点一般负责采集环境信息和保存临时存储数据,它们之间的通信主要采用无线自组织特征以达到高度自适应的目的。

而中继节点则负责实现数据的转发,起到桥梁的作用。

基站是无线传感器网络的中枢,对整个网络进行控制和管理,包括节点的部署、参数的设置等。

二、路由协议的分类在无线传感器网络中,路由协议是关键技术之一。

它主要用于指导节点之间进行消息的传递,实现数据的合理转发,以达到整个网络优化的目的。

目前,路由协议大致可以分成以下几种类型:1. 基于质量的路由协议:这种路由协议大多是基于模拟算法实现的。

它试图利用网络中节点的信号强度和链接质量等参数进行路径的优化。

2. 基于能耗的路由协议:这种路由协议则是基于网络节点的可用能量和消耗能量等因素来进行路径的优化。

3. 基于分簇的路由协议:这种路由协议是网络自身特性的产物。

它利用节点的地理位置等信息,将节点分为不同的簇或群组,内部交流使用较高能源的节点,使节点能够自动聚类以提高网络能源效率。

三、群组搜索算法基于群组搜索算法的路由协议是一种较新的网络优化技术,是随机过程的一种类型。

它重点关注整个网络的全局优化,通过模拟生物个体的互动方式,来挖掘可能的优化路径。

群组搜索算法的主体由两种实体组成: 个体和群体。

个体之间可以通过信号、消息以及物理力和学习等方式来互相作用,群体之间的交互则更加复杂。

基于注水原理的认知无线电协作频谱感知加权算法

基于注水原理的认知无线电协作频谱感知加权算法

基于注水原理的认知无线电协作频谱感知加权算法
刘传清
【期刊名称】《南京工程学院学报(自然科学版)》
【年(卷),期】2011(009)004
【摘要】协作频谱感知算法在提高频谱检测概率的同时也增加了控制信道开销,如何降低控制开销成为协作感知的关键技术之一.提出基于注水原理的加权协作检测算法,算法采用基于信噪比的能量检测器,根据检测信号的信噪比,用注水原理计算和分配权值,确定感知贡献,删除无效检测和传输.结果表明,提出的算法提高了检测概率,同时平均感知比特数下降,减少了控制信道开销.
【总页数】6页(P15-20)
【作者】刘传清
【作者单位】南京工程学院通信工程学院,江苏南京211167
【正文语种】中文
【中图分类】TN92
【相关文献】
1.基于改进群搜索优化算法的认知无线电协作频谱感知 [J], 江辉;陈飞飞;杜文峰
2.基于精英反向学习群搜索算法的认知无线电协作频谱感知 [J], 袁超
3.认知无线电协作频谱感知混合加权算法 [J], 刘传清
4.认知无线电中基于加权硬判决的协作频谱感知算法(英文) [J],
5.认知无线电中基于加权硬判决的协作频谱感知算法 [J], 李佳俊; 谈振辉; 艾渤; 杨杉
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 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. 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. 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)。
计【 1 等 领 域 中 得 到 应 用 。但 GS O算 法 有 其 缺 点 :原 理 较 复 杂 、 效 率 较 低 ,为 此 ,本 文 提 出一 种 基 于 改
进 GS O算 法 的C R协 作 感 知 方 法 ,通 过 仿 真 计 算 ,分 析 了基 于 改 进 GS O算 法 的收 敛 速 度 以及 在 不 同协 作
准 则 )和 最 大 比值 合 并 ( ma x i mu m r a t i o c o mb i n i n g ,MR C)的 软 判 决 融 合 与 文 献 [ 8 ] 的 硬 判 决 融 合 进 行
ቤተ መጻሕፍቲ ባይዱ
对 比 ,结 果 表 明在 相 同 条件 下 软 判 决 融 合 的 检 测 性 能 更 优 。文 献 [ 1 0 ] 则 提 出 了基 于 D— S 证 据 理 论 的协 作 频 谱 感 知 法 ,该 方 法 需 存 储 检 测 可 信 度 等 大 量 历 史 信 息 ,算 法 复 杂 。 近年来 , 智 能 算法 因 其 求 解 最 优 化 问题 的独 到 优 势 而 开 始 在 认 知无 线 电协 作 感 知技 术 中得 到应 用 , 如文献[ 1 1 ] 提 出 的基 于遗 传 算 法 的 C R协作 频 谱 感 知 方 法 和 文 献 [ 1 2 ] 提 出 的基 于 改进 混 合 蛙 跳 算 法 的C R 协 作 感 知 方 法 。然 而 ,文 献 [ 1 1 ] 中遗 传 算 法 收 敛 速 度 慢 ,局 部 寻 优 能 力差 ;文 献 [ 1 2 ] 中改 进 混 合 蛙 跳 算
中图 分类 号 :T N9 2 9 . 5
文献标 识码 :A

