CN104967470A - 一种单用户认知网络预编码优化设计与空间对齐方法 - Google Patents

Abstract

本发明提供了一种单用户认知网络预编码优化设计与空间对齐方法，首先进行二层网络预编码优化设计，对信道矩阵H_RP进行奇异值分解，计算一层网络采用门限注水算法的门限值，设计节点S的预编码矩阵，求解改进后的逆矩阵得到改进的二层网络预编码矩阵；然后进行空间对齐。本发明在确保一层授权网络的服务质量指标的前提下，能够进一步增大二层网络的信道容量，提高频谱利用率，使二层网络的信道容量在低信噪比条件下得到极大提升。

Description

一种单用户认知网络预编码优化设计与空间对齐方法

技术领域

本发明涉及一种单用户认知网络预编码的优化设计方案及其对应的空间对齐算法，用于增大两层认知网络中二层网络的信道容量。

背景技术

随着无线通信设备的日益增多，频谱资源的短缺成为目前无线通信系统研究中的一大难题。认知无线电技术能够使授权用户和认知用户机会式的享有共同的频谱带宽，大大提高了频谱利用率，因而得到人们越来越多的关注，相关学者对此也做了大量研究工作。

文献1“Cadambe V R,Jafar S A.Interference alignment and degrees of freedom ofthe-user interference channel[J].IEEE Transactions on Information Theory,2008,54(8):3425-3441”引入了干扰对齐(Interference Alignment,IA)的思想以解决认知网络对授权网络的干扰问题。

文献2“Perlaza S M,Debbah M,Lasaulce S,et al.Opportunistic interference alignmentin MIMO interference channels[C]//IEEE 19th International Symposium on Personal,Indoor and Mobile Radio Communications,PIMRC 2008,IEEE,2008:1-5”通过建立单个授权用户和认知用户的信道传输模型，使用空间对齐技术设计认知用户发射端预编码矩阵，使认知用户的发射信号对齐到授权用户接收端的零空间中，并在认知用户接收端设计后处理矩阵(Post-processing Matrix)，白化授权网络发射端传给认知用户接收端的干扰信号，最终使认知网络不会干扰授权网络，并同时正常工作。

文献3“Huppert C.Opportunistic resource allocation in mimo cognitive systems withmultiple users[C]//2011 International ITG Workshop on Smart Antennas(WSA),IEEE,2011:1-6”将文献2中的单认知用户信道模型扩展到了多认知用户信道模型，并设计了认知网络中广播信道和多址接入信道情况下的预编码矩阵和后处理矩阵。

文献4“Ioannis K.Space alignment for cognitive transmission in MIMO uplinkchannels[J].EURASIP Journal on Wireless Communications and Networking,2010”提出了一种具有通用接收机的认知网络信道模型，设计了认知网络的预编码矩阵和通用接收机的后处理矩阵，使认知网络信号对齐到授权网络的零空间内。同时还提出了一种基于门限的注水功率分配(Waterfilling Power Allocation,WPA)算法，增加了二层网络中可用的空间维度。但是，在设计认知网络发射机的预编码矩阵时，并未对得到的预编码矩阵进行能量归一化，这样会使其认知用户最终的发射功率超出约束条件，与实际应用不符。

发明内容

为了克服现有技术的不足，本发明在文献4的基础上提出了一种改进的二层网络预编码方案和一种对应的迭代空间对齐算法，在确保一层授权网络的服务质量(Qualityof Service,QoS)指标的前提下，能够进一步增大二层网络的信道容量，提高频谱利用率，使二层网络的信道容量在低信噪比条件下得到极大提升。

本发明解决其技术问题所采用的技术方案包括以下步骤：

1)节点P和节点R共同构成一层网络，对从节点P和节点R的信道矩阵H_RP进行奇异值分解，得 $H_{RP}=U_P{\mathrm{\Λ}}_P{V}_P^H,$ 和均为酉矩阵，为奇异值对角矩阵；

2)令节点P的预编码矩阵G_P＝V_P，接收端后处理矩阵

3)计算一层网络采用门限注水算法的门限值P_th∈[0，Pd)，包括以下步骤：

i.使用传统注水算法计算一层网络的最大信道容量 $C_0=C\left(0\right)={\log }_2\det \left({\mathrm{FH}}_{RP}{G}_P{P}_P\left(0\right){G_P}^H{H_{RP}}^H{F}^H\right),$ 其中P_P(0)为门限值P_th＝0时的功率分配矩阵，其矩阵元素 $\begin{array}{c}{P}_{Pk}\left(0\right)=\left\{\begin{array}{cc}\mathrm{\μ}-\frac{{\mathrm{M\σ}}_n^2}{P_d{\mathrm{\λ}}_{Pk}^2}& if\left(\mathrm{\μ}-\frac{{\mathrm{M\σ}}_n^2}{P_d{\mathrm{\λ}}_{Pk}^2}\right)=0\\ 0& else\end{array}\right.\\ k=1,2,...,M\end{array},$ 其中，μ为注水功率水平线；

