申请/专利权人：华北电力大学

申请日：2022-07-23

公开（公告）日：2024-04-02

公开（公告）号：CN115242331B

主分类号：H04B17/382

分类号：H04B17/382;H04B17/391;G06Q10/04;G06F17/18;G06Q50/06;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.11.11#实质审查的生效;2022.10.25#公开

摘要：虚拟电厂中认知无线电的协作频谱感知优化方法，包括如下步骤，建立虚拟电厂中认知无线电的协作频谱感知模型；利用改进蝠鲼觅食优化算法优化虚拟电厂中认知无线电的协作频谱感知模型；确定数学模型更新位置；计算更新位置适应度的最优值及其对应的权重因子值；引入GBO算法中的本地转义运算符改进蝠鲼觅食优化算法确定数学模型更新位置：设置随机参数randpr=0.5时则采用GBO算法中的本地转义运算符，根据最优值及对应的权重因子值的梯度指定的方向更新每个代理位置；计算更新位置后的更新最优值及对应的位置：根据迭代次数和最大迭代次数判断是否达到优化结果。本方法通过引入认知无线电技术，提高了频谱利用率和通信质量，降低了经济损失和通信成本。

主权项：1.虚拟电厂中认知无线电的协作频谱感知优化方法，其特征是：包括如下步骤，步骤1，建立虚拟电厂中认知无线电的协作频谱感知模型：设置虚拟电厂中将本地感知的统计数据发送到融合中心的能源设备为认知用户，设置共存在M个认知用户；设置固定有特定频段且具有协作感知优先权的能源设备为主用户，非固定特定频段或没有协作感知优先权的能源设备为次要用户；虚拟电厂中认知无线电的协作频谱感知框架包括M个认知用户和融合中心；则第k时刻第m个认知用户接收到的频谱感知信号gmk的二元假设检验表达式为： 其中，sk是主用户发出的信号，该信号的能量大小为hm是主用户和第m个认知用户之间的信道增益，它受到信道阴影、信道损失和衰落等的影响，其向量表达式为h＝[|h1|2,|h2|2,...,|hM|2]Τ；amk是认知用户在感知主用户时的加性高斯白噪声，其均值为0、方差为H0表示不存在主用户，H1表示存在主用户；对于每个认知用户，其感知主用户N次的样本检测接收信号能量的汇总作为总统计量um，具体表达式如下所示： 因此，第m个认知用户本地信噪比Rm的表达式如下： 为了实现多个认知用户之间的合作，um通过专用控制信道传输到融合中心，在融合中心得到的第m个认知用户感知的输出信号ym的表达式如下：ym＝um+nm,m＝1,2,...,M4其中，nm是由认知用户将感知信息发往融合中心的加性高斯白噪声，其均值为0、方差为方差以向量的形式表达从而得到此时全局测试统计量yfc的表达式如下： 其中，x为融合中心给各认知用户统计量所分配的权重因子，具体表达式为x＝[x1,x2,...,xM]T，并且有y＝[y1,y2,...,yM]T；全局测试统计量yfc在H0情况下的方差计算结果如下： 其中，ξ＝2Ndiag2σ+diagδ,全局测试统计量yfc在H1情况下的方差计算结果如下： 其中，ζ＝2Ndiag2σ+diagδ+4Esdiaghdiagσ；设有阈值γfc，用于将全局测试统计量yfc与融合中心收到的能量信号大小比较，进而判断是否存在主用户发送信号，若能量信号大于阈值则判断主用户发送信号，否则没有；从而，协作频谱感知中虚警概率的表达式如下所示： 其中，协作频谱感知中检测概率的表达式如下所示： 由公式8中Pf的表达式得到阈值γfc的表达式为： 将公式10代入公式9得到： 从公式11中能够得到，当Pf给定时，通过优化x即可得到Pd的最大值；因此得到虚拟电厂中认知无线电的协作频谱感知模型的相关目标函数和约束条件如下所示： 