群體智能在認知無線電中的應用

張琳　齊維毅 　潘慶超　徐冰　申海

【摘 要】隨著無線通信技術的迅速發(fā)展，日益增長的頻譜需求與有限的頻譜資源的沖突變得越來越嚴峻。認知無線電的出現(xiàn)為解決頻譜資源緊缺問題提供了一種有效地解決辦法，本文介紹了認知無線電的概念及其關鍵技術，總結分析了近幾年群體智能在認知無線電中的研究成果，最后，結合認知無線電的研究現(xiàn)狀，對群體智能在認知無線電中的應用前景作出了展望。

【關鍵詞】認知無線電；頻譜感知；頻譜分配；頻譜決策

中圖分類號： TN925 文獻標識碼： A 文章編號： 2095-2457（2018）35-0129-002

DOI：10.19694/j.cnki.issn2095-2457.2018.35.054

Application of Swarm Intelligence in Cognitive Radio

ZHANG Lin1 QI Wei-yi1 PAN Qing-chao1 XU Bing2 SHEN Hai1*

（1.College of Physics Science and Technology， Shenyang Normal University， Liaoning Shenyang 110034， China；

2.Shenyang Public Security Bureau Science and Technology Communication Office， Liaoning Shenyang 110001， China）

【Abstract】With the rapid development of wireless communication technology， the conflict between the increasing spectrum demand and the limited spectrum resources becomes more and more serious. The emergence of cognitive radio provides an effective solution to the shortage of spectrum resources. This paper introduces the concept of cognitive radio and its key technologies， summarizes and analyses the research results of swarm intelligence in cognitive radio in recent years， and finally， combines with the research status of cognitive radio， makes a study of swarm intelligence in cognitive radio. The application prospect of cognitive radio is prospected.

【Key words】Cognitive radio； Spectrum sensing； Spectrum allocation； Spectrum decision

0 引言

無線頻譜資源是一種非常寶貴、稀缺和重要的資源。目前，頻譜資源是由政府分配和管理的。隨著無線電通信需求的不斷增長，可用頻譜資源越來越少。1999年，Joseph Mitola提出了認知無線電的概念。認知無線電是一種智能無線通信技術，能夠發(fā)現(xiàn)和利用空閑頻譜，并根據(jù)感知到的外部環(huán)境來調(diào)整通信參數(shù)，從而達到提高通信效率的目的。

近年來，許多研究者已經(jīng)將群智能算法應用于認知無線電問題的求解。例如，遺傳算法和細菌算法被用來實現(xiàn)多目標工作參數(shù)的優(yōu)化；利用量子蜂群算法處理頻譜分配問題，以獲得更大的網(wǎng)絡平均效益和網(wǎng)絡公平性。

本文內(nèi)容安排如下：第一節(jié)介紹了認知無線電和群體智能的概念。第二節(jié)詳細介紹了頻譜感知和群體智能的應用；第三節(jié)對頻譜分配的內(nèi)容和相關研究成果進行說明。第四節(jié)對頻譜決策和算法進行了總結。最后，第五節(jié)對全文進行了總結。

1 認知無線電與群體智能

認知無線電是一個動態(tài)頻譜分配過程，認知用戶可以在不干擾主用戶正常通信的情況下，動態(tài)接入空閑的頻譜。如圖1所示，認知無線電主要包括頻譜感知、頻譜分配和頻譜決策，這三部分共同構成了認知循環(huán)。

頻譜感知是認知無線電的前提，是頻譜分配和頻譜決策的保證。

頻譜分配是從感知到的頻譜中選擇最合適的頻譜，從而為下一步的頻譜決策過程奠定基礎。

為了適應不同的無線環(huán)境，采用頻譜決策來調(diào)整通信中的工作參數(shù)。

群體智能是在生物種群社會行為的啟發(fā)下得出的概念，在解決優(yōu)化問題方面取得了豐富的研究成果，如求解NP難問題。常見的群體智能方法有蟻群算法、蜂群優(yōu)化算法和魚群算法等。群體智能算法具有較強的魯棒性，少數(shù)個體的行為對整個群體的性能影響不大。在群體智能算法中，個體需要的信息少，動作簡單。這些因素使群體智能算法具有可擴展性和易于實現(xiàn)的特點。

2 頻譜感知

頻譜感知作為認知無線電技術的第一環(huán)節(jié)，能夠準確地檢測出授權用戶不使用的空閑頻譜，而不影響授權用戶的通信效果。這樣，認知用戶可以充分利用這些空閑頻譜進行通信，幾種常見的頻譜感知方法如圖2所示。

2.1 基于改進混合蛙跳算法的頻譜感知

在研究混合蛙跳算法的基礎上，鄭仕鏈[1]等人對移動方式的更新方式進行改進，并以線性協(xié)作頻譜感知為框架，提出改進的混合蛙跳協(xié)作感知算法。通過仿真比較可以發(fā)現(xiàn)改進后的混合蛙跳算法優(yōu)化所得的檢測概率明顯優(yōu)于傳統(tǒng)算法，且比傳統(tǒng)算法更穩(wěn)定。

2.2 基于改進粒子群算法的頻譜感知

岳文靜[2]對傳統(tǒng)的粒子群算法進行了研究和改進，并將加速度變量引入到粒子的位置更新中，從而提出了一種加速食物引導的粒子群優(yōu)化算法。在不同的環(huán)境和條件下，加速食物引導的粒子群優(yōu)化算法都能獲得更好的頻譜檢測概率，比傳統(tǒng)的粒子群優(yōu)化算法有更好的優(yōu)越性。

