基于智能算法的WSN的频谱感知与频谱分配.pdfVIP

基于智能算法的WSN的频谱感知与频谱分配

摘要

随着智能家居和无人驾驶等领域的迅速发展，无线传感器网络（WirelessSensor

Network，WSN）已成为各国学者的研究热点。然而，在通信资源受限的情况下，由于

无线传感器需求量的增加，频谱利用率会显著降低和信道间干扰也日益加剧。为应对

这一挑战，认知无线电被融入到WSN中，赋予传感器认知能力，使其能智能识别未被

利用的频谱空隙，并通过调节自身参数来接入频谱资源，从而显著提高频谱利用率。

认知无线电主要由频谱感知和频谱分配两部分组成，考虑到认知无线传感器具有低功

耗、续航时间短、计算能力有限等特点，对频谱感知提出了更高要求，因此研究高感

知准确率的感知算法至关重要；此外，为提高频谱利用率和降低传感器网络节点间的

干扰，研究高效且智能的频谱分配算法同样尤为重要。本文重点研究WSN中的频谱感

知和频谱分配问题，研究工作如下：

首先，针对无线传感器网络中存在部分节点受噪声影响严重，导致频谱感知准确

率低的问题，提出了一种基于随机共振的多节点协同感知算法。单节点采用基于随机

共振的能量检测模型进行感知，在低信噪比下能获得较准确的感知结果。多节点感知

模型权重选取采用量子蝠鲼算法进行优化求取。考虑到认知无线传感器网络拓扑结构

特点和融合中心性能，进一步提出了一种基于随机共振的分簇协作感知算法。根据无

线传感器密度情况，利用DBSCAN算法将传感器网络进行分簇，提高簇内感知结果准

确性。在进行感知信息融合时，采用两阶段融合，提高感知准确率，进一步降低噪声

对感知结果的影响。

其次，针对认知无线电网络吞吐量不足难以满足实际无线传感器网络吞吐量需求

的问题，提出了一种混合爬行狼群算法。根据网络吞吐量优化目标，利用图论模型构

建网络吞吐量优化模型。混合爬行狼群算法在陷入局部最优时采用爬行搜索算法，未

陷入局部最优时，采用狼群算法进行寻优。在爬行搜索算法中，引入动态区间和自适

应更新权重，适当降低爬行搜索算法的全局搜索能力，加强算法的局部搜索能力；同

时在狼群算法中，引入随机游走行为和混沌围攻行为，加强狼群在进行探索行为时的

随机性，较为随机的探测各种可能。最后，考虑到种群更新前期需要算法具有较强的

全局探索能力，而在种群更新后期需要较强的局部搜索能力，因此利用自适应更新权

重算子来提高混合爬行狼群算法的寻优能力和收敛速度。

最后，利用实验室构建的基于UE4的认知无线传感器网络仿真场景下，对所提频

哈尔滨工程大学硕士学位论文

谱感知算法和频谱分配算法进行性能分析和验证。利用离散马尔可夫模型和排队论模

型模拟信道空闲状态，频谱感知算法依托于认知无线传感器网络进行协作感知，通过

感知结果和无线传感器位置等信息构建图论模型，频谱分配算法则通过求解图论模型

来获得频谱分配结果。经过实验验证，所提感知算法和分配算法具有更好的感知准确

率和频谱利用率。

关键词：频谱感知；频谱分配；认知无线传感器网络；能量检测算法；群智算法

基于智能算法的WSN的频谱感知与频谱分配

ABSTRACT

Withtherapidadvancementofdomainslikesmarthomesandautonomousdriving,

WirelessSensorNetworks(WSN)haveemergedasaprominentresearchareaamongscholars

worldwide.However,inthefaceoflimitedcommunicationresources,thegrowingdemand

forwirelesssensorsresultsinasignificantdeclineinspectrumutilizationandanincreasein

interferencebetweenchannels.Totacklethischallenge,cognitiveradiohasbe