一种能量采集认知中继网络的多目标中继选择方法

技术领域

本发明涉及一种能量采集认知中继网络的多目标中继选择方法，属于无线通信领域。

背景技术

认知无线电技术具有灵活、智能、可自适应配置等优点，能够有效地利用空闲频谱，缓解了紧缺的频谱资源与日益增长的数据流量之间的矛盾，从而提高频谱利用率。能量采集技术通过特定装置从周围环境收集能量，缓解了能量消耗与能量供给之间的矛盾，为无线通信系统利用可再生能源提供了新的方式，使无线充电成为可能。认知无线电技术和能量采集技术的结合具有同时实现绿色通信和高效频谱利用的潜力，成为近年来研究的热点话题。

在能量采集认知中继网络中，往往存在多个候选中继节点，除了信道增益之外，还需要考虑主用户和认知用户间相互干扰的影响，既要满足主用户干扰门限的约束，同时还要保证认知用户自身服务质量。中继选择问题是能量采集认知中继网络中的基础问题，同时也是典型的NP-hard问题，难以在有限的时间内求其精确解。合理的中继选择方案对于降低认知中继网络的功率消耗和干扰，提高网络性能具有重要的意义，引起了广大学者的关注。

通过对现有文献检索发现，谢显中等在《重庆邮电大学学报》(2019,31(1):10)上发表的“能量收集认知网络中基于次用户意愿和吞吐量的中继协作方案”提出了一种以吞吐量为优化目标的单目标中继协作方案,利用能量收集时间分配因子进行求解，仅考虑了网络吞吐量并未考虑网络能量效率，实用性较低。G.Kalaimagal等在《Wireless PersonalCommunications》(2021:1-17)上发表的“Optimal Relay Node Selection Using Multi-Objective based Pity Beetle OptimizationAlgorithm for Cognitive RadioNetworks”提出了一种基于多目标中穴星坑小蠹优化算法的中继选择方案，对主用户和次用户端的信干噪比进行了优化，但并未考虑网络能量效率，不是真正意义上的多目标优化问题，且算法复杂度较高。

已有文献的检索结果表明，现有中继选择方法适用范围较窄，计算复杂度较高，难以实现在提高信噪比的同时兼顾能量效率的需求，不能很好的满足不同场景下多目标的需求。因此本发明设计了一种基于多目标量子帝王蝶优化机制的多目标中继选择方法，在能量采集认知中继网络环境下，综合考虑网络能量效率和信噪比，构建新的解决离散优化问题的多目标函数，并通过多目标量子帝王蝶优化机制快速得到多目标中继选择方法，在保证信噪比的同时又能实现网络能量效率的最大化，为解决能量采集认知中继网络的中继选择方案提供了新思路和新方法。

发明内容

本发明的目的是为能量采集认知中继网络提供一种同时考虑信噪比和网络能量效率的多目标量子帝王蝶优化机制的多目标中继选择方法。

本发明的目的是这样实现的：步骤如下：

步骤一，建立能量采集认知中继网络的多目标中继选择模型；

步骤二，初始化量子帝王蝶种群并设定系统参数；

设定最大迭代次数为T，迭代数标号为t，t∈[1,T]，量子帝王蝶种群规模为H，维度为N；种群中帝王蝶的初始量子位置通过随机的方式产生，第t代第m只帝王蝶的量子位置表示为

步骤三，确定多目标中继选择的多目标适应度函数，计算量子帝王蝶种群中所有个体的适应度函数值，并进行非支配排序和拥挤度计算，建立初始精英解集；

步骤四，从精英解集中选择全局最优量子位置，根据非支配排序等级，将量子帝王蝶种群划分为两个子种群；

全局最优帝王蝶随机选择于精英解集S

步骤五，采用不同的策略更新子种群1和子种群2中帝王蝶的量子位置；

步骤七，合并两个更新后的子种群为一个新的量子帝王蝶种群，根据测量方式，测量得到更新后的两个子种群中帝王蝶个体的位置，计算新的量子帝王蝶种群中所有个体的适应度函数值；

步骤八，将最近两代量子帝王蝶种群混合，进行非支配解排序和拥挤度计算，更新精英解集；

将最近两代量子帝王蝶种群混合，进行非支配解排序和拥挤度计算，并对非支配等级相同的帝王蝶个体按拥挤度值进行降序排列，选择非支配等级为1的帝王蝶个体加入精英解集S

步骤九，如果演化没有终止，即迭代次数小于预先设定的最大迭代次数，令t＝t+1，返回步骤四继续进行迭代；否则，终止迭代，输出精英解集，即非支配等级为1的Pareto前端解集，得到多目标中继选择方案。

进一步地，步骤一具体为：在能量采集阶段，认知用户源节点和第n个中继节点从环境信号中采集到的能量分别为E

在数据传输阶段，设认知用户源节点发送信号为x

进一步地，步骤三中，第m只帝王蝶位置的最大值优化的多目标函数为

进一步地，步骤五中，子种群1中，第m

其中，

子种群2中，第m

其中，

与现有技术相比，本发明的有益效果是：(1)为提高频谱利用率，同时有效节约能量，缓解能量消耗与能量供给之间的矛盾，实现绿色通信的理念，本发明将能量采集技术与认知中继网络相结合，构建了能量采集认知中继网络系统模型。

(2)本发明解决了离散优化的认知中继网络多目标中继选择问题，针对现有中继选择方法不能同时保证信噪比和能量效率的问题，设计了新颖的基于多目标量子帝王蝶优化机制的多目标中继选择方法，可以解决实际生活中的多目标中继选择问题，所设计的方法性能稳定，可以短时间内求出最优多目标中继选择方案。

(3)相比于传统的帝王蝶优化机制和量子帝王蝶优化机制仅能解决连续优化的单目标问题，本发明所设计的多目标量子帝王蝶优化机制，可用于求解离散优化问题的多目标难题，在种群更新过程中，采用量子态演进规则，提高了收敛性，降低了算法的时间复杂度，具有较强的寻优能力。为解决认知中继网络的中继选择问题提供了新思路，具有很好的推广性。

附图说明

图1为多目标量子帝王蝶优化机制的多目标中继选择方法示意图。

图2为同时考虑信噪比和能量效率的非支配排序遗传方法与多目标量子帝王蝶优化机制搜索出的非支配解。

图3为中继数目为20的情况下同时考虑信噪比和能量效率的多目标量子帝王蝶优化机制搜索出的非支配解和帝王蝶优化方法及政治优化方法的单目标解。

图4为中继数目为30的情况下同时考虑信噪比和能量效率的多目标量子帝王蝶优化机制搜索出的非支配解和帝王蝶优化方法及政治优化方法的单目标解。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

本发明的步骤如下：

步骤一，建立能量采集认知中继网络的多目标中继选择模型。

能量采集认知中继网络由主用户和认知用户构成，主用户中包含一对主用户发射机和接收机，认知用户由一对认知用户源节点和认知用户目的节点及N个中继节点组成。主用户与认知用户共享带宽为W的授权频带。假设认知用户源节点与认知用户目的节点之间不存在直接通信链路，且整个系统工作在半双工时分多址模式下，所有的信道都服从独立同分布的瑞利衰落。在一个时隙内，一次完整的认知用户通信包括能量采集和数据传输两个阶段，在能量采集阶段，认知用户源节点和中继节点从周围的环境信号中采集能量，并将其转换为电能储存以便进行信息传输，在数据传输阶段，认知用户源节点向各中继节点发送信号，会对主用户接收机产生干扰，中继节点将接收到的信号进行放大后转发给认知用户目的节点，也会对主用户接收机产生干扰。任意节点i与节点j之间的信道衰落为

在能量采集阶段，认知用户源节点和第n个中继节点从环境信号中采集到的能量分别为E

在数据传输阶段，设认知用户源节点发送信号为x

假设中继节点和认知用户目的节点周围的噪声为相同的高斯白噪声，可求得系统端到端信噪比为

同时考虑系统吞吐量和系统能量效率的多目标中继选择问题为如下的最大值优化方程：

步骤二，初始化量子帝王蝶种群并设定系统参数。

设定最大迭代次数为T，迭代数标号为t，t∈[1,T]，量子帝王蝶种群规模为H，维度为N。种群中帝王蝶的初始量子位置通过随机的方式产生，第t代第m只帝王蝶的量子位置可表示为

步骤三，确定多目标中继选择的多目标适应度函数，计算量子帝王蝶种群中所有个体的适应度函数值，并进行非支配排序和拥挤度计算，建立初始精英解集。

第m只帝王蝶位置的最大值优化的多目标函数为

步骤四，从精英解集中选择全局最优量子位置，根据非支配排序等级，将量子帝王蝶种群划分为两个子种群。

全局最优帝王蝶随机选择于精英解集S

步骤五，采用不同的策略更新子种群1和子种群2中帝王蝶的量子位置。

子种群1中，第m

其中，

子种群2中，第m

其中，

步骤七，合并两个更新后的子种群为一个新的量子帝王蝶种群，根据测量方式，测量得到更新后的两个子种群中帝王蝶个体的位置，计算新的量子帝王蝶种群中所有个体的适应度函数值。

步骤八，将最近两代量子帝王蝶种群混合，进行非支配解排序和拥挤度计算，更新精英解集。

将最近两代量子帝王蝶种群混合，进行非支配解排序和拥挤度计算，并对非支配等级相同的帝王蝶个体按拥挤度值进行降序排列，选择非支配等级为1的帝王蝶个体加入精英解集S

步骤九，如果演化没有终止，即迭代次数小于预先设定的最大迭代次数，令t＝t+1，返回步骤四继续进行迭代；否则，终止迭代，输出精英解集，即非支配等级为1的Pareto前端解集，得到多目标中继选择方案。

在图2中，非支配排序遗传方法的非支配解记作NSGA-Ⅱ。在图3和图4中，帝王蝶优化方法信噪比的解记作MBO-SNR，帝王蝶优化方法能量效率的解记作MBO-EE，政治优化方法信噪比的解记作PO-SNR，政治优化方法能量效率的解记作PO-EE。

仿真中假设能量采集认知中继网络中主用户发射机的位置为(5,20)，主用户接收机的位置为(25,20)，认知用户源节点的位置为(0,0)，认知用户目的节点的位置为(30,0)，中继节点均匀分布在半径为5，圆心为(15,0)的圆内，主用户和认知用户共享带宽为W＝1MHz的授权频带，γ表示信道衰落服从均值为0，方差为1的复高斯分布，路径损耗因子β＝4，能量采集率为α

图2为同时考虑信噪比和能量效率的非支配排序遗传方法与量子帝王蝶优化机制搜索出的非支配解，中继节点数目为20个，认知用户源节点在单位时间内所采集到的能量为Y

图3为同时考虑信噪比和能量效率的量子帝王蝶优化机制搜索出的非支配解和帝王蝶优化方法及政治优化方法的单目标解，中继节点数目为20个，认知用户源节点在单位时间内所采集到的能量为Y

图4为同时考虑信噪比和能量效率的量子帝王蝶优化机制搜索出的非支配解和帝王蝶优化方法及政治优化方法的单目标解，中继节点数目为30个，认知用户源节点在单位时间内所采集到的能量为Y

从图3和图4中可以看出，所提出的中继选择方法支配单目标的帝王蝶优化方法和政治优化方法，所求出的非支配解是均匀分布的。量子帝王蝶优化机制对应于不同的中继节点数目的都是有效的，说明了所提出的方法适用的广泛性，实际中可以根据不同的需求来选择不同的解，例如对于信噪比需求较高时，可以适当牺牲一定的能量效率，然后从解集中选择合适的解作为实际问题解决方案。