噪声不确定下基于计算智能的多跳认知无线电网络协作频谱感知优化

To solve the key issues of primary users’ detection, sensing control and CR users’ cooperation in cooperative spectrum sensing of multi-hop cognitive radio networks (multi-hop CRN) with noise uncertainty, this project uses computational intelligence and the related frameworks and algorithms, firstly, to study the hybrid swarm intelligence based distributed fusion computing strategies and collaborative decision-making multi-objective optimization methods for CRN primary user spectrum feature detection in multi-hop CRN, then to explore the memetic algorithm based spectrum sensing control optimization methods of multi-hop CRN, and finally to study the evolutionary game based CR uses’ efficient cooperative frameworks, evolutionary stable strategy and distributed learning algorithm for the spectrum sensing of multi-hop CRN, and to ensure the reliability or stability of the above research results through theoretical argumentation, experimental test, simulation, sensitivity analysis. The studies of the project will improve the primary user detection accuracy through the co-evolution and dynamic optimization in multi-hop CRN with noise uncertainty, balanced obtain the best spectrum sensing control parameters and cooperative decision thresholds, solve CR users’ cooperation problems under the conditions of the incomplete information and limited rationality, and effectively improve the cooperative spectrum sensing performance in the actual dynamic application environment of multi-hop CRN.

为解决噪声不确定下多跳认知无线电网络（多跳CRN）协作频谱感知中主用户检测、感知控制和CR用户协作等关键问题，利用计算智能及相关框架和算法，首先研究基于混合群智能的多跳CRN主用户频谱特征检测的分布式融合计算策略和协同决策多目标优化方法，然后探索基于Memetic算法的多跳CRN频谱感知控制优化方法，最后研究基于进化博弈的多跳CRN频谱感知认知用户高效协作框架及其进化稳定策略和分布式学习算法等，并通过理论论证、实验测试、仿真模拟、敏感度分析等手段保证上述研究成果的可靠性或稳定性。本项目的研究将通过协同进化和动态优化提高噪声不确定下多跳CRN主用户检测准确度，均衡获得协作频谱感知最佳控制参数和决策阈值，解决在信息不完全和有限理性条件下CR用户协作问题，切实提高实际动态应用环境中多跳CRN协作频谱感知性能。

本项目研究和解决了噪声不确定下多跳认知无线电网络（多跳CRN）协作频谱感知中主用户检测、感知控制和CR用户协作等关键问题，提出了基于混合群智能的多跳CRN主用户频谱特征检测方法、基于Memetic算法的多跳CRN频谱感知控制优化方法、基于进化博弈的多跳CRN频谱感知CR认知用户高效协作方法等。.本项目的主要创新点包括：.（1）采取能量检测策略对多跳CRN主用户信号进行检测，针对多用户协作频谱感知，推导了需要优化的软判决融合算法的目标函数，并对标准粒子群优化算法的速度位置更新方程进行改进，将此目标函数代入加速的食物引导粒子群优化算法中进行性能分析，并定性分析了噪声不确定性给算法性能检测带来的影响，研究表明在噪声最坏情况下，上述方案有效提高了多跳CRN主用户检测性能。.（2）把进化博弈论应用到噪声不确定下的多跳CRN协作频谱检测中，认知用户动态选择是否参加协作频谱检测，通过不断的迭代学习，得到一个进化稳定策略；把所有认知用户作为整体参与博弈，由进化博弈论算法得到参与协作频谱检测的认知用户平均吞吐量，并通过将其与所有认知用户的平均吞吐量对比，得到最终的进化稳定策略，有效地提高了多跳CRN感知控制性能。.（3）将多比特判决算法应用到噪声不确定下的多跳CRN协作频谱检测中，给每个认知节点都设置一个可信度值，每次协作频谱检测后进行一次可信度值的更新，当认知节点的判决结果和所有的认知节点的判决结果的加权平均值相差比较大的时候，就降低该认知节点的可信度值，反之则增加。当一个认知节点的可信度值降低到某个门限值后，就认定该结点将不能再被信任，在协作融合判决中心将该节点结果的加权权值变为0，有效地提高了多跳CRN的用户协作效率。.本项目已发表学术论文19篇，已授权或申请国家发明专利59件，形成了在噪声动态不确定条件下基于计算智能的多跳CRN协作频谱感知关键技术方案，切实提高了实际动态应用环境中多跳CRN协作频谱感知性能。