基于多目标遗传算法的认知无线电频谱分配
基于遗传算法的认知无线电网络共同信道和功率最优分配_刘超
0
引
言
效地控制才能确保结点对频谱授权用户的功率干扰 保持在可容忍的门限值范围之内， 从而保护授权用 户通信的服务质量。因此有必要对认知无线电网络 的信道分配和功率控制问题进行研究， 从而有效地 提升网络可靠性和整体性能。
在认知无线电网络中， 一方面网络中结点必须 不断感知频谱的空闲后才能分配信道进行通信 ， 另 一方面网络中的结点同时也必须对发射功率进行有
1019 ； 修回日期： 20111221 收稿日期： 2011200901Z202 ） 、 基金项目： 国家高技术研究发展计划（ 863 计划） （ 2009AA01Z212 ， 国家自然科学基金（ 61003237 ） 和江苏省高校自然科学基金 （ 10KJB510018 ） 资助项目 mail： lys@ ujs． edu． cn； lc96222@ 163． com 通讯作者： 刘 超 电话： 13952816676 E-
)
Abstract： Power control and channel allocation are central issues in the cognitive radio networks． Based on interference power model under imperfect spectrum sensing， an optimal mathematical model for common channel and power allocation is presented in this paper． The model is a mixed integer program and difficult to get a numerical resolution． So， an intelligent optimal allocation approach is proposed to overcome this difficulty． Firstly， using penalty function to simplify the mathematical model， a nonlinear programming function without constrains can be obtained． Then， an optimal allocation approach based on genetic algorithm is presented． The proposed concept is evaluated by a simulation example． The simulation results demonstrate that the proposed algorithm can achieve the jointly optimal allocation for power control and channel resource， reduce the power interference for the primary user， and reach the maximum throughput of cognitive users under imperfect spectrum sensing． Key words： cognitive radio； power control； channel allocation； genetic algorithm
认知无线电中的频谱资源优化分配算法
认知无线电中的频谱资源优化分配算法随着科技的不断发展，无线电通信技术已经成为现代通信领域不可或缺的一部分。
在无线电通信中，频谱资源是最宝贵的资源之一，合理利用频谱资源是无线电通信发展的关键所在。
因此，频谱资源的优化分配算法也就成为了无线电通信领域中一个重要的研究方向。
认知无线电是一种新兴的无线电通信技术，通过实时感知无线电频谱利用情况，发现可用频率，避免与其他频段的干扰，从而实现了对频谱资源的最优化利用。
在认知无线电中，频谱资源优化分配算法的研究与应用具有重要的实际意义和应用价值。
频谱资源的分配算法一般分为静态分配和动态分配两种。
静态分配是指提前确定频率资源分配方案，对网络中频率使用的需求没有及时响应，一旦分配后难以进行调整。
动态分配则是根据实际需求对频率资源进行管理与分配，实现了更快速和更高效的资源分配。
因此，基于认知无线电的频谱资源优化分配算法主要采用动态频谱分配技术。
动态频谱分配技术是指通过实时监测无线电频谱的使用情况，自适应地分配可用的频谱资源。
该技术不仅能够充分利用频谱资源，而且可以在频谱使用状况发生改变时及时进行调整。
因此，动态频谱分配技术其在认知无线电通信中的应用受到了广泛关注。
频谱资源优化分配算法的核心在于如何有效地利用可用的频谱资源。
一般而言，频谱资源分配算法可以分为中心化算法和分布式算法两种。
