基于多目标遗传算法的认知无线电频谱分配
基于遗传算法的认知无线电网络共同信道和功率最优分配_刘超
0
引
言
效地控制才能确保结点对频谱授权用户的功率干扰 保持在可容忍的门限值范围之内， 从而保护授权用 户通信的服务质量。因此有必要对认知无线电网络 的信道分配和功率控制问题进行研究， 从而有效地 提升网络可靠性和整体性能。
在认知无线电网络中， 一方面网络中结点必须 不断感知频谱的空闲后才能分配信道进行通信 ， 另 一方面网络中的结点同时也必须对发射功率进行有
1019 ； 修回日期： 20111221 收稿日期： 2011200901Z202 ） 、 基金项目： 国家高技术研究发展计划（ 863 计划） （ 2009AA01Z212 ， 国家自然科学基金（ 61003237 ） 和江苏省高校自然科学基金 （ 10KJB510018 ） 资助项目 mail： lys@ ujs． edu． cn； lc96222@ 163． com 通讯作者： 刘 超 电话： 13952816676 E-
)
Abstract： Power control and channel allocation are central issues in the cognitive radio networks． Based on interference power model under imperfect spectrum sensing， an optimal mathematical model for common channel and power allocation is presented in this paper． The model is a mixed integer program and difficult to get a numerical resolution． So， an intelligent optimal allocation approach is proposed to overcome this difficulty． Firstly， using penalty function to simplify the mathematical model， a nonlinear programming function without constrains can be obtained． Then， an optimal allocation approach based on genetic algorithm is presented． The proposed concept is evaluated by a simulation example． The simulation results demonstrate that the proposed algorithm can achieve the jointly optimal allocation for power control and channel resource， reduce the power interference for the primary user， and reach the maximum throughput of cognitive users under imperfect spectrum sensing． Key words： cognitive radio； power control； channel allocation； genetic algorithm
认知无线电中的频谱资源优化分配算法
认知无线电中的频谱资源优化分配算法随着科技的不断发展，无线电通信技术已经成为现代通信领域不可或缺的一部分。
在无线电通信中，频谱资源是最宝贵的资源之一，合理利用频谱资源是无线电通信发展的关键所在。
因此，频谱资源的优化分配算法也就成为了无线电通信领域中一个重要的研究方向。
认知无线电是一种新兴的无线电通信技术，通过实时感知无线电频谱利用情况，发现可用频率，避免与其他频段的干扰，从而实现了对频谱资源的最优化利用。
在认知无线电中，频谱资源优化分配算法的研究与应用具有重要的实际意义和应用价值。
频谱资源的分配算法一般分为静态分配和动态分配两种。
静态分配是指提前确定频率资源分配方案，对网络中频率使用的需求没有及时响应，一旦分配后难以进行调整。
动态分配则是根据实际需求对频率资源进行管理与分配，实现了更快速和更高效的资源分配。
因此，基于认知无线电的频谱资源优化分配算法主要采用动态频谱分配技术。
动态频谱分配技术是指通过实时监测无线电频谱的使用情况，自适应地分配可用的频谱资源。
该技术不仅能够充分利用频谱资源，而且可以在频谱使用状况发生改变时及时进行调整。
因此，动态频谱分配技术其在认知无线电通信中的应用受到了广泛关注。
频谱资源优化分配算法的核心在于如何有效地利用可用的频谱资源。
一般而言，频谱资源分配算法可以分为中心化算法和分布式算法两种。
中心化算法是通过中心节点控制所有的频率资源分配，而分布式算法则是通过各个节点之间的协作实现分配。
分布式算法适用于大规模网络，但是需要设计适合不同应用场景的信令交互机制，中心化算法则适用于小规模网络，但是在实现复杂功能时具有局限性。
总的来看，频谱资源优化分配算法的研究具有重要的理论与实践意义。
但是，在实际应用中，频谱资源优化分配算法的应用仍存在一些问题，如信号传输可靠性、频率干扰等，这些问题需要进一步深入研究与解决。
认知无线电频谱分配技术及其应用分析
华中科技大学毕业论文认知无线电频谱分配技术及其应用分析题目：认知无线电频谱分配技术及其应用研究2010年月日认知无线电频谱分配技术及其应用分析摘要近年来，随着无线通信技术的不断发展，频谱资源的使用日趋频繁，整个无线电频谱空间被划分的所剩无几。
然而，从一些研究结果可以看到，频谱资源的缺乏更多是由于对不同无线接入技术的频谱分配不合理引起的。
认知无线电技术在这样的背景下应运而生，它能够主动检测频谱使用情况，自适应的改变自身通信参数，择机的选择主用户暂不使用的频段进行通信，具有灵活、频谱利用率高等优点。
但是，对频谱的灵活应用要求认知无线电系统能够准确的检测并动态的分配频谱资源，其间还要为主用户的出现实现退避和切换功能，因此，频谱分配问题是认知无线电无线资源管理中的核心问题之一。
目前，对认知无线电中的频谱分配问题研究已较为广泛，出现了基于图论理论等频谱分配问题模型，但是本领域的研究还刚刚开始。
本文首先对CR和频谱分配做简要介绍，主要阐述认知无线电的基本原理、功能，另外，着重介绍了认知无线电中频谱分配技术。
然后，对频谱分配问题模型进行分析和比较，最后介绍CR在频谱分配的应用，并对结论和发展进行简单叙述。
