周德全

（浙江农林大学 信息工程学院，浙江 临安 311300）

0 引言

众所周知，随着无线通信技术的迅猛发展，无线频谱已成为一种稀缺资源。幸运的是，认知无线电（CR）技术让人们看到了克服这一问题的希望。一个理想的认知无线电系统应具有如下能力：在大带宽上感知频谱环境，检测授权用户未使用的频谱，并在确保不干扰授权用户的前提下使用该频谱进行通信[1]。然而，认知无线电技术要得到应用，还有很多技术难题需要解决。其中之一就是 CR系统中物理层和媒体控制层参数优化决策方法[2]。虽然认知无线电技术的主要目的是利用动态频谱接入技术提高频谱利用率，但最小化误比特率（BER）及能量消耗、最大化数据率也是需要考虑的重要性能[3]。为实现这些目的，认知无线电系统应具有连续观察和学习环境参数能力，基于用户需求及环境参数最优化决策发射参数的能力。自从1999年Mitola Ⅲ J提出认知无线电的概念以来[2]，物理层和媒体控制层参数优化方法就成为国内外众多学者研究的重要方向之一[3-5]。

如上所述，认知无线电的主要目标是提高频谱利用效率。但是，其他目标，比如最小化误码率，最大限度地提高数据吞吐量，最大限度地降低发射功率，也需要得到满足。显然，这里面临的是一个多目标优化问题。遗传算法是非常适合解决多目标优化决策问题的。但是当遗传算法应用于优化问题时，存在过早收敛的现象[6]。在遗传算法中引入免疫的概念和方法的目的就是利用局部特征信息，防止处理复杂问题时出现过早收敛现象。……