CN103200625A - 一种非理想感知认知无线网络中能效优先的信道聚合方法 - Google Patents

Abstract

本发明公开了一种非理想感知认知网络中能效优先的信道聚合方法，特征是针对同步帧结构认知无线网络，在保证对主用户提供充分保护的前提下，同时考虑次用户感知能耗和感知动态性对能效的影响，以最大化系统能效为目标，将信道聚合过程中信道感知阶段的感知时间和信道接入阶段的功率分配进行联合优化，兼顾次用户最大功率预算和最小速率需求，基于非线性分式规划理论和参数化方法，给出最优的感知时间和功率分配方案。本发明方法以严格定义的能效为优化目标，在保证次用户服务质量(QoS)的同时，能够最大化系统能效。仿真结果表明，本发明信道聚合方法能够得到唯一最优感知时间和最优功率分配，适用于低功率低QoS的用户。

Description

一种非理想感知认知无线网络中能效优先的信道聚合方法

技术领域

本发明属于认知无线网络中信道聚合方法技术领域，特别涉及非理想感知认知无线网络中能效优先的信道聚合方法。

背景技术

认知无线网络中包含主用户和次用户两类用户：主用户为网络中固有的具有频谱授权的用户；而次用户没有频谱授权但具有认知能力，它能通过频谱感知来机会式地利用当前未被主用户占用的频谱进行传输，同时要尽量避免对主用户产生干扰，即对主用户提供保护。信道聚合技术允许认知无线网络中的次用户聚合多个当前未被主用户占用的空闲信道同时进行传输，以支持高数据速率的服务，有效增强频谱利用率。另一方面，传统的无线通信主要关注谱效，而随着绿色通信的需求越来越大，能效优化逐渐得到重视。因此，如何设计能效优先的信道聚合方法是一个重要的研究课题。

《个人无线移动通信国际会议》（IEEE International Symposium on Personal,Indoorand Mobile Radio Communications,pp.1257-1261,2009）中提到了一种非理想感知认知无线网络中具有最优感知时间和功率分配的信道聚合方法，但该方法仅考虑了吞吐量效率，能效优先信道聚合方法尚待研究。

《国际电子与电气工程师协会广播汇刊》（IEEE Trans.Broadcasting,vol.57,no.3,pp.718-720,2011）中提到了一种非同步帧结构认知无线网络中能效优先的信道聚合方法，包括最优传输时间和功率分配设计。不过该方法未考虑对感知时间的优化和感知能耗对能效的影响，同时忽略了感知的动态性，仅简单假设次用户已获得若干空闲信道。此外，非同步帧结构易导致次用户传输被意外中断，无法充分保护主用户，所以有必要研究同步帧结构认知无线系统，在该系统中，由于非理想感知的影响，次用户必须对主用户提供充分的保护。

发明内容

本发明的目的是提出一种非理想感知认知无线网络中能效优先的信道聚合方法，以在满足次用户最大传输功率和最小速率需求以及对主用户的保护约束条件下最大化系统能效。

本发明非理想感知认知无线网络中能效优先的信道聚合方法，对信道聚合过程中信道感知阶段的感知时间和信道接入阶段的功率分配进行联合优化，其特征在于次用户依次执行以下步骤：

第一步：设当前感知时间τ∈(0,T)，当前信道接入向量a＝[a₁,a₂,…,a_N]，a_i∈{0(不接入),1(接入)}表征次用户对信道i的感知和对应的接入判决结果，p＝[p₁,p₂,…,p_N]为功率分配向量，N为感知信道总数，T为帧长；计算最小和最大单位能耗价格参数λ_min和λ_max，分别为由最小单位能耗价格参数计算公式

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i{p}_i^{*}=P_{\mathrm{tot}}---\left(1\right)$

和最大单位能耗价格参数计算公式

$\frac{1}{T}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})=R_{\min }---\left(2\right)$

