发明内容
本发明的目的在于提供一种基于干扰对齐的认知用户空分复用方法。
为达到上述目的,本发明采用了以下技术方案。
一种基于干扰对齐的认知无线电用户空分复用方法,该空分复用方法包括以下步骤:
第一步,认知系统为每个认知发射机设定初始发射功率;认知系统中的每个认知发射机和认知接收机通过感知或与数据库通信的方式获取所有认知用户对之间的信道矩阵,认知系统中的每个认知发射机通过感知或与数据库通信的方式获取自身与授权系统中的授权用户之间的信道矩阵以及授权用户所能承受的来自认知系统的最大干扰门限值;
第二步,在有待传数据的认知用户对中,每个认知发射机根据其与某一授权用户之间的信道矩阵计算对应的信道矩阵瑞利商,定义信道矩阵瑞利商的最大值与对应认知发射机的初始发射功率之积为所述对应认知发射机对所述某一授权用户的最大可能干扰值;
第三步,基于接入认知用户数最大或认知系统容量最大的原则,同时在保证认知发射机对授权用户的最大可能干扰值之和小于授权用户所能承受的来自认知系统的最大干扰门限值的条件下,认知系统选择尽可能多的认知用户对通过与授权用户共享频谱进行传输;
第四步,对所选的认知用户对使用干扰对齐的方法进行认知用户间空分复用,得到所选的认知用户对中认知发射机的发射预编码矩阵和认知接收机的接收滤波矩阵。
所述空分复用方法还包括以下步骤:
根据所述认知发射机的发射预编码矩阵计算所选的认知用户对对授权用户的实际干扰,将所选的认知用户对对授权用户的实际干扰与授权用户所能承受的来自认知系统的最大干扰门限值进行对比,并在保证认知系统向授权用户泄露的干扰不大于授权用户所能承受的来自认知系统的最大干扰门限值的前提下,对所选的认知用户对中认知发射机的发射功率进行调整,使得所选的认知用户对中认知发射机的发射功率尽可能地提高。
所述调整的方法包括:对所选的认知用户对中的认知发射机增加相同的发射功率;或者对所选的认知用户对中的认知发射机按最大可能干扰值的比例增加相应的发射功率;或者对所选的认知用户对中优先级最高的认知发射机优先增加发射功率。
所述认知系统为分布式多天线系统,认知系统中有多个认知用户对希望进行通信,每个认知用户对由一个认知发射机和一个认知接收机组成;授权系统为集中式多天线系统的下行场景,授权用户为接收端,授权基站为发射端。
所述授权用户为多个。
授权用户为多个时,授权用户接入不同时频资源。
所述认知发射机对授权用户的最大可能干扰值之和按下式计算:
其中,I
p,max为进行传输的所有认知发射机对授权用户的最大可能干扰值之和,A为允许通信的认知用户对的序号集合,λ
k为
的最大特征值,G
I,k为第k个认知发射机与授权系统中的授权用户之间的信道矩阵,H表示共轭转置,B
k为第k个认知发射机的初始发射功率系数,0<B
k<1,P为每一个认知发射机的最大发射功率,第k个认知发射机的初始发射功率为B
kP。
所述第三步具体包括以下步骤:每个有待传数据的认知用户对都在某时频资源上用第二步中计算得到的认知发射机对该时频资源上授权用户AU的最大可能干扰值I与该时频资源上授权用户AU所能承受的来自认知系统的最大干扰门限值进行对比,选择满足最大可能干扰值I小于该时频资源上授权用户AU所能承受的来自认知系统的最大干扰门限值的认知用户对进入到待资源分配用户列表,从待资源分配用户列表中选择认知用户对组成传输认知用户对集合,同时将选出的认知用户对从待资源分配用户列表中删除。
所述从待资源分配用户列表中选择认知用户对组成传输认知用户对集合的方法包括以下步骤:
将认知用户对的序号依次加入集合A中,并得出每次新加入认知用户对后认知发射机对授权用户AU的最大可能干扰值之和Ip,max,将Ip,max与授权用户AU所能承受的来自认知系统的最大干扰门限值Icon比较,如果满足Ip,max≤Icon,则在集合A中继续加入认知用户对的序号,否则,停止加入认知用户对的序号,并删掉最后一次加入的认知用户对的序号。
所述待资源分配用户列表中的认知用户对按照以下方法进行排序:按认知发射机对授权用户的最大可能干扰值进行排序。
本发明的有益效果体现在:
本发明所述基于干扰对齐的认知无线电用户空分复用方法,考虑到授权系统对于外来干扰有一定的容忍度的情况下,认知系统通过获取授权系统对外来干扰的容忍度,并以此作为认知系统选择认知用户进行数据传输的参考,而对于认知系统采用干扰对齐的方法对选出的认知用户进行干扰消除,并在选择认知用户时,利用信道矩阵的瑞利商特性将所选认知用户泄漏到授权系统的最大可能干扰值之和与授权系统对干扰的容忍度进行比较,使得所选认知用户对授权系统的干扰达到可控的效果,本发明使得干扰对齐技术在认知无线电网络中得以普遍应用,提高了认知无线电系统的可达和速率。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
本发明所述基于干扰对齐的认知无线电用户空分复用方法所解决的问题是发生在如图1所示场景中的,即考虑具有一般性的认知无线电网络,对授权用户的通信方式没有任何要求。本发明所述方法是一种针对多天线多用户认知无线电网络场景、在保证授权用户服务质量要求的前提下,以认知用户总吞吐量最大化为目标的基于干扰对齐的频谱共享方法。
在Underlay的场景下,对于认知系统中的空间资源分配算法需要考虑以下三个原则:
(一)保护授权系统(Primary System)所受干扰在给定门限以内;
(二)满足原则(一)的前提下,最大化认知系统(CognitiveSystem)的系统容量;
(三)需要考虑算法复杂度和可实现性。
根据以上原则,本发明的具体内容如下:
本发明针对的是图1中给出的场景,其中授权系统为集中式多天线系统的下行场景,授权基站(Primary Base Station,PBS)为发射端,授权用户(Primary User,PU)为接收端,且在某段频带上只有一个PU进行接入。认知系统为分布式多天线系统,有多个认知用户(Cognitive radio User,CU)对希望进行通信,其中CUk为第k对CU的发射端,即第k个认知发射机(Cognitive Radio Transmitter,CRT),CUka为第k对CU的接收端,即第k个认知接收机(CognitiveRadio Receiver,CRR)。
第一步,通过感知或与数据库通信的方式,每一个CRT和CRR获取所有认知用户对之间的信道矩阵,每个CRT获得其与PU之间的信道矩阵以及授权系统中某个PU所能承受的来自认知系统的最大干扰门限值;认知系统为每一个CRT设定初始发射功率;
第二步,每一个CRT根据其到第一步中所述PU的信道矩阵计算该信道矩阵的瑞利商,则该信道矩阵瑞利商的最大值与CRT初始发射功率之积即为该CRT对PU的最大可能干扰值;
第三步,基于某种原则,如接入用户数最大,或认知系统容量最大,同时保证所选CU对中的CRT对PU的最大可能干扰值之和必须小于PU所能承受的来自认知系统的最大干扰门限值,选择尽可能多的CU对通过与授权用户共享频谱进行传输;
第四步,对所选的CU对使用干扰对齐的方法进行用户间空分复用;
第五步,基于第四步中的计算结果,包括干扰对齐得到的每个CRT的预编码矩阵,计算所选CRT对PU的实际干扰并与PU所能承受的来自认知系统的最大干扰门限值进行对比,对认知系统的调度结果进行调整(即对认知发射机的发射功率进行调整),使得在认知系统向PU泄露的干扰不大于PU所能承受最大干扰门限值的条件下,所选CRT的发射功率尽可能地提高。
实施例
首先,图2中给出具体实施的场景,其中授权系统为集中式的系统,PU个数为Kp,每个PU有Np根天线,CU个数为2Kc,且构成了Kc个通信对,每个通信对中有2个CU:CUk和CUka,其中CUk为CRT,CUka为CRR,另外,每个CU有Nc根天线,PBS天线数为M。假设某一时刻某一频段上只有一个PU接入,即图2中所示的PU,多个PU接入相同时频资源的情况可以由此进行扩展。同时存在一个数据库(Database)用于存储和更新授权系统的调度信息。图2中有3类链路:数据传输链路(单向箭头实线)、干扰链路(单向箭头点划线)和信息交互链路(双向箭头虚线),其中G、H1,1、H2,2和Hk,k为数据传输链路信道矩阵,Hi,k(CUk与CUia间的,i≠k),GI,1、GI,2、GI,k、D1、D2和Dk为干扰链路信道矩阵,而图2中双向箭头虚线代表着认知发射机之间的信息交互,包括信道感知信息和信道计算信息等。
