基于粒子群優(yōu)化算法和蟻群優(yōu)化算法的頻譜感知方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及群智能算法和多簇認(rèn)知網(wǎng)絡(luò)，通過粒子群優(yōu)化算法獲得多簇網(wǎng)絡(luò)中每簇內(nèi)簇頭的位置，通過蟻群優(yōu)化算法獲得最短信息傳播路徑，從傳播時間上和傳播可靠性上增強(qiáng)檢測性能，屬于認(rèn)知無線電和群智能算法的交叉技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]人工智能在經(jīng)歷了 20世紀(jì)80年代整整10年的繁榮后，由于在方法論上始終沒有突破經(jīng)典計算思想的藩籬，再次面臨著寒冬季節(jié)的考驗(yàn)。而隨著人們對生命本質(zhì)的不斷了解，生命科學(xué)以前所未有的速度迅猛發(fā)展，使人工智能的研宄開始擺脫經(jīng)典邏輯計算的束縛，大膽探索起新的非經(jīng)典計算途徑。在這種背景下，社會性動物的自組織行為引起了人們的廣泛關(guān)注，群智能應(yīng)景而生。
[0003]蟻群算法(ACO)是由意大利學(xué)者Colorni，Dorigo和Maniezzo于1991年提出，通過模仿自然界螞蟻尋找食物的方式而提出的一種仿生化算法。蟻群算法不需要任何先驗(yàn)知識，最初只是隨機(jī)地選擇搜索路徑，隨著對解空間的“了解”，搜索變得有規(guī)律，并逐漸逼近，直至最終達(dá)到最優(yōu)解。蟻群算法只要通過以下三個方面進(jìn)行對空間的了解:1，螞蟻的記憶；2，螞蟻利用信息素進(jìn)行相互通信；3，螞蟻的集群活動。目前蟻群算法，遺傳算法等計算智能算法為困難的組合優(yōu)化問題提供了新穎且有競爭力的求解方法。這些算法在車輛調(diào)度問題，流水車間問題，機(jī)器人路徑規(guī)劃問題等組合優(yōu)化問題均取得了良好的效果。此外，蟻群算法還在函數(shù)優(yōu)化，系統(tǒng)辨識，數(shù)據(jù)挖掘等領(lǐng)域取得了引入矚目的成果。由于蟻群算法具有廣發(fā)實(shí)用價值，以及作為群智能領(lǐng)域獲得成功的實(shí)例，相應(yīng)理論研宄以及改進(jìn)算法近年來不斷取得新的成果。
[0004]粒子群優(yōu)化算法(PSO)是一種基于迭代的優(yōu)化技術(shù)，PSO算法中群體初始化為一群隨即粒子，通過迭代搜尋最優(yōu)值，在每一次迭代中，粒子通過跟蹤兩個“極值”來更新自己的位置:一個是個體最優(yōu)解pbest，是每個粒子自身所找到的最優(yōu)解，另一個極值是群體最優(yōu)解gbest，是整個群體目前找到的最優(yōu)解。粒子群優(yōu)化算法自1995年提出以來，由于其簡單和明確的實(shí)際背景，使得很多學(xué)者加入到這種算法的研宄中。PSO在工程方面的應(yīng)用有大量的成果，Robinson將其應(yīng)用于通信工程中的天線設(shè)計等等。PSO在其他領(lǐng)域同樣取得了廣泛的應(yīng)用，高尚等將粒子群算法通過一定等改進(jìn)和變形，已經(jīng)成功用于TSP問題的求解。二進(jìn)制編碼和實(shí)數(shù)編碼的混合PSO能解決機(jī)組組合優(yōu)化問題，在經(jīng)濟(jì)，物理方面有很深的應(yīng)用。
[0005]隨著頻譜資源的短缺，認(rèn)知無線電技術(shù)稱為無線通信領(lǐng)域的研宄熱點(diǎn)。認(rèn)知無線電的目的便是在不影響主授權(quán)頻譜正常通信情況下，使得一些認(rèn)知用戶能夠以伺機(jī)接入的方式接入授權(quán)頻譜，從而提高頻譜利用率。認(rèn)知無線電技術(shù)在智能電網(wǎng)，寬帶蜂窩網(wǎng)，公共安全網(wǎng)和醫(yī)療體域網(wǎng)方面具有廣闊的應(yīng)用前景。
