CN106452625A - 多目标绿色认知无线电系统参数生成方法 - Google Patents

Abstract

本发明提供的是一种多目标绿色认知无线电系统参数生成方法。建立多目标绿色认知无线电参数设计模型，确定需要优化的多目标问题所对应的适应度函数形式。设计量子多目标多种群共生进化方法，通过量子多目标多种群共生进化方法，对种群中所有量子粒子的量子速度和位置进行更新，并使用非支配位置排序和位置拥挤度计算。使用多目标多种群共生进化方法实现确保可靠性的多目标绿色认知无线电参数设计。根据所得到的最终的非支配位置集，确保可靠性的多目标绿色认知无线电系统根据用户的实际需要选取相应的参数设计方案。本发明的使用范围广泛，能应用在现有绿色认知无线电参数设计方法所不能很好解决的确保可靠性的绿色认知无线电系统。

Description

多目标绿色认知无线电系统参数生成方法

技术领域

本发明涉及的是一种无线电系统参数生成方法。具体地说是一种确保可靠性的多目标绿色认知无线电系统参数生成方法。

背景技术

随着无线通信技术的快速发展，用户对带宽以及服务质量(QoS)的需求不断增长。由此带来的过量的能量消耗是一个亟需解决的问题，绿色通信技术可以减少能量消耗和提高能量利用率，其被广泛认为具有解决这一问题的潜能。认知无线电(Cognitive Radio，CR)具有感知周围环境变化和智能的调整参数来适应外部环境变化的能力，其被广泛认为具有实现绿色通信技术的潜能。绿色认知无线电的主要目的是实现能量的高效利用，实现绿色通信技术的绿色认知无线电将成为无线通信领域的重要研究方向。

认知无线电的参数设计是认知无线通信网络的主要决策部分，是认知无线电系统的核心。绿色认知无线电系统参数设计，是在保证用户服务质量的前提下，根据外部环境的变化，通过对满足多目标要求的系统参数(例如发射功率、调制方式、帧长度、带宽和载波频率等通信参数)的设计来实现绿色通信，而不是盲目的降低发射功率。

经过对现有技术文献的检索发现，Xu Huiying等在《2013 13th InternationalSymposium on Communications and Information Technologies(ISCIT)》(pp.143-147,2013)上发表的“Cognitive radio decision engine using hybrid binary particleswarm optimization”提出了使用混合二进制编码的粒子群算法去求解多目标决策引擎，但只是设计了线性权重把多目标问题转化为单目标问题，使用单目标遗传算法求解，依旧不能真正有效解决认知无线电决策引擎的多目标问题。郑仕链等在《物理学报》(VoL.61,No.14,pp.148402P,2012)上发表的“绿色认知无线电自适应参数调整”提出了一种基于单目标粒子群算法的绿色认知无线电参数调整方法，该方法能够同时考虑比特错误率和和数据速率的要求，并且降低了发射功率，进而实现能量高效利用的绿色认知无线电参数设计。但是此方法无法在确保可靠性的前提下同时实现最小化发射速率和最大化数据速率，不能画出多目标系统设计的Pareto前端解集。

发明内容

本发明的目的在于提供一种能够确保可靠性的多目标绿色认知无线电系统参数生成方法。

本发明是这样实现的：

步骤一，建立多目标绿色认知无线电参数模型；

步骤二，确定量子多目标多种群共生进化搜索机制中量子粒子群的种群规模，初始化量子粒子群的量子粒子的量子速度和位置，每个位置对应着一种参数设计方法，并将其划分为3个量子粒子子群，初始化第1个子群和第2个子群的局部最优位置；

步骤三，对每个子群中的所有量子粒子的位置进行适应度评价，初始化量子粒子群的精英位置集；

步骤四，更新3个子群中量子粒子的量子速度和位置；

步骤五，对量子多目标多种群共生进化中量子粒子群中的所有量子粒子的位置根据其适应度值进行非支配位置排序和位置拥挤度的计算；

步骤六，如果精英位置集EliteSetQMMSSE的位置个数大于Elite，则对精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和位置拥挤度计算，并对非支配等级相同的位置进行位置拥挤度由大到小进行排序，从中选择前Elite个位置作为新的精英位置集EliteSetQMMSSE；

