摘要
量子信息学是一门新兴的交叉学科，它在信息领域中有着独特的性能，在提高运算速度、确保信息安全、增大信息容量和提高检测精度等方面可突破现有经典信息系统的极限。特别是近年来，基于量子并行计算的量子智能算法有效地降低了一些经典难解算法的计算复杂度问题。
近年来，随着无线通信技术的不断发展，频谱资源的使用日趋频繁，整个无线电频谱空间被划分的所剩无几。然而，从一些研究结果可以看到，频谱资源的缺乏更多是由于对不同无线接入技术的频谱分配不合理引起的。认知无线电技术在这样的背景下应运而生，它能够主动检测频谱使用情况，自适应的改变自身通信参数，择机的选择主用户暂不使用的频段进行通信，具有灵活、频谱利用率高等优点。
但是，对频谱的灵活应用要求认知无线电系统能够准确的检测并动态的分配频谱资源，其间还要为主用户的出现实现退避和切换功能，因此，频谱分配问题是认知无线电无线资源管理中的核心问题之一。目前，对认知无线电中的频谱分配问题研究己较为广泛，出现了基于图论理论等频谱分配问题模型，但是本领域的研究还刚刚开始。
本文首先介绍了量子遗传算法的主要思想、机理，并对算法进行了改进且对改进的量子遗传算法进行了性能测试分析。
其次对认知无线电系统的网络构架和系统平台进行了分析介绍，并给出了动
态频谱分配算法的四种模型。接着，研究了现有的基于图论模型的频谱分配算法，
针对原有算法中分配时间开销过大的不足，给出了一种改进的算法。
最后针对原有算法的另一个不足——未考虑不同用户的不同需求，给出了基于用户需求的改进QGA算法。通过仿真，改进算法与原有算法相比在系统公平性和频谱有效利用率方面有了提高。
关键词：量子遗传算法、认知无线电、频谱分配、图论着色模型
摘要 1
第一章 绪论 5
1.1 研究背景及意义 5
1.2本论文的研究工作 7
第二章 量子信息基础及量子遗传算法 8
2.1 量子信息处理基础 8
2.1.1 量子态空间及量子比特 8
2.1.2 量子态的叠加、相干和消相干 9
2.1.3 量子并行 9
2.1.4 量子逻辑门与量子门组网络 10
2.2经典遗传算法 11
2.2.1 遗传算法的基本原理 11
2.2.2 经典传算法的应用 12
2.2.3 遗传算法常见编码方法和基本操作 12
2.2.4 遗传算法的特点 14
2.3 量子遗传算法 14
2.3.1 量子遗传算法概述 14
2.3.2 量子染色体 15
2.3.3算法描述 15
2.3.4 量子旋转门 17
2.3.5 量子变异操作 19
2.3.6 量子交叉操作 20
2.4 量子遗传算法的改进 21
2.4.1 改进方面及改进后算法流程 21
2.4.2 算法性能测试 22
2.5 本章小结 23
第三章 认知无线电频谱分配经典算法比较研究 24
3.1 认知无线电概述 24
3.1.1 认知无线电的基本概念 24
3.1.2 认知无线电的主要功能 24
3.1.3 认知无线电的标准化 25
3.1.4 认知无线电系统模型 26
3.1.5 认知无线电系统仿真平台 27
3.2 认知无线电中频谱分配技术介绍 29
3.2.1 频谱分配简介 29
3.2.2 频谱分配技术的分类 30
3.2.3 认知无线电频谱分配的原则 31
3.3 认知无线电频谱分配问题模型简介 32
3.3.1基于图论频谱分配模型 32
3.3.2基于图论的几种算法 35
3.3.3 几种算法的分析比较 37
3.3.4 频谱分配其他模型 37
3.3.5 几种模型分析比较 39
3.4 算法性能测试 39
3.4.1 时间开销仿真与分析 39
3.4.2 系统总带宽仿真与分析 42
3.4.3 公平性仿真与分析 43
3.5 国内外研究现状 45
3.6 本章小结 47
第四章 量子遗传算法用于认知无线电频谱分配 48
4.1 引言 48
4.2 频谱分配算法的数学描述 48
4.3 QGA的基于用户需求频谱分配算法 51
4.4 基于用户的认知无线电频谱分配 54
4.4.1 基于用户需求的算法 54
4.4.2 性能仿真及结果分析 55
4.5 本章小结 57
第五章 总结与展望 58
致谢 60
参考文献 61
