CN103957599A - 一种基于感知和迭代搜索的联合功率分配方法 - Google Patents

Abstract

本发明针对实际应用中主网络与认知网络之间无协作，干扰信道信息不能够通过信息交互被认知网络获得的情况，公开了一种全双工AF认知中继系统的基于感知和迭代搜索的联合功率分配算法，将一个传输时隙分为感知探测和数据传输两部分，在感知探测部分先后分为单独探测和联合探测两个子过程，单独感知探测时，认知发射端和认知中继分别以一方保持沉默一方不断增加自身的发射功率直到接收到主用户的报警信号就停止功率增加的方式进行；联合探测时，认知发射端和认知中继通过实时比较各自的通信速率增长效率来对各自的发射功率进行迭代增加，直到收到主用户的报警信号后停止。本发明算法复杂度较低，与理论的方法相比，仍能保持良好有效的通信速率。

Description

一种基于感知和迭代搜索的联合功率分配方法

技术领域

本发明属于移动通信技术领域，尤其涉及一种认知中继系统中认知发射端和认知中继端功率联合分配的优化方法。

背景技术

认知中继因其双工方式可以分为半双工中继和全双工中继两种。半双工中继需要分别在两个正交的信道或者不同的时间片上接收和发送信号，而全双工中继的接收和发送在相同的频谱资源上同时进行。

虽然全双工中继存在自身的自干扰问题，但是已有的工作证明在进行了充分的物理隔离和干扰消除(包括模拟信号域和数字信号域)之后，全双工中继可以得到很好应用，这就使得全双工中继相对半双工中继来说可能消耗更少的资源，频谱利用率有更大的提高。特别是针对单个用户时，半双工中继由于可能存在一个时隙的空闲，造成了50％的资源损耗。相较之下，全双工中继因其全双工增益，可以提供较半双工更好的性能。引入了全双工中继后，虽然系统频谱效率可能进一步得到提高，但是在认知系统中如何合理的分配认知发射端和全双工认知中继端的发射功率就变成的了需要深入研究的问题。

全双工中继从转发方式上主要可以分为译码转发型(Decode-Forward，DF)和放大转发型(Amplify-Forward，AF)两种。现有的成果主要对全双工DF认知中继系统的功率分配方法和其中断概率进行了分析，并且其仿真结果说明全双工认知中继性能相比半双工认知中继确实可以使系统有较大提升。但是DF类型的全双工中继在实际应用中存在一些弊端。全双工DF中继需要先对接收到的发射端的信号进行译码处理然后再转发给接收端，这一过程对硬件系统有较高要求，存在译码过程造成的不理想时延，还需要认知发射端和认知中继使用共同的码本，这对于通信中的安全性会产生很大隐患，而且若是在认知中继端译码发生错误，就会产生误码传输，严重影响通信系统性能。相对于复杂的DF类型全双工中继，AF类型的全双工中继对信号处理过程更为快速简单，仅是对接收到的信号进行放大处理，然后转发给认知接收端，不存在误码传输的可能，而且全双工DF中继面临的安全性问题在全双工AF中继系统中也不存在，加之在全双工DF认知中继系统中得到的结果不能简单的套用到全双工AF认知中继系统中，因此对于全双工AF认知中继系统的研究很有必要。

在认知网络可以获得干扰信道的瞬时信息h_cp和h_rp时，为了保证认知网络中认知发射端和认知中继的发射功率不影响主网络中合法注册用户，即主用户的正常通信，它们的发射功率需要满足如下限制：P_I＝p_cg_cp+p_rg_rp≤I_th，其中，p_c和p_r分别为认知发射端和认知中继的发射功率，g_cp和g_rp分别为干扰信道瞬时增益，I_th为主用户可以忍受的最大干扰功率。

在P_I＝p_cg_cp+p_rg_rp≤I_th的限制下优化认知网络的通信速率就可以表示为： $\begin{array}{c}\underset{p_c\≥0,p_r\≥0}{\max }C={\log }_2(1+{\mathrm{\γ}}_{\mathrm{rd}})\\ s.t.P_I=p_c{g}_{\mathrm{cp}}+p_r{g}_{\mathrm{rp}}\≤I_{\mathrm{th}}\end{array},$ 但是在实际的认知无线电系统中，主网络和认知网络之间一般不存在协作关系，相互之间不存在信息交互，所以瞬时信道增益很难被认知网络获得从而进一步进行自身网络中发射节点的功率优化，特别是在主用户可忍受的最大干扰功率随着主网络信道条件的变化可以发生变化时，这种优化方法就变得更为不可行。而且即使利用较瞬时信息相对稳定的统计信息作为功率限制条件进行功率优化处理，仍需要认知网络能够获得关于主网络的某些系统参数：发射结点的发射功率、主网络通信用户之间的信道统计信息、和主用户的服务质量参数等信息，但由于主网络和认知网络之间无协作，这些主网络系统参数的网络获得也是十分困难。

发明内容

本发明的目的在于针对全双工AF认知中继系统模型提出一种具有工程意义的基于感知和迭代搜索的联合功率分配算法，用以在保证主用户受到的干扰小于其可容忍的最大干扰门限下最大化大认知网络的传输速率，

首先介绍本发明使用的信道模型和具体公式：

将发射节点i和接收节点j之间的信道参数假设为h_ij，其中，i∈{c,r}，j∈{r,p,d}，相应的信道增益假设为g_ij＝|h_ij|²。所有的信道参数均服从均值为0，方差为λ_ij的复高斯分布。认知发射端CT以功率p_c发射信号，信号经由认知中继CR接收转发给认知接收端CD，由于CR为全双工AF模式，其同时进行信号的接收和转发，则CR接收到的信号中就含有自身转发信号造成的自干扰，其信号可以表示为：其中，p_r为认知中继CR的发射功率，n_r表示CR端的加性白高斯噪声，所有接收端的加性白高斯噪声的功率均归一化表示为σ²。

CR在接收到CT的信号后，依据自身的发射功率对信号进行放大处理，放大增益表示为：则经过放大处理后的信号表示为其中，n_d表示CD端的加性白高斯噪声。

得到CD接收到信号的SINR表示为 ${\mathrm{\γ}}_{\mathrm{rd}}=\frac{{\mathrm{\β}}^2{p}_c{g}_{\mathrm{cr}}{g}_{\mathrm{cd}}}{{\mathrm{\β}}^2{p}_r{g}_{\mathrm{rr}}{g}_{\mathrm{rd}}+{\mathrm{\β}}^2{g}_{\mathrm{rd}}{\mathrm{\σ}}^2+{\mathrm{\σ}}^2}.$

一种基于感知和迭代搜索的联合功率分配方法具体方法如下：

S1、将整个信号传输过程分为感知探测部分和数据传输部分，同时，当主用户检测到接收的干扰功率大于I_th，主用户会广播一个报警信号提醒周围的认知通信节点降低发射功率，其中，I_th为主用户可以忍受的干扰功率最大值；

S2、将S1所述感知探测部分为为单独感知探测和联合感知探测；

S3、进行单独感知探测，具体如下:

S31、认知发射端以步长s增加发射功率直到收到来自主用户的报警信号后停止发射，认知中继不进行功率发射保持沉默，认知发射端以步长s进行迭代更新调整发射功率，得到认知发射端的最大发射功率满足即其中，g_cp为认知发射端与主用户之间的信道增益；

S32、认知中继以步长s增加发射功率直到收到来自主用户的报警信号后停止发射，认知发射端不进行功率发射保持沉默，认知中继以步长s进行迭代更新调整发射功率，得到认知中继的最大发射功率其中，g_rp为认知中继与主用户之间的信道增益；

S33、令通信速率的增长效率为其中，i∈{c,r}，t表示迭代搜索次数，分别表示第t次迭代后认知发射端和认知中继的发射功率，表示第t次迭代认知吞吐量对p_i进行求导后的微分值，表示第t次迭代干扰功率对p_i进行求导后的微分值，i∈{c,r}；

S34、在瞬时信道下和则S33所述可以表述为 ${\mathrm{\ξ}}_I^{\left(t\right)}=\frac{\frac{\∂C}{{\∂p}_i}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{g_{\mathrm{ip}}};$

S35、得到p_c和p_r的认知通信速率效率的比值

$\frac{{\mathrm{\ξ}}_c^{\left(t\right)}}{{\mathrm{\ξ}}_r^{\left(t\right)}}=\frac{g_{\mathrm{rp}}\frac{\∂C}{{\∂p}_c}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{g_{\mathrm{cp}}\frac{\∂C}{{\∂p}_r}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}=\frac{1}{\mathrm{\φ}}\frac{\frac{\∂C}{{\∂p}_c}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{\frac{\∂C}{{\∂p}_r}|(p_c^{\left(t\right)},p_r^{\left(t\right)})};$

S4、进行联合感知探测，认知发射端和认知中继通过实时比较各自的通信速率增长效率来对各自的发射功率进行迭代更新，直到收到主用户的报警信号后停止，即，当则表明相对于p_r，增加p_c更能获得更大的速率增长效率，当则表明相对于p_c，增加p_r更能获得更大的速率增长效率，当则表明相对于p_r，增加p_c更能获得更大的速率增长效率。

进一步地，S31、S32和S4所述的迭代更新具体步骤如下：

步骤1、初始化数据信息t＝0，搜索步长s，其中，p₀足够小以保证迭代更新正常启动进行搜索；

步骤2：判断认知发射端和认知中继是否收到来自主用户的报警信息，如果没有收到来自主用户的报警信息，转入步骤3，如果收到来自主用户的报警信息，转入步骤4；

步骤3：当 $\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}>1,$ 更新数据为：t＝t+1， $P_c^{\left(t\right)}=p_c^{(t-1)}+s,p_r^{\left(t\right)}=p_r^{(t-1)},$ 当 $0<\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}\&le;1,$ 更新数据为：t＝t+1， $P_c^{\left(t\right)}=p_c^{(t-1)},p_r^{\left(t\right)}=p_r^{(t-1)}+s,$ 当 $\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}<0,$ 更新数据为：t＝t+1，更新数据完成后转入步骤2；

步骤4：停止迭代，得到最终功率分配数据

本发明的有益效果是：

在干扰信道信息和主用户服务质量参数不能被认知网络获得的条件下，通过实时比较认知网络中两个发射节点对认知网络通信速率的增长效率来进行功率的分配。本发明算法复杂度较低，能有效的提高认知网络的通信速率，与理论的方法相比，仍能保持良好有效的通信速率。

附图说明

图1为全双工AF认知中继系统的系统模型。

图2为CT或CR单独进行感知搜索具体过程的算法流程图。

图3为CT和CR联合进行感知迭代搜索具体过程的算法流程图。

图4为时隙的分配图。

图5为本发明与两种瞬时信道信息下的功率分配算法的通信速率随着全双工中继自干扰信道增益均值变化的仿真对比图。

图6为本发明与理论上利用瞬时信道信息进行功率分配的全双工认知中继系统的通信速率随着主用户可忍受的最大干扰门限变化的仿真对比图。

具体实施方式

下面结合附图进行说明：

采用Monte Carlo的仿真方法，将本发明中提到的基于感知和迭代搜索的方法和瞬时信道信息下的功率优化方法进行比较。仿真参数为：除全双工认知中继的自干扰信道外，所有的信道信息均服从均值为0，方差为1的复高斯分布；噪声功率归一化为1；带宽假设为1Hz；主用户PR在瞬时信道下可容忍的最大干扰门限为10；时隙的分配如图4所示为1/4、1/4、和1/2；蒙特卡洛仿真次数为50000。

图1是全双工AF认知中继系统的系统模型。如图1所示，CT(CognitiveTransmitter)为认知网络发射端，CR(Cognitive Relay)为全双工认知中继，CD(CognitiveDestination)为认知网络接收端，PR(Primary Receiver)为主用户。

图5是本发明与两种瞬时信道信息下的功率分配算法的通信速率随着全双工中继自干扰信道增益均值变化的仿真对比图。如图5所示，全双工认知中继系统在全双工自干扰信道增益均值小于-2dB时其性能好于半双工认知中继系统。而且本发明所提出的基于感知和迭代搜索的功率分配方法在自干扰信道增益均值小于-15dB时，与理论上利用瞬时信道信息进行功率分配的半双工认知中继系统性能上相差约0.3bit/s/Hz，与理论上利用瞬时信道信息进行功率分配的全双工认知中继系统相差0.8bit/s/Hz，差距说明本发明在可以在实际的应用场景中达到较好性能，具有很好的工程应用意义。

图6是本发明与理论上利用瞬时信道信息进行功率分配的全双工认知中继系统的通信速率随着主用户可忍受的最大干扰门限变化的仿真对比图。如图6所示，在最大干扰门限较小时，本发明所提算法与理论上利用瞬时信道进行功率分配算法的通信速率之间差距较小，随着干扰门限的变大，虽然两个算法之间的差距加大，但是本发明所提算法仍能保持较好性能。

Claims (2)

1.一种基于感知和迭代搜索的联合功率分配方法，其特征在于，包括如下步骤：

S1、将整个信号传输过程分为感知探测部分和数据传输部分，同时，当主用户检测到接收的干扰功率大于I_th，主用户会广播一个报警信号提醒周围的认知通信节点降低发射功率，其中，I_th为主用户可以忍受的干扰功率最大值；

S2、将S1所述感知探测部分为为单独感知探测和联合感知探测；

S3、进行单独感知探测，具体如下:

S31、认知发射端以步长s增加发射功率直到收到来自主用户的报警信号后停止发射，认知中继不进行功率发射保持沉默，认知发射端以步长s进行迭代更新调整发射功率，得到认知发射端的最大发射功率满足即其中，g_cp为认知发射端与主用户之间的信道增益；

S32、认知中继以步长s增加发射功率直到收到来自主用户的报警信号后停止发射，认知发射端不进行功率发射保持沉默，认知中继以步长s进行迭代更新调整发射功率，得到认知中继的最大发射功率其中，g_rp为认知中继与主用户之间的信道增益；

S33、令通信速率的增长效率为其中，i∈{c,r}，t表示迭代搜索次数，分别表示第t次迭代后认知发射端和认知中继的发射功率，表示第t次迭代认知吞吐量对p_i进行求导后的微分值，表示第t次迭代干扰功率对p_i进行求导后的微分值，i∈{c,r}；

S34、在瞬时信道下和则S33所述可以表述为 ${\mathrm{\&xi;}}_I^{\left(t\right)}=\frac{\frac{\&PartialD;C}{{\&PartialD;p}_i}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{g_{\mathrm{ip}}};$

S35、得到p_c和p_r的认知通信速率效率的比值

$\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}=\frac{g_{\mathrm{rp}}\frac{\&PartialD;C}{{\&PartialD;p}_c}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{g_{\mathrm{cp}}\frac{\&PartialD;C}{{\&PartialD;p}_r}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}=\frac{1}{\mathrm{\&phi;}}\frac{\frac{\&PartialD;C}{{\&PartialD;p}_c}|(p_c^{\left(t\right)},p_r^{\left(t\right)})}{\frac{\&PartialD;C}{{\&PartialD;p}_r}|(p_c^{\left(t\right)},p_r^{\left(t\right)})};$

S4、进行联合感知探测，认知发射端和认知中继通过实时比较各自的通信速率增长效率来对各自的发射功率进行迭代更新，直到收到主用户的报警信号后停止，即，

当则表明相对于p_r，增加p_c更能获得更大的速率增长效率，

当则表明相对于p_c，增加p_r更能获得更大的速率增长效率，

当则表明相对于p_r，增加p_c更能获得更大的速率增长效率。

2.根据权利要求1所述的一种基于感知和迭代搜索的联合功率分配方法，其特征在于：S31、S32和S4所述的迭代更新具体步骤如下：

步骤1、初始化数据信息t＝0，搜索步长s，其中，p₀足够小；

步骤2：判断认知发射端和认知中继是否收到来自主用户的报警信息，如果没有收到来自主用户的报警信息，转入步骤3，如果收到来自主用户的报警信息，转入步骤4；

步骤3：当 $\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}>1,$ 更新数据为：t＝t+1， $P_c^{\left(t\right)}=p_c^{(t-1)}+s,p_r^{\left(t\right)}=p_r^{(t-1)},$

当 $0<\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}\&le;1,$ 更新数据为：t＝t+1， $P_c^{\left(t\right)}=p_c^{(t-1)},p_r^{\left(t\right)}=p_r^{(t-1)}+s,$

当 $\frac{{\mathrm{\&xi;}}_c^{\left(t\right)}}{{\mathrm{\&xi;}}_r^{\left(t\right)}}<0,$ 更新数据为：t＝t+1， $p_c^{\left(t\right)}=p_c^{(t-1)}+s,p_r^{\left(t\right)}=p_r^{(t-1)},$ 更新数据完成后转入步骤2；

步骤4：停止迭代，得到最终功率分配数据