【發(fā)明內(nèi)容】
[0006]技術(shù)問題:隨著通信行業(yè)的發(fā)展，頻譜資源成為通信不可或缺的資源。在目前固定的頻譜資源分配方式中，政府已授權(quán)的無線頻譜資源利用率非常低，一些授權(quán)頻段利用率僅有15%?85%。由此可見，頻譜資源成為稀缺資源之一，增強(qiáng)檢測性能，提高頻譜利用率刻不容緩。本發(fā)明的目的是提供一種基于粒子群優(yōu)化算法和蟻群優(yōu)化算法的頻譜感知方法，本方法能夠提高頻譜檢測的可靠性，大大縮短頻譜感知所花的時間，增加系統(tǒng)吞吐量，提尚檢測性能。
[0007]技術(shù)方案:本發(fā)明首先使用粒子群優(yōu)化算法獲得獲得每個小簇中簇頭的最佳位置，這些最佳位置的簇頭能夠獲得比簇內(nèi)其他感知用戶更可靠的檢測結(jié)果，接著采取蟻群優(yōu)化算法，根據(jù)信息素濃度尋找各感知用戶信息傳送的最短距離。各感知用戶采用最短距離將信息傳送給簇頭，簇頭將所有信息(包括自己的信息)按照一定權(quán)值進(jìn)行融合，獲得判決信息，并將判決信息發(fā)送給融合中心，融合中心融合所有簇頭發(fā)送的信息作出判決，完成檢測。
[0008]所述多簇認(rèn)知無線電網(wǎng)絡(luò)中，當(dāng)非授權(quán)用戶即次用戶想要占用授權(quán)頻段進(jìn)行通信時，對信道進(jìn)行頻譜感知，檢測授權(quán)用戶即主用戶是否占用頻段，完成一次完整的本地感知；所述本地感知包括五個部分:簇內(nèi)感知用戶本地感知、感知用戶將感知信息發(fā)送給簇頭、簇頭融合所有的信息、簇頭發(fā)送融合后的信息給融合中心、融合中心融合各簇頭發(fā)送的信息做出判決；對簇頭的位置和發(fā)送信道進(jìn)行優(yōu)化，處于簇內(nèi)最優(yōu)位置的簇頭能獲得更可靠的感知信息，感知節(jié)點(diǎn)的最短發(fā)送路徑能使融合中心在最短時間內(nèi)獲得感知結(jié)果。
[0009]所述簇是一個感知區(qū)域，一個簇內(nèi)唯一能夠進(jìn)行信息傳遞的感知用戶被稱為簇頭；在一次本地感知中，簇頭感知信息，并融合其他感知用戶發(fā)送來的信息，將融合結(jié)果發(fā)送給融合中心；為使得簇頭能獲得更可靠的感知信息，要將簇內(nèi)最優(yōu)位置分配給簇頭。
[0010]所述蟻群優(yōu)化算法是模擬螞蟻根據(jù)自身分泌的信息素濃度來選擇適宜的道路，簇內(nèi)感知用戶將信息發(fā)送給簇頭時，簇頭會對簇內(nèi)感知用戶給予不同的反饋信息，將該反饋信息作為信息素，反饋信息值的大小代表信息素濃度；反饋信息值最大的即信息素濃度最高的被選擇為最短路徑。
[0011]本發(fā)明提出的基于粒子群優(yōu)化算法和蟻群優(yōu)化算法的頻譜感知方法所包含的步驟為:
[0012]步驟I)獲得多簇認(rèn)知無線電網(wǎng)絡(luò)中各簇內(nèi)簇頭的最佳位置。
[0013]步驟1.1)主用戶發(fā)送導(dǎo)頻信息，各感知用戶點(diǎn)隨機(jī)分布且賦予初速度。
[0014]步驟1.2)各簇內(nèi)感知用戶均本地感知，獲得感知信息。
[0015]步驟1.3)各感知用戶通過粒子群優(yōu)化算法獲得位置最優(yōu)解，具體過程為:各感知用戶通過迭代算法來更新自己的位置，獲得最優(yōu)適應(yīng)度值；在每一次迭代中，各感知用戶通過跟蹤兩個極值來更新自己:一個是本身找到的最優(yōu)解，叫做個體極值點(diǎn)，另一個是整個簇內(nèi)用戶目前找到的最優(yōu)解，稱為全局極值點(diǎn)；在運(yùn)動過程中，將對每個位置的適應(yīng)度不斷進(jìn)行評價，當(dāng)某個感知用戶的適應(yīng)度優(yōu)于全局最優(yōu)適應(yīng)度，該感知用戶所處的位置成為群最優(yōu)粒子位置，該感知用戶被作為簇頭。
