基于改进遗传算法的无线网络功率控制研究

来源 :安徽大学 | 被引量 : 0次 | 上传用户:chenxiaoyi1988
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
CDMA是现代通信系统中重要的通信技术之一,其信道可供所有用户同频、同时占用,以扩频码区分用户。但在多用户情形下存在多址干扰问题,使得用户数量的上限和CDMA系统性能受到限制。基站接收机可以使用多用户检测算法来减弱多址干扰并增加系统容量,串行干扰消除(SIC)是多用户检测算法之一,由其具有实现复杂度低和系统性能高的特点而受到广泛的关注。使用这一类的多用户检测算法,可以有效缓解CDMA所面临的多址干扰问题。但在移动用户大量增多且个性化需求也越来越高的情形之下,系统对无线资源的需求量也在进一步提升,从而导致通信质量下降。而功率控制可通过对发射端的发射功率进行控制从而有效解决该问题。因此本论文对基于串行干扰消除的功率控制进行了重点研究。本论文的主要工作总结如下:(1)提出了基于协同进化功率控制的串行干扰消除的系统模型。在CDMA系统中,当多用户同时接入无线通信系统中时,会导致整个系统的通信需求量瞬时骤增,但区域范围内所拥有的信道资源往往无法满足其使用需求,信道出现阻塞现象,从而导致通信效率低,甚至会令部分用户不能接入,致使其通信中断。因此本文将以最大化网络吞吐量为前提进行功率控制。引入协同进化算法和遗传算法,结合SIC技术对问题进行求解优化。协同进化算法有利于增强全局搜索,加入精英策略,避免出现早熟陷入局部最优的现象发生,并且提出了不等式约束策略,大大提高了寻找可行解的概率。(2)在基于SINR等功率控制模型的基础上,本文结合SIC技术,引入改进的NSGA-Ⅱ算法,建立了一个新的基于SIC算法的多目标功率控制模型。在原有目标函数的基础上进行了扩展,引入了一个新的优化目标:移动端发射功率,将由原先的一个优化目标扩展为两个进行进一步研究。在阅读相关文献的基础上,选择在解决多目标问题中表现效果较好的NSGA-II算法对问题进行求解。针对该算法,本文首先分析了局限性。在此基础上,对其进行了改进。通过在遗传进化过程中引入阈值选择策略、改进的自适应突变方法和自适应交叉算子,保证Pareto最优解集能快速准确的获取。最后,通过实验验证了改进的NSGA-II算法的有效性。
其他文献
现实世界中的复杂系统与人们的生活密切相关,这些复杂系统都可以表示为复杂网络,其中社团结构作为复杂网络的重要特性之一,对于分析复杂网络的结构属性和潜在功能具有重要作用。复杂网络中的社团结构主要分为两类:一类是非重叠社团,即网络中节点只能属于一个社团;另一类是重叠社团,即网络中节点可以属于多个社团。由于现实世界中大部分复杂网络都具有重叠社团结构,所以本文关注重叠社团检测问题。为了解决这个问题,基于多目
随着大数据以及云服务时代的来临,互联网上Web服务呈指数增长,具有类似功能的Web服务也急剧增多。如何在功能相同的海量服务中为用户推荐满足其需求的服务成为服务推荐领域的研究热点。服务的QoS作为衡量服务非功能属性的指标一直广泛应用于服务推荐领域中。然而,在当前网络环境下,由于种种条件限制,用户不可能亲自调用每一个服务来获取QoS值,因此,QoS预测成为为用户在短时间内推荐服务的有效途径。传统的协同
随着城市中汽车数量与日俱增,交通流量日益扩大,给我国智能交通系统带来一定挑战,因此车牌定位与识别技术的研究不能停滞不前,尤其是车牌定位技术更是整个研究领域中最为关键的一环,同时随着汽车周围环境的变化和不确定因素的干扰,传统固定场景下的车牌定位方法逐渐难以满足越来越复杂的实际场景需求。本文基于经典的特征设计工程以及深度学习在目标检测领域获得巨大成功的前提下,针对复杂场景下的车牌定位难的问题提供了两种