步骤七，如果没有达到最大迭代代数，设t＝t+1，返回步骤四继续迭代；否则，迭代终止，执行下一步；

步骤八，将得到的精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和拥挤度计算，选择非支配等级为1且满足拥挤度要求的位置作为最终的Pareto前端位置集；

步骤九，从最终的Pareto前端位置集中选出位置并映射得到所需要的确保可靠性的多目标绿色认知无线电的系统参数。

本发明还可以包括：

1、步骤一具体包括：多目标绿色认知无线电系统参数通过编码与位置一一对应，若x＝(x₁,x₂,...,x_L)为一个位置，其中L为量子粒子搜索空间的最大维标号，y＝(y₁,y₂,...,y_2N)为其对应的确保可靠性的多目标绿色认知无线电系统参数，y_d代表第d个子载波的发射功率，y_N+d代表第d个子载波的调制阶数，1≤d≤N，最大值优化的多目标适应度函数为F(y)＝[f₁(y),f₂(y)]，N为系统的子载波数，两个单目标适应度函数分别为 式中p_max代表最大发射功率，BER_d是第d个子载波的比特错误率、是第d个子载波发射功率和调制阶数的函数，BER_tar是用户的目标比特错误率，DR_d是第d个子载波的数据速率、是第d个子载波调制阶数y_N+d的函数；β是一个[0,1]之间的常数；函数定义为其中σ和η是两个常数，将其设置为σ＝1.65,η＝-0.9，这种参数设置使得当时，函数趋近于0，当时，函数趋近于1，函数取值随着的增加而增加，当值趋近于或超过α时，函数取值随着的增加而增加并接近1，函数起到了惩罚因子的作用，当用户的比特错误率达到目标值时，的值接近于1。

2、步骤二具体包括：确定量子多目标多种群共生进化搜索机制中量子粒子群的种群规模为3K，将其划分为3个量子粒子子群，每个子群中有K个量子粒子，初始化第i个量子粒子的量子速度的所有量子位为量子比特的取值区间为[0,1]之间，初始化第i个量子粒子的位置其中j＝1,2,...,L，1≤i≤3K，其对应的绿色认知无线电的系统参数为，当1≤i≤K时，和分别代表第1个量子粒子子群的第i个量子粒子的量子速度和位置，第1个子群的第i个量子粒子至今为止根据第1个适应度函数所搜索到的局部最优位置为当K+1≤i≤2K时，和分别代表第2个量子粒子子群中第i个量子粒子的量子速度和位置，第2个子群的第i个量子粒子至今为止根据第2个适应度函数所搜索到的局部最优位置为当2K+1≤i≤3K时，和分别代表第3个量子粒子子群的量子粒子的量子速度和位置，初始时，设迭代次数t＝0，第1个和第2个子群中每个量子粒子的初始局部最优位置应设置为其相应的初始位置，即

3、步骤三具体包括：

第1个量子粒子子群的第i个量子粒子根据第1个适应度函数计算适应度值，获得第1个量子粒子子群的全局最优位置为第2个量子粒子子群的第i个量子粒子根据第2个适应度函数计算适应度值，获得第2个量子粒子子群的全局最优位置3个子群中的所有量子粒子的位置根据其适应度值进行非支配位置排序和拥挤度计算，初始化精英位置集；

对于位置x_i和x_k，f_z(y_i)≥f_z(y_k),(z＝1,2)对所有的z都成立，且至少有一个严格不等式成立，则称x_i支配x_k，x_i为非支配位置，若f_z(y_i)≤f_z(y_k),z＝1,2对所有的z都成立，且至少有一个严格不等式成立，则称x_k支配x_i，x_k为非支配位置，否则，位置x_i、x_k无任何支配关系；

对于确定位置等级集合中每个位置p，计算支配位置p的位置数目n_p以及位置p所支配的位置集合S_p，如果n_p＝0，意味着没有位置支配p，说明位置p的非支配等级为1；对于每个n_p＝0的位置p，遍历S_p中的每个位置q，并且S_p中支配q的位置数目设为n_q，若n_q＝0，则将位置q放在集合Q_q中，这些位置的非支配等级为2；用上述过程对Q_q中的每个位置重复，得到非支配等级为3的位置集合，重复此过程直至得到所有位置的非支配等级；