[0016]步驟2)采用蟻群優(yōu)化算法獲得各感知用戶發(fā)送自己感知信息的最短路徑，
[0017]步驟2.1)除簇頭之外的各感知用戶隨機(jī)分布，設(shè)置每條發(fā)送路徑的信息素濃度初值相同且均為O。
[0018]步驟2.2)各感知用戶攜帶的感知信息均相同，感知信息均為H1，即表示信道中有主用戶在通信，簇頭將正確的感知信息定為H1。
[0019]步驟2.3)各簇內(nèi)感知用戶隨機(jī)選擇道路，每一條道路最多只能被選擇一次，通過選擇不同道路來達(dá)到遍歷道路的目的。
[0020]步驟2.4)簇頭計算出每個感知用戶發(fā)送感知信息的時間，根據(jù)發(fā)送時間的長短賦予感知用戶不同的信息素，發(fā)送時間短的感知用戶將賦予高的信息素；當(dāng)簇頭知道正確的感知信息為H1，發(fā)送感知結(jié)果為HO的感知用戶不被賦予信息素，所述HO表示此時信道中沒有主用戶通信，與Hl相反。
[0021]步驟2.5)感知用戶在沿原路返回時，每條道路上的信息素被更新；當(dāng)感知用戶攜帶的信息素濃度值即反饋信息值與道路的信息素濃度值不同時，道路的信息素濃度值被感知用戶攜帶的信息素濃度值取代。
[0022]步驟2.6)對將路徑進(jìn)行多次更新，通過比較各條路徑上反饋信息值的大小，感知用戶選擇信息素濃度最高的路徑，進(jìn)行信息傳輸，所述信息素濃度最高的路徑是反饋信息值最大的路徑。
[0023]步驟3)各感知用戶本地感知，并將感知信息發(fā)送給簇頭。
[0024]步驟3.1)各感知用戶包括簇頭本地感知，均獲得感知信息，簇內(nèi)感知信息記作h，簇頭感知信息記作m。
[0025]步驟3.2)確定簇頭的位置和各信息發(fā)送的最短路徑之后，各簇內(nèi)感知用戶將各自的感知信息通過最短路徑發(fā)送給簇頭，簇頭融合發(fā)送上來的感知信息h和自己的感知信息m進(jìn)行加權(quán)融合，所述簇頭經(jīng)過粒子群優(yōu)化算法迭代獲得最優(yōu)適應(yīng)度值，被賦予高權(quán)值即大于0.5的概率值，對于簇內(nèi)不是簇頭的感知用戶被賦予低權(quán)值即低于0.5的概率值，簇頭融合信息，作出判決信息。
[0026]步驟4)各簇頭將判決信息傳送給融合中心，融合中心融合信息，作出判決信息而完成感知。
[0027]有益效果:本發(fā)明提出了一種基于蟻群優(yōu)化算法和粒子群優(yōu)化算法的提高頻譜感知檢測率的方案。該方法根據(jù)簇頭位置的最優(yōu)化設(shè)置和感知信息路徑的最優(yōu)化選擇，能夠縮短感知時間，增強(qiáng)檢測性能。具體來說，本發(fā)明所述的改進(jìn)方法具有如下的有益效果:
[0028](I)檢測可靠性增加。本方案利用粒子群優(yōu)化算法，通過迭代和不斷更新位置獲得最優(yōu)化位置的簇頭。這些最優(yōu)化位置的簇頭能獲得比一般簇頭更可靠的本地感知信息，在簇頭融合信息時，獲得高權(quán)值，增強(qiáng)檢測可靠性。不僅如此，本方案在采用蟻群優(yōu)化算法時，簇頭已知正確的感知信息，對傳遞錯誤感知信息的感知用戶不賦予信息素即反饋信息值為0，降低了高噪聲信道的選擇概率，增強(qiáng)了檢測可靠性能。
[0029](2)信息傳輸時間降低，增加吞吐量。本方案采用蟻群優(yōu)化算法，通過簇頭計算每個感知用戶發(fā)送信息的時間，簇頭將會賦予感知用戶不同的信息素濃度，發(fā)送時間短的會獲得更高的信息素濃度，信息素濃度最高的路徑是傳輸時間最短的路徑，也是最終感知用戶傳輸信息的路徑。
【附圖說明】
[0030]圖1為本發(fā)明的方