求得的单位能耗价格参数λ，其中P_tot为次用户最大功率预算；R_min为次用户最小速率需求；

为次用户当前在信道i上的能效最优功率分配结果，由当前能效最优功率分配计算公式

$p_i^{*}={\left(\frac{{\mathrm{\α}}_i+\sqrt{{\mathrm{\β}}_i}}{2}\right)}^{+}---\left(3\right)$

给出，其中前一个中间变量 ${\mathrm{\α}}_i=\frac{1}{\mathrm{\λ}}-\frac{2+{\mathrm{\γ}}_i}{g_i},$ 后一个中间变量 ${\mathrm{\β}}_i=\frac{1}{{\mathrm{\λ}}^2}+\frac{2{\mathrm{\γ}}_i(2{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)-1)}{\mathrm{\λ}{g}_i}+\frac{{\mathrm{\γ}}_i^2}{g_i^2}\≥0,$ 运算符(x)⁺＝max(x,0)表示取数值x和0中的较大值；g_i为次用户在信道i上的信道噪声比；γ_i为次用户在信道i上接收到的主用户信号的信噪比；次用户在信道i上无干扰传输的概率

${\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)=\frac{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))}{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))+(1-{\mathrm{\θ}}_i)(1-P_{d,i}\left(\mathrm{\τ}\right))}---\left(4\right)$

其中θ_i为信道i空闲的概率；虚警概率P_f,i(τ)和检测概率P_d,i(τ)表征非理想感知的感知精度，给定目标检测概率

并采用能量检测时两者的关系为

$P_{f,i}=Q(\sqrt{2{\mathrm{\γ}}_i+1}{Q}^{-1}\left({\stackrel{\‾}{P}}_{d,i}\right)+\sqrt{\mathrm{\τ}{f}_s{\mathrm{\γ}}_i})---\left(5\right)$

其中

为Q函数；f_s为采样频率；

为次用户当前在信道i上的平均可达速率，由当前平均可达速率计算公式

$R_i(\mathrm{\τ},p_i^{*})={\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)\log (1+p_i^{*}{g}_i)+(1-{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right))\log (1+\frac{p_i^{*}{g}_i}{1+{\mathrm{\γ}}_i})---\left(6\right)$

给出；

设迭代轮次为n，初始化在迭代轮次n＝0时的单位能耗价格参数λ(0)＝λ_min；若λ_min＜λ_max，进入第二步，否则进入第五步；

第二步：对于每个感知的信道i＝1,…,N，根据当前单位能耗价格参数λ(n)，次用户在信道i上的信道噪声比g_i，次用户在信道i上接收到的主用户信号的信噪比γ_i，次用户在信道i上无干扰传输的概率ψ_i(τ)，按照当前能效最优功率分配计算公式(3)分别计算当前在该信道上的最优功率分配结果

第三步：更新迭代轮次n＝n+1，并采用下面的单位能耗价格参数更新公式

$\mathrm{\λ}(n+1)=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*}\left(n\right))}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}\left(n\right)+P_S\mathrm{\τ})}---\left(7\right)$

更新单位能耗价格参数λ，其中P_S表示感知一个信道的功率；

第四步：反复执行第二步和第三步，直到功率分配达到收敛；收敛后进入第五步；该收敛判断条件为

$|\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})-\mathrm{\λ}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}+P_S\mathrm{\τ})|\≤\mathrm{\ϵ}---\left(8\right)$

其中运算符|x|表示取x的绝对值，常量ε表示收敛精度；

第五步：根据最小、最大和收敛后的单位能耗价格参数λ_min、λ_max和λ_c，确定对应当前信道接入向量a的最优能效；

若λ_min≥λ_max或者λ_c＜λ_min＜λ_max，则最优能效

若λ_min＜λ_max＜λ_c，则最优能效

否则，最优能效

第六步：更新信道接入向量a，返回第一步计算对应下一个信道接入向量的功率分配方案，得到最优功率分配

和最优能效

第七步：当更新完所有信道接入向量后，根据对应每个信道接入向量的最优功率分配和能效，得到对应当前感知时间的最优平均功率分配和能效；

对应当前感知时间τ的最优平均功率分配为

$p^{*}\left(\mathrm{\τ}\right)=\underset{a}{\mathrm{\Σ}}{P}_a\left(\mathrm{\τ}\right)p_a^{*}---\left(9\right)$