近年来,随着科学技术的进步,出现了许多包含大量特征的问题。大量的冗余特征会显著降低模型的学习精度和速度。为了消除冗余特征,特征选择在各个领域被广泛应用。现有的特征选择算法主要分为两类,第一类为过滤式方法,该方法根据数据的特性定义一些评价指标,通常速度较快。第二类是包装式方法,包装式方法通常是一种迭代型算法,能够得到较高的分类精度。为了能够同时提高算法的分类精度和缩短算法的时间,一种基于混合(结合过
随着人工智能技术的快速发展,智能化的人-机交互设备已逐渐走进人们的生活。虽然它们能够较好地按照人们的意愿完成相应的功能,但几乎不能进行情感交流,无法根据使用者的心理感受调整交互方式,这极大制约了其功能和应用范围。情感作为一种主要的信息交流方式,在人们的日常沟通中发挥着重要的作用。开发具有情感自主感知的人机交互系统,已成为人工智能与人机交互领域中一个重要的研究方向。目前,情感计算的主要数据来源大致可
随着信息技术的发展,各领域的数据规模以惊人的速度扩张,这一方面给机器学习、数据挖掘等任务带来了更多的训练信息,另一方面增加了处理这些数据的难度。实例选择(Instance Selection,简称IS),作为一种常见的数据预处理技术,可以有效地删除一些冗余、噪声的样本,从训练集中获得一个优秀的子集,被广泛应用于机器学习、数据挖掘等任务中。因为实例选择的重要性,过去几十年里,有许多不同的实例选择算法
随着信息化和大数据时代的进一步到来,日益扩大膨胀的信息和数据已经充斥着人们生活的方方面面。为了高效和准确地获取信息,推荐系统成为了人们日常生活中不可或缺的工具。当前,大多学者对推荐系统的研究主要是针对单一领域推荐性能的提高。这种推荐系统大都存在着数据稀疏性的问题,很难精确地建模用户的兴趣。事实上,用户的信息通常是跨平台或者跨领域的,因此不同领域的信息可以相互共享和互为补充。但是针对一个特定的推荐任
随着5G网络的开始商用,人们已经开始越来越依赖网络了。网络中每天都会产生大量的数据,这些数据包括网络用户的一些个人信息,银行卡号,支付密码等等。用户与网站安全的数据交互变得尤为重要。目前,钓鱼网站因其拥有存活时间短,危害性大的特点已经成为网络安全中的一个重大威胁。网络钓鱼利用诸如电子邮件和SMS之类的社会工程技术,将网络钓鱼URL伪装成合法网站的URL来窃取用户的私人信息。因此建立一个可以快速并且
甲状腺结节是最常见的临床病变之一,可由多种病因引起,其发病率逐年升高。对其治疗的关键问题是鉴别结节的良恶性质。超声诊断是甲状腺结节诊断的一种常见方法,并在识别结节大小,定位结节部位、指导穿刺上具有一定价值。当放射医师根据甲状腺超声图像判断甲状腺为恶性时,应进一步进行细针穿刺活检或手术。但是,由于缺乏经验的放射科医生可能会导致误诊。此外,甲状腺结节自身形态复杂多样,以及超声图像本身噪声高且对比度低,
自二十一世纪以来人工智能技术的快速发展,深度学习中的神经网络算法凭借其自主学习能力在分类,检测和分割等任务上得到深入研究,目前基于深度学习的目标检测算法在行为监控、目标检测与追踪、自动驾驶等多个实际应用场景中都证明了其优秀的表现能力。随着遥感技术的进步雷达波已经成功达到毫米级别,合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种应用最多、穿透力较强的雷达波,能够有效探