[发明专利]基于量子猴群搜索机制的认知无线电功率控制方法

权利要求书

1.基于量子猴群搜索机制的认知无线电功率控制方法，其特征在于：步骤如下：

步骤一：建立使用代价函数机制的非合作功率控制博弈NPGP模型：

步骤二：初始化量子猴群中猴子的量子位置和数量，并将认知无线电中各用户发射功率的映射值与猴子的量子位置一一对应，取认知用户的效用函数和为适应度函数；

步骤三：对种群中的猴子个体进行迭代，不断的改变猴子所处的量子位置以改善其适应度函数值从而模仿猴群攀爬的过程；

已知第n只猴子的当前量子位置为x_n＝(x_n1,x_n2,…,x_nI)(n＝1,2,…,N)，x_ni是在猴子n的第i维量子位的取值，计算种群中每只猴子的量子位置的适应度值，当寻找到最优适应度值时，保存此时猴子的量子位置a＝(a₁,a₂,…,a_I)，并求得全部N只猴子的量子位置的平均值b＝(b₁,b₂,…b_I)；第n个猴子的第i维量子位位置模拟量子旋转门进行更新

其中量子旋转角为θ_ni＝r₁·(x_ni-a_i)+r₂·(x_ni-b_i)，r₁是区间[0,1]内的随机数，r₂是标准正态分布的随机数；

用新的映射位置计算适应度值，判断猴子新的位置所求得的各用户效用和函数是否大于位置所得的效用和若满足则用替代重复猴群爬过程的操作直至达到了设定的最大迭代次数Nc；

步骤四：执行爬过程之后，猴群中的所有猴子均到达了各自所在位置附近的山顶，即达到了效用和函数的局部最优值；

步骤五：猴子n到达新的位置y_n后，猴子接着以y_n映射得到的量子位置为起点，如步骤三再次执行攀爬的过程；

步骤六：以当前猴群的重心所在位置为翻越支点，以一定的步长空翻到一个新的搜索区域进行猴子的空翻过程；

步骤七：经以上各过程，完成了算法的一次迭代，猴子的位置得到了更新，当进化代数达到预先设定的最大值的时候算法停止，此时具有最优适应度的猴子所在的位置即为全局最优解，若未达到进化代数设定的最大值，则返回步骤三继续进行循环。

2.根据权利要求1所述的基于量子猴群搜索机制的认知无线电功率控制方法，其特征在于：步骤一具体包括：

首先得到接收终端i的概率分布为：

式中：q(γ_i)为接收机接到正确帧的概率，正确接受一个数据包所需的传输次数是一个随机变量k，

接收终端i正确接收数据包所需的传输次数k的数学期望就是E_i(k)＝1/q(γ_i)

其次，基于代价函数的非合作功率控制博弈模型的效用函数为：

式中：c_i(p_i,P_-i)为代价函数，P_-i为此时除用户i以外其他用户发射功率取值的集合，Pe_i表示第i个用户的误比特率，用户在数据包传输L比特信息，包的总长度为M比特且有M＞L，R为传输速率，第i个认知用户的发射功率是p_i瓦特；

最后，定义：c_i(p_i,P_-i)＝αp_i，α为一常数，则NPGP中用户i的效用函数表示为：