对于非支配等级相同的位置，其中的n个位置根据适应度函数f_z的值由小到大进行排序，适应度函数值最小的和最大的所对应的位置的拥挤度值设为I_z(1)_distance＝I_z(n)_distance＝∞，其它位置的拥挤度为相邻两个位置的适应度函数值的差除以最大适应度函数值和最小适应度函数值的差，即b＝2,3,...,n-1，对每个位置的每个适应度函数f_z所对应的拥挤度都进行上述计算，最终的位置拥挤度值就是计算出的2个位置拥挤度分量的和。

4、步骤四具体包括：更新3个子群中量子粒子的量子速度和位置，第1个量子粒子子群和第2个量子粒子子群使用单目标量子粒子群搜索方法；

(1)更新第1个子群和第2个子群中每个量子粒子的量子速度和位置，第1个子群的第i个量子粒子的量子旋转角为1≤i≤K，c₁和c₂分别是[0,1]之间的常数，分别代表子群中至今所找到的局部最优位置和全局最优位置对量子旋转角更新过程的影响程度；第2个子群的第i个量子粒子的量子旋转角为K+1≤i≤2K，j＝1,2,...,L；第i个量子粒子的量子速度的第j维量子位在第t+1次迭代过程中的更新方式如下：其中1≤i≤2K，j＝1,2,...,L；c₃为[0,1/L]之间的常数，代表量子位的变异概率；为[0,1]之间均匀分布的随机数；量子粒子的位置通过对量子速度的测量得到，即其中1≤i≤2K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数；

(2)采用多目标量子粒子群搜索机制的演进规则对子群3中的量子粒子进行演化，产生新的量子速度和位置；

第i个量子粒子的第j个量子旋转角的更新方式为其中，2K+1≤i≤3K，j＝1,2,...,L；c₄和c₅为常数，决定了子群3的局部最优位置和子群3的全局最优位置对量子旋转角更新过程的影响程度；代表子群3的局部最优位置，其是在精英位置集EliteSetQMMSSE的前50％优秀位置中随机选取；代表子群3的全局最优位置，其是在精英位置集EliteSetQMMSSE的前20％优秀位置中随机选取；第i个量子粒子的量子速度的第j维量子位的更新方式为 为均匀分布在[0,1]之间的随机数；c₆是量子旋转角为0的量子位的翻转概率；量子粒子的位置通过对量子速度的测量得到，即其中2K+1≤i≤3K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数。

本发明针对现有认知无线电系统的最优参数设计方法的不足，提出了一种在保证可靠性前提下同时考虑最小化发射功率和最大化数据速率的多目标绿色认知无线电系统最优参数设计方法。该方法基于量子编码、量子演化机制和量子多目标多种群共生进化搜索机制，通过非支配位置排序和位置拥挤度计算，进而得到非支配位置均匀分布的Pareto前端位置集。在实际的工程应用中，可以根据实际通信环境和要求，从Pareto前端位置集中选择最合适的位置，将其映射为相应的系统参数，做为最优系统参数设计方案。故本发明所提出的方法能够解决确保可靠性的多目标绿色认知无线电最优参数设计问题。

本发明的确保可靠性的多目标绿色认知无线电系统最优参数设计方法可根据认知无线电感知到的当前信道条件、用户需求和制度限定等信息,在保证可靠性的前提下对多个目标函数进行优化，给出一系列符合多条件限制的最佳参数配置方案，进而提高系统性能。本发明结合非支配位置排序和位置拥挤度计算，设计量子多目标多种群共生进化(QuantumMulti-Objective Multi-Species Symbiotic evolution,QMMSSE)的确保可靠性的多目标绿色认知无线电系统最优参数设计方法，进而从最终的Pareto前端位置集中合理选择绿色认知无线电系统的最优参数。

与现有的技术相比，本发明充分考虑了多目标绿色认知无线电系统在实现系统参数设计的过程中能在确保可靠通信的前提下，同时使得最小化发射功率和最大化数据速率两个目标达到最优的难题，具有以下优点：

