本發(fā)明涉及的是一種無線電系統(tǒng)參數(shù)生成方法。具體地說是一種確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)生成方法。

背景技術(shù)：

隨著無線通信技術(shù)的快速發(fā)展，用戶對帶寬以及服務(wù)質(zhì)量(QoS)的需求不斷增長。由此帶來的過量的能量消耗是一個亟需解決的問題，綠色通信技術(shù)可以減少能量消耗和提高能量利用率，其被廣泛認(rèn)為具有解決這一問題的潛能。認(rèn)知無線電(Cognitive Radio，CR)具有感知周圍環(huán)境變化和智能的調(diào)整參數(shù)來適應(yīng)外部環(huán)境變化的能力，其被廣泛認(rèn)為具有實(shí)現(xiàn)綠色通信技術(shù)的潛能。綠色認(rèn)知無線電的主要目的是實(shí)現(xiàn)能量的高效利用，實(shí)現(xiàn)綠色通信技術(shù)的綠色認(rèn)知無線電將成為無線通信領(lǐng)域的重要研究方向。

認(rèn)知無線電的參數(shù)設(shè)計是認(rèn)知無線通信網(wǎng)絡(luò)的主要決策部分，是認(rèn)知無線電系統(tǒng)的核心。綠色認(rèn)知無線電系統(tǒng)參數(shù)設(shè)計，是在保證用戶服務(wù)質(zhì)量的前提下，根據(jù)外部環(huán)境的變化，通過對滿足多目標(biāo)要求的系統(tǒng)參數(shù)(例如發(fā)射功率、調(diào)制方式、幀長度、帶寬和載波頻率等通信參數(shù))的設(shè)計來實(shí)現(xiàn)綠色通信，而不是盲目的降低發(fā)射功率。

經(jīng)過對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，Xu Huiying等在《2013 13th International Symposium on Communications and Information Technologies(ISCIT)》(pp.143-147,2013)上發(fā)表的“Cognitive radio decision engine using hybrid binary particle swarm optimization”提出了使用混合二進(jìn)制編碼的粒子群算法去求解多目標(biāo)決策引擎，但只是設(shè)計了線性權(quán)重把多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題，使用單目標(biāo)遺傳算法求解，依舊不能真正有效解決認(rèn)知無線電決策引擎的多目標(biāo)問題。鄭仕鏈等在《物理學(xué)報》(VoL.61,No.14,pp.148402P,2012)上發(fā)表的“綠色認(rèn)知無線電自適應(yīng)參數(shù)調(diào)整”提出了一種基于單目標(biāo)粒子群算法的綠色認(rèn)知無線電參數(shù)調(diào)整方法，該方法能夠同時考慮比特錯誤率和和數(shù)據(jù)速率的要求，并且降低了發(fā)射功率，進(jìn)而實(shí)現(xiàn)能量高效利用的綠色認(rèn)知無線電參數(shù)設(shè)計。但是此方法無法在確?？煽啃缘那疤嵯峦瑫r實(shí)現(xiàn)最小化發(fā)射速率和最大化數(shù)據(jù)速率，不能畫出多目標(biāo)系統(tǒng)設(shè)計的Pareto前端解集。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種能夠確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)生成方法。

本發(fā)明是這樣實(shí)現(xiàn)的：

步驟一，建立多目標(biāo)綠色認(rèn)知無線電參數(shù)模型；

步驟二，確定量子多目標(biāo)多種群共生進(jìn)化搜索機(jī)制中量子粒子群的種群規(guī)模，初始化量子粒子群的量子粒子的量子速度和位置，每個位置對應(yīng)著一種參數(shù)設(shè)計方法，并將其劃分為3個量子粒子子群，初始化第1個子群和第2個子群的局部最優(yōu)位置；

步驟三，對每個子群中的所有量子粒子的位置進(jìn)行適應(yīng)度評價，初始化量子粒子群的精英位置集；

步驟四，更新3個子群中量子粒子的量子速度和位置；

步驟五，對量子多目標(biāo)多種群共生進(jìn)化中量子粒子群中的所有量子粒子的位置根據(jù)其適應(yīng)度值進(jìn)行非支配位置排序和位置擁擠度的計算；