关键词：认知无线电、频谱分配、图论理论Cognitive radio spectrum allocation techniquesAnd Its ApplicationAbstractIn recent years, with the continuous development of wireless communications technology, the increasingly frequent use of spectrum resources, the entire radio spectrum is divided into the little remaining space. However, the results can be seen from some of the spectrum is due to lack of resources more different wireless access technologies due to spectrum allocation is unreasonable. Cognitive radio technology emerged in this context, it can take the initiative to detect spectrum use, adaptive changes in their own communication parameters, choose the choice of the main users of the band temporarily used to communicate with a flexible, high spectral efficiency advantages .However, application requirements and flexible spectrum of cognitive radio system can accurately detect and dynamic allocation of spectrum resources, during which even the appearance of the user to achieve the main retreat and switching functions, therefore, the spectrum allocation problem is the radio resource management in cognitive radio One of the core issues. Currently, cognitive radio spectrum allocation in the wider Wen Ti research has emerged based on graph theory problem of spectrum allocation model, However, we welcome in the field of research has just Kaishi.This article first CR and a brief description of spectrum allocation, mainly elaborated the basic principles of cognitive radio functions, also highlights the spectrum allocation in cognitive radio technology. Then, on the issue of spectrum allocation model analysis and comparison, and finally introduces the application of CR in the spectrum allocation, and the conclusions and the development of a simple narrative.Keywords: cognitive radio, spectrum allocation, based on graph theory目录摘要 (2)Abstract (3)第一章CR现状及频谱分配的研究现状 (5)1.1CR的现状 (5)1.2 频谱分配的现状 (6)第二章CR基本原理和频谱分配技术分析介绍 (8)2.1认知无线电的基本概念 (8)2.2认知无线电频谱分配原理 (9)2.3 频谱分配的特点 (11)第三章CR频谱分配方案分析及比较 (15)3.1认知无线电频谱分配问题模型介绍 (15)3.2 基于图论着色模型的现有算法 (19)3.3 频谱分配算法的比较 (26)第四章CR频谱分配的应用 (28)4.1 应用场景 (28)4.2 CR典型应用 (29)第5章结论与展望 (34)致谢 (35)参考文献 (36)第一章CR现状及频谱分配的研究现状在当今的这个社会快速发展的信息时代，随着无线通信技术的快速发展及无线业务的逐渐扩展，可用的频谱资源越来越少。
基于认知无线电的频谱分配算法研究
基于认知无线电的频谱分配算法研究频谱是无线通信中宝贵的资源，为了更高效地利用频谱资源，科学家们开发了一种新型的无线通信技术——认知无线电。
基于认知无线电的频谱分配算法研究就是针对认知无线电技术的特点和需求，进行频谱分配的算法研究，以提高频谱资源的利用效率。
认知无线电（Cognitive Radio，CR）是指具备智能感知和自主决策能力的无线通信系统。
与传统无线通信系统相比，认知无线电系统能够感知周围的频谱环境，根据感知结果进行自主切换和频谱分配，从而更好地适应不同的通信需求，在提高频谱利用率的同时减少干扰，提高通信质量。
基于认知无线电的频谱分配算法研究旨在根据信道状态和用户需求，实现根据需求时分配频谱资源的智能化。
其关键技术包括频谱感知、信道状态评估、频谱分配决策等。
下面将分别对这些关键技术进行详细介绍。
首先，频谱感知是认知无线电中的核心技术之一。
感知技术主要通过收集和分析周围频谱环境的信息，包括未使用的频谱资源、已使用频谱的占用情况以及其他无线设备的活动情况等。
通过感知技术，认知无线电可以准确了解当前的频谱状态，为后续的频谱分配决策提供参考。
其次，信道状态评估是根据感知结果对频谱通道的可用性进行评估的过程。
通过对信道的传输质量、干扰以及其他无线设备的活动情况等进行分析，认知无线电可以判断频谱通道的可行性和可靠性。
这些评估结果将作为频谱分配决策的依据，以确保分配的频谱能够满足用户的通信需求。
最后，频谱分配决策是通过基于感知结果和信道状态评估结果，智能地分配频谱资源给用户的过程。
在决策过程中，认知无线电可以考虑用户的通信需求、优先级以及频谱资源的利用程度等因素，以达到公平、高效的频谱分配。
通过智能化的频谱分配决策，认知无线电可以实时地对频谱资源进行优化配置，从而满足不同用户的通信需求。
