[发明专利]基于模糊逻辑遗传算法的频谱分配方法

说明书

技术领域

本发明属于无线通信中的认知无线电技术领域，涉及认知频谱分配方法，具体地说是利用模糊逻辑控制的遗传算法，从集中式和分布式两方面解决频谱分配问题，可应用于认知网络中。

背景技术

无线通信中的认知无线电技术是一种智能无线电通信技术，可以通过感知周围环境、调制运行参数，达到随时随地通信系统的高可靠性和频谱利用率的高效性。

随着认知无线电技术的发展和IEEE802.22标准的逐步完善，认知频谱资源的接入和分配技术也受到学者的广泛关注和研究。在802.22WRAN的认知网络中，有N个TV设备用户，即主用户，每个主用户使用一条独立的信道；有M个用户驻地设备CPE，即次级用户，使用主用户的空闲信道。

目前，从国内外已有的技术情况来看，对于认知无线电的理论研究，频谱分配方法基本分为三类：

第一类是利用博弈理论中的纳什均衡概念，实现频谱公平有效的分配，如G.Scutari，D.P.Palomar，S.Barbarossa，et al.MIMO Cognitive Radio：A Game Theoretical Approach[C]，IEEE Workshop on Signal Processing Advances in Wireless Communications，Recife，Brazil，July 6-9，2008，426-430。

第二类是基于经济学中的拍卖理论，解决不同拍卖机制下的频谱租赁问题，如Wu Yongle，Wang Beibei，Liu K.J.Ray，et al.A Scalable Collusion-resistant Multi-winner Cognitive Spectrum Auction Game[J]，IEEE Transactions on Communications，2009，57(12)：3805-3816。

第三类是运用图论的思想进行频率分配和功率控制的研究，把频谱分配问题转化为图论中的颜色灵敏的图着色问题，由一系列次优化算法近似最优解，如Peng Chunyi，Zheng Haitao，Zhao Ben Y. Utilization and Fairness in Spectrum Assignment for Opportunistic Spectrum Access[J].ACM Mobile Networks and Applications，2006，11(4)：555-576。

第一类和第二类方法由于其自身理论特点，存在计算复杂度高、频谱分配时间长等缺点；第三类方法算法复杂度低，但频谱分配效率较低，用于静态网络的贪婪算法、最大和带宽算法和用于动态网络的一对一本地协商算法皆属于此类。

Zhijin Zhao在文章Cognitive Radio Spectrum Allocation using Evolutionary Algorithms中把遗传算法引入频谱分配过程中，提出的量子遗传算法(Quantum Genetic Algorithm，QGA)具有高效的频谱分配性能，但是仅考虑了静态频谱分配算法，当网络拓扑结构巨大、无线网络环境动态变化时，静态频谱分配算法计算量增大，算法效率大大降低。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种适用于静态网络的基于模糊逻辑遗传算法的静态网络频谱分配方法，和一种适用于动态网络的基于模糊逻辑遗传算法的动态网络频谱分配方法，以提高不同网络环境下频谱分配效率，增强网络适应性。

为实现上述目的，本发明提出的基于模糊逻辑遗传算法的频谱分配方法，包括以下两种方法：

一、基于模糊逻辑遗传算法的静态网络频谱分配方法，实现步骤包括如下：

(1)根据认知网络结构确定有效频谱矩阵Γ＝{u_m，n｜u_m，n∈{0，1}}_M×N、效益矩阵E＝{e_m，n}_M×N和干扰矩阵C＝{c_m，k|c_m，k∈{0，1}}_M×M，其中M表示用户个数，N表示信道条数；u_m，n＝1表示用户m能利用信道n，u_m，n＝0表示用户m不能利用信道n；e_m，n表示用户m使用信道n时可获得的效益；c_m，k＝1表示用户m和用户k使用相同的信道会产生干扰，c_m，k＝0表示不会产生干扰；