CN106211303B - 一种用于认知全双工无线通信系统的功率分配方法 - Google Patents
一种用于认知全双工无线通信系统的功率分配方法 Download PDFInfo
- Publication number
- CN106211303B CN106211303B CN201610554779.0A CN201610554779A CN106211303B CN 106211303 B CN106211303 B CN 106211303B CN 201610554779 A CN201610554779 A CN 201610554779A CN 106211303 B CN106211303 B CN 106211303B
- Authority
- CN
- China
- Prior art keywords
- cognitive user
- user
- transmission power
- power
- cognitive
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明的用于认知全双工无线通信系统的功率分配方法,先确定认知用户发射功率与主用户干扰限制之间的关系,建立以和容量最大化为目标的优化函数,通过变量代换将有约束优化函数转换为无约束优化函数,并将优化参数由两个转换为一个,并对该优化参数求极值,获得认知用户最优功率分配。采用本发明的功率分配方法,建立了联合以主用户服务质量和认知用户极值发射功率限制为约束的数学优化模型,并将原来含有两个变量的有约束优化函数简化为单变量的无约束优化函数,能够以较小的运算代价获得最优功率分配;采用本发明可显著提高频谱利用效率及认知用户的系统性能。
Description
技术领域
本发明涉及通信信号处理领域,尤其涉及一种用于单输入单输出认知无线全双工双向通信系统的功率分配方法。
背景技术
随着无线通信技术的快速发展,无线通信系统对频谱资源的需求也日益增长,从而造成频谱资源变得日趋紧张。然而实际上现有已授权频谱的使用效率并不高。如何有效提升现有频谱的使用效率成为热点问题。
认知无线电技术允许主用户和认知用户的共存,可望在很大程度上缓解频谱资源的严重不足。认知用户在严格控制对主用户干扰的前提下实现频谱共享,可有效改善静态频谱分配造成的频谱资源浪费严重的问题。然而,由于主用户对认知用户在通信机会或发射功率等方面的限制,频谱利用率虽然得到很大的提升,但认知用户的通信质量仍然较低。全双工通信技术允许同时的信息收发,为频谱利用率的倍增提供了可能。因此,认知无线电技术结合全双工技术有望全面提升认知用户的服务质量。
认知全双工无线通信系统中,主用户作为授权频段的占有者,其通信质量是优先需要考虑的问题。为此认知用户在发送信息时必须严格控制其发送功率。在保证主用户通信质量的前提下,全双工认知用户虽然可通过增大其自身发射功率来改善信噪比,但也带来自干扰变大的问题。因此,合理配置认知用户间的功率资源,需联合考虑主用户的通信质量约束和认知用户的自干扰问题。而这些问题之间所存在的资源分配间的相互矛盾是以往通信系统优化理论研究中不曾出现的。为此,我们的发明针对认知全双工无线通信网络的最优功率分配问题提出解决方案,通过合理配置认知用户功率资源,全面提升通信性能,改善频谱利用效率。
发明内容
本发明是针对现有认知无线电技术中认知用户由于在发射功率或发射机会等方面的限制造成其性能较差的问题,提供一种认知全双工无线通信系统中的功率分配方法,通过合理配置功率资源,在满足主用户服务质量的前提下,实现认知用户的同时同频双向传输,从而提高频谱使用效率及认知用户性能。
本发明的目的是通过以下技术方案实现的。
根据本发明的实施方式,提出一种用于认知全双工无线通信系统的功率分配方法,所述认知全双工无线通信系统包括一个主用户以及两个以上认知用户,所述方法包括如下步骤:
S1、获取认知用户发射功率与主用户干扰限制间满足的条件关系;
S2、以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数;
S3、在首先不考虑认知用户最大功率限制的前提下,利用认知用户发射功率与主用户干扰限制间满足的条件关系,将第二认知用户的发射功率表示为第一认知用户的发射功率的函数,构建以第一认知用户的发射功率为单变量的无约束优化函数;
S4、以第一认知用户的发射功率为变量对所述无约束优化函数求极值,获得第一认知用户的发射功率为最优时的表达式,并对该表达式求解,获得第一认知用户的最优发射功率;
S5、基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率;
S6、基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正。
根据本发明的具体实施方式,所述步骤S1的获取认知用户发射功率与主用户干扰限制间满足的条件关系具体包括:
认知用户同时同频双向传输,其对主用户造成的干扰满足:
P1|h1P|2+P2|h2P|2≤Ith (1)