步驟六，如果精英位置集EliteSetQMMSSE的位置個數(shù)大于Elite，則對精英位置集EliteSetQMMSSE中的位置進(jìn)行非支配位置排序和位置擁擠度計算，并對非支配等級相同的位置進(jìn)行位置擁擠度由大到小進(jìn)行排序，從中選擇前Elite個位置作為新的精英位置集EliteSetQMMSSE；

步驟七，如果沒有達(dá)到最大迭代代數(shù)，設(shè)t＝t+1，返回步驟四繼續(xù)迭代；否則，迭代終止，執(zhí)行下一步；

步驟八，將得到的精英位置集EliteSetQMMSSE中的位置進(jìn)行非支配位置排序和擁擠度計算，選擇非支配等級為1且滿足擁擠度要求的位置作為最終的Pareto前端位置集；

步驟九，從最終的Pareto前端位置集中選出位置并映射得到所需要的確保可靠性的多目標(biāo)綠色認(rèn)知無線電的系統(tǒng)參數(shù)。

本發(fā)明還可以包括：

1、步驟一具體包括：多目標(biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)通過編碼與位置一一對應(yīng)，若x＝(x₁,x₂,...,x_L)為一個位置，其中L為量子粒子搜索空間的最大維標(biāo)號，y＝(y₁,y₂,...,y_2N)為其對應(yīng)的確保可靠性的多目標(biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)，y_d代表第d個子載波的發(fā)射功率，y_N+d代表第d個子載波的調(diào)制階數(shù)，1≤d≤N，最大值優(yōu)化的多目標(biāo)適應(yīng)度函數(shù)為F(y)＝[f₁(y),f₂(y)]，N為系統(tǒng)的子載波數(shù)，兩個單目標(biāo)適應(yīng)度函數(shù)分別為式中p_max代表最大發(fā)射功率，BER_d是第d個子載波的比特錯誤率、是第d個子載波發(fā)射功率和調(diào)制階數(shù)的函數(shù)，BER_tar是用戶的目標(biāo)比特錯誤率，DR_d是第d個子載波的數(shù)據(jù)速率、是第d個子載波調(diào)制階數(shù)y_N+d的函數(shù)；β是一個[0,1]之間的常數(shù)；函數(shù)定義為其中σ和η是兩個常數(shù)，將其設(shè)置為σ＝1.65,η＝-0.9，這種參數(shù)設(shè)置使得當(dāng)時，函數(shù)趨近于0，當(dāng)時，函數(shù)趨近于1，函數(shù)取值隨著的增加而增加，當(dāng)值趨近于或超過α?xí)r，函數(shù)取值隨著的增加而增加并接近1，函數(shù)起到了懲罰因子的作用，當(dāng)用戶的比特錯誤率達(dá)到目標(biāo)值時，的值接近于1。

2、步驟二具體包括：確定量子多目標(biāo)多種群共生進(jìn)化搜索機(jī)制中量子粒子群的種群規(guī)模為3K，將其劃分為3個量子粒子子群，每個子群中有K個量子粒子，初始化第i個量子粒子的量子速度的所有量子位為量子比特的取值區(qū)間為[0,1]之間，初始化第i個量子粒子的位置其中j＝1,2,...,L，1≤i≤3K，其對應(yīng)的綠色認(rèn)知無線電的系統(tǒng)參數(shù)為，當(dāng)1≤i≤K時，和分別代表第1個量子粒子子群的第i個量子粒子的量子速度和位置，第1個子群的第i個量子粒子至今為止根據(jù)第1個適應(yīng)度函數(shù)所搜索到的局部最優(yōu)位置為當(dāng)K+1≤i≤2K時，和分別代表第2個量子粒子子群中第i個量子粒子的量子速度和位置，第2個子群的第i個量子粒子至今為止根據(jù)第2個適應(yīng)度函數(shù)所搜索到的局部最優(yōu)位置為當(dāng)2K+1≤i≤3K時，和分別代表第3個量子粒子子群的量子粒子的量子速度和位置，初始時，設(shè)迭代次數(shù)t＝0，第1個和第2個子群中每個量子粒子的初始局部最優(yōu)位置應(yīng)設(shè)置為其相應(yīng)的初始位置，即

