CN104320840A - 认知无线网络基于博弈论的自适应功率控制方法 - Google Patents

Abstract

本发明涉及认知无线网络领域，具体涉及一种认知无线网络基于博弈论的自适应功率控制方法，包括：计算认知用户的第一信干噪比；计算初始发射功率；根据所述认知用户的第一信干噪比和所述初始发射功率进行迭代，计算最佳发射功率；本发明通过博弈论对发射功率迭代求出最佳功率，是为了在主用户能够容忍最大的干扰门限内通过对发射功率进行功率控制，可以最大化认知用户最优传输功率，克服远近不公平现象，并在满足通信的基本条件下更省电。

Description

认知无线网络基于博弈论的自适应功率控制方法

技术领域

本发明涉及认知无线网络技术领域，具体涉及一种认知无线网络基于博弈论的自适应功率控制方法。

背景技术

随着无线通信的快速发展，频谱资源变得越发紧张，而且无线频谱资源是不可再生资源，它的分配利用通常是由无线电法规部门制定的，一般采用固定频带分配原则，这种原则和方法会造成频谱资源日趋缺失。另一方面，现有分配制度会使包括郊区在内的各类地区在大部分时间内频带没有被占用，造成频谱利用率很低，频谱资源的浪费。因此，提高频谱利用率是解决频谱资源稀缺问题的有效方式。

提高频谱利用率是指当主用户处于空闲的时候，在对主用户不造成干扰的情况下，认知用户接入空闲频段，从而提高认知无线网络频谱的使用效率。主用户是指在认知无线电中允许占用信道的用户。认知用户是指在认知无线电中没有得到频谱接入许可的用户，它的盲目接入会引起对主用户的干扰。

认知无线网络的基本出发点就是：为了提高频谱利用率，具有认知功能的无线通信设备可以按照某种“伺机(Opportunistic Way)”的方式工作在已授权的频段内。当然，这一定要建立在已授权频段空闲或只有很少的通信业务处于活动状态的情况下以及不会对主用户造成干扰的情况下。这种在空域、时域和频域中出现的可以被利用的频谱资源被称为“频谱空洞”。

认知无线网络的核心思想是使无线通信设备具有发现“频谱空洞”并合理利用的能力。当认知用户通过“借用”的方式使用已授权的频谱资源时，必须保证不会影响到主用户的通信。要做到这一点，认知用户必须按照一定的规则来使用所发现的“频谱空洞”。在认知无线网络中，这样的规则是以某种机器可理解的形式加载到通信终端上。由于这些规则可以随时根据频谱的利用情况、通信业务的负荷与分布等进行不断的调整，因此通过这些规则，频谱管理者就能以更为灵活的方式来管理频谱资源。

在无线通信系统中，功率控制的主要目的，就是尽量减少同信道干扰和信道间干扰，一般通过利用发射功率来抑制干扰，从而增加系统容量、改善通信质量。其基本思想是调节发射机的发射功率，在满足通信质量要求的前提下，使得在接收机处的接收功率尽量小。功率控制是在满足用户公平性的基础上，通过有效的控制用户的发射功率，以满足用户的通信质量需求。在满足通信质量要求的情况下，通过减少发射功率还可以达到省电目的，因为目前终端如手机等大多是通过电池来提供能量，如果减少了发射功率，自然就会延长电池等的使用时间。

目前关于功率控制算法很多，国内常用的认知无线网络功率控制算法是采用微观经济学的观点与方法来解决，例如效用函数及代价函数。在无线通信中，当所有的终端用户分别调整各自的发射功率以最大化自己的效用函数时，此时的发射功率都可能过高，各自的信号都将对其他用户产生干扰。此处的效用函数可以是用户接收端所获得的信干噪比。以微观经济学中的观点来看，这种多用户之间不断调整发射功率的过程就是一个博弈过程，利用博弈论的知识，就可在对通信业务的效用函数和代价函数组成的考察对象中，寻找到这个博弈过程的纳什均衡点，从而寻求个体与全局的平衡。