中心化算法是通过中心节点控制所有的频率资源分配，而分布式算法则是通过各个节点之间的协作实现分配。
分布式算法适用于大规模网络，但是需要设计适合不同应用场景的信令交互机制，中心化算法则适用于小规模网络，但是在实现复杂功能时具有局限性。
总的来看，频谱资源优化分配算法的研究具有重要的理论与实践意义。
但是，在实际应用中，频谱资源优化分配算法的应用仍存在一些问题，如信号传输可靠性、频率干扰等，这些问题需要进一步深入研究与解决。
认知无线电频谱分配技术及其应用分析
华中科技大学毕业论文认知无线电频谱分配技术及其应用分析题目：认知无线电频谱分配技术及其应用研究2010年月日认知无线电频谱分配技术及其应用分析摘要近年来，随着无线通信技术的不断发展，频谱资源的使用日趋频繁，整个无线电频谱空间被划分的所剩无几。
然而，从一些研究结果可以看到，频谱资源的缺乏更多是由于对不同无线接入技术的频谱分配不合理引起的。
认知无线电技术在这样的背景下应运而生，它能够主动检测频谱使用情况，自适应的改变自身通信参数，择机的选择主用户暂不使用的频段进行通信，具有灵活、频谱利用率高等优点。
但是，对频谱的灵活应用要求认知无线电系统能够准确的检测并动态的分配频谱资源，其间还要为主用户的出现实现退避和切换功能，因此，频谱分配问题是认知无线电无线资源管理中的核心问题之一。
目前，对认知无线电中的频谱分配问题研究已较为广泛，出现了基于图论理论等频谱分配问题模型，但是本领域的研究还刚刚开始。
本文首先对CR和频谱分配做简要介绍，主要阐述认知无线电的基本原理、功能，另外，着重介绍了认知无线电中频谱分配技术。
然后，对频谱分配问题模型进行分析和比较，最后介绍CR在频谱分配的应用，并对结论和发展进行简单叙述。
关键词：认知无线电、频谱分配、图论理论Cognitive radio spectrum allocation techniquesAnd Its ApplicationAbstractIn recent years, with the continuous development of wireless communications technology, the increasingly frequent use of spectrum resources, the entire radio spectrum is divided into the little remaining space. However, the results can be seen from some of the spectrum is due to lack of resources more different wireless access technologies due to spectrum allocation is unreasonable. Cognitive radio technology emerged in this context, it can take the initiative to detect spectrum use, adaptive changes in their own communication parameters, choose the choice of the main users of the band temporarily used to communicate with a flexible, high spectral efficiency advantages .However, application requirements and flexible spectrum of cognitive radio system can accurately detect and dynamic allocation of spectrum resources, during which even the appearance of the user to achieve the main retreat and switching functions, therefore, the spectrum allocation problem is the radio resource management in cognitive radio One of the core issues. Currently, cognitive radio spectrum allocation in the wider Wen Ti research has emerged based on graph theory problem of spectrum allocation model, However, we welcome in the field of research has just Kaishi.This