基于粒子群算法的认知无线电参数优化及敏感度分析

认知无线电能根据环境变化和用户需求自适应调整工作参数.现有认知引擎大多采用遗传算法优化参数.但随着认知用户数的增加,遗传算法染色体增多,导致算法收敛时间过长,无法满足实时通信需求.将改进惯性因子的粒子群算法用于认知无线电工作参数的优化,并在不同通信模式下对传输参数进行敏感度分析,以便有选择性地从目标函数中剔除敏感度较低...     

基于粒子群算法的认知无线电参数优化及敏感度分析

认知无线电能根据环境变化和用户需求自适应调整工作参数。现有认知引擎大多采用遗传算法优化参数。但随着认知用户数的增加,遗传算法染色体增多,导致算法收敛时间过长,无法满足实时通信需求。将改进惯性因子的粒子群算法用于认知无线电工作参数的优化,并在不同通信模式下对传输参数进行敏感度分析,以便有选择性地从目标函数中剔除敏感度较低的参数,降低处理复杂度。仿真结果表明,采用粒子群算法的参数优化在收敛速度、搜索效率和算法稳定性等方面均优于遗传算法,仅需较小的进化代数就能找到最优参数解,从而减小了优化时间,满足了认知无线电实时处理的要求。     

基于自适应蚁群优化算法的认知决策引擎

认知决策引擎的设计是认知无线电系统中的一项关键技术,它的主要功能是依据通信环境的变化和用户需求动态地配置无线电工作参数。提出了一种基于自适应蚁群算法的认知决策引擎来实现工作参数的最优化配置。该算法在基本蚁群算法的基础上加入了路径选择机制和信息素挥发因子自适应调整机制,保证了算法的全局搜索能力和收敛速度,有效地避免了容易陷入局部最优解的缺陷。仿真结果表明,在不同的环境下基于该算法的认知引擎比GA和ACO算法具有更好的性能。     

基于模拟退火遗传算法的认知无线电决策引擎

如何根据环境变化和用户需求智能调整无线电参数是认知无线电的基本功能.提出了遗传算法和模拟退火相结合的认知无线电参数调整方法,给出了该方法流程,运用多载波系统对算法性能进行了仿真分析.实验结果表明该方法改进了遗传算法中后期的爬山能力,优化得到的参数比单独使用遗传算法优化所得参数具有更高的归一化目标函数值,而且该方法能够在多个目标函数间进行权衡,参数调整结果与当前对目标函数的偏好一致.     

基于案例推理的认知自学习引擎

认知无线电与传统无线电的最大区别在于其能够感知环境,主动去学习、适应环境.近年来,对于认知无线电的研究主要集中于多目标优化的配置决策问题.但实际的通信系统可观测到的环境参数有限,且输入输出关系复杂,需要认知无线电通过学习来理解并适应环境.针对上述问题,提出了一种基于案例推理和模拟退火思想的认知决策引擎算法.仿真结果表明...     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。     

基于二进制蚁群模拟退火算法的认知引擎

在认知无线电系统中,认知引擎依据通信环境的变化和用户需求动态配置无线电工作参数。针对认知引擎中的智能优化问题,提出一种二进制蚁群模拟退火（BAC&SA）算法用于认知无线电参数优化。该算法在二进制蚁群优化（BACO）算法中引入模拟退火（SA）算法,融合了BACO的快速寻优能力和SA的概率突跳特性,能有效避免BACO容易陷入局部最优解的缺陷。仿真实验结果表明,与遗传算法（GA）和BACO算法相比,基于BAC&SA算法的认知引擎在全局搜索能力和平均适应度等方面具有明显的优势。     

融合改进强化学习的认知无线电抗干扰决策算法

针对认知无线电环境中认知用户易受到干扰的问题,研究了具有跳频功能的认知用户与智能感知功能的干扰器之间的相互作用。为了充分利用无线电频谱资源,在综合考虑信道选择和功率分配的基础上,设计了以认知用户的频谱能效性能为参考标准的效用函数,并将改进强化学习算法融入认知学习决策引擎中。决策算法通过将认知环境与决策引擎的交互建模为强化学习中环境与智能体的交互,探索最大的动作奖励反馈给认知决策引擎,在交互过程中得到自适应的优化策略选择。仿真结果表明,提出的算法能够较快速地收敛,选择的策略能够有效地优化认知用户在干扰情况下的性能,比随机策略的性能提高50%以上。     

多目标遗传算法求解认知无线电性能优化问题

认知无线电的性能优化是一个动态多目标优化问题。现有的Bio-CR模型基于遗传算法优化认知无线电的性能,它使用线性加权方法将此多目标优化问题简化为了一个单目标优化问题。针对Bio-CR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,提出了基于多目标遗传算法的认知无线电性能优化算法CREA。CREA能够根据信道条件和用户服务需求的变化动态地调整传输参数以优化性能,不仅克服了Bio-CR的两个缺点,而且通过保存计算结果进一步减少了遗传算法的运行次数。CREA首先根据信道条件的变化动态确定一组适应度函数,然后运行多目标遗传算法获得一个Pareto-optimal set,最后根据用户服务需求从中选出一个最满意解,并通知认知无线电更新自己的传输参数。Matlab仿真实验证明了CREA的正确性和有效性。     