博弈论是研究决策主体的行为发生直接相互作用时候的决策以及这种决策的均衡问题。因为频谱资源的稀缺，要求使用的用户都拥有自私属性，竞争频谱资源的用户没有激励促使他们与其他的竞争者合作。因此，需要利用博弈论来研究在频谱资源争夺的过程中各个自私用户的决策及交互行为。现常利用博弈论来解决认知无线网络中各用户功率控制的问题。

由于在系统模型中，发射功率是可以控制的，是典型的分布式功率控制，这与博弈论中的非合作博弈中的完全静态博弈很相似，因此，可以通过博弈论效用函数来表达功率控制的过程。

博弈论中的纳什均衡解是一种策略组合，它使得每个网络节点的策略是对其他网络节点的最优反应。即如果没有节点单独行动而增加收益的话，那么这个策略组合叫做纳什均衡。因为在分布式网络中，每一个认知用户都是以自私的方式通过最佳功率水平来实现自己利益最大化，会使发射功率可能不存在或不唯一。因此，在求发射功率前必须先证明纳什均衡的存在性与唯一性。

不少的认知无线网络功率控制问题研究是从传统的功率控制算法中得到的启发。但是仍然有很多问题，例如会出现远近不公平性现象，当认知用户距离基站远时，认知用户的发射功率增大，而信干噪比却很小，不能满足通信需求。例如在2005年IEEE/ACM transaction on networking第13卷5号出版的“A nashgame algorithm for SIR-Based power control in 3G wireless CDMA networks”一文中的K-G算法虽然对信干噪比的阀值进行了设定，但该算法只满足上限阀值，不一定满足下限阀值，因而不能克服远近不公平性；2010年《信号处理》第26卷8号出版的《认知无线电系统中一种新的自适应功率控制算法》中提出的PG-K-G算法虽然对其进行了改进，克服了通信系统中的远近不公平性，但功率消耗相对较高，不利于省电。

发明内容

本发明分别针对无线网络中远近不公平现象及需要省电情况，提出了认知无线网络基于非合作完全静态博弈论的自适应功率控制方法，利用效用函数来进行自适应功率控制，效用函数考虑信干噪比的门限值以及最大功率要求的限制。本发明可以克服远近不公平现象，并在满足通信要求的基础上，达到省电效果。

本发明一种认知无线网络基于博弈论的自适应功率控制方法，包括：

101、计算认知用户的第一信干噪比；

102、计算初始发射功率；

103、根据认知用户的第一信干噪比和初始发射功率进行迭代，计算最佳发射功率；

优选地，包括104、通过最佳发射功率计算认知用户的第二信干噪比，通过第二信干噪比将最佳发射功率调整到目标信干噪比范围内；

本发明可以解决无线网络中的远近不公平现象，在满足基本通信需求的同时，还有节省电能的功能，通过功率控制，来减小发射功率，可以减少功率不必要的浪费，延长电源的使用时间。

附图说明

图1为本发明认知无线网络基于博弈论的自适应功率控制方法优选实施例流程示意图；

图2为本发明认知无线网络基于博弈论的自适应功率控制方法另一优选实施例流程示意图；

图3本发明与现有技术SINR公平因子随着迭代次数变化对比曲线图；

图4本发明与现有技术平均发射功率随着迭代次数变化对比曲线图；

图5为本发明对参数k_i自适应调整前后对比曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为便于描述，本发明假定构建一个系统模型，假定一个分布式网络小区中有1个基站及N个认知用户。该网络小区为圆形小区，且基站位于圆心处。认知用户随机分布于小区内，认知用户间存在相互干扰。其中，认知用户是指在认知无线电中没有得到频谱接入信道许可的用户。

本发明提出认知无线网络基于博弈论的自适应功率控制方法，其目的在于寻求得最佳发射功率，来解决远近不公平性以及满足省电要求，其步骤包括：

步骤101、计算认知用户的第一信干噪比，具体实施方式如下：

基站接收到用户i的第一信干噪比公式为：

$r_i=\frac{h_i{p}_i}{c_{\mathrm{ij}}\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{h}_j{p}_j+v_i}---\left(1\right)$

其中，h_i为信道增益，h_i＝A/d_i ^m，d_i为用户i与基站的距离，A为常数增益，m为路径衰落因子，其值一般为2-6之间；设p_i为用户i的发射功率，h_ip_i为基站接受的功率；c_ij为用户间扩频码的相关系数；v_i为噪声，为通信中小区内其他用户对用户i的干扰。

步骤102、计算初始发射功率，包括：

通过效用函数计算初始发射功率，具体实施方式如下：

${p_i}^1=\frac{k_i}{2}\×\frac{1}{{p_i}^{\max }-h_i{p}_i}\×{\left(\frac{I_i}{r_i}\right)}^2\×h_i+{r_i}^{\min }\×\frac{I_i}{r_i}---\left(2\right)$

其中，p_i ¹为初始发射功率；k_i为影响因子；p_i ^max为最大允许功率；I_i为其他用户对用户i的干扰与噪声的和，r_i ^min为信干噪比最小阀值，取值为5-8之间；h_i为信道增益，r_i为信干噪比。

102-1、以下得到公式(2)的方法及过程：

通过拉格朗日算法利用效用函数对发射功率求导，找出初始发射功率，拉格朗日算法求导得到公式：

$\frac{{\∂u}_i}{{{\∂p}_i}^1}={2a}_i\×(r_i-{r_i}^{\min })\×\frac{{\∂r}_i}{{{\∂p}_i}^1}+b_i\frac{-h_i}{{p_i}^{\max }-h_i{p_i}^1}=0---\left(3\right)$

解关于的公式(3)的方程就可以得到公式(2)。

其中，效用函数是指在博弈论中运用的数学函数式所建立的模型，按照这类模型,可以追求利益最大化的选择。在本发明中的效应函数包含了功率控制的因子，因而可以解决远近效应及省电难题。

102-2、其中，以下是利用非合作功率博弈来设定效用函数：

由于在这个系统模型中，发射功率是可以控制的，是典型的分布式功率控制，这与博弈论中的非合作博弈中的完全静态博弈很相似，因此，可以通过非合作功率博弈效用函数来表达功率控制的过程。

非合作功率博弈是指每一个网络节点以自私的方式寻求自己最大发射功率时造成每个网络节点间相互冲突的一种博弈并最终使每个认知用户的发射功率达到某种平衡。

假设J＝[Γ,{P_j},{u_j(·)}]为认知无线网络的非合作功率博弈策略。Γ＝{1,2,...,N}是认知用户的集合。P_i＝{p₁,p₂,...,p_N}是认知用户i的发射功率集合。基于非合作博弈设定认知用户的效用函数，该效用函数设定要满足省电以及克服通信中常见的远近不公平性，设定的认知用户的效用函数为：

U_i(p_i,r_i(p_i))＝a_i(r_i-r_i ^min)²+b_iln(p_i ^max-h_ip_i)

                                                 (4)

其中，i＝1,2,3,...,N

在这个效用函数中，a_i与b_i为影响因子，其值为非负，设b_i/a_i＝k_i，k_i为影响因子，r_i为信干噪比SINR，r_i ^min为SINR最小允许阀值，取值为5-8之间，r_i ^max为SINR最大允许阀值，取值可以为6-10，且r_i ^max必须大于r_i ^min。p_i ^max为最大的发射功率及接收功率。a_i(r_i-r_i ^min)²是代价函数，当r_i>r_i ^min时，随着r_i的不断增大，所消耗的发射功率就越大，就会越耗电，因而所要付出的代价就越大。同样，对于ln(p_i ^max-h_ip_i)，因为p_i ^max>h_ip_i,当认知用户与基站的距离越远时，信道增益就越小，所允许的发射功率就越大，因而克服了认知无线网络的远近不公平性。

由博弈论知识知，对于一个通信系统中，任何单方面改变功率所得的系统收益不会比在纳什均衡点的纳什均衡发射功率所得的系统收益高。设纳什均衡发射功率为p_i*,因而有：

u_i(p_i*,r_i(p_i*))≥u_i(p_i,r_i(p_-i)),i＝1,2,3,...,N    (5)

