一種基于量子蛙跳的頻譜感知算法
【專利摘要】本發(fā)明涉及一種基于量子蛙跳的頻譜感知算法，包括：根據(jù)目標(biāo)函數(shù)所表示的適應(yīng)度值確定全局最優(yōu)的青蛙量子位置以及每個(gè)族群內(nèi)最好、最差適應(yīng)度值的青蛙量子位置；根據(jù)跳躍性方程更新最差適應(yīng)度值的青蛙量子位置的相關(guān)信息以及向全局最優(yōu)解收斂。本發(fā)明通過(guò)先將青蛙種群劃分為若干個(gè)族群；根據(jù)目標(biāo)函數(shù)所表示的適應(yīng)度值來(lái)確定全局最優(yōu)的青蛙量子位置以及每個(gè)族群內(nèi)最好、最差適應(yīng)度值的青蛙量子位置；再按照提出的跳躍性方程更新其中最差個(gè)體的相關(guān)信息，快速向全局最優(yōu)解收斂。
【專利說(shuō)明】一種基于量子蛙跳的頻譜感知算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】，尤其涉及一種基于量子蛙跳的頻譜感知算法。

【背景技術(shù)】
[0002] 隨著無(wú)線通信業(yè)務(wù)的發(fā)展，對(duì)無(wú)線頻率資源的需求漸長(zhǎng)，日益增長(zhǎng)的頻譜需求和 有限的頻譜資源之間的矛盾已成為制約無(wú)線通信發(fā)展的瓶頸之一。當(dāng)前無(wú)線通信頻譜資源 利用情況極不平衡：一些頻帶大部分時(shí)間沒(méi)有用戶使用，一些頻帶只是偶爾使用，而另外一 些頻帶的使用則非常密集。因此那些利用率較低的頻段存在著被二次利用的可能，那么如 何及時(shí)發(fā)現(xiàn)并高效利用這些頻段，并且同時(shí)避免對(duì)授權(quán)用戶網(wǎng)絡(luò)造成干擾就成為亟待解決 的問(wèn)題。鑒于此，支持動(dòng)態(tài)頻譜接入的認(rèn)知無(wú)線電CognitiveRadio(CR)技術(shù)應(yīng)運(yùn)而生。頻 譜感知作為認(rèn)知無(wú)線電的一項(xiàng)關(guān)鍵技術(shù)，認(rèn)知用戶通過(guò)頻譜感知發(fā)現(xiàn)頻譜空穴，從而使認(rèn) 知用戶能利用其進(jìn)行通信，進(jìn)而提高頻譜利用率。當(dāng)認(rèn)知用戶通信時(shí)，突然感知到授權(quán)用戶 信號(hào)，則認(rèn)知用戶進(jìn)行規(guī)避退讓，這一過(guò)程不影響授權(quán)用戶的通信。由于無(wú)線環(huán)境是隨時(shí)變 化的，而且授權(quán)用戶的信號(hào)種類(lèi)不同，且傳輸過(guò)程中存在衰落和干擾等因素，所以頻譜感知 技術(shù)的實(shí)現(xiàn)方式也有多樣化、靈活化的特點(diǎn)。
[0003] 目前，技術(shù)已經(jīng)相對(duì)成熟的單點(diǎn)頻譜感知方法主要包括匹配濾波器檢測(cè)、能量感 知檢測(cè)法、周期平穩(wěn)特征檢測(cè)以及多分辨率頻譜感知。然而，由于信號(hào)在傳輸過(guò)程中受到干 擾、噪聲、路徑衰落、陰影效應(yīng)等因素的影響，會(huì)產(chǎn)生隱蔽終端的問(wèn)題，單個(gè)節(jié)點(diǎn)的感知結(jié)果 可靠性不高，因此，需要對(duì)多個(gè)節(jié)點(diǎn)的感知結(jié)果進(jìn)行融合判決，以提高其檢測(cè)可靠性，即協(xié) 作頻譜感知技術(shù)。在提出的一種線性協(xié)作感知框架中，如何在最短的時(shí)間內(nèi)求解出最優(yōu)權(quán) 向量已經(jīng)成為了一個(gè)優(yōu)化難題。受達(dá)爾文進(jìn)化理論的啟發(fā)而設(shè)計(jì)出的遺傳類(lèi)優(yōu)化算法，作 為成熟的啟發(fā)算法，已得到廣泛應(yīng)用，然而遺傳類(lèi)算法的收斂需要嚴(yán)格的條件限制。近年 來(lái)，粒子群算法、遺傳算法、量子遺傳算法和免疫克隆選擇算法等新的智能計(jì)算方法成為許 多學(xué)者的研宄熱點(diǎn)。