其中P1和P2分别表示第一认知用户和第二认知用户的发射功率,h1P和h2P分别表示两认知用户到主用户之间的干扰信道,Ith表示主用户所允许的最大干扰门限。
根据本发明的具体实施方式,所述步骤S2的以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数具体包括:
以认知用户的和容量最大化为目标,建立两个认知用户的最优发射功率的优化函数,如式(2)所示:
式中,γ1和γ2表示第一认知用户和第二认知用户的接收信干噪比,并分别表示为
式中,h12和h21分别表示第一认知用户和第二认知用户之间的传输信道,hp1和hp2分别表示主用户到第一认知用户和第二认知用户的干扰信道,h11和h22分别表示第一认知用户和第二认知用户的自干扰信道,PP为主用户的发射功率,N0表征噪声功率。
认知用户的发送功率不仅需要满足主用户干扰约束,还受最大发射功率的限制,以此建立如下优化函数,如式(5)所示:
式中,P1 max和分别表征第一认知用户和第二认知用户的最大发射功率限制。
根据本发明的具体实施方式,所述步骤S3的构建以第一认知用户的发射功率为单变量的无约束优化函数具体包括:
首先不考虑最大发射功率限制,对于优化函数(5),若最优的功率分配方案满足下述条件则必然存在因子ε>1,使得成立;
令则当认知用户以功率及发送信号时,主用户的干扰限制仍然满足,此时第一认知用户与第二认知用户接收信干噪比为
原始优化函数(5)等效为
s.t.P1|h1P|2+P2|h2P|2=Ith
利用公式(8)中的等式约束条件,功率P1与P2满足:
P2=α1P1+β1 (9)
式中α1=-|h1P|2/|h2P|2,β1=Ith/|h2P|2;将式(9)代入有约束优化函数(8)中并整理,式(8)将转变为无约束优化函数,如式(10)所示:
式中α2=α1|h21|2+|h11|2,β2=β1|h21|2+PP|hP1|2+N0,α3=|h11|2,β3=PP|hP1|2+N0,α4=α1|h22|2+|h12|2,α5=α1|h22|2,β5=β4,β4=β1|h22|2+PP|hP2|2+N0。
根据本发明的具体实施方式,所述步骤S4的获得第一认知用户的最优发射功率具体包括:
对无约束优化函数(10)的变量P1求一阶求导并令导数为零,得式(11)为
经进一步整理,可得
αP1 2+βP1+γ=0 (12)
式(12)中,
若β2-4αγ<0,目标函数(10)是关于P1的单调函数,如果α<0,则P1 Best=0;如果α≥0,则P1 Best=Ith/|h1P|2;
当β2-4αγ≥0时,则
根据本发明的具体实施方式,所述步骤S5的基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率具体包括:
在确定第一认知用户的最优发射功率确定后,第二认知用户的最优发射功率可根据式(9)确定:
根据本发明的具体实施方式,所述步骤S6的基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正具体包括:
当α=0时,第一认知用户的修正后最优功率为第二认知用户的修正后最优功率为这里(·)+=max(·,0)。
当β2-4αγ<0且α<0,认知用户的和容量是关于P1的单调递减函数,第一认知用户的修正后最优功率为P1 Opt=0,第二认知用户的修正后最优功率为
当β2-4αγ<0且α>0时,认知用户的和容量是关于P1的单调递增函数,第一认知用户的修正后最优功率为第二认知用户的修正后最优功率为
当β2-4αγ≥0时,第一认知用户和第二认知用户的修正后最优功率为P1 Opt=min(P1 Best,P1 max),
本方法的核心思想是先确定认知用户发射功率与主用户干扰限制之间的关系,建立以和容量最大化为目标的优化函数,通过变量代换将有约束优化函数转换为无约束优化函数,并将优化参数由两个转换为一个,并对该优化参数求极值,获得认知用户最优功率分配。采用本发明的功率分配方法,建立了联合以主用户服务质量和认知用户极值发射功率限制为约束的数学优化模型,并将原来含有两个变量的有约束优化函数简化为单变量的无约束优化函数,能够以较小的运算代价获得最优功率分配;采用本发明可显著提高频谱利用效率及认知用户的系统性能。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1为根据本发明的实施方式的功率分配方法的流程图;
附图2为根据本发明的实施方式的系统模型图;
附图3为认知用户和容量与干扰门限之间的关系示意图;
附图4为认知用户和容量与其极值发射功率之间的关系示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式,提出一种用于认知全双工无线通信系统的功率分配方法,所述认知全双工无线通信系统包括一个主用户以及两个以上认知用户,在本发明的具体实施方式中,以两个认知用户为例,如附图1所示,所述方法包括如下步骤:
S1、获取认知用户发射功率与主用户干扰限制间满足的条件关系;
S2、以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数;