考虑到公式11中的Q函数是一个单调递减的函数，则最大化Pd相当于公式12最小化fx，以此找到最优权重向量；步骤2，利用改进蝠鲼觅食优化算法优化虚拟电厂中认知无线电的协作频谱感知模型：初始化改进蝠鲼觅食优化算法的参数：设置最大迭代次数为MaxIt；当前迭代次数t＝1，随机产生N个蝠鲼作为初始值，记蝠鲼n的初始值为xn＝[xn1,xn2,...,xnM],n＝1,2,...,N，并须满足约束条件计算适应度的最优值及其对应的权重因子值：通过比较的方式比较每两个蝠鲼的适应度值取较小者，再将该较小者与下一个蝠鲼的适应度值作比较，直到找到此时的最优值，以及对应的权重因子值；采用旋风式和链式觅食行为数学模型更新位置，具体包括设有随机数rand，其值在0～1之间；若rand＜0.5，则根据旋风式觅食行为数学模型更新位置；否则，根据链式觅食行为数学模型更新位置；所述根据旋风式觅食行为数学模型更新位置包括：设coef＝tMaxIt，当coef＜rand时，选择搜索空间中随机生成的位置作为探索最优解的参考位置；当coef＞rand时，选择当前最佳解决方案对应的权重因子值作为探索最优解的参考位置；当coef＜rand时，旋风式觅食行为的数学模型如下： 其中，xn,mt是第n个蝠鲼在第t次迭代中第m个认知用户的位置，是在搜索空间中随机产生的一个随机位置，r是0,1范围内的随机向量；Ubm和Lbm分别是在第m个认知用户的上限和下限，在协作频谱感知模型下Ubm＝1，Lbm＝0；β是权重系数，其中r1是0，1中的随机数；当coef＞rand时，旋风式觅食行为的数学模型如下： 其中，是第t次迭代高浓度浮游生物的位置，选择当前最佳解决方案对应的权重因子值作为探索最优解的参考位置；所述根据链式觅食行为数学模型更新位置利用如下公式进行模型更新： 其中，α是权重系数，计算更新位置适应度的最优值及其对应的权重因子值：计算更新位置对应每个蝠鲼的适应度值，比较每两个蝠鲼的适应度值取较小者，再将该较小者与下一个蝠鲼的适应度值作比较，直到找到此时的最优值，以及对应的权重因子值；引入GBO算法中的本地转义运算符改进蝠鲼觅食优化算法确定数学模型更新位置，具体包括设置概率参数pr＝0.5，若randpr，则采用GBO算法中的本地转义运算符更新位置；否则，根据翻筋斗觅食数学模型更新位置；所述采用GBO算法中的本地转义运算符更新位置包括：根据最优值及对应的权重因子值的梯度指定的方向更新每个代理位置；为了保证重要搜索空间区域的探索与接近最优点和全局点之间的平衡，重要参数ρ1表达式如下： 其中，γmin和γmax分别为0.2和1.2，t是迭代次数，MaxIt是最大迭代次数，梯度搜索规则的计算公式如下： 其中，Δx为当前最优位置xbest和随机位置之间的步长，参数θ用于确保Δx随迭代次数改变，计算表达式如下： 其中，rand1:N是一个N维的随机数，r1，r2，r3和r4r1≠r2≠r3≠r4≠n是从1,N中随机选择的不同整数，step是步长，与xbest和相关，是随着更新生成的新向量，位置在搜索空间中由梯度搜索规则和移动方向指定的随机点创建，移动方向是指当前向量xn在xbest-xn方向上移动，移动方向DM的表达式如下：DM＝rand·ρ1xbest-xn20因此得到： 其中，ypn＝yn+Δx，yqn＝yn-Δx；yn是zn+1和xn的平均值，zn+1表达式如下： 其中，xn为当前解向量，randn为维度为n的随机解向量，xworst和xbest分别为当下最差和最好的解，通过将对应公式中的当前向量替换为最佳向量的位置xbest，新向量表示如下： 下一次迭代中的新位置更新公式如下： 其中，ra和rb是0,1之间的随机数，的的计算公式如下： LEO的数学表达式为： 其中，f1是-1,1范围内服从均匀分布的随机数；f2是服从正态分布的随机数，均值为0，标准差为1；u1、u2和u3是三个随机数，为了平衡全局探索和局部探索，其参数设置如下：的表达式为：且xrand＝Lbm+rand0,1·Ubm-Lbm，是随机选择的总体解p∈[1,2,...,N]，μ2是0,1范围内的随机数；所述根据翻筋斗觅食数学模型更新位置利用如下公式进行模型更新： 其中，S是决定蝠鲼空翻范围的空翻系数，S＝2；r2和r3是0,1中的两个随机数；计算更新位置后的更新最优值及对应的位置：将数学模型更新位置与最优值比较取较小者为更新最优值，以及得到对应的位置；根据迭代次数t和最大迭代次数MaxIt判断是否达到优化的结果。

全文数据：

权利要求：

百度查询： 华北电力大学 虚拟电厂中认知无线电的协作频谱感知优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD