基于雜草算法的認知無線電頻譜協(xié)作感知與分配.pdf

1、頻譜資源利用率低下是當今無線通信業(yè)務(wù)所面臨的、迫切需要解決的問題之一，直接制約著未來移動通信業(yè)務(wù)的發(fā)展。而有限的頻譜資源變得愈發(fā)的稀缺和珍貴，如何提高頻譜利用率迫在眉睫。
　　認知無線電作為一種智能的頻譜共享技術(shù)，通過對周圍無線環(huán)境的感知和對頻譜資源的靈活分配，完成了對空閑頻譜的二次使用，為緩解頻譜資源緊張和利用率不高問題開辟了一條新的途徑，愈發(fā)成為學(xué)者們爭先研究的熱點。本文對認知無線電中的兩個關(guān)鍵技術(shù)進行了探討與研究，分別是頻譜

2、感知與頻譜分配，并著重研究了智能算法在這兩項技術(shù)上的應(yīng)用。
　　首先，本文介紹了認知無線電研究背景，敘述了頻譜感知和分配的基礎(chǔ)理論知識，對現(xiàn)有頻譜感知方法和分配機制進行了分析，探討了認知網(wǎng)絡(luò)幾種傳統(tǒng)的單節(jié)點頻譜感知技術(shù)和協(xié)作頻譜感知技術(shù)的性能，以及當前頻譜分配一些主要模型下的性能分析。
　　其次，在線性加權(quán)協(xié)作頻譜感知模型下，研究了基于修正偏差因子（MDC）的權(quán)重向量求解方法及基于改進蛙跳算法（SFLA）的頻譜感知方案。本文

3、在研究雜草算法后，針對給定虛警概率，如何最大化檢測概率這一問題，在研究了現(xiàn)有的雜草算法（IWO）的工作原理后，將這種算法引入該模型下，并對其進行了改進，在此基礎(chǔ)上提出了一種基于改進入侵性雜草優(yōu)化算法（MIWO）的協(xié)作頻譜感知方案，將可行解同頻譜協(xié)作感知模型中的權(quán)重相對應(yīng)，通過尋找最優(yōu)權(quán)重向量最小化適應(yīng)度函數(shù)，從而達到最大化檢測概率的目的，并將其與蛙跳算法進行了仿真對比分析。
　　最后，在頻譜感知技術(shù)獲得空閑授權(quán)頻段的條件下，針對空