认知无线电中一种n步串行信道感知策略

为了提高频谱感知的整体性能,基于链路层多认知用户集中式协作感知思想,提出一种带缓冲区的双周期n步串行协作感知机制.该机制利用多认知用户分时、分段协作提高频谱感知效率,建立频谱池缩短被中断用户切换延迟时间,使用离散马尔可夫模型对感知参数建模,通过求解最优搜索步长和双感知周期比,提高认知用户频谱感知性能和QoS.仿真实验结果显示,该算法在感知效率、被迫中断概率和中断时间方面均优于随机搜索和传统串行搜索策略.     

双门限和机会协作的频谱感知算法研究

针对传统频谱感知算法性能较差及一文献中Zhu所提出的算法功率消耗大的不足,提出了一种基于双门限和机会协作的频谱感知算法,同时理论推导了在瑞利衰弱信道中基于该算法的频谱感知检测概率,并对传统频谱感知算法,Zhu所提出的算法和基于双门限和机会协作的频谱感知算法进行性能仿真。仿真结果表明,该算法可以有效提高频谱感知检测概率,性能优于传统算法,与Zhu所提出的算法性能基本相同,且能有效节省发射功率。     

反向学习全局和声搜索算法

提出一种反向学习全局和声搜索(OLGHS)算法.基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局部搜索性能;用由两种不同学习策略随机交叉动态产生的新和声与反向和声二者较优的个体更新和声记忆库,提高算法的搜索性能.将OLGHS算法与其他启发式优化算法以及目前文献中较优的改进HS算法进行性能测试,测试结果表明OLGHS算法具有较高的寻优精度和较快的收敛速度.     

一种基于和声搜索的动态交叉粒子群算法

针对粒子群优化算法(PSO)在优化多维问题时容易陷入局部最优的问题,提高其全局搜索能力和拓展能力,提出了一种基于和声搜索的动态交叉粒子群算法.引入动态交叉操作,使得粒子在更新速度时实现共享有效信息,保证粒子进化过程中的种群多样性,提高全局搜索能力.结合和声搜索(HS)的随机搜索能力提出了HS-DCPSO,利用和声搜索的自适应调整参数音符调节概率PAR和间隔调整带宽bw来提高粒子群的拓展能力.通过多个基准函数对所提出的HS-DCPSO算法进行仿真测试,并与HS、PSO及多种改进的粒子群算法对比,验证所提出的HS-DCPSO算法具有较强的全局搜索能力和局部拓展能力,并且算法时间复杂度相比传统PSO增加不明显.     

认知无线电网络中的分布式协作感知算法*

针对认知无线电中频谱感知的问题,讨论了分布式协作感知场景下最优的感知算法。介绍了经典的基于放大前传（AF）、解码前传（DF）和选择中继（SR）的分布式协作方案,包括模型、检测概率和虚警概率。提出了一种新的分布式协作感知算法,该算法将原始统计量和信噪比发送给协作用户,减少信道噪声对最后决策结果的影响。运用似然比准则推导出了最优的加权系数,以及决策函数。对几种协作方案的中断概率进行理论推导,并用数值仿真的方法验证了算法在中断概率上的性能。仿真结果表明,提出的方法在检测概率和中断概率上远优于其他分布式协作方案,但该方法需要协作用户间无损耗的传输,这也给实际的应用提出了很大的挑战。     

和声搜索算法探索能力研究及其修正

和声搜索算法(harmony search,HS)的一大缺点是它容易陷入局部最优.针对此缺点,深入研究了近期文献中所提出的步长(bw)调整方法.首先具体分析了和声搜索算法即兴创作过程的探索能力,而后推导出在不对称区间下即兴创作过程的探索能力与各参数的关系,并进一步讨论了bw对探索能力和算法收敛的影响,证明了方差期望和均值期望所组成的迭代方程的迭代收敛充分性.基于这些分析和证明,提出一种修正和声搜索算法(modified harmony search,MHS),并分析了参数和声记忆库大小(harmony memory size,HMS)、基音调整概率(pitch adjusting rate,PAR)及和声记忆库的考虑概率(harmony memory considering rate,HMCR)对MHS优化性能的影响.数值仿真结果表明MHS算法优于HS及最新文献所报道的8种改进HS算法,具有良好的优化性能.     

基于正余弦优化算子和Levy飞行机制的和声搜索算法

针对基本和声搜索（Harmony search, HS）算法收敛速度较慢、易陷入局部最优和计算精度不高的缺点,结合正余弦优化算子、Levy飞行机制和参数动态调整策略,提出一种改进的和声搜索算法。该算法在即兴创作阶段,首先引入正余弦优化算子和微调带宽相结合的方式对和声向量进行微调操作,充分利用最优个体和当前个体的位置信息,提高算法的计算精度和收敛速度;再采用Levy飞行机制对微调带宽进行更新,避免算法陷入局部最优,提高全局搜索能力;在算法迭代过程中,对和声记忆库存储概率、基音微调概率和搜索域进行自适应动态调整,以进一步提高算法收敛性能。在10个基准函数上进行性能对比试验的结果表明,本文提出的算法具有较强的全局搜索能力,较快的收敛速度和较高的计算精度。     

衰落信道下提高协作频谱感知能力的方法

由于协作频谱感知能够更准确地确定主用户的存在与否,因此,它被认为是认知无线电技术中的一个重要研究分支.在协作频谱感知中,各认知用户需要通过报告信道发送其本地判决结果(0或1)到融合中心(FC).然而,在实际中,报告信道通常受衰落的影响,这将降低频谱感知的检测性能.针对这个问题,首先,文中提出一种基于认知用户选择的协作频谱感知算法.该算法通过减小由衰落信道引入的误码概率来提高协作频谱感知的检测性能.其基本思想为:只有具有较好瞬时信道增益报告信道的认知用户才将其本地二进制判决结果发送到FC,否则,该认知用户不发送其本地检测结果到FC.其次,提出一种基于空时编码的协作频谱感知方法.通过在CR网络中,利用空间分集增益来降低由衰落型报告信道引入的误码概率,从而提高检测性能.最后,对提出的这两种协作频谱感知方法的检测性能进行理论分析研究,并对其进行数值仿真.仿真结果表明:相比于传统的协作频谱感知,本文提出的这两种协作频谱感知算法都能提高对主用户的检测性能.     

基于HS-PSO算法的PID控制器参数自整定

针对粒子群算法(PSO)算法局部搜索能力差的问题,提出一种对PID控制器参数进行自整定的基于和声搜索(HS)的改进粒子群优化算法(HS-PSO).通过引入种群进程因子对惯性权重进行自适应调节以提高PSO算法的收敛速度.另外在PSO进化过程中每代产生的最优个体以新陈代谢方式进入和声记忆库中并进行和声搜索,以克服粒子群优化...     

无线认知网络中的选择触发协作频谱感知

在无线认知网络中,常规协作频谱感知算法用于增强频谱感知的准确性,但是该算法增加了通信成本以及认知用户的能量消耗。为此,提出一种选择触发协作频谱感知算法(STCSS)。该算法基于当前频谱感知能量阈值判定是否触发二次协作频谱感知,使得协作频谱感知仅在必要时被触发从而降低能量消耗与通信成本。仿真结果表明,对比协作频谱感知算法与精细快速感知算法,STCSS算法可提高检测概率,减少能量消耗以及通信成本。     

Optimal MAC based cooperative spectrum sensing in cognitive radio networks

This paper considers a cognitive radio (CR) system in non-ideal fading wireless channels and pro-poses cooperative spectrum sensing schemes based on coherent multiple access channels (MAC),serving as an alternative way to improve the cooperative spectrum sensing performance and provide space diversity for spec-trum sensing.Sufficient statistics are transmitted using a common channel from the secondary users (SUs) to a fusion center (FC) where the global decision is obtained.The optimal scaling factors of the proposed schemes are obtained by maximizing the detection probability under a target false alarm probability and a transmit power constraint.Because the proposed optimal MAC scheme has high computational complexity,a sub-optimal solu-tion based on maximization of the deflection coefficient (DC) is also proposed.Simulation results show that the proposed algorithms can significantly improve the spectrum sensing performance and approach the detection baseline.     

基于指数信任度函数的频谱感知改进算法

从多个用户合作感知的角度出发,针对目前的融合规则没有考虑感知结果的信任度,对现有的分布式感知算法进行改进,提出基于指数信任度的频谱感知算法;在认知无线电网络安全方面,将异常点感知引入到感知融合规则中,在指数信任度算法的基础上提出一种基于异常点的频谱感知算法,能抵御认知无线网络中出现故障的或者恶意认知用户;在提高感知速度和可靠性方面,结合指数信任度算法和异常点感知算法,将对感知信息的审核引入到频谱感知算法中,提出一种基于审核的频谱感知算法,该算法在提高感知速度的基础上能获得更好的感知性能。     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

认知无线电中能效优先的频谱感知算法研究

频谱感知是认知无线电的关键技术之一.针对认知无线电中降低频谱感知能耗的问题,研究了在满足一定感知性能的前提下,能效优先的频谱感知算法.首先对感知能耗最小化问题进行了建模,然后推导出目标检测概率与最小感知能耗之间的关系,接着给出了在目标检测概率要求下的最小感知能耗,最后分别对单信道和多信道场景进行了仿真,仿真结果验证了理论推导的正确性.     

认知无线电网络多用户智能协作频谱感知算法

认知无线电网络中,单用户频谱感知容易受到阴影效应、多径衰落及隐蔽终端等不利因素的影响,造成感知结果的误判.为了提高系统的检测性能,并减少感知花销,提出了多用户智能协作频谱感知算法.各个认知用户根据估计信噪比自适应选择不同的感知策略,当估计信噪比高于选择阈值时采用双门限能量感知,低于选择阈值时则采用循环平稳特征检测,并在同一个感知周期内只进行一种较优的感知策略,从而在不明显增加计算复杂度的情况下,克服了能量感知在低信噪比条件下鲁棒性差的缺点,实现了智能检测.仿真结果表明,智能协作频谱感知有效提高了系统检测概率,缩短了平均感知时间,有较好的鲁棒性.     

认知无线电网络中频谱感知性能分析

分析了认知无线电网络中使用能量检测器进行频谱检测的性能。仿真结果表明,衰落会使认知无线电用户检测性能下降,采用硬合并协作方案的合作频谱检测可以提高认知无线电系统的检测概率,但认知无线电系统的虚警概率也会随着参与协作的用户数的增多而上升,特别是控制信道不理想时,协作检测会导致虚警概率下限的出现,造成频谱利用率达不到预期的目标。     

加速食物引导的粒子群算法在协作频谱感知中的应用

为找到基于合作频谱感知软判决算法中的优化加权系数,最终来优化提高认知无线网络协作频谱感知的检测概率,针对传统的粒子群优化算法进行研究改进。通过赋予每个微粒以生物体的特性,根据它们能量需求的不同,获取当前粒子最需要的信息,选择向个体或群体最优食物源靠近。同时,引入加速变量,运用在粒子的位置更新中,称这种方法为加速食物引导的粒子群优化算法(accelerated food guided Particle Swarm Optimization, afgPSO)。另外,针对噪声环境的不确定性,推导出了噪声不确定最坏情况下的系统检测概率。仿真结果表明,afgPSO算法具有可行性,并且在不同的噪声环境中都能获得更好的频谱检测概率,从而验证了此方法的优越性。对于粒子群算法中的其它参数,还有待进一步改善。     

基于圆形信赖域的改进和声搜索算法

针对标准和声搜索(HS)算法易陷入局部最优、收敛精度不高的不足,提出了一种基于圆形信赖域(CTR)的新型和声搜索算法--CTRHS。该算法运用逐双音调一次性产生方式,在记忆思考环节交互式地采取面向圆形信赖域的集约化思考操作,在双音调微调环节利用当前和声记忆库中的最好或最差和声来确定微调带宽,并且以新生成和声直接替换当前和声记忆库中最差和声来实现和声记忆库的更新。通过在9种标准测试函数上对CTRHS算法进行实验验证和算法性能对比,结果表明CTRHS算法在解质量、收敛性能上优于文献中已报道的7种HS改进算法,且当和声记忆库规模(HMS)、和声记忆库思考率(HMCR)分别取5和0.99时,它能表现出更佳的全局优化性能。