[0004] 為了解決在最短的時(shí)間內(nèi)求解出認(rèn)知無(wú)線電頻譜分配這一難題，學(xué)者們提出了粒 子群算法、遺傳算法、量子遺傳算法和免疫克隆選擇算法等智能計(jì)算方法，但均面臨維數(shù)災(zāi) 問(wèn)題。在解決低維工程問(wèn)題時(shí)，以上算法的收斂性能和速度一般能滿足要求，但在面對(duì)認(rèn) 知無(wú)線電頻譜感知這一高維離散工程優(yōu)化問(wèn)題時(shí)，經(jīng)典離散優(yōu)化算法的收斂性能受到嚴(yán)重 挑戰(zhàn)，即在速度和性能方面是不能滿足認(rèn)知無(wú)線電發(fā)展要求的，所以要想在這一問(wèn)題上有 新的進(jìn)展就需要設(shè)計(jì)全新的算法。近年來(lái)興起的蛙跳算法，在解決連續(xù)問(wèn)題的優(yōu)化時(shí)具有 較快的收斂精度，但控制參數(shù)多，并行性差，因此仍然不能有效解決認(rèn)知無(wú)線電頻譜感知問(wèn) 題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)在頻譜感知算法技術(shù)中，如何在最短的時(shí)間內(nèi) 求解最優(yōu)權(quán)向量是亟待解決的優(yōu)化問(wèn)題，以及現(xiàn)有的一些智能計(jì)算方法在解決高維工程優(yōu) 化問(wèn)題時(shí)總會(huì)在收斂性能和速度方面存在缺陷的關(guān)鍵問(wèn)題。
[0006] 為此目的，本發(fā)明提出了一種基于量子蛙跳的頻譜感知算法，包括以下具體步 驟：
[0007] 包括以下具體步驟：
[0008] S1 :根據(jù)目標(biāo)函數(shù)所表示的適應(yīng)度值確定全局最優(yōu)的青蛙量子位置以及每個(gè)族群 內(nèi)最好、最差適應(yīng)度值的青蛙量子位置；
[0009] S2:根據(jù)跳躍性方程更新最差適應(yīng)度值的青蛙量子位置的相關(guān)信息以及向所述全 局最優(yōu)解收斂。
[0010] 進(jìn)一步地，所述步驟S1具體包括：
[0011] S11 :對(duì)青蛙群體總數(shù)P，青蛙族群數(shù)m，每個(gè)族群內(nèi)的青蛙數(shù)n以預(yù)設(shè)數(shù)值進(jìn)行設(shè) 置，并通過(guò)公示p=mXn進(jìn)行計(jì)算；
[0012] S12 :設(shè)置族群內(nèi)的最大迭代次數(shù)gen以及整個(gè)群體的最大進(jìn)化代數(shù)Gen;
[0013] S13 :在定義域內(nèi)隨機(jī)產(chǎn)生青蛙的初始量子位置。
[0014] 進(jìn)一步地，所述步驟S2具體包括：
[0015] S21 :根據(jù)所述青蛙族群中的最優(yōu)解進(jìn)行更新；
[0016] S22:若沒(méi)有改進(jìn)，則根據(jù)全局最優(yōu)解進(jìn)行更新，其中，每個(gè)青蛙的量子位置表示方 程的一個(gè)解集，每個(gè)量子表示該解集中的一個(gè)解，每個(gè)解代表每個(gè)認(rèn)知用戶的權(quán)重向量。
[0017] 進(jìn)一步地，所述步驟S2還包括：
[0018] 通過(guò)公式

【權(quán)利要求】