3、步驟三具體包括：

第1個量子粒子子群的第i個量子粒子根據(jù)第1個適應(yīng)度函數(shù)計算適應(yīng)度值，獲得第1個量子粒子子群的全局最優(yōu)位置為第2個量子粒子子群的第i個量子粒子根據(jù)第2個適應(yīng)度函數(shù)計算適應(yīng)度值，獲得第2個量子粒子子群的全局最優(yōu)位置3個子群中的所有量子粒子的位置根據(jù)其適應(yīng)度值進(jìn)行非支配位置排序和擁擠度計算，初始化精英位置集；

對于位置x_i和x_k，f_z(y_i)≥f_z(y_k),(z＝1,2)對所有的z都成立，且至少有一個嚴(yán)格不等式成立，則稱x_i支配x_k，x_i為非支配位置，若f_z(y_i)≤f_z(y_k),z＝1,2對所有的z都成立，且至少有一個嚴(yán)格不等式成立，則稱x_k支配x_i，x_k為非支配位置，否則，位置x_i、x_k無任何支配關(guān)系；

對于確定位置等級集合中每個位置p，計算支配位置p的位置數(shù)目n_p以及位置p所支配的位置集合S_p，如果n_p＝0，意味著沒有位置支配p，說明位置p的非支配等級為1；對于每個n_p＝0的位置p，遍歷S_p中的每個位置q，并且S_p中支配q的位置數(shù)目設(shè)為n_q，若n_q＝0，則將位置q放在集合Q_q中，這些位置的非支配等級為2；用上述過程對Q_q中的每個位置重復(fù)，得到非支配等級為3的位置集合，重復(fù)此過程直至得到所有位置的非支配等級；

對于非支配等級相同的位置，其中的n個位置根據(jù)適應(yīng)度函數(shù)f_z的值由小到大進(jìn)行排序，適應(yīng)度函數(shù)值最小的和最大的所對應(yīng)的位置的擁擠度值設(shè)為I_z(1)_distance＝I_z(n)_distance＝∞，其它位置的擁擠度為相鄰兩個位置的適應(yīng)度函數(shù)值的差除以最大適應(yīng)度函數(shù)值和最小適應(yīng)度函數(shù)值的差，即b＝2,3,...,n-1，對每個位置的每個適應(yīng)度函數(shù)f_z所對應(yīng)的擁擠度都進(jìn)行上述計算，最終的位置擁擠度值就是計算出的2個位置擁擠度分量的和。

4、步驟四具體包括：更新3個子群中量子粒子的量子速度和位置，第1個量子粒子子群和第2個量子粒子子群使用單目標(biāo)量子粒子群搜索方法；

(1)更新第1個子群和第2個子群中每個量子粒子的量子速度和位置，第1個子群的第i個量子粒子的量子旋轉(zhuǎn)角為1≤i≤K，c₁和c₂分別是[0,1]之間的常數(shù)，分別代表子群中至今所找到的局部最優(yōu)位置和全局最優(yōu)位置對量子旋轉(zhuǎn)角更新過程的影響程度；第2個子群的第i個量子粒子的量子旋轉(zhuǎn)角為K+1≤i≤2K，j＝1,2,...,L；第i個量子粒子的量子速度的第j維量子位在第t+1次迭代過程中的更新方式如下：其中1≤i≤2K，j＝1,2,...,L；c₃為[0,1/L]之間的常數(shù)，代表量子位的變異概率；為[0,1]之間均勻分布的隨機(jī)數(shù)；量子粒子的位置通過對量子速度的測量得到，即其中1≤i≤2K，j＝1,2,...,L，為[0,1]之間均勻分布的隨機(jī)數(shù)；

(2)采用多目標(biāo)量子粒子群搜索機(jī)制的演進(jìn)規(guī)則對子群3中的量子粒子進(jìn)行演化，產(chǎn)生新的量子速度和位置；

第i個量子粒子的第j個量子旋轉(zhuǎn)角的更新方式為其中，2K+1≤i≤3K，j＝1,2,...,L；c₄和c₅為常數(shù)，決定了子群3的局部最優(yōu)位置和子群3的全局最優(yōu)位置對量子旋轉(zhuǎn)角更新過程的影響程度；代表子群3的局部最優(yōu)位置，其是在精英位置集EliteSetQMMSSE的前50％優(yōu)秀位置中隨機(jī)選??；代表子群3的全局最優(yōu)位置，其是在精英位置集EliteSetQMMSSE的前20％優(yōu)秀位置中隨機(jī)選??；第i個量子粒子的量子速度的第j維量子位的更新方式為為均勻分布在[0,1]之間的隨機(jī)數(shù)；c₆是量子旋轉(zhuǎn)角為0的量子位的翻轉(zhuǎn)概率；量子粒子的位置通過對量子速度的測量得到，即其中2K+1≤i≤3K，j＝1,2,...,L，為[0,1]之間均勻分布的隨機(jī)數(shù)。

