基于免疫優(yōu)化的認知無線網(wǎng)絡頻譜決策與資源分配.pdf

1、隨著寬帶無線業(yè)務的高速增長，無線頻譜資源日益緊缺。認知無線網(wǎng)絡為解決無線頻譜資源的供需矛盾提供了一條新的解決途徑。在認知無線網(wǎng)絡中，認知用戶可以在不影響主用戶通信的前提下，使用主用戶的頻譜資源。由于主用戶的出現(xiàn)與否是動態(tài)變化的，導致可用頻譜資源具有時變性。因此，對動態(tài)的頻譜資源進行有效管理是提高頻譜資源利用率的關(guān)鍵技術(shù)之一。
　　無線資源管理圍繞頻譜的有效利用展開，主要包括：頻譜分析、頻譜決策、頻譜分配、功率控制、頻譜移動性、資源

2、分配等。認知無線網(wǎng)絡中由于頻譜的“二次利用”，使得無線資源管理問題參數(shù)眾多，經(jīng)數(shù)學建模后多為非凸優(yōu)化問題。已有的研究表明，傳統(tǒng)的數(shù)學優(yōu)化方法難以對此類問題進行有效求解，智能優(yōu)化算法是求解此類問題的有效算法。人工免疫系統(tǒng)是模仿自然免疫系統(tǒng)功能的一種智能算法，提供了解決工程問題的新理論與新方法?？寺∵x擇算法是人工免疫系統(tǒng)的主要算法之一，已經(jīng)在數(shù)據(jù)處理、資源調(diào)度等工程領(lǐng)域得到了廣泛應用，顯示出了較強的優(yōu)化能力。
　　本文的研究正是基于此

3、展開，主要采用克隆選擇算法求解認知無線網(wǎng)絡的無線資源管理問題，為人工免疫算法在工程領(lǐng)域的應用進行有益探索。本文對認知無線網(wǎng)絡中的頻譜分配、頻譜決策、OFDM系統(tǒng)資源分配等無線資源管理問題進行了研究，所取得的主要研究成果為：
　　1.對認知無線網(wǎng)絡中的頻譜分配問題進行了研究。頻譜分配主要研究如何對可用頻譜資源進行分配，從而最大限度地利用頻譜資源，提高頻譜使用效率。本文首先結(jié)合WRAN（無線區(qū)域網(wǎng)）,給出了頻譜感知過程；通過分析認知無

4、線網(wǎng)絡的物理連接，給出了頻譜分配的圖著色數(shù)學模型，并將此模型轉(zhuǎn)換為以網(wǎng)絡效益最大化為目標的帶約束優(yōu)化問題，進而提出一種基于免疫克隆選擇優(yōu)化的認知無線網(wǎng)絡頻譜分配算法,并證明了該算法以概率1收斂。數(shù)值仿真實驗結(jié)果表明，本算法可以得到較高的網(wǎng)絡效益?；赪RAN的系統(tǒng)級仿真結(jié)果，進一步證明了算法的有效性。
　　此外，實際應用中，如果不考慮認知用戶對頻譜使用的需求，有可能造成頻譜需求較少的認知用戶反而分配到了較多的頻譜資源，導致頻譜的利

5、用率降低?；诖?，本文提出了考慮認知用戶需求和分配公平性的頻譜分配的新模型,并設計了一種采用混沌量子克隆優(yōu)化的求解算法，證明了算法以概率1收斂。算法充分利用了混沌搜索的遍歷性和量子計算的高效性。仿真實驗結(jié)果表明，本算法提高了搜索效率，具有更高的網(wǎng)絡收益。
　　2.對認知無線網(wǎng)絡中基于認知引擎的頻譜決策進行了研究。頻譜決策的目標是在分析已得到的各種可用特征參數(shù)的基礎(chǔ)上，根據(jù)當前用戶的傳輸需求，從中優(yōu)化選擇合適的工作頻譜。本文通過分析

6、認知無線網(wǎng)絡引擎決策，將其建模為一個多目標優(yōu)化問題，即最小化傳輸功率、最小化誤碼率、最大化吞吐量。根據(jù)不同認知用戶的通信需求，采用加權(quán)法轉(zhuǎn)化為單目標問題進行求解，進而提出一種基于量子免疫克隆的優(yōu)化算法，并證明了該算法以概率1收斂。算法采用量子編碼，利用Logistic映射初始化抗體種群,設計了一種基于混沌擾動的量子變異方案。多載波環(huán)境下的仿真實驗結(jié)果表明，在四種不同的權(quán)值目標下，算法可以得到較高的目標函數(shù)值，并且收斂速度較快，參數(shù)調(diào)整結(jié)

7、果與優(yōu)化目標偏好一致，并兼顧其它目標函數(shù)值，適合實時性要求較高的認知引擎決策。
　　此外，由于認知無線網(wǎng)絡的引擎決策是多目標優(yōu)化問題，如果采用加權(quán)求解，實際上是將多目標問題轉(zhuǎn)換為單目標問題進行求解?？紤]到難以確定合適的權(quán)值，并且加權(quán)法處理多目標優(yōu)化問題時，每次只能得到一種權(quán)值下的最優(yōu)解并且容易漏掉一些最優(yōu)解，進而提出一種基于免疫多目標優(yōu)化的認知引擎參數(shù)選擇和決策方法，求出算法的Pateto最優(yōu)解集，提高優(yōu)化效果。在多載波環(huán)境下，模

8、擬不同的無線信道條件，對算法進行了仿真實驗。結(jié)果表明，本算法可以得到分布范圍更廣且均勻的Pateto解集，有利于得到符合認知用戶決策需求的最優(yōu)解。算法可以根據(jù)信道條件和用戶需求的變化，自適應的調(diào)整子載波的發(fā)射功率和調(diào)制方式，給出理想的參數(shù)配置，實現(xiàn)認知引擎決策優(yōu)化。
　　3.對認知無線網(wǎng)絡中基于OFDM的資源分配進行了研究。認知OFDM資源分配是提高頻譜資源利用率的關(guān)鍵技術(shù)之一。基于免疫優(yōu)化算法，設計了適用于固定業(yè)務的余量自適應（

9、MA）準則下的子載波分配算法，仿真實驗表明，算法減少了系統(tǒng)所需的發(fā)射功率。此外，設計了適用于可變數(shù)據(jù)業(yè)務的速率自適應(RA)準則下的功率分配算法，仿真實驗表明，算法可以獲得更大的系統(tǒng)吞吐量。
　　此外，考慮到認知用戶對資源需求的公平性，預先設定所需的服務級別，設計了RA準則下的兩階段比例公平資源分配算法。首先將子載波分配給用戶，然后基于免疫優(yōu)化算法，分配功率給不同的子載波，確保資源分配的公平性。此外，算法充分考慮了主用戶可容忍的干