article first CR and a brief description of spectrum allocation, mainly elaborated the basic principles of cognitive radio functions, also highlights the spectrum allocation in cognitive radio technology. Then, on the issue of spectrum allocation model analysis and comparison, and finally introduces the application of CR in the spectrum allocation, and the conclusions and the development of a simple narrative.Keywords: cognitive radio, spectrum allocation, based on graph theory目录摘要 (2)Abstract (3)第一章CR现状及频谱分配的研究现状 (5)1.1CR的现状 (5)1.2 频谱分配的现状 (6)第二章CR基本原理和频谱分配技术分析介绍 (8)2.1认知无线电的基本概念 (8)2.2认知无线电频谱分配原理 (9)2.3 频谱分配的特点 (11)第三章CR频谱分配方案分析及比较 (15)3.1认知无线电频谱分配问题模型介绍 (15)3.2 基于图论着色模型的现有算法 (19)3.3 频谱分配算法的比较 (26)第四章CR频谱分配的应用 (28)4.1 应用场景 (28)4.2 CR典型应用 (29)第5章结论与展望 (34)致谢 (35)参考文献 (36)第一章CR现状及频谱分配的研究现状在当今的这个社会快速发展的信息时代，随着无线通信技术的快速发展及无线业务的逐渐扩展，可用的频谱资源越来越少。
基于认知无线电的频谱分配算法研究
基于认知无线电的频谱分配算法研究频谱是无线通信中宝贵的资源，为了更高效地利用频谱资源，科学家们开发了一种新型的无线通信技术——认知无线电。
基于认知无线电的频谱分配算法研究就是针对认知无线电技术的特点和需求，进行频谱分配的算法研究，以提高频谱资源的利用效率。
认知无线电（Cognitive Radio，CR）是指具备智能感知和自主决策能力的无线通信系统。
与传统无线通信系统相比，认知无线电系统能够感知周围的频谱环境，根据感知结果进行自主切换和频谱分配，从而更好地适应不同的通信需求，在提高频谱利用率的同时减少干扰，提高通信质量。
基于认知无线电的频谱分配算法研究旨在根据信道状态和用户需求，实现根据需求时分配频谱资源的智能化。
其关键技术包括频谱感知、信道状态评估、频谱分配决策等。
下面将分别对这些关键技术进行详细介绍。
首先，频谱感知是认知无线电中的核心技术之一。
感知技术主要通过收集和分析周围频谱环境的信息，包括未使用的频谱资源、已使用频谱的占用情况以及其他无线设备的活动情况等。
通过感知技术，认知无线电可以准确了解当前的频谱状态，为后续的频谱分配决策提供参考。
其次，信道状态评估是根据感知结果对频谱通道的可用性进行评估的过程。
通过对信道的传输质量、干扰以及其他无线设备的活动情况等进行分析，认知无线电可以判断频谱通道的可行性和可靠性。
这些评估结果将作为频谱分配决策的依据，以确保分配的频谱能够满足用户的通信需求。
最后，频谱分配决策是通过基于感知结果和信道状态评估结果，智能地分配频谱资源给用户的过程。
在决策过程中，认知无线电可以考虑用户的通信需求、优先级以及频谱资源的利用程度等因素，以达到公平、高效的频谱分配。
通过智能化的频谱分配决策，认知无线电可以实时地对频谱资源进行优化配置，从而满足不同用户的通信需求。
基于认知无线电的频谱分配算法研究在无线通信领域有着广泛的应用前景。
它不仅可以提高频谱资源的利用效率，还可以提升通信系统的可靠性和效果。
基于认知无线电的频谱感知与分配优化
基于认知无线电的频谱感知与分配优化概述近年来，随着无线通信领域的快速发展，频谱资源日益紧张。
为了有效利用有限的频谱资源，并满足不断增长的无线通信需求，认知无线电技术应运而生。
基于认知无线电的频谱感知与分配优化，成为了解决频谱利用效率问题的关键研究方向。
本文将深入探讨基于认知无线电的频谱感知与分配优化的相关内容。
1. 认知无线电的概念及原理认知无线电是一种具有智能化感知和机动性的无线通信技术，它通过感知和分析当前的频谱使用情况，实现对频谱资源的动态分配和优化。
其核心原理是通过信号感知、信号识别和频谱分配等技术手段，使终端设备能够实时地感知和判断频谱资源的利用情况，并根据需求进行智能化的调度与分配。
2. 认知无线电的频谱感知技术频谱感知是认知无线电的关键技术之一，它能够使设备能够感知到当前周围的频谱环境，并对频谱进行实时监测和评估。