本發(fā)明針對現(xiàn)有認(rèn)知無線電系統(tǒng)的最優(yōu)參數(shù)設(shè)計方法的不足，提出了一種在保證可靠性前提下同時考慮最小化發(fā)射功率和最大化數(shù)據(jù)速率的多目標(biāo)綠色認(rèn)知無線電系統(tǒng)最優(yōu)參數(shù)設(shè)計方法。該方法基于量子編碼、量子演化機(jī)制和量子多目標(biāo)多種群共生進(jìn)化搜索機(jī)制，通過非支配位置排序和位置擁擠度計算，進(jìn)而得到非支配位置均勻分布的Pareto前端位置集。在實(shí)際的工程應(yīng)用中，可以根據(jù)實(shí)際通信環(huán)境和要求，從Pareto前端位置集中選擇最合適的位置，將其映射為相應(yīng)的系統(tǒng)參數(shù)，做為最優(yōu)系統(tǒng)參數(shù)設(shè)計方案。故本發(fā)明所提出的方法能夠解決確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電最優(yōu)參數(shù)設(shè)計問題。

本發(fā)明的確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)最優(yōu)參數(shù)設(shè)計方法可根據(jù)認(rèn)知無線電感知到的當(dāng)前信道條件、用戶需求和制度限定等信息,在保證可靠性的前提下對多個目標(biāo)函數(shù)進(jìn)行優(yōu)化，給出一系列符合多條件限制的最佳參數(shù)配置方案，進(jìn)而提高系統(tǒng)性能。本發(fā)明結(jié)合非支配位置排序和位置擁擠度計算，設(shè)計量子多目標(biāo)多種群共生進(jìn)化(QuantumMulti-Objective Multi-Species Symbiotic evolution,QMMSSE)的確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)最優(yōu)參數(shù)設(shè)計方法，進(jìn)而從最終的Pareto前端位置集中合理選擇綠色認(rèn)知無線電系統(tǒng)的最優(yōu)參數(shù)。

與現(xiàn)有的技術(shù)相比，本發(fā)明充分考慮了多目標(biāo)綠色認(rèn)知無線電系統(tǒng)在實(shí)現(xiàn)系統(tǒng)參數(shù)設(shè)計的過程中能在確?？煽客ㄐ诺那疤嵯拢瑫r使得最小化發(fā)射功率和最大化數(shù)據(jù)速率兩個目標(biāo)達(dá)到最優(yōu)的難題，具有以下優(yōu)點(diǎn)：

(1)本發(fā)明解決了綠色認(rèn)知無線電的離散多目標(biāo)參數(shù)設(shè)計問題，并設(shè)計基于非支配位置排序的量子多種群共生進(jìn)化方法，所設(shè)計的方法具有收斂精度高的優(yōu)點(diǎn)。

(2)相對于現(xiàn)有的認(rèn)知無線電參數(shù)設(shè)計方法，本發(fā)明可在保證可靠性的前提下實(shí)現(xiàn)同時考慮最小化發(fā)射功率和最大化數(shù)據(jù)速率的綠色通信。

(3)仿真結(jié)果表明，本發(fā)明所提出的確保可靠性的多目標(biāo)綠色認(rèn)知無線電參數(shù)設(shè)計方法可得到比現(xiàn)有基于遺傳算法的單目標(biāo)參數(shù)設(shè)計方法更優(yōu)秀的性能，說明了本方法的有效性。

