非完全信道下认知中继网络中断概率及功率分配

基于最大信道增益的中继选择方法,分析了在不完全信道状态信息（CSI,channel state information）和受主用户干扰情况下认知中继网络的中断概率;进一步提出了在主用户干扰约束和保证认知用户服务质量（QoS,quality of service）条件下最大化认知中继网络频谱效率的数学优化模型,利用拉格朗日对偶松弛法获得了该优化问题的解,在保证主用户传输性能不受影响的前提下,提高了认知中继网络的频谱效率。仿真结果表明该文提出的功率分配方案与等功率分配方案相比提高了性能增益。同时表明在非完全信道条件下获得的频谱效率与完全信道条件下的频谱效率近似,但减少了系统信息的反馈量和实现的复杂度,有利于该方案的工程应用。     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。     

具有主用户中断概率约束的认知无线电系统容量分析

该文引入主用户中断概率作为评价主用户传输质量的标准,同时考虑认知用户平均/峰值发射功率的约束,得到认知系统的各态历经容量和中断概率容量,提出了一种具有主用户中断概率约束的认知无线电资源分配算法。通过数学理论推导可以获得认知系统最优的发射功率,以此功率进行信息传输可以获得最大的系统容量。     

基于OFDM的认知无线电系统中最优功率分配

在基于正交频分复用(OFDM)的认知无线电系统中,主用户会受到次用户带内子载波以及邻带子载波的带外泄漏功率的干扰。为了在保护主用户通信性能的前提下高效利用机会频谱,该文提出了求解次用户子载波间的最优功率分配方案的方法,通过求解一个凸优化问题获得最优功率分配方案。较之迭代分块注水算法,该方法特别考虑了邻带子载波功率泄漏的影响。仿真结果表明:采用这种方法所获得的功率分配方案在满足各主用户干扰功率上限的条件下使得次用户信道容量最大化。     

基于OFDM的认知无线电系统中最优功率分配

在基于正交频分复用(OFDM)的认知无线电系统中,主用户会受到次用户带内子载波以及邻带子载波的带外泄漏功率的干扰。为了在保护主用户通信性能的前提下高效利用机会频谱,该文提出了求解次用户子载波间的最优功率分配方案的方法,通过求解一个凸优化问题获得最优功率分配方案。较之迭代分块注水算法,该方法特别考虑了邻带子载波功率泄漏的影响。仿真结果表明:采用这种方法所获得的功率分配方案在满足各主用户干扰功率上限的条件下使得次用户信道容量最大化。     

认知次用户系统中分布式天线的位置优化

次用户(SU)系统是认知无线电中的核心概念,SU在满足主用户(PU)干扰约束的前提下接入授权频谱,能够显著提高无线频谱的整体使用效率。基于分布式天线的SU系统(DABSS)以其巨大的容量优势,正成为当前的研究热点。DABSS中分布式天线的位置能极大地影响SU系统的容量。为了提高SU系统的容量,该文提出了距离平方功率比(squared distance divided power,SDDP)准则来进行天线位置的设计。特别考虑一种采用圆阵天线配置的DABSS,给出了天线位置的解析表达式。仿真结果表明:该方案与最优的天线放置方案性能接近,能够在满足PU干扰约束的前提下大幅提升SU系统的容量。     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

认知D2D网络中基于博弈论的高能效干扰约束资源分配算法

针对认知网络中多个D2D(device-to-device)用户以Underlay模式复用蜂窝用户的频谱资源时的同频干扰和能耗增加问题,提出了认知网络中基于博弈论的最大化用户能效(energy-efficiency,EE)的D2D通信资源分配算法。不同于以前工作,在满足特定干扰门限的条件下,侧重对能效进行优化,且不牺牲系统容量。建立Underlay模式下认知D2D通信博弈模型,将D2D用户(device-to-device,DUE)作为跟随者复用蜂窝用户(cellular user,CUE)上行链路的频谱资源,由于每个用户都具有自私特性想要最大化自身的能效,所以该资源分配问题可以模拟为非协作博弈问题。在干扰门限的约束条件下构造了相应的效用函数,利用拉格朗日对偶方法求解此优化问题,得到用户的最优发送功率,保证了用户的功率和链路速率的均衡,并分析了算法复杂性。仿真结果表明,该方案能够提高用户能效和链路平均能效,改善系统总功耗及系统的容量等性能。     

干扰温度约束下的最优源功率控制与协作波束成形

文中研究在主用户干扰温度约束下,如何优化认知源节点发送功率以及认知中继波束成形权值来最大化认知目的节点的信噪比.信噪比最大化问题被转化为广义Rayleigh商问题,最优中继波束成形权值等于相关信道系数与源节点发送功率构成的矩阵的最大特征值所对应的特征向量.文中考虑了严格与宽松两种干扰温度约束,对于严格约束,给出了最优源节点发送功率与中继波束成形权值的解析解;对于宽松约束,推导了包含最优源发送功率的一个紧缩区间,并在该区间内使用基于最速下降的梯度方法有效计算最优解.