基于免疫優(yōu)化的認(rèn)知無線網(wǎng)絡(luò)頻譜決策與資源分配.pdf

1、隨著寬帶無線業(yè)務(wù)的高速增長(zhǎng)，無線頻譜資源日益緊缺。認(rèn)知無線網(wǎng)絡(luò)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(rèn)知無線網(wǎng)絡(luò)中，認(rèn)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(dòng)態(tài)變化的，導(dǎo)致可用頻譜資源具有時(shí)變性。因此，對(duì)動(dòng)態(tài)的頻譜資源進(jìn)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(dòng)性、資源

2、分配等。認(rèn)知無線網(wǎng)絡(luò)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(xué)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(xué)優(yōu)化方法難以對(duì)此類問題進(jìn)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。克隆選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(yīng)用，顯示出了較強(qiáng)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(rèn)知無線網(wǎng)絡(luò)的無線資源管理問題，為人工免疫算法在工程領(lǐng)域的應(yīng)用進(jìn)行有益探索。本文對(duì)認(rèn)知無線網(wǎng)絡(luò)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(jìn)行了研究，所取得的主要研究成果為：
　　1.對(duì)認(rèn)知無線網(wǎng)絡(luò)中的頻譜分配問題進(jìn)行了研究。頻譜分配主要研究如何對(duì)可用頻譜資源進(jìn)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(rèn)知無

4、線網(wǎng)絡(luò)的物理連接，給出了頻譜分配的圖著色數(shù)學(xué)模型，并將此模型轉(zhuǎn)換為以網(wǎng)絡(luò)效益最大化為目標(biāo)的帶約束優(yōu)化問題，進(jìn)而提出一種基于免疫克隆選擇優(yōu)化的認(rèn)知無線網(wǎng)絡(luò)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(shí)驗(yàn)結(jié)果表明，本算法可以得到較高的網(wǎng)絡(luò)效益?；赪RAN的系統(tǒng)級(jí)仿真結(jié)果，進(jìn)一步證明了算法的有效性。
　　此外，實(shí)際應(yīng)用中，如果不考慮認(rèn)知用戶對(duì)頻譜使用的需求，有可能造成頻譜需求較少的認(rèn)知用戶反而分配到了較多的頻譜資源，導(dǎo)致頻譜的利

5、用率降低?；诖?，本文提出了考慮認(rèn)知用戶需求和分配公平性的頻譜分配的新模型,并設(shè)計(jì)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(jì)算的高效性。仿真實(shí)驗(yàn)結(jié)果表明，本算法提高了搜索效率，具有更高的網(wǎng)絡(luò)收益。
　　2.對(duì)認(rèn)知無線網(wǎng)絡(luò)中基于認(rèn)知引擎的頻譜決策進(jìn)行了研究。頻譜決策的目標(biāo)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(dāng)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(rèn)知無線網(wǎng)絡(luò)引擎決策，將其建模為一個(gè)多目標(biāo)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(rèn)知用戶的通信需求，采用加權(quán)法轉(zhuǎn)化為單目標(biāo)問題進(jìn)行求解，進(jìn)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(shè)計(jì)了一種基于混沌擾動(dòng)的量子變異方案。多載波環(huán)境下的仿真實(shí)驗(yàn)結(jié)果表明，在四種不同的權(quán)值目標(biāo)下，算法可以得到較高的目標(biāo)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(biāo)偏好一致，并兼顧其它目標(biāo)函數(shù)值，適合實(shí)時(shí)性要求較高的認(rèn)知引擎決策。
　　此外，由于認(rèn)知無線網(wǎng)絡(luò)的引擎決策是多目標(biāo)優(yōu)化問題，如果采用加權(quán)求解，實(shí)際上是將多目標(biāo)問題轉(zhuǎn)換為單目標(biāo)問題進(jìn)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(biāo)優(yōu)化問題時(shí)，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(jìn)而提出一種基于免疫多目標(biāo)優(yōu)化的認(rèn)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(duì)算法進(jìn)行了仿真實(shí)驗(yàn)。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(rèn)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(yīng)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(shí)現(xiàn)認(rèn)知引擎決策優(yōu)化。
　　3.對(duì)認(rèn)知無線網(wǎng)絡(luò)中基于OFDM的資源分配進(jìn)行了研究。認(rèn)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?；诿庖邇?yōu)化算法，設(shè)計(jì)了適用于固定業(yè)務(wù)的余量自適應(yīng)（

9、MA）準(zhǔn)則下的子載波分配算法，仿真實(shí)驗(yàn)表明，算法減少了系統(tǒng)所需的發(fā)射功率。此外，設(shè)計(jì)了適用于可變數(shù)據(jù)業(yè)務(wù)的速率自適應(yīng)(RA)準(zhǔn)則下的功率分配算法，仿真實(shí)驗(yàn)表明，算法可以獲得更大的系統(tǒng)吞吐量。
　　此外，考慮到認(rèn)知用戶對(duì)資源需求的公平性，預(yù)先設(shè)定所需的服務(wù)級(jí)別，設(shè)計(jì)了RA準(zhǔn)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