如果认知系统希望使用PU所在频段进行通信,假设允许通信的认知用户对的序号集合为A。设CUk发送的信号为xk。设此时PBS向PU发射的信号为s,则PU接收到的信号为
同时,CUka接收到的信号为
其中,n和z
k分别表示PU和CU
ka处的加性高斯白噪声,均值为0,方差为
认知系统通过在CRT处的预编码以及CRR处的滤波过程进行干扰对齐,假设CU
k处的预编码矩阵为F
k,CU
ka处的滤波矩阵为W
k,因此,CU
ka处经过预编码和滤波处理的信号为
基于以上假设,具体实施步骤如下:
第一步,数据库(Database)收集每一个时频资源上的PU传输情况和PU能够承受(容忍)的来自认知系统的最大干扰门限值Icon(即PU的最大干扰门限值),这里的数据库具有数据库和认知系统控制器的功能。
Database和授权系统之间的交互方式为:
Database实时、或者周期性地、或者以事件触发的方式向授权系统发起调度信息交互请求,授权系统收到该请求后,反馈相应的信息给数据库;
或者授权系统实时、或者周期性地、或者以事件触发的方式向Database发送相应的信息。
Database和授权系统之间的交互的信息内容包括:不同时频资源上PU的最大干扰门限值以及得到相应时频资源调度机会的PU信息;
Database得到该信息后,传输给认知系统,传输方式为:
CU实时地,或者周期性地,或者以事件触发的方式访问Database;
或者Database实时地,或者周期性地,或者以事件触发的方式广播给CU。
认知系统为每个CRT设定初始发射功率值,设置的方式为:
为认知发射机CUk设定一个初始发射功率系数Bk(0<Bk<1),根据CUk的最大发射功率P,得到CUk的初始发射功率BkP。
第二步,有待传数据的认知用户根据由Database获取到的授权系统信息,对其到相应时频资源上的授权用户的信道矩阵进行感知测量,并根据矩阵瑞利商的特性计算自身对PU产生的最大可能干扰值,即当CUk的发射功率为BkP,则PU受到的来自认知系统的干扰为
其中r
k是F
k的秩,设r
k=1,根据干扰对齐算法的要求有
则
为酉阵
的瑞利商,由酉阵瑞利商的性质可知,||G
I,kF
k||
2在F
k等于
最大特征值对应的特征向量时取得最大值,且该最大值即为
的最大特征值λ
k,因此,PU受到来自认知系统的最大可能干扰值为
认知用户得到的授权系统资源分配信息有多个,即不同时频资源上对应不同的授权用户,或者不同资源上对应相同的授权用户但存在不同的干扰门限值;
认知用户可以针对以上情况,对相应的时频资源上自身到授权用户的信道进行测量,计算最大可能干扰值。
第三步,每个有待传数据的认知用户都在某时频资源上用第二步中计算得到的对PU的最大可能干扰值与该资源上PU的最大干扰门限值进行对比,选择其中满足最大可能干扰值小于该时频资源上PU的最大干扰门限值的认知用户进入到待资源分配用户列表,选择待资源分配列表中的部分认知用户组成传输CU对集合,设传输CU对的序号集合为A,并保证这些用户最大可能干扰值之和小于该时频资源上PU的最大干扰门限值,同时将选出的CU从待资源分配列表中删除:
如果某对CU的最大可能干扰值比某资源上PU的最大干扰门限值小,则该CU对可以进入该时频资源上的待资源分配用户列表;
如果某对CU的最大可能干扰值比某资源上PU的最大干扰门限值大,则当前CU对尝试其它有干扰门限值信息的时频资源;
如果遍历所有具有干扰门限值信息的时频资源都无法满足对应的最大可能干扰值小于相应的PU的最大干扰门限值,则该CU对不能传输,等待新的资源信息;
这里待资源分配用户列表的生成方式为:
首先,所有满足干扰门限值条件的CRT将其最大可能干扰值、相应的待传业务类型以及各自的数据信道质量上传到Database,由Database的集中控制单元根据历史吞吐量、每个CRT上报的待传业务类型和最大可能干扰值对待传认知用户对进行排序,生成待资源分配用户列表;
