384 浏览面向无线通信性能优化的仿生智能计算方法研究
摘要：随着无线通信系统的迅速发展,各类用户对系统的性能要求不断增加。在无线通信系统中采用天线阵列可以有效提升系统容量和信号增益,同时也可以显著提高通信能效。辐射方向图优化通常是天线阵列优化中的主要问题,然而,该问题是一个复杂的非线性优化问题,采用传统方法对其求解开销较大。进一步,将天线阵列引入到无线传感器网络（WSNs）中并采用协作波束成形可以大幅提高单个节点的通信距离和通信能效,然而,由于WSNs中节点随机分布导致的位置误差将产生较大的方向图旁瓣电平,进而影响系统通信性能。WSNs通信有效性面临的另一个重要问题是其节点能量受限,采用基于无人机（UAV）的无线充电技术对节点进行能量补充可以有效提升传统无线传感器网络的生命周期,然而,无人机本身也将面临能量受限问题,因此如何在基于UAV的无线可充电传感网络（WRSNs）中对充电无人机（CUAVs）进行调度至关重要。本文针对无线通信系统中天线阵列方向图优化、基于虚拟天线阵列的WSNs协作波束成形优化和WRSNs中CUAV调度优化三个方面的问题开展工作,并分别设计了适用于求解上述问题的仿生智能计算方法,主要学术贡献和创新如下:1.基于不同几何模型的天线阵列方向图优化方法（1）提出一种基于改进迁移和自适应变异策略的生物地理优化算法（BBOIMAM）,用以解决直线形天线阵列（LAA）、圆形天线阵列（CAA）和随机形天线阵列（RAA）的方向图单目标优化问题。BBOIMAM算法通过引入广义正弦迁移模型、精英学习迁移策略和基于弹簧振动的自适应变异策略改善了标准生物地理优化算法（BBO）的搜索性能,标准测试函数集CEC2017和CEC2020实验验证了提出算法的有效性;其次,基于BBOIMAM设计不同几何模型天线阵列中阵元激励电流优化方法,用以抑制不同天线阵列产生波形图的最大旁瓣电平;最后,仿真实验结果证明了该算法的有效性。（2）构建以优化天线阵列旁瓣电平和零陷为目标的多目标方向图优化问题MBPOP,并提出一个改进的多目标差分进化算法（IMOEAD）,用以解决构建的优化问题。该算法通过引入正态分布交叉（NDX）、Lévy飞行和最优解选择机制用以改善算法的多样性和全局搜索能力,并通过标准多目标测试函数集ZDT测试验证了提出算法的有效性。最后,给出基于IMOEAD算法的LAA旁瓣电平抑制和零陷控制的多目标优化方法,及其有效性验证。2.WSNs中基于虚拟天线阵列的协作波束成形性能优化方法（1）针对传感器节点静止的WSNs,提出一种基于虚拟圆环天线阵列（CCAA）的联合旁瓣抑制方法JSSA。该方法首先给出基于虚拟CCAA的能量最优组阵节点选择方法;然后,基于改进的鸡群优化（VPCSO）算法,给出以圆环天线阵列为引导阵列的阵元激励电流优化方法,用以抑制虚拟天线阵列协作波束成形的最大旁瓣电平。其中VPCSO算法将位置学习机制和变异机制引入到传统的鸡群优化（CSO）算法中,前者用以提高算法的局部搜索能力,后者用以提高算法的全局搜索能力;最后,给出基于VPCSO算法的JSSA的性能、能耗分析,以及电磁仿真分析。（2）针对节点可移动的无线传感器网络（MWSNs）,首先构建以同时减少MWSNs中分布式协作波束成形（DCB）节点的最大旁瓣电平（SLL）、激励电流值和移动能耗为目标的DCB多目标联合优化问题;其次,提出一种分布式并行布谷鸟搜索算法（DPCSA）,该算法引入了集群分布、并行计算和全局协作更新机制,并通过标准测试函数集CEC2017验证了所提算法的有效性;最后,给出基于DPCSA的DCB联合优化问题优化方法,并验证了其有效性和稳定性。3.WRSNs中充电UAV充电性能优化方法提出WRSNs充电效率优化问题以延长WSNs的生命周期。首先,构建CUAVs部署优化问题CUAVDOP,该问题以联合增加CUAVs充电范围内的传感器节点数量,最大化传感器节点和CUAVs之间的充电效率,并最小化CUAVs的总飞行能耗为目标;其次,提出一种改进的萤火虫算法（IFA）,该算法引入基于对立的学习模型、吸引模型和自适应步长算子,使其更适合于求解提出的优化问题。进一步,给出基于IFA的联合优化问题求解方法;最后,给出使用CUAVs进行无线可充电传感器网络充电的最大充电距离和应用场景分析。
关键词：天线阵列;协作波束成形;无线传感器网络;
文章目录
指导教师对博士论文的评阅意见
指导小组对博士论文的评阅意见
答辩决议书
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 相关通信技术简介