其中对应每个信道接入向量的概率

其中∏为连乘符号，

表示次用户接入信道i的概率；

对应当前感知时间τ的最优平均能效为

$\mathrm{\η}\left(\mathrm{\τ}\right)=\underset{a}{\mathrm{\Σ}}{P}_a\left(\mathrm{\τ}\right){\mathrm{\η}}_a^{*}---\left(11\right)$

第八步：更新感知时间τ＝τ+Δτ，返回第一步计算对应下一个感知时间的最优平均功率分配和能效；

第九步：根据第一步至第八步计算得到的对应每个感知时间的最优平均功率分配和能效，分别按最优感知时间计算公式

${\mathrm{\τ}}_{\mathrm{opt}}=\arg \underset{\mathrm{\τ}}{\max }\mathrm{\η}\left(\mathrm{\τ}\right)---\left(12\right)$

和最优功率分配计算公式

p_opt＝p^*(τ_opt)    (13)

计算次用户能效优先信道聚合的最优感知时间和功率分配结果。

与现有的吞吐量优先信道聚合方法和非同步帧结构认知无线网络中能效优先的信道聚合方法相比，本发明的信道聚合方法针对的是同步帧结构认知无线网络，在保证对主用户提供充分保护的前提下，同时考虑了次用户感知能耗和感知动态性对能效的影响，以最大化系统能效为目标，将信道聚合过程中信道感知阶段的感知时间和信道接入阶段的功率分配进行联合优化，兼顾了次用户最大功率预算和最小速率需求，并且基于非线性分式规划理论和参数化方法，给出了最优的感知时间和功率分配方案。由于本发明方法以严格定义的能效为优化目标，同时考虑次用户最大功率预算和最小速率需求，因此在保证次用户服务质量(QoS)的同时，能够最大化系统能效。仿真结果表明，本发明提出的信道聚合方法能够得到唯一最优感知时间和最优功率分配，且本发明的信道聚合方法最佳适用于低功率低QoS的用户。

附图说明：

图1为本发明非理想感知认知无线网络中能效优先的信道聚合方法的原理框图；

图2为本发明非理想感知认知无线网络中能效优先的信道聚合方法的硬件实现系统示意图。

图3为表1仿真参数条件下采用本发明方法与吞吐量优先信道聚合方法的能效对比图；

图4为表1仿真参数条件下采用本发明方法与吞吐量优先信道聚合方法的吞吐量效率对比图；

图5为表1仿真参数条件下采用本发明方法在不同的次用户最大功率预算和最小速率需求条件下的能效变化图。

具体实施方式：

以下结合附图说明本发明的实施方案。

实施例1：

本实施例采用同步帧结构认知无线网络，次用户感知方式分为两种：并行信道感知和串行信道感知。在并行信道感知中，次用户在感知时隙内同时感知多个信道；而在串行信道感知中，次用户在感知时隙内一次只能感知一个信道。信道感知结束后，次用户根据感知结果决定是否接入信道以及接入信道的功率分配。为了充分保护主用户，仅当信道在一定的感知精度下被感知为空闲时才可被接入。信道感知阶段的感知时间和信道接入阶段的功率分配由本发明非理想感知认知无线网络中能效优先的信道聚合方法来确定。

