[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

说明书

本发明公开了一种基于嵌入式粒子群博弈的认知无线网络频谱分配方法。提取认知用户特征信息；根据认知用户的特征建立非合作博弈模型；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；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；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。本发明在underlay频谱共享方式下，通过嵌入式粒子群算法求出最优频谱分配方案。结合了博弈论方法和粒子群算法，联合信道分配和功率控制，快速分配频谱资源，并且在主用户能够容忍最大的干扰门限内，最大化认知用户的收益和系统收益。

技术领域：

本发明属于无线通信技术领域，特别涉及一种基于嵌入式粒子群博弈的认知无线网络频谱分配方法。

背景技术：

认知无线电作为一种新型的通信技术，能够感知周围的无线电环境，通过智能学习，自适应地改变其载波频率、传输功率和调制技术等参数，从而提高频谱利用率。在无线电通信领域中，频谱资源的管理和利用非常重要，各国常用的静态频谱分配方法是将频谱分配给授权用户，其他非授权用户则无权使用。当授权用户不使用频谱时，造成了频谱资源的浪费，频谱利用率低下。而与此同时随着社会信息化的发展，无线电通信又愈发普及同时造成了无线电频谱资源的短缺。近些年，认知无线电逐渐成为解决频谱资源短缺问题的关键技术。

鲁东大学提出的专利申请“认知无线电网络中基于改进粒子群的功率控制最优算法”(专利申请号201010532702.6，公开号CN 101982992 A)公开了一种基于粒子群的认知无线网络功率控制算法。该算法实施步骤是：第一步，初始化算法的迭代次数，粒子的位置，速度和粒子群的基本参数。第二步，计算适应度函数值，令个体粒子本身位置为初始最佳位置，令种群中具有最佳函数值的微粒为初始最佳群体位置。第三步，执行基于PSO算法的搜索，更新粒子和群体的最佳位置，并利用粒子群基本公式更新粒子的速度和位置。第四步，设置终止标准。该方法的不足是，仅仅考虑了无线通信的功率控制最优，并没有考虑信道的最优分配。实际场景中，需要同时考虑信道分配和功率控制。

任一骁，在文献“基于粒子群算法的认知无线电资源分配算法研究”中提出了一种基于粒子群算法的认知无线电资源分配算法。该算法实施步骤是：第一步，初始化可用矩阵、效益矩阵、干扰矩阵和无干扰分配矩阵。第二步，将分配方案与粒子进行编码。第三步，初始化迭代次数，粒子的速度，位置和粒子群的基本参数。第四步，计算适应度函数值，并与粒子个体历史最优值和群体最优值进行比较。第五步，更新粒子的位置和速度。设置迭代终止条件。该方法的不足是，仅仅了考虑overlay频谱共享方式。然而实际中，underlay频谱共享方式更为普遍。而且当频谱数量和认知用户上升时，算法的复杂度会明显增加。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种基于嵌入式粒子群博弈的认知无线网络频谱分配方法，利用嵌入式粒子群算法来求解认知用户竞争频谱的非合作博弈模型。该算法在underlay频谱共享方式下最优化信道分配和功率控制。非合作博弈模型考虑认知用户对主用户的干扰门限值和最大功率要求的限制。本发明可以快速实现认知无线频谱分配，并兼顾主用户和认知用户的需求，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明提供了

基于嵌入式粒子群博弈的认知无线网络频谱分配方法，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；