利用基于软融合遗传算法的认知无线电引擎模型进行协作频谱优化
网络与互联网体系结构
2013-04-12 v1
摘要
认知无线电 (CR) 旨在可靠地检测主用户 (PUs) 的存在，以减少对许可通信的干扰。遗传算法 (GAs) 非常适合解决 CR 优化问题，通过操纵 apparent spectrum 的未使用部分来提高带宽利用效率。本文提出了一种用于认知无线电网络中协作频谱感知的基于二进制遗传算法 (BGA) 的软融合 (SF) 方案，以提高检测性能和带宽利用率。基于 BGA 的优化方法在线性 SF 方案的融合中心实施，以优化加权系数向量，从而最大化全局检测概率性能。仿真结果和分析证实，所提出的方案满足了认知无线电频谱感知的实时要求，并且优于传统的基于自然偏转系数 (NDC)、修正偏转系数 (MDC)、最大比合并 (MRC) 和等增益合并 (EGC) 的 SDF 方案，以及基于 OR 规则的硬判决融合 (HDF)。所提出的 BGA 方案收敛速度快并达到最优性能，这意味着基于 BGA 的方法是高效且非常稳定的。
引用
@article{arxiv.1304.3273,
title = {Cognitive Radio Engine Model Utilizing Soft Fusion Based Genetic Algorithm For Cooperative Spectrum Optimization},
author = {Md. Kamal Hossain and Ayman Abd El-Saleh},
journal= {arXiv preprint arXiv:1304.3273},
year = {2013}
}
备注
15 pages