仿真统计1000次信道聚合的平均结果，从能效和吞吐量效率两方面来考察本发明非理想感知认知无线网络中能效优先的信道聚合方法的性能。具体仿真参数设置如下表1所示：

表1 参数设置

本实施例中具体的非理想感知认知无线网络中能效优先的信道聚合方法的操作步骤如下：

在次用户依次执行以下具体操作步骤：

第一步：设当前感知时间τ∈(0,T)，当前信道接入向量a＝[a₁,a₂,…,a_N]，a_i∈{0(不接入),1(接入)}表征次用户对信道i的感知和对应的接入判决结果，p＝[p₁,p₂,…,p_N]为功率分配向量，N为感知信道总数，T为帧长；计算最小和最大单位能耗价格参数λ_min和λ_max，分别为由最小单位能耗价格参数计算公式(1)和最大单位能耗价格参数计算公式(2)求得的单位能耗价格参数λ：

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i{p}_i^{*}=P_{\mathrm{tot}}---\left(1\right)$

$\frac{1}{T}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})=R_{\min }---\left(2\right)$

其中P_tot为次用户最大功率预算；R_min为次用户最小速率需求；

为次用户当前在信道i上的能效最优功率分配结果，由当前能效最优功率分配计算公式(3)给出；

为次用户当前在信道i上的平均可达速率，由当前平均可达速率计算公式(6)给出；

次用户当前在信道i上的能效最优功率分配结果为

$p_i^{*}={\left(\frac{{\mathrm{\α}}_i+\sqrt{{\mathrm{\β}}_i}}{2}\right)}^{+}---\left(3\right)$

其中前一个中间变量 ${\mathrm{\α}}_i=\frac{1}{\mathrm{\λ}}-\frac{2+{\mathrm{\γ}}_i}{g_i},$ 后一个中间变量 ${\mathrm{\β}}_i=\frac{1}{{\mathrm{\λ}}^2}+\frac{2{\mathrm{\γ}}_i(2{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)-1)}{\mathrm{\λ}{g}_i}+\frac{{\mathrm{\γ}}_i^2}{g_i^2}\≥0,$ 运算符(x)⁺＝max(x,0)表示取数值x和0中的较大值；g_i为次用户在信道i上的信道噪声比；γ_i为次用户在信道i上接收到的主用户信号的信噪比；次用户在信道i上无干扰传输的概率

${\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)=\frac{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))}{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))+(1-{\mathrm{\θ}}_i)(1-P_{d,i}\left(\mathrm{\τ}\right))}---\left(4\right)$

其中θ_i为信道i空闲的概率；虚警概率P_f,i(τ)和检测概率P_d,i(τ)表征非理想感知的感知精度，给定目标检测概率并采用能量检测时两者的关系如下

$P_{f,i}=Q(\sqrt{2{\mathrm{\γ}}_i+1}{Q}^{-1}\left({\stackrel{\‾}{P}}_{d,i}\right)+\sqrt{\mathrm{\τ}{f}_s{\mathrm{\γ}}_i})---\left(5\right)$

其中 $Q\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_x^{+\∞}{e}^{-\frac{t^2}{2}}\mathrm{dt}$ 为Q函数；f_s为采样频率；

次用户当前在信道i上的平均可达速率

$R_i(\mathrm{\τ},p_i^{*})={\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)\log (1+p_i^{*}{g}_i)+(1-{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right))\log (1+\frac{p_i^{*}{g}_i}{1+{\mathrm{\γ}}_i})---\left(6\right)$

设迭代轮次为n，初始化在迭代轮次n＝0时的单位能耗价格参数λ(0)＝λ_min；若λ_min＜λ_max，进入第二步，否则进入第五步；

第二步：对于每个感知的信道i＝1,…,N，根据当前单位能耗价格参数λ(n)，次用户在信道i上的信道噪声比g_i，次用户在信道i上接收到的主用户信号的信噪比γ_i，次用户在信道i上无干扰传输的概率ψ_i(τ)，按照当前能效最优功率分配计算公式(3)分别计算当前在该信道上的最优功率分配结果