基于认知无线电的频谱分配算法研究在无线通信领域有着广泛的应用前景。
它不仅可以提高频谱资源的利用效率，还可以提升通信系统的可靠性和效果。
基于认知无线电的频谱感知与分配优化
基于认知无线电的频谱感知与分配优化概述近年来，随着无线通信领域的快速发展，频谱资源日益紧张。
为了有效利用有限的频谱资源，并满足不断增长的无线通信需求，认知无线电技术应运而生。
基于认知无线电的频谱感知与分配优化，成为了解决频谱利用效率问题的关键研究方向。
本文将深入探讨基于认知无线电的频谱感知与分配优化的相关内容。
1. 认知无线电的概念及原理认知无线电是一种具有智能化感知和机动性的无线通信技术，它通过感知和分析当前的频谱使用情况，实现对频谱资源的动态分配和优化。
其核心原理是通过信号感知、信号识别和频谱分配等技术手段，使终端设备能够实时地感知和判断频谱资源的利用情况，并根据需求进行智能化的调度与分配。
2. 认知无线电的频谱感知技术频谱感知是认知无线电的关键技术之一，它能够使设备能够感知到当前周围的频谱环境，并对频谱进行实时监测和评估。
目前，常用的频谱感知技术包括能量检测、周期检测、协方差检测等方法。
这些方法通过对接收信号的功率、周期和相关性进行检测和分析，得出频谱使用情况的信息。
3. 认知无线电的频谱分配优化技术频谱分配优化是认知无线电的核心任务之一，它是为了实现频谱资源的更加合理、高效地利用而进行的。
在频谱分配优化中，需要考虑到设备之间的协调与共享，以及用户的优先级和服务质量需求。
常用的频谱分配优化方法包括基于博弈论的频谱分配模型、基于机器学习的频谱分配算法等。
这些方法能够根据不同的需求和约束条件，实现对频谱资源的智能化分配和优化。
4. 认知无线电在相关领域的应用认知无线电技术在无线通信领域具有广泛的应用前景。
它可以用于提高无线通信系统的频谱利用效率，提升网络的整体性能。
同时，认知无线电也可以应用于无线电频谱管理、无线电频谱监测等领域。
此外，认知无线电技术还可以为智能交通、军事通信等领域带来新的解决方案和创新。
5. 认知无线电面临的挑战与展望虽然认知无线电技术的发展前景非常广阔，但仍然面临一些挑战。
认知无线Mesh网络中一种有效的多目标优化频谱分配算法
认知无线Mesh网络中一种有效的多目标优化频谱分配算法邝祝芳;陈志刚【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2013(044)006【摘要】Aiming at the optimization problem of maximizing the sum of bandwidth of spectrum resource and minimizing the number of used spectrum resource in cognitive wireless networks,a multi-object optimization spectrum allocation algorithm based on particles swarm optimization algorithm (PSOSA) was proposed.The PSOSA not only takes the difference of different spectrum into account,but also redefines the particle of the PSO and the operation of particle.Simulation results show that our algorithm not only maximizes the sum of bandwidth of spectrum resource,but also minimizes the number of used spectrum resource.%研究认知无线Mesh网络中多目标优化的频谱分配问题,即最大化总带宽和最小化占用频谱数.利用粒子群优化算法(particle swarm optimization algorithm,PSO)在多目标优化方面的优势,提出基于PSO的多目标优化频谱分配算法PSOSA.PSOSA 算法不仅考虑频谱之间的差异,而且重新定义PSO的粒子及粒子的3种运算规则.仿真结果表明:PSOSA算法能在最大化总带宽的同时,最小化频谱占用数.【总页数】8页(P2346-2353)【作者】邝祝芳;陈志刚【作者单位】中南林业科技大学计算机与信息工程学院,湖南长沙,410004;中南大学信息科学与工程学院,湖南长沙,410083;中南大学信息科学与工程学院,湖南长沙,410083【正文语种】中文【中图分类】TP393【相关文献】1.改进智能算法的认知无线 Mesh 网络优化频谱分配算法 [J], 常远;谢红;解武2.无线认知网络中一种分布式最大频谱分配算法 [J], 胡罡;刘丽霞;李宏建;徐明3.认知无线网络中一种基于蚁群优化的频谱分配算法 [J], 杨淼;安建平4.自适应的认知无线Mesh网络QoS约束的路由与频谱分配算法 [J], 邝祝芳;陈志刚;邓晓衡5.认知Mesh网络中基于免疫多目标优化的频谱分配 [J], 李亚伦;杨亚楠;柴争义因版权原因，仅展示原文概要，查看原文内容请购买。
改进遗传算法的认知无线电频谱分配
改进遗传算法的认知无线电频谱分配
杨铁军;林培培
【期刊名称】《计算机仿真》
【年(卷),期】2014(31)2
【摘要】认知无线系统中,频谱分配技术是决定能否充分高效利用有限频谱的关键,频谱分配的关键在于寻找最大化系统效益的最优解.针对传统自适应遗传算法易陷
入局部最优解、计算量较大的问题,首先引入混合自适应的思想,根据种群的进化代数,判断采用固定交叉变异概率还是自适应交叉变异概率,解决了局部最优解的问题；然后引入黄金分割率的思想,计算自适应交叉和变异概率,解决运算时间长的问题,最后针对系统效益、时间开销等性能指标进行了仿真.仿真结果表明,改进算法可以快
速准确地寻找到最佳自适应点,提高搜索效率,取得了较好的系统效益.
【总页数】5页(P250-254)
【作者】杨铁军;林培培
【作者单位】河南工业大学信息科学与工程学院,河南郑州450001;河南工业大学
信息科学与工程学院,河南郑州450001
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于多目标混合遗传算法认知无线电频谱分配 [J], 刘蕊蕊
2.基于多目标遗传算法的认知无线电频谱分配 [J], 姚再英;黄玉清
3.基于改进人工蜂群算法的认知无线电频谱分配 [J], 马劲松
4.基于改进蚁群算法的认知无线电频谱分配的策略研究 [J], 赵显煜;王俊;邢新华
5.改进鲸鱼算法在认知无线电频谱分配中的应用 [J], 徐航;张达敏;王依柔;宋婷婷因版权原因，仅展示原文概要，查看原文内容请购买。