2.3 基于遺傳算法的頻譜感知

鄧麗粼[3]將遺傳算法引入頻譜感知方法中，采用遺傳算法來求解最優(yōu)門限向量，優(yōu)化認知系統(tǒng)的吞吐量。與傳統(tǒng)的頻譜感知方法相比，該方法的檢測效率更高。

3 頻譜分配

如圖3所示，頻譜分配是指根據(jù)用戶數(shù)量和用戶的需求，從頻譜感知獲得的可用頻譜中選擇最能滿足用戶需求的頻譜并將其分配給認知用戶，這樣，認知用戶就可以合理、公平地共享頻譜資源。

3.1 基于粒子群和遺傳算法的頻譜分配

孫海建[4]將遺傳算法的交叉、變異操作引入粒子群算法，同時，還引入線性慣性權重函數(shù)解決權重參數(shù)選擇問題。融合算法避免了兩種算法各自在頻譜分配問題上的局限性，提高了算法的搜索精度和收斂速度。

3.2 基于鯰魚粒子群算法的頻譜分配

卓志宏[5]將“鯰魚效應”引入粒子群算法中，用來解決認知無線電中的頻譜分配問題。鯰魚粒子群算法的尋優(yōu)能力更強，能夠讓有限的頻譜資源得到充分利用，滿足認知無線電系統(tǒng)中的用戶需求。

3.3 基于遺傳蟻群優(yōu)化算法的頻譜分配

吳軒[6]提出了一種動態(tài)融合遺傳算法和蟻群算法各自的優(yōu)點的頻譜分配方法。 利用遺傳算法生成初始解，通過銜接策略使二者在最佳時機進行融合，將遺傳算法所產(chǎn)生的初始解轉化成為蟻群算法所需要的初始信息素，并使用蟻群算法求取最優(yōu)解。與傳統(tǒng)的顏色敏感圖算法相比，該算法能夠?qū)崿F(xiàn)網(wǎng)絡效益的最大化，優(yōu)化性能更好。

4 頻譜決策

如圖4所示，頻譜決策的核心思想是根據(jù)感知到的無線環(huán)境以及用戶需求實時調(diào)整配置無線電通信參數(shù)，從而使得有限的無線電頻譜得到最佳利用。

4.1 基于二進制人工蜂群算法的頻譜決策

為了使認知無線電在頻譜決策過程中具備自適應調(diào)整功能，李鑫濱[7]等人提出了二進制人工蜂群算法。首先，認知無線電決策問題被轉化為多目標函數(shù)優(yōu)化問題，接著，通過加權和方法將復雜的多目標函數(shù)進行歸一化，成為簡單的單目標函數(shù)優(yōu)化問題。該方法的搜索效率、收斂速度和收斂精度明顯優(yōu)于二進制粒子群算法，在實際應用中能夠滿足高精度和實時性要求的無線環(huán)境或用戶需求。

4.2 基于二進制量子粒子群算法的頻譜決策

張靜[8]等人在粒子群算法中引入量子的概念，使得粒子群算法具備了非線性特征和不確定性的特點。與傳統(tǒng)頻譜決策方法相比，該算法能夠自動調(diào)整通信參數(shù)，具有收斂快、穩(wěn)定性好、平均適應度高的特點，在復雜的無線頻譜環(huán)境中能夠快速進行決策，具備較強的適應能力。

4.3 基于改進多目標遺傳算法的頻譜決策

基于云理論，楊晟堯[9]提出了改進多目標遺傳算法的頻譜決策方法。同時，他還在算法中引進了種群調(diào)整技術， 進一步提高了算法的收斂速度和優(yōu)化性能，能夠更好地滿足認知無線電系統(tǒng)的通信實時性要求。

5 結論

目前，群體智能在認知無線電中的應用大多還處于理論研究階段?，F(xiàn)有算法大多針對靜態(tài)環(huán)境，即在算法的一次執(zhí)行過程中，主用戶狀態(tài)、認知用戶狀態(tài)和可用頻譜不發(fā)生變化。研究人員應加強對動態(tài)模型的研究，當其中一個因素發(fā)生變化時，空閑頻譜的分配可以迅速發(fā)生變化，從而進一步提高頻譜的利用效率。另外，可以將群體智能算法與模糊控制、預測機制和人工神經(jīng)網(wǎng)絡算法等其它優(yōu)化方法相結合，提高認知無線電系統(tǒng)的適應能力和學習能力。

【參考文獻】

[1]鄭仕鏈，樓才義，楊小牛.基于改進混合蛙跳算法的認知無線電協(xié)作頻譜感知[J].物理學報，2010，59（05）：3611-3617.

[2]岳文靜，魏怡，陳志.加速食物引導的粒子群算法在協(xié)作頻譜感知中的應用[J/OL].計算機應用研究，2018，35（07）：2103-2105+2109.

[3]鄧麗粼，張翠芳，周興建，溫坤華.遺傳算法在認知無線電頻譜感知中的應用[J].電子技術應用，2010，36（03）：113-116.

[4]孫海建.基于粒子群算法和遺傳算法的頻譜分配研究[D].吉林大學，2015.

[5]卓志宏.基于鯰魚粒子群算法的認知無線電頻譜分配[J].電視技術，2014，38（07）：145-148+189.

[6]吳軒，孫文勝，陸家明.基于遺傳蟻群優(yōu)化算法的認知無線電頻譜分配[J].通信技術，2015，48（11）：1265-1269.

[7]李鑫濱，石愛武.基于二進制人工蜂群算法的認知無線電決策引擎[J].燕山大學學報，2012，36（05）：439-444.

[8]張靜，周正，高萬鑫，石磊，唐亮.基于二進制量子粒子群算法的認知無線電決策引擎[J].儀器儀表學報，2011，32（02）：451-456.

[9]楊晟堯.基于多目標遺傳算法的認知無線電決策引擎[D].大連理工大學，2011.