CN104010317B - 一种基于混合式频谱共享的带宽功率联合优化方法 - Google Patents
一种基于混合式频谱共享的带宽功率联合优化方法 Download PDFInfo
- Publication number
- CN104010317B CN104010317B CN201310689874.8A CN201310689874A CN104010317B CN 104010317 B CN104010317 B CN 104010317B CN 201310689874 A CN201310689874 A CN 201310689874A CN 104010317 B CN104010317 B CN 104010317B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- optimization
- combined optimization
- frequency spectrum
- cognitive user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于混合式频谱共享的带宽功率联合优化方法,该方法将功率控制与带宽分配相结合,Overlay和Underlay两种系统相结合通过将最优化方法分解成两个子优化方法,逐一求解子优化目标从而实现了带宽和功率的联合合理分配。本发明通过引入混合频谱共享机制,将频谱使用方式多样化,以提高频谱的利用率。同时本发明考虑了带宽的优化问题,采用了带宽功率联合优化的方法,提高了带宽的利用率,优化了发射功率,提高了系统性能。
Description
技术领域
本发明涉及一种基于混合式频谱共享的带宽功率联合优化方法,应用于无线通信技术领域。
背景技术
为了解决无线通信中频谱资源分配问题,认知无线电(cognitive radio,CR)是在软件无线电技术的基础上,增加了检测需求并主动改变功能的能力,最终使得无线终端设备能够自适应外界环境和自身需要变化。目前,OFDM是集中式管理频谱资源利用率最高的技术,比较容易实现频谱资源控制管理,也是宽带无线通信系统关键技术之一。频谱共享即是认知用户可在不给授权用户造成不可接受的干扰的前提下,在授权频段利用频谱空闲时段进行传输。频谱共享主要有重叠式共享和交叉式共享。在重叠式共享中,可以通过功率控制的方法来消除系统间的干扰问题,同时认知用户既可以使用非活跃的授权用户频段,又可以使用活跃的授权用户频段。而交叉式共享是在没有干扰限制的条件下,保证认知用户机会地使用且只能使用非活跃下的授权用户频段来提高频谱使用率。
Bansal等人基于混合式频谱共享对载波和功率分配算法进行优化,算法复杂度低,但是并未考虑到信道感知误差。张晶等提出基于混合式频谱共享的功率分配方案,系统容量得到改善,但是对于用户带宽的不同需求未作研究,仅假设认知用户的带宽相同的简单情况,造成带宽不同程度的浪费。本发明是基于混合式频谱共享进行带宽功率联合优化,在保证通信质量的前提下,能满足不同带宽需求,充分利用带宽。
发明内容
针对以上现有技术的不足,本发明提供一种基于混合式频谱共享的带宽功率联合优化方法。
本发明采用下述技术方案:
一种基于混合式频谱共享的带宽功率联合优化方法包括如下步骤:
1)认知用户接入网络,探测提供给认知用户的可用带宽内的频段是否存在
空闲频段;
2)如果存在空闲频段:
a)认知用户采用overlay方式进行带宽功率联合优化;
b)监听信道是否存在授权用户的接入:
(1)不存在授权用户接入网络,返回第2)步;
(2)存在授权用户接入网络,则释放,不再占用信道,采用underlay方式进行带宽功率联合优化,即第3)步;
3)如果不存在空闲频段:
a)采用underlay方式进行带宽功率联合优化;
b)监听信道是否存空闲频段:
(1)不存在空闲频段,返回第3)步;
(2)存在空闲频段,调整优化策略,采用overlay方式进行带宽功率联合优化;
4)认知用户退出网络。
本发明的有益效果如下:
本发明通过引入混合频谱共享机制,将频谱使用方式多样化,以提高频谱的利用率。本发明同时考虑了带宽的优化问题,采用了带宽功率联合优化的方法,提高了带宽的利用率,优化了发射功率,提高了系统性能。
附图说明
图1:一种基于混合式频谱共享的带宽功率联合优化方法流程图;
图2(a):三维方式下认知用户总信道容量关于最大发射功率的变化曲线;
图2(b):二维方式下认知用户总信道容量关于最大发射功率的变化曲线;
图3:认知用户总信道容量关于带宽的变化曲线;
图4:认知用户总信道容量关于认知用户数量的变化曲线;
图5:认知用户频谱使用率关于带宽的变化曲线。
具体实施方式
本方法对认知无线电中重叠式共享和交叉式共享两种传统共享方式进行研究改进,保证了混合式频谱共享方式的可行性。采用带宽功率联合优化的方式,对带宽和功率同时进行优化。采用了理论分析、可行性论证和计算机仿真结合的方法,从理论和实践方面验证了所提出的方案。
1、系统模型
我们考虑一个频谱共享的集中式认知无线电网络,网络中有一对授权用户通信系统和N个认知用户,授权用户的位置固定,而认知用户则在小区中随机均匀的分布。网络中的认知用户采用频分多址(frequency decision multiple access,FDMA)的方式进行频谱接入,每个认知用户进行信息传输时使用的频带与其他认知用户不重叠。为了简化计算,我们假设信道环境为最基本的AWGN信道。
认知用户所有的接入、等待和切换都由集中式网络中的中央控制器负责。当认知用户需要接入网络时,若存在空闲频段,则采用Overlay频谱共享方式;若没有空闲频段,则采用Underlay频谱共享方式;若所有频段都处于忙碌状态,则采用选择等待或者拒绝。同时定义切换策略,所有接入的认知用户周期性的感知周围环境,处于Overlay状态的用户感知到授权用户的接入时,切换到其他空闲状态或者切换成Underlay状态。由于用户会在Underlay和Overlay系统之间来回切换,所以称之为混合式频谱共享。
假设认知用户SUi到授权用户的链路增益为hi,认知用户SUi发射端到其对应的接收端(基站)的链路增益为gi,授权用户的总带宽为B,分配给每个认知用户SUi的带宽为Bi,则带宽分配约束可以写为:
假设认知用户SUi的处于Overlay状态下的发射功率为;处于Underlay状态下的发射功率为,且同时受到发射装置和干扰温度两个方面的约束:即认知用户的瞬时峰值发射功率小于认知用户发射器的发射功率限制;认知用户的发射功率对授权用户产生的总干扰应该小于一个门限值Qmax。则发射功率的数学模型可以写成:
发射功率为pi的AWGN信道环境条件下,所获得的信道容量为:
其中,Ci为认知用户SUi所获得的信道容量,n0为噪声功率谱密度。如果假设第i个信道带宽被占用的概率为υBi,空闲的概率为υIi,且有υBi+υIi=1,则所提方法目标是在式(1)(2)(3)的约束下,最大化系统的总信道容量,则问题可以建模为:
由于两种状态下的认知用户相互独立,互不干扰所以上述的最优化可以分解成Underlay状态和Overlay状态两个独立的子问题进行求解,即
和
2、最优化带宽和功率的联合分配求解
2.1Underlay状态最优化子问题求解
为减小运算量,首先在固定功率分配条件下选出最佳中继节点,再在源节点与最佳中继节点问进行功率分配。可以看出,式(6)是一个多目标的联合最优化问题。为解决这一问题,可以按照上述文献采用解决多个单目标子优化问题来求解。即将发射功率固定,求解最优带宽分配;然后将求得的带宽代入,求解最优功率分配。
2.1.1最优带宽分配子优化问题
首先,在固定的条件下,最优带宽分配子优化问题可以转化为:
A优化问题的化解
子优化函数的约束条件为线性约束条件,所以优化问题公式(6)为凸优化问题。所以我们需要证明的是对于给定的,最优带宽分配子问题(6)为凸优化,然后在运用拉格朗日乘子法求解凸优化问题。由此我们可以设子优化问题的目标函数为
函数f(Bi)关于Bi的一阶导数
函数f(Bi)关于Bi的二阶导数
从式(12)中可以看出,目标函数关于Bi半正定,因此为凸函数。所以可以利用拉格朗日乘子法求解该单目标子优化函数。
B优化问题的等价求解
其中,μ为拉格朗日乘子。
L对Bi求一阶导,并令导数为零,得
由式(14)解得
因为最优化的时候,拉格朗日乘子为常数,即μ的值不会随i的变化而变化,由此当发射功率固定时,欲达到最优化目标,认知用户分配的最优带宽之间必须具有严格的比例关系。则该条件下认知用户的最优带宽Bi可写作:
2.1.2最优功率分配子优化问题
在3.1研究的基础上,将式(16)所求得的最优带宽Bi代入式(6)的最优化问题中,就可以得到最优功率分配的子优化问题:
A优化问题的化解
由于授权用户总带宽B为正的定值,n0也为正值。很明显该子优化函数是关于变量的递增函数。则优化问题(17)可以等价为:
为了统一最优化函数中的变量,令则式(23)可以转化为:
B优化问题的等价求解
对于新的最优化问题(19),最优化系数按大小顺序进行排序
gs1/hs1≥gs2/hs2≥…≥gsN/hsN (20)
我们可以证明在(20)式的优先级排序下,可得到最优化问题(24)的最优解的可行解集合:存在k满足1≤k≤N,使得:
我们的最优化目标就是找到最优的k值,使得:
可知(22)式等价的最优化目标的最优功率解集为:
2.2Overlay状态最优化子问题求解
同理按照Underlay的方式,可以将式(7)关于Overlay的优化问题分解成两个子问题求解,首先在固定的条件下,最优带宽分配子优化问题可以转化为:
按照3.1.1的证明方式可以得到,Overlay状态下的认知用户的最优带宽Bi:
将式(39)所求得的最优带宽Bi代入式(7)的最优化问题中,就可以得到最优功率分配的子优化问题:
由于授权用户总带宽B为正的定值,n0也为正值。很明显该子优化函数是关于变量的递增函数。则优化问题(20)可以等价为:
由此可见处于Overlay状态用户发射功率最优取pi I_max,即发射机的最大发射能力。但是如果系统对能耗、电池充电周期等绿色通信考虑,可以在满足用户的需求上做适当限制和调整。由于认知用户会在Overlay和Underlay之间来回切换,为降低设备调整范围,与之间的差值不应过大,或者把Overlay状态用户发射功率限制到发射机可切换的范围之内。