ii.令一层网络的QoS指标为α∈(0，1]，门限P_th的选取原则为

$\begin{array}{c}C\left({\hat{P}}_{th}\right)\&GreaterEqual;{\mathrm{\&alpha;C}}_0,0\&le;{\hat{P}}_{th}<P_d\\ P_{th}=\max \left({\hat{P}}_{th}\right)\end{array};$

4)节点S和节点R构成二层网络，设计节点S的预编码矩阵 为对角矩阵，其计算表达式为

$\begin{array}{c}{\stackrel{\&OverBar;}{P}}_k=\left\{\begin{array}{cc}1& {\mathrm{if\; P}}_{Pk}\left(P_{th}\right)=0\\ 0& else\end{array}\right.\\ k=1,2,...,M\end{array};$

β为归一化因子，满足如下约束条件

$Trace\left\{G_S{G}_S^H\right\}=Trace\left\{{\mathrm{\&beta;}}^2{H}_{RS}^{-1}{U}_P\stackrel{\&OverBar;}{P}{U}_P^H{\left(H_{RS}^{-1}\right)}^H\right\}=M;$

其中，M为每个节点配备的天线数；

5)求解改进后的逆矩阵其中ε²为引入的干扰因子，其初始值为

6)令改进的二层网络预编码矩阵其中通过将代入公式 $Trace\left\{G_S{G}_S^H\right\}=Trace\left\{{\mathrm{\&beta;}}^2{H}_{RS}^{-1}{U}_P\stackrel{\&OverBar;}{P}{U}_P^H{\left(H_{RS}^{-1}\right)}^H\right\}=M$ 计算得到。

本发明还提供上述计算结果的空间对齐方法，包括以下步骤：

步骤1.令ε²取计算一层网络的初始信道容量其中，S(k)表示有用的接收信号，J(k)表示第k个符号上引入的干扰信号；

步骤2.在节点S比较第i次一层网络的信道容量C_Pi和QoS指标αC₀，如果C_Pi＜αC₀，令其中K表示最大的迭代次数，返回到步骤1计算下一次的信道容量C_Pi+1，直到C_Pi≥αC₀。

本发明的有益效果是：在保证一层网络满足QoS指标的前提下，能够较大提升二层网络的信道传输速率，增大了二层网络的信道容量。

附图说明

图1是认知网络信道模型示意图；

图2是不同算法下一层网络和二层网络信道容量图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明所使用的信道模型为具有三个节点的认知网络信道，其通信原理框图如图1所示。每个节点均配有M(M>1)根天线并工作在相同的频段。节点P和节点R共同构成一层网络(授权网络)，并对通信频段具有最高的使用权。节点S和节点R构成二层网络，其传输原则是不能影响一层网络的正常工作。

接收端R接收到的信号可以表示为

y＝H_RPG_Px_P+H_RSG_Sx_S+z       (1)

其中，和分别表示节点P和S发送的信号向量，设定所有发射节点(P和S)的传输总功率约束为P_d。和分别表示发射节点P和S的预编码矩阵，并且满足 $Trace\left\{G_P{G}_P^H\right\}=Trace\left\{G_S{G}_S^H\right\}=M.$ 和分别表示从P到R和从S到R的信道矩阵。表示零均值循环复对称高斯噪声，并且服从的分布，其中I_M表示M×M的单位矩阵，表示噪声的功率。在接收端R，所有天线接收到的信号均要经过后处理矩阵进行线性变换。设定发射节点P和接收节点R均能够获得完美的一层网络信道状态信息H_RP，发射节点S能够获得完美的全局信道状态信息H_RP和H_RS。

本发明分两部分进行描述：二层网络预编码优化设计方案和空间对齐算法。

I二层网络预编码优化设计方案

本发明提出的改进的二层网络预编码方案详细设计如下：

1)对H_RP进行奇异值分解得 $H_{RP}=U_P{\mathrm{\&Lambda;}}_P{V}_P^H,$ 和均为酉矩阵，为奇异值对角矩阵。

2)令预编码矩阵G_P＝V_P，接收端后处理矩阵

3)计算一层网络采用门限注水算法的门限值P_th∈[0，Pd)。

iii.计算C₀。使用传统注水算法计算一层网络的最大信道容量，计算公式为 $C_0=C\left(0\right)={\log }_2\det \left({\mathrm{FH}}_{RP}{G}_P{P}_P\left(0\right){G_P}^H{H_{RP}}^H{F}^H\right),$ 其中P_P(0)为门限值P_th＝0时的功率分配矩阵，其矩阵元素的计算式如下：

$\begin{array}{c}{P}_{Pk}\left(0\right)=\left\{\begin{array}{cc}\mathrm{\&mu;}-\frac{{\mathrm{M\&sigma;}}_n^2}{P_d{\mathrm{\&lambda;}}_{Pk}^2}& if\left(\mathrm{\&mu;}-\frac{{\mathrm{M\&sigma;}}_n^2}{P_d{\mathrm{\&lambda;}}_{Pk}^2}\right)=0\\ 0& else\end{array}\right.\\ k=1,2,...,M\end{array}---\left(2\right)$

其中，μ为注水功率水平线。

iv.计算门限P_th。令一层网络的QoS指标为α∈(0，1]，P_th的选取原则如下式所示

$\begin{array}{c}C\left({\hat{P}}_{th}\right)\&GreaterEqual;{\mathrm{\&alpha;C}}_0,0\&le;{\hat{P}}_{th}<P_d\\ P_{th}=\max \left({\hat{P}}_{th}\right)\end{array}---\left(3\right)$

4)设计预编码矩阵 $G_S={\mathrm{\&beta;H}}_{RS}^{-1}{U}_P{\stackrel{\&OverBar;}{P}}^{1/2},$ 为对角矩阵，其计算表达式为

$\begin{array}{c}{\stackrel{\&OverBar;}{P}}_k=\left\{\begin{array}{cc}1& {\mathrm{ifP}}_{Pk}\left(P_{th}\right)=0\\ 0& else\end{array}\right.\\ k=1,2,...,M\end{array}---\left(4\right)$

β为归一化因子，其满足如下约束条件

$Trace\left\{G_S{G}_S^H\right\}=Trace\left\{{\mathrm{\&beta;}}^2{H}_{RS}^{-1}{U}_P\stackrel{\&OverBar;}{P}{U}_P^H{\left(H_{RS}^{-1}\right)}^H\right\}=M---\left(5\right)$

5)使用正则化求逆的思想求解改进后的逆矩阵设计其计算式为其中ε²为引入的干扰因子，其初始值为

6)令改进的二层网络预编码矩阵其中可以通过将代入公式中(5)计算得到。

至此，二层网络预编码优化方案设计完成。为了获得最大的信道容量，二层网络采用均分的功率分配方案，其平均信道容量表达式可以推导为

$C_s={\mathrm{mlog}}_2\left(1+\frac{{\widetilde{\mathrm{\&beta;}}}^2{P}_d}{{\mathrm{m\&sigma;}}_n^2}\right)---\left(6\right)$

其中，m表示一层网络留给二层网络的可用维度总和。在公式(5)的约束条件下，我们可以得到，当信噪比较低时，改进后的会使得增大，再根据式(6)，增大将导致C_s增大，因此，本发明所提的预编码优化方案能够有效的提升二层网络的信道容量。

II空间对齐算法

I中的二层网络预编码优化方案能够提升二层网络的信道容量，但步骤5)采用的正则化求逆会使二层网络对一层网络产生干扰，因此，为了在提升二层网络的信道容量时能够确保一层网络达到设计的QoS指标，本发明采用一种空间对齐算法来解决此问题，算法的具体步骤如下：

步骤1.节点P、R和S根据设计的QoS指标αC₀计算出功率注水门限P_th；根据I中步骤1)、2)、3)计算一层网络预编码矩阵G_P，后处理矩阵F和功率分配矩阵P_P。节点S根据I中步骤4)、5)、6)计算改进的二层网络预编码矩阵

步骤2.令ε²取初值计算一层网络的初始信道容量为

$C_{P_0}={\&Sigma;}_k^{M-m}{\log }_2\left(1+\frac{S\left(k\right)}{{\mathrm{\&sigma;}}_n^2+J\left(k\right)}\right)---\left(7\right)$

其中，S(k)表示有用的接收信号，J(k)表示第k个符号上引入的干扰信号。

步骤3.在节点S，比较第i(i＝0，1，…表示迭代次数)次一层网络的信道容量C_Pi和QoS指标αC₀，如果C_Pi＜αC₀，令其中K表示最大的迭代次数，返回到步骤2计算下一次的信道容量C_Pi+1，直到C_Pi≥αC₀，停止迭代，至此形成最终的空间对齐方案。

在实施例中，设定发射节点P，S和接收节点R均配备M＝8根天线，每根天线的发射功率设为1，则发射总功率P_d＝8。设定α＝0.9以确保一层网络能保持较大的信道容量。

