CN102547742A - 认知系统空频域联合资源建模及评估方法 - Google Patents

Abstract

本发明公开了一种认知系统空频域联合资源建模及评估方法。首先，对获得的认知通信以及认知通信对授权用户干扰的信道矩阵信息进行奇异值分解；其次，构造中间矩阵，并分别对其进行标准正交化处理；再次，分别在认知发射端以及认知接收端计算认知通信与干扰的空间相关度；综合考虑认知通信特征模式传输增益，进行空域资源质量评估；在此基础上，完成空频域资源的联合建模与质量评估。本发明在综合空间相关度和特征模式传输增益的基础上进行无线资源建模与评估，能够更加准确的描述无线资源，有利于认知系统合理选择无线资源，提高系统资源利用率，改善了认知系统的通信性能。

Description

认知系统空频域联合资源建模及评估方法

技术领域

本发明属于通信技术领域，涉及频域与空域的联合资源建模与资源质量评估，即综合频域的频谱使用状态信息以及空域的空间相关度和空间模式(也可称为特征模式，Eigenmode)传输增益来进行资源联合建模与评估，有助于认知系统进行无线资源的合理选择，用于授权系统与认知系统共同覆盖区域的无线资源评估与管理。

背景技术

随着认知无线电(Cognitive radio，CR)的发展，动态频谱共享技术受到越来越广泛的关注。传统的认知无线电仅考虑频率域，即一维认知与资源管理，当授权用户(Primary user，PU)出现，认知用户(Cognitive user，CU)就要避让。如果此时认知用户没有获得备选信道，则认知用户中断。目前实现频谱共享的方法主要有重叠(Underlay)共享方式和交叉(Overlay)共享方式。重叠共享方式允许认知用户持续接入授权频道中进行通信，但认知用户的发射功率受到限制，即不能超过授权信道所容许的干扰容限。交叉共享方式是通过准确感知频谱环境，对感知到的频谱特征信息进行分析，选择最优的空闲频道，利用频谱空洞进行通信。在重叠共享方式中，无论授权用户有无进行通信，认知用户都要受到干扰容限的限制，使得认知系统的通信性能受到影响，而且还不能充分利用潜在的可获得的频谱机会；而交叉共享虽对认知用户的发射功率无严格限制，但没有考虑到授权用户的干扰容限，忽略了系统共存的可能，使得认知用户在无频谱空洞时的中断率很高。最重要的是两种共享方式都是在频域进行，对系统资源的利用未考虑到通信资源的多样性。

针对上述两种方式的不足，考虑到通信是对包括频率在内的多种类型资源，如时间、功率、空间、天线和计算能力等的综合使用，因此有必要进行联合资源管理，以达到对资源的整体高效利用。传统频谱资源分配方法中授权用户是获得授权的，而空域资源是公开的，即授权用户只是占用了有限空间的授权频谱。因此，认知用户可以通过在空域上与授权用户正交或者准正交，实现两个系统的通信在同一频谱共存。多天线技术通过空域信号处理，能够获得高的传输效率和链路可靠性。研究人员将认知技术与多输入多输出(Multi-input multi-output，MIMO)技术相结合，利用多天线提供的空域信号处理能力来设计频谱感知与共享方法。当存在频谱空洞时，采用传统的机会频谱接入(Opportunistic spectrum access，OSA)方式。无空闲频谱资源时，由认知基站与认知用户利用经过预处理的信道信息进行空间相关度评价，在确保授权用户不受干扰的前提下，利用空域资源实现了认知用户的通信。该方法在存在频谱空洞时充分利用了频谱资源，也避免了传统重叠共享方式中发射功率受限情况，在无频谱空洞时，则可以利用空域资源与授权用户在授权频道进行共存，实现频谱共享，减少了认知用户的中断率。但该方法在利用空域资源时，对无线资源进行评估时存在以下不足：(1)研究环境的局限性，即已有的研究是在有基础设施的场景中研究。(2)发射端进行预编码时对信道资源进行评估仅根据认知通信与CBS对PU干扰的空间特征是不完整的，还应综合考虑认知通信特征模式间的相关度与特征模式的传输增益。(3)在系统之间存在干扰的场景中，认知通信固定采用主特征模式进行波束成形(Beamforming，BF)方式传输并不合理，因为在进行信号处理后主特征模式有可能非最佳，因此应在考虑信号处理影响的基础上增加特征模式的选择。