1. 一種基于量子蛙跳的頻譜感知算法，其特征在于，包括以下具體步驟： Sl:根據(jù)目標(biāo)函數(shù)所表示的適應(yīng)度值確定全局最優(yōu)的青蛙量子位置以及每個(gè)族群內(nèi)最 好、最差適應(yīng)度值的青蛙量子位置； S2:根據(jù)跳躍性方程更新最差適應(yīng)度值的青蛙量子位置的相關(guān)信息以及向所述全局最 優(yōu)解收斂。
2. 如權(quán)利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟Sl 具體包括： 511 :對(duì)青蛙群體總數(shù)P，青蛙族群數(shù)m，每個(gè)族群內(nèi)的青蛙數(shù)η以預(yù)設(shè)數(shù)值進(jìn)行設(shè)置，并 通過(guò)公示P=mXη進(jìn)行計(jì)算； 512 :設(shè)置族群內(nèi)的最大迭代次數(shù)gen以及整個(gè)群體的最大進(jìn)化代數(shù)Gen; 513 :在定義域內(nèi)隨機(jī)產(chǎn)生青蛙的初始量子位置。
3. 如權(quán)利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟S2 具體包括： S21 :根據(jù)所述青蛙族群中的最優(yōu)解進(jìn)行更新； S22:若沒(méi)有改進(jìn)，則根據(jù)全局最優(yōu)解進(jìn)行更新，其中，每個(gè)青蛙的量子位置表示方程的 一個(gè)解集，每個(gè)量子表示該解集中的一個(gè)解，每個(gè)解代表每個(gè)認(rèn)知用戶的權(quán)重向量。
4. 如權(quán)利要求1所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，所述步驟S2 還包括： 通過(guò)公式 eKi^rand{xKj -xhj) +randn[xKj -Zj) <Γ=?cos^-小-?χ':)2sin^j 更新具有最差適應(yīng)度值的青蛙的量子位置Xw; 其中，rand為[0, 1]之間的均勻隨機(jī)數(shù)，randn為滿足均值為0,方差為1的高斯分布 的隨機(jī)數(shù)。z= [Zl，z2,. . .，zM]為族群內(nèi)全部青蛙的量子位置的平均值，其中， j= 1，2,…，M0 如果新的量子位置*CH的適應(yīng)度值沒(méi)有改進(jìn)，則按照下述方式進(jìn)行更新： θη] =rand(xHj -xj+randnix^ -Zj) -<Γ=?cos心-小-(xJ2sinAy
5. 如權(quán)利要求4所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，如果更新量 子位置后適應(yīng)度值沒(méi)有改進(jìn)，則在定義域間內(nèi)隨機(jī)產(chǎn)生新的青蛙量子位置。
6. 如權(quán)利要求3所述的一種基于量子蛙跳的頻譜感知算法，其特征在于，第i只青蛙的 所述量子位置表示為： d,-K1dn ··· = X；2XiM d,wLa,u.,,」 其中，IxijI2+!βijl2=1，（j= 1，2, ...，M)。
【文檔編號(hào)】H04B17/382GK104467999SQ201410659258
【公開(kāi)日】2015年3月25日 申請(qǐng)日期:2014年11月18日 優(yōu)先權(quán)日:2014年11月18日
【發(fā)明者】張勇, 宋梅, 魏翼飛, 滕穎蕾, 郭達(dá), 王莉, 滿毅, 成晨, 張亞男, 鮑敘言, 程剛, 王東安, 李沸樂(lè), 方一鳴 申請(qǐng)人:北京郵電大學(xué)