其中u_i(p_i*,r_i(p_i*))为在纳什均衡条件下的效用函数，u_i(p_i,r_i(p*_-i))表示为在非纳什均衡条件下的效用函数，r(p_-i)为除了用户i的其他用户的信干噪比。

步骤103、根据认知用户的第一信干噪比和初始发射功率进行迭代，计算最佳发射功率。

103-1、计算第n+1次发射功率：

$p_i^{n+1}=\frac{k_i}{2}\×\frac{1}{{p_i}^{\max }-h_i{p_i}^n}\×h_i\×{\left(\frac{{p_i}^n}{{r_i}^n}\right)}^2+{r_i}^{\min }\×\left(\frac{{p_i}^n}{{r_i}^n}\right)---\left(6\right)$

其中，p_i ⁿ⁺¹为第n+1次发射功率；p_i ⁿ为第n次发射功率；k_i为改变因子，其取值范围为10¹¹≤k_i≤10¹⁵；r_i ^min为最小允许阀值；p_i ^max为最大允许功率；h_i为信道增益；r_i ⁿ为第n次信干噪比；

103-2、判断第n+1次发射功率是否是纳什均衡最佳发射功率，

即判断迭代第n+1次发射功率与第n次发射功率的差是否小于迭代误差10^-15，如果满足，则p_i ⁿ⁺¹为纳什均衡最佳发射功率。

本发明采用非合作博弈方法来实现对功率的控制。首先提出效用函数，效用函数要考虑到信干比的门限值以及最大功率要求的限制，并且效用函数要有利于满足本发明的思路。本发明先找出纳什均衡发射功率，然后通过拉格朗日算法求导，找出初始发射功率，然后对该发射功率运用牛顿迭代法进行迭代，找出纳什均衡最佳发射功率。因为效用函数包含了发射功率，通过效用函数对发射功率的拉格朗日算法求导，可以找到效用函数的极值点，也即得到初始发射功率；并运用牛顿迭代法，对此初始发射功率进行数次迭代，直到达到收敛，可以得到最佳纳什均衡发射功率。运用牛顿迭代法迭代过程其实就是各次用户间相互博弈，最终到达纳什均衡的过程。

通过步骤103即求得纳什均衡最佳发射功率，但为了使求得的纳什均衡最佳发射功率满足目标信干噪比要求，还可进一步包括步骤104。

优选地，还包括步骤104，通过最佳发射功率计算认知用户的第二信干噪比，通过第二信干噪比将最佳发射功率调整到目标信干噪比范围内。

104-1、通过最佳发射功率计算认知用户的第二信干噪比，包括：

将得到的最佳发射功率通过公式来求的信干噪比。

${r_i}^{n+1}=\frac{h_i{p_i}^{n+1}}{c_{\mathrm{ij}}\underset{j\≠i,j=1}{\overset{N}{\mathrm{\Σ}}}{h}_j{p^{n+1}}_j+v_i}---\left(7\right)$

p_i ⁿ⁺¹为最佳发射功率；信道增益h_i为h_i＝A/d_i ^m；设用户i的发射功率为p_i，则基站接受的功率为h_ip_i；c_ij为用户间扩频码的相关系数；设噪声为v_i。

104-2、通过第二信干噪比将最佳发射功率调整到目标信干噪比范围内，包括：

如果第二信干噪比超过最大允许阀值r_i ^max时，通过自适应调整参数改变k_i的值，并返回步骤103，直到第二信干噪比在所允许的阀值范围以内，否则，计算完成。

优选地，所述自适应调整参数公式为：

$k_i=k_i\×\frac{{r_i}^{\min }}{{r_i}^{n+1}}\×\frac{1}{2}---\left(8\right)$

其中，k_i为改变因子，其取值范围为10¹¹≤k_i≤10¹⁵；r_i ^min为最小允许阀值；r_i ⁿ⁺¹为求得的第二信干噪比。

以上实施例在找到最佳发射功率后，要验证其最大发射功率的SINR是否在目标信干噪比范围之内，如果不在的话，通过自适应调制方法，改变效用函数的影响因子，使其在SINR范围之内。

