论文部分内容阅读
随着科学技术的进步与人类社会的快速发展,新的无线通信业务及设备不断地增多,无线频谱资源紧缺的问题也日益凸显。然而,以静态、固定分配方式为主的频谱分配方式使得频谱资源的平均利用效率很低,并且非常不平衡。因此,无线频谱资源正面临着“短缺”和“浪费”的矛盾。在这样的背景下,认知无线电技术作为一种高效利用频谱资源的新型通信技术应运而生,并成为了现代无线通信领域中研究的热门技术之一。本文主要对认知无线电中的频谱分配技术进行了深入的研究,研究内容包括以下几点：针对于现有的进化算法应用于基于图着色模型的频谱分配时收敛精度不高的问题,设计了一种基于量子免疫克隆算法的认知无线频谱分配方法,该方法利用量子免疫算法全局搜索能力和收敛速度快等特点进行寻优,并考虑到寻优更新的解不能直接成为约束问题的解,针对最优化公平性效益和瓶颈用户效益,设计了公平性约束算子和瓶颈效益约束算子,保证种群在处理后满足无干扰约束的同时,提高了算法的寻优能力。仿真结果表明,在频谱资源有限、频谱干扰冲突比较严重的情况下,两种约束算子的效果更明显；与参考的优化算法相比,设计的方法有较优的寻优能力和较快的寻优速度。进一步研究认知无线电网络频谱分配问题,通过构建无向图模型的方式对频谱分配中涉及的认知用户,频带可用情况以及认知用户间的干扰关系等进行了简便直观的统一描述。将相应的频谱分配问题转化为无向图目标函数的优化求解,便于频谱分配过程从整体上把握各认知用户可用频带分配的同时,确保用户间不产生干扰。对无向图目标函数的优化求解,设计了拓展的迭代条件模式算法,实现了局部高精度搜索和全局寻优,提高了获得优质解的可能。实验结果表明本文方法能有效实现频谱分配,并且在网络规模较大,频带冲突严重的环境下更具优势,同时,受种群数的影响较小,体现了本文方法的稳定性。