认知无线电多目标优化算法研究
其 ￣Ｍｉ 各 子载波 的调 制方式 的符 号数 ， …代 表最 大符号数 。 Ｊ Ｊ ＇ ３ 最 小化误 比特率 ： ）
．
ｆｉ ｈＵＦ － ｌｌ ｌ ｌ ｌ
—
是平 均误 比特 率 ，当调制 方式 为ＭＱＡＭ时 ，
可 以 由式（） 到 ： ４得
（ ￣ｌＭ＿ １ ／ｇ ） ｏ ＿ ３ ２ Ｐ （ ） ｘ ｏ
电的传 输参数 动态 调整分 成３ 个步骤 ，先 初始 选择一 组传输 参数 ，再 调节传 输 能量 ，最后 调节编码 率 ，这
种 局部调 节参 数 只 能获 得 次优 的性 能 ；文 献 ＩＩ 使 用 “ ＡＲＰ ｏｉ ａ Ｒ ａ ｅ ３先 Ｄ Ａ ＸＧ Ｐ ｌｙ Ｌ ｎ ｕ Ｒ ”表 示 出无线 电规 ｃ 则 、频谱 使用情况 以及用 户需 求 ，然后在 这个基 础上进行 推理 ，得到一 组优 化 的无 线 电参数 。但 频谱环 境 非常复杂 ，难 以确定 出一套能够 适应频谱 环境不 断变化 的推理规 则。 美国Ｖ ｒ ｉｉ大学无 线 电通讯 技术 中心 提 出了一种基 于遗传 算法 ｒ ） ｉ ｎａ Ｒ ＧＡ 的ＣＲ 型—— Ｂ０Ｃ 模 ｉ ＲＨ 一 Ｊ ，它利 用 了ＧＡ多维度并 行计 算 以求 最优 解 的 能力 ，并 使用 线性加 权方 法将此 多 目标优 化 问题 简化 为一个单 目标 优 化 问题 。但Ｂ ｏＣＲ 在 着 很 难 确 定 每 个适 应 度 函数 的权值 和 容 易 漏 掉 一些 最 优 解 的 问题 。本文 提 出基 ｉ— 存 于ＤＮ 计算 的非支 配排 序多 目标遗传 算 法（ ＮＡ ＧＡ 来对认 知无 线 电的传 输参 数进 行优化 ，该算法通 过非 Ａ Ｄ — ） 支配排序 计算个 体适应 度 ，结合 克隆操作 使算法 收敛于全 局最优 。
认知无线电网络中的频谱资源分配方法研究
认知无线电网络中的频谱资源分配方法研究频谱资源是无线电通信中的关键资源之一。
在过去的几十年中，各种频率调制技术的不断发展使得无线电通信变得更加高效和方便。
然而，随着移动互联网、物联网和其他大规模无线网络的兴起，频谱资源的需求急剧增加，这就需要更高效的频谱资源分配方法。
认知无线电网络是一种重要的无线网络技术。
它是基于认知无线电技术的，可以有效地利用闲置的频谱资源，提高频谱利用率。
在认知无线电网络中，频谱资源分配方法是一个非常重要的研究领域。
当前，关于频谱资源分配方法的研究主要分为以下几个方面：1. 频谱感知技术频谱感知技术是认知无线电网络中的一项重要技术。
它可以使用无线电接收器获取可用频带的信息，包括频带的空闲时间和空闲频谱的宽度等。
使用这些信息，认知无线电网络可以更好地利用可用的频谱资源，并提高频谱利用率。
2. 频谱分配算法频谱分配算法是认知无线电网络中的另一个重要技术。
它可以根据当前的网络状况和频谱资源需求，动态地分配频谱资源，以最大限度地提高频谱利用率。
目前，常用的频谱分配算法包括基于贪心算法、基于遗传算法和基于深度学习的算法等。
3. 频谱漂移检测技术频谱漂移是指使用频谱资源的设备的工作频率发生变化。
它可能会导致频谱资源分配出现问题，降低了系统的性能。
因此，频谱漂移检测技术是认知无线电网络中的一项非常重要的技术。
它可以通过对设备工作频率的实时监测，及时发现频谱漂移现象，并采取相应的措施。
4. 频谱资源保护技术频谱资源保护技术是认知无线电网络中的一项重要技术。
它可以通过监测周围无线电环境，保护一些需要保护的频谱资源，避免被认知无线电设备使用。
同时，它还可以通过加密和其他安全措施，保护无线电通信的安全性。
5. 自适应频谱分配技术自适应频谱分配技术是认知无线电网络中的一项新兴技术。
它可以根据网络中设备和应用程序的实时需求，动态地分配频谱资源。
与传统的频谱分配算法相比，自适应频谱分配技术可以更好地适应网络环境的变化，提高了网络的适应性和性能。
认知无线电网络中的频谱分配算法研究
认知无线电网络中的频谱分配算法研究随着智能手机的普及和移动通信技术的不断发展，无线电网络已经成为人们日常生活中必不可少的一部分。
在无线电网络中，频谱分配算法起着至关重要的作用。
频谱分配算法指的是根据网络需求和无线电信道特性，对无线电信道进行合理分配，最大程度地提高网络的效率和容量，同时避免信道冲突和干扰。
本文将探讨认知无线电网络中的频谱分配算法研究，并对其进行深入分析和论述。
一、认知无线电网络的概念认知无线电网络（Cognitive Radio Network，CRN）是指在无线电传播中使用了一些人工智能技术的无线电通信系统。
其核心思想是通过对周围无线电环境的感知，并根据感知到的无线电信道信息，选择最优的频谱资源。
当然，要实现这一目标，需要依靠一些高效的频谱分配算法。
二、频谱分配算法的研究概述频谱分配算法是目前无线电网络中的重要研究方向，它不仅可以提高频谱利用率，还能有效地避免信道冲突和干扰。
自20世纪80年代以来，频谱分配算法研究始终是无线电通信的一个热点领域。
目前，主要的频谱分配算法包括扫描算法、最小影响算法、贪心算法、遗传算法等。
1、扫描算法扫描算法是一种非常简单的频谱分配算法，也是最早被提出的一种算法。
它通常是通过定期扫描空余频道来完成频谱分配的，这种算法的优点在于实现简易、计算量小。
但缺点也很明显，它只适用于小型网络，难以扩展。
2、最小影响算法最小影响算法是一种优化算法，通过选择对其他电台影响最小的频道，完成频谱分配。
这种算法重视频谱资源之间的冲突，频段全部利用时间较长，但也存在明显的弊端，即频段利用不足，频道切换频繁。
3、贪心算法贪心算法可以快速地对频道进行分配，并且能够最大限度地减少不必要的频段空置。
这种算法适合中等大小的网络，具有分配效率高、计算量小等优点。
4、遗传算法遗传算法是一种优化算法，它使用生物进化的思想来优化频道分配。
这种算法具有计算速度慢、可靠性较高等特点，在面对过大规模的网络时非常有效。
认知无线电系统中频谱分配算法的研究的开题报告
认知无线电系统中频谱分配算法的研究的开题报告题目：认知无线电系统中频谱分配算法的研究一、选题背景随着无线通信技术的不断发展和普及，移动设备的数量和种类越来越多，人们对于无线通信的需求也越来越高。
然而，现有的无线通信系统中已经使用的频谱资源已经达到了极限，频谱短缺已经成为制约无线通信系统发展的关键因素之一。
因此，如何合理地利用频谱资源来满足各类通信需求成为了当今无线通信领域的一个热门研究方向。
认知无线电系统是一种新型的无线通信技术，它通过对周围环境进行感知和分析，利用未被使用的频谱资源来满足不同用户的通信需求。
频谱分配算法是认知无线电系统的关键技术之一，它决定了认知无线电系统的性能和效率。
因此，对于认知无线电系统中频谱分配算法的研究成为了当前无线通信领域的一个重要研究课题。
