[发明专利]基于多目标量子萤火虫搜索机制的频谱感知方法

摘要

本发明提供的是一种基于多目标量子萤火虫搜索机制的频谱感知方法。建立多目标频谱感知模型，确定搜索方法的参数。确定需要求解的多目标适应度函数形式。种群中的量子萤火虫的量子位置根据其适应度值进行非支配量子位置排序，非支配等级为1的量子萤火虫的量子位置放入精英量子位置集中。使用量子编码机制和量子演化行为更新量子萤火虫的量子位置，选择非支配量子位置，更新精英量子位置集。根据最终的Pareto前端量子位置集，认知无线电系统根据对最大化检测概率和最小化虚警概率的不同的需要选取相应的量子位置。本发明可解决多目标频谱感知这个技术难题,能应用在现有认知无线电频谱感知方法所不能应用的一些场景。

主权项

1.一种基于多目标量子萤火虫搜索机制的频谱感知方法，包括如下步骤：步骤一，建立认知无线电系统的多目标频谱感知模型，确定多目标频谱感知对应多目标量子萤火虫搜索方法的关键参数；步骤二，确定量子萤火虫种群规模为H；步骤三，对种群中的量子萤火虫个体根据其量子位置的适应度值进行非支配量子位置排序，一个量子位置的归一化位置对应于多目标问题中的一个解；步骤四，选择非支配量子位置排序等级为1的量子位置放入精英量子位置集EliteSetQGS中；步骤五，采用多目标量子萤火虫的演化规则对种群中量子萤火虫的量子位置进行演化，产生新的量子位置，计算新量子位置对应的归一化位置的适应度，产生2×H个量子位置，将产生的量子位置进行非支配量子位置排序，将非支配等级为1的量子位置加入精英量子位置集EliteSetQGS中；步骤六，更新第j只量子萤火虫的动态决策域半径，j＝1,2,...,H；步骤七，对新获得的量子位置进行非支配量子位置排序，将非支配等级为1的量子位置和精英量子位置集中的量子位置进行非支配量子位置排序，根据支配关系选择优秀量子位置作为精英量子位置集EliteSetQGS，精英量子位置集所包含的最大精英量子位置个数为3H；步骤八，如果没有达到最大迭代代数，令t＝t+1，t为迭代次数，返回步骤五继续进行；否则，迭代终止，执行下一步；步骤九，将得到的精英量子位置集EliteSetQGS中的量子位置进行非支配量子位置排序，选择非支配等级为1的量子位置作为最终的Pareto前端量子位置集；步骤十，从最终的Pareto前端量子位置集中选择合适的量子位置映射成归一化位置进而得到所需的频谱感知方案；其特征是，步骤一具体包括：假设认知网络中有标号为1到M的M个认知用户进行协作频谱感知，在时刻k各认知用户的本地二元假设检验模型为其中：H₀是0假设、表示主用户信号不存在、频谱没有被占用，H₁是备选假设、表示主用户信号存在、频谱被占用；i＝1,2,...,M；s(k)为主用户发射的信号，认知网络中的每一个认知用户都接收到该信号，信号受到信道衰减的影响，信道衰减因子为h_i，在整个检测过程中认为信道衰减始终是常数；y_i(k)为第i个认知用户接收到的信号,其受到加性高斯白噪声n_i(k)的影响，n_i(k)的方差向量表示为为第i个认知用户的噪声方差；各个认知用户的本地感知采用能量检测，在采样间隔内经过N点的采样，所计算的判决统计量为其中i＝1,2,...,M，随后统计量经过控制信道传输到融合中心，融合中心收到的各个统计量表示为其中u_i为控制信道引入的噪声，假设其服从均值为0的高斯分布，其方差向量表示为为第i个认知用户控制信道的噪声方差；根据融合中心中收到的每个认知用户的信号zi，融合中心计算全局判决统计量为其中z＝[z₁,z₂,...,z_M]^T，w＝[w₁,w₂,...,w_M]^T为控制判决器的权重向量，w_i为第i个认知用户信号的权重，T表示转置；融合中心将全局判决统计量z_g与特定门限γ_g进行比较，实现最终判决；如果z_g≥γ_g，则认为主用户信号存在，否则，认为主用户信号不存在；在这种协作频谱感知模型中，虚警概率的表达式为检测概率的表达式为其中A＝2Ndiag²(σ)+diag(δ)，B＝2Ndiag²(σ)+diag(δ)+4E_sdiag(h)diag(σ)，M个认知的用户信道衰减是h₁，h₂，...,h_M，h＝[|h₁|²,|h₂|²,...,|h_M|²]^T，diag(σ)表示由矢量σ组成的对角矩阵；diag(δ)表示由矢量δ组成的对角矩阵；diag(h)表示由矢量h组成的对角矩阵；通过得到进而得到由于Q函数是单调递减的函数，最大化检测概率P_d，即相当于最小化加入约束条件即0≤w_i≤1,i＝1,2,...,M,优化权重0≤w_i≤1,i＝1,2,...,M以及虚警概率P_f进而同时实现最大化检测概率和最小化虚警概率，(·)^‑1表示求逆运算；步骤二具体包括：第j只量子萤火虫的量子位置表示为其中量子位表示为τ＝1,2，t为迭代次数、初始代设为1，j＝1,2,...,H,l＝1,2,...,D,D＝M+1，D为量子萤火虫解空间的最大维数，在量子域[0,1]内随机初始化则第j只量子萤火虫的量子位置所对应的归一化位置为初始化每只量子萤火虫的动态决策域半径和荧光素值，构造的多目标适应度函数为通过计算归一化位置的适应度值对该量子萤火虫的量子位置进行适应性评价，多目标适应度函数包括最大化检测概率和最小化虚警概率，适应度函数具体为：将的第1位即代表虚警概率P_f，将的第2位到第D位代表权重向量，记作第1个适应度函数为第2个适应度函数为步骤三具体包括：非支配量子位置排序的过程如下：首先，对种群中每个量子位置d，计算支配量子位置d的量子位置的数目n_d以及量子位置d所支配的量子位置的集合S_d；如果n_d＝0，为没有量子位置支配d,则量子位置d的非支配排序等级为1；对于每个非支配等级为1的量子位置d，遍历S_d中的每个量子位置q，并且n_q＝n_q‑1、即把n_q‑1的值再赋值给n_q，若n_q＝0，则将量子位置q放在集合中，集合中量子位置的非支配量子位置等级为2，对中的每个量子位置重复，得到非支配量子位置排序等级为3的量子位置集合，重复直至得到所有的非支配等级；在多目标量子萤火虫搜索机制的演化过程中，全局最优量子位置由两个适应度函数适应度值联合最小的量子位置产生，第j只量子萤火虫学习邻域获得方式为其中τ＝1,2，为第j只量子萤火虫学习邻域标号集合，表示第j只量子萤火虫在第t次迭代过程中的动态决策域半径，表示第只量子萤火虫在第t次迭代过程中的荧光素值，每只量子萤火虫根据荧光素值选择移动方向，其中j＝1,2,...,H，τ＝1,2，表示在第t次迭代过程中量子萤火虫j向量子萤火虫移动的概率，在每次迭代过程中，若第j只量子萤火虫学习邻域为空，第j只量子萤火虫的第l维量子位的更新方式为其中量子旋转角代表第j只量子萤火虫至第t次迭代为止根据第τ个适应度函数所获得的局部最优量子位置即第j只量子萤火虫至第t次迭代为止根据第τ个适应度函数所搜索到的具有最小适应度值的量子位置，e₁和e₂分别表示局部最优量子位置和全局最优量子位置对量子旋转角的影响程度,randn是均值为0方差为1的高斯分布的随机数，rand为[0,1]之间均匀分布的随机数，为[0,1]之间均匀分布的随机数，c₁是[0,1/D]之间的一个常数，其代表量子旋转角为0时的量子位的翻转概率，abs()是将量子位限定在[0,1]之间的取绝对值函数，为量子旋转门，为量子非门；若第j只量子萤火虫学习邻域为非空，在第j只量子萤火虫的学习邻域内选择量子萤火虫其选择方法为其中第j只量子萤火虫的第l维量子位更新方式为量子旋转角是第j只量子萤火虫学习邻域内荧光素值最大的第l维局部最优量子位，其中e₃、e₄和e₅分别表示局部最优量子位置、学习邻域内荧光素值最大的局部最优量子位置和全局最优量子位置对量子旋转角的影响程度，c₂代表量子旋转角为0时的量子位的翻转概率，其是[0,1/D]之间的一个常数；根据将第j只量子萤火虫的适应度值转化为荧光素值其中γ∈[0,1]为荧光素消失率会随着距离的增加逐渐减弱，ε是荧光素更新率；更新第j只量子萤火虫的动态决策域半径的更新方式为其中τ＝1,2，ζ是动态决策域更新率、其值是一个常数，R_S为感知域，n_t为控制邻域，为控制域所含标号个数。