发明内容

本发明的目的在于克服已有的频谱资源共享方式受限于授权频道空闲与否，以及克服已有的空频联合资源评估不全面的缺点，提出一种优化的空频域联合资源建模及评估方法，以便认知系统对无线资源进行合理的选择，充分利用空频域资源以提高认知系统的通信性能。

实现本发明的技术思路，是当授权系统没有空闲频道时，获得认知接收机(Cognitivereceiver，CRx)与认知发射机(Cognitive transmitter，CTx)之间以及认知系统与授权系统之间的信道矩阵信息H，并对其进行奇异值分解，即将信道信息等效为rank(H)个并行子信道，其中rank(·)表示求矩阵的秩。通过构造中间矩阵、标准正交化以及相关运算等一系列处理，分别计算出认知发射端以及认知接收端认知通信与干扰的空间相关度，联合特征模式的传输增益构造空域资源联合评估因子，实现对空域资源质量的联合评估。最后，实现对空频域资源的联合建模和评估。步骤包括如下：

1.频谱感知

假设授权系统有N个频道，首先进行频谱感知，根据感知结果构造频率资源向量

F＝[f₁ f₂ Λ f_N]

其中f_i表示第i个频道的频道资源，当f_i＝1(i∈{1，L，N})表示该频道忙，无空闲的频道资源；当f_i＝0(i∈{1，L，N})表示该频道空闲，有空闲频道。向量的元素反映该频道的使用状况，构造了频率资源向量。

2.获得信道矩阵信息并处理

当授权系统不存在频谱空洞时，首先获得系统的信道矩阵信息H，并对其进行奇异值分解H＝UΛ(V)^H，其中Λ＝diag(λ₁，λ₂，L，λ_rank(H))(λ_i是矩阵H的第i奇异值)，U＝[u₁，L，_urank(H)]，V＝[v₁，L，v_rank(H)]，进行奇异值分解后信道矩阵信息等效为rank(H)个并行子信道。

3.构造矩阵

构造中间矩阵 $T_{i,j}^c=[v_{i,1}^{\mathrm{cp}},L,v_{i,\mathrm{rank}}^{\mathrm{cp}}\left(H_i^{\mathrm{cp}}\right),v_1^c,L,v_{j-1}^c,v_{j+1}^c,L,v_{\mathrm{rank}\left(H^c\right)}^c]$ 和 $M_{i,j}^c=U_i^{\mathrm{pc}}=[u_{i,1}^{\mathrm{pc}},L,u_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}].$ 并采用Gram-Schmidt方法对标准正交化，得到 ${\stackrel{\‾}{T}}_{i,j}^c=[{\stackrel{\‾}{t}}_{i,1}^{\mathrm{cp}},L,{\stackrel{\‾}{t}}_{i,\mathrm{rank}\left(H_I^{\mathrm{CP}}\right)}^{\mathrm{cp}},{\stackrel{\‾}{t}}_1^c,L,{\stackrel{\‾}{t}}_{j-1}^c,{\stackrel{\‾}{t}}_{j+1}^c,L,{\stackrel{\‾}{t}}_{\mathrm{rank}\left(H^C\right)}^c].$ 取 ${\stackrel{\‾}{M}}_{i,j}^c=M_{i,j}^c=[{\stackrel{\‾}{m}}_{i,1}^{\mathrm{pc}},L,{\stackrel{\‾}{m}}_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}].$ 其中，中间矩阵中的

表示在授权频道i上，认知发射机与授权接收机之间的信道信息矩阵

进行奇异值分解后的V矩阵的第j列向量，

表示认知接收机与认知发射机之间的信道信息矩阵H^c经过奇异值分解后的V矩阵的第j列向量，中间矩阵

由的

表示在授权频道i上，授权发射机与认知接收机之间的信道信息矩阵

进行奇异值分解后的U矩阵的第j列向量

4.计算相关度

在认知发射端进行认知通信与干扰的空间相关度评估，

${\mathrm{CO}}_{i,j}^{\mathrm{TCx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}{\mathrm{\Σ}}}|\⟨v_j^c,{\stackrel{\‾}{t}}_{i,m}^{\mathrm{cp}}\⟩|+\underset{n\≠j}{\overset{\mathrm{rank}\left(H^c\right)}{\mathrm{\Σ}}}|\⟨v_j^c,{\stackrel{\‾}{t}}_n^c\⟩|$

