基于免疫優(yōu)化的認知無線網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鍵技術之一。
　　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，已經在數(shù)據(jù)處理、資源調度等工程領域得到了廣泛應用，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絡的無線資源管理問題，為人工免疫算法在工程領域的應用進行有益探索。本文對認知無線網絡中的頻譜分配、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。本文首先結合WRAN（無線區(qū)域網）,給出了頻譜感知過程；通過分析認知無

4、線網絡的物理連接，給出了頻譜分配的圖著色數(shù)學模型，并將此模型轉換為以網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)值仿真實驗結果表明，本算法可以得到較高的網絡效益?；赪RAN的系統(tǒng)級仿真結果，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。仿真實驗結果表明，本算法提高了搜索效率，具有更高的網絡收益。
　　2.對認知無線網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，采用加權法轉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)境下的仿真實驗結果表明，在四種不同的權值目標下，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)調整結

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，由于認知無線網絡的引擎決策是多目標優(yōu)化問題，如果采用加權求解，實際上是將多目標問題轉換為單目標問題進行求解?？紤]到難以確定合適的權值，并且加權法處理多目標優(yōu)化問題時，每次只能得到一種權值下的最優(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，自適應的調整子載波的發(fā)射功率和調制方式，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鍵技術之一?；诿庖邇?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