量子智能算法及在OFDM系统资源分配中的应用

^论文字数:25829,页数:63  信号与信息处理专业硕士^论文

摘 要
 量子智能算法作为量子计算理论和智能算法原理相结合的一种新兴的全局优化算法,因算法具有种群规模小、寻优能力强、收敛速度快和计算时间短的特点，在许多领域都得到了广泛应用。OFDM系统中的资源分配是OFDM系统的重要组成部分，它优化配置系统中子载波的的功率，传送速率等资源，获得较好的系统传送效果。
 本文的主要研究内容包括:
 量子遗传算法及在OFDM系统中的资源分配应用研究。介绍了量子遗传算法的原理并对其进行了改进，提出了使用量子遗传算法来进行OFDM系统自适应调制的方案，重点研究了该算法在多用户条件下的冲突子载波分配方法，计算机仿真可以表明，使用量子遗传算法可以获得比经典算法更优的系统性能。
 量子免疫算法研究及在OFDM系统资源配置中的应用研究。介绍了量子免疫算法，并针对其获取疫苗和疫苗接种环节进行了算法的改进，并使用改进的算法进行了0-1背包问题的求解，最后将量子免疫算法应用在OFDM系统的单用户调制中，重点研究了单用户条件下，疫苗的获取方法和疫苗接种的参数设置，并对其进行了计算机仿真，验证了算法具有较快的收敛速度和性能。

关键词 :  量子遗传算法  量子免疫算法  OFDM系统 资源配置   

Abstract
 Quantum intelligence algorithm, as the combination of the quantum computing theory and the principle of intelligence algorithm, is a new global optimization algorithm, which has the characteristics of smaller population size, stronger capability in the optimization, faster convergence and shorter time in computing. It has already been widely used in many areas.The OFDM resource allocation plays an important part in OFDM system,it can acquire the least transmittion power and minimize the BER.
 This paper focus on the quantum genetic algorithm and its application on OFDM resource allocation. At first it brings out the quantum genetic algorithm and its improved algorithm,then apply the algorithm on OFDM multi-user adaptive modulation.This methods can solve the conflict subcarrier effectively.which can be verified on computer simulation.
 This paper also describes the quantum immune algorithm,find a better way to access to vaccine and vaccination,which can solve the 0-1 knapsack problem in a high efficiency.in the end it apply the improved quantum immune algorithm on the OFDM single-user modulation,compare to the claasic modulation algorithm,it can get a good BER performance and a fast convergence  result.
 
 Keywords: Quantum Genetic Algorithm，Quantum Immune Algorithm， OFDM system ， Resource Allocation
目 录
摘 要 I
Abstract II
目 录 I
第1章  绪论 1
1.1 研究背景和意义 1
1.2 本文内容安排 2
第2章  量子遗传算法及其改进 3
2.1 量子信息基础 4
2.1.1 量子比特及其表示 4
2.1.2 量子态的叠加、相干和坍缩 4
2.1.3 量子门及并行计算 5
2.2 量子遗传算法及其改进 6
2.2.1 量子比特编码 6
2.2.2 量子遗传算法描述 7
2.2.3 量子遗传算法的改进 11
2.3 改进量子遗传算法的性能测试 12
2.3.1 仿真使用函数 12
2.3.2 算法仿真参数及结果 13
2.4 本章小结 14
第3章  量子遗传算法在OFDM资源分配中的应用 15
3.1 OFDM系统概述 15
3.1.1 OFDM技术简介 15
3.1.2 OFDM系统优缺点 15
3.2 多用户联合自适应比特，调制和功率分配 16
3.2.1 系统模型 16
3.2.2 静态多用户子载波和比特分配算法 18
3.2.3 Guodong Zhang 的算法 19
3.2.4 经典遗传算法进行自适应调制 20
3.2.5 使用量子遗传算法进行自适应调制 21
3.3 算法仿真与结果 23
3.3.1 OFDM-FDMA算法的仿真 24
3.3.2 Guodong Zhang算法的仿真 26
3.3.3 经典遗传算法仿真 27
3.3.4 量子遗传算法仿真 29
3.3.5 算法仿真对比 29
3.4 本章小结 31
第4章  量子免疫算法研究 32
4.1 人工免疫算法 32
4.1.1 免疫算法介绍 32
4.1.2 免疫算子 33
4.2 量子免疫算法 34
4.2.1 疫苗获取方法及改进 34
4.2.2 免疫选择和疫苗接种 35
4.2.3 算法运行框架 35
4.3 使用量子免疫算法求解0-1背包问题 37
4.3.1 0-1背包问题介绍 37
4.3.2 量子免疫算法求解0-1背包问题 39
4.3.3 算法仿真及实验结果分析 40
4.4 本章小结 44
第5章 量子免疫算法在OFDM资源分配的应用 45
5.1 单用户OFDM系统信道调制概述 45
5.1.1 单用户OFDM系统框图 45
5.1.2 单用户OFDM系统的信道调制 46
5.2 单用户OFDM系统的信道比特功率分配算法 46
5.2.1 Hughes-Hartogs 梯度分配算法 47
5.2.2 Chow算法 48
5.3 使用量子免疫算法进行OFDM系统的自适应调制 49
5.3.1 自适应调制方案 49
5.3.2 算法仿真结果 51
5.4 本章小结 54
第6章 总结与展望 55
6.1 ^论文研究总结 55
6.2 工作展望 55
致谢 56
参考文献 57

相关论文