CN103152805B - 基于随机网络模型的认知无线网络功率控制方法 - Google Patents

Abstract

一种基于随机网络模型的认知无线网络功率控制方法，涉及无线通信技术中的认知无线电领域。针对由于认知无线网络的随机性，难以对主用户实施有效的保护的问题，本发明在Underlay和Overlay两种动态频谱接入方式下，实现了随机认知无线网络对主用户的干扰保护，使整个认知无线网络对主用户造成的干扰概率低于主用户系统要求的门限值，从而不会对主用户造成难以忍受的影响。通过认知无线网络次级用户的功率控制，使主用户的干扰概率低于系统要求门限值。本发明不需要已知次级用户的个数、位置及干扰链路质量等先验知识信息，大幅度降低了实施的复杂度，更易于实现对主用户的保护。

Description

基于随机网络模型的认知无线网络功率控制方法

技术领域

本发明涉及无线通信技术中的认知无线电领域，具体地说是一种基于随机网络模型的认知无线网络次级用户的功率控制方法，以实现对主用户的干扰保护。

背景技术

随着无线通信业务的迅猛增长，无线频谱已经成为一种稀缺资源。而传统的固定频谱分配方式虽然可以有效保证主用户(授权用户)的服务质量，却造成了频谱资源的巨大浪费。为了提高现有频谱资源的利用效率以及满足这种日益增长的无线频谱资源的需求，Mitola等人提出了认知无线电的概念。认知无线电的主要思想是在保证主用户服务质量的前提，允许次级用户以“动态频谱接入”的方式利用主用户的授权频段，从而提高频谱资源的利用效率。

认知无线电的动态频谱接入方式主要有两种:1)Underlay模式，这种模式允许次级用户使用授权频段而不必考虑主用户是否正在使用该频段，同时保证共存的主用户受到干扰在可容忍的范围内，如图1所示。Underlay模式最显著的特点就是次级用户不需要去感知主用户的授权频段是否有主用户存在，而直接使用该授权频段。在这种模式下，次级用户不需要对授权信道进行感知探测，从而避免了感知主用户授权频段所需要的开销(时间和能量)。这种方式的前提就是主用户受到的干扰在可容忍的范围内。2)Overlay模式，也称为机会频谱接入。次级用户机会地利用频谱在时域、频域和空域上的频谱空洞，即次级用户仅能在主用户没有使用授权频段的条件下使用该频段，如图1所示。当主用户返回使用该授权频段时，次级用户必须立即停止在该频段上的工作，寻找并转移到其他频段。

次级用户动态地利用主用户授权频段的前提是保护现有主用户的正常通信。在对主用户保护的研究中，干扰温度是一种常用的模型，其主要思想是将主用户接收到次级用户的干扰控制在干扰温度值以下。然而，在实际的应用中，干扰温度模型存在以下诸多不足：1)需要已知同时使用主用户授权频段的次级用户个数，并且次级用户之间需要协调；2)需要已知次级用户的位置信息及大尺度路径损耗；3)需要已知每个次级用户到主用户之间的实时信道质量信息，这在一般情况是很难获得的。由于网络拓扑和无线环境多变性，干扰温度模型很难适应无线网络环境的实际情况，尤其是将整个认知无线网络对主用户的干扰之和（聚合干扰）的绝对值控制在干扰温度值以下，这种苛刻的限制条件在随机变化的无线网络环境中是很难实现。

干扰概率模型的主要思想是将认知无线网络对主用户的干扰概率控制在主用户系统要求的门限值以下。干扰概率模型以主用户的干扰概率为研究对象，允许出现主用户受到的干扰值超过其干扰门限，发生一定程度的干扰。这种干扰概率模型更能贴近于实际的无线网络变化的环境，并且更易于实现。干扰概率模型提出主要针对信道的随机性，来控制次级用户对主用户的干扰概率。这种方法仍然需要已知次级用户的个数，以及次级用户到主用户的大尺度的路径衰落，并且仍然没有考虑认知无线网络的随机性带来的不确定性。

发明内容

本发明的目的是针对认知无线网络中，次级用户的个数和位置随机分布带来的对主用户保护困难的问题，应用随机几何理论的最新成果，对认知无线网络的次级用户发射功率进行控制，使认知无线网络对主用户造成的干扰概率低于系统要求的门限值。从而，使次级用户最大化利用频谱资源的同时，有效地保护了主用户通信，避免了给主用户造成过度的干扰。

本发明的技术方案是：

一种基于随机网络模型的认知无线网络功率控制方法，它包括以下步骤：

步骤1.计算认知无线网络对主用户造成的聚合干扰的n阶累积量：

根据随机几何理论，认知无线网络对主用户造成的聚合干扰的n阶累积量表示为

${\mathrm{\κ}}_{I_0}\left(n\right)=2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-\mathrm{n\α}}\×f_G\left(g\right)\×\mathrm{rdrdg}$

$=\frac{2\mathrm{\π}{\mathrm{\λ}}_s{p}_s^n}{\mathrm{n\α}-2}(R_{\min }^{2-\mathrm{n\α}}-R_{\max }^{2-\mathrm{n\α}}){\∫}_G{g}^n{f}_G\left(g\right)\mathrm{dg}$

其中I₀表示主用户受到认知无线网络的聚合干扰；

n表示聚合干扰的累积量的阶数；

λ_s表示认知无线网络中次级用户的密度；

p_s表示认知无线网络中次级用户的发射功率；

g表示衰落和阴影累积影响的随机变量；

r表示次级用户与主用户之间的距离变量；

α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子；

R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径；

f_G(g)表示信道的衰落和阴影累积影响的随机变量g的密度函数；

步骤2.覆盖式频谱接入（Underlay）模式下次级用户的功率控制：

2.1根据聚合干扰的统计特性，得到在主用户存在事件发生H₁时，主用户受到认知无线网络的聚合干扰I的条件概率分布F(I|H₁)为

$F\left(I\right|H_1)=1-Q\left(\frac{I-{\mathrm{\κ}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|H_1}\left(2\right)}}\right).$

其中，Q(·)为标准的高斯互补函数

${\mathrm{\κ}}_{I_0|H_1}\left(1\right)={\mathrm{\κ}}_{I_0}\left(1\right)=\frac{2\mathrm{\π}{\mathrm{\λ}}_s{p}_s}{\mathrm{\α}-2}(R_{\min }^{2-\mathrm{\α}}-R_{\max }^{2-\mathrm{\α}}){\∫}_G{\mathrm{gf}}_G\left(g\right)\mathrm{dg}.$

${\mathrm{\κ}}_{I_0|H_1}\left(2\right)={\mathrm{\κ}}_{I_0}\left(2\right)=\frac{{\mathrm{\π\λ}}_s{p}_s^2}{\mathrm{\α}-1}(R_{\min }^{2-2\mathrm{\α}}-R_{\max }^{2-2\mathrm{\α}}){\∫}_G{g^{2}f}_G\left(g\right)\mathrm{dg}.$

2.2计算主用户的干扰概率P_I

$P_I=1-F\left(\mathrm{\η}\right|H_1)\≈Q\left(\frac{\mathrm{\η}-{\mathrm{\κ}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|H_1}\left(2\right)}}\right).$

2.3计算覆盖式频谱接入模式下，次级用户的最大发射功率

$p_s^{*}=\frac{\mathrm{\η}}{Q^{-1}\left(\mathrm{\μ}\right)\sqrt{{\mathrm{\κ}}_{I_0}\left(2\right|p_s=1)}+{\mathrm{\κ}}_{I_0}\left(1\right|p_s=1)}$

$=\frac{\mathrm{\η}}{Q^{-1}\left(\mathrm{\μ}\right)\sqrt{\frac{{\mathrm{\π\λ}}_s}{\mathrm{\α}-1}(R_{\min }^{2-2\mathrm{\α}}-R_{\max }^{2-2\mathrm{\α}}){\∫}_G{g}^2{f}_G\left(g\right)\mathrm{dg}}+\frac{2{\mathrm{\π\λ}}_s}{\mathrm{\α}-2}(R_{\min }^{2-\mathrm{\α}}-R_{\max }^{2-\mathrm{\α}}){\∫}_{G}g{f}_G\left(g\right)\mathrm{dg}},$

其中，η表示主用户的干扰门限，μ表示主用户干扰概率限制要求；

2.4在覆盖式频谱接入模式下，将次级用户的发射功率控制在最大发射功率以下。

本发明的R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径，即认知无线网络中次级用户构成的环形模型，其n阶累积量能够扩展到无限区域，即R_max=∞。

本发明的α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子，范围是2≤α≤4。

一种基于随机网络模型的认知无线网络功率控制方法，它包括以下步骤：

步骤1.计算认知无线网络对主用户造成的聚合干扰的n阶累积量：

根据随机几何理论，认知无线网络对主用户造成的聚合干扰的n阶累积量表示为

${\mathrm{\κ}}_{I_0}\left(n\right)=2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-\mathrm{n\α}}\×f_G\left(g\right)\×\mathrm{rdrdg}$

$=\frac{2\mathrm{\π}{\mathrm{\λ}}_s{p}_s^n}{\mathrm{n\α}-2}(R_{\min }^{2-\mathrm{n\α}}-R_{\max }^{2-\mathrm{n\α}}){\∫}_G{g}^n{f}_G\left(g\right)\mathrm{dg}$

其中I₀表示主用户受到认知无线网络的聚合干扰；

n表示聚合干扰的累积量的阶数；

λ_s表示认知无线网络中次级用户的密度；

p_s表示认知无线网络中次级用户的发射功率；

g表示衰落和阴影累积影响的随机变量；

r表示次级用户与主用户之间的距离变量；

α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子；

R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径；

f_G(g)表示信道的衰落和阴影累积影响的随机变量g的密度函数；

步骤2.机会式频谱接入（Overlay）模式下次级用户的功率控制：

2.1计算在主用户存在时，次级用户发生漏检的概率P_md

$P_{\mathrm{md}}\left(r\right)=1-Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}\left(r\right)-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}\left(r\right)+1}}\right).$

其中，为次级用户接收到的高斯白噪声方差，γ(r)为次级用户和主用户的距离为r时的接收信噪比，τ为次级用户的感知时间，f_s为次级用户的采样频率。

2.2根据泊松点过程的Thinning理论，考虑主用户存在的条件下，认知无线网络对主用户造成聚合干扰的n阶累积量为

${\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(n\right)=2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-\mathrm{n\α}}\×P_{\mathrm{md}}\left(r\right)\×f_G\left(g\right)\×\mathrm{rdrdg},$

其中，ε为次级用户的感知判决门限；

I₀|1_[0,ε](T(y)|H₁)表示在主用户存在事件H₁发生的情况下，次级用户的测量信号能量值0≤T(y)≤ε时的聚合干扰；

1_[0,ε](T(y))为指示函数，表示测量的信号能量值在0≤T(y)≤ε时指示函数等于1，其他情况时等于0，即

2.3计算在机会式频谱接入模式下的聚合干扰的分布函数F(I|1_[0,ε](T(y)|1_[0,ε](T(y)|H₁)))