附圖說明

圖1確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)設(shè)計方法流程圖。

圖2量子多目標(biāo)多種群共生進(jìn)化方法示意圖。

仿真基于多載波OFDM系統(tǒng)。采用32個子載波，為了模擬信道的衰落，為每個子載波分配一個[0,1]間的隨機(jī)數(shù)。發(fā)射功率為1-17mW，編碼由6位二進(jìn)制比特組成。調(diào)制方式為BPSK、4PSK、16QAM和64QAM，符號速率為1Msps，信道為加性高斯白噪聲信道，噪聲功率譜密度為1.4×10^-8mW/Hz。量子多目標(biāo)多種群共生進(jìn)化方法(QMMSSE)的參數(shù)設(shè)置如下：K＝20,c₁＝0.1，c₂＝0.05，c₃＝0.01/L，c₄＝0.1，c₅＝0.05，c₆＝0.01/L，Elite＝60，最終的Pareto解集最大規(guī)模設(shè)置為40，終止迭代次數(shù)為1000。遺傳算法參數(shù)設(shè)置為：種群規(guī)模為20，迭代次數(shù)為1000，單點(diǎn)交叉，交叉概率為0.6，變異概率為0.01，使用精英保留策略。

圖3給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-3的前提下，確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)同時考慮最大化數(shù)據(jù)速率和最小化發(fā)射功率的仿真結(jié)果。

圖4給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-3的前提下，遺傳算法在只考慮最小化發(fā)射功率時的參數(shù)設(shè)計結(jié)果。

圖5給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-3的前提下，遺傳算法在只考慮最大化數(shù)據(jù)速率時的參數(shù)設(shè)計結(jié)果。

圖6給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-3的前提下，量子多目標(biāo)多種群共生進(jìn)化方法在只考慮最小化發(fā)射功率時的參數(shù)設(shè)計結(jié)果。

圖7給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-3的前提下，量子多目標(biāo)多種群共生進(jìn)化方法在只考慮最大化數(shù)據(jù)速率時的參數(shù)設(shè)計結(jié)果。

圖8給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-4的前提下，確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)同時考慮最大化數(shù)據(jù)速率和最小化發(fā)射功率的仿真結(jié)果。

圖9給出了系統(tǒng)要求的目標(biāo)比特錯誤率為10^-5的前提下，確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)同時考慮最大化數(shù)據(jù)速率和最小化發(fā)射功率的仿真結(jié)果。

圖10為綠色認(rèn)知無線電網(wǎng)絡(luò)。

具體實(shí)施方式

下面結(jié)合附圖舉例對本發(fā)明作進(jìn)一步描述。

結(jié)合圖1，主要包括以下步驟：

步驟一，建立確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電參數(shù)設(shè)計模型。把確?？煽啃缘木G色認(rèn)知無線電系統(tǒng)的最小化發(fā)射功率和最大化數(shù)據(jù)速率轉(zhuǎn)化為多目標(biāo)最大值聯(lián)合優(yōu)化問題。

確?？煽啃缘木G色認(rèn)知無線電參數(shù)設(shè)計方法遵循多目標(biāo)搜索過程，由搜索過程決定系統(tǒng)參數(shù)。系統(tǒng)參數(shù)通過編碼與位置一一對應(yīng)。若x＝(x₁,x₂,...,x_L)為一個位置，其中L為量子粒子搜索空間的最大維標(biāo)號，y＝(y₁,y₂,...,y_2N)為其對應(yīng)的確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)，y_d(1≤d≤N)代表第d個子載波的發(fā)射功率，y_N+d(1≤d≤N)代表第d個子載波的調(diào)制階數(shù)，建立此問題對應(yīng)的最大值優(yōu)化的多目標(biāo)適應(yīng)度函數(shù)為F(y)＝[f₁(y),f₂(y)]，N為系統(tǒng)的子載波數(shù)，兩個單目標(biāo)適應(yīng)度函數(shù)分別為