在认知接收端进行认知通信与干扰的空间相关度评估，

${\mathrm{CO}}_{i,j}^{\mathrm{CRx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}{\mathrm{\Σ}}}|\⟨u_j^c,{\stackrel{\‾}{m}}_{i,m}^{\mathrm{pc}}\⟩|$

其中|·|表示求模运算，<a，b>表示向量a与向量b做内积运算。

5.空域资源联合质量评估因子(Joint Assessment Factor，JAF)的计算

定义空域资源联合评估因子

${\mathrm{JAF}}_{i,j}=({\mathrm{CO}}_{i,j}^{\mathrm{CTx}}\&CenterDot;{\mathrm{CO}}_{i,j}^{\mathrm{CRx}})/{\mathrm{\&lambda;}}_j^c$

其中，

表示H^c的第j个奇异值，

与

分别为认知发射端与认知接收端的空间相关度评估。对于任意的频道i，具有最小JAF的无线资源具有最佳质量，即当1≤j≤rank(H^c)时，最佳的特征模式为满足min(JAF_i，j)的特征模式。

6.空频联合资源建模与评估

认知接收端构造矩阵

$S={\left[\begin{array}{cccc}{\mathrm{JAF}}_{\mathrm{1,1}}& {\mathrm{JAF}}_{\mathrm{1,2}}& L& {\mathrm{JAF}}_{1,\mathrm{ramk}\left(H^c\right)}\\ {\mathrm{JAF}}_{\mathrm{1,2}}& {\mathrm{JAF}}_{\mathrm{2,2}}& L& {\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ {\mathrm{JAF}}_{N,1}& {\mathrm{JAF}}_{N,2}& L& {\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]}_{N\&times;\mathrm{rank}\left(H^c\right)}$

认知发射端对频谱感知道的频率向量F＝[f₁ f₂ L f_N]进行对角化处理，由此空频联合资源可以表示为如下公式：

$R_{\mathrm{joinl}}=\mathrm{diag}\left(F\right)S=\left[\begin{array}{cccc}{f}_1{\mathrm{JAF}}_{\mathrm{1,1}}& f_1{\mathrm{JAF}}_{\mathrm{1,2}}& L& f_1{\mathrm{JAF}}_{1,\mathrm{rank}\left(H^c\right)}\\ f_2{\mathrm{JAF}}_{\mathrm{2,1}}& f_2{\mathrm{JAF}}_{\mathrm{2,2}}& L& f_2{\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& L\\ f_N{\mathrm{JAF}}_{N,1}& f_N{\mathrm{JAF}}_{N,2}& L& f_N{\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]=\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& L& r_{1,\mathrm{rank}\left(H^c\right)}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& L& r_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ r_{N,1}& r_{N,2}& L& r_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]$

其中，diag(·)表示对向量进行对角化处理。当无空闲频道时，通过遍历R_joint矩阵中的元素r_i，j＝f_iJAF_i，j，最小的元素具有最佳频道及特征模式，授权频道与认知特征模式的组合为

即当1≤i≤N，1≤j≤rank(H^c)时，最佳频道及特征模式为满足min(r_i，j)的

附图说明

图1为认知无线电系统的空频联合资源评估模型图；

图2为认知接收机的传输增益相同而γ不同时的正交投影图；

图3为γ相同而认知接收机的传输增益不同时的正交投影图。

具体实施方式

参考上述附图，考虑授权系统与认知系统共同覆盖的场景，如图1所示。授权系统包含一个授权发射机和多个授权接收机。简单起见，认知系统由一个认知发射机和一个认知接收机构成，即不存在认知接收机之间的竞争与干扰。授权发射机天线数为

