基于遗传算法的并行算法提高认知无线电的性能

文摘

载波间干扰(ICI)认知无线电(CR)是严重的问题。本文使用机器学习算法获得最优干扰副载波的未经授权的用户(un-LU)。掩蔽的最佳干扰副载波可以抑制ICI的CR。此外,并行ICI抑制算法旨在提高CR的计算速度和满足实际的要求。仿真结果表明,该数据传输速率un-LU可以设置阈值,un-LU的数据传输质量可以保证,ICI的授权用户(陆)镇压,和陆的误比特率(BER)性能改进通过实现并行抑制算法。CR的ICI问题解决好新机器学习算法。算法的计算性能提高了设计一个新的CR平行结构和通信性能增强。

1。介绍

认知无线电(CR)技术基于动态频谱接入的概念可以利用暂时闲置频谱资源(1,2]。CR可以改善当前紧张的频谱资源,提高无线通信性能(3]。频谱池是一种非常有效的频谱利用率CR技术。授权频谱不同的企业合并成一个公共频谱池频谱池(4]。未经授权的用户可以使用空闲频谱并不是被授权用户频谱池。频谱池基于正交频分复用(OFDM)已被广泛接受5]。然而,OFDM信号的旁瓣干扰频谱池基于OFDM的缺点6]。频谱池基于小波正交频分复用(SP-WOFDM)不仅可以获得相同的OFDM的完美表现也灵活配置子信道和抑制符号间干扰(ISI),脉冲干扰,更有效地和窄带干扰。它可以实现多重速率的信号传输,以满足不同企业的需求和业务质量更方便7,8]。此外,SP-WOFDM拥有更好的带宽效率没有旁瓣干扰,因为它不需要保护间隔和飞行员。

在多径环境中,WOFDM信号的正交性丢失这符号间干扰(ISI)和载波间干扰(ICI)发生9,10]。SP-WOFDM的性能可以被ICI和ISI。屏蔽一个或多个un-LU副载波可以减轻SP-WOFDM的ICI。但它可以牺牲带宽租赁系统。因此,重要的是研究之间的权衡减少干扰功率和维护授权系统的带宽。遗传算法(GA)是一种高效、实用、和鲁棒优化技术。其实质是平行的、高效和全局搜索方法。它可以获取和积累有关搜索空间的知识自动控制搜索过程自适应地得到最优解。GA特征包括操作的编码参数,没有推导和附加信息,不确定性的优化规则,自组织、自适应和自学习,相比之下,传统的优化算法。

摘要为抑制ICI能源提出了SP-WOFDM GA。的最优干扰副载波抑制ICI un-LU原因的可以获得的新算法。此外,并行ICI抑制算法旨在提高ICI抑制基于遗传算法的计算速度,满足实用要求的CR。新算法不仅实现之间的权衡减少干扰功率和维护授权系统的带宽,而且还考虑算法的计算速度和实用性。

本文组织如下。的系统模型和ICI能源SP-WOFDM提供了部分2。节3,提出了GA的ICI抑制。并行ICI抑制算法设计部分4。仿真结果描述部分5。部分6总结了纸。

2。CR系统模型

的SP-WOFDM ICI抑制单元如图1。调制信号在离散域可以表示为(11]

在频谱池,平均ICI能源影响副载波路可以推导出的12]

3所示。CR ICI抑制遗传算法

遗传算法是一种自适应方法来解决搜索问题。它是基于并行搜索的染色体组,选择操作与猜测、交换操作和突变操作。所以,GA具有以下特点。

GA开始搜索设置的问题的解决方案,而不是单一的解决方案。这是一个很好的遗传算法与传统优化算法的区别。传统的优化算法得到局部最优解很容易,因为他们获得从一个初始值迭代最优解。GA开始搜索设置的问题解决方案。所以,它涵盖了一个广阔的区域内对全球有益的选择。

遗传算法不需要搜索空间的知识或其它辅助信息。它利用适应度函数值来评估个体,进行遗传操作。适应度函数不仅限于连续可微的函数,和它的定义领域可以任意设置。这个功能大大扩展了遗传算法的应用范围。

遗传算法采用概率的变化规律而不是确定性的规则来指导搜索方向。

遗传算法是自组织、自适应和自学习。当GA进化过程的组织的信息搜索、个人与大型健身有更高的生存概率,可以获得一个更适应的遗传结构。

基于遗传算法的频谱池ICI抑制算法如图2。首先,数据传输速率阈值un-LU和健身的阈值设置,蒙面副载波序列长度通过计算 。副载波集 是随机选择从un-LU副载波与原始序列。选择更好的中间载体序列的适应度函数。新的副载波产生的序列重叠和变异。适应度函数调整不断产生新的中间载体序列,直到健身到达设置的阈值。最优干扰副载波序列。CR实现干扰抑制的掩蔽的最佳副载波干扰序列。

ICI抑制算法的具体过程如下:

设置数据传输速率阈值un-LU和健身的阈值。

最初选择副载波un-LU序列。

我们选择副载波组 从副载波un-LU随机, 在哪里之前的原始数据传输率un-LU干扰抑制。是分配给每个副载波的比特数。

选择一个更好的中间载体序列。

选择一个更好的中间载体序列的适应度函数。平均ICI的能量un-LU陆副载波感染(2被选中的适应度函数un-LU副载波。适应度函数可以描述如下: 在哪里陆的滤波器调制副载波, 。是调节副载波un-LU的过滤器, 。的范围和是由滤波器的长度决定。的额外延迟通道。和小波滤波器函数调制副载波吗和分别为陆。是鲁迅的副载波数。 , 级别的过滤器 。

健身可以被描述为调整公式 在哪里 ,和健康参数,的长度是原来的设置。

穿越并生成新的可选的航空公司。

两个中间运营商从中间选择载体序列交叉生成可选新航母的交叉概率 。 被定义为 在哪里是原始载体序列和是一个适应度函数。

变异和产生新的可选的航空公司。

产生的新的可选的运营商可以变异概率 。 定义如下。

对于一个给定的航母战斗群 , 在哪里 ,是原始载体,然后呢 。

获得最优的副载波干扰序列。

当最优副载波的健身达到给定的阈值时,最优干扰副载波序列。CR实现干扰抑制的掩蔽的最佳副载波干扰序列。

遗传算法的复杂性 。

4所示。CR并行算法设计

并行计算是使用多个计算资源解决计算问题的过程。传统的串行计算执行单一操作一个接一个的过程在一个中央处理单元。但并行计算一组处理器上可以同时执行多个操作单元。并行计算可以快速解决大型且复杂的计算问题。在多核时代,可以获得更好的性能,设计一种基于多线程的并行计算算法在多核计算平台。

频谱池ICI抑制基于多线程的并行算法设计的我们改进的计算速度频谱池ICI抑制算法基于遗传算法和使它更实用。基于遗传算法的频谱池ICI抑制算法可以并行化如下:

并行健身评价最初选定的副载波。

健身评价所选的副载波占用大部分的执行时间,没有对彼此的依赖。因此,健身评价计算最初选择副载波可以分配给不同的多核处理器核心。

并行遗传算子。

交叉的操作、选择和变异可以独立线程上执行不同核心和并发。

并行ICI抑制算法的具体过程描述如下:(1)设置数据传输速率un-LU阈值和健身阈值。(2)最初选择的副载波un-LU序列。(3)并行选择更好的中间载体序列。(4)并行执行的交叉操作,生成可选新航母。(5)并行执行的变异操作和生成可选新航母。(6)获得最优的副载波干扰序列。

并行ICI抑制算法能够运行在一个多核计算平台和多流的优势。并行ICI抑制算法不仅可以提高计算速度的原始基于GA的ICI抑制算法,但也满足CR的实际需求。

5。仿真结果

测试基于GA的ICI抑制算法的性能,我们构建与32副载波频谱池。频谱池分为8次能带和每一次能带匹配4副载波。的Daubechies-4副载波调制的频谱池实现。正交相移编码被用来实现星座象征。

模拟无线信道环境中,我们使用双通道无线信道模型。信道的脉冲响应是定义如下(13]: 在哪里是一个正整数;它代表了一个额外的延迟通道和规范化的象征。是随机的阶段;的范围是 。

设置交叉概率 和变异概率 。

仿真场景设计如下。

场景1。陆占据中央3 - 6次能带和4 - 5次能带的频谱池,分别。

场景2。陆占据了2、3、5、7次能带的频谱池。陆占据2,4,6,8次能带的频谱池。陆占据了2和6次能带的频谱池。

数据3和4场景1和场景的仿真结果是2。结果表明,ICI的能量un-LU增加如果蒙面最佳干扰副载波的数量减少场景1和2。此外,ICI的能量un-LU减少与鲁迅的副载波数量增加相同数量的最优干扰副载波被蒙住了。

在数据5和6陆,占据8副载波频谱池和双通道无线信道模型 , 是如何实现的。在无线频道只有多路径效应,数据5和6陆的仿真结果是占领中央连续部分波段和2和6次能带。结果表明,陆的误码性能提高如果蒙面最佳干扰副载波数量的增加。

使用遗传算法获得最优副载波。数据3,4,5,6描述陆的ICI性能屏蔽不同数量的最佳副载波和陆的误码性能屏蔽不同数量的最佳副载波。结果表明,陆可以抑制ICI和陆的误码性能可以通过遗传算法改进。

6。结论

铬是一种新的方法来共享频谱资源和更大的灵活性和效率。然而,路信号的正交性和un-LU信号中断,因为多路径衰落的冲动。所以,ICI LU和un-LU之间发生。遗传算法可以自动获取和积累有关搜索空间的知识和控制搜索过程中自适应地得到最优解。提出并讨论了遗传算法用于获得最优干扰副载波ICI抑制。平均ICI的能量陆un-LU副载波的感染被选中的适应度函数un-LU副载波。

并行原算法是一种有效的方法来提高操作速度。所以,并行ICI抑制算法设计。仿真结果表明,平均陆ICI的力量可以提高通过屏蔽优化副载波干扰。此外,陆的误码性能得到了改进。在未来,将学习更多的自学习优化算法获得最优干扰抑制ICI的副载波频谱池。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(没有。61601111)和中国博士后科学研究发展基金(没有。LBH-Q16309)。

引用

1. z中情局m·艾哈迈德·k·h·d·Bilal和d . m . m . Alhassan“认知无线电网络审查,”国际工程杂志,13卷,不。1,第327 - 320页,2016。视图:谷歌学术搜索
2. 答:a .汗、m . h . Rehmani和m . Reisslein”认知无线电智能电网:体系结构的调查中,频谱感知机制,和网络协议,”IEEE通信调查和教程,18卷,不。1,第898 - 860页,2016。视图:出版商的网站|谷歌学术搜索
3. m·r·米利和l . Musavian”干扰效率:一个新的概念来分析认知无线电网络的性能,”学报2017年IEEE国际会议交流研讨会、国际商会2017年研讨会,页1105 - 1110,法国,2017年5月。视图:出版商的网站|谷歌学术搜索
4. b .曹、张问:和j·w·马克,优化传播策略在合作认知无线电网络。认知无线电网络合作,激飞国际出版,2016年。视图:出版商的网站
5. k . v . Krishnan, r . m . Sajith, s和“基于OFDM的认知无线电系统的动态资源分配主要考虑用户的QoS和二级用户比例限制,”通信技术和电子杂志》上,60卷,不。11日,第1275 - 1269页,2015年。视图:出版商的网站|谷歌学术搜索
6. g·辛格和p·梅塔”,实现分载体最终再分配和功率分配的优化算法对LTE和认知无线电网络使用OFDM信号,”欧洲杂志的工程和技术的进步,卷2,不。3月19,2015页。视图:谷歌学术搜索
7. d Shahbaztabar和h . Farrokhi不连续的正交频分复用收发器设计基于小波变换和可移动的循环前缀对认知无线电系统的频谱共享,“专业的沟通,8卷,不。9日,第1517 - 1508页,2014年。视图:出版商的网站|谷歌学术搜索
8. k . m . Liu王、黄y和李x”减少地表铺面WOFDM通过选择最优小波树结构,”电脑和电子工程,37卷,不。3、253 - 260年,2011页。视图:出版商的网站|谷歌学术搜索
9. 席巴•萨蒂什j . Chunkath s Arjun诉,s . a . Raj”使用小波滤波器组多载波系统的性能改善,”Procedia技术,24卷,第781 - 775页,2016年。视图:出版商的网站|谷歌学术搜索
10. n Taşpinar和y . t . Bozkurt”,减少地表铺面使用遗传算法在lifting-based小波包调制系统中,“土耳其的电气工程和计算机科学杂志》上,24卷,不。1,第195 - 184页,2016。视图:出版商的网站|谷歌学术搜索
11. 严和h l .苗族w·柯,“自适应保护频带频谱池”学报》2010年第2计算机工程和技术国际会议上,ICCET 20102010年4月,页V4103-V4107、中国。视图:出版商的网站|谷歌学术搜索
12. l .苗族l . Na和Z.-X。太阳,“最佳释放分载体最终再保护频带频谱池基于小波正交频分复用系统,”专业的沟通,8卷,不。7,1117 - 1123年,2014页。视图:出版商的网站|谷歌学术搜索
13. b . g . Negash h . Nikookar,“小波多载波传输多路无线频道,“IEEE电子信件,36卷,不。21日,第1788 - 1787页,2000年。视图:出版商的网站|谷歌学术搜索

版权

版权©2018刘苗族等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。