[01204139]一种基于干扰温度的认知网络功率分配方法
交易价格:
面议
所属行业:
网络
类型:
非专利
交易方式:
资料待完善
联系人:
所在地:
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开了一种基于干扰温度的认知网络功率分配方法,主要特征包括几个方面: 1、建立多认知用户小区模型; 2、确定主用户的干扰温度; 3、确定各认知用户的接收机的信噪比要求; 4、确定主用户正常工作时的测量功率值条件; 5、确定系统效用及约束条件; 6、采用模拟退火遗传算法估量最优功率分配。 其中模拟退火遗传算法估算最优功率分配包括以下几个步骤:1) 初始化算法参数;2) 产生初始种群,所述初始种群的每个个体表示所述认知用户的发射功率;3)评价初始种群中的个体,判断是否达到收敛或结束条件,若符合条件转到不走G,否则转向步骤D;4)遗传算法对所述初始种群进行选择,交叉和变异操作得到遗传种群;5)对所述遗传种群进行模拟退火操作,直到稳定得到退火种群;6)退温,把所述退火种群作为下一次迭代的初始种群,产生下一次迭代运算的初始温度,返回步骤C;G)输出最优功率解。 通过本发明的方法,在多个认知用户情况下,实现发射功率的最优化分配,在认知用户不对主用户造成干扰的前提下达到资源充分共享。
本发明公开了一种基于干扰温度的认知网络功率分配方法,主要特征包括几个方面: 1、建立多认知用户小区模型; 2、确定主用户的干扰温度; 3、确定各认知用户的接收机的信噪比要求; 4、确定主用户正常工作时的测量功率值条件; 5、确定系统效用及约束条件; 6、采用模拟退火遗传算法估量最优功率分配。 其中模拟退火遗传算法估算最优功率分配包括以下几个步骤:1) 初始化算法参数;2) 产生初始种群,所述初始种群的每个个体表示所述认知用户的发射功率;3)评价初始种群中的个体,判断是否达到收敛或结束条件,若符合条件转到不走G,否则转向步骤D;4)遗传算法对所述初始种群进行选择,交叉和变异操作得到遗传种群;5)对所述遗传种群进行模拟退火操作,直到稳定得到退火种群;6)退温,把所述退火种群作为下一次迭代的初始种群,产生下一次迭代运算的初始温度,返回步骤C;G)输出最优功率解。 通过本发明的方法,在多个认知用户情况下,实现发射功率的最优化分配,在认知用户不对主用户造成干扰的前提下达到资源充分共享。