毕晓君，李安宁

(哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001)

近年来，认知无线电被认为是克服频谱资源紧缺和提高通信效率最具有前景的技术[1]，其中认知能力和重配置能力是认知无线电系统必须具备的两大基本功能[2].而认知决策引擎是实现重配置能力的关键技术，它根据感知到的环境参数，对多个目标进行参数优化，可减小发射功率、降低系统误码率和增大数据传输速率等，从而提高通信效率.目前关于认知无线电决策引擎问题的研究尚属起步阶段，文献成果较少.其中文献[3]将遗传算法应用到决策引擎中，但遗传算法存在收敛速度慢、易于早熟等问题，导致优化效率比较低;文献[4]提出了二进制粒子群算法，虽然在收敛速度上有所提高，但仍易陷入局部最优.而目前效果最好的方法是基于协进化粒子群算法(coevolutionry particle swarm optimization，CPSO)的认知决策引擎[5]，与其他算法相比，在一定程度上可以提高系统的整体性能，但在易陷入局部最优和优化时间方面仍有待进一步提高.

差分进化算法是近年兴起的目前效果最好的优化算法，查阅现有文献，还没有将差分进化算法应用到认知无线电决策引擎的研究成果.为此本文进行了探索和尝试，提出一种基于二进制差分算法的认知无线电决策引擎，实验仿真结果表明，它可以在更短的时间内，获得更适合系统的工作参数，使系统整体性能有较大幅度的提高.

1 认知无线电决策引擎模型……

登录APP查看全文