授权接收机天线数为

认知发射机天线数

认知接收机天线数为

对本发明的具体实施方式作进一步详细说明。

步骤1：进行频谱感知，构造频率资源向量。

认知接收机采用能量检测算法，通过对授权基站发射机发射出的信号进行检测，并将检测数据发送到认知发射机，认知发射机对这些数据进行处理，判断出特定频段上是否存在授权发射机信号，即是否存在频谱空洞。频谱资源用f表示，单位为布尔量，f_i＝1(i∈{1，L，N})表示授权系统的第i个频道资源正在被授权系统使用；f_i＝0(i∈{1，L，N})表示授权系统的第i个频道资源空闲，即存在频谱空洞。认知接收机遍历授权系统中的频道，搜索空闲的频道，根据感知结果构造频道资源向量F＝[f₁ f₂ L f_N]。若频道资源向量存在一项f_i＝0(i∈{1，L，N})，表明授权系统存在频谱空洞，认知系统可以利用频谱空洞进行认知通信。若不存在f_i＝0(i∈{1，L，N})的项，即授权系统不存在频谱空洞。对于频道资源向量的管理则考虑在认知发射机进行，主要是由于对于每一个认知接收机来说授权系统频道的占用情况是相同的，若每个认知接收机都对频道资源向量进行管理则会浪费大量的存储空间。

步骤2：获得系统的信道矩阵信息。

假设系统模型中认知接收机静止或相对认知系统获得信道信息的速率认知接收机是准静止，由系统模型知授权发射机天线数为

授权接收机天线数为

认知发射机天线数为

认知接收机天线数为

在时隙t(以后为了讨论方便，省略时间标记t)，系统采用联合信道参数估计算法，认知发射机通过发躬

路子信号流，在每路子信号流前添加接收机已知的训练符号组成的数据块，认知接收机依据已知的训练序列组成的数据块来估计认知接收机与认知发射机之间的信道信息H^c。其中H^c为的矩阵，是信道衰落矩阵。

由上述方法认知发射机能够获得其与授权接收机i之间的信道信息

并通过反馈或系统间协作获得授权发射机与认知接收机之间的信道信息

步骤3：进行基于空间相关度的空域资源质量评估。

认知接收机对H^c进行奇异值分解，得到H^c＝U^cΛ^c(V^c)^H，其中 $U^c=[u_1^c,L,u_{\mathrm{rank}\left(H^c\right)}^c],$ $V^c=[v_1^c,L,v_{\mathrm{rank}\left(H^c\right)}^c],$ 并将分解结果发送给认知发射机。进行奇异值分解后信道矩阵H^c等效为rank(H^c)个去耦并行子信道，分别对应于rank(H^c)个特征模式；类似的，认知发射机分别对

以及进行奇异值分解，其中 $U_i^{\mathrm{cp}}=[u_{i,1}^{\mathrm{cp}},L,u_{i,\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}^{\mathrm{cp}}],$ $V_i^{\mathrm{cp}}=[v_{i,1}^{\mathrm{cp}},L,v_{i,\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}^{\mathrm{cp}}];$ $U_i^{\mathrm{pc}}=[u_{i,1}^{\mathrm{pc}},u_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}],$

对全体1≤i≤N和1≤j≤rank(H^c)，认知发射机构造中间矩阵 $T_{i,j}^c=[v_{i,1}^{\mathrm{cp}},L,v_{i,\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}^{\mathrm{cp}},v_1^c,L,v_{j-1}^c,v_{j+1}^c,L,v_{\mathrm{rank}\left(H^c\right)}^c]$ 和 $M_{i,j}^c=U_i^{\mathrm{pc}}=[u_{i,1}^{\mathrm{pc}},L,u_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}].$ 并采用Gram-Schmidt方法对

标准正交化，得到 ${\stackrel{\&OverBar;}{T}}_{i,j}^c=[{\stackrel{\&OverBar;}{t}}_{i,1}^{\mathrm{cp}},L,{\stackrel{\&OverBar;}{t}}_{i,\mathrm{rank}\left(H_i^{\mathrm{CP}}\right)}^{\mathrm{cp}},{\stackrel{\&OverBar;}{t}}_1^c,L,{\stackrel{\&OverBar;}{t}}_{j-1}^c,{\stackrel{\&OverBar;}{t}}_{j+1}^c,L,{\stackrel{\&OverBar;}{t}}_{\mathrm{rank}\left(H^c\right)}^c].$ 注意到

由一组标准正交基构成，取 ${\stackrel{\&OverBar;}{M}}_{i,j}^c=M_{i,j}^c=[{\stackrel{\&OverBar;}{m}}_{i,1}^{\mathrm{pc}},L,{\stackrel{\&OverBar;}{m}}_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}],$ 并将其发送给认知接收机。由图2可知，在认知系统特征模式的传输增益相同的情况下，当角度γ₁＞γ₂时，认知系统特征模式的传输增益经过正交分解后的有效传输增益