本发明结合认知无线网络特点，提出新的认知无线网络功率控制算法，该算法通过博弈论对发射功率迭代求出最佳功率。目的是为了在主用户能够容忍最大的干扰门限内通过对发射功率进行功率控制，最大化认知用户最优传输功率，克服远近不公平现象，并在满足通信的基本条件下尽量省电。

图3中公平性因子是指衡量SINR及其SINR期望的之间的偏离程度，可以用它来体现认知无线网络的远近不公平性。如果公平性因子的值为零，则说明各认知用户的信干噪比是相等的，即克服了通信中的远近不公平性。如果公平性因子的值不为零，则说明各认知用户的信干噪比是不相等的，也就产生了远近效应。期望公式为： $\stackrel{\‾}{E}=\frac{1}{n}\×(r_1+r_2+r_3+...+r_{n-1}+r_n),$ 由此可以得到公平性因子公式为：

$R\left(r_i\right)=\frac{1}{n}\×\{{(r_1-\stackrel{\‾}{E})}^2+{(r_2-\stackrel{\‾}{E})}^2+{(r_3-\stackrel{\‾}{E})}^2+...+{(r_{n-1}-\stackrel{\‾}{E})}^2+{(r_n-\stackrel{\‾}{E})}^2\}---\left(9\right)$

为说明本发明效果，给出仿真结果图。采用MATLAB进行仿真。本文不考虑阴影衰落，快衰落及多径时延对信号的影响。且噪声固定为v_i＝5×10^-12W。假设认知用户为N＝20，且随机处于半径为d_i＝1km的圆形小区内。扩频码为256位的Walsh码，因而可得到c_ij＝1/256。信道增益h_i＝A/d_i ^m，其中A＝10^-11，m＝4.2。认知用户的初始发射功率为p_i ⁰＝2.22×10^-16W，最大允许功率为p_i ^max＝50mw。

图3分别为本发明算法(图中为variance improve)与现有K-G算法(图中为variance KG)对比的SINR公平因子随着迭代次数n的变化的曲线图，由图可知，K-G算法的不同认知用户间的SINR公平因子值不为零，而本发明算法不同用户的SINR公平因子均为零。这是因为在本发明102-2中效用函数包含了克服远近效应的数学公式，对于效用函数中的公式ln(p_i ^max-h_ip_i)，因为p_i ^max>h_ip_i,当认知用户与基站的距离越远时，信道增益就越小，所允许的发射功率就越大；当认知用户与基站的距离越近时，信道增益就越大，所允许的发射功率就越小，表明本发明能够克服认知无线电的远近不公平性。

图4中分别为本发明算法(图中为ave improvepower)与现有K-G算法(图中为ave KGpower)、PG-K-G算法(图中为ave PGKGpower)对比的平均发射功率avergePower随着迭代次数n的变化的曲线图。由图4可知，现有K-G算法和PG-K-G算法发射功率较本发明算法相对过高，消耗功率很大，不利于省电，而本发明算法中，既克服了远近不公平性，又在SINR允许范围内，消耗较小的发射功率，故而可以省电。这是因为本发明在102-2中效用函数包含了功率控制的数学公式a_i(r_i-r_i ^min)²，当r_i>r_i ^min时，随着r_i的不断增大，所消耗的发射功率就越大，就会越耗电，因而所要付出的代价就越大，因而通过博弈会使本发明消耗功率减少。

图5分别为本发明对参数k_i自适应调整前(图中为SINR improve)以及本发明对参数k_i自适应调整后(改变k_i的值，当k_i＝2×10¹³时，图中为SINRadaptimprove，)的对比图。从图中可知，本发明对参数k_i自适应调整前，迭代几次后，由于SINR的阀值设定范围为6-8，因而SINR超过了最大阀值值r_i ^max。进一步在本发明104-2步骤中，当发现SINR值超过了最大阀值后，通过参数k_i自适应调整，使SINR恢复到允许范围值以内，满足了省电的要求。因而，在信干噪比在超出最大阀值r_i ^max时，通过对参数k_i自适应调整将自适应功率控制调整到阀值范围内。

