[发明专利]基于嵌入式粒子群博弈的认知无线网络频谱分配方法

权利要求书

1.基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：其步骤为：

步骤1、提取认知用户特征信息；

步骤2、根据认知用户的特征建立非合作博弈模型；

步骤3、由内外两层粒子群算法，即嵌入式粒子群算法求解上述博弈模型；

步骤3-1、内层粒子群算法根据各认知用户的特征求解计算博弈模型中每一个认知用户的信道偏好集合；

步骤3-2、外层粒子群算法根据各认知用户的信道偏好集合求解非合作博弈模型，输出最优频谱分配结果和相应的功率矩阵。

2.根据权利要求1所述的基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：步骤1中提取认知用户特征信息，即是通过控制信道收集认知用户的发射机和接收机之间的距离、相对速度、以及地理位置的信息。

3.根据权利要求1所述的基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：步骤2中非合作博弈模型数学公式为：

Γ＝{N,{S_i}_i∈N,{U_i}_i∈N}

其中N是参与者的有限集，S_i是参与者i的策略集，定义策略空间为S＝×S_i,i∈N，则U_t:S→R为效用函数集；在博弈Γ中的每一个参与者i，效用函数U_i是关于S_i和对手策略集S_-i的函数。

4.根据权利要求3所述的基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：当一组策略S＝{s₁,s₂,…,s_N}当且仅当U_i(S)≥U_i(s_i',s_-i)，s_i'∈s_i时，博弈到达纳什均衡，该组行动策略即为纳什均衡。

5.根据权利要求1所述的基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：步骤3-1中内层粒子群算法其步骤为：

(1)计算每个粒子的适应度值，

其中，B为信道带宽，σ₀为背景噪声功率，p^pt和分别对应主用户PR和CR_n的发射功率，和分别对应PR和CR在信道m上的增益，为主用户对CR_n的干扰；

(2)对认知用户和信道进行编号，利用粒子更新公式对每个粒子的速度和位置进行更新；

离散粒子i更新公式如下：

其中，粒子维度为1，粒子的位置表示信道编号；

(3)如果当前的迭代次数达到预先设定的最大次数，或者最终结果小于预定收敛精度，则停止迭代，输出当前各认知用户的信道偏好集合Φ。

6.根据权利要求1所述的基于嵌入式粒子群博弈的认知无线网络频谱分配方法，其特征在于：步骤3-2中外层粒子群算法其步骤为：

(1)计算每个粒子的适应度值，

其中a_n,m＝1表示CR_n占用信道m，a_n,m＝0则表示CR_n没有占用信道m；

其中，B为信道带宽，σ₀为背景噪声功率，p^pt和分别对应PR和CR_n的发射功率，为CR_n的目标比特误码率，和分别对应PR和CR在信道m上的增益，为主用户对CR_n的干扰，分别对应CR_i的发射功率，表示CR_i发射机到CR_n接收机在信道m上的增益，表示其他认知用户对CR_n的干扰；

(2)对认知用户和信道进行编号，利用粒子更新公式对每个粒子的速度和位置进行更新；由于信道编号是离散的，功率为连续的，因此对离散粒子和连续粒子分别采用不同的更新公式；

粒子i更新公式如下：

其中，当d为奇数时，表示第个认知用户经过t次迭代后的所在信道编号；当d为偶数时，表示第个认知用户经过t次迭代后所在信道的发射功率；

(3)如果当前的迭代次数达到预先设定的最大次数，或者最终结果小于预定收敛精度，则停止迭代，输出当前的最优频谱分配结果和相应的功率矩阵。