[发明专利]一种认知无线电网络的能效提升方法

权利要求书

1.一种认知无线电网络的能效提升方法，其特点在于，包括如下步骤：

(1)设置能量传输效率为：

信道带宽为B；次用户的感知周期为T，其中频谱感知时间为τ，数据传输时间为(T-τ)；总的平均吞吐量为R(τ)；次用户在单位时隙内消耗的能量代价为W(τ)；信道在任意时刻处于X＝0和X＝1状态的统计概率分别为P(X₀)＝μ/(λ+μ)，P(X₁)＝λ/(λ+μ)；P_d和P_f分别代表次用户对信道的检测概率和虚警概率；δ为信噪比容量；γ代表信道的信噪比；最低的检测概率为P_s和P_t分别代表次用户的频谱感知和数据传输功率；

(2)随机初始化N个感知时间集合，根据能量传输效率模型得到N个个体的适应度；

(3)迭代次数t的初始值设为0，最大迭代次数为T_max；

(4)可行感知时间集合中的N个个体分组成M类；

(5)根据能效函数对N个个体进行评估；

(6)把每一类中的适应度最高的个体作为其所在类的中心；

(7)产生一个0到1之间的随机数r₁；

(8)当r₁小于概率P₁(P₁＝0.2)时，随机选择一个类，并用随机产生一个新个体替换类中心；

(9)当r₁大于概率P₁时，直接转到步骤(10)；

(10)i的初始值设为1；

(11)产生一个0到1之间的随机数r₂；

(12)当r₂＜P₂(P₂＝0.8)时，随机选择一个类，根据基于反向学习的头脑风暴优化方法更新个体；

(13)当r₂≥P₂时，随机选择两个类，根据基于混沌搜索的头脑风暴优化方法更新个体；

(14)计算新个体的适应度，如果适应度大于原来的个体，新个体替换旧个体；如果适应度小于原来的个体，舍弃新个体；

(15)判断i＜N是否成立，若是，则i＝i+1，返回步骤(11)；若否，转到步骤(16)；

(16)比较M个类中的个体，把适应度最大的个体作为本次迭代的最优个体，即找到本次迭代的最优感知时间和最大的能量传输效率；

步骤(17)判断迭代次数是否达到最大迭代次数T_max，若否，迭代次数t＝t+1，转到步骤(4)；若是，程序终止，输出最终的方案。

2.根据权利要求1所述的一种认知无线电网络的能效提升方法，其特征在于，所述的步骤(1)中，能量传输效率等于平均吞吐量与平均能耗的比值，

R(τ)表示单位时隙内次用户的平均吞吐量为：

R(τ)＝R₀(τ)+R₁(τ)

＝P(X₀)[1-P_f(τ)](T-τ)Blog₂(1+γ/δ)

W(τ)表示单位时隙内次用户消耗的能量，表达式为：

3.根据权利要求1所述的一种认知无线电网络的能效提升方法，其特征在于，所述的步骤(12)和步骤(13)中更新个体的更新方式分为两大类：

第一大类为在随机选择的一个类中进行个体更新：

(12.1)产生一个0到1之间的随机数r₂，当r₂＜P₂，P₂＝0.8时，随机选择一个类；

(12.2)产生一个0到1之间的随机数r₃，当r₃＜P_2a，P_2a＝0.3时，选择类中心；当r₃＞P_2b(P_2b＝0.6)时，随机选择类中的一个个体，两种情况下根据以下方法加随机扰动产生新个体，

X_new＝X_selected+ξ*n(μ,σ)，ξ＝logsig((0.5*T_max-t)/k)*rand()；其中，X_selected为选中的类中心；X_new为产生的新个体；n(μ,σ)是均值为μ方差为σ的高斯随机函数；logsig表示传递函数，表达式为k表示斜率，rand()表示0到1之间的一个随机值；

当P_2a≤r₃≤P_2b时，选择类中心，通过反向学习产生新个体，方法如下：

产生反向个体的公式为X_new＝L+U-X_selected，其中U和L分别为个体的上限和下限，在本方法中L＝0，U＝T，因此X_new＝T-X_selected；

第二大类为在随机选择的两个类中进行个体更新，具体更新方式如下：

(13.1)当r₂≥P₂时，随机选择两个类；

(13.2)产生一个0到1之间的随机数r₄，当r₄＜P_2c，P_2c＝0.3时，选择两个类中心合并；当r₄＞P_2d，P_2d＝0.6时，在两个类中各随机选择一个个体，两个个体合并，两种情况下根据以下方法加随机扰动产生新个体

X_new＝X_selected+ξ*n(μ,σ)，ξ＝logsig((0.5*T_max-t)/k)*rand()；

当P_2c≤r₄≤P_2d时，选择两个类中心合并，通过混沌搜索产生新个体：

X_temp＝(X_selected-L)/(U-L)，X_temp＝λ*X_temp*(1-X_temp)，X_new＝L+X_temp*(U-L)，

中L＝0，U＝T，即，X_temp＝X_selected/T，X_temp＝λ*X_temp*(1-X_temp)，X_new＝X_temp*T；

其中X_temp表示临时个体，其初始值限定条件为X_temp≠0,0.25,0.75,1，

X_temp＝λ*X_temp*(1-X_temp)为Logistic映射，本方法取λ＝4，此时Logistic映射为混沌映射。