近幾年來,隨著認知傳感網(wǎng)中接入設(shè)備數(shù)量的快速增長,傳統(tǒng)的無線通信技術(shù)已經(jīng)難以滿足人們對高帶寬、高速率通信服務(wù)的需求,認知傳感網(wǎng)中的信道容量優(yōu)化方法成為研究的熱點。傳統(tǒng)優(yōu)化方法對目標函數(shù)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(shù)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(wǎng)系統(tǒng)模型、信號模型、接收權(quán)重向量的選取以及一些相關(guān)的參數(shù)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,論文從平衡全局搜索與局部搜索的角度,將標準粒子群算法參數(shù)固定的方式改進為動態(tài)調(diào)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(shù)對搜索... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖３－１在信噪比為ｌＯｄＢ時，ＰＳＯ－ＣＡ與ＤＷＡＰＳＯ－ＣＡ的適應值隨迭代次數(shù)的變化??圖３－１是在收發(fā)天線數(shù)目為２００ｘ２５時，分別使用基于ＰＳＯ的信道容量優(yōu)化??

圖３－３不同收發(fā)天線數(shù)量情況下，ＰＳＯ－ＣＡ與ＤＷＡＰＳＯ－ＣＡ的誤碼率比較??圖３－３是在收發(fā)天線數(shù)目分別為２００ｘ８、２００ｘ２５、２００ｘ５０時，對基于ＰＳＯ的??

圖４－３遺傳算法主要步驟的示意圖??步驟１：確定編碼方式，將實數(shù)集合Ｘ映射到編碼空間Ｓ，并確定適應度函??

【參考文獻】：
期刊論文
[1]基于蟻群粒子群優(yōu)化算法的云計算資源調(diào)度方案[J]. 薩日娜.  吉林大學學報(理學版). 2017(06)
[2]基于種群多樣性的自適應遺傳算法優(yōu)化仿真[J]. 劉芳,馬玉磊,周慧娟.  計算機仿真. 2017(04)
[3]無線通信技術(shù)的分類及發(fā)展[J]. 林志坤.  通訊世界. 2017(03)
[4]智能優(yōu)化算法研究及應用展望[J]. 李智.  武漢輕工大學學報. 2016(04)
[5]Energy Efficiency-Based Decision Making in Cognitive Radio Networks[J]. Hongning Li,Qingqi Pei,Leilei Xu.  中國通信. 2016(11)
[6]認知無線電中頻譜空洞統(tǒng)計特性分析與分配[J]. 黃杰,曾孝平,簡鑫,譚曉衡,張耀樂.  西安電子科技大學學報. 2017(02)
[7]基于仿生理論的新型優(yōu)化算法綜述[J]. 楊雁瑩,徐仙偉,曹霽.  計算機仿真. 2016(06)
[8]一種平衡全局與局部搜索能力的粒子群優(yōu)化算法[J]. 徐從東,張繼春,馬鵬飛.  微電子學與計算機. 2016(06)
[9]無線通信技術(shù)的發(fā)展研究[J]. 吳晨,楊晨光.  無線互聯(lián)科技. 2016(07)
[10]認知網(wǎng)絡(luò)中的容量最優(yōu)機會干擾對齊接入[J]. 安永麗,肖揚,曲廣智.  應用科學學報. 2014(02)

碩士論文
[1]改進粒子群優(yōu)化算法的研究及其在控制系統(tǒng)設(shè)計中的應用[D]. 謝元平.北京化工大學 2011
[2]引入禁忌搜索的雙種群粒子群算法及其應用研究[D]. 劉林炬.江南大學 2008



本文編號：3084209