第三步：更新迭代轮次n＝n+1，并采用下面的单位能耗价格参数更新公式

$\mathrm{\λ}(n+1)=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*}\left(n\right))}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}\left(n\right)+P_S\mathrm{\τ})}---\left(7\right)$

更新单位能耗价格参数λ，其中P_S表示感知一个信道的功率；

第四步：反复执行第二步和第三步，直到功率分配达到收敛；收敛后进入第五步；

收敛判断条件为

$|\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})-\mathrm{\λ}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}+P_S\mathrm{\τ})|\≤\mathrm{\ϵ}---\left(8\right)$

其中运算符|x|表示取x的绝对值，常量ε表示收敛精度；

第五步：根据最小、最大和收敛后的单位能耗价格参数λ_min、λ_max和λ_c，确定对应当前信道接入向量a的最优能效；

若λ_min≥λ_max或者λ_c＜λ_min＜λ_max，则最优能效

若λ_min＜λ_max＜λ_c，则最优能效

否则，最优能效

第六步：更新信道接入向量a，返回第一步计算对应下一个信道接入向量的功率分配方案，得到最优功率分配

和最优能效

第七步：当更新完所有信道接入向量后，根据对应每个信道接入向量的最优功率分配和能效，得到对应当前感知时间的最优平均功率分配和能效；

对应当前感知时间τ的最优平均功率分配为

$p^{*}\left(\mathrm{\τ}\right)=\underset{a}{\mathrm{\Σ}}{P}_a\left(\mathrm{\τ}\right)p_a^{*}---\left(9\right)$

其中P_a(τ)表示对应每个信道接入向量的概率，可由下式计算：

其中∏为连乘符号，

表示次用户接入信道i的概率；

对应当前感知时间τ的最优平均能效为

$\mathrm{\η}\left(\mathrm{\τ}\right)=\underset{a}{\mathrm{\Σ}}{P}_a\left(\mathrm{\τ}\right){\mathrm{\η}}_a^{*}---\left(11\right)$

第八步：更新感知时间τ＝τ+Δτ，返回第一步计算对应下一个感知时间的最优平均功率分配和能效；

第九步：根据第一步至第八步计算得到的对应每个感知时间的最优平均功率分配和能效，分别按最优感知时间计算公式(12)和最优功率分配计算公式(13)计算次用户能效优先信道聚合的最优感知时间和功率分配结果：

${\mathrm{\τ}}_{\mathrm{opt}}=\arg \underset{\mathrm{\τ}}{\max }\mathrm{\η}\left(\mathrm{\τ}\right)---\left(12\right)$

p_opt＝p^*(τ_opt)    (13)。

附图1为本发明非理想感知认知无线网络中能效优先的信道聚合方法的原理框图。次用户在初始化步骤Ⅰ对应当前感知时间τ和当前信道接入向量a，分别按照最小单位能耗价格参数计算公式(1)和最大单位能耗价格参数计算公式(2)计算最小和最大单位能耗价格参数λ_min和λ_max，并初始化迭代轮次n＝0，初始化单位能耗价格参数λ(0)＝λ_min，若λ_min＜λ_max，进入功率分配步骤Ⅱ，否则进入最优能效确定步骤Ⅴ；功率分配步骤Ⅱ对每个感知的信道i＝1,…,N，按照发射功率计算公式(3)分别计算当前在该信道上的功率分配结果；迭代更新步骤Ⅲ更新迭代轮次n＝n+1，并按照单位能耗价格参数更新公式(7)更新单位能耗价格参数；收敛判别步骤Ⅳ判断功率分配是否达到收敛，如果收敛，进入最优能效确定步骤Ⅴ，如果不收敛，则返回功率分配步骤Ⅱ；最优能效确定步骤Ⅴ根据初始化步骤Ⅰ得到的最小和最大单位能耗价格参数，以及功率分配步骤Ⅱ至收敛判别步骤Ⅳ迭代计算得到的收敛后的单位能耗价格参数，确定对应当前信道接入向量a的最优能效；信道接入向量更新步骤Ⅵ更新信道接入向量，返回初始化步骤Ⅰ，继续计算对应下一个信道接入向量的功率分配方案，得到最优功率分配

