基于教與學(xué)優(yōu)化算法的認(rèn)知無(wú)線電頻譜分配和決策引擎研究.pdf

1、認(rèn)知無(wú)線電技術(shù)是目前解決頻譜匱乏最有效的技術(shù)，其核心技術(shù)包括頻譜分配技術(shù)和認(rèn)知決策引擎技術(shù)等技術(shù)。頻譜分配技術(shù)以認(rèn)知用戶(hù)在某種分配準(zhǔn)則下，當(dāng)整個(gè)網(wǎng)絡(luò)效益最大化時(shí)，認(rèn)知用戶(hù)所得到的最優(yōu)頻譜分配方案為目的；決策引擎技術(shù)以認(rèn)知無(wú)線電系統(tǒng)根據(jù)外界環(huán)境變化和用戶(hù)的偏好需求高效的優(yōu)化發(fā)射機(jī)參數(shù)為目的。目前關(guān)于頻譜分配技術(shù)和認(rèn)知決策引擎技術(shù)已有許多學(xué)者投入大量精力進(jìn)行研究并取得了較好的效果，但是隨著社會(huì)頻譜資源越來(lái)越匱乏，其性能還有很大的提升空間。本

2、課題對(duì)目前各種認(rèn)知無(wú)線電頻譜分配模型和決策引擎模型進(jìn)行了歸納總結(jié)和分析，針對(duì)現(xiàn)有模型中存在的不足提出了改進(jìn)算法。
　　首先，針對(duì)圖著色理論模型下的頻譜分配算法所存在的收斂速度慢，精度低等問(wèn)題，本課題提出了一種基于改進(jìn)二進(jìn)制教與學(xué)優(yōu)化算法的頻譜分配算法，利用該算法穩(wěn)定性好、局部搜索能力都較好等優(yōu)點(diǎn)，可在平均系統(tǒng)效益準(zhǔn)則下，不僅提高了整個(gè)系統(tǒng)網(wǎng)絡(luò)效益，而且能使認(rèn)知用戶(hù)獲得最大收益的頻譜資源。通過(guò)仿真實(shí)驗(yàn)表明，本文提出的算法不僅收斂速度

3、更快、穩(wěn)定性更好，而且能使用戶(hù)獲得更高的系統(tǒng)效益，特別在大規(guī)模的頻譜數(shù)目和認(rèn)知用戶(hù)數(shù)量較多時(shí)優(yōu)化效果更為明顯。
　　其次，針對(duì)目前現(xiàn)有認(rèn)知無(wú)線電決策引擎算法不能有效的對(duì)發(fā)射機(jī)工作參數(shù)進(jìn)行優(yōu)化等問(wèn)題，本課題將改進(jìn)二進(jìn)制教與學(xué)優(yōu)化算法應(yīng)用到無(wú)線電決策引擎中，提出了一種基于改進(jìn)二進(jìn)制教與學(xué)優(yōu)化算法的認(rèn)知無(wú)線電決策引擎算法，該算法具有簡(jiǎn)單易懂，參數(shù)設(shè)置少，收斂精度高等優(yōu)勢(shì)，從而使發(fā)射機(jī)根據(jù)外界環(huán)境、用戶(hù)偏好需求等綜合影響下能獲得最優(yōu)的工作