CN103024750A - 一种共基站集中式认知无线网络频谱分配和功率控制方法 - Google Patents

Abstract

本发明公开了一种共基站集中式认知无线网络的功率控制和频谱分配方法，当所述共基站集中式认知无线网络中随机分布有K个主用户，N个认知用户，各主用户的发射功率p_m为常数，基站通过公共信道收集认知用户和主用户的空间位置分布，初始化微调功率Tp_i(0)，i=1---N，和网络效用函数utility(0)，初始化认知用户发射功率和频谱分配矩阵；基站根据用户间的链路功率损耗计算认知用户的微调功率Tp_i(n)，并把微调功率信息发给对应的认知用户，同时存储本次微调功率，认知用户根据接收到的微调功率信息计算，得发射功率p_i(n)，同时将经过微调的发射功率信息传回给基站。

Description

一种共基站集中式认知无线网络频谱分配和功率控制方法

技术领域

本发明涉及认知无线网络技术领域，特别涉及一种共基站集中式认知无线网络频谱分配和功率控制方法。

背景技术

高速增长的宽带无线业务需求对无线网络提出了更高的要求，造成了频谱资源的紧张，认知无线电技术的出现使解决这一问题成为可能，而认知无线电技术的一个重要课题就是如何对频谱进行分配。

频谱分配的效果可用频谱效用衡量，同时认知无线网络中频谱效用可主要由认知无线电链路的传输速率决定，该传输速率取决于认知用户的信号干扰噪声比(SNR)。在认知无线网络的背景噪声相对稳定条件下，SNR又受实际认知无线电链路发射功率的影响。因此认知用户的功率控制也成为认知无线电一个重要的研究问题。

目前，频谱分配和功率控制的研究是认知无线电技术的热点问题，但目前国内外并没有专门研究集中式认知无线网络的频谱分配和功率控制的方法。

发明内容

本发明的目的是提供一种共基站集中式认知无线网络的功率控制和频谱分配方法。

本发明的技术方案是，一种共基站集中式认知无线网络的功率控制和频谱分配方法，包括以下步骤：

A、当所述共基站集中式认知无线网络中随机分布有K个主用户，N个认知用户，各主用户的发射功率p_m为常数，m=1---K,基站通过公共信道收集认知用户和主用户的空间位置分布，初始化微调功率Tp_i(0)，i＝1---N，和网络效用函数utility(0)，初始化认知用户发射功率和频谱分配矩阵；

B、基站根据网络内各认知用户间的链路功率损耗计算认知用户的微调功率Tp_i(n)，并把微调功率信息发给对应的认知用户，同时存储本次微调功率，认知用户根据接收到的微调功率信息计算，得发射功率p_i(n)，i=1，......，N，n=1,2，-----，同时将经过微调的发射功率信息传回给基站，当所有认知用户的发射功率微调结束，基站计算出所述共基站集中式认知无线网络的认知用户平均发射功率avp(n)；

C、基站根据得到的每个认知用户发射功率p_i(n)，频谱分配矩阵A^(n-1)(i，j)计算出每个认知用户信号的信噪比snr_i(n)，接着利用信噪比计算吞吐量t_i，然后根据算出的吞吐量进行频谱分配，重新给频谱分配矩阵A⁽ⁿ⁾(i，j)的元素赋值，存储在基站中，

在得到频谱分配矩阵后计算出当前的网络效用函数utility(n)并存储在基站中，同时用当前网络效用函数减去上一次已经存储的网络效用函数，得到效用函数差值△utility(n)；

D、当网络的认知用户平均发射功率值avp(n)超过限定值，且效用函数差值△utility(n)小于等于ε时，所述的共基站集中式认知无线网络的功率控制和频谱分配过程结束，其中ε是预先设定的误差。

所述步骤B进一步包括以下步骤：

B1、基站根据步骤A中的信息计算出认知用户的微调功率Tpi(n)并把微调功率信息发给认知用户，同时存储本次的Tp_i(n)，i＝1，…，N；

B2、认知用户根据收到的微调功率Tp_i(n)信息，计算认知用户的发射功率p_i(n)，

p_i(n)=p_i(n-1)+Tp_i(n)；

B3、根据步骤B2中得到的各认知用户的发射功率p_i(n)计算出本次网络的认知用户平均发射功率avp(n)，其中avp(n)=∑_i＝1 ^Np_i(n)/N。

所述步骤B1进一步包括以下步骤：

B11，计算认知用户i受到主用户系统和背景的干扰N_i

$N_i=\underset{m=1}{\overset{K}{\mathrm{\Σ}}}{h}_{\mathrm{mi}}{p}_m+n_i$

其中，h_mi是第m个主用户的发射信号对第i个认知用户接收机端的链路增益，p_m为主用户的发射功率，

当各主用户发射功率p_m相等、且为常数，n_i为背景高斯白噪声功率，计算认知用户i功率调整因子r_i(n-1)为

$r_i(n-1)=\frac{h_{\mathrm{ib}}{\mathrm{Tp}}_i(n-1)}{\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}{h}_{i,j}{\mathrm{Tp}}_j(n-1)+N_i}$

