[发明专利]一种认知无线电网络频谱感知方法

说明书

本发明公开了一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，在认知无线电网络中，各感知用户进行本地能量感知，各自的能量统计量通过公共信道传送到融合中心，传输的过程中会引入噪声，融合中心对接收到的统计值进行加权合并，由合并结果再进行判断。本发明首先根据噪声方差的时变特性分析了噪声不确定情况下的分布特点，根据噪声时变的影响，考虑噪声对频谱检测的最坏影响，推导得到基于噪声不确定的信道中的虚警概率和检测概率。本发明采用加速食物引导粒子群优化算法，在认知无线电多用户协作频谱感知的模型下，通过对多用户协作频谱感知中的加权系数进行优化选择，最终缩短认知无线电频谱感知的感知时间，增强检测性能。

技术领域

本发明涉及认知无线电和群智能算法的交叉技术领域，特别是基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法。

背景技术

很多时候，频谱感知的模型不一定是线性的，而智能算法通过借鉴仿生学的思想恰恰不受问题本身的限制，不需要知道问题的精确模型，拓展了传统的计算方式，因此非常适合于处理问题模型比较复杂，难以用传统数学方法表示的一类问题，智能算法这种新颖的思路方法成为当前研究的热点。

粒子群优化算法由美国电气工程师Kennedy和心理学家Eberhart在早期共同提出，如今，包括其他各类智能算法的各种改进算法被成功应用在许多领域。粒子群算法是对鸟类捕食过程进行模拟。二十世纪七十年代，生物学家C.W.Reynold根据鸟类飞行的特点提出了Boids模型。该模型指出，群体中每个个体的行为在飞行过程中需遵循3条基本规则：(1)避免与周围邻近的个体碰撞；(2)和周围邻近个体的平均速度相一致；(3)移动方向为邻近个体的平均位置。

自然界中的鸟群有时会聚集成一个大的群体向某一方向飞行，聚集成大的群体后，有时又会分散成几个小群体运动，我们通过多组实验来模拟自然界中鸟群的飞行行为。研究发现在对下一步运动进行决策的过程中，粒子一般要使用两种有效信息：一种是自身的历史信息，粒子经过一段时间的运动后，积累了一定的经验，知道自身的最优信息，这对应着粒子群算法中的惯性系数，表示粒子对之前速度的继承，从而对之后的运动起到积极作用。另一种是整个群体的历史信息，表示粒子知道整个群体运动的最优信息，并能根据这个最优信息做出自己的判断。这对应着粒子群算法中的群体行为对每个粒子的影响系数，表示考虑其他粒子的经验来对自己之后的行为进行引导，从而向最优方向运动。

随着通信行业的发展，频谱资源成为通信不可或缺的资源。在目前固定的频谱资源分配方式中，政府已授权的无线频谱资源利用率非常低。频谱资源本身是一种稀缺资源，因此增强频谱检测性能，判断已有的频段上是否存在主用户，利用频谱空洞来提高频谱利用率刻不容缓。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，本发明通过优化认知无线电协作频谱感知的加权系数，能够提高协作频谱感知检测的可靠性，缩短频谱感知所花的时间，提高检测性能。

本发明为解决上述技术问题采用以下技术方案：

根据本发明所述的一种基于加速食物引导粒子群优化算法的认知无线电网络频谱感知方法，包括以下步骤：

步骤1)、主用户向各感知用户发送导频信息，各感知用户随机分布，第i个感知用户在k时刻接收到的瞬时量为x_i(k)，该瞬时量包括主用户的信息以及噪声信号，设置感知用户接收到的瞬时量中的噪声信号方差为σ²；

设定感知用户中的本地感知采用能量感知，对接收到的信号x_i(k)进行N次采样，得到第i个感知用户的检测统计量为

所述检测统计量通过公用信道传送到融合中心，传送的过程中会引入噪声，设置融合中心接收到的噪声信号方差为δ²，融合中心接收到M个感知用户的检测统计量；