$F\left(I\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)))=1-Q\left(\frac{I-{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(2\right)}}\right).$

2.4根据干扰概率的定义，计算认知无线网络对主用户的干扰概率P_I

$P_I=1-F\left(I\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)))$

$=Q\left(\frac{\mathrm{\η}-{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(2\right)}}\right).$

2.5计算机会式频谱接入模式下，次级用户的最大发射功率

$p_s^{*}=\frac{\mathrm{\η}}{Q^{-1}\left(\mathrm{\μ}\right)\sqrt{{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(2\right|p_s=1)}+{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(1\right|p_s=1)}$

$=\frac{\mathrm{\η}}{Q^{-1}\left(\mathrm{\μ}\right)\sqrt{2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{g}^2{r}^{-2\mathrm{\α}}\×P_{\mathrm{md}}\left(r\right)\×f_G\left(g\right)\×\mathrm{rdrdg}}+2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{\mathrm{gr}}^{-\mathrm{\α}}\×P_{\mathrm{md}}\left(r\right)\×f_G\left(g\right)\×\mathrm{rdrdg}}$

2.6在机会式频谱接入模式下，将次级用户的发射功率控制在最大发射功率以下。

本发明的R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径，即认知无线网络中次级用户构成的环形模型，其n阶累积量能够扩展到无限区域，即R_max=∞。

本发明的α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子，范围是2≤α≤4。

本发明的有益效果：

1、认知无线网络是随机的。在本发明的方案中，认知无线网络中次级用户的个数和位置是随机分布，不需要已知次级用户的个数、位置和干扰链路质量等先验知识信息。相对于需要这些先验知识信息的方法，本发明所提方案具有较低的复杂度，更易于实用。

2、以整个认知无线网络的聚合干扰作为分析对象。本发明将认知无线网络整体的随机性产生的影响体现在对主用户的聚合干扰上，分析认知无线网络聚合干扰的统计特性，利用这些特性可以从宏观上体现认知无线网络的随机性，从而保护主用户的正常通信，避免受到过度的干扰。

3、以主用户的干扰概率为目标。本发明中，认知无线网络通过控制次级用户的发射功率使主用户的干扰概率低于系统要求的门限值，而不是以认知无线网络对主用户的干扰绝对值为目标。这样，可以使主用户的保护更易于认知无线网络的操作并更符合实际的网络环境。

附图说明

图1为覆盖式和机会式两种动态频谱接入方式

图2为本发明中所研究的认知无线网络模型

图3为认知无线网络对主用户造成的聚合干扰的统计特性

图4为本发明中覆盖式频谱接入模式下的认知无线网络次级用户功率控制方法曲线

图5为本发明中机会式频谱接入模式下的认知无线网络次级用户功率控制方法曲线

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

通过分析整个认知无线网络对主用户造成的聚合干扰统计特性，利用主用户的干扰概率模型，通过控制次级用户的发射功率，使认知无线网络对主用户造成的干扰概率低于系统要求的门限值，从而达到保护主用户的目的。

本发明主要由三个基本部分组成：聚合干扰的统计特性分析、覆盖式频谱接入模式下次级用户的功率控制和机会式频谱接入模式下次级用户的功率控制。具体流程如下：

（1）认知无线网络的建模：

1.1认知无线网络的随机几何建模

经典的分析模型不足以分析随机的认知无线网络，这是由于：1)随机认知无线网络中的次级用户的个数和位置不可能完全已知或者预测；2)每个次级用户到主用户的路径损耗和衰落特性与认知无线网络中次级用户的分布转台分布有关，因此，主用户接收到整个认知无线网络的聚合干扰强度也是与次级用户的分布状态有关。随机几何理论可以有效的定义并量化分析随机认知无线网络的整体特性。因此，本发明中利用随机几何理论对认知无线网络的随机性进行建模并分析。设认知无线网络分布于一个两维空间内，且次级用户的个数分布服从密度为λ_s的齐次泊松点过程∏_S={x_i}，其中，点代表某时刻正在发送信号的次级用户i的位置，∏_S为次级用户的集合。另外，次级用户之间以ALOHA的MAC协议方式共同使用主用户的授权频段。

1.2信道模型

设受到干扰的主用户位于认知无线网络区域内的位置从次级用户i的位置x_i到主用户位置s的功率传输损耗建模为g_il(||s-x_i||)，g_i是衰落和阴影累积影响的随机变量，也就是小尺度衰落，l(||s-x_i||)是大尺度衰落的路径损耗。假设不同的g_i服从相互独立同一的分布，且独立于次级用户的位置。记g_i的概率密度函数(PDF)为f_G(g)，大尺度的路径损耗表示为l(||s-x_i||)=||s-x_i||^-α，α为路径损耗指数且α>2。因此，主用户受到的来自次级用户i的干扰功率可以表示为I_i=p_sg_i||s-x_i||^-α，其中p_s为次级用户发射功率。

1.3认知无线网络区域模型

为便于定量的分析认知无线网络聚合干扰的统计特性，假设次级用户分布在以内环半径为R_min，外环半径为R_max的圆环区域中，主用户处在原点位置s，如图2所示。次级用户的位置均匀分布于圆环区域内，次级用户的个数服从于参数为的泊松过程。此区域网络模型也适合于认知无线网络范围无穷大的情况，即R_max→∞。对于实际的认知无线网络，可以不失一般性的建模成任意形状，但任意形状的认知无线网络对于某个位置的主用户造成的聚合干扰特性，需要进行针对性的分析。目前，有一部分文献已经研究了一些区域形状的随机网络特性，并对其产生的聚合干扰分布进行近似的拟合。因此，对于任意形状的认知无线网络，根据其对主用户造成的聚合干扰特性，本发明提出的分析方法和解决思路仍然适用。因此，本发明对任意的认知无线网络区域形状都具有一般性。

（2）次级用户网络对主用户造成的聚合干扰统计分析：

2.1主用户受到认知无线网络的聚合干扰I₀可以表示为

$I_0=\underset{i\∈{\mathrm{\Π}}_s}{\mathrm{\Σ}}{I}_i=\underset{i\∈{\mathrm{\Π}}_s}{\mathrm{\Σ}}{p}_s{g}_i{r}_i^{-\mathrm{\α}}.$

其中，r_i=||s-x_i||。

2.2次级用户距主用户距离为r的概率密度分布为

$f_R\left(r\right)=\left\{\begin{array}{cc}\frac{2r}{(R_{\max }^2-R_{\min }^2)}\mathrm{if}& R_{\min }\≤r\≤R_{\max }\\ 0& \mathrm{otherwise}\end{array}\right..$

相应地，K个次级用户的聚合干扰特征函数可以表示

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)=E\left[e^{\mathrm{j\ωI}}\right|{\mathrm{\Π}}_p\left[S(R_{\min },R_{\max })\right]=K]$

$={\left({\∫}_G{\∫}_{R_{\min }}^{R_{\max }}\frac{2r}{(R_{\max }^2-R_{\min }^2)}\exp \left(\mathrm{j\ωl}(r,g)\right)\mathrm{drdg}\right)}^K.$

2.3根据泊松点过程的性质，存在K个次级用户的事件概率由服从相应的泊松分布确定。因此，可以得到

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)=\underset{K=0}{\overset{\∞}{\mathrm{\Σ}}}\{\frac{\exp (-{\mathrm{\λ}}_s\mathrm{\π}(R_{\max }^2-R_{\min }^2)){\left({\mathrm{\λ}}_s\mathrm{\π}(R_{\max }^2-R_{\min }^2)\right)}^K}{K!}.$ $\×E\left[e^{\mathrm{j\ωI}}\right|{\mathrm{\Π}}_s\left[S(R_{\min },R_{\max })\right]=K\left]\right\}$

对上式中的指数函数进行Taylor展开，可以得到

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)=$

$\exp \left({\mathrm{\λ}}_s\mathrm{\π}(R_{\max }^2-R_{\min }^2)({\∫}_G{\∫}_{R_{\min }}^{R_{\max }}\frac{2r}{(R_{\max }^2-R_{\min }^2)}\exp \left(\mathrm{j\ωl}(r,g)\right)\mathrm{drdg}-1)\right).$

进一步将l(r)代入到上式，可以得到

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)=$

$\exp \left(2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}\right[\exp \left(\mathrm{j\ω}{\mathrm{cp}}_s{\mathrm{gr}}^{-\mathrm{\α}}\right)-1]\×f_G\left(g\right)\×\mathrm{rdrdg}).$

其中， $j=\sqrt{-1}.$

上述的环形模型可以扩展到无限区域，也就是R_max=∞。另外，不规则网络区域的模型也同样适用于上述方法，不同点在于对认知无线网络面积的积分方式不同。

2.4根据特征函数的性质，聚合干扰的n阶累积量可以表示为

${\mathrm{\κ}}_{I_0}\left(n\right)=\frac{1}{j^n}{\left[\frac{{\∂}^n\ln {\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)}{{\∂\mathrm{\ω}}^n}\right]}_{\mathrm{\ω}=0}$

$=2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-\mathrm{n\α}}\×f_G\left(g\right)\×\mathrm{rdrdg}.$

$=\frac{2\mathrm{\π}{\mathrm{\λ}}_s{p}_s^n}{\mathrm{n\α}-2}(R_{\min }^{2-\mathrm{n\α}}-R_{\max }^{2-\mathrm{n\α}}){\∫}_G{g}^n{f}_G\left(g\right)\mathrm{dg}$

（3）Underlay模式下次级用户的功率控制：

在Underlay模式下，次级用户直接使用主用户授权频段，而不需要对主用户授权频段进行感知，从而减少了感知所需要的开销。但是，次级用户的发射功率必须考虑在主用户存在时，对主用户产生的干扰。在干扰概率模型下，认知无线网络要保证对主用户造成的干扰概率低于系统要求的门限值。当在主用户授权频段空闲时，这种在主用户存在时的功率控制方法显然是过于保守的。但此方法带来的好处就是不需要对主用户授权频段进行感知。因此，Unerlay模式适合主用户占用授权频段概率较高的情况。

3.1对主用户的干扰可以定义为，在主用户存在时，认知无线网络对主用户造成的聚合干扰大于或等于主用户的干扰门限值。相应的，干扰概率P_I可以定义为认知无线网络对主用户的聚合干扰大于或等于主用户干扰门限值的概率，即

$P_I=\mathrm{Pr}\{I_0\≥\mathrm{\η}|H_1\}\≤{\stackrel{\‾}{P}}_I.$

其中，H₁代表主用户存在的事件。

3.2根据聚合干扰的统计特性，可以得到在主用户存在时，主用户受到的聚合干扰概率分布为

$F\left(I\right|H_1)=\mathrm{Pr}\{I_0\≤I|H_1\}\≈1-Q\left(\frac{I-{\mathrm{\κ}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|H_1}\left(2\right)}}\right).$

其中，Q(·)为标准的高斯互补函数

${\mathrm{\κ}}_{I_0|H_1}\left(1\right)={\mathrm{\κ}}_{I_0}\left(1\right)=\frac{2\mathrm{\π}{\mathrm{\λ}}_s{p}_s}{\mathrm{\α}-2}(R_{\min }^{2-\mathrm{\α}}-R_{\max }^{2-\mathrm{\α}}){\∫}_G{\mathrm{gf}}_G\left(g\right)\mathrm{dg}.$

${\mathrm{\κ}}_{I_0|H_1}\left(2\right)={\mathrm{\κ}}_{I_0}\left(2\right)=\frac{{\mathrm{\π\λ}}_s{p}_s^2}{\mathrm{\α}-1}(R_{\min }^{2-2\mathrm{\α}}-R_{\max }^{2-2\mathrm{\α}}){\∫}_G{g^{2}f}_G\left(g\right)\mathrm{dg}.$

3.3因此，可以得到干扰概率P_I的表达式为

$P_I=\mathrm{Pr}\{I_0\≥\mathrm{\η}|H_1\}=1-\mathrm{Pr}\{I_0\≤\mathrm{\η}\left|H_1\right\}$

$=1-F\left(\mathrm{\η}\right|H_1)\≈Q\left(\frac{\mathrm{\η}-{\mathrm{\κ}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|H_1}\left(2\right)}}\right).$

3.4设主用户的干扰概率门限为则次级用户的最大发射功率应在干扰概率等于干扰概率门限η时取得，即

${\stackrel{\‾}{P}}_I\≈Q\left(\frac{\mathrm{\η}-{\mathrm{\κ}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|H_1}\left(2\right)}}\right).$

因此，在Underlay模式下，次级用户的最大发射功率为

$p_s^{*}=\frac{\mathrm{\η}}{Q^{-1}\left({\stackrel{\‾}{P}}_I\right)\sqrt{{\mathrm{\κ}}_{I_0}\left(2\right|p_s=1)}+{\mathrm{\κ}}_{I_0}\left(1\right|p_s=1)}$

$=\frac{\mathrm{\η}}{Q^{-1}\left({\stackrel{\‾}{P}}_I\right)\sqrt{\frac{{\mathrm{\π\λ}}_s}{\mathrm{\α}-1}(R_{\min }^{2-2\mathrm{\α}}-R_{\max }^{2-2\mathrm{\α}}){\∫}_G{g}^2{f}_G\left(g\right)\mathrm{dg}}+\frac{2{\mathrm{\π\λ}}_s}{\mathrm{\α}-2}(R_{\min }^{2-\mathrm{\α}}-R_{\max }^{2-\mathrm{\α}}){\∫}_{G}g{f}_G\left(g\right)\mathrm{dg}}.$

（4）Overlay模式下次级用户的功率控制：

在Overlay模式下，次级用户首先要对主用户授权频段进行感知，以判断主用户是否正在使用该频段。次级用户只有在感知到主用户不存在，才能使用该授权频段；而感知到主用户存在时，次级用户则保持沉默。由于次级用户对主用户的信号检测存在漏检的情况，因而在主用户存在时仍然有使用该频段的次级用户。因此，主用户将会受到发生漏检的次级用户的干扰。

4.1次级用户感知主用户信号是否存在的检测问题可以建模成一个二元假设检验问题。将主用户正在使用该授权频段的事件表示为H₁，该频段空闲的事件表示为H₀，由此，可以得到

H₁:y(n)=s(n)+u(n)

H₀:y(n)=u(n).

其中，y(n)表示为次级用户接收到的信号，s(n)为主用户信号，u(n)为高斯噪声，n为采样时刻。

4.2假定次级用户采用能量检测的方法来检测主用户信号是否存在。能量检测是一种广泛应用的检测信号手段，结构简单，方便实用。能量检测将一段时间在目标信道上测量到的平均信号能量值与感知门限ε进行比较，其中N为采样点数测量也就是感知时间τ与采样频率f_s的积，即N=τf_s。当测量的信号能量值大于或等于感知门限时，次级用户就认为主用户存在，即该授权信道被占用；当测量的能量值小于感知门限时，次级用户就认为主用户不存在，即该授权信道空闲。

当次级用户测量的能量值小于感知门限时，次级用户就接入使用该授权频段。因此，正在使用该频段的次级用户可以定义测量值小于感知门限的集合为

${\mathrm{\Π}}_{\mathrm{md}}=\{i\∈{\mathrm{\Π}}_s:1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right)=1\}.$

其中，1_[0,ε](T(y))为指示函数，表示测量的信号能量值在0≤T(y)≤ε时指示函数等于1，其他情况时等于0，即

4.3主用户接收到认知无线网络的聚合干扰可以表示为

$I_0=\underset{i\∈{\mathrm{\Π}}_{\mathrm{md}}}{\mathrm{\Σ}}{I}_i=\underset{i\∈{\mathrm{\Π}}_{\mathrm{md}}}{\mathrm{\Σ}}{p}_i{g}_i{r}_i^{-\mathrm{\α}}.$

此时，特征函数为

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)=$

$\exp \left(2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}\right[\exp \left(\mathrm{j\ω}{\mathrm{cp}}_s{\mathrm{gr}}^{-\mathrm{\α}}\right)-1]\×\mathrm{Pr}\{1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right)=1\}\×f_G\left(g\right)\×\mathrm{rdrdg}).$

4.4在主用户存在时，次级用户发生漏检的概率P_md可以表示为

P_md=Pr{1_[0,ε](T(y)|H₁)=1}=Pr{0≤T(y)≤ε|H₁}.

次级用户对主用户信号的漏检概率与其接收到主用户信号的信噪比有关，设次级用户接受到的主用户信号的信噪比为γ(r)，γ(r)与次级用户到主用户距离r有关，可以建模成一个有r有关的函数。因此，次级用户对主用户信号感知的漏检概率可以表示为

$P_{\mathrm{md}}\left(r\right)=1-Q\left((\frac{\mathrm{\ϵ}}{{\mathrm{\σ}}_u^2}-\mathrm{\γ}\left(r\right)-1)\sqrt{\frac{\mathrm{\τ}{f}_s}{2\mathrm{\γ}\left(r\right)+1}}\right).$

其中，为高斯白噪声的方差。

4.5根据泊松点过程的Thinning理论，考虑主用户存在的条件下，认知无线网络对主用户造成聚合干扰的特征函数可以表示为

${\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1))=$

$\exp \left(2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}\right[\exp \left(\mathrm{j\ω}{\mathrm{cp}}_s{\mathrm{gr}}^{-\mathrm{\α}}\right)-1]\×P_{\mathrm{md}}\left(r\right)\×f_G\left(g\right)\×\mathrm{rdrdg}).$

相应地，聚合干扰的n阶累积量为

${\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(n\right)=\frac{1}{j^n}{\left[\frac{{\∂}^n\ln {\mathrm{\ψ}}_{I_0}\left(\mathrm{j\ω}\right)}{{\∂\mathrm{\ω}}^n}\right]}_{\mathrm{\ω}=0}.$

$=2\mathrm{\π}{\mathrm{\λ}}_s{\∫}_G{\∫}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-\mathrm{n\α}}\×{P_{\mathrm{md}}\left(r\right)\×f}_G\left(g\right)\×\mathrm{rdrdg}$

4.6由聚合干扰的分布性质可知，在Overlay模式下的聚合干扰的分布为

$F\left(I\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)))$

$=\mathrm{Pr}\{I_0\≤I|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)\}.$

$\≈1-Q\left(\frac{I-{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(1\right)}{\sqrt{{\mathrm{\κ}}_{I_0|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)}\left(2\right)}}\right)$

根据干扰概率的定义，认知无线网络对主用户的干扰概率可以表示为

$P_I=\mathrm{Pr}\{I_0\≥\mathrm{\η}|1_{[0,\mathrm{\ϵ}]}\left(T\left(y\right)\right|H_1)\}$

$=1-\mathrm{Pr}\{I_0<\mathrm{\&eta;}|1_{[0,\mathrm{\&epsiv;}]}\left(T\left(y\right)\right|H_1)\}.$

$\&ap;Q\left(\frac{\mathrm{\&eta;}-{\mathrm{\&kappa;}}_{I_0|1_{[0,\mathrm{\&epsiv;}]}\left(T\left(y\right)\right|H_1)}\left(1\right)}{\sqrt{{\mathrm{\&kappa;}}_{I_0|1_{[0,\mathrm{\&epsiv;}]}\left(T\left(y\right)\right|H_1)}\left(2\right)}}\right)$

4.7在干扰概率门限给定的条件下，发生漏检的次级用户对主用户造成的干扰概率不能超过系统要求的干扰概率值因此，在Overlay模式下，可以得到次级用户的最大发射功率为

$p_s^{*}=\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{{\mathrm{\&kappa;}}_{I_0|1_{[0,\mathrm{\&epsiv;}]}\left(T\left(y\right)\right|H_1)}\left(2\right|p_s=1)}+{\mathrm{\&kappa;}}_{I_0|1_{[0,\mathrm{\&epsiv;}]}\left(T\left(y\right)\right|H_1)}\left(1\right|p_s=1)}$

$=\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{2\mathrm{\&pi;}{\mathrm{\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{g}^2{r}^{-2\mathrm{\&alpha;}}\&times;P_{\mathrm{md}}\left(r\right)\&times;f_G\left(g\right)\&times;\mathrm{rdrdg}}+2\mathrm{\&pi;}{\mathrm{\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{\mathrm{gr}}^{-\mathrm{\&alpha;}}\&times;P_{\mathrm{md}}\left(r\right)\&times;f_G\left(g\right)\&times;\mathrm{rdrdg}}.$

实施例：本发明的一个具体实施例如下描述，系统仿真采用Matlab软件，参数设定不影响一般性。下述实施例是以主用户的干扰概率为研究对象，主要通过控制认知无线网络次级用户的发射功率，来使认知无线网络对主用户造成的干扰概率低于系统要求的门限值。

本实施例中感知带宽W取为10MHz，感知时间为100μs。噪声功率谱密度为N₀=-174dBm。路径损耗因子为4，多径衰落的均值为1。次级用户的区域外径为60m，内径为10m，认知无线网络的次级用户密度设为0.01，0.05，0.06，0.08，0.1几种不同的值。

本发明提出的基于随机网络的认知无线网络功率控制的方法具体过程如下：

1、首先确定认知无线网络的范围，如图2所示。根据其区域面积、密度及传输信道模型，计算认知无线网络对主用户造成的聚合干扰的特征函数

${\mathrm{\&psi;}}_{I_0}\left(\mathrm{j\&omega;}\right)=\exp \left(2\mathrm{\&pi;}{\mathrm{\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}\right[\exp \left(\mathrm{j\&omega;}{\mathrm{cp}}_s{\mathrm{gr}}^{-\mathrm{\&alpha;}}\right)-1]\&times;f_G\left(g\right)\&times;\mathrm{rdrdg})$

2、根据特征函数的性质，计算聚合干扰的n阶累积量通过计算，可以得到Underlay和Overlay模式下，不同密度时，聚合干扰的1阶和2阶累积量为

表1：Underlay模式下聚合干扰的累积量

表2：Overlay模式下聚合干扰的累积量

由聚合干扰的1阶和2阶累积量，就可以得到聚合干扰的分布函数。

3、根据聚合干扰的的n阶累积量，对聚合干扰的分布进行拟合，如图3所示，并计算出主用户的干扰概率P_I与认知无线网络次级用户的发射功率的关系式；

表3：Underlay模式下，干扰概率P_I与认知无线网络次级用户发射功率对应值

表3：Overlay模式下，干扰概率P_I与认知无线网络次级用户发射功率对应值

由系统给定的干扰概率门限值，计算出Underlay和Overlay模式下，认知无线网络次级用户的最大发射功率，如图4图5所示。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (6)

1.一种基于随机网络模型的认知无线网络功率控制方法，其特征是它包括以下步骤：

步骤1.计算认知无线网络对主用户造成的聚合干扰的n阶累积量：

根据随机几何理论，认知无线网络对主用户造成的聚合干扰的n阶累积量表示为

$\begin{array}{c}{\mathrm{\&kappa;}}_{I_0}\left(n\right)=2\mathrm{\&pi;}{\mathrm{\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-n\mathrm{\&alpha;}}\&times;f_G\left(g\right)\&times;rdrdg\\ =\frac{2{\mathrm{\&pi;\&lambda;}}_s{p}_s^n}{n\mathrm{\&alpha;}-2}\left(R_{\min }^{2-n\mathrm{\&alpha;}}-R_{\max }^{2-n\mathrm{\&alpha;}}\right){\&Integral;}_G{g}^n{f}_G\left(g\right)dg\end{array}$

其中I₀表示主用户受到认知无线网络的聚合干扰；

n表示聚合干扰的累积量的阶数；

λ_s表示认知无线网络中次级用户的密度；

p_s表示认知无线网络中次级用户的发射功率；

g表示衰落和阴影累积影响的随机变量；

r表示次级用户与主用户之间的距离变量；

α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子；

R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径；

f_G(g)表示信道的衰落和阴影累积影响的随机变量g的密度函数；

∫_G(*)dg表示随机变量g取值范围G内进行积分；

步骤2.覆盖式频谱接入(Underlay)模式下次级用户的功率控制：

2.1根据聚合干扰的统计特性，得到在主用户存在事件发生H₁时，主用户受到认知无线网络的聚合干扰I₀的条件概率分布F(I₀|H₁)为

$F\left(I_0\right|H_1)=1-Q\left(\frac{I_0-{\mathrm{\&kappa;}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\&kappa;}}_{I_0|H_1}\left(2\right)}}\right)$

其中，Q(·)为标准的高斯互补函数

$\begin{array}{c}{\mathrm{\&kappa;}}_{I_0|H_1}\left(1\right)={\mathrm{\&kappa;}}_{I_0}\left(1\right)=\frac{2{\mathrm{\&pi;\&lambda;}}_s{p}_s}{\mathrm{\&alpha;}-2}\left(R_{\min }^{2-\mathrm{\&alpha;}}-R_{\max }^{2-\mathrm{\&alpha;}}\right){\&Integral;}_G{\mathrm{gf}}_G\left(g\right)dg\\ {\mathrm{\&kappa;}}_{I_0|H_1}\left(2\right)={\mathrm{\&kappa;}}_{I_0}\left(2\right)=\frac{{\mathrm{\&pi;\&lambda;}}_s{p}_s^2}{\mathrm{\&alpha;}-1}\left(R_{\min }^{2-2\mathrm{\&alpha;}}-R_{\max }^{2-2\mathrm{\&alpha;}}\right){\&Integral;}_G{g}^2{f}_G\left(g\right)dg\end{array}$

2.2计算主用户的干扰概率P_I

$P_I=1-F\left(\mathrm{\&eta;}\right|H_1)\&ap;Q\left(\frac{\mathrm{\&eta;}-{\mathrm{\&kappa;}}_{I_0|H_1}\left(1\right)}{\sqrt{{\mathrm{\&kappa;}}_{I_0{H}_1}\left(2\right)}}\right)$

2.3计算覆盖式频谱接入模式下，次级用户的最大发射功率

$\begin{array}{c}{p}_s^{*}=\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{{\mathrm{\&kappa;}}_{I_0}\left(2|p_s=1\right)}+{\mathrm{\&kappa;}}_{I_0}\left(1|p_s=1\right)}\\ =\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{\frac{{\mathrm{\&pi;\&lambda;}}_s}{\mathrm{\&alpha;}-1}\left(R_{\min }^{2-2\mathrm{\&alpha;}}-R_{\max }^{2-2\mathrm{\&alpha;}}\right){\&Integral;}_G{g}^2{f}_G\left(g\right)dg+}\frac{2{\mathrm{\&pi;\&lambda;}}_s}{\mathrm{\&alpha;}-2}\left(R_{\min }^{2-\mathrm{\&alpha;}}-R_{\max }^{2-\mathrm{\&alpha;}}\right){\&Integral;}_G{\mathrm{gf}}_G\left(g\right)dg}\end{array}$

其中，η表示主用户的干扰门限，μ表示主用户干扰概率限制要求；

2.4在覆盖式频谱接入模式下，将次级用户的发射功率控制在最大发射功率以下。

2.根据权利要求1所述的基于随机网络模型的认知无线网络功率控制方法，其特征在于：所述的R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径，即认知无线网络中次级用户构成的环形模型，其n阶累积量能够扩展到无限区域，即R_max＝∞。

3.根据权利要求1所述的基于随机网络模型的认知无线网络功率控制方法，其特征在于：α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子，范围是2≤α≤4。

4.一种基于随机网络模型的认知无线网络功率控制方法，其特征是它包括以下步骤：

步骤1.计算认知无线网络对主用户造成的聚合干扰的n阶累积量：

根据随机几何理论，认知无线网络对主用户造成的聚合干扰的n阶累积量κ_I0(n)表示为

$\begin{array}{c}{\mathrm{\&kappa;}}_{I_0}\left(n\right)=2\mathrm{\&pi;}{\mathrm{\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{p}_s^n{g}^n{r}^{-n\mathrm{\&alpha;}}\&times;f_G\left(g\right)\&times;rdrdg\\ =\frac{2{\mathrm{\&pi;\&lambda;}}_s{p}_s^n}{n\mathrm{\&alpha;}-2}\left(R_{\min }^{2-n\mathrm{\&alpha;}}-R_{\max }^{2-n\mathrm{\&alpha;}}\right){\&Integral;}_G{g}^n{f}_G\left(g\right)dg\end{array}$

其中I₀表示主用户受到认知无线网络的聚合干扰；

n表示聚合干扰的累积量的阶数；

λ_s表示认知无线网络中次级用户的密度；

p_s表示认知无线网络中次级用户的发射功率；

g表示衰落和阴影累积影响的随机变量；

r表示次级用户与主用户之间的距离变量；

α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子；

R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径；

f_G(g)表示信道的衰落和阴影累积影响的随机变量g的密度函数；

∫_G(*)dg表示随机变量g取值范围G内进行积分；

步骤2.机会式频谱接入(Overlay)模式下次级用户的功率控制：

2.1计算在主用户存在时，次级用户发生漏检的概率P_md

$P_{md}\left(r\right)=1-Q\left(\right(\frac{\mathrm{\&epsiv;}}{{\mathrm{\&sigma;}}_u^2}-\mathrm{\&gamma;}\left(r\right)-1\left)\sqrt{\frac{{\mathrm{\&tau;f}}_s}{2\mathrm{\&gamma;}\left(r\right)+1}}\right)$

其中，Q(·)为标准的高斯互补函数 为次级用户接收到的高斯白噪声方差，γ(r)为次级用户和主用户的距离为r时的接收信噪比，τ为次级用户的感知时间，f_s为次级用户的采样频率，ε为次级用户的感知门限；

2.2根据泊松点过程的Thinning理论，考虑主用户存在的条件下，认知无线网络对主用户造成聚合干扰的n阶累积量为

${\mathrm{\&kappa;}}_{I_0\left|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\right(y)\right|H_1)}\left(n\right)=2{\mathrm{\&pi;\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{min}}^{R_{max}}{p}_s^n{g}^n{r}^{-na}\&times;P_{md}\left(r\right)\&times;f_G\left(g\right)\&times;rdrdg$

其中，I₀|1_[0,ε](T(y)|H₁)表示在主用户存在事件H₁发生的情况下，次级用户的测量信号能量值0≤T(y)≤ε时的聚合干扰；1_[0,ε](T(y))为指示函数，表示测量的信号能量值在0≤T(y)≤ε时指示函数等于1，其他情况时等于0，即

2.3计算在机会式频谱接入模式下的聚合干扰的分布函数F(I₀|1_[0,ε](T(y)|1_[0,ε](T(y)|H₁)))

$F\left(I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)\right)\right)=1-Q\left(\frac{I_0-{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(1\right)}{\sqrt{{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(2\right)}}\right)$

2.4根据干扰概率的定义，计算认知无线网络对主用户的干扰概率P_I

$\begin{array}{c}{P}_I=1-F\left(\mathrm{\&eta;}|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)\right)\right)\\ =Q\left(\frac{\mathrm{\&eta;}-{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(1\right)}{\sqrt{{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(2\right)}}\right)\end{array}$

2.5计算机会式频谱接入模式下，次级用户的最大发射功率

$\begin{array}{c}{p}_s^{*}=\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(2|p_s=1\right)}+{\mathrm{\&kappa;}}_{I_0|1_{\&lsqb;0,\mathrm{\&epsiv;}\&rsqb;}\left(T\left(y\right)|H_1\right)}\left(1|p_s=1\right)}\\ =\frac{\mathrm{\&eta;}}{Q^{-1}\left(\mathrm{\&mu;}\right)\sqrt{2{\mathrm{\&pi;\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{g}^2{r}^{-2\mathrm{\&alpha;}}\&times;P_{md}\left(r\right)\&times;f_G\left(g\right)\&times;rdrdg}+2{\mathrm{\&pi;\&lambda;}}_s{\&Integral;}_G{\&Integral;}_{R_{\min }}^{R_{\max }}{\mathrm{gr}}^{-\mathrm{\&alpha;}}\&times;P_{md}\left(r\right)\&times;f_G\left(g\right)\&times;rdrdg}\end{array}$

2.6在机会式频谱接入模式下，将次级用户的发射功率控制在最大发射功率以下。

5.根据权利要求4所述的基于随机网络模型的认知无线网络功率控制方法，其特征在于：所述的R_min和R_max分别表示次级用户分布的圆环区域的内环半径和外环半径，即认知无线网络中次级用户构成的环形模型，其n阶累积量能够扩展到无限区域，即R_max＝∞。

6.根据权利要求4所述的基于随机网络模型的认知无线网络功率控制方法，其特征在于：α表示次级用户和主用户之间信道大尺度衰落的路径损耗因子，范围是2≤α≤4。