图2展示了文献4和本发明所提算法一层网络和二层网络的信道容量的对比结果。从图中可以看出，对于一层网络，本发明所提算法与文献4的算法均能使一层网络信道容量满足设计的QoS指标。对于二层网络的信道容量，本发明所提算法性能要优于文献4所提算法，特别是在低信噪比条件下，本发明所提算法性能非常明显地优于文献4所提算法。

Claims (2)

1.一种单用户认知网络预编码优化设计方法，其特征在于包括下述步骤：

1)节点P和节点R共同构成一层网络，对从节点P和节点R的信道矩阵H_RP进行奇异值分解，得U_P∈c^M×M和V_P∈c^M×M均为酉矩阵，Λ_P＝diag{λ_P1，λ_P2，…，λ_PM}∈C^M×M为奇异值对角矩阵；

2)令节点P的预编码矩阵G_P＝V_P，接收端后处理矩阵

3)计算一层网络采用门限注水算法的门限值P_th∈[0Pd)，包括以下步骤：

i.使用传统注水算法计算一层网络的最大信道容量C₀＝C(0)＝log₂det(FH_RPG_PP_P(0)G_p ^HH_RP ^HF^H)，其中P_P(0)为门限值P_th＝0时的功率分配矩阵，其矩阵元素 $\begin{array}{c}{P}_{\mathrm{Pk}}\left(0\right)=\left\{\begin{array}{cc}\mathrm{\&mu;}-\frac{M{\mathrm{\&sigma;}}_n^2}{P_d{\mathrm{\&lambda;}}_{\mathrm{Pk}}^2}& \mathrm{if}(\mathrm{\&mu;}-\frac{M{\mathrm{\&sigma;}}_n^2}{P_d{\mathrm{\&lambda;}}_{\mathrm{Pk}}^2})=0\\ 0& \mathrm{else}\end{array}\right.,\\ k=\mathrm{1,2},...,M\end{array}$ 其中，μ为注水功率水平线；

ii.令一层网络的QoS指标为α∈(0，1]，门限P_th的选取原则为

$\begin{array}{c}C\left(\widehat{P_{\mathrm{th}}}\right)\&GreaterEqual;\mathrm{\&alpha;}{C}_0,0\&le;\widehat{P_{\mathrm{th}}}<P_d\\ P_{\mathrm{th}}=\max \left(\widehat{P_{\mathrm{th}}}\right)\end{array};$

4)节点S和节点R构成二层网络，设计节点S的预编码矩阵 $\stackrel{\&OverBar;}{P}=\mathrm{diag}({\stackrel{\&OverBar;}{P}}_1,{\stackrel{\&OverBar;}{P}}_2,...,{\stackrel{\&OverBar;}{P}}_M)\&Element;c^{M\&times;M}$ 为对角矩阵，其计算表达式为

$\begin{array}{c}{\stackrel{\&OverBar;}{P}}_k=\left\{\begin{array}{cc}1& \mathrm{if}{P}_{\mathrm{Pk}}\left(P_{\mathrm{th}}\right)=0\\ 0& \mathrm{else}\end{array}\right.\\ k=\mathrm{1,2},...,M\end{array};$

β为归一化因子，满足如下约束条件

$\mathrm{Trace}\left\{G_S{G}_S^H\right\}=\mathrm{Trace}\left\{{\mathrm{\&beta;}}^2{H}_{\mathrm{RS}}^{-1}{U}_P\stackrel{\&OverBar;}{P}{U}_P^H{\left(H_{\mathrm{RS}}^{-1}\right)}^H\right\}=M;$

其中，M为每个节点配备的天线数；

5)求解改进后的逆矩阵其中ε²为引入的干扰因子，其初始值为

6)令改进的二层网络预编码矩阵其中通过将代入公式 $\mathrm{Trace}\left\{G_S{G}_S^H\right\}=\mathrm{Trace}\left\{{\mathrm{\&beta;}}^2{H}_{\mathrm{RS}}^{-1}{U}_P\stackrel{\&OverBar;}{P}{U}_P^H{\left(H_{\mathrm{RS}}^{-1}\right)}^H\right\}=M$ 计算得到。

2.根据权利要求1所述的单用户认知网络预编码优化设计方法的空间对齐方法，其特征在于包括下述步骤：

步骤1.令ε²取计算一层网络的初始信道容量其中，S(k)表示有用的接收信号，J(k)表示第k个符号上引入的干扰信号；

步骤2.在节点S比较第i次一层网络的信道容量C_Pi和QoS指标αC₀，如果C_Pi＜αC₀，令其中K表示最大的迭代次数，返回到步骤1计算下一次的信道容量C_Pi+1，直到C_Pi≥αC₀。