基于量子遗传算法的认知无线电频谱分配.doc

第 5 8 卷 第 2 期 2 0 0 9 年 2 月 1 0 0 0- 3 2 9 0 P 2 0 0 9 P 5 8 ( 0 2 ) P 1 3 5 8- 0 6 物 理 学 报 ACTA PHYSICA SINICA Vol . 5 8 , No. 2 , Fe brua ry, 2 0 0 9 n 2 0 0 9 Ch i n . Ph ys . Soc. * 基于量子遗传算法的认知无线电频谱分配 1 ) 赵知劲 1 ) 彭 振 2 ) - 郑仕链 1 ) 徐世宇 2 ) 楼才义 2 ) 杨小牛 1 ) ( 杭州电子科技大学通信工程学院, 杭州 3 1 0 0 1 8 ) 2 ) ( 中国电子科技集团公司第 3 6 研究所, 嘉兴 3 1 4 0 3 3 ) ( 2 0 0 8 年 4 月 1 1 日收到; 2 0 0 8 年 7 月 5 日收到修改稿) 提出了基于量子遗传算法的认知无线电频谱分配算法, 通过仿真比较了本文算法与颜色 敏感图论着 色频谱分 配算法的性能. 结果表明基于量子遗传算法的频 谱分配算法性 能明显优 于颜色 敏感图 论着色 算法, 它能更 好地实 现网 络效益最大化; 当用户数和频带数较少时, 量子遗传算法在进化代数很少时就能找 到理想最 优解, 而 颜色敏感 图论着色算法所得到的解与理想最优解偏差较大. 关键词: 认知无线电, 频谱分配, 量子遗传算法, 图论着色 P A C C : 9 5 8 0 D 基于量子遗传算法( qua n tum g e n e ti c a l g ori th m , 简称 1 1 引 言 QGA) 的频谱分配方法, 通过仿真对基于 QGA 的频 谱分配算法和基于图论着色理论的分配算法性能进 无线频谱是一种宝贵的自然资源. 美国联邦通 行了比较, 仿真结果验证了本文所提算法的高效性 信委员会 ( Fe de ra l Com m un i ca ti on s Com m i s s i on , 简称 和优越性. [1 ] 表明, 当前采用的固定频谱分配 FCC) 的研究报告 2 1 量子遗传算法 政策导致部分频段拥挤不堪, 而其他频段使用率则 极为低下. 为了缓解无线频谱资源短缺、频谱利用率 不均的局面, 人们提出了使用认知无线电技术的动 [3 , 1 3 ) 1 6 ] 是量子计算和遗传算法相 量子遗传算法 态频谱共享机制, 允许认知无线电用户( 也称次用 结合的产物, 其关键步骤包括染色体编码、种群测 户) 使用主用户当前未使用的频谱空穴, 从而提高频 [ 2 ] . 谱利用率 认知无线电通过感知外部无线环境、智能调整 量、种群更新等. 2 1 1 1 染色体编码方式 无线电参数并不断学习来最佳满足外部环境需 在QGA 中, 染色体编码采用量子位来实现. 量 [ 3 ] 求 , 期望实现高可靠性的通信并最大化频谱利用 子位与经典位的不同之处在于它可以落在| 0 4 和| 1 4 [ 2 ] . 本文着眼于研究频谱空穴检测完成后, 空闲频 率 之外的线性组合态, 其状态通常表示为 谱资源在次用户间的分配问题. 针对中心式或分布 U 4 = A 0 4 + B 1 4 , ( 1 ) 式的网络体系结构、协作式或非协作式的频谱分配 其中, A 和 B 分别表示状态| 0 4 和状态| 1 4 的概率幅. [ 4 ] , 人们提出 行为、共存式或覆盖式的频谱接入技术 [ 5 ) 7 ] 、 了不同的动态频谱分配方法, 主要包括博弈论 [ 8 ] 、议价机制[ 9 ] 、图论着色[ 1 0 ) 1 2 ] 等. 文献 拍卖理论 2 , 得到 1 的概 对量子位测量时得到 0 的概率为| A | 2 . A 和B 需要满足归一化条件 率为| B | 2 + | B | 2 = 1 . ( 2 ) | A | [ 1 0 , 1 1 ] 提出了一种认知无线电频谱分配模型和基 设一个染色体包含 l 位量子位, 则其编码形式 于图论着色理论的频谱分配算法, 文献[ 1 2 ] 则在此 为 基础上提出了一种并行着色频谱分配算法. 本文在 讨论这种频谱分配模型基础上, 提出了一种全新的 q = A 1 B 1 A 2 B 2 , , A l B l , ( 3 ) * 浙江省教育厅科技计划项目( 批准号: 2 0 0 5 0 5 4 3 ) 和电科院预研基金项目( 批准号: 4 1 1 0 1 0 4 0 1 0 2 ) 资助的课题. - 通讯联系人. E - m a i l : l ia n s h iz h e n g @ 1 2 6 1 com  1 3 5 9 2 期 赵知劲等: 基于量子遗传算法的认知无线电