和最优能效

最优平均功率分配和能效确定步骤Ⅶ根据初始化步骤Ⅰ至信道接入向量更新步骤Ⅵ计算得到的对应每个信道接入向量的最优功率分配和能效，分别按照对应当前感知时间的最优平均功率分配计算公式(9)和对应当前感知时间的最优平均能效计算公式(11)求出对应当前感知时间的最优平均功率分配和能效；感知时间更新步骤Ⅷ更新感知时间τ＝τ+Δτ，返回初始化步骤Ⅰ继续计算对应下一个感知时间的最优平均功率分配和能效；最优感知时间和功率分配确定步骤Ⅸ根据初始化步骤Ⅰ至感知时间更新步骤Ⅷ计算得到的对应每个感知时间的最优平均功率分配和能效，分别按照最优感知时间计算公式(12)和最优功率分配计算公式(13)计算次用户能效优先信道聚合的最优感知时间和功率分配结果。

附图2为本发明非理想感知认知无线网络中能效优先的信道聚合方法的硬件实现系统示意图。该实现系统由MSC-51单片机A、外设接口RS-232C、可擦除可编程只读存储器EPROM和随机存取存储器RAM等组件构成。将可擦除可编程只读存储器EPROM和随机存取存储器RAM连接到单片机A上，单片机A与外设接口RS-232C相互连接。实现系统的输入参数为系统参数B和信道相关参数C，其中系统参数B为感知信道数N、帧长T、功率预算P_tot、感知功率P_S、最小速率需求R_min、采样频率f_s和噪声功率谱密度N₀；与所有感知的信道i＝1,…,N相关的参数C为信道噪声比g_i、主用户信号信噪比γ_i、信道空闲概率θ_i和目标检测概率

实现系统的输出为能效最优感知时间和功率分配结果D：最优感知时间τ_opt和最优功率分配p_opt。将系统参数B和信道相关参数C通过外设接口RS-232C输入到单片机A，通过运行本发明非理想感知认知无线网络中能效优先的信道聚合方法得到输出结果Ｄ，由单片机A通过外设接口RS-232C输出。

将本发明的能效优先信道聚合方法与常用的一种吞吐量优先信道聚合方法进行比较，后者同样对感知时间和功率分配进行联合优化，但是其优化目标为吞吐量效率，因此其功率分配方案总是分配最大传输功率。下面从能效和吞吐量效率两方面来考察比较两种方法的性能。

附图3给出了本发明非理想感知认知无线网络中能效优先的信道聚合方法与吞吐量优先信道聚合方法的能效对比图。上面子图为本发明能效优先信道聚合方法在次用户采用并行信道感知时的能效曲线a和对比吞吐量优先信道聚合方法在次用户采用并行信道感知时的能效曲线b；下面子图为本发明能效优先信道聚合方法在次用户采用串行信道感知时的能效曲线c和对比吞吐量优先信道聚合方法在次用户采用串行信道感知时的能效曲线d。由图3可见，本发明能效优先信道聚合方法能够得到唯一的最优感知时间，且能获得比吞吐量优先信道聚合方法高得多的能效。此外，并行信道感知的能效与串行信道感知基本相同，这表明从能效最大化的角度来讲，这两种感知方式均适合于信道聚合技术。