浅析认知无线电在矿井通信中的应用

文章在分析目前煤矿无线通信系统优缺点的基础上,简要介绍了认知无线电的基础知识及其核心内容———认知引擎、认知环的结构组成和功能,并指出了将认知无线电技术应用于煤矿井下无线通信的优点及可行性。     

案例推理在认知引擎中的应用

遗传算法可用于认知引擎中传输参数的优化,但随着认知用户数的增加,遗传算法染色体增长,导致算法收敛时间过长,难以满足认知无线电实时通信的需求．以现有认知引擎为基础提出一种新型的认知引擎架构,并将案例推理融入遗传算法中,利用案例推理寻找匹配案例,为遗传算法提供初始种群,减小遗传算法选择初始种群的盲目性．仿真分析结果表明,与仅采用遗传算法的认知引擎相比,融合案例推理的遗传算法构造的认知引擎收敛速度和处理能力有显著提高,效用函数值也有一定增强．     

认知无线电技术在煤矿井下的应用研究

针对现有煤矿井下无线通信系统载频和调制方式等参数固定、无法适应巷道信道模型变化而导致通信可靠性低的问题,提出了在煤矿井下无线通信系统中应用认知无线电技术的方案,即利用认知无线电技术感知通信系统所处巷道的频谱和信道模型,实时、自适应地调整载频、调制方式等传输参数的特点,从而优化煤矿井下无线通信网络的传输性能;综合分析了认知无线电在煤矿井下应用的可行性;最后给出了认知无线电在煤矿井下应用的实现模式。     

基于多角度多层次的认知无线电网络安全研究

认知无线电(Cognitive Radio)技术是为了解决无线网络中频谱资源短缺问题而提出来的新兴技术,它的提出有效的缓解了频谱资源短缺问题,但同时也引入了特有的安全威胁,针对认知无线的特点,从整体架构、协议栈和认知行为的多个角度和层次,研究其在无线网络中引入的安全隐患和已有的解决方案,并对认知无线电安全问题做进一步的展望.     

大规模认知无线电网络的时延分析

时延作为无线网络的最基本的性能之一,对网络信息分发、路由协议设计、节点部署等都具有重要意义。与传统的无线网络不同,认知无线电网络的频谱资源具有动态变化性,该特性会对网络时延产生极大的影响。因此,如何对动态频谱环境下的大规模认知无线电网络进行时延分析,是一项很具挑战性的课题。为此,首先对动态频谱环境进行建模,将认知用户的频谱接入过程建模为一个连续时间的马尔可夫链,并建立认知用户的生存函数来量化授权用户活动以及信道数量对频谱环境的影响;其次,将上述模型与首次通过渗流理论结合起来,研究了大规模认知无线电网络时延的伸缩规律,并获取了更为精确的时延与距离比的上限值。理论分析及仿真结果表明,动态频谱环境与密度一样会对时延产生极大影响。研究结论对认知无线电网络的设计具有重要的指导意义。     

认知无线电网络安全路由问题研究

认知无线电是一种智能频谱共享技术,可显著提高频谱的利用率。根据认知无线电在国内外的研究现状以及该技术的应用发展趋势,给出了认知无线电网络中安全路由的一个研究体系。该体系以一种混合式的网络结构为基础,将身份认证,密钥分配,组播树的创建,对当前空闲频谱信息进行合理定价,递减式组播模式以及跨层设计路由等问题结合在一起,形成了一个较为完备的认知无线电网络安全路由问题体系,为未来认知无线电安全路由的研究开拓了一条新路。     

CR系统中基于NPGP的功率控制算法

为解决认知无线电（cR）系统中认知用户对主用户的干扰及系统功率控制问题,在介绍认知无线电原理及其基本在线认知任务循环框图的基础上,将DavidGoodman等人提出的基于非合作带竞价博弈的功率控制算法应用到认知无线电系统中。与传统的功率控制算法相比,该算法不仅降低了认知无线电系统中认知用户的发射功率,而且降低了认知用户之间的干扰,提高了系统的整体性能。最后通过MATLAB仿真分析比较了带价格因子和不带价格因子两种情况下的性能。     

认知中继网络功率分配的优化算法

本文研究了认知中继网络的功率分配策略。在基于AF(amplify-and-forward)和DF(decode-and-forward)中继模式下,考虑认知用户传输功率受限以及主用户干扰容限等因素,建立了认知中继网络吞吐量的非凸函数和凸函数优化模型;并利用拉格朗日乘子得到最优解。仿真结果表明,所提算法在认知用户传输功率受限以及主用户干扰容限下优化了认知中继网络的吞吐量。     

一种多接口认知传感器网络体系结构

传统的单接口无线传感器网络由于同道干扰问题的存在,网络性能受到极大的限制。多接口无线网络技术是解决这一问题的有效方案。但是多接口无线传感器网络的频谱接入问题是多接口传感网大规模部署的关键一环。而认知无线电技术能够实现频谱的动态访问,即便是信道拥塞的情况仍能有效改善网络性能,并且在无线传感器网络中表现出较好的传输特性。本文提出一种基于连通支配集的多接口认知传感器网络体系结构。通过分析不难看出,提出的体系结构具有良好的扩展性和容错性能。