目前，常用的频谱感知技术包括能量检测、周期检测、协方差检测等方法。
这些方法通过对接收信号的功率、周期和相关性进行检测和分析，得出频谱使用情况的信息。
3. 认知无线电的频谱分配优化技术频谱分配优化是认知无线电的核心任务之一，它是为了实现频谱资源的更加合理、高效地利用而进行的。
在频谱分配优化中，需要考虑到设备之间的协调与共享，以及用户的优先级和服务质量需求。
常用的频谱分配优化方法包括基于博弈论的频谱分配模型、基于机器学习的频谱分配算法等。
这些方法能够根据不同的需求和约束条件，实现对频谱资源的智能化分配和优化。
4. 认知无线电在相关领域的应用认知无线电技术在无线通信领域具有广泛的应用前景。
它可以用于提高无线通信系统的频谱利用效率，提升网络的整体性能。
同时，认知无线电也可以应用于无线电频谱管理、无线电频谱监测等领域。
此外，认知无线电技术还可以为智能交通、军事通信等领域带来新的解决方案和创新。
5. 认知无线电面临的挑战与展望虽然认知无线电技术的发展前景非常广阔，但仍然面临一些挑战。
认知无线Mesh网络中一种有效的多目标优化频谱分配算法
认知无线Mesh网络中一种有效的多目标优化频谱分配算法邝祝芳;陈志刚【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2013(044)006【摘要】Aiming at the optimization problem of maximizing the sum of bandwidth of spectrum resource and minimizing the number of used spectrum resource in cognitive wireless networks,a multi-object optimization spectrum allocation algorithm based on particles swarm optimization algorithm (PSOSA) was proposed.The PSOSA not only takes the difference of different spectrum into account,but also redefines the particle of the PSO and the operation of particle.Simulation results show that our algorithm not only maximizes the sum of bandwidth of spectrum resource,but also minimizes the number of used spectrum resource.%研究认知无线Mesh网络中多目标优化的频谱分配问题,即最大化总带宽和最小化占用频谱数.利用粒子群优化算法(particle swarm optimization algorithm,PSO)在多目标优化方面的优势,提出基于PSO的多目标优化频谱分配算法PSOSA.PSOSA 算法不仅考虑频谱之间的差异,而且重新定义PSO的粒子及粒子的3种运算规则.仿真结果表明:PSOSA算法能在最大化总带宽的同时,最小化频谱占用数.【总页数】8页(P2346-2353)【作者】邝祝芳;陈志刚【作者单位】中南林业科技大学计算机与信息工程学院,湖南长沙,410004;中南大学信息科学与工程学院,湖南长沙,410083;中南大学信息科学与工程学院,湖南长沙,410083【正文语种】中文【中图分类】TP393【相关文献】1.改进智能算法的认知无线 Mesh 网络优化频谱分配算法 [J], 常远;谢红;解武2.无线认知网络中一种分布式最大频谱分配算法 [J], 胡罡;刘丽霞;李宏建;徐明3.认知无线网络中一种基于蚁群优化的频谱分配算法 [J], 杨淼;安建平4.自适应的认知无线Mesh网络QoS约束的路由与频谱分配算法 [J], 邝祝芳;陈志刚;邓晓衡5.认知Mesh网络中基于免疫多目标优化的频谱分配 [J], 李亚伦;杨亚楠;柴争义因版权原因，仅展示原文概要，查看原文内容请购买。
改进遗传算法的认知无线电频谱分配
改进遗传算法的认知无线电频谱分配
杨铁军;林培培
【期刊名称】《计算机仿真》
【年(卷),期】2014(31)2
【摘要】认知无线系统中,频谱分配技术是决定能否充分高效利用有限频谱的关键,频谱分配的关键在于寻找最大化系统效益的最优解.针对传统自适应遗传算法易陷
入局部最优解、计算量较大的问题,首先引入混合自适应的思想,根据种群的进化代数,判断采用固定交叉变异概率还是自适应交叉变异概率,解决了局部最优解的问题；然后引入黄金分割率的思想,计算自适应交叉和变异概率,解决运算时间长的问题,最后针对系统效益、时间开销等性能指标进行了仿真.仿真结果表明,改进算法可以快
速准确地寻找到最佳自适应点,提高搜索效率,取得了较好的系统效益.
【总页数】5页(P250-254)
【作者】杨铁军;林培培
【作者单位】河南工业大学信息科学与工程学院,河南郑州450001;河南工业大学
信息科学与工程学院,河南郑州450001
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于多目标混合遗传算法认知无线电频谱分配 [J], 刘蕊蕊
2.基于多目标遗传算法的认知无线电频谱分配 [J], 姚再英;黄玉清
3.基于改进人工蜂群算法的认知无线电频谱分配 [J], 马劲松
4.基于改进蚁群算法的认知无线电频谱分配的策略研究 [J], 赵显煜;王俊;邢新华
5.改进鲸鱼算法在认知无线电频谱分配中的应用 [J], 徐航;张达敏;王依柔;宋婷婷因版权原因，仅展示原文概要，查看原文内容请购买。
认知无线电多目标优化算法研究
其 ￣Ｍｉ 各 子载波 的调 制方式 的符 号数 ， …代 表最 大符号数 。 Ｊ Ｊ ＇ ３ 最 小化误 比特率 ： ）
．
ｆｉ ｈＵＦ － ｌｌ ｌ ｌ ｌ
—
是平 均误 比特 率 ，当调制 方式 为ＭＱＡＭ时 ，
可 以 由式（） 到 ： ４得
（ ￣ｌＭ＿ １ ／ｇ ） ｏ ＿ ３ ２ Ｐ （ ） ｘ ｏ
电的传 输参数 动态 调整分 成３ 个步骤 ，先 初始 选择一 组传输 参数 ，再 调节传 输 能量 ，最后 调节编码 率 ，这
种 局部调 节参 数 只 能获 得 次优 的性 能 ；文 献 ＩＩ 使 用 “ ＡＲＰ ｏｉ ａ Ｒ ａ ｅ ３先 Ｄ Ａ ＸＧ Ｐ ｌｙ Ｌ ｎ ｕ Ｒ ”表 示 出无线 电规 ｃ 则 、频谱 使用情况 以及用 户需 求 ，然后在 这个基 础上进行 推理 ，得到一 组优 化 的无 线 电参数 。但 频谱环 境 非常复杂 ，难 以确定 出一套能够 适应频谱 环境不 断变化 的推理规 则。 美国Ｖ ｒ ｉｉ大学无 线 电通讯 技术 中心 提 出了一种基 于遗传 算法 ｒ ） ｉ ｎａ Ｒ ＧＡ 的ＣＲ 型—— Ｂ０Ｃ 模 ｉ ＲＨ 一 Ｊ ，它利 用 了ＧＡ多维度并 行计 算 以求 最优 解 的 能力 ，并 使用 线性加 权方 法将此 多 目标优 化 问题 简化 为一个单 目标 优 化 问题 。但Ｂ ｏＣＲ 在 着 很 难 确 定 每 个适 应 度 函数 的权值 和 容 易 漏 掉 一些 最 优 解 的 问题 。本文 提 出基 ｉ— 存 于ＤＮ 计算 的非支 配排 序多 目标遗传 算 法（ ＮＡ ＧＡ 来对认 知无 线 电的传 输参 数进 行优化 ，该算法通 过非 Ａ Ｄ — ） 支配排序 计算个 体适应 度 ，结合 克隆操作 使算法 收敛于全 局最优 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋｅ ｒ ｓ Ｃ ｇ ｉｖ ｄ ； ｐ ｃ ｕ ｌ ｃｔ ｎ Ｍｕｔｏｊｃ ｖ ｅ ｅ ｃａｇｒｈ ｙｗｏ ｄ ： ｏｎｔ ｅｒ ｉ Ｓ ｅｔ ｍ ａｌ ａｉ ； ｌ—ｂｅｔ ｅｇｎｔ ｌ ｉ ｍ ｉ ａｏ ｒ ｏ ｏ ｉ ｉ ｉ ｏｔ
随着无线 电业务 的增加 ， 无线频 谱资 源越 来 越 紧缺 ， 现 有 频谱 管 理 机构 主 要 采用 固定 分 配 频谱 的方 而 法， 将无 线频谱 分配 给不 同的无 线通 信系统 ， 导致整 体 的频 谱利用 率相 对较低 。认知无 线 电的提 出正是为 了 解 决频谱 紧缺 ， 频谱分 配方式 更为灵 活和高 效 。 使 在认 知无线 电系统 中 ， 无线 终端具 备认知 能力 ， 过感 知周 围的频谱 使 用情 况 ， 测主 用户 是 否释 放频 通 检 谱 ， 能地 调 整 接 入 的频 谱 范 围 ， 不 对 主 用 户 系 统 产 生 不 可 忍 受 干 扰 的 前 提 下 ， 用 空 闲 的 频 谱 资 智 在 使
配， 并与颜 色敏感图论着色算法 （ Ｓ Ｃ 进行 了比较 。通过仿真验证 了该算法在认知无线电网络 中进行频谱分配的 ＣＧ ）
可 行性 ， 性 能优 于 Ｃ Ｇ 且 Ｓ Ｃ算 法 。
关键词： 知无线电 认
中 图分 类 号 ：Ｎ ２ Ｔ ９
频谱分配
多 目标遗传算法
文章 编 号 ：６ １ ８ ５ （００ ０ ｏ ８ ｏ １７ — ７５ ２ １ ）４一 ｏ ２一 ５
文 献 标 志码 ： Ａ
Ｃｏ ｎ ｔｖ ｄ ｏ Ｓｐ ｃ ｒ ｍ ｌ ｃ ｔｏ ｓ ｄ ｏ ｇ ｉｉｅ Ｒａ ｉ ｅ ｔ ｕ Ａｌｏ ａ ｉ ｎ Ｂａ ｅ ｎ
Ｍｕｔ ｏ ｊｃｉｅＧｅ ｅ ｃＡｌｏｉ ｍ ｌ ・ｂｅｔ ｎ ｔ ｇ ｒｔ ｊ ｖ ｉ ｈ
ＹＡＯ ａ — ｉ ｇ，ＨＵＡＮＧ — ｉ ｇ Ｚ ｉｙ ｎ Ｙｕ ｑ ｎ
ｈ ｅｔ ｅ ｒ ｅｅ ｔ ｄｔ ｏｔａｒ ｓ ｓｏｊｃ ｖ ｃ ｏ ，ｕｉｚ ｒ ｏ ｒ ｅ ｎ ｔｅｂ ｓ ｎｔｏｋｂｎ ｆ ｎ ｅｍ ｓ ｆｉ ｅｓ ｌ ｅ ｔ ｗ ｉａ ｈ ｎ ｉ ｕ ｉ ｌｅ ｐ ｏ ｎ ｏ ｍｐ ｍ
ｓ ｅ ｔｕ ａｌｃ ｔｏ ｐ ｃｒ ｍ ｌｏ ａｉｎ．Ｔｈ ｏ ｇ ｏ ａ ｎ ｉ ｌｏ ｉ ｍ ｔ ＧＣ，ｔ ｉ ａ ｒｇ ｔ ｅ ｕ ｔｔ ａ ｅ ｅｉ ｌ ｒ ｕ ｈ ｃ ｍｐ ｒ ｇ ｔ ｓａ ｇ ｒｔ ｗｉ ＣＳ ｉ ｈ ｈ ｈ ｈ ｓｐ ｐｅ ｅｓａ ｒ ｓ ｌ ｈ ｔｇ ｎ ｔｃ ａ— ｇ ｒｔ ｍ ａ ｅ ｕ ｅ ｎ ｓ ｅ ｔｕｍ Ｈｏ ａ ｏ ｎ ｃ ｇ ｉｉｅ ｎ ｔ ｒ ｎ ｉ ｌ ｏ ｔ ｍ ｓ ｆ ａ ｉ ｌ ｎｄ ｂ ｔｅ ｏｉ ｈ ｃ ｎ ｂ ｓ ｄ ｉ ｐ ｃｒ ａ ｃ ｆ ｎ ｉ ｏ ｎ ｔｖ ｅｗｏ ｋ ａ ｄ ｔ ｓ ａｇ ｒｈ ｉ ｈ ｉ ｉ ｅ ｓｂ ｅ ａ ｅｔｒ