附图4给出了本发明非理想感知认知无线网络中能效优先的信道聚合方法与吞吐量优先信道聚合方法的吞吐量效率对比图。上面子图为本发明能效优先信道聚合方法在次用户采用并行信道感知时的吞吐量效率曲线e和对比吞吐量优先信道聚合方法在次用户采用并行信道感知时的吞吐量效率曲线f；下面子图为本发明能效优先信道聚合方法在次用户采用串行信道感知时的吞吐量效率曲线g和对比吞吐量优先信道聚合方法在次用户采用串行信道感知时的吞吐量效率曲线h。由图4可见，本发明能效优先信道聚合方法能获得吞吐量优先信道聚合方法的约20%的吞吐量，而图3显示本发明能效优先信道聚合方法能获得吞吐量优先信道聚合方法的约10倍的能效，这表明在有限的能量预算下，本发明能效优先信道聚合方法能够传输约10倍的数据，这对于能量受限用户是非常重要的。在实际应用中，本发明能效优先信道聚合方法也有很好的扩展性，可以根据用户的吞吐量和能耗要求，通过调整单位能耗价格参数λ来平衡吞吐量效率和能效。

附图5给出了本发明非理想感知认知无线网络中能效优先的信道聚合方法在不同的次用户最大功率预算和最小速率需求条件下的能效变化图。按照从上至下的顺序，曲线i、曲线j和曲线k三条曲线分别为功率预算为0.2W,1.0W,5.0W时最大能效随最小速率需求的变化曲线。由图5可见，当最小速率需求较小时，不同的功率预算得到近乎相同的最大能效；随着最小速率需求增加，最大能效逐渐降低，直到达到一个下界；当最小速率需求较大时，功率预算越大，最大能效越小。这表明，本发明能效优先信道聚合方法最佳适用于低功率低QoS的用户。

综上所述，本发明非理想感知认知网络中能效优先的信道聚合方法，针对同步帧结构认知无线网络，在保证对主用户提供充分保护的前提下，同时考虑了次用户感知能耗和感知动态性对能效的影响，以最大化系统能效为目标，将信道聚合过程中信道感知阶段的感知时间和信道接入阶段的功率分配进行联合优化，兼顾了次用户最大功率预算和最小速率需求，基于非线性分式规划理论和参数化方法，给出了最优的感知时间和功率分配方案。本发明方法以严格定义的能效为优化目标，在保证次用户服务质量(QoS)的同时，能够最大化系统能效。仿真结果表明，本发明信道聚合方法能够得到唯一最优感知时间和最优功率分配，适用于低功率低QoS的用户。

Claims (1)

1.一种非理想感知认知无线网络中能效优先的信道聚合方法，其特征在于次用户依次执行以下步骤：

第一步：设当前感知时间τ∈(0,T)，当前信道接入向量a＝[a₁,a₂,…,a_N]，a_i∈{0(不接入),1(接入)}表征次用户对信道i的感知和对应的接入判决结果，p＝[p₁,p₂,…,p_N]为功率分配向量，N为感知信道总数，T为帧长；计算最小和最大单位能耗价格参数λ_min和λ_max，分别为由最小单位能耗价格参数计算公式

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i{p}_i^{*}=P_{\mathrm{tot}}$

和最大单位能耗价格参数计算公式

$\frac{1}{T}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})=R_{\min }$

求得的单位能耗价格参数λ，其中P_tot为次用户最大功率预算；R_min为次用户最小速率需求；

为次用户当前在信道i上的能效最优功率分配结果，由当前能效最优功率分配计算公式

$p_i^{*}={\left(\frac{{\mathrm{\α}}_i+\sqrt{{\mathrm{\β}}_i}}{2}\right)}^{+}$

给出，其中前一个中间变量 ${\mathrm{\α}}_i=\frac{1}{\mathrm{\λ}}-\frac{2+{\mathrm{\γ}}_i}{g_i},$ 后一个中间变量 ${\mathrm{\β}}_i=\frac{1}{{\mathrm{\λ}}^2}+\frac{2{\mathrm{\γ}}_i(2{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)-1)}{\mathrm{\λ}{g}_i}+\frac{{\mathrm{\γ}}_i^2}{g_i^2}\≥0,$ 运算符(x)⁺＝max(x,0)表示取数值x和0中的较大值；g_i为次用户在信道i上的信道噪声比；γ_i为次用户在信道i上接收到的主用户信号的信噪比；次用户在信道i上无干扰传输的概率