且C₁对授权通信的干扰I₁也小于C₂对授权通信的干扰I₂，故知认知系统对授权系统的干扰可依据认知通信与其对授权通信干扰之间的空间相关度来评估(可由下面(1)式的第一项反映)；类似的，认知通信的某个特征模式与其它认知特征模式间的干扰可依据他们之间的空间相关度来评估(可由下面(1)的第二项反映)。根据上述数据，可依据下式在认知发射机(CTx)端进行认知通信与干扰的空间相关度评估

${\mathrm{CO}}_{i,j}^{\mathrm{CTx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}{\mathrm{\&Sigma;}}}|\&lang;v_j^c,{\stackrel{\&OverBar;}{t}}_{i,m}^{\mathrm{cp}}\&rang;|+\underset{n\&NotEqual;j}{\overset{\mathrm{rank}\left(H^c\right)}{\mathrm{\&Sigma;}}}|\&lang;v_j^c,{\stackrel{\&OverBar;}{t}}_n^c\&rang;|---\left(1\right)$

在认知接收机(CRx)端进行认知通信与干扰的空间相关度评估

${\mathrm{CO}}_{i,j}^{\mathrm{CRx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}{\mathrm{\&Sigma;}}}|\&lang;u_j^c,{\stackrel{\&OverBar;}{m}}_{i,m}^{\mathrm{pc}}\&rang;|---\left(2\right)$

故根据式(1)知，认知发射端空间相关度评估包括两方面：一是认知通信第j个特征模式与认知发射机对授权接收机在授权频道i的干扰信道的空间特征的相关度，二是认知通信第j个特征模式与其它认知通信特征模式的空间相关度。根据式(2)知认知接收机端空间相关度评估仅由认知通信第j个特征模式与授权发射机对认知接收机在授权频道i的干扰信道的空间相特征的相关度决定。

步骤4：空域资源联合质量评估

根据图3知，在认知系统特征模式角度相同的情况下，认知系统特征模式的传输增益C₁＞C₂，经过正交分解后依然是C₁的有效传输增益

比较大，故应综合考虑特征模式的传输增益对无线资源进行评估。定义空域资源联合评估因子(Joint assessmentfactor，JAF)

${\mathrm{JAF}}_{i,j}=({\mathrm{CO}}_{i,j}^{\mathrm{CTx}}\&CenterDot;{\mathrm{CO}}_{i,j}^{\mathrm{CRx}})/{\mathrm{\&lambda;}}_j^c$

其中，

表示H^c的第j个奇异值，

与分别为认知发射端与认知接收端的空间相关度评价。对于任意频道i，具有最小JAF的特征模式具有最佳质量，即当1≤j≤rank(H^c)时，最佳的特征模式为满足min(JAF_i，j)的特征模式，由此可知本发明是在认知发射端以及认知接收端进行联合评估，并综合考虑了空间相关度以及特征模式传输增益的因素，增加了特征模式的选择，使资源的评估更准确，资源的建模完善，避免了错误的将主特征模式始终判为最佳资源。能够获得授权频道与特征模式的选择分集增益。

步骤5：空频联合资源建模与质量评估

认知接收端构造矩阵 $S={\left[\begin{array}{cccc}{\mathrm{JAF}}_{\mathrm{1,1}}& {\mathrm{JAF}}_{\mathrm{1,2}}& L& {\mathrm{JAF}}_{1,\mathrm{rank}\left(H^c\right)}\\ {\mathrm{JAF}}_{\mathrm{2,1}}& {\mathrm{JAF}}_{\mathrm{2,2}}& L& {\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ {\mathrm{JAF}}_{N,1}& {\mathrm{JAF}}_{N,2}& L& {\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]}_{N\&times;\mathrm{rank}\left(H^c\right)}$

认知发射端对频谱感知得到的频率资源向量F＝[f₁，L，f_N]进行对角化处理，由此空频联合资源可以表示为如下：

$R_{\mathrm{joint}}=\mathrm{diag}\left(F\right)S=\left[\begin{array}{cccc}{f}_1{\mathrm{JAF}}_{\mathrm{1,1}}& f_1{\mathrm{JAF}}_{\mathrm{1,2}}& L& f_1{\mathrm{JAF}}_{1,\mathrm{rank}\left(H^c\right)}\\ f_2{\mathrm{JAF}}_{\mathrm{2,1}}& f_2{\mathrm{JAF}}_{\mathrm{2,2}}& L& f_2{\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ f_N{\mathrm{JAF}}_{N,1}& f_N{\mathrm{JAF}}_{N,2}& L& f_N{\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]=\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& L& r_{1,\mathrm{rank}\left(H^c\right)}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& L& r_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ r_{N,1}& r_{N,2}& L& r_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]$

其中，diag(·)表示对向量进行对角化处理，r_i，j＝f_iJAF_i，j。矩阵S中的元素JAF_i，j表示第i个频道的第j个特征模式空域资源联合选择因子，F为授权系统频率资源向量，当第i个频道空闲时f_i＝0，当第i个频道忙时f_i＝1。R_joint为N×rank(H^c)的矩阵，它表示系统的空频域的联合资源。当R_joint中第i行元素全为0时，此时，该行的元素值最小，表示授权系统第i个频道空闲。若R_joint中元素全部大于0，表示系统没有空闲频道，此时通过遍历R_joint矩阵的元素r_i，j，R_joint矩阵中最小的元素具有最佳频道及特征模式，授权频道与认知特征模式的组合为

即当1≤i≤N，1≤j≤rank(H^c)时，最佳频道及特征模式为满足min(r_i，j)的

当进行空频联合资源建模及资源评估时，需要认知发射端将频道资源向量以广播的形式发送给认知接收端。当认知接收端接收到频道资源向量后，首先对频道资源向量进行对角化处理，然后依据上面空频联合资源表达式进行矩阵的乘运算，得到空频联合资源矩阵，据此进行系统的资源评估。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (1)

1.一种认知系统空频域联合资源建模及评估方法，包括以下步骤：

步骤1：频谱感知；

假设授权系统有N个频道，首先进行频谱感知，根据感知结果构造频率资源向量

F＝[f₁ f₂ Λ f_N]

其中f_i表示第i个频道的频道资源，当f_i＝1(i∈{1，L，N})表示该频道忙，无空闲的频道资源；当f_i＝0(i∈{1，L，N})表示该频道空闲，有空闲频道；

步骤2：获得信道矩阵信息并处理；

当授权系统不存在频谱空洞时，首先获得系统的信道矩阵信息H，并对其进行奇异值分解H＝UΛ(V)^H，其中Λ＝diag(λ₁，λ₂，L，λ_rank(H))(λ_i是矩阵H的第i奇异值)，U＝[u₁，L，u_rank(H)]，V＝[v₁，L，v_rank(H)]，进行奇异值分解后信道矩阵信息等效为rank(H)个并行子信道；

步骤3：构造矩阵；

构造中间矩阵 $T_{i,j}^c=[v_{i,1}^{\mathrm{cp}},L,v_{i,\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}^{\mathrm{cp}},v_1^c,L,v_{j-1}^c,v_{j+1}^c,L,v_{\mathrm{rank}\left(H^c\right)}^c]$ 和 $M_{i.,j}^c=U_i^{\mathrm{pc}}=[u_{i,1}^{\mathrm{pc}},L,u_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}];$ 并采用Gram-Schmidt方法对

标准正交化，得到 ${\stackrel{\&OverBar;}{T}}_{i,j}^c=[{\stackrel{\&OverBar;}{t}}_{i,1}^{\mathrm{cp}},L,{\stackrel{\&OverBar;}{t}}_{i,\mathrm{rank}\left(H_I^{\mathrm{CP}}\right)}^{\mathrm{cp}},{\stackrel{\&OverBar;}{t}}_1^c,L,{\stackrel{\&OverBar;}{t}}_{j-1}^c,{\stackrel{\&OverBar;}{t}}_{j+1}^c,L,{\stackrel{\&OverBar;}{t}}_{\mathrm{rank}\left(H^c\right)}^c];$ 取 ${\stackrel{\&OverBar;}{M}}_{i,j}^c=M_{i,j}^c=[{\stackrel{\&OverBar;}{m}}_{i,1}^{\mathrm{pc}},L,{\stackrel{\&OverBar;}{m}}_{i,\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}^{\mathrm{pc}}];$ 其中，中间矩阵