3性能参数的定义
将系统的总容量与系统平分配带宽总和的比值定义为频谱使用率,并将此作为衡量系统性能的一个指标。
本发明讨论了一种集中式认知无线网环境下基于混合式频谱共享的合作式认知无线电带宽功率联合优化分配方法。方法将功率控制与带宽分配相结合,Overlay和Underlay两种系统相结合通过将最优化方法分解成两个子优化方法,逐一求解子优化目标从而实现了带宽和功率的联合合理分配。仿真结果可知,相比单一分配方式,所提优化方法在各个方面都优于未优化的方法,能够大大改善系统的性能;在不同的参数环境下均大大提高了总信道容量,提高了频谱使用率,方法具有更强的环境适应性并大大提升了系统性能。
如图1所示为本发明方法流程图,一种基于混合式频谱共享的带宽功率联合优化方法包括如下步骤。
1、认知用户接入网络,探测是否存在空闲频段;
2、如果存在空闲频段:
a)采用overlay方式进行带宽功率联合优化;
b)监听信道是否存在授权用户的接入:
(1)不存在授权用户接入网络,返回第2步;
(2)存在授权用户接入网络,则腾出信道,采用underlay方式进行带宽功率联合优化,即第3步。
3、如果不存在空闲频段:
a)采用underlay方式进行带宽功率联合优化;
b)监听信道是否存空闲频段:
(1)不存在空闲频段,返回第3步;
(2)存在空闲频段,调整优化策略,采用overlay方式进行带宽功率联合优化;
4、认知用户退出网络。
对本方法进行仿真中考虑一个频谱共享的集中式认知无线电小区,网络中有一对授权用户和N个认知用户,授权用户的位置固定,而认知用户则在小区中随机均匀的分布。若没有特殊说明,在默认系统总带宽B=10MHz,噪声功率谱密度n0=10-10W/Hz,认知用户数N=100,信道带宽被占用的概率为υBi=0.3,空闲的概率为υIi=0.7,认知用户最大发射功率pB_max=10dBW和pI_max=13dBW,干扰温度限制Qmax=13dB,路径损耗平均值为mean(hi)=-5dB,mean(gi)=0dB,方差variance=4dB。路径损耗的分布服从高斯随机分布。
图2为认知用户的总信道容量随最大发射功率的变化而变化的曲线。(B=10MHz)。其中图2(a)和图2(b)分别从三维和二维的角度表示出Underlay和Overlay两种情况下的最大发射功率对系统容量的影响。很明显可以看出,Underlay情况下的最大发射功率对系统容量的影响不大,且很快趋于收敛,这主要是受限于干扰温度的限制,使得系统很快达到一个阈值;相比之下,Overlay不受干扰温度限制,受最大发射功率的影响较为明显。所提方法将带宽分配与功率分配结合,动态的进行带宽分配,可以很好的解决该问题。
图3为认知用户的总信道容量随带宽的变化而变化的曲线。在总带宽一定时,混合式带宽功率联合优化方法所得信道容量均高于单一状态下所得的信道容量。可见所提方法能够很好的进行带宽分配,优化系统性能。由此可以看出,优化后的方法对于环境有着更强的适应性,能够进行自适应的调整以获得最大化的信道总容量,提高系统性能。除此之外,当最大发射功率或干扰温度一定时,总带宽越大,认知用户的系统总容量就越大,每个认知用户的QoS就越高。
图4是认知用户的总信道容量随认知用户数量变化而变化的曲线。由图可以,在带宽和干扰温度一定的情况下,系统的总信道容量受认知用户数的变化不大。这主要是因为系统很容易达到一个阈值。而随着认知用户数的增加,得到的系统总信道容量大大高于单一状态下得到的系统总信道容量。
图5分别表示的是认知用户频谱使用率η随带宽的变化曲线。从图中可以看出当系统的最大发射功率时,频谱使用率都有所增加,最终都趋于饱和,而提出的方法效果更明显,饱和值高,收敛慢;当系统带宽增加时,频谱使用率都有所降低,主要是在认知用户一定时,增加带宽会造成带宽浪费,但提出方法的频使用率始终高于单一情况方法。从带宽的影响来看,混合共享式功率带宽联合优化方法的频谱使用率均高于其他单一分配方式。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (1)
1.一种基于混合式频谱共享的带宽功率联合优化方法,其特征在于:该方法包括如下步骤:
1)认知用户接入网络,探测提供给认知用户的可用带宽内的频段是否存在空闲频段;
2)如果存在空闲频段:
a)认知用户采用overlay方式进行带宽功率联合优化;
b)监听信道是否存在授权用户的接入:
(1)不存在授权用户接入网络,返回第2)步;
(2)存在授权用户接入网络,则释放信道,采用underlay方式进行带宽功率联合优化,即第3步;
3)如果不存在空闲频段:
a)采用underlay方式进行带宽功率联合优化;
b)监听信道是否存空闲频段:
(1)不存在空闲频段,返回第3步;
(2)存在空闲频段,调整优化策略,采用overlay方式进行带宽功率联合优化;
4)认知用户退出网络;
所述overlay方式进行带宽功率联合优化和所述underlay方式进行带宽功率联合优化均是将带宽功率联合优化分解为两个子优化:先将认知用户的发射功率固定,求解认知用户的最优带宽分配;然后根据认知用户的最优带宽求解认知用户的最优功率分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689874.8A CN104010317B (zh) | 2013-12-16 | 2013-12-16 | 一种基于混合式频谱共享的带宽功率联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689874.8A CN104010317B (zh) | 2013-12-16 | 2013-12-16 | 一种基于混合式频谱共享的带宽功率联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104010317A CN104010317A (zh) | 2014-08-27 |
CN104010317B true CN104010317B (zh) | 2017-10-17 |
Family
ID=51370778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310689874.8A Active CN104010317B (zh) | 2013-12-16 | 2013-12-16 | 一种基于混合式频谱共享的带宽功率联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104010317B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104540141B (zh) * | 2015-01-19 | 2017-12-05 | 桂林电子科技大学 | 多用户混合式频谱共享方法和系统 |
CN104812045A (zh) * | 2015-05-20 | 2015-07-29 | 北京交通大学 | 集中式认知无线网络中认知用户带宽和发射功率分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101801000A (zh) * | 2010-01-08 | 2010-08-11 | 南京邮电大学 | 一种最大化动态频谱共享系统容量的次用户接入方法 |
CN102547741A (zh) * | 2012-01-06 | 2012-07-04 | 西安电子科技大学 | 认知系统基于空间信号处理的频谱共享方法 |
-
2013
- 2013-12-16 CN CN201310689874.8A patent/CN104010317B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101801000A (zh) * | 2010-01-08 | 2010-08-11 | 南京邮电大学 | 一种最大化动态频谱共享系统容量的次用户接入方法 |
CN102547741A (zh) * | 2012-01-06 | 2012-07-04 | 西安电子科技大学 | 认知系统基于空间信号处理的频谱共享方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104010317A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Diao et al. | Joint computing resource, power, and channel allocations for D2D-assisted and NOMA-based mobile edge computing | |
Heikkinen | A potential game approach to distributed power control and scheduling | |
Huynh et al. | Joint computational offloading and data-content caching in NOMA-MEC networks | |
Lu et al. | A cross-layer resource allocation scheme for ICIC in LTE-Advanced | |
Li et al. | Offloading in HCNs: Congestion-aware network selection and user incentive design | |
Wang et al. | On the design of computation offloading in cache-aided D2D multicast networks | |
Liu et al. | Distributed resource allocation for D2D-assisted small cell networks with heterogeneous spectrum | |
Feng et al. | Energy-efficient user selection and resource allocation in mobile edge computing | |
Dong et al. | Energy efficiency optimization and resource allocation of cross-layer broadband wireless communication system | |
Gupta et al. | Energy harvesting aided device-to-device communication in the over-sailing heterogeneous two-tier downlink | |
Zhang et al. | User access and resource allocation in full-duplex user-centric ultra-dense networks | |
Sun et al. | A two-layered incentive scheme for cooperation in sliced 5G D2D networks | |
Wang et al. | QoS-based adaptive power control scheme for co-located WBANs: A cooperative bargaining game theoretic perspective | |
Liu et al. | Rate maximization for hybrid access femtocell networks with outage constraints based on pricing incentive mechanism | |
Zheng et al. | Energy provision minimization of energy-harvesting cognitive radio networks with minimal throughput demands | |
Tang et al. | Interference mitigation via cross-tier cooperation in heterogeneous cloud radio access networks | |
CN104010317B (zh) | 一种基于混合式频谱共享的带宽功率联合优化方法 | |
Ziaeddini et al. | An optimized multi-layer resource management in mobile edge computing networks: a joint computation offloading and caching solution | |
Al-Wesabi et al. | Optimal resource allocation method for device-to-device communication in 5g networks | |
Wang et al. | Base station sleeping strategy for on-grid energy saving in cellular networks with hybrid energy supplies in IoT environment | |
Chen et al. | Analysis and scheduling in a 5G heterogeneous content delivery network | |
Xing et al. | Priority based dynamic spectrum access with QoS and interference temperature constraints | |
Zhang et al. | Energy efficient resource allocation in millimeter-wave-based fog radio access networks | |
Pourmohammad Abdollahi et al. | On the outage performance of energy harvesting NOMA-based simultaneous cooperate and transmit IoT networks | |
Li et al. | User scheduling and slicing resource allocation in industrial Internet of Things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |