认知引擎中决策方法的研究

认知无线电(Cognitive Radio,CR)技术通过智能的频谱管理来解决频谱资源"短缺"问题,它能够感知到授权用户的空闲频谱,并有效地加以利用,从而减少与授权用户的冲突。现有无线电参数调整策略无法根据环境变化和用户需求进行智能调整,认知引擎中的决策方法能够解决该问题。遗传算法(Genetic Algorithm,GA)和二进制粒子群算法是实现认知引擎决策的典型算法,在对2种算法进行了介绍之后,仿真比较了2种算法在性能方面的差异。     

遗传算法在天线阵自适应算法中的应用

本文采用一种新的基于遗传法的天线阵列的自适应算法。根据实际的硬件限制，不改变阵列的幅度加权，而通过遗传算法对相位加要权作全局优化。为减小对天线方向图的破坏，并希望在干扰源来波方向实时置零，因而采用只优化搜索数字移相器的最后几位，计算机模拟结果证实了这种方法的有效性。     

基于自适应遗传算法的稀布阵天线优化

稀布阵能够以较少的天线单元,通过稀布的方式和先进的处理算法获得与传统等间距阵相当的孔径效能,降低了系统的硬件成本,具有灵活布置的优点、重要的研究意义和应用价值。稀布阵与同口径满布阵相比副瓣电平较高。文中提出了一种基于自适应遗传算法的稀布阵列综合优化方法。该算法采用实值编码方式,引入自适应遗传算子,有效提高了优化效率,避免陷入个体早熟及局部收敛,得到了更低的副瓣电平。给出了具体实现步骤以及仿真实例,结果表明,采用自适应遗传算法,得到了更低的稀布阵天线副瓣电平。     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

认知无线网络认知决策引擎技术研究

随着无线通信技术的快速发展,旨在提高频谱利用率的认知无线电技术得到了极大的发展,同时出现了认知无线电网络,而认知决策引擎正是其实现智能动态资源配置、参数优化的关键技术。文章介绍了基于物理层的以智能优化算法为主的认知决策引擎;此基础上,对神经网络、模糊规则、多目标优化、博弈论等跨层优化算法的应用进行了介绍;最后对认知无线电网络认知决策引擎的进一步发展进行了探讨。     

免疫遗传算法及认知无线电参数优化决策

根据感知的频谱环境变化及时优化并调整无线电参数是认知无线电的关键技术之一,也是一个复杂的非线性多目标优化决策问题。遗传算法是最适合优化问题的,但当遗传算法应用于优化问题时存在过早收敛问题。提出了基于遗传算法和人工免疫系统相结合的免疫遗传算法（IGA）来克服以上问题。由于在GA算法中引入了免疫系统中抗体和抗原的概念并在每一次迭代中丢弃亲和力较大的抗体,有效地防止了GA中过早收敛现象。最后,用免疫遗传算法来解决认知无线电的参数优化问题。仿真结果表明,免疫遗传算法可以迅速达到最优决策。     

认知无线电中的混合认知引擎设计

为了提高认知引擎的性能,更好地实现认知无线电系统参数的智能调整,设计了一 种混合认知引擎,综合运用多种人工智能方法实现认知引擎的推理、学习、优化和决策等功 能。分析了经典认知引擎模型和人工智能在认知引擎中的应用情况,构建了混合认知引擎的 功能结构框图,讨论了混合认知引擎的工作机理和技术特点。分析表明,混合认知引擎 具有较强的灵活性和鲁棒性。     

遗传算法在天线阵自适应算法中的应用

本文采用一种新的基于遗传算法的天线阵列的自适应算法。根据实际的硬件限制,不改变阵列的幅度加权,而通过遗传算法对相位加权作全局优化。为减小对天线方向图的破坏,并希望在干扰源来波方向实时置零,因而采用只优化搜索数字移相器的最后几位。计算机模拟结果证实了这种方法的有效性。     

认知引擎技术

认知无线电（CR）是一种智能的无线电通信系统,其智能主要来自于认知引擎。认知引擎基于软件无线电平台,引入人工智能领域的推理与学习方法,实现认知环路,从而实现CR的感知、自适应与学习能力。认知引擎的要素包括建模系统、知识库、推理机、学习机和各类接口,涉及到知识表示、机器推理和机器学习等关键技术。     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

基于免疫遗传算法的自适应图像分割方法

提出了一种基于免疫遗传算法的图像分割新方法。利用生物免疫系统自调节、抗原识别和记忆功能,结合遗传算法对图像进行自适应区域阈值分割,试验结果表明该方法能够克服传统闽值方法对目标大小的限制,是一种有效的图像分割新方法。     

Novel quantum-inspired genetic algorithm based on immunity

A novel algorithm, the Immune Quantum-inspired Genetic Algorithm (IQGA), is proposed by introducing immune concepts and methods into Quantum-inspired Genetic Algorithm (QGA). With the condition of preserving QGA‘s advantages, IQGA utilizes the characteristics and knowledge in the pending problems for restraining the repeated and ineffective operations duringevolution, so as to improve the algorithm efficiency. The experimental results of the knapsack problem show that the performance of IQGA is superior to the Conventional Genetic Algorithm (CGA), the Immune Genetic Algorithm (IGA) and QGA.     

自适应遗传退火算法在薄膜椭偏测量中的应用

将自适应遗传模拟退火混合算法应用于薄膜椭偏测量的反演问题中.由于模拟退火算法的基本思想是跳出局部最优解而得到全局最优解,因此将模拟退火思想引入到遗传算法,遗传算法和模拟退火算法相结合,组建自适应遗传模拟退火算法,从而综合了全局优化和局部搜索的特点,并通过模拟计算,验证了此方法在薄膜椭偏测量问题中的可行性及有效性,为解决...     

一种改进的认知域自适应干扰温度估算算法

从认知无线电通信接入、干扰回避和功率控制的角度出发,采用自适应谱线增强技术对基于多窗口谱估计的干扰温度估算算法进行了改进,并进一步推导了功率谱与干扰温度的关系.依托符合IEEE 802.11G标准的无线环境对算法进行了性能仿真,仿真结果表明,改进算法具有较好的检测性能,提高了干扰温度估算的精度和可信度,具有一定的实际应用价值.     

Frequency-coded optimization of hopped-frequency pulse signal based on genetic algorithm

The Frequency-Coded Pulse (FCP) signal has good performance of range and Doppler resolution. This paper first gives the mathematical expression of the ambiguity function for FCP signals, and then presents a coding rule for optimizing FCP signal. The genetic algorithm is presented to solve this kind of problem for optimizing codes. Finally, an example for optimizing calculation is illustrated and the optimized frequency coding results are given with the code length N=64 and N=128 respectively.     

基于改进自适应遗传算法的图像配准方法

采用遗传算法进行图像配准时,存在收敛速度慢、易早熟的问题,可能导致误配。为克服这些缺点,提出了改进的自适应遗传算法(improved adaptive genetic algorithm,IAGA)。该算法以互信息作为相似性测度,通过对遗传参数设置的改进,自适应的调解进化过程中的交叉概率和变异概率,既提高了遗传算法的收敛速度,又有效地防止了早熟。实验结果表明,改进算法具有更好的有效性和精确性。     

Parameter adjustment based on improved genetic algorithm for cognitive radio networks

Multi-objective parameter adjustment plays an important role in improving the performance of the cognitive radio (CR) system. Current research focus on the genetic algorithm (GA) to achieve parameter optimization in CR, while general GA always fall into premature convergence. Thereafter, this paper proposed a linear scale transformation to the fitness of individual chromosome, which can reduce the impact of extraordinary individuals exiting in the early evolution iterations, and ensure competition between individuals in the latter evolution iterations. This paper also introduces an adaptive crossover and mutation probability algorithm into parameter adjustment, which can ensure the diversity and convergence of the population. Two applications are applied in the parameter adjustment of CR, one application prefers the bit error rate and another prefers the bandwidth. Simulation results show that the improved parameter adjustment algorithm can converge to the global optimal solution fast without falling into premature convergence.     

一种基于种群多样性的新型自适应遗传算法

为克服传统自适应遗传算法易出现未成熟收敛的问题,提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化,提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率,在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比,结果表明,所提算法相较于已有算法,在保证收敛精确度的同时提高了收敛速度,有效克服了“早熟”等问题。     

基于改进遗传算法的多约束QoS路由算法研究

遗传算法良好的全局搜索能力使其被广泛地应用于网络中多约束QoS路由寻址,并取得了较好的成果。然而大部分应用于多约束QoS寻址的改进遗传算法存在无法有效利用网络资源使得网络拥塞、网络过早收敛陷入局部最优解,以及过慢结束的缺点。针对上述问题,对传统遗传算法中的适应度函数和遗传算子做出相应的改进,并通过实验验证提出改进遗传算法。最终,仿真实验表明该算法是可行的,并能在一定程度上克服传统遗传算法的缺点,提高收敛速度,有效避免过早收敛,提高QoS满意率。