(1)本发明解决了绿色认知无线电的离散多目标参数设计问题，并设计基于非支配位置排序的量子多种群共生进化方法，所设计的方法具有收敛精度高的优点。

(2)相对于现有的认知无线电参数设计方法，本发明可在保证可靠性的前提下实现同时考虑最小化发射功率和最大化数据速率的绿色通信。

(3)仿真结果表明，本发明所提出的确保可靠性的多目标绿色认知无线电参数设计方法可得到比现有基于遗传算法的单目标参数设计方法更优秀的性能，说明了本方法的有效性。

附图说明

图1确保可靠性的多目标绿色认知无线电系统参数设计方法流程图。

图2量子多目标多种群共生进化方法示意图。

仿真基于多载波OFDM系统。采用32个子载波，为了模拟信道的衰落，为每个子载波分配一个[0,1]间的随机数。发射功率为1-17mW，编码由6位二进制比特组成。调制方式为BPSK、4PSK、16QAM和64QAM，符号速率为1Msps，信道为加性高斯白噪声信道，噪声功率谱密度为1.4×10^-8mW/Hz。量子多目标多种群共生进化方法(QMMSSE)的参数设置如下：K＝20,c₁＝0.1，c₂＝0.05，c₃＝0.01/L，c₄＝0.1，c₅＝0.05，c₆＝0.01/L，Elite＝60，最终的Pareto解集最大规模设置为40，终止迭代次数为1000。遗传算法参数设置为：种群规模为20，迭代次数为1000，单点交叉，交叉概率为0.6，变异概率为0.01，使用精英保留策略。

图3给出了系统要求的目标比特错误率为10^-3的前提下，确保可靠性的多目标绿色认知无线电系统同时考虑最大化数据速率和最小化发射功率的仿真结果。

图4给出了系统要求的目标比特错误率为10^-3的前提下，遗传算法在只考虑最小化发射功率时的参数设计结果。

图5给出了系统要求的目标比特错误率为10^-3的前提下，遗传算法在只考虑最大化数据速率时的参数设计结果。

图6给出了系统要求的目标比特错误率为10^-3的前提下，量子多目标多种群共生进化方法在只考虑最小化发射功率时的参数设计结果。

图7给出了系统要求的目标比特错误率为10^-3的前提下，量子多目标多种群共生进化方法在只考虑最大化数据速率时的参数设计结果。

图8给出了系统要求的目标比特错误率为10^-4的前提下，确保可靠性的多目标绿色认知无线电系统同时考虑最大化数据速率和最小化发射功率的仿真结果。

图9给出了系统要求的目标比特错误率为10^-5的前提下，确保可靠性的多目标绿色认知无线电系统同时考虑最大化数据速率和最小化发射功率的仿真结果。

图10为绿色认知无线电网络。

具体实施方式

下面结合附图举例对本发明作进一步描述。

结合图1，主要包括以下步骤：

步骤一，建立确保可靠性的多目标绿色认知无线电参数设计模型。把确保可靠性的绿色认知无线电系统的最小化发射功率和最大化数据速率转化为多目标最大值联合优化问题。

确保可靠性的绿色认知无线电参数设计方法遵循多目标搜索过程，由搜索过程决定系统参数。系统参数通过编码与位置一一对应。若x＝(x₁,x₂,...,x_L)为一个位置，其中L为量子粒子搜索空间的最大维标号，y＝(y₁,y₂,...,y_2N)为其对应的确保可靠性的多目标绿色认知无线电系统参数，y_d(1≤d≤N)代表第d个子载波的发射功率，y_N+d(1≤d≤N)代表第d个子载波的调制阶数，建立此问题对应的最大值优化的多目标适应度函数为F(y)＝[f₁(y),f₂(y)]，N为系统的子载波数，两个单目标适应度函数分别为

式中p_max代表最大发射功率，BER_d是第d个子载波的比特错误率，是第d个子载波发射功率和调制阶数的函数，BER_tar是用户的目标比特错误率；DR_d是第d个子载波的数据速率，是第d个子载波调制阶数y_N+d(1≤d≤N)的函数；β是一个[0,1]之间的常数；函数可以定义为其中σ和η是两个常数，将其设置为σ＝1.65,η＝-0.9。这种参数设置使得当时，函数趋近于0，当时，函数趋近于1。函数取值随着的增加而显著增加，当值趋近于或超过α时，函数取值随着的增加而缓慢增加并接近1，因此函数起到了惩罚因子的作用，当用户的比特错误率达到目标值时，的值接近于1。此设计方法使得适应度函数值越大，确保可靠性的多目标绿色认知无线电系统的综合性能越优，由此可以看出，所设计的确保可靠性的多目标绿色认知无线电系统参数设计模型能在保证小于系统要求的目标比特错误率的前提下同时实现最小化发射功率和最大化数据速率。