式中p_max代表最大發(fā)射功率，BER_d是第d個子載波的比特錯誤率，是第d個子載波發(fā)射功率和調(diào)制階數(shù)的函數(shù)，BER_tar是用戶的目標(biāo)比特錯誤率；DR_d是第d個子載波的數(shù)據(jù)速率，是第d個子載波調(diào)制階數(shù)y_N+d(1≤d≤N)的函數(shù)；β是一個[0,1]之間的常數(shù)；函數(shù)可以定義為其中σ和η是兩個常數(shù)，將其設(shè)置為σ＝1.65,η＝-0.9。這種參數(shù)設(shè)置使得當(dāng)時，函數(shù)趨近于0，當(dāng)時，函數(shù)趨近于1。函數(shù)取值隨著的增加而顯著增加，當(dāng)值趨近于或超過α?xí)r，函數(shù)取值隨著的增加而緩慢增加并接近1，因此函數(shù)起到了懲罰因子的作用，當(dāng)用戶的比特錯誤率達(dá)到目標(biāo)值時，的值接近于1。此設(shè)計方法使得適應(yīng)度函數(shù)值越大，確保可靠性的多目標(biāo)綠色認(rèn)知無線電系統(tǒng)的綜合性能越優(yōu)，由此可以看出，所設(shè)計的確保可靠性的多目標(biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)設(shè)計模型能在保證小于系統(tǒng)要求的目標(biāo)比特錯誤率的前提下同時實(shí)現(xiàn)最小化發(fā)射功率和最大化數(shù)據(jù)速率。

步驟二，確定量子多目標(biāo)多種群共生進(jìn)化搜索機(jī)制中量子粒子群的種群規(guī)模為3K，將其劃分為3個量子粒子子群，每個子群中有K個量子粒子。初始化第i個量子粒子的量子速度的所有量子位為量子比特的取值區(qū)間為[0,1]之間。初始化第i個量子粒子的位置其中j＝1,2,...,L，1≤i≤3K，其對應(yīng)的綠色認(rèn)知無線電的系統(tǒng)參數(shù)為當(dāng)1≤i≤K時，和分別代表第1個量子粒子子群的第i個量子粒子的量子速度和位置，第1個子群的第i個量子粒子至今為止根據(jù)第1個適應(yīng)度函數(shù)所搜索到的局部最優(yōu)位置為當(dāng)K+1≤i≤2K時，和分別代表第2個量子粒子子群中第i個量子粒子的量子速度和位置，第2個子群的第i個量子粒子至今為止根據(jù)第2個適應(yīng)度函數(shù)所搜索到的局部最優(yōu)位置為當(dāng)2K+1≤i≤3K時，和分別代表第3個量子粒子子群的量子粒子的量子速度和位置。初始時，設(shè)迭代次數(shù)t＝0，第1個和第2個子群中每個量子粒子的初始局部最優(yōu)位置應(yīng)設(shè)置為其相應(yīng)的初始位置，即(1≤i≤2K)。

步驟三，對每個子群中的所有量子粒子的位置，將其映射為確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電的系統(tǒng)參數(shù)，進(jìn)行適應(yīng)度計算，根據(jù)其值可評價其所找到位置的優(yōu)劣。

1.第1個量子粒子子群的第i(1≤i≤K)個量子粒子根據(jù)第1個適應(yīng)度函數(shù)計算適應(yīng)度值，獲得第1個量子粒子子群的全局最優(yōu)位置為第2個量子粒子子群的第i(K+1≤i≤2K)個量子粒子根據(jù)第2個適應(yīng)度函數(shù)計算適應(yīng)度值，獲得第2個量子粒子子群的全局最優(yōu)位置3個子群中的所有量子粒子的位置根據(jù)其適應(yīng)度值進(jìn)行非支配位置排序和擁擠度計算，初始化精英位置集。

當(dāng)求解兩個目標(biāo)的最大值聯(lián)合優(yōu)化問題時，對于位置x_i和x_k，f_z(y_i)≥f_z(y_k),(z＝1,2)對所有的z都成立，且至少有一個嚴(yán)格不等式成立，則稱x_i支配x_k，x_i為非支配位置。若f_z(y_i)≤f_z(y_k),(z＝1,2)對所有的z都成立，且至少有一個嚴(yán)格不等式成立，則稱x_k支配x_i，x_k為非支配位置。否則，位置x_i、x_k無任何支配關(guān)系。

對于確定位置等級集合中每個位置p，計算支配位置p的位置數(shù)目n_p以及位置p所支配的位置集合S_p。如果n_p＝0，這意味著沒有位置支配p，則說明位置p的非支配等級為1。對于每個n_p＝0的位置p，遍歷S_p中的每個位置q，并且S_p中支配q的位置數(shù)目設(shè)為n_q，若n_q＝0，則將位置q放在集合Q_q中，這些位置的非支配等級為2。利用上述過程對Q_q中的每個位置重復(fù)，便可以得到非支配等級為3的位置集合。重復(fù)此過程直至得到所有位置的非支配等級。