引 言
认 知无线 电 ( c o g n i t i v e r a d i o ,C R)技 术 是 一 项 无 线 智 能 通 信 技 术 【 l l 2 】 ,它 允 许 非 授 权 用 户 ( C R用
户 )动 态 接 入 授 权 用 户 ( 主 用 户 )的 空 闲频 段 ,从 而 有 效 解 决 了频 谱 利 用 率 低 的 问题 【 引。作 为实 现 C R
较 , 仿 真 结 果 表 明基 于 改 进 群 搜 索 优 化 算 法 的 协 作 频 谱 感 知 较 传 统 的 群 搜 索 优 化 算 法 具 有 更 好 的 收 敛 性 , 可 获 得 更 高 的 检 测 概 率 ,且 检 测 性 能 随 感 知 用 户 数 的 增 加 而 提 高 、随 噪 声 环 境 的 恶 化 而 降 低 。仿 真 结 果 验 证 了 本 文 方 法 的 优 越 性 。 关 键 词 : 群 搜 索 优 化 算 法 ; 认 知 无 线 电 ; 频 谱 感 知 ; 能 量 检 测
检 测 、 循 环 平 稳 特 征 检 测 等 ) 易受 阴影 、 多径 衰 落 等 无 线传 播 环 境 影 响 ,其 感 知 性 能 不 理 想 ; 协 作 感 知 通 过 将 多个 节 点 的 感 知 信 息 进 行 融合 , 可 显 著 提 高C R系 统 检 测 性 能 [ , , 是 目前 最 具 有 应 用 潜 力 的
第 1 8卷 第 1 期 2 0 1 3 年 2月
文章编号 :1 0 0 7 — 0 2 4 9( 2 0 1 3 ) 0 1 . 0 1 8 7 . 0 6
电路 与 系 统 学 报
J OU RN A L OF CI RCU I TS AN D SY S TEM S
V o1 . 1 8 NO . 1
摘 要 ;提 出 了一 种基 于 改进 群搜 索优 化 的认知 无线 电协 作频 谱感 知 方法 。用 改进 的群搜 索优 化算 法求 解线 性协 作
感 知 模 型 中 的 权 重 向 量 , 并 将 本 文 方 法 与 基 于 单 节 点 感 知 、 选 择 合 并 、 等 增 益 合 并 和 MDC 的 频 谱 感 知 方 法 进 行 了 比
Fe b r ua r y, 201 3
基 于 改进群 搜 索优 化算 法 的认 知 无线 电协 作频 谱感 知
江 辉 , 陈 飞 飞 , 杜文 峰 2
( 1 .深 圳 大 学 光 电 T 程 学 院 ,广 东 深 圳 5 1 8 0 6 0 ;2 .深 圳 大 学 计 算 机 与 软 件 学院 ,广 东 深 圳 5 1 8 0 6 0 )
用 户 数 和 不 同 噪声 环 境 下 的检 测 性 能 , 并 将 本 文 方 法 与 单 节 点 感 知 法 、选 择 具 有 最 大 接 收 信 噪 比 的节
法 易 陷 入 局 部 最 优 、求 解 精 度 低 。2 0 0 6 年 ,S H e 和O H wu 提 出 了群 搜 索 优 化 算 法 ( g r o u p s e a r c h o p t i mi z e r ,GS O)[ 1 3 1 ,该 算 法 具 有 收 敛 性 能好 、 易 获得 全 局 最 优 解 等 优 点 ,己在 函数 优 化 [ ¨ ] 和 结 构 设

种 频 谱 感 知 方 法 。对 于 协作 感 知 的 信 息 融 合 ,Ka t t e p u r A K等人 【 1 提 出 了基 于 “ O R”准 则 和 “ AND”
准 则 的 硬 判 决 融 合 ,文 献 [ 9 ] 将基于等增益合 并 ( e q u a l g a i n c o mb i n i n g ,E GC,即 权 值 平 均 分 配 的融 合
技 术 的 核 心 ,频 谱 感 知 技 术 引起 了人 们 的广 泛 关 注 。
频 谱 感 知 技 术 中 ,基 于 主接 收机 检 测 主 要 包 括 基 于干 扰 温 度 估 计 的检 测 [ ] 和 基 于 接 收 机 本 征 泄漏
的检 测 等 ,而 基 于 主 发 射 机 检 测 包 括 单 节 点 感 知 和 协 作 感 知 。单 节 点 感 知 [ 5 1( 匹配 滤 波 器 检 测 、 能 量
相关文档
最新文档