CN105101383B - 基于频谱共享能效最大的功率分配方法 - Google Patents
基于频谱共享能效最大的功率分配方法 Download PDFInfo
- Publication number
- CN105101383B CN105101383B CN201510344689.4A CN201510344689A CN105101383B CN 105101383 B CN105101383 B CN 105101383B CN 201510344689 A CN201510344689 A CN 201510344689A CN 105101383 B CN105101383 B CN 105101383B
- Authority
- CN
- China
- Prior art keywords
- power
- secondary user
- efficiency
- iteration
- average
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于频谱共享能效最大的功率分配方法,解决现有认知无线电功率分配方法无法获得能效最大化问题。其实现步骤是:1.设置参数并对其初始化;2.求出满足平均发送功率约束条件的拉格朗日乘子τ和满足平均干扰功率约束条件的拉格朗日乘子μ;3.根据所述乘子τ和μ计算第n次迭代后的发送功率Pn;4.分别计算在发送功率为Pn时的能效函数fn(η)和能效ηn;5.对能效函数fn(η)进行判决,如果满足迭代停止条件,则得到最佳能效和最佳能效下的最佳发送功率,否则继续循环,直到满足条件或者达到最大迭代次数,得到此时的最佳能效和最佳发送功率。本发明具有能效最大化,迭代停止所需步数少,易于实现的优点,可用于无线通信。
Description
技术领域
本发明属于无线通信技术领域,涉及一种基于频谱共享能效最大的功率分配方法,可用于绿色认知无线电系统中次级用户能效最大化的功率分配。
背景技术
随着无线和移动通信的迅速发展,日益增长的无线频谱需求与有限的频谱资源之间的矛盾已经成为当前无线通信行业的突出矛盾,然而与此同时,又存在着大量授权的频谱被闲置或者利用率极低的现象。为了改善频谱利用率低下的现状,J.Mitola等人提出了认知无线电的概念,其主要思想是在已授权的频段内,在不影响主用户正常通信的前提下,允许次级用户接入到当前频段,从而大幅提高频谱利用率。为了达到最大化次级用户传输速率并且尽量保护授权用户的目的,次级用户必须最佳分配发送功率,以尽量减小对授权用户正常通信的干扰,因此认知无线电中的功率分配研究受到了国内外学者的广泛关注。
与此同时,无处不在的无线业务以及急剧增加的移动设备数量导致大量的能量消耗和温室气体的排放。绿色通信网络是未来无线网络设计不可避免的趋势。绿色通信网络的思想是,在最大化网络能效的情况下,提供最佳用户体验。
现有的最佳功率分配策略主要针对以下两种机制进行设计:
1)机会频谱接入机制。机会频谱接入机制的思想是,次级用户在检测到主用户不存在情况下,次级用户使用主用户频段进行传输。在该机制下,次级用户需要准确快速的对主用户频段进行检测。由于现有的频谱感知技术不能达到完全准确的检测效果,当主用户不存在,但次级用户误判主用户存在时,次级用户会放弃使用该频段以保护主用户;而当主用户存在,但次级用户误判主用户不存在时,次级用户使用主用户频段进行传输,将对主用户产生干扰。因此最佳功率分配策略的设计在该机制中不仅能起到保护主用户的作用,而且能提供次级用户最大传输速率。
2)频谱共享机制。在频谱共享机制下,次级用户和主用户共享同一个频段,次级用户不需要对主用户状态进行检测。在该机制下,为了保证主用户的服务质量,次级用户需要最佳设计其发送功率。由于在频谱共享机制下,频谱效率更高且次级用户能获得更好的服务质量,因此在频谱共享机制下,设计最佳功率分配策略更为重要。
在传统的认知无线电频谱共享机制下,现有的功率分配方法(1:X.Kang,Y.C.Liang,A.Nallanathan,H.K.Garg,R.Zhang,“Optimal power allocation for fadingchannels in cognitive radio networks:ergodic capacity and outage capacity”IEEE Trans.Wireless Commun.,vol.8,no.2,pp.940-950,2009。2:L.Musavian andS.Aissa,“Capacity and power allocation for spectrum sharing communications infading channels”IEEE Trans.Wireless Commun.,vol.8,no.1,pp.148-156,Jan.2009。