認知傳感網中信道容量優(yōu)化方法研究.pdf

1、近幾年來，隨著認知傳感網中接入設備數量的快速增長，傳統的無線通信技術已經難以滿足人們對高帶寬、高速率通信服務的需求，認知傳感網中的信道容量優(yōu)化方法成為研究的熱點。傳統優(yōu)化方法對目標函數限制多、復雜度高、收斂性難以確定，為了進一步提高優(yōu)化的速度，可以利用粒子群算法等優(yōu)化算法對信道容量優(yōu)化問題進行求解。粒子群算法具有分布式并行計算的特點，能夠極大的提高優(yōu)化速度，但是在優(yōu)化過程中，容易陷入局部最優(yōu)區(qū)域。因此，論文主要針對如何解決基于粒子群算法

2、的信道容量優(yōu)化方法的早熟收斂問題方面展開研究，從算法參數和算法融合的角度，對粒子群算法進行改進，重點研究了兩種基于改進粒子群算法的信道容量優(yōu)化方法。
　　首先，論文對認知傳感網系統模型、信號模型、接收權重向量的選取以及一些相關的參數進行了研究。對信道容量優(yōu)化問題進行了分析，并介紹了一些常用的信道容量優(yōu)化方法，分別討論了基于梯度搜索和粒子群算法的信道容量優(yōu)化方法的基本原理，對這兩種優(yōu)化方法進行仿真對比分析。
　　其次，論文從平

3、衡全局搜索與局部搜索的角度，將標準粒子群算法參數固定的方式改進為動態(tài)調整的方式。具體討論了幾種種群收斂程度的評價指標，分析了算法中每個參數對搜索過程的影響，并結合粒子群當前的多樣性指標，分別給出慣性權重和加速度因子的調整策略，基于此，論文提出了一種基于動態(tài)調整慣性權重加速度因子的信道容量優(yōu)化方法。仿真結果表明基于動態(tài)調整慣性權重加速度因子的信道容量優(yōu)化方法可以加快優(yōu)化速度，提升系統容量，獲得更好的誤碼性能，同時具備一定的擺脫局部最優(yōu)的能

4、力。
　　最后，為了進一步增強信道容量優(yōu)化后期擺脫局部最優(yōu)的能力，提高搜索的精度，論文研究了遺傳算法和混沌搜索方法，給出了在粒子群算法的搜索過程中引入交叉、變異、混沌操作的改進策略，在此基礎上提出了一種基于混沌遺傳算法的信道容量優(yōu)化方法。從優(yōu)化速度、優(yōu)化精度、系統容量以及誤碼性能的角度，對基于混沌遺傳算法的信道容量優(yōu)化方法進行了仿真，并與基于粒子群算法的信道容量優(yōu)化方法以及基于動態(tài)調整慣性權重加速度因子的信道容量優(yōu)化方法進行了仿真