對于非支配等級相同的位置，其中的n個位置根據(jù)適應(yīng)度函數(shù)f_z的值由小到大進(jìn)行排序，適應(yīng)度函數(shù)值最小的和最大的所對應(yīng)的位置的擁擠度值設(shè)為I_z(1)_distance＝I_z(n)_distance＝∞。其它位置的擁擠度為相鄰兩個位置的適應(yīng)度函數(shù)值的差除以最大適應(yīng)度函數(shù)值和最小適應(yīng)度函數(shù)值的差，即b＝2,3,...,n-1。對每個位置的每個適應(yīng)度函數(shù)f_z(z＝1,2)所對應(yīng)的擁擠度都進(jìn)行上述計算，最終的位置擁擠度值就是計算出的2個位置擁擠度分量的和。

由上述計算過程可知，為確保得到均勻的Pareto前端位置集，要向非支配等級為1且位置擁擠度值較大的位置演進(jìn)，所以根據(jù)非支配位置排序和位置擁擠度的值對精英位置進(jìn)行排序。

對非支配等級相同的位置按擁擠度由大到小進(jìn)行排序，選擇非支配等級為1的位置加入精英位置集EliteSetQMMSSE中，精英位置集中所含最大位置數(shù)設(shè)置為Elite。

步驟四，更新3個子群中量子粒子的量子速度和位置。

第1個量子粒子子群和第2個量子粒子子群使用單目標(biāo)量子粒子群搜索方法。

1.更新第1個子群和第2個子群中每個量子粒子的量子速度和位置。第1個子群的第i個量子粒子的量子旋轉(zhuǎn)角為1≤i≤K，c₁和c₂分別是[0,1]之間的常數(shù)，分別代表子群中至今所找到的局部最優(yōu)位置和全局最優(yōu)位置對量子旋轉(zhuǎn)角更新過程的影響程度。第2個子群的第i個量子粒子的量子旋轉(zhuǎn)角為K+1≤i≤2K，j＝1,2,...,L。第i個量子粒子的量子速度的第j維量子位在第t+1次迭代過程中的更新方式如下：其中1≤i≤2K，j＝1,2,...,L；c₃為[0,1/L]之間的常數(shù)，代表量子位的變異概率；為[0,1]之間均勻分布的隨機(jī)數(shù)；量子粒子的位置通過對量子速度的測量得到，即其中1≤i≤2K，j＝1,2,...,L，為[0,1]之間均勻分布的隨機(jī)數(shù)。

2.采用多目標(biāo)量子粒子群搜索機(jī)制的演進(jìn)規(guī)則對子群3中的量子粒子進(jìn)行演化，產(chǎn)生新的量子速度和位置。

第i個量子粒子的第j個量子旋轉(zhuǎn)角的更新方式為其中，2K+1≤i≤3K，j＝1,2,...,L；c₄和c₅為常數(shù)，決定了子群3的局部最優(yōu)位置和子群3的全局最優(yōu)位置對量子旋轉(zhuǎn)角更新過程的影響程度；代表子群3的局部最優(yōu)位置，其是在精英位置集EliteSetQMMSSE的前50％優(yōu)秀位置中隨機(jī)選取；代表子群3的全局最優(yōu)位置，其是在精英位置集EliteSetQMMSSE的前20％優(yōu)秀位置中隨機(jī)選取。第i個量子粒子的量子速度的第j維量子位的更新方式為為均勻分布在[0,1]之間的隨機(jī)數(shù)；c₆是量子旋轉(zhuǎn)角為0的量子位的翻轉(zhuǎn)概率。量子粒子的位置可以通過對量子速度的測量得到，即其中2K+1≤i≤3K，j＝1,2,...,L，為[0,1]之間均勻分布的隨機(jī)數(shù)。

步驟五，將所有子群中每個量子粒子的新位置，映射成為確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電的系統(tǒng)參數(shù)，并計算適應(yīng)度值。

更新子群1和子群2中量子粒子的局部最優(yōu)位置，并分別更新兩個子群的全局最優(yōu)位置。

對所有子群中3K個量子粒子的位置根據(jù)其適應(yīng)度值進(jìn)行非支配位置排序和位置擁擠度計算。對非支配等級相同的位置按擁擠度由大到小進(jìn)行排序，選擇非支配等級為1的位置加入精英位置集EliteSetQMMSSE中。

步驟六，如果精英位置集EliteSetQMMSSE的位置個數(shù)大于Elite，則對精英位置集EliteSetQMMSSE中的位置進(jìn)行非支配位置排序和位置擁擠度計算，并對非支配等級相同的位置進(jìn)行位置擁擠度由大到小進(jìn)行排序。從中選擇前Elite個位置作為新的精英位置集EliteSetQMMSSE。

步驟七，如果沒有達(dá)到最大迭代代數(shù)，設(shè)t＝t+1，返回步驟四繼續(xù)迭代；否則，迭代終止，執(zhí)行下一步。

步驟八，將得到的精英位置集EliteSetQMMSSE中的位置進(jìn)行非支配位置排序和擁擠度計算，選擇非支配等級為1且滿足擁擠度要求的位置作為最終的Pareto前端位置集。

步驟九，根據(jù)確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)要求，從最終的Pareto前端位置集中選出位置并映射得到所需要的確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電的系統(tǒng)參數(shù)。

以圖10的綠色認(rèn)知無線電網(wǎng)絡(luò)參數(shù)設(shè)計為例，其它情況可以依此類推，其中，無線信道優(yōu)化方法模塊使用量子多目標(biāo)多種群共生進(jìn)化方法對無線信道和環(huán)境進(jìn)行建模，認(rèn)知無線系統(tǒng)中的量子多目標(biāo)多種群共生進(jìn)化方法模塊利用多目標(biāo)多種群共生進(jìn)化方法生成新的波形，認(rèn)知系統(tǒng)監(jiān)控模塊包含有知識庫，其中的長期知識是通過確?？煽啃远嗄繕?biāo)綠色認(rèn)知無線電參數(shù)設(shè)計技術(shù)曾經(jīng)處理過的各種信道及相應(yīng)的無線系統(tǒng)。量子多目標(biāo)多種群共生進(jìn)化方法模塊初始化參數(shù)，短期知識則是從長期知識庫中搜索出的與當(dāng)前信道比較相近的案例。為了避免在相同的信道條件下，多次執(zhí)行量子多目標(biāo)多種群共生進(jìn)化方法進(jìn)行優(yōu)化處理，在認(rèn)知系統(tǒng)監(jiān)控模塊中實(shí)現(xiàn)了基于案例的決策器，即如果知識庫中存在相同的案例則直接應(yīng)用以前優(yōu)化的結(jié)果，否則就執(zhí)行優(yōu)化過程。同時，認(rèn)知系統(tǒng)監(jiān)控模塊能夠提供并行分布式操作，具有學(xué)習(xí)分類器以及交替量子多目標(biāo)多種群共生進(jìn)化方法功能，可以利用存儲在知識庫中的長期知識來綜合匹配信道，也可以根據(jù)應(yīng)用需求對短期知識進(jìn)行操作。

該確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電參數(shù)設(shè)計方法可以對波形的相關(guān)參數(shù)進(jìn)行調(diào)整，滿足誤比特錯誤率(BER)、信號帶寬、頻譜效率、功率、數(shù)據(jù)速率和干擾等多個指標(biāo)的要求。選擇要考慮的目標(biāo)函數(shù)的形式(本文選最小化發(fā)射功率、最小化比特錯誤率和最大化數(shù)據(jù)速率)，運(yùn)用本發(fā)明所提出多目標(biāo)多種群共生進(jìn)化方法，求解確保可靠性的多目標(biāo)綠色認(rèn)知無線電參數(shù)設(shè)計的最優(yōu)位置集，即Pareto前端位置集。確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)根據(jù)認(rèn)知通信系統(tǒng)對最小化發(fā)射功率、最小化比特錯誤率和最大化數(shù)據(jù)速率的要求，從確保可靠性的多目標(biāo)綠色認(rèn)知無線電參數(shù)設(shè)計的Pareto前端位置集中選取合適系統(tǒng)參數(shù)，確定方案，完成確?？煽啃缘亩嗄繕?biāo)綠色認(rèn)知無線電系統(tǒng)參數(shù)設(shè)計過程。