步骤二，确定量子多目标多种群共生进化搜索机制中量子粒子群的种群规模为3K，将其划分为3个量子粒子子群，每个子群中有K个量子粒子。初始化第i个量子粒子的量子速度的所有量子位为量子比特的取值区间为[0,1]之间。初始化第i个量子粒子的位置其中j＝1,2,...,L，1≤i≤3K，其对应的绿色认知无线电的系统参数为当1≤i≤K时，和分别代表第1个量子粒子子群的第i个量子粒子的量子速度和位置，第1个子群的第i个量子粒子至今为止根据第1个适应度函数所搜索到的局部最优位置为当K+1≤i≤2K时，和分别代表第2个量子粒子子群中第i个量子粒子的量子速度和位置，第2个子群的第i个量子粒子至今为止根据第2个适应度函数所搜索到的局部最优位置为当2K+1≤i≤3K时，和分别代表第3个量子粒子子群的量子粒子的量子速度和位置。初始时，设迭代次数t＝0，第1个和第2个子群中每个量子粒子的初始局部最优位置应设置为其相应的初始位置，即(1≤i≤2K)。

步骤三，对每个子群中的所有量子粒子的位置，将其映射为确保可靠性的多目标绿色认知无线电的系统参数，进行适应度计算，根据其值可评价其所找到位置的优劣。

1.第1个量子粒子子群的第i(1≤i≤K)个量子粒子根据第1个适应度函数计算适应度值，获得第1个量子粒子子群的全局最优位置为第2个量子粒子子群的第i(K+1≤i≤2K)个量子粒子根据第2个适应度函数计算适应度值，获得第2个量子粒子子群的全局最优位置3个子群中的所有量子粒子的位置根据其适应度值进行非支配位置排序和拥挤度计算，初始化精英位置集。

当求解两个目标的最大值联合优化问题时，对于位置x_i和x_k，f_z(y_i)≥f_z(y_k),(z＝1,2)对所有的z都成立，且至少有一个严格不等式成立，则称x_i支配x_k，x_i为非支配位置。若f_z(y_i)≤f_z(y_k),(z＝1,2)对所有的z都成立，且至少有一个严格不等式成立，则称x_k支配x_i，x_k为非支配位置。否则，位置x_i、x_k无任何支配关系。

对于确定位置等级集合中每个位置p，计算支配位置p的位置数目n_p以及位置p所支配的位置集合S_p。如果n_p＝0，这意味着没有位置支配p，则说明位置p的非支配等级为1。对于每个n_p＝0的位置p，遍历S_p中的每个位置q，并且S_p中支配q的位置数目设为n_q，若n_q＝0，则将位置q放在集合Q_q中，这些位置的非支配等级为2。利用上述过程对Q_q中的每个位置重复，便可以得到非支配等级为3的位置集合。重复此过程直至得到所有位置的非支配等级。

对于非支配等级相同的位置，其中的n个位置根据适应度函数f_z的值由小到大进行排序，适应度函数值最小的和最大的所对应的位置的拥挤度值设为I_z(1)_distance＝I_z(n)_distance＝∞。其它位置的拥挤度为相邻两个位置的适应度函数值的差除以最大适应度函数值和最小适应度函数值的差，即b＝2,3,...,n-1。对每个位置的每个适应度函数f_z(z＝1,2)所对应的拥挤度都进行上述计算，最终的位置拥挤度值就是计算出的2个位置拥挤度分量的和。

由上述计算过程可知，为确保得到均匀的Pareto前端位置集，要向非支配等级为1且位置拥挤度值较大的位置演进，所以根据非支配位置排序和位置拥挤度的值对精英位置进行排序。

对非支配等级相同的位置按拥挤度由大到小进行排序，选择非支配等级为1的位置加入精英位置集EliteSetQMMSSE中，精英位置集中所含最大位置数设置为Elite。