其中h_ib为认知用户i到基站的链路增益，h_ij为认知用户i到认知用户j的链路增益；Tp_i(n-1)，i＝1，2，...，N，为认知用户前一次的微调功率，其中初始微调功率全部为0；

B12，计算微调功率修正系数矩阵E^(n-1)，

且i≠j，任取i，j计算微调功率调整增量矩阵G^(n-1)，

其中k_i=W/R_i,W是带宽，R_i是信息速率，且各认知用户的信息速率取决于各认知用户的基带信号的调制方式；

计算各认知用户的微调功率Tp_i(n)=E^(n-1)*Tp_i(n-1)+G^(n-1)。

所述步骤C进一步包括以下步骤：

C1、根据步骤B中得到的认知用户的发射功率p_i(n)算出其信号的信噪比snr_i(n)(i＝1---N)

${\mathrm{snr}}_i\left(n\right)=\frac{p_i\left(n\right)h_{\mathrm{ib}}}{\underset{j\≠i}{\mathrm{\Σ}}{h}_{\mathrm{ij}}{A}^{(n-1)}(i,j)+n_0};$

C2、计算各认知用户可能的吞吐量t_i(n)=log₂(1+snr_i(n))；

C3、先对频道分配矩阵A^(n-1)(i，j)中的元素全部清零，用排序算法选出吞吐量由大到小排列的前K个认知用户，然后将这K个认知用户分配到K个频段上：把它们对应于A⁽ⁿ⁾(i，j)中的元素置为1，其余元素为0；

C4、计算主用户m所受到的认知用户的干扰Im(n,m)

Im(n,m)=∑_i＝1 ^NA⁽ⁿ⁾(i，m)p_i(n)h_mi。

计算所有授权用户所受干扰之和Imtotal(n)

Imtotal(n)=∑_m＝1 ^kIm(n,m)，

计算认知网络的效用函数utility(n)，utility(n)=∑^K _i＝1t_i(n)-a·Imtotal(n)，a是比例系数，根据具体的通信系统取常量。

本发明定义了共基站集中式认知无线网络结构：认知无线网络的基站也是主用户系统的基站。该网络结构在主用户系统与认知无线网络并存条件下，使同步控制主用户系统与认知无线网络成为可能。公开了基于上述网络结构的一种认知系统功率控制和频谱分配方法。本方法以认知用户吞吐量大小作为可用频段分配的准则，联合基于微调功率的功率控制方法最终实现无线认知网络效用函数最大化的目标。

附图说明

图1为本发明的一实施例的共基站集中式认知无线网络频谱分配和功率控制方法流程示意图。

具体实施方式

如图1所示，为本发明的共基站集中式认知无线网络频谱分配和功率控制方法的一个优选实施例。包括步骤：

设网络中随机分布有K个主用户，N个认知用户，背景噪声功率n₀；效用函数的迭代误差为ε。

根据网络中实际链路功率损耗指数和用户之间的距离，计算用户间的链路功率损耗；

设各主用户的发射功率p_m为常数；初始化微调功率Tp_i(0)=0，(i=1---N)，初始化各认知用户的发射功率p_i(0)，(i＝1---N)为系统最小发射功率；

初始化频道分配矩阵A⁽⁰⁾(i，j)为N×K的零矩阵，行对应着认知用户，列对应着频道。

（a）计算各认知用户的功率调整因子r_i(n-1)，(i＝1---N)

计算微调功率修正系数矩阵和微调功率调整增量矩阵E^(n-1)和G^(n-1)

计算微调功率,Tp_i(n)=E^(n-1)*Tp_i(n-1)+G^(n-1)

计算各认知用户的发射功率：p_i(n)=p_i(n-1)+Tp_i(n)

进入并行处理：

a1.转(b)。

a2.计算认知用户发射功率的均值avp(n)

判断avp(n)是否超过系统限定值，否，n←n-1，回到（a）点；是，则转到（c）。

（b）根据各认知用户的p_i(n)和A^(n-1)(i，j)算出其信号的信噪比snr_i(n)(i＝1---N)计算各认知用户的吞吐量:t_i(n)=log₂(1+snr_i(n))

先对频道分配矩阵A^(n-1)(i，j)中的元素全部清零，用排序算法选出吞吐量由大到小排列的前K个认知用户，然后将这K个认知用户分配到K个频段上，把它们对应于A⁽ⁿ⁾(i，j)中的元素置为1，其余元素为0，

利用A⁽ⁿ⁾(i，j)和p_i(n)计算效用函数utility(n)

算出效用函数差值△utility(n)，△utility(n)=utility(n)-utility(n-1)

(c)判断△utility(n)≤ε？，是则结束过程；否，则回到（b）。

Claims (4)

1.一种共基站集中式认知无线网络的功率控制和频谱分配方法，其特征在于，包括以下步骤：

A、当所述共基站集中式认知无线网络中随机分布有K个主用户，N个认知用户，各主用户的发射功率p_m为常数，m=1---K,基站通过公共信道收集认知用户和主用户的空间位置分布，初始化微调功率Tp_i(0)，i＝1---N，和网络效用函数utility(0)，初始化认知用户发射功率和频谱分配矩阵；