二、研究目的本研究旨在探讨认知无线电系统中频谱分配算法的研究，并且开发一种高效的频谱分配算法，实现在认知无线电系统下对于频谱资源的优化利用。
具体目的如下：1.了解认知无线电系统的技术原理和应用现状。
2.分析目前认知无线电系统中频谱分配算法存在的问题，如频谱分配效率低、频谱分配策略复杂等，探讨改进方案。
3.针对现有算法的局限和不足，提出一种高效的认知无线电系统中频谱分配算法，并进行实验验证。
三、研究内容和方法研究内容：1.认知无线电技术原理和应用现状的分析。
2.现有认知无线电系统中的频谱分配算法分析。
3.针对目前分配算法中存在的问题，提出改进方案。
4.设计一种高效的认知无线电系统中频谱分配算法，并进行实验验证。
研究方法：1.文献研究法，收集和整理大量的相关文献，深入了解认知无线电技术和频谱分配算法的理论知识和应用现状。
2.数据分析法，通过对实验数据的分析，比较不同频谱分配算法的效率和可靠性。
3.算法设计和仿真实验法，设计并仿真实验提出的高效频谱分配算法，并对其效果进行验证。
四、预期成果1.论文：撰写一篇关于认知无线电系统中频谱分配算法的研究论文，明确研究目的、方法和成果，有效论证提出的算法优点和实际应用价值。
基于认知无线电的动态频谱分配算法研究
Ｃ ＧＣ算法实现 的 目的是全局最优分配 ， Ｓ 在不考虑上 次分
配信 息 的情 况 下 ， 新对 每 一 个 用 户 的频 率 使 用 进 行 分 配 ， 重 因 此 运 算 量 较 大 。在 协 作 式 和 非 协 作 式 条 件 下 ，基 于 效 益 和 公 平 性 的考 虑 ， 以通 过制 定协 作 式 最 大带 宽 （ ＭＳ ） 可 Ｃ Ｂ 和最 大 比
配算法来解决 电磁 频谱 动态分 配问题 。
关键词 ： 认知 无线 电； 频谱 分ｆ ； ｉ 算法 ｇ 中图分类号 ：Ｎ９ ５ Ｔ ２ 文献标识码 ： Ａ
文章编号 ：６ ３１３ （ ０ ２ ０ －０ ３０ １７ －１ １２ １ ）５０２ －２ 中的元素 ， 表示用户 ｎ使用频谱 ｉ 能获得的效益 （ ｎ所 带宽） 的
化。
参考文献 ：
［】 Ｗｅ． ｎ ， ｎ ｉ．ｉ － ｏｏｉｇ ａｅ ｈ ｎ ｅＡｌ ｃ ｏ １ ｉ ＷａｇＸｉＬｕＬｓ Ｃ ｌｒ ｓｄ ａｎ ｌ ｌ ￣ｉ ｔ ｎＢ Ｃ ｏ ｎ ｆｒＯ ｅ－ｐ ｃ ｕ Ｗｉ ｌｓ ｔ ｒｓＣ ． ｒｃｅｉｇ ｆ ｏ ｐ ｎＳ ｅｔ ｍ ｒ ｅｓ ｗｏｋ ［］ Ｐｏ ｅｄｎ ｓｏ ｒ ｅ Ｎｅ
２ 供 应方 云和 客户端 云建模 研 究
假 设：（）设整个过程中这 ｈ个文件 被下载次数分别为 １
上
ｍｌ ≥ｍ２ ≥… …
ｍ 。记 Ｍ ＝ ｍ 。 ｈ ｉ
（ ） 由 于一 般 可 以认 为 文 件 被 下 载 的 次 数 近似 满 足 Ｚｐ ２ ｉｆ 分 布， 以假 定 ｎ。 分 布 也近 似 满 足 Ｚｐ 分 布 ， 可 ｌ 的 ｉｆ 即ｍ； Ｃ 一 ＝ ｉ， 其 中 Ｃ和 ．为 常 数 。
＋ ＝ ＋
认知无线电网络中基于免疫算法的多目标频谱分配
认知无线电网络中基于免疫算法的多目标频谱分配
高D阳韩D韧王清云
上海理工大学 光电信息与计算机工程学院上海 !"""$% 摘D要D认知无线电网络中工作于同一信道的次用户越多对网络造成的干扰越严重因此如何在增加网络可服务 次用户数量的同时提高网络吞吐量成为近年来的研究重点 针对此问题文中提出了一种改进的多目标免疫算法 该 算法将频谱效率和网络吞吐量作为求解目标同时设计了适合问题求解的抗体编码方式 最后在获得适合该问题的 K=: ,)+-最优解之后与 <0E6CGG算法进行实验对比 仿真结果表明所提方法在搜索 K=,)+-最优解时性能更好并且能够 满足不同网络需求下的频谱分配要求 关键词D认知无线电频谱分配多目标优化频谱效率网络吞吐量免疫算法 中图分类号D3<$#8DD文献标识码D6DD文章编号D#""; C;9!"!"#$"& C"8& C"L @-/#"1#L#9" 5M1*.N/1/OO.#""; C;9!"1!"#$1"&1"#!
次链路产生的干扰可以定义为
$ 0!.M! 1# 8
P! !.3"!:.M# =!
! 3".M# "?""45.M
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
认知无线电网络中基于免疫算法的多目标频谱分配
认知无线电网络中基于免疫算法的多目标频谱分配高阳;韩韧;王清雲【摘要】认知无线电网络中工作于同一信道的次用户越多,对网络造成的干扰越严重,因此如何在增加网络可服务次用户数量的同时提高网络吞吐量成为近年来的研究重点.针对此问题,文中提出了一种改进的多目标免疫算法.该算法将频谱效率和网络吞吐量作为求解目标,同时设计了适合问题求解的抗体编码方式.最后在获得适合该问题的Pa-reto最优解之后,与NSGA-Ⅱ 算法进行实验对比.仿真结果表明,所提方法在搜索Pareto最优解时性能更好,并且能够满足不同网络需求下的频谱分配要求.【期刊名称】《电子科技》【年(卷),期】2019(032)004【总页数】6页(P54-59)【关键词】认知无线电;频谱分配;多目标优化;频谱效率;网络吞吐量;免疫算法【作者】高阳;韩韧;王清雲【作者单位】上海理工大学光电信息与计算机工程学院,上海 200093;上海理工大学光电信息与计算机工程学院,上海 200093;上海理工大学光电信息与计算机工程学院,上海 200093【正文语种】中文【中图分类】TN915无线电技术及其业务的快速发展使得全球对频谱资源的依赖日益增加。
频谱是由政府或国际机构管理的自然资源，使用固定的频谱分配政策长期分配给持有许可证的人或机构。
这种对频谱使用的严格控制确保了无线通信设备之间不会产生过度干扰。
然而，由于固定的频谱管理政策使得频谱的利用不够高效[1]。
J.Mitola博士基于频谱共享提出了认知无线电(Cognitive Radio, CR)的概念。
在认知无线电网络中，未授权用户，即次用户(Secondary Users, SUs)能够根据其所在环境自主改变传输参数，在不干扰授权用户(Primary Users, PUs)正常通信的前提下动态接入授权的空闲频段，实现对频谱资源的高效利用。
在认知无线电网络中，提高频谱利用率的难点主要在于频谱如何分配。
由于频谱分配问题是典型的NP-hard问题，适合使用智能优化算法进行求解。
基于多目标遗传算法的认知无线电频谱分配
基于多目标遗传算法的认知无线电频谱分配
姚再英;黄玉清
【期刊名称】《西南科技大学学报》
【年(卷),期】2010(25)4
【摘要】频谱共享技术是认知无线电的关键技术.基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法(CSGC)进行了比较.通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法.