${\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)=\frac{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))}{{\mathrm{\θ}}_i(1-P_{f,i}\left(\mathrm{\τ}\right))+(1-{\mathrm{\θ}}_i)(1-P_{d,i}\left(\mathrm{\τ}\right))}$

其中θ_i为信道i空闲的概率；虚警概率P_f,i(τ)和检测概率P_d,i(τ)表征非理想感知的感知精度，给定目标检测概率

并采用能量检测时两者的关系为

$P_{f,i}=Q(\sqrt{2{\mathrm{\γ}}_i+1}{Q}^{-1}\left({\stackrel{\‾}{P}}_{d,i}\right)+\sqrt{\mathrm{\τ}{f}_s{\mathrm{\γ}}_i}),$

其中为Q函数；f_s为采样频率；

为次用户当前在信道i上的平均可达速率，由当前平均可达速率计算公式

$R_i(\mathrm{\τ},p_i^{*})={\mathrm{\ψ}}_i\left(\mathrm{\τ}\right)\log (1+p_i^{*}{g}_i)+(1-{\mathrm{\ψ}}_i\left(\mathrm{\τ}\right))\log (1+\frac{p_i^{*}{g}_i}{1+{\mathrm{\γ}}_i})$

给出；

设迭代轮次为n，初始化在迭代轮次n＝0时的单位能耗价格参数λ(0)＝λ_min，若λ_min＜λ_max，进入第二步，否则进入第五步；

第二步：对于每个感知的信道i＝1,…,N，根据当前单位能耗价格参数λ(n)，次用户在信道i上的信道噪声比g_i，次用户在信道i上接收到的主用户信号的信噪比γ_i，次用户在信道i上无干扰传输的概率ψ_i(τ)，按照当前能效最优功率分配计算公式分别计算当前在该信道上的最优功率分配结果

第三步：更新迭代轮次n＝n+1，并采用下面的单位能耗价格参数更新公式

$\mathrm{\λ}(n+1)=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*}\left(n\right))}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}\left(n\right)+P_S\mathrm{\τ})}$

更新单位能耗价格参数λ，其中P_S表示感知一个信道的功率；

第四步：反复执行第二步和第三步，直到功率分配达到收敛；收敛后进入第五步；该收敛判断条件为 $|\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_i(T-\mathrm{\τ})R_i(\mathrm{\τ},p_i^{*})-\mathrm{\λ}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(a_i(T-\mathrm{\τ})p_i^{*}+P_S\mathrm{\τ})|\≤\mathrm{\ϵ},$ 其中运算符|x|表示取x的绝对值，常量ε表示收敛精度；

第五步：根据最小、最大和收敛后的单位能耗价格参数λ_min、λ_max和λ_c，确定对应当前信道接入向量a的最优能效；

若λ_min≥λ_max或者λ_c＜λ_min＜λ_max，则最优能效

若λ_min＜λ_max＜λ_c，则最优能效

否则，最优能效

第六步：更新信道接入向量a，返回第一步计算对应下一个信道接入向量的功率分配方案，得到最优功率分配

和最优能效

第七步：当更新完所有信道接入向量后，根据对应每个信道接入向量的最优功率分配和能效，得到对应当前感知时间的最优平均功率分配和能效；

对应当前感知时间τ的最优平均功率分配为

其中对应每个信道接入向量的概率

其中∏为连乘符号，

表示次用户接入信道i的概率；

对应当前感知时间τ的最优平均能效为

第八步：更新感知时间τ＝τ+Δτ，返回第一步计算对应下一个感知时间的最优平均功率分配和能效；

第九步：根据第一步至第八步计算得到的对应每个感知时间的最优平均功率分配和能效，分别按最优感知时间计算公式

和最优功率分配计算公式p_opt＝p^*(τ_opt)计算次用户能效优先信道聚合的最优感知时间和功率分配结果。

Images