基于量子遗传算法的认知无线电功率控制研究

论文摘要

当前,随着各种无线通信技术的广泛运用,有限的频谱资源越来越紧张;而另一方面,大量的频谱资源没有被充分利用。为了缓解频谱资源缺乏和频谱资源利用率低的矛盾,各种动态频谱共享的技术应运而生,其中认知无线电技术的发展最引人注目。认知无线电是实现无线频谱资源复用的关键技术,它可显著的提高无线频谱利用率、实现动态频谱接入。本文主要围绕认知无线电技术中的功率控制这一关键技术进行研究,主要工作如下:首先,介绍了认知无线电技术的发展概况及其关键技术,并介绍和分析了博弈论的基本原理和功率控制博弈模型,重点分析了基于非合作博弈论模型下的认知无线电功率控制算法,并在基于代价函数的非合作博弈功率控制的基础上设计了一个新的有效函数,通过仿真分析可以看出,新的博弈模型在效用函数和发射功率方面比原有的博弈模型都有了明显的改善。其次,本文将遗传算法运用到认知无线电功率控制中,遗传算法是一种随机全局搜索算法,它对目标空间进行随机搜索,同时以全局并行搜索方式来搜索优化群体中的最优个体。借助遗传算法较强的搜索能力,搜索出认知用户最适合的发射功率,并同NPGP（Non-cooperative Power Control Game with Pricing,基于代价函数的非合作博弈论功率控制）算法在发射功率、效用函数等方面进行仿真比较。最后,本文将量子遗传算法运用到认知无线电功率控制中,获取各认知用户的发射功率。仿真结果表明,同NPGP算法相比,遗传算法与量子遗传算法在认知用户发射功率及用户效用方面更具有优势。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 认知无线电技术发展概述
• 1.1.1 认知无线电提出的背景
• 1.1.2 认知无线电定义及其特征
• 1.1.3 认知无线电技术研究现状
• 1.2 认知无线电关键技术分析
• 1.2.1 频谱感知技术
• 1.2.2 动态频谱分配
• 1.2.3 频谱共享技术
• 1.2.4 发射功率控制
• 1.3 认知无线电功率控制技术发展现状
• 1.4 本文主要工作与结构安排
• 第二章 认知无线电功率控制的博弈论分析
• 2.1 博弈论简介
• 2.1.1 博弈论的概念及模型
• 2.1.2 博弈论的分类
• 2.1.3 纳什均衡及帕累托最优
• 2.1.4 超模博弈论
• 2.2 效用函数
• 2.2.1 效用函数的概念
• 2.2.2 无线通信数据中的效用函数
• 2.3 基于博弈论的认知无线电功率控制
• 2.3.1 利用博弈论分析认知无线电
• 2.3.2 非合作博弈论的认知无线电功率控制模型与算法
• 2.3.3 基于代价函数的非合作博弈论模型
• 2.3.4 NPG 和NPGP 模型性能比较
• 2.4 一种改进的基于代价函数的非合作博弈论的认知无线电功率控制模型
• 2.5 仿真及性能分析
• 第三章 基于遗传算法的认知无线电功率控制研究
• 3.1 遗传算法介绍
• 3.1.1 遗传算法的基本原理
• 3.1.2 遗传算法常见编码方法与基本操作
• 3.1.3 遗传算法的特点及运用
• 3.2 遗传算法在认知无线电功率控制中的应用
• 3.2.1 算法描述
• 3.2.2 仿真及性能分析
• 第四章 基于量子遗传算法的认知无线电功率控制研究
• 4.1 量子信息基础
• 4.1.1 量子态空间及量子比特
• 4.1.2 量子态的叠加、相干及坍塌
• 4.1.3 量子并行计算与量子纠缠
• 4.1.4 量子门
• 4.2 量子遗传算法的基本原理
• 4.2.1 量子比特编码
• 4.2.2 量子旋转门调整策略
• 4.2.3 量子变异操作
• 4.3 量子遗传算法在认知无线电功率控制中的应用
• 4.3.1 量子遗传算法的描述
• 4.3.2 算法仿真及性能分析
• 第五章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间完成的论文