第6期 毕晓君，等：基于差分进化算法的认知无线电决策引擎 ·543· 体性能有较大幅度的提高 所有子载波的平均功率， 1认知无线电决策引擎模型 2)最小化误码率： 认知无线电系统不仅需要适应动态变化的无线 Fruindoer 1-1g0.5 lg Pbe (4) 环境，还需要考虑到用户的应用需求、遵守特定频段 式中：P为所有子信道的平均误码率，定义0.5为 的频谱特性和传播特性等参数；因此，认知决策引擎 系统所能容忍的误码率最大值，不同调制方式误码 所要解决的问题可以描述成多目标优化问题，通过 率计算公式不同，为了能够与文献[5]进行有效的 调整自身参数来实现多个目标最佳的性能组合[6]. 性能对比，本文也选用AWGN信道条件，则M-PSK 假设认知无线电需要调整的参数为 的误码率如式(5)所示， x=[x1x2…xm] etc(in(分)VbM西 式中：m为参数的个数。 Pbe lbM (5) min/maxif =(fi(x)f (x),f (x)).(1) 而M-QAM的误码率如式(6)所示. 式中：f=(f,,…,fn)表示所要实现的各目标函 数，为目标函数个数，则认知决策引擎所要解决的 m=1-ea(√2). (6) M 优化问题可以表示为式(1)的形式： 式中：M为调制进制数，y为信噪比，erfc为互补误 x∈X, fx)=(f(x),i(x),…fn(x)∈F. 差函数 式中：X代表所要调整参数的约束空间，F代表目标 3)最大化数据速率： 函数适应度值的约束空间们 bM,-bMa= N台 实际上，不同的信道条件和用户需求导致目标 IbMe -lbMin (7) 函数的侧重程度也不相同，例如在多媒体通信中，侧 式中：N为子载波数目，M:为第i个子载波的调制进 重点是最大化数据传输速率；在数据通信中，侧重点 制数，M为最小调制进制数，Mns为最大调制进 是最小化误比特率.因此，大部分文献采用式(2)的 制数 形式将复杂的多目标函数优化问题转换成单目标优 由此认知决策引擎所要优化的目标函数可以表 化问题，通过权值的不同来满足各用户对不同目标 示为式(8)的形式： 偏好程度的需求 f=41 fmin-pomer+2fmnbcr3/maxdatarote (8) f=wfo (2) 2 差分进化算法 式中：0：≥0，i=1,2,…,n,01+w2+…+0m=1.0 2.1标准差分进化算法 为各个目标函数的权值，权值越大代表对该目标的 差分进化算法(differential evolution,DE)是 偏好程度越大，反之亦然。 本文与文献[8]相同，根据多载波频谱环境、用 1995年由Stom等提出的一种群体智能优化算 法9]，2005年被引入国内.DE算法具有记忆个体最 户需求以及频谱限制，选取最小化传输功率、最小化 误码率以及最大化数据速率3个目标函数作为认知 优解和种群内信息共享的特点，通过种群内个体的 决策引擎的重点，进行参数优化.虽然文献[5]中将 合作与竞争来实现对优化问题的求解，其本质是一 最大化吞吐量也作为一个目标函数，但是系统吞吐 种基于实数编码的具有保优思想的贪婪遗传算法 量主要由系统误码率决定，最小化误码率就可以保 算法首先在问题的可行解空间随机初始化种群 证最大化系统吞吐量，因此没有必要再引入最大化 心=[xx}…x],Np为种群规模，个体= 吞吐量这一目标函数.3个目标函数的归一化表达 [x1x2…x.o]用于表征问题解，D为优化问 式分别为： 题的维数.算法的基本思想是：对当前种群进行变异 1)最小化传输功率： 和交叉操作，产生另一个新种群，然后利用基于贪婪 rinpome=1-卫 思想的选择操作来对这2个种群进行一对一的选 (3) Pmax 择，从而产生新一代种群.具体而言，首先通过对每 式中：P为子载波所能达到的最大传输功率，p为 一个在第t代的个体x进行变异操作，得到与其相