步骤四，更新3个子群中量子粒子的量子速度和位置。

第1个量子粒子子群和第2个量子粒子子群使用单目标量子粒子群搜索方法。

1.更新第1个子群和第2个子群中每个量子粒子的量子速度和位置。第1个子群的第i个量子粒子的量子旋转角为1≤i≤K，c₁和c₂分别是[0,1]之间的常数，分别代表子群中至今所找到的局部最优位置和全局最优位置对量子旋转角更新过程的影响程度。第2个子群的第i个量子粒子的量子旋转角为K+1≤i≤2K，j＝1,2,...,L。第i个量子粒子的量子速度的第j维量子位在第t+1次迭代过程中的更新方式如下：其中1≤i≤2K，j＝1,2,...,L；c₃为[0,1/L]之间的常数，代表量子位的变异概率；为[0,1]之间均匀分布的随机数；量子粒子的位置通过对量子速度的测量得到，即其中1≤i≤2K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数。

2.采用多目标量子粒子群搜索机制的演进规则对子群3中的量子粒子进行演化，产生新的量子速度和位置。

第i个量子粒子的第j个量子旋转角的更新方式为其中，2K+1≤i≤3K，j＝1,2,...,L；c₄和c₅为常数，决定了子群3的局部最优位置和子群3的全局最优位置对量子旋转角更新过程的影响程度；代表子群3的局部最优位置，其是在精英位置集EliteSetQMMSSE的前50％优秀位置中随机选取；代表子群3的全局最优位置，其是在精英位置集EliteSetQMMSSE的前20％优秀位置中随机选取。第i个量子粒子的量子速度的第j维量子位的更新方式为 为均匀分布在[0,1]之间的随机数；c₆是量子旋转角为0的量子位的翻转概率。量子粒子的位置可以通过对量子速度的测量得到，即其中2K+1≤i≤3K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数。

步骤五，将所有子群中每个量子粒子的新位置，映射成为确保可靠性的多目标绿色认知无线电的系统参数，并计算适应度值。

更新子群1和子群2中量子粒子的局部最优位置，并分别更新两个子群的全局最优位置。

对所有子群中3K个量子粒子的位置根据其适应度值进行非支配位置排序和位置拥挤度计算。对非支配等级相同的位置按拥挤度由大到小进行排序，选择非支配等级为1的位置加入精英位置集EliteSetQMMSSE中。

步骤六，如果精英位置集EliteSetQMMSSE的位置个数大于Elite，则对精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和位置拥挤度计算，并对非支配等级相同的位置进行位置拥挤度由大到小进行排序。从中选择前Elite个位置作为新的精英位置集EliteSetQMMSSE。

步骤七，如果没有达到最大迭代代数，设t＝t+1，返回步骤四继续迭代；否则，迭代终止，执行下一步。

步骤八，将得到的精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和拥挤度计算，选择非支配等级为1且满足拥挤度要求的位置作为最终的Pareto前端位置集。

步骤九，根据确保可靠性的多目标绿色认知无线电系统要求，从最终的Pareto前端位置集中选出位置并映射得到所需要的确保可靠性的多目标绿色认知无线电的系统参数。

以图10的绿色认知无线电网络参数设计为例，其它情况可以依此类推，其中，无线信道优化方法模块使用量子多目标多种群共生进化方法对无线信道和环境进行建模，认知无线系统中的量子多目标多种群共生进化方法模块利用多目标多种群共生进化方法生成新的波形，认知系统监控模块包含有知识库，其中的长期知识是通过确保可靠性多目标绿色认知无线电参数设计技术曾经处理过的各种信道及相应的无线系统。量子多目标多种群共生进化方法模块初始化参数，短期知识则是从长期知识库中搜索出的与当前信道比较相近的案例。为了避免在相同的信道条件下，多次执行量子多目标多种群共生进化方法进行优化处理，在认知系统监控模块中实现了基于案例的决策器，即如果知识库中存在相同的案例则直接应用以前优化的结果，否则就执行优化过程。同时，认知系统监控模块能够提供并行分布式操作，具有学习分类器以及交替量子多目标多种群共生进化方法功能，可以利用存储在知识库中的长期知识来综合匹配信道，也可以根据应用需求对短期知识进行操作。

该确保可靠性的多目标绿色认知无线电参数设计方法可以对波形的相关参数进行调整，满足误比特错误率(BER)、信号带宽、频谱效率、功率、数据速率和干扰等多个指标的要求。选择要考虑的目标函数的形式(本文选最小化发射功率、最小化比特错误率和最大化数据速率)，运用本发明所提出多目标多种群共生进化方法，求解确保可靠性的多目标绿色认知无线电参数设计的最优位置集，即Pareto前端位置集。确保可靠性的多目标绿色认知无线电系统根据认知通信系统对最小化发射功率、最小化比特错误率和最大化数据速率的要求，从确保可靠性的多目标绿色认知无线电参数设计的Pareto前端位置集中选取合适系统参数，确定方案，完成确保可靠性的多目标绿色认知无线电系统参数设计过程。

