摘要：在无线传感器网络中,传统DV-Hop(Distance Vector-Hop)算法因跳数和平均跳距计算存在较大偏差,从而对未知节点定位产生较大误差.针对该问题,设计了基于多通信半径和改进麻雀搜索的DV-Hop定位算法.首先采用多通信半径修正节点间的跳数,使跳数值较真实反映两个节点间的距离.其次采用修正的跳数去修正信标节点的平均跳距,从而获得未知节点到各信标节点修正后的距离.最后采用麻雀搜索算法(Sparrow Search Algorithm,SSA)估算未知节点位置,将节点定位问题转化为函数寻优问题.针对麻雀搜索算法前期容易陷入局部最优解,后期寻优精度不高的问题,提出将levy飞行策略引入麻雀搜索算法中,提升算法的全局寻优能力.仿真结果表明,与传统DV-Hop算法、SSA DV-Hop算法相比,改进SSA DV-Hop算法的定位精度明显提高.

摘要：针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法的收敛精度;然后,采用变步长设计,在影响步长因素的关键参数中加入步长调整机制,可以调节局部精度和全局最优之间的平衡关系。再对种群中负责侦查预警的麻雀位置引入levy飞行策略来更新其位置,有助于增强算法跳出局部极值能力和总体寻优的性能。最后,将改进的麻雀搜索算法应用于认知无线电的频谱分配问题,通过与遗传算法、粒子群算法、海鸥算法及基础麻雀搜索算法进行对比仿真表明,改进的麻雀搜索算法,相比于基础麻雀算法和其他算法,具有更高的网络效益和更快的收敛速度,可以达到有效改善频谱利用率的目的。