中的

表示在授权频道i上，认知发射机与授权接收机之间的信道信息矩阵

进行奇异值分解后的V矩阵的第j列向量，

表示认知接收机与认知发射机之间的信道信息矩阵Hc经过奇异值分解后的V矩阵的第j列向量，中间矩阵中的

表示在授权频道i上，授权发射机与认知接收机之间的信道信息矩阵

进行奇异值分解后的U矩阵的第j列向量；

步骤4：计算相关度；

在认知发射端进行认知通信与干扰的空间相关度评估，

${\mathrm{CO}}_{i,j}^{\mathrm{CTx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{cp}}\right)}{\mathrm{\&Sigma;}}}|\&lang;v_j^c,{\stackrel{\&OverBar;}{t}}_{i,m}^{\mathrm{cp}}\&rang;|+\underset{n\&NotEqual;j}{\overset{\mathrm{rank}\left(H^c\right)}{\mathrm{\&Sigma;}}}|\&lang;v_j^c,{\stackrel{\&OverBar;}{t}}_n^c\&rang;|$

在认知接收端进行认知通信与干扰的空间相关度评估，

${\mathrm{CO}}_{i,j}^{\mathrm{CRx}}=\underset{m=1}{\overset{\mathrm{rank}\left(H_i^{\mathrm{pc}}\right)}{\mathrm{\&Sigma;}}}|\&lang;u_j^c,{\stackrel{\&OverBar;}{m}}_{i,m}^{\mathrm{pc}}\&rang;|$

其中|·|表示求模运算，<a，b>表示向量a与向量b做内积运算；

步骤5：空域资源联合质量评估因子(Joint Assessment Factor，JAF)的计算；

定义空域资源联合评估因子：

${\mathrm{JAF}}_{i,j}=({\mathrm{CO}}_{i,j}^{\mathrm{CTx}}\&CenterDot;{\mathrm{CO}}_{i,j}^{\mathrm{CRx}})/{\mathrm{\&lambda;}}_j^c$

其中，

表示H^c的第j个奇异值，

与分别为认知发射端与认知接收端的空间相关度评估。对于任意的频道i，具有最小JAF的无线资源具有最佳质量，即当1≤j≤rank(H^c)时，最佳的特征模式为满足min(JAF_i，j)的特征模式；

步骤6：空频联合资源建模与评估；

认知接收端构造矩阵

$S={\left[\begin{array}{cccc}{\mathrm{JAF}}_{\mathrm{1,1}}& {\mathrm{JAF}}_{\mathrm{1,2}}& L& {\mathrm{JAF}}_{1,\mathrm{rank}\left(H^c\right)}\\ {\mathrm{JAF}}_{\mathrm{2,1}}& {\mathrm{JAF}}_{\mathrm{2,2}}& L& {\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ {\mathrm{JAF}}_{N,1}& {\mathrm{JAF}}_{N,2}& L& {\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]}_{N\&times;\mathrm{rank}\left(H^c\right)}$

认知发射端对频谱感知道的频率向量F＝[f₁ f₂ L f_N]进行对角化处理，由此空频联合资源可以表示为如下公式：

$R_{\mathrm{joint}}=\mathrm{diag}\left(F\right)S=\left[\begin{array}{cccc}{f}_1{\mathrm{JAF}}_{\mathrm{1,1}}& f_1{\mathrm{JAF}}_{\mathrm{1,2}}& L& f_1{\mathrm{JAF}}_{1,\mathrm{rank}\left(H^c\right)}\\ f_2{\mathrm{JAF}}_{\mathrm{2,1}}& f_2{\mathrm{JAF}}_{\mathrm{2,2}}& L& f_2{\mathrm{JAF}}_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ f_N{\mathrm{JAF}}_{N,1}& f_N{\mathrm{JAF}}_{N,2}& L& f_N{\mathrm{JAF}}_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]=\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& L& r_{1,\mathrm{rank}\left(H^c\right)}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& L& r_{2,\mathrm{rank}\left(H^c\right)}\\ M& M& O& M\\ r_{N,1}& r_{N,2}& L& r_{N,\mathrm{rank}\left(H^c\right)}\end{array}\right]$

其中，diag(·)表示对向量进行对角化处理；当无空闲频道时，通过遍历R_joint矩阵中的元素r_i，j＝f_iJAF_i，j，最小的元素具有最佳频道及特征模式，授权频道与认知特征模式的组合为

即当1≤i ≤N，1≤j≤rank(H^c)时，最佳频道及特征模式为满足min(r_i，j)的

Images