源 ［ ｚ。 Ｉ ｊ认真无 线 电系统通过设 计认 知引 擎 对无线 环境 进行 学 习 ， 到 智 能调 整参 数 的 目的 。认 知 引擎 的 － 达
设 计 目前 已有一定 的成果 ， 如文献 ［ ］ ３ 中提出基 于支持 向量机 的认 知 引擎设 计 。在频 谱分 配方 面 ， 于 不 同 基 的频谱分 配模型 ， 出了解 决认知 无 线 电频谱 分 配 问题 的诸 多算 法 。文 献 ［ ］ 博 弈论 频谱 分 配模 型下 提 提 ４在 出了一种改 进 的频 谱分配算 法 ， 过选择 最佳 带宽定 价来获得 最大 系统 效益 ； 通 文献 ［ ］ 干扰 温度 频谱 分配 ５在 模 型下提 出了一种 改进 的频 谱分配 算法 ； 文献 ［ ］ 图论 着 色 频谱 分 配模 型 下提 出 了基 于量 子遗 传算 法 的 ６在
Ａ ｓ ａｔ ｐｃ ｕ ｓ ｈ ｒ ｇｉ ｔｅｋｙｔ ｈ ｏｏｙｏ ｇｉｖ ａｉ．Ｔ ｉ ｐ ｐｒ ａｅ ｎｍ ｌ—ｂ ｅ ｂ ｔ ｃ：Ｓｅ ｔ ｍ ’ｓａｉ ｅ ｃｎ ｌ ｆ ｏｎｔ ｅｒｄｏ ｈｓ ａ ｅ ｓｄｏ ｕｔｏｊ — ｒ ｒ ｎ ｓｈ ｅ ｇ ｃ ｉ ｂ ｉ ｅ
ｔｖ ｅ ｅ ｉ ｌｏｉ ｍ ｏ ｇ ｔｉ ｌ ｐ ｃ ｒ ｍ ｙ ａ ｃ ｌｙ ａｌ ｃ ｔ ｍｏ ｇ ｔ ｅ ｓ ｃ ｎ ｓ ｒ ．Ｔｈ ｓｐ ｐｅ ｓ ｄ ｉｅ ｇ ｎ ｔ ａｇ ｒｔ ｃ ｈ ｔ ｅ ｄ ｅ ｓ ｅ ｔｕ ｄ ｎ ｍｉａｌ ｌ ａｅ ａ ｎ ｈ ｅ ｏ ｄ ｕ ｅｓ ｏ ｉ ａ ｒｕ ｅ
（ ｃｏｌｆＩ ｏｍ ｔ ｎＥ ｇｎｅ ｎ Ｓｕｈ ｅｔ ｎｖ ｓｙｏ Ｓｉ ｃ ｎ ｅ ｎ ｌ ｙ Ｓｈ ｏ ｏ ｎ ｒ ａｉ ｎ ｉ ｒ ｇ， ｏｔｗ ｓ Ｕ ｉ ｒ ｔ ｆ ｃ ｎｅａ ｄＴｃ ｏｏ ， ｆ ｏ ｅｉ ｅ ｉ ｅ ｈ ｇ Ｍｉ ｙ ｎ ２ ０ ０ Ｓ ｈａ ， ｈｎ ） ａ ａ ｇ６ １ １ ， ｉ ｕ ｎ Ｃ ｉａ ｎ ｃ
第２ ５卷
第 ４期
西
南
科
技
大
学
学
报
ＶＯ ． ５ Ｎ ． １２ ｏ ４
Ｄ ｃ２ ０ ｅ ． ０１
２１ ０ ０年 １ ２月
Ｊ ｕ ｎ ｌｏ ｏ ｔ ｗ ｓ Ｕ ｉｅ ｓ ｙ ｏ ｃ ｅ ｃ ｎ ｅ ｈ ｏｏ ｙ ｏ ｒ ａ ｆＳ ｕｈ ｅ ｔ ｎ ｖ ｒｉ ｆＳ ｉ ｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ｔ
基 于多 目标 遗传 算 法 的认 知无 线 电频谱 分 配
姚再英 黄 玉 清
四川绵 阳 ６１１） ２ ００ （ 西南科技大学信息工程学院
摘要 ： 频谱共享技术是认知无线电的关键技术 。基于多 目标遗传算法 ， 将认 知无线 电网络的最大系统效益和次用户
间的最大比例公平作为 目标 函数 ， 运用 图论 着色频谱分 配模型 ， 实现认知无 线 电中空闲频谱在次用 户间的动态分