基于教與學優(yōu)化算法的認知無線電頻譜分配和決策引擎研究.pdf

1、認知無線電技術是目前解決頻譜匱乏最有效的技術，其核心技術包括頻譜分配技術和認知決策引擎技術等技術。頻譜分配技術以認知用戶在某種分配準則下，當整個網絡效益最大化時，認知用戶所得到的最優(yōu)頻譜分配方案為目的；決策引擎技術以認知無線電系統(tǒng)根據外界環(huán)境變化和用戶的偏好需求高效的優(yōu)化發(fā)射機參數為目的。目前關于頻譜分配技術和認知決策引擎技術已有許多學者投入大量精力進行研究并取得了較好的效果，但是隨著社會頻譜資源越來越匱乏，其性能還有很大的提升空間。本

2、課題對目前各種認知無線電頻譜分配模型和決策引擎模型進行了歸納總結和分析，針對現有模型中存在的不足提出了改進算法。
　　首先，針對圖著色理論模型下的頻譜分配算法所存在的收斂速度慢，精度低等問題，本課題提出了一種基于改進二進制教與學優(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，可在平均系統(tǒng)效益準則下，不僅提高了整個系統(tǒng)網絡效益，而且能使認知用戶獲得最大收益的頻譜資源。通過仿真實驗表明，本文提出的算法不僅收斂速度

3、更快、穩(wěn)定性更好，而且能使用戶獲得更高的系統(tǒng)效益，特別在大規(guī)模的頻譜數目和認知用戶數量較多時優(yōu)化效果更為明顯。
　　其次，針對目前現有認知無線電決策引擎算法不能有效的對發(fā)射機工作參數進行優(yōu)化等問題，本課題將改進二進制教與學優(yōu)化算法應用到無線電決策引擎中，提出了一種基于改進二進制教與學優(yōu)化算法的認知無線電決策引擎算法，該算法具有簡單易懂，參數設置少，收斂精度高等優(yōu)勢，從而使發(fā)射機根據外界環(huán)境、用戶偏好需求等綜合影響下能獲得最優(yōu)的工作