1.2.1 天线阵列
1.2.2 无线传感器网络
1.2.3 无线可充电传感器网络
1.3 仿生智能计算方法概述
1.3.1 最优化问题
1.3.2 仿生智能算法
1.3.3 仿生智能计算在无线通信领域的应用
1.4 本文的研究内容和主要创新
1.5 论文结构安排
第二章 基于BBOIMAM的天线阵列方向图单目标优化方法
2.1 引言
2.2 系统模型及优化问题建模
2.2.1 直线形天线阵列
2.2.2 圆形天线阵列
2.2.3 随机形天线阵列
2.3 优化算法
2.3.1 标准BBO算法
2.3.2 BBOIMAM算法
2.3.3 与其他BBO变体的比较
2.4 标准测试函数集(CEC)结果与分析
2.4.1 实验设置
2.4.2 求解精度分析
2.4.3 算法稳定性分析
2.4.4 收敛速度分析
2.4.5 复杂度分析
2.4.6 改进因子有效性验证
2.5 方向图优化结果与分析
2.5.1 辐射方向图性能
2.5.2 算法稳定性分析
2.5.3 时间复杂度分析
2.5.4 改进因子有效性验证
2.6 本章小结
第三章 基于IMOEAD的天线阵列方向图多目标优化方法
3.1 引言
3.2 系统模型及优化问题建模
3.2.1 阵列模型
3.2.2 多目标优化
3.2.3 优化问题建模
3.3 优化算法
3.3.1 标准MOEA/D算法
3.3.2 IMOEA/D算法
3.4 实验与结果分析
3.4.1 实验设定
3.4.2 改进因子的比较研究
3.4.3 标准测试函数集(ZDT)结果与分析
3.4.4 方向图优化结果与分析
3.5 本章小结
第四章 基于VPCSO的静止节点无线传感器网络协作波束成形通信旁瓣抑制方法
4.1 引言
4.2 系统模型
4.2.1 网络模型
4.2.2 虚拟节点阵列模型
4.2.3 能量消耗模型
4.3 联合旁瓣电平抑制方法
4.3.1 组阵节点选择
4.3.2 基于VPCSO的激励电流优化
4.3.3 能耗分析
4.4 实验与结果分析
4.4.1 参数调试与设置
4.4.2 改进因子有效性验证
4.4.3 方向图优化结果分析
4.4.4 算法性能分析
4.4.5 能量消耗分析
4.4.6 电磁仿真结果分析
4.5 本章小结
第五章 基于DPCSA的可移动节点无线传感器网络协作通信多目标优化方法
5.1 引言
5.2 系统模型
5.2.1 网络模型
5.2.2 移动能量消耗模型
5.2.3 分布式CB模型
5.3 DCB联合优化问题
5.3.1 问题构建
5.3.2 问题分析
5.4 优化算法
5.4.1 标准CS算法
5.4.2 DPCSA算法
5.5 实验与结果分析
5.5.1 标准测试函数集(CEC)结果与分析
5.5.2 参数调试与设置
5.5.3 方向图优化结果分析
5.5.4 能量消耗分析
5.5.5 算法稳定性分析
5.6 本章小结
第六章 基于IFA的无线可充电传感器网络充电无人机部署优化方法
6.1 引言
6.2 相关工作
6.2.1 静态充电无线传感器网络
6.2.2 移动充电无线传感器网络
6.3 系统模型与优化问题建模
6.3.1 网络模型
6.3.2 无线充电模型
6.3.3 无人机能量消耗模型
6.3.4 优化问题建模
6.3.5 优化难度分析
6.4 优化算法
6.4.1 标准FA算法
6.4.2 IFA算法
6.5 实验与结果分析
6.5.1 实验设置
6.5.2 小规模场景CUAV部署优化结果
6.5.3 大规模场景CUAV部署优化结果
6.6 应用分析
6.6.1 最大充电距离
6.6.2 应用场景分析
6.7 本章小结
第七章 总结与展望
参考文献
[1]偏好多目标进化算法研究综述[J]. 王丽萍,丰美玲,邱启仓,章鸣雷,邱飞岳. 计算机学报. 2019(06)
[2]An Improved Biogeography-Based Optimization Algorithm for Blocking Flow Shop Scheduling Problem[J]. LIU Shufen,WANG Pengfei,ZHANG Jiachen. Chinese Journal of Electronics. 2018(02)
[3]基于鸡群算法的微网经济运行优化[J]. 胡汉梅,李静雅,黄景光. 高压电器. 2017(01)
[4]变尺度混沌光强吸收系数的萤火虫优化算法[J]. 徐华丽,苏守宝,陈家俊,牛应轩. 计算机应用研究. 2015(02)