【总页数】5页(P82-86)
【作者】姚再英;黄玉清
【作者单位】西南科技大学信息工程学院,四川绵阳,621010;西南科技大学信息工程学院,四川绵阳,621010
【正文语种】中文
【中图分类】TN92
【相关文献】
1.基于多目标混合遗传算法认知无线电频谱分配 [J], 刘蕊蕊
2.基于并行分配算法的认知无线电频谱分配算法 [J], 刘俊霞;卞琛
3.基于多目标禁忌搜索算法的认知无线电频谱分配 [J], 吴永杰
4.改进遗传算法的认知无线电频谱分配 [J], 杨铁军;林培培
5.基于图论模型的认知无线电频谱分配仿真建模研究 [J], 刘新浩;马昕睿;王大为
因版权原因，仅展示原文概要，查看原文内容请购买。
基于认知无线电的动态频谱分配与优化研究
基于认知无线电的动态频谱分配与优化研究动态频谱分配与优化是一项关键的研究领域，它致力于利用认知无线电技术来有效地管理和利用有限的无线频谱资源。
在今天日益增长的无线通信业务需求下，动态频谱分配和优化对于提高频谱利用效率和提供高质量的无线通信服务至关重要。
动态频谱分配技术基于认知无线电概念，旨在充分利用未使用的频谱资源。
它的核心思想是通过感知和理解当前频谱环境，以及根据需求预测未来频谱环境，来动态地分配和管理频谱资源。
利用认知无线电的能力，可以实现实时监测和评估频谱使用情况，识别和利用空闲频谱，以及实施频谱共享策略。
通过这种方式，动态频谱分配可以提高整体频谱利用率并降低频谱拥塞问题。
动态频谱分配的优化是一项复杂而具有挑战性的任务。
优化目标通常包括最大化频谱利用效率、最小化干扰、提高容量和覆盖范围等。
为了实现这些目标，研究者使用了各种方法和算法，如机器学习、博弈论和优化算法等。
机器学习在动态频谱分配中扮演着重要角色。
通过训练模型，机器学习技术可以自动学习频谱使用模式和趋势，以及预测未来频谱需求和供应。
基于这些预测结果，可以智能地调整频谱分配策略，以最大化频谱资源的利用。
此外，机器学习还可以用于干扰检测和消除，以提高无线通信的质量和性能。
博弈论也被广泛应用于动态频谱分配的研究中。
博弈论提供了一种数学框架，用于分析和设计无线电资源的分配策略。
通过建立博弈模型，研究者可以研究不同利益相关者之间的冲突和合作，以及他们的决策行为和策略选择。
通过理解利益相关者之间的相互作用，可以制定出合理的频谱分配和共享方案。
另外，优化算法也是动态频谱分配的重要研究内容。
优化算法通过数学模型和算法设计，寻找频谱资源分配的最优解。
这些算法可以基于各种目标函数和约束条件，用于优化频率、功率和天线配置等参数，以达到最佳的频谱利用效率和性能。
常用的优化算法包括遗传算法、粒子群优化算法和模拟退火算法等。
总而言之，基于认知无线电的动态频谱分配与优化是一项具有挑战性的研究领域。
基于遗传蚁群优化算法的认知无线电频谱分配
基于遗传蚁群优化算法的认知无线电频谱分配吴轩;孙文胜;陆家明【摘要】针对认知无线电中的频谱分配问题,提出一种融合了遗传算法和蚁群算法优点的频谱分配方法.该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解,然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布,最后利用蚁群算法正反馈、收敛高效的特点求取最优解.通过仿真比较了该方法与颜色敏感图着色算法的性能.结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法,它能更好地实现网络效益最大化.【期刊名称】《通信技术》【年(卷),期】2015(048)011【总页数】5页(P1265-1269)【关键词】认知无线电;频谱分配;遗传算法;蚁群算法;信息素【作者】吴轩;孙文胜;陆家明【作者单位】杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018【正文语种】中文【中图分类】TN911.7在认知无线电(Cognitive Radio,CR)的关键技术中，如何合理有效地实现频谱分配是认知无线电的重点和难点问题[1]。
频谱的分配政策不仅要避免认知用户对授权用户的干扰和认知用户之间的自干扰，还要满足不同用户对频谱资源需求的多样性，以期实现高可靠性的通信并最大化频谱利用率[2]。
因此，选择一种高效的频谱分配算法显得尤为重要。
目前，遗传算法与蚁群算法已广泛应用于频谱分配问题，而将二者结合的算法也不断涌现。
文献[7]将遗传算法与蚁群算法融合后求解一般性优化问题，但该方法固定了遗传算法迭代次数，不易在最佳融合时机衔接。
文献[8]将蚁群算法与遗传算法不断交叉，利用蚁群算法持续生成种群个体，但此方法种群进化所需迭代次数过多，效率较低。
