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(guò)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(guò)蟻群優(yōu)化算法獲得最短信息傳播路徑，從傳播時(shí)間上和傳播可靠性上增強(qiáng)檢測(cè)性能，屬于認(rèn)知無(wú)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(méi)有突破經(jīng)典計(jì)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(duì)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(kāi)始擺脫經(jīng)典邏輯計(jì)算的束縛，大膽探索起新的非經(jīng)典計(jì)算途徑。在這種背景下，社會(huì)性動(dòng)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(guò)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(shí)，最初只是隨機(jī)地選擇搜索路徑，隨著對(duì)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(guò)以下三個(gè)方面進(jìn)行對(duì)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(dòng)。目前蟻群算法，遺傳算法等計(jì)算智能算法為困難的組合優(yōu)化問(wèn)題提供了新穎且有競(jìng)爭(zhēng)力的求解方法。這些算法在車(chē)輛調(diào)度問(wèn)題，流水車(chē)間問(wèn)題，機(jī)器人路徑規(guī)劃問(wèn)題等組合優(yōu)化問(wèn)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(shí)，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(jià)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(lái)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(guò)迭代搜尋最優(yōu)值，在每一次迭代中，粒子通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己的位置:一個(gè)是個(gè)體最優(yōu)解pbest，是每個(gè)粒子自身所找到的最優(yōu)解，另一個(gè)極值是群體最優(yōu)解gbest，是整個(gè)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(lái)，由于其簡(jiǎn)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(jì)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(guò)一定等改進(jìn)和變形，已經(jīng)成功用于TSP問(wèn)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(wèn)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(wú)線電技術(shù)稱(chēng)為無(wú)線通信領(lǐng)域的研宄熱點(diǎn)。認(rèn)知無(wú)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(hù)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(wú)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(wèn)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(wú)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(jiàn)，頻譜資源成為稀缺資源之一，增強(qiáng)檢測(cè)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(cè)的可靠性，大大縮短頻譜感知所花的時(shí)間，增加系統(tǒng)吞吐量，提尚檢測(cè)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(gè)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(hù)更可靠的檢測(cè)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(hù)信息傳送的最短距離。各感知用戶(hù)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(cè)。
[0008]所述多簇認(rèn)知無(wú)線電網(wǎng)絡(luò)中，當(dāng)非授權(quán)用戶(hù)即次用戶(hù)想要占用授權(quán)頻段進(jìn)行通信時(shí)，對(duì)信道進(jìn)行頻譜感知，檢測(cè)授權(quán)用戶(hù)即主用戶(hù)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(gè)部分:簇內(nèi)感知用戶(hù)本地感知、感知用戶(hù)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(duì)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(shí)間內(nèi)獲得感知結(jié)果。
[0009]所述簇是一個(gè)感知區(qū)域，一個(gè)簇內(nèi)唯一能夠進(jìn)行信息傳遞的感知用戶(hù)被稱(chēng)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(hù)發(fā)送來(lái)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(lái)選擇適宜的道路，簇內(nèi)感知用戶(hù)將信息發(fā)送給簇頭時(shí)，簇頭會(huì)對(duì)簇內(nèi)感知用戶(hù)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(wú)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(hù)發(fā)送導(dǎo)頻信息，各感知用戶(hù)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(hù)均本地感知，獲得感知信息。
[0015]步驟1.3)各感知用戶(hù)通過(guò)粒子群優(yōu)化算法獲得位置最優(yōu)解，具體過(guò)程為:各感知用戶(hù)通過(guò)迭代算法來(lái)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(hù)通過(guò)跟蹤兩個(gè)極值來(lái)更新自己:一個(gè)是本身找到的最優(yōu)解，叫做個(gè)體極值點(diǎn)，另一個(gè)是整個(gè)簇內(nèi)用戶(hù)目前找到的最優(yōu)解，稱(chēng)為全局極值點(diǎn)；在運(yùn)動(dòng)過(guò)程中，將對(duì)每個(gè)位置的適應(yīng)度不斷進(jìn)行評(píng)價(jià)，當(dāng)某個(gè)感知用戶(hù)的適應(yīng)度優(yōu)于全局最優(yōu)適應(yīng)度，該感知用戶(hù)所處的位置成為群最優(yōu)粒子位置，該感知用戶(hù)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(hù)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(hù)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(hù)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(hù)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(hù)隨機(jī)選擇道路，每一條道路最多只能被選擇一次，通過(guò)選擇不同道路來(lái)達(dá)到遍歷道路的目的。
[0020]步驟2.4)簇頭計(jì)算出每個(gè)感知用戶(hù)發(fā)送感知信息的時(shí)間，根據(jù)發(fā)送時(shí)間的長(zhǎng)短賦予感知用戶(hù)不同的信息素，發(fā)送時(shí)間短的感知用戶(hù)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(hù)不被賦予信息素，所述HO表示此時(shí)信道中沒(méi)有主用戶(hù)通信，與Hl相反。
[0021]步驟2.5)感知用戶(hù)在沿原路返回時(shí)，每條道路上的信息素被更新；當(dāng)感知用戶(hù)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(shí)，道路的信息素濃度值被感知用戶(hù)攜帶的信息素濃度值取代。
[0022]步驟2.6)對(duì)將路徑進(jìn)行多次更新，通過(guò)比較各條路徑上反饋信息值的大小，感知用戶(hù)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(hù)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(hù)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(hù)將各自的感知信息通過(guò)最短路徑發(fā)送給簇頭，簇頭融合發(fā)送上來(lái)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(guò)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(duì)于簇內(nèi)不是簇頭的感知用戶(hù)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(cè)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(shí)間，增強(qiáng)檢測(cè)性能。具體來(lái)說(shuō)，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(cè)可靠性增加。本方案利用粒子群優(yōu)化算法，通過(guò)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(shí)，獲得高權(quán)值，增強(qiáng)檢測(cè)可靠性。不僅如此，本方案在采用蟻群優(yōu)化算法時(shí)，簇頭已知正確的感知信息，對(duì)傳遞錯(cuò)誤感知信息的感知用戶(hù)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(cè)可靠性能。
[0029](2)信息傳輸時(shí)間降低，增加吞吐量。本方案采用蟻群優(yōu)化算法，通過(guò)簇頭計(jì)算每個(gè)感知用戶(hù)發(fā)送信息的時(shí)間，簇頭將會(huì)賦予感知用戶(hù)不同的信息素濃度，發(fā)送時(shí)間短的會(huì)獲得更高的信息素濃度，信息素濃度最高的路徑是傳輸時(shí)間最短的路徑，也是最終感知用戶(hù)傳輸信息的路徑。
【附圖說(shuō)明】
[0030]圖1為本發(fā)明的方