本发明所举实施方式或者实施例对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施方式或者实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.认知无线网络基于博弈论的自适应功率控制方法，其特征在于：包括：

101、计算认知用户的第一信干噪比；

102、计算初始发射功率；

103、根据所述认知用户的第一信干噪比和所述初始发射功率进行迭代，计算最佳发射功率。

2.根据权利要求1所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：还包括步骤104，通过最佳发射功率计算认知用户的第二信干噪比，通过第二信干噪比将最佳发射功率调整到目标信干噪比范围内。

3.根据权利要求1或2所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：所述步骤101计算认知用户的第一信干噪比为：

$r_i=\frac{h_i{p}_i}{c_{\mathrm{ij}}\underset{j\≠\mathrm{ij}=1}{\overset{N}{\mathrm{\Σ}}}{h}_j{p}_j+v_i}$

其中，h_i为信道增益，A为常数增益，d_i为用户i与基站的距离，m为路径衰落因子；p_i为用户i的发射功率，h_ip_i为基站接受的功率；c_ij为用户间扩频码的相关系数；v_i为噪声，为小区内其他用户对用户i的干扰。

4.根据权利要求1或2所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：所述步骤102计算初始发射功率，包括：

${p_i}^1=\frac{k_i}{2}\×\frac{1}{{p_i}^{\max }-h_i{p}_i}\×{\left(\frac{I_i}{r_i}\right)}^2\×h_i+{r_i}^{\min }\×\frac{I_i}{r_i}$

其中，k_i为影响因子；p_i ^max为最大允许功率；为其他用户对用户i的干扰与噪声的和；r_i ^min为信干噪比最小阀值；h_i为信道增益，r_i为信干噪比。

5.根据权利要求1或2所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：所述步骤103根据认知用户的第一信干噪比和初始发射功率进行迭代，计算最佳发射功率，包括:

103-1、计算第n+1次发射功率

$p_i^{n+1}=\frac{k_i}{2}\×\frac{1}{{p_i}^{\max }-h_i{p_i}^n}\×h_i\×{\left(\frac{{p_i}^n}{{r_i}^n}\right)}^2+{r_i}^{\min }\×\left(\frac{{p_i}^n}{{r_i}^n}\right)$

其中，p_i ⁿ为第n次发射功率；k_i为改变因子，其取值范围为10¹¹≤k_i≤10¹⁵；r_i ^min为最小允许阀值；p_i ^max为最大允许功率；h_i为信道增益；r_i ⁿ为第n次信干噪比；

103-2、判断第n+1次发射功率是否是纳什均衡最佳发射功率

即判断第n+1次发射功率与第n次发射功率的差是否小于迭代误差10^-15，如果满足，则为纳什均衡最佳发射功率。

6.根据权利要求5所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：所述步骤104通过最佳发射功率计算认知用户的第二信干噪比：

${r_i}^{n+1}=\frac{h_i{p_i}^{n+1}}{c_{\mathrm{ij}}\underset{j\≠\mathrm{ij}=1}{\overset{N}{\mathrm{\Σ}}}{h}_j{p^{n+1}}_j+v_i}$

式中，p_i ⁿ⁺¹为最佳发射功率，信道增益h_i为h_i＝A/d_i ^m，p_i为用户i的发射功率，h_ip_i为基站接收的功率，c_ij为用户间扩频码的相关系数，v_i为噪声。

7.根据权利要求6所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：通过第二信干噪比将最佳发射功率调整到目标信干噪比范围内，包括：如果第二信干噪比超过最大允许阀值r_i ^max时，通过自适应调整参数改变k_i的值，并返回步骤103，直到第二信干噪比在所允许的阀值范围以内，否则，计算完成。

8.根据权利要求7所述认知无线网络基于博弈论的自适应功率控制方法，其特征在于：所述自适应调整参数为：

$k_i=k_i\×\frac{{r_i}^{\min }}{{r_i}^{n+1}}\×\frac{1}{2}$

其中，k_i为改变因子，其取值范围为10¹¹≤k_i≤10¹⁵；r_i ^min为最小允许阀值；r_i ⁿ⁺¹为求得的第二信干噪比。