中国电子科技集团公司第五十四研究所;
认知无线电技术通过智能的频谱管理来解决频谱资源"短缺"的问题,能够感知到授权用户的空闲频谱,并有效地加以利用,从而减少与授权用户的冲突。现有无线电参数调整策略无法根据环境变化和用户需求进行智能调整,认知引擎中的决策方法能够解决该问题。遗传算法和二进制粒子群算法是实现认知引擎决策的典型算法,对2种算法进行了介绍,仿真比较了2种算法在性能方面的差异。仿真结果表明,二进制粒子群算法在收敛速度和收敛精度上优于遗传算法。
| 63 | 1 | 21 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]宋志群.认知无线电技术及应用[J].无线电通信技术,2012,38(5):1-5.
[2]汪李峰,魏胜群.认知引擎技术[J].中兴通讯技术,2009,15(2):5-9
[3]王峰.基于遗传算法的认知无线电决策引擎研究[D].大连:大连理工大学硕士学位论文,2010:31-32.
[4]郑仕链,赵知劲,尚俊娜,等.基于模拟退火遗传算法的认知无线电决策引擎[J].计算机仿真,2008,25(1):192-195.
[5]杨晟尧.基于多目标遗传算法的认知无线电决策引擎[D].大连:大连理工大学硕士学位论文,2011:8-9.
[6]王小平,曹立明.遗传算法理论、应用与软件实现[M].西安:西安交通大学出版社,2002.
[7]KENNEDY J,EBERHART R.ParticleSwarm Optimization[C]∥Perth,Australia,Proceedings of the IEEE International Conference on Neural Networks,1995:1 942-1 984.
[8]赵知劲,徐世宇,郑仕链,等.基于二进制粒子群算法的认知无线电决策引擎[J].物理学报,2009,58(7):5 118-5 125.
[9]张静,周正,高万鑫,等.基于二进制量子粒子群算法的认知无线电决策引擎[J].仪器仪表学报,2011,32(2):451-456.
[10]陈希祥,邱静,刘冠军.基于混合二进制粒子群遗传算法的测试优化选择研究[J].仪器仪表学报,2009,30(8):1 674-1 680.
[11]张静.认知无线网络决策与管理关键技术的研究[D].北京:北京邮电大学博士论文,2011:86-88.
[12]MWANGOKA J W,LETAIEF B K,CAO Zhi-gang.Robust End-to-End QoS Maintenance in Non-Contiguous OFDM Based Cognitive Radios[C]∥Beijing,China,IEEE International Conference on Communication(ICC’2008),2008:2 905-2 909.
基本信息:
DOI：
中图分类号:TN925
引用信息:
[1]马恒.认知引擎中决策方法的研究[J].无线电工程,2014,44(02):30-33.
基金信息: