基于元胞量子蜂群算法和信道案例库的认知无线电混合跨层决策引擎研究

针对认知无线电系统参数重配置问题,提出一种基于元胞量子蜂群算法和信道案例库的混合跨层认知决策引擎。该认知决策引擎充分考虑无线通信网络各层参数,以网络整体性能最优为优化目标;提出的元胞量子蜂群算法利用双策略对种群进行混沌初始化,设计了基于元胞自动机原理和社会认知策略的快速量子旋转角调整策略用于实现引领蜂和跟随蜂的邻域搜索;构建基于信道增益的认知无线电参数案例库,用于实现快速决策。仿真结果表明,该认知决策引擎能够根据无线通信环境和用户需求的变化,动态地进行参数的重配置,同时其在收敛速度、收敛精度和算法稳定性上都明显优于基于二进制人工蜂群算法和量子遗传算法的认知决策引擎。