CN105101383B - 基于频谱共享能效最大的功率分配方法 - Google Patents

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f_n(η)和能效ηⁿ；5.对能效函数f_n(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

基于频谱共享能效最大的功率分配方法

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，g_ss为次级用户发送端到接收端信道功率增益，g_sp为次级用户发送端到主用户接收端信道功率增益，h_ps为主用户发送端到次级用户接收端信道功率增益，P_m为主用户恒定发送功率，表示次级用户接收端的噪声方差，η^n-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τ^k和平均干扰功率约束对应的拉格朗日乘子μ^k：

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τ^k和μ^k，计算发送功率

(3.4)判断每次迭代计算出的拉格朗日乘子τ^k和μ^k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f_n(η)和第n次迭代能效ηⁿ：

其中P_C为固定电路消耗功率；

(3.6)次级用户对能效函数f_n(η)进行判决：如果|f_n(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，g_ss为次级用户发送端到接收端信道功率增益，g_sp为次级用户发送端到主用户接收端信道功率增益，h_ps为主用户发送端到次级用户接收端信道功率增益，P_m为主用户恒定发送功率，表示次级用户接收端的噪声方差，η^n-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τ^k和平均干扰功率约束对应的拉格朗日乘子μ^k：

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τ^k和μ^k，计算发送功率：

(3.4)判断每次迭代计算出的拉格朗日乘子τ^k和μ^k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f_n(η)和第n次迭代能效ηⁿ：

其中P_C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f_n(η)进行判决：如果|f_n(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P_C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P_m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，g_ss、g_sp和h_ps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，g_ss为次级用户发送端到接收端信道功率增益，g_sp为次级用户发送端到主用户接收端信道功率增益，h_ps为主用户发送端到次级用户接收端信道功率增益，P_m为主用户恒定发送功率，表示次级用户接收端的噪声方差，η^n-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τ^k和平均干扰功率约束对应的拉格朗日乘子μ^k；

(3.3)，根据计算出的拉格朗日乘子τ^k和μ^k，计算发送功率

(3.4)，判断每次迭代计算出的拉格朗日乘子τ^k和μ^k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f_n(η)和第n次迭代能效ηⁿ：

其中P_C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f_n(η)进行判决：如果|f_n(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τ^k和平均干扰功率约束对应的拉格朗日乘子μ^k，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。