本文提出遗传蚁群优化算法(Genetic Ant Colony Optimization,GACO)，对遗传算法和蚁群算法分别进行优化以提升效率，并制定衔接策略，使二者能在最佳时机融合。
基于多目标混合遗传算法认知无线电频谱分配
Allocation of Cognitive Radio Spectrum Based on Multi-objective Hybrid Genetic Algorithm 作者： 刘蕊蕊
作者机构： 山东科技大学数学与系统科学学院,山东青岛266590
出版物刊名： 鸡西大学学报：综合版
页码： 59-62页
年卷期： 2016年 第12期
主题词： 认知无线电;频谱分配;多目标混合遗传算法;模拟退火算法
摘要：在认知无线电的频谱分配问题中,论文提出基于图着色模型的多目标混合遗传算法.该算法采用多目标函数为适应度函数,将模拟退火算法嵌入到遗传算法的循环中,弥补遗传算法局部搜索能力的不足.仿真结果表明多目标混合遗传算法能增强全局搜索能力,提高收敛速度,更好地实现系统效益最大化.。
基于改进遗传算法的认知无线传感网动态频谱分配方案
蔡 畅 ，王亚芳 ，苗 兵梅 ，姜 慧
（ 河北科技 大学信息科学与工程学院，河北 石家庄 ０ ５ ０ ０ １ ８ ）
摘 要： 将 认 知 无 线 电 中 的动 态 频 谱 分 配 技 术 应 用 在 无 线 传 感 网 中 ， 针对工作在 Ｉ Ｓ Ｍ（ ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｉ ａ ｌ ， ｓ ｃ ｉ ｅ ｎ ｔ ｉ ｉ ｆ ｃ ａ ｎ ｄ
ｉ ｎ ｓ ｔ ｅ ａ ｄ ｏ ｆ ｔ ｈ ｅ ｉ ｆ ｘ ｅ ｄ ． Ｅ ｘ ｐ ｅ ｉ ｒ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｃ ｏ ｎ ｉｒ ｆ ｍ ｔ ｈ ａ ｔ ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｎｄ ａ ｃ ｏ ｌ ｏ ｒ
ｍｅ ｄ ｉ ｃ ａ １ ）频段的无线传感 网面临 的频谱资源紧缺 问题 ，提 出一种基 于改进 自适应遗 传算法 的动态频谱分配方 案 。该算法 以图论着 色模型为基础 ，以最大带 宽收益和最 小切换频率为 目标函数 ，在交叉和变异过程 中采用 自适应 交叉 概率和变异概率代替 固定 的交叉概率和变异概 率 。仿真结果表 明，与传统遗传算法和颜色敏感 图 论着色算法相 比，该算法可 以实现提高频谱利用率 、降低 能量 消耗 的预期 目标 。 关键词 ：认知无线传感 网；遗传算法 ；图着色 ；动态频谱分配 中图分类号 ：Ｔ Ｐ ３ ９ ３
ｂ ｅ ｓ ｉ ｄ ｅ ｓ ， ｉ ｎ ｔ ｈ ｅ ｃ ｒ ｏ ｓ ｓ ｏ ｖ ｅ ｒ ａ ｎ ｄ ｍｕ ｔ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ， ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｃ ｒ ｏ ｓ ｓ ｏ ｖ ｅ ｒ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ ａ ｎ ｄ ｍｕ ｔ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｙ ｔ ｗａ ｓ ｕ ｓ ｅ ｄ
- 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)。
Ｋｅ ｒ ｓ Ｃ ｇ ｉｖ ｄ ； ｐ ｃ ｕ ｌ ｃｔ ｎ Ｍｕｔｏｊｃ ｖ ｅ ｅ ｃａｇｒｈ ｙｗｏ ｄ ： ｏｎｔ ｅｒ ｉ Ｓ ｅｔ ｍ ａｌ ａｉ ； ｌ—ｂｅｔ ｅｇｎｔ ｌ ｉ ｍ ｉ ａｏ ｒ ｏ ｏ ｉ ｉ ｉ ｏｔ
随着无线 电业务 的增加 ， 无线频 谱资 源越 来 越 紧缺 ， 现 有 频谱 管 理 机构 主 要 采用 固定 分 配 频谱 的方 而 法， 将无 线频谱 分配 给不 同的无 线通 信系统 ， 导致整 体 的频 谱利用 率相 对较低 。认知无 线 电的提 出正是为 了 解 决频谱 紧缺 ， 频谱分 配方式 更为灵 活和高 效 。 使 在认 知无线 电系统 中 ， 无线 终端具 备认知 能力 ， 过感 知周 围的频谱 使 用情 况 ， 测主 用户 是 否释 放频 通 检 谱 ， 能地 调 整 接 入 的频 谱 范 围 ， 不 对 主 用 户 系 统 产 生 不 可 忍 受 干 扰 的 前 提 下 ， 用 空 闲 的 频 谱 资 智 在 使