Claims (5)

1.一种多目标绿色认知无线电系统参数生成方法，其特征是：

步骤一，建立多目标绿色认知无线电参数模型；

步骤二，确定量子多目标多种群共生进化搜索机制中量子粒子群的种群规模，初始化量子粒子群的量子粒子的量子速度和位置，每个位置对应着一种参数调整方法，并将其划分为3个量子粒子子群，初始化第1个子群和第2个子群的局部最优位置；

步骤三，对每个子群中的所有量子粒子的位置进行适应度评价，初始化量子粒子群的精英位置集；

步骤四，更新3个子群中量子粒子的量子速度和位置；

步骤五，对量子多目标多种群共生进化中量子粒子群中的所有量子粒子的位置根据其适应度值进行非支配位置排序和位置拥挤度的计算；

步骤六，如果精英位置集EliteSetQMMSSE的位置个数大于Elite，则对精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和位置拥挤度计算，并对非支配等级相同的位置进行位置拥挤度由大到小进行排序，从中选择前Elite个位置作为新的精英位置集EliteSetQMMSSE；

步骤七，如果没有达到最大迭代代数，设t＝t+1，返回步骤四继续迭代；否则，迭代终止，执行下一步；

步骤八，将得到的精英位置集EliteSetQMMSSE中的位置进行非支配位置排序和拥挤度计算，选择非支配等级为1且满足拥挤度要求的位置作为最终的Pareto前端位置集；

步骤九，从最终的Pareto前端位置集中选出位置并映射得到所需要的确保可靠性的多目标绿色认知无线电的系统参数。

2.根据权利要求1所述的多目标绿色认知无线电系统参数生成方法，其特征是步骤一具体包括：多目标绿色认知无线电系统参数通过编码与位置一一对应，若x＝(x₁,x₂,...,x_L)为一个位置，其中L为量子粒子搜索空间的最大维标号，y＝(y₁,y₂,...,y_2N)为其对应的确保可靠性的多目标绿色认知无线电系统参数，y_d代表第d个子载波的发射功率，y_N+d代表第d个子载波的调制阶数，1≤d≤N，最大值优化的多目标适应度函数为F(y)＝[f₁(y),f₂(y)]，N为系统的子载波数，两个单目标适应度函数分别为 式中p_max代表最大发射功率，BER_d是第d个子载波的比特错误率、是第d个子载波发射功率和调制阶数的函数，BER_tar是用户的目标比特错误率，DR_d是第d个子载波的数据速率、是第d个子载波调制阶数y_N+d的函数；β是一个[0,1]之间的常数；函数定义为其中σ和η是两个常数，将其设置为σ＝1.65,η＝-0.9，这种参数设置使得当时，函数趋近于0，当时，函数趋近于1，函数取值随着的增加而增加，当值趋近于或超过α时，函数取值随着的增加而增加并接近1，函数起到了惩罚因子的作用，当用户的比特错误率达到目标值时，的值接近于1。

3.根据权利要求2所述的多目标绿色认知无线电系统参数生成方法，其特征是步骤二具体包括：确定量子多目标多种群共生进化搜索机制中量子粒子群的种群规模为3K，将其划分为3个量子粒子子群，每个子群中有K个量子粒子，初始化第i个量子粒子的量子速度的所有量子位为量子比特的取值区间为[0,1]之间，初始化第i个量子粒子的位置 其中j＝1,2,...,L，1≤i≤3K，其对应的绿色认知无线电的系统参数为，当1≤i≤K时，和分别代表第1个量子粒子子群的第i个量子粒子的量子速度和位置，第1个子群的第i个量子粒子至今为止根据第1个适应度函数所搜索到的局部最优位置为当K+1≤i≤2K时，和分别代表第2个量子粒子子群中第i个量子粒子的量子速度和位置，第2个子群的第i个量子粒子至今为止根据第2个适应度函数所搜索到的局部最优位置为当2K+1≤i≤3K时，和分别代表第3个量子粒子子群的量子粒子的量子速度和位置，初始时，设迭代次数t＝0，第1个和第2个子群中每个量子粒子的初始局部最优位置应设置为其相应的初始位置，即