3:X.Kang,R.Zhang,Y.C.Liang,and H.K.Garg,“Optimal power allocation strategiesfor fading cognititve radio channels with primary user outage constraint,”IEEE J.Sel.Areas Commun.,vol.29,no.2,pp.374-383,Feb.2011.)是在给定的约束条件下,根据信道条件,通过调整次级用户发送功率,达到使得次级用户获得最大容量的目标。此功率分配方法,只与约束条件、次级用户发送端到次级用户接收端、次级用户发送端到主用户接收端、主用户发送端到次级用户接收端的信道增益、主用户发送功率、次级用户接收端的噪声功率有关,而与能效和次级用户发送端的功率放大因子无关。这种功率分配方法,由于没有考虑到次级用户获得的能效对功率分配的影响,则不能保证次级用户获得最大能效,产生大量的额外能量消耗和温室气体的排放,造成不必要的能源浪费。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于频谱共享能效的最佳功率分配方法,以提高次级用户的能效,减小能源浪费。
为实现上述目的,本发明的技术方法包括如下步骤:
(1)次级用户根据所需要的容错误差、拉格朗日迭代效果及最大需要迭代次数,设置能效函数容错误差ξ>0,最大迭代次数N,平均发送功率约束对应的收敛误差ξ1>0,平均干扰功率约束对应的收敛误差ξ2>0,平均发送功率约束对应的拉格朗日乘子迭代步长t1>0,平均干扰功率约束对应的拉格朗日乘子迭代步长t2>0;
(2)次级用户初始化能效η=0,平均发送功率约束对应的拉格朗日乘子τ=τ0,平均干扰功率约束对应的拉格朗日乘子μ=μ0,次级用户发送功率Pn和能效ηn的迭代次数n=0;
(3)次级用户迭代计算最佳发送功率P:
(3.1)次级用户计算每次衰落状态下的发送功率Pn;
其中ρ为功率放大因子,gss为次级用户发送端到接收端信道功率增益,gsp为次级用户发送端到主用户接收端信道功率增益,hps为主用户发送端到次级用户接收端信道功率增益,Pm为主用户恒定发送功率,表示次级用户接收端的噪声方差,ηn-1为次级用户第n-1次迭代获得的能效,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·;
(3.2)次级用户根据平均发送功率约束条件和平均干扰功率约束条件通过subgradient迭代算法经k次迭代,计算出平均发送功率约束对应的拉格朗日乘子τk和平均干扰功率约束对应的拉格朗日乘子μk:
其中和分别为次级用户最大平均发送功率约束和次级用户对主用户最大平均干扰功率约束,E{·}表示对·求数学期望;
(3.3)根据计算出的拉格朗日乘子τk和μk,计算发送功率
(3.4)判断每次迭代计算出的拉格朗日乘子τk和μk是否满足迭代终止条件,若满足则执行步骤(3.5),否则返回步骤(3.2),迭代终止条件为:
(3.5)次级用户分别计算第n次迭代能效函数fn(η)和第n次迭代能效ηn:
其中PC为固定电路消耗功率;
(3.6)次级用户对能效函数fn(η)进行判决:如果|fn(η)|≤ξ,则第n次的发送功率为次级用户能效最佳发送功率P,能效ηn即为次级用户获得的最大能效η;反之,判断迭代次数是否达到最大迭代次数n≤N,如果达到最大迭代次数,则此时的发送功率为次级用户能效最佳发送功率P,能效ηn为次级用户获得的最大能效η;否则,继续迭代,直至满足迭代终止约束条件。
本发明具有以下优点:
1、本发明在次级用户平均发送功率和平均干扰功率约束条件下,能获得高于传统基于频谱共享认知无线电最佳发送功率方法取得的最大能效。
2、本发明能快速获得最大能效情况下的能效最佳功率分配。
3、本发明能在保证主用户服务质量的同时,保证次级用户在最大能效情况下的用户服务质量。
4、本发明计算复杂度低,可以在实际中广泛应用。
附图说明
图1是本发明的实现流程图;
图2是本发明与传统认知无线电基于频谱共享最佳发送功率获得最大能效对比图;
图3是本发明与传统认知无线电基于频谱共享最佳发送功率获得历态容量对比图;
图4是本发明在不同约束条件下不同迭代次数次级用户获得能效的对比图。
具体实施方式
参照图1,本发明的实现步骤如下:
步骤1,认知用户设置目标参数。
次级用户根据所需要的容错误差、拉格朗日迭代效果及最大需要迭代次数,设置能效函数容错误差ξ>0,最大迭代次数N,平均发送功率约束对应的subgradient迭代算法收敛误差ξ1>0、对应的拉格朗日乘子迭代步长t1>0,平均干扰功率约束对应的subgradient迭代算法收敛误差ξ2>0、对应的拉格朗日乘子迭代步长t2>0;
能效函数容错误差越小,可能需要的迭代次数越多,迭代次数还取决于平均干扰约束条件、平均发送功率约束条件、道衰落状态及能效最佳功率电平大小。迭代步长的选择是迭代停止所需步数的关键影响因素,根据约束条件的宽松,选择适当的迭代步长,能保证快速得到最佳解,当迭代步长设置为常数时,subgradient算法能保证得到的解离最佳解非常接近;
步骤2,初始化次级用户参数。
拉格朗日乘子初始值的选择对迭代所需步数影响比较大,当选择的拉格朗日初始值接近满足约束条件的拉格朗日乘子时,迭代停止所需步数较少,如果选择的初始值不理想,subgradient算法需要多次迭代才能得到最终的拉格朗日乘子。因此,拉格朗日初始值的选择非常重要,通常根据约束条件的宽松适当进行选择,当约束条件比较严时,拉格朗日初始值选择相对较大,反之,拉格朗日乘子初始值选择相对较小;
本实例中次级用户初始化能效η=0,平均发送功率约束对应的拉格朗日乘子τ=τ0,平均干扰功率约束对应的拉格朗日乘子μ=μ0,次级用户发送功率Pn和能效ηn的迭代次数n=0;
步骤3,次级用户迭代计算最佳发送功率P。
(3.1)次级用户计算每次衰落状态下的发送功率Pn;
其中ρ为功率放大因子,gss为次级用户发送端到接收端信道功率增益,gsp为次级用户发送端到主用户接收端信道功率增益,hps为主用户发送端到次级用户接收端信道功率增益,Pm为主用户恒定发送功率,表示次级用户接收端的噪声方差,ηn-1为次级用户第n-1次迭代获得的能效,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·。
根据每次衰落状态下的发送功率的计算表达式,可以看到每次衰落状态的发送功率能自适应的根据信道状态情况调整发送功率,从而能达到在各种衰落状态下,平均能效最佳;
(3.2)次级用户根据平均发送功率约束条件和平均干扰功率约束条件通过subgradient迭代算法经k次迭代,计算出平均发送功率约束对应的拉格朗日乘子τk和平均干扰功率约束对应的拉格朗日乘子μk:
其中和分别为次级用户最大平均发送功率约束和次级用户对主用户最大平均干扰功率约束,E{·}表示对·求数学期望。最大平均发送功率约束和最大平均干扰功率约束条件的宽松,对迭代停止所需步数具有较大的影响,当最大平均发送功率约束和最大平均干扰功率约束越宽松时,迭代停止所需步数较少,反之,迭代停止所需步数较大;
(3.3)根据计算出的拉格朗日乘子τk和μk,计算发送功率:
(3.4)判断每次迭代计算出的拉格朗日乘子τk和μk是否满足迭代终止条件,若满足则执行步骤(3.5),否则返回步骤(3.2),迭代终止条件为:
(3.5)次级用户分别计算第n次迭代能效函数fn(η)和第n次迭代能效ηn:
其中PC为固定电路消耗功率,能效函数能反应每单位焦耳功率下次级用户获得的历态容量,即在信道各种衰落条件下用户获得能效的数学期望,从而体现次级用户的平均能效。从能效计算表达式可以看出,能效的最大化,不等于传统认知无线电下,历态容量最大化,因此传统认知无线电下历态容量最大化下的最佳发送功率,不能保证次级用户获得最大能效;
(3.6)次级用户对能效函数fn(η)进行判决:如果|fn(η)|≤ξ,则第n次的发送功率为次级用户能效最佳发送功率P,能效ηn即为次级用户获得的最大能效η;反之,判断迭代次数是否达到最大迭代次数n≤N,如果达到最大迭代次数,则此时的发送功率为次级用户能效最佳发送功率P,能效ηn为次级用户获得的最大能效η;否则,继续迭代,直至满足迭代终止约束条件。
最大迭代次数的选择,可以根据次级用户需要达到的容错误差大小进行选择,如果次级用户需要的容错误差很小,则最大迭代次数选择大些,否则,次级用户可以选择相对小一些的最大迭代次数,从而能快速的得到能效及功率发送策略。
本发明的性能效果可以通过以下仿真进一步说明:
A、仿真条件
次级用户发送端功率放大因子ρ和电路固定功率消耗PC分别设置为0.2和0.05瓦,次级用户接收到噪声方差设置为0.01,主用户传输功率Pm设置为60毫瓦,拉格朗日迭代步长t1、t2都设置为0.1,容错误差ξ,ξ1,ξ2都设置为0.0001,信道实现次数为100000,gss、gsp和hps为瑞利信道下功率增益,服从指数分布,均值分别设置为1、0.5和0.5,平均干扰功率约束设置为0毫瓦到100毫瓦。
仿真1和仿真2的平均发送功率约束设置150毫瓦。仿真3的平均发送功率设置为150毫瓦和100毫瓦,平均干扰功率设置为50毫瓦和10毫瓦。
B、仿真内容
仿真1:对采用本发明和传统基于频谱共享机制下的最佳功率分配方法,次级用户获得的最大能效进行对比,结果如图2所示。图2中“能量有效性最大化”表示本发明在150毫瓦的平均发送功率约束条件下,在不同平均干扰功率约束条件下,次级用户获得的最大能效;“历态容量最大化”表示采用传统基于频谱共享机制最佳功率分配方法,在150毫瓦的平均发送功率约束条件下和不同干扰功率约束条件下,次级用户获得的最大能效。
仿真2:将采用本发明和传统基于频谱共享机制下的最佳功率分配方法,次级用户获得的历态容量进行对比,结果如图3所示。图3中“能量有效性最大化”表示本发明在150毫瓦的平均发送功率约束条件下和不同干扰功率约束条件下,次级用户获得的历态容量,“历态容量最大化”表示采用传统基于频谱共享机制最佳功率分配方法,在150毫瓦的平均发送功率约束条件下和不同干扰功率约束条件下,次级用户获得的历态容量。
仿真3:本发明在不同约束条件下对迭代停止所需的步数进行对比,结果如图4所示。图4中“平均发送功率为0.15瓦,平均干扰功率为0.05瓦”表示采用本发明在平均发送功率约束为150毫瓦,平均干扰功率为50毫瓦约束条件下,次级用户每次迭代所获得的能效,“平均发送功率为0.1瓦,平均干扰功率为0.01瓦”表示采用本发明在平均发送功率约束为100毫瓦,平均干扰功率为10毫瓦约束条件下,次级用户每次迭代所获得的能效。
C、仿真结果
由图2可得,在平均干扰功率和平均发送功率约束条件下,现有的基于频谱共享最佳功率分配方法不能保证次级用户获得最大能效,而本发明能保证次级用户获得最大能效。而且,与平均发送功率约束条件相比,平均干扰功率约束条件宽松,即平均干扰功率不起约束作用时,次级用户获得的最大能效取决于平均发送功率。
由图3可得,虽然本发明不能保证次级用户获得最大的传输速率,但能保证次级用户获得最大的能效。
由图4可得,不管次级用户受到的平均干扰功率约束或者平均发送功率约束多大,本发明能很快的达到收敛效果,只要迭代很少的步数次级用户就能获得最大的能效和在最大能效下的最佳发送功率。
综合上述仿真结果和分析,本发明所提出的基于频谱共享能效最佳功率分配方法,能使得次级用户获得最大的能效,而且迭代停止所需步数少,复杂度低,这使得该发明在实际中能更好的得到应用。
Claims (3)
1.一种基于频谱共享能效最佳功率分配方法,包括如下步骤:
(1),次级用户根据所需要的容错误差、拉格朗日迭代效果及最大需要迭代次数,设置能效函数容错误差ξ>0,最大迭代次数N,平均发送功率约束对应的收敛误差ξ1>0,平均干扰功率约束对应的收敛误差ξ2>0,平均发送功率约束对应的拉格朗日乘子迭代步长t1>0,平均干扰功率约束对应的拉格朗日乘子迭代步长t2>0;
(2),次级用户初始化能效η=0,平均发送功率约束对应的拉格朗日乘子τ=τ0,平均干扰功率约束对应的拉格朗日乘子μ=μ0,次级用户发送功率Pn和能效ηn的迭代次数n=0;
(3),次级用户迭代计算最佳发送功率P:
(3.1),次级用户计算每次衰落状态下的发送功率Pn;
其中ρ为功率放大因子,gss为次级用户发送端到接收端信道功率增益,gsp为次级用户发送端到主用户接收端信道功率增益,hps为主用户发送端到次级用户接收端信道功率增益,Pm为主用户恒定发送功率,表示次级用户接收端的噪声方差,ηn-1为次级用户第n-1次迭代获得的能效,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·;
(3.2),次级用户根据平均发送功率约束条件和平均干扰功率约束条件通过subgradient迭代算法经k次迭代,计算出平均发送功率约束对应的拉格朗日乘子τk和平均干扰功率约束对应的拉格朗日乘子μk;
(3.3),根据计算出的拉格朗日乘子τk和μk,计算发送功率
(3.4),判断每次迭代计算出的拉格朗日乘子τk和μk是否满足迭代终止条件,若满足则执行步骤(3.5),否则返回步骤(3.2),迭代终止条件为:
其中,和分别为次级用户最大平均发送功率约束和次级用户对主用户最大平均干扰功率约束;
(3.5),次级用户分别计算第n次迭代能效函数fn(η)和第n次迭代能效ηn:
其中PC为固定电路消耗功率,E{·}表示对·求数学期望;
(3.6),次级用户对能效函数fn(η)进行判决:如果|fn(η)|≤ξ,则第n次的发送功率为次级用户能效最佳发送功率P,能效ηn即为次级用户获得的最大能效η;反之,判断迭代次数是否达到最大迭代次数n≤N,如果达到最大迭代次数,则此时的发送功率为次级用户能效最佳发送功率P,能效ηn为次级用户获得的最大能效η;否则,继续迭代,直至满足迭代终止约束条件。
2.根据权利要求1所述的方法,其中所述步骤(3.2)中的平均发送功率约束条件为:平均干扰功率约束条件为其中,和分别为次级用户最大平均发送功率约束和次级用户对主用户最大平均干扰功率约束,为第k次计算拉格朗日乘子后的发送功率,E{·}表示对·求数学期望。
3.根据权利要求1所述的方法,其中所述步骤(3.2)通过subgradient迭代算法经k次迭代,计算出平均发送功率约束对应的拉格朗日乘子τk和平均干扰功率约束对应的拉格朗日乘子μk,通过下式计算:
其中,和分别为次级用户最大平均发送功率约束和次级用户对主用户最大平均干扰功率约束,E{·}表示对·求数学期望,t1为平均发送功率约束对应的拉格朗日乘子迭代步长,t2为平均干扰功率约束对应的拉格朗日乘子迭代步长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510344689.4A CN105101383B (zh) | 2015-06-19 | 2015-06-19 | 基于频谱共享能效最大的功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510344689.4A CN105101383B (zh) | 2015-06-19 | 2015-06-19 | 基于频谱共享能效最大的功率分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105101383A CN105101383A (zh) | 2015-11-25 |
CN105101383B true CN105101383B (zh) | 2018-07-06 |
Family
ID=54580649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510344689.4A Active CN105101383B (zh) | 2015-06-19 | 2015-06-19 | 基于频谱共享能效最大的功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105101383B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106059840B (zh) * | 2016-08-02 | 2019-04-09 | 北京邮电大学 | 一种认知无线系统功率分配方法及装置 |
CN106304310B (zh) * | 2016-08-08 | 2019-04-30 | 山东大学 | 基于能量收集的通信系统信道数据发送的最优功率分配方法 |
CN107947877B (zh) * | 2017-11-16 | 2020-11-10 | 重庆邮电大学 | 一种基于能效的用户选择协作频谱感知方法 |
US10405192B2 (en) * | 2018-01-15 | 2019-09-03 | Charter Communications Operating, Llc | Methods and apparatus for allocation and reconciliation of quasi-licensed wireless spectrum across multiple entities |
CN110944378B (zh) * | 2019-11-13 | 2022-08-30 | 中通服咨询设计研究院有限公司 | 5g移动通信场景下d2d通信的noma功率分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364973A (zh) * | 2011-11-28 | 2012-02-29 | 中国电子科技集团公司第五十四研究所 | 基于共享频谱接入的载波和功率联合分配方法 |
CN103222293A (zh) * | 2010-10-01 | 2013-07-24 | 英特尔公司 | 动态频谱管理、分配和共享的技术 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9608803B2 (en) * | 2013-12-04 | 2017-03-28 | Board Of Trustees Of Michigan State University | Method for defense against primary user emulation attacks in cognitive radio networks using advanced encryption |
-
2015
- 2015-06-19 CN CN201510344689.4A patent/CN105101383B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103222293A (zh) * | 2010-10-01 | 2013-07-24 | 英特尔公司 | 动态频谱管理、分配和共享的技术 |
CN102364973A (zh) * | 2011-11-28 | 2012-02-29 | 中国电子科技集团公司第五十四研究所 | 基于共享频谱接入的载波和功率联合分配方法 |
Non-Patent Citations (2)
Title |
---|
An efficient spectrum sensing algorithm for cognitive radio based on finite random matrix;Fuhui Zhou,等;《IEEE Xplore Digital Library》;20140905;全文 * |
非理想信道状态信息对频谱共享认知中继网络性能的影响;陈俊杰,等;《电子与信息学报》;20120630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105101383A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105101383B (zh) | 基于频谱共享能效最大的功率分配方法 | |
CN107947878B (zh) | 一种基于能效和谱效联合优化的认知无线电功率分配方法 | |
CN106412927B (zh) | 协同传输能量收集认知无线电网络最佳资源分配方法 | |
CN109039504B (zh) | 基于非正交多址接入的认知无线电能效功率分配方法 | |
CN104579523B (zh) | 认知无线网络频谱感知和接入决策联合的优化方法 | |
CN103248461B (zh) | 基于波束成形的多小区干扰对齐迭代算法 | |
CN107071914A (zh) | 一种能量捕获d2d网络中的动态模式选择与能量分配方法 | |
CN104301985B (zh) | 一种移动通信中电网与认知基站间能源分配方法 | |
Ozcan et al. | Energy-efficient power adaptation for cognitive radio systems under imperfect channel sensing | |
CN101729164B (zh) | 无线资源分配方法和认知无线电用户设备 | |
CN103338082A (zh) | 一种基于“k秩”准则的双门限协作频谱感知方法 | |
CN104796993A (zh) | 异构网络中基于Stackelberg博弈的跨层资源分配方法 | |
CN102368854B (zh) | 一种基于反馈控制信息的认知无线电网络频谱共享方法 | |
CN105007585B (zh) | 基于中断概率能效最大的功率分配方法 | |
CN105307181A (zh) | 用于绿色认知无线电安全能效最佳功率的分配方法 | |
Liu et al. | Optimization of user selection and bandwidth allocation for federated learning in VLC/RF systems | |
CN105451268A (zh) | 一种高能效的异构小区接入方法 | |
Han et al. | Matching-based joint uplink and downlink user association for energy-efficient hetnets | |
CN104158604A (zh) | 一种基于平均共识的分布式协作频谱感知方法 | |
Long et al. | Throughput optimization in energy harvesting based cognitive iot with cooperative sensing | |
Chuan-qing et al. | Adaptive weighted algorithm of cooperative spectrum sensing in cognitive radio networks | |
Zhang et al. | Joint optimization of energy harvesting and spectrum sensing for energy harvesting cognitive radio | |
Lu et al. | Channel-adaptive sensing strategy for cognitive radio ad hoc networks | |
CN104023384A (zh) | 一种家庭基站密集部署场景中考虑时延限制的双层网络资源分配方法 | |
Haider et al. | Spectral-energy efficiency tradeoff in cognitive radio networks with peak interference power constraints |
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 |