或者所有满足干扰门限值条件的CRT将其最大可能干扰值、相应的待传业务类型、历史吞吐量以及各自的数据信道质量上传给一个中心CRT,由其对待传认知用户对进行排序,生成待资源分配用户列表;
或者所有满足干扰门限条件的CRT将其最大可能干扰值、相应的待传业务类型、历史吞吐量和各自的数据信道质量广播给所有CRT,每个CRT以相同的准则维护一个资源分配列表。
待资源分配用户列表中CU对的排序准则:
按待传业务类型的优先级进行排序;
或者按比例公平算法考虑历史吞吐量和当前业务瞬时吞吐量,计算得到的优先级进行排序,其中瞬时吞吐量由上报的数据信道质量计算得到;
或者按最大可能干扰值进行排序,由小到大或者由大到小;(仿真中采用按最大可能干扰值由小到大排序的方式)
从待资源分配用户列表中选择CU对组成传输CU对的序号集合A的方法为:
初始化A=φ,将排序后的CU对的序号依次加入集合A中,并得出每次新加入CU对后的最大可能干扰值Ip,max,将Ip,max与干扰门限值Icon比较,如果满足Ip,max≤Icon,则在集合A中继续加入CU对的序号,否则即停止加入,并删掉最后一次加入的CU对;
第四步,采用交替最小化的方式对选出进行传输的CU对进行干扰对齐,实现空间复用,即将所有F
k,k∈A初始化为任意的M×1维向量,对于每一个k∈A,计算矩阵
前N-1个特征值对应的特征向量作为矩阵C
k,k∈A的各列,然后根据所得出的C
k计算出矩阵
的最后一个特征向量作为新的F
k,如此迭代下去,直到以上过程收敛,即
其中δ=10
-4为收敛精度,从而得到最终的预编码和滤波矩阵
k∈A。
第五步,根据第四步中计算最终得到的预编码和滤波矩阵
,重新计算这些认知用户对该时频资源上PU的实际干扰值
,由酉阵瑞利商的性质可知,计算得到的实际干扰通常比最大可能干扰值小,根据小的程度可以对调度结果进行调整,以尽可能利用频谱资源。调整方式为:
对进行传输的CU对通过抬升发射功率的方法来逼近该时频资源的干扰门限值条件,抬升功率的方法为:所有传输CRT都增加相同的发射功率;或者所有传输CRT按特征值的比例增加相应的发射功率;或者对优先级最高的传输CRT优先增加发射功率。
由于PU的抗干扰能力随其接收信噪比的增大而增强,因此图3中给出了PU的最大干扰门限值Icon随CRR和PU的接收信噪比变化情况下所得到的认知系统可达和速率。所对比的几种方法均适用于对授权系统通信方式没有任何要求的一般性认知无线电网络。具有功率控制的干扰对齐方法在认知系统进行干扰对齐之后计算PU受到的实际干扰值,然后根据干扰门限值压低每个CRT发射功率的大小,以保证PU的通信质量,由于没有采用CU选择机制抑制干扰,未能获得多用户分集增益,因此认知系统可达和速率比起本发明方法有一定损失;功率控制算法未利用干扰对齐技术,将CU对之间的干扰均看作噪声,未能获得多用户分集增益,且认知系统自由度与前二者相比也有所损失,因此认知系统可达和速率进一步降低;另外,其余两种方法仅允许对PU干扰最小的CU对接入(选择最佳用户接入算法)和允许该CU对增益最大的空间子信道上的信号接入(选择最佳子信道接入算法)并通过功率控制满足授权用户干扰门限条件,由于未能充分利用频谱,因此认知系统可达和速率较小。
为了进一步研究干扰门限值Icon和PBS发射功率Pp对本发明算法的影响,图4和图5分别给出了Icon和Pp一定情况下的认知系统可达和速率。由仿真结果可以看出,随着CRR接收信噪比的变化,在大多数情况下,本发明算法仍然能够得到比其它算法更高的认知系统可达和速率,同时保证PU的通信质量。
最后,根据具体实施例给出仿真结果。由图3~图5可以看出,本发明利用干扰信道矩阵的瑞利商计算出CU对授权用户的最大可能干扰值,并与PU的干扰门限进行比较作为是否允许该CU对进行接入的依据,从而将干扰对齐这一技术引入到了一般认知无线电网络中,解决了PU无法参与干扰对齐而造成的干扰抑制与干扰对齐两个过程的矛盾,提高了认知无线电系统的自由度以及可达和速率。