B、基站根据网络内各认知用户间的链路功率损耗计算认知用户的微调功率Tp_i(n)，并把微调功率信息发给对应的认知用户，同时存储本次微调功率，认知用户根据接收到的微调功率信息计算，得发射功率p_i(n)，i＝1，......，N，n=1,2，-----，同时将经过微调的发射功率信息传回给基站，当所有认知用户的发射功率微调结束，基站计算出所述共基站集中式认知无线网络的认知用户平均发射功率avp(n)；

C、基站根据得到的每个认知用户发射功率p_i(n)，频谱分配矩阵A^(n-1)(i，j)计算出每个认知用户信号的信噪比snr_i(n)，接着利用信噪比计算吞吐量t_i，然后根据算出的吞吐量进行频谱分配，重新给频谱分配矩阵A⁽ⁿ⁾(i，j)的元素赋值，存储在基站中，

在得到频谱分配矩阵后计算出当前的网络效用函数utility(n)并存储在基站中，同时用当前网络效用函数减去上一次已经存储的网络效用函数，得到效用函数差值△utility(n)；

D、当网络的认知用户平均发射功率值avp(n)超过限定值，且效用函数差值△utility(n)小于等于ε时，所述的共基站集中式认知无线网络的功率控制和频谱分配过程结束，其中ε是预先设定的误差。

2.根据权利要求1所述的共基站集中式认知无线网络的功率控制和频谱分配方法，其特征在于，

所述步骤B进一步包括以下步骤：

B1、基站根据步骤A中的信息计算出认知用户的微调功率Tpi(n)并把微调功率信息发给认知用户，同时存储本次的Tp_i(n)，i＝1，…，N；

B2、认知用户根据收到的微调功率Tp_i(n)信息，计算认知用户的发射功率p_i(n)，

p_i(n)=p_i(n-1)+Tp_i(n)；

B3、根据步骤B2中得到的各认知用户的发射功率p_i(n)计算出本次网络的认知用户平均发射功率avp(n)，其中avp(n)=∑_i=1 ^Np_i(n)/N  。

3.根据权利要求2所述的共基站集中式认知无线网络的功率控制和频谱分配方法，其特征在于，

所述步骤B1进一步包括以下步骤：

B11，计算认知用户i受到主用户系统和背景的干扰Ni

$N_i=\underset{m=1}{\overset{K}{\mathrm{\Σ}}}{h}_{\mathrm{mi}}{p}_m+n_i$

其中，h_mi是第m个主用户的发射信号对第i个认知用户接收机端的链路增益，p_m为主用户的发射功率，

当各主用户发射功率p_m相等、且为常数，n_i为背景高斯白噪声功率，计算认知用户i功率调整因子r_i(n-1)为

$r_i(n-1)=\frac{h_{\mathrm{ib}}{\mathrm{Tp}}_i(n-1)}{\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}{h}_{i,j}{\mathrm{Tp}}_j(n-1)+N_i}$

其中h_ib为认知用户i到基站的链路增益，h_ij为认知用户i到认知用户j的链路增益；Tp_i(n-1)，i＝1，2，...，N，为认知用户前一次的微调功率，其中初始微调功率全部为0；

B12，计算微调功率修正系数矩阵E^(n-1)，

且i≠j，任取i，j计算微调功率调整增量矩阵G^(n-1)，

其中k_i=W/R_i，W是带宽，R_i是信息速率，且各认知用户的信息速率取决于各认知用户的基带信号的调制方式；

计算各认知用户的微调功率Tp_i(n)=E^(n-1)*Tp_i(n-1)+G^(n-1)。

4.根据权利要求1所述的共基站集中式认知无线网络的功率控制和频谱分配方法，其特征在于，

所述步骤C进一步包括以下步骤：

C1、根据步骤B中得到的认知用户的发射功率p_i(n)算出其信号的信噪比snr_i(n)(i＝1---N)

${\mathrm{snr}}_i\left(n\right)=\frac{p_i\left(n\right)h_{\mathrm{ib}}}{\underset{j\≠i}{\mathrm{\Σ}}{h}_{\mathrm{ij}}{A}^{(n-1)}(i,j)+n_0};$

C2、计算各认知用户可能的吞吐量t_i(n)=log₂(1+snr_i(n))；

C3、先对频道分配矩阵A^(n-1)(i，j)中的元素全部清零，用排序算法选出吞吐量由大到小排列的前K个认知用户，然后将这K个认知用户分配到K个频段上：把它们对应于A⁽ⁿ⁾(i，j)中的元素置为1，其余元素为0；

C4、计算主用户m所受到的认知用户的干扰Im(n,m)

Im(n,m)=∑_i＝1 ^NA⁽ⁿ⁾(i，m)p_i(n)h_mi。

计算所有授权用户所受干扰之和Imtotal(n)

Imtotal(n)=∑_m＝1 ^kIm(n,m)，

计算认知网络的效用函数utility(n)，utility(n)=∑^K _i＝1t_i(n)-a·Imtotal(n)，a是比例系数，根据具体的通信系统取常量。

Images