基于分簇协同Q学习的频谱感知算法.pdfVIP

第32卷第2期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 中南民族大学学报(自然科学版)　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Vol.32 No.2 2013年6月　 　 　 　 　 　 　 　 　 　 　 Journal of South-Central University for Nationalities(Nat.Sci.Edition)　 　 　 　 　 　 　 　 　 　 Jun.2013 基于分簇协同Q-学习的频谱感知算法 朱翠涛,谢碧锋 (中南民族大学 电子信息工程学院,武汉430074) 摘　 要　 针对大规模认知无线电网络中协同频谱感存在的感知时间长、能量消耗过多、缺乏自适应能力等问题,提 出了一种基于分簇协同的Q-学习频谱感知算法.该算法利用分簇机制,把大规模的环境变成小规模的簇内环境,分 簇后簇内采用协同Q-学习,通过代理在与环境交互过程中不断试错来确定频谱检测的最佳门限值,使系统具有自 主学习的能力.实验结果表明:大规模环境下系统的检测性能有显著提高. 关键词　 认知无线电;频谱感知;分簇;协同Q-学习 中图分类号　 TM914　 文献标识码　 A　 文章编号　 1672-4321(2013)02-0077-04 Algorithmof Spectrum SensingBasedon Clustering Cooperative Q-learning Zhu Cuitao,Xie Bifeng (College of Electronic and Information Engineering,South-Central University for Nationalities,Wuhan430074,China) Abstract　 Due tolong sensingtime,excessenergy consumingandincapability of adaptive,thispaperproposesaalgorithm of spectrum sensing based on clustering cooperative Q-learning in large-scale cognitive radios systems.The algorithm uses cluster mechanism,divided the large-scale environment into small ones,using the collaborative q-learning in the divided clusters.Obtain the optimal threshold of spectrum detection by continuous processes of “trial and error” in the interaction between agents and environment . Through this way,the system will have the ability of autonomous learning. The experimental results show that the detection performance of system improved significantly. Keywords　 cognitive radios;spectrum sensing;cluster;cooperative Q-learning 　 　 在认知无线电网络中,由于地形环境、信道变化 过多次测量噪声功率,通过经验方法来设置能量检 和物体遮挡等因素,信号在传输过程中会受到不同 测中的门限值.然而在实际应用中,噪声功率是经常 [1] 程度的衰落、阴影效应等影响 .为了提高频谱感 发生变化.文献[4]分析并仿真了噪声不确定性对 知的准确性,充分利用空间分集特性,需要认知用户 频谱感知性能的影响,前提是假设噪声