4.根据权利要求3所述的多目标绿色认知无线电系统参数生成方法，其特征是步骤三具体包括：

第1个量子粒子子群的第i个量子粒子根据第1个适应度函数计算适应度值，获得第1个量子粒子子群的全局最优位置为第2个量子粒子子群的第i个量子粒子根据第2个适应度函数计算适应度值，获得第2个量子粒子子群的全局最优位置3个子群中的所有量子粒子的位置根据其适应度值进行非支配位置排序和拥挤度计算，初始化精英位置集；

对于位置x_i和x_k，f_z(y_i)≥f_z(y_k),z＝1,2对所有的z都成立，且至少有一个严格不等式成立，则称x_i支配x_k，x_i为非支配位置，若f_z(y_i)≤f_z(y_k),z＝1,2对所有的z都成立，且至少有一个严格不等式成立，则称x_k支配x_i，x_k为非支配位置，否则，位置x_i、x_k无任何支配关系；

对于确定位置等级集合中每个位置p，计算支配位置p的位置数目n_p以及位置p所支配的位置集合S_p，如果n_p＝0，意味着没有位置支配p，说明位置p的非支配等级为1；对于每个n_p＝0的位置p，遍历S_p中的每个位置q，并且S_p中支配q的位置数目设为n_q，若n_q＝0，则将位置q放在集合Q_q中，这些位置的非支配等级为2；用上述过程对Q_q中的每个位置重复，得到非支配等级为3的位置集合，重复此过程直至得到所有位置的非支配等级；

对于非支配等级相同的位置，其中的n个位置根据适应度函数f_z的值由小到大进行排序，适应度函数值最小的f_z ^min(1)和最大的f_z ^max(n)所对应的位置的拥挤度值设为I_z(1)_distance＝I_z(n)_distance＝∞，其它位置的拥挤度为相邻两个位置的适应度函数值的差除以最大适应度函数值和最小适应度函数值的差，即b＝2,3,...,n-1，对每个位置的每个适应度函数f_z所对应的拥挤度都进行上述计算，最终的位置拥挤度值就是计算出的2个位置拥挤度分量的和。

5.根据权利要求4所述的多目标绿色认知无线电系统参数生成方法，其特征是步骤四具体包括：更新3个子群中量子粒子的量子速度和位置，第1个量子粒子子群和第2个量子粒子子群使用单目标量子粒子群搜索方法；

(1)更新第1个子群和第2个子群中每个量子粒子的量子速度和位置，第1个子群的第i个量子粒子的量子旋转角为1≤i≤K，c₁和c₂分别是[0,1]之间的常数，分别代表子群中至今所找到的局部最优位置和全局最优位置对量子旋转角更新过程的影响程度；第2个子群的第i个量子粒子的量子旋转角为K+1≤i≤2K，j＝1,2,...,L；第i个量子粒子的量子速度的第j维量子位在第t+1次迭代过程中的更新方式如下：其中1≤i≤2K，j＝1,2,...,L；c₃为[0,1/L]之间的常数，代表量子位的变异概率；为[0,1]之间均匀分布的随机数；量子粒子的位置通过对量子速度的测量得到，即其中1≤i≤2K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数；

(2)采用多目标量子粒子群搜索机制的演进规则对子群3中的量子粒子进行演化，产生新的量子速度和位置；

第i个量子粒子的第j个量子旋转角的更新方式为其中，2K+1≤i≤3K，j＝1,2,...,L；c₄和c₅为常数，决定了子群3的局部最优位置和子群3的全局最优位置对量子旋转角更新过程的影响程度；代表子群3的局部最优位置，其是在精英位置集EliteSetQMMSSE的前50％优秀位置中随机选取；代表子群3的全局最优位置，其是在精英位置集EliteSetQMMSSE的前20％优秀位置中随机选取；第i个量子粒子的量子速度的第j维量子位的更新方式为 为均匀分布在[0,1]之间的随机数；c₆是量子旋转角为0的量子位的翻转概率；量子粒子的位置通过对量子速度的测量得到，即其中2K+1≤i≤3K，j＝1,2,...,L，为[0,1]之间均匀分布的随机数。