配， 并与颜 色敏感图论着色算法 （ Ｓ Ｃ 进行 了比较 。通过仿真验证 了该算法在认知无线电网络 中进行频谱分配的 ＣＧ ）
可 行性 ， 性 能优 于 Ｃ Ｇ 且 Ｓ Ｃ算 法 。
关键词： 知无线电 认
中 图分 类 号 ：Ｎ ２ Ｔ ９
频谱分配
多 目标遗传算法
文章 编 号 ：６ １ ８ ５ （００ ０ ｏ ８ ｏ １７ — ７５ ２ １ ）４一 ｏ ２一 ５
文 献 标 志码 ： Ａ
Ｃｏ ｎ ｔｖ ｄ ｏ Ｓｐ ｃ ｒ ｍ ｌ ｃ ｔｏ ｓ ｄ ｏ ｇ ｉｉｅ Ｒａ ｉ ｅ ｔ ｕ Ａｌｏ ａ ｉ ｎ Ｂａ ｅ ｎ
Ｍｕｔ ｏ ｊｃｉｅＧｅ ｅ ｃＡｌｏｉ ｍ ｌ ・ｂｅｔ ｎ ｔ ｇ ｒｔ ｊ ｖ ｉ ｈ
ＹＡＯ ａ — ｉ ｇ，ＨＵＡＮＧ — ｉ ｇ Ｚ ｉｙ ｎ Ｙｕ ｑ ｎ
ｈ ｅｔ ｅ ｒ ｅｅ ｔ ｄｔ ｏｔａｒ ｓ ｓｏｊｃ ｖ ｃ ｏ ，ｕｉｚ ｒ ｏ ｒ ｅ ｎ ｔｅｂ ｓ ｎｔｏｋｂｎ ｆ ｎ ｅｍ ｓ ｆｉ ｅｓ ｌ ｅ ｔ ｗ ｉａ ｈ ｎ ｉ ｕ ｉ ｌｅ ｐ ｏ ｎ ｏ ｍｐ ｍ
ｓ ｅ ｔｕ ａｌｃ ｔｏ ｐ ｃｒ ｍ ｌｏ ａｉｎ．Ｔｈ ｏ ｇ ｏ ａ ｎ ｉ ｌｏ ｉ ｍ ｔ ＧＣ，ｔ ｉ ａ ｒｇ ｔ ｅ ｕ ｔｔ ａ ｅ ｅｉ ｌ ｒ ｕ ｈ ｃ ｍｐ ｒ ｇ ｔ ｓａ ｇ ｒｔ ｗｉ ＣＳ ｉ ｈ ｈ ｈ ｈ ｓｐ ｐｅ ｅｓａ ｒ ｓ ｌ ｈ ｔｇ ｎ ｔｃ ａ— ｇ ｒｔ ｍ ａ ｅ ｕ ｅ ｎ ｓ ｅ ｔｕｍ Ｈｏ ａ ｏ ｎ ｃ ｇ ｉｉｅ ｎ ｔ ｒ ｎ ｉ ｌ ｏ ｔ ｍ ｓ ｆ ａ ｉ ｌ ｎｄ ｂ ｔｅ ｏｉ ｈ ｃ ｎ ｂ ｓ ｄ ｉ ｐ ｃｒ ａ ｃ ｆ ｎ ｉ ｏ ｎ ｔｖ ｅｗｏ ｋ ａ ｄ ｔ ｓ ａｇ ｒｈ ｉ ｈ ｉ ｉ ｅ ｓｂ ｅ ａ ｅｔｒ
源 ［ ｚ。 Ｉ ｊ认真无 线 电系统通过设 计认 知引 擎 对无线 环境 进行 学 习 ， 到 智 能调 整参 数 的 目的 。认 知 引擎 的 － 达
设 计 目前 已有一定 的成果 ， 如文献 ［ ］ ３ 中提出基 于支持 向量机 的认 知 引擎设 计 。在频 谱分 配方 面 ， 于 不 同 基 的频谱分 配模型 ， 出了解 决认知 无 线 电频谱 分 配 问题 的诸 多算 法 。文 献 ［ ］ 博 弈论 频谱 分 配模 型下 提 提 ４在 出了一种改 进 的频 谱分配算 法 ， 过选择 最佳 带宽定 价来获得 最大 系统 效益 ； 通 文献 ［ ］ 干扰 温度 频谱 分配 ５在 模 型下提 出了一种 改进 的频 谱分配 算法 ； 文献 ［ ］ 图论 着 色 频谱 分 配模 型 下提 出 了基 于量 子遗 传算 法 的 ６在
Ａ ｓ ａｔ ｐｃ ｕ ｓ ｈ ｒ ｇｉ ｔｅｋｙｔ ｈ ｏｏｙｏ ｇｉｖ ａｉ．Ｔ ｉ ｐ ｐｒ ａｅ ｎｍ ｌ—ｂ ｅ ｂ ｔ ｃ：Ｓｅ ｔ ｍ ’ｓａｉ ｅ ｃｎ ｌ ｆ ｏｎｔ ｅｒｄｏ ｈｓ ａ ｅ ｓｄｏ ｕｔｏｊ — ｒ ｒ ｎ ｓｈ ｅ ｇ ｃ ｉ ｂ ｉ ｅ
ｔｖ ｅ ｅ ｉ ｌｏｉ ｍ ｏ ｇ ｔｉ ｌ ｐ ｃ ｒ ｍ ｙ ａ ｃ ｌｙ ａｌ ｃ ｔ ｍｏ ｇ ｔ ｅ ｓ ｃ ｎ ｓ ｒ ．Ｔｈ ｓｐ ｐｅ ｓ ｄ ｉｅ ｇ ｎ ｔ ａｇ ｒｔ ｃ ｈ ｔ ｅ ｄ ｅ ｓ ｅ ｔｕ ｄ ｎ ｍｉａｌ ｌ ａｅ ａ ｎ ｈ ｅ ｏ ｄ ｕ ｅｓ ｏ ｉ ａ ｒｕ ｅ
（ ｃｏｌｆＩ ｏｍ ｔ ｎＥ ｇｎｅ ｎ Ｓｕｈ ｅｔ ｎｖ ｓｙｏ Ｓｉ ｃ ｎ ｅ ｎ ｌ ｙ Ｓｈ ｏ ｏ ｎ ｒ ａｉ ｎ ｉ ｒ ｇ， ｏｔｗ ｓ Ｕ ｉ ｒ ｔ ｆ ｃ ｎｅａ ｄＴｃ ｏｏ ， ｆ ｏ ｅｉ ｅ ｉ ｅ ｈ ｇ Ｍｉ ｙ ｎ ２ ０ ０ Ｓ ｈａ ， ｈｎ ） ａ ａ ｇ６ １ １ ， ｉ ｕ ｎ Ｃ ｉａ ｎ ｃ
第２ ５卷
第 ４期
西
南
科
技
大
学
学
报
ＶＯ ． ５ Ｎ ． １２ ｏ ４
Ｄ ｃ２ ０ ｅ ． ０１
２１ ０ ０年 １ ２月
Ｊ ｕ ｎ ｌｏ ｏ ｔ ｗ ｓ Ｕ ｉｅ ｓ ｙ ｏ ｃ ｅ ｃ ｎ ｅ ｈ ｏｏ ｙ ｏ ｒ ａ ｆＳ ｕｈ ｅ ｔ ｎ ｖ ｒｉ ｆＳ ｉ ｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ｔ
基 于多 目标 遗传 算 法 的认 知无 线 电频谱 分 配
姚再英 黄 玉 清
四川绵 阳 ６１１） ２ ００ （ 西南科技大学信息工程学院
摘要 ： 频谱共享技术是认知无线电的关键技术 。基于多 目标遗传算法 ， 将认 知无线 电网络的最大系统效益和次用户
间的最大比例公平作为 目标 函数 ， 运用 图论 着色频谱分 配模型 ， 实现认知无 线 电中空闲频谱在次用 户间的动态分