S3、在首先不考虑认知用户最大功率限制的前提下,利用认知用户发射功率与主用户干扰限制间满足的条件关系,将第二认知用户的发射功率表示为第一认知用户的发射功率的函数,构建以第一认知用户的发射功率为单变量的无约束优化函数;
S4、以第一认知用户的发射功率为变量对所述无约束优化函数求极值,获得第一认知用户的发射功率为最优时的表达式,并对该表达式求解,获得第一认知用户的最优发射功率;
S5、基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率;
S6、基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正。
根据本发明的具体实施方式,所述步骤S1的获取认知用户发射功率与主用户干扰限制间满足的条件关系具体包括:
在认知全双工无线通信网络中,在主用户发射机至接收机的通信质量得以保证的前提下,第一认知用户和第二认知用户同时同频互发信息,其通信系统模型如图2所示(实线表示信息传输链路,虚线表示干扰链路)。由于两认知用户同时同频双向传输,其对主用户造成的干扰需满足:
P1|h1P|2+P2|h2P|2≤Ith (1)
其中P1和P2分别表示第一认知用户和第二认知用户的发射功率,h1P和h2P分别表示两认知用户到主用户之间的干扰信道,Ith表示主用户所允许的最大干扰门限。
根据本发明的具体实施方式,所述步骤S2的以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数具体包括:
以认知用户的和容量最大化为目标,建立两个认知用户的最优发射功率的优化函数,如式(2)所示:
式中,γ1和γ2表示第一认知用户和第二认知用户的接收信干噪比,并可分别表示为
式中,h12和h21分别表示第一认知用户和第二认知用户之间的传输信道,hp1和hp2分别表示主用户到第一认知用户和第二认知用户的干扰信道,h11和h22分别表示第一认知用户和第二认知用户的自干扰信道,PP为主用户的发射功率,N0表征噪声功率。
认知用户的发送功率不仅需要满足主用户干扰约束,还受最大发射功率的限制,以此建立如下优化函数,如式(5)所示:
式中,P1 max和分别表征第一认知用户和第二认知用户的最大发射功率限制。
根据本发明的具体实施方式,所述步骤S3的构建以第一认知用户的发射功率为单变量的无约束优化函数具体包括:
为简化分析,首先不考虑最大发射功率限制。对于优化函数(5),若最优的功率分配方案满足下述条件则必然存在因子ε>1,使得成立。
令则当认知用户以功率及发送信号时,主用户的干扰限制仍然满足,此时第一认知用户与第二认知用户接收信干噪比为
由于ε>1,当认知用户使用发射功率及传输信号时,其接收信干噪比大于采用功率P1 Best及时的信干噪比,因而可获得更大和容量。因此,获得最佳的功率分配方案,主用户干扰约束条件需取等号。原始优化函数(5)可等效为
s.t.P1|h1P|2+P2|h2P|2=Ith
利用公式(8)中的等式约束条件,功率P1与P2满足:
P2=α1P1+β1 (9)
式中α1=-|h1P|2/|h2P|2,β1=Ith/|h2P|2。将式(9)代入有约束优化函数(8)中并整理,式(8)将转变为无约束优化函数,如式(10)所示:
式中α2=α1|h21|2+|h11|2,β2=β1|h21|2+PP|hP1|2+N0,α3=|h11|2,β3=PP|hP1|2+N0,α4=α1|h22|2+|h12|2,α5=α1|h22|2,β5=β4,β4=β1|h22|2+PP|hP2|2+N0。
根据本发明的具体实施方式,所述步骤S4的获得第一认知用户的最优发射功率具体包括:
对上述无约束优化函数(10)的变量P1求一阶求导并令导数为零,得式(11)为
经进一步整理,可得
αP1 2+βP1+γ=0 (12)
式(12)中, 下面分情况讨论式(12)的解。
情况1:若β2-4αγ<0,目标函数(10)是关于P1的单调函数。如果α<0,则P1 Best=0;如果α≥0,则P1 Best=Ith/|h1P|2。
情况2:当β2-4αγ≥0时,则
式中表示若A≤α则A取值为α,若A≥β则A取值为β。若α<A<β,则取值依然为A。
根据本发明的具体实施方式,所述步骤S5的基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率具体包括:
在确定第一认知用户的最优发射功率确定后,第二认知用户的最优发射功率可根据式(9)确定:
根据本发明的具体实施方式,所述步骤S6的基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正具体包括:
情况1:当α=0时,第一认知用户的修正后最优功率为第二认知用户的修正后最优功率为这里(·)+=max(·,0)。
情况2:当β2-4αγ<0且α<0,认知用户的和容量是关于P1的单调递减函数,第一认知用户的修正后最优功率应该为P1 Opt=0。第二认知用户的修正后最优功率为
情况3:当β2-4αγ<0且α>0时,认知用户的和容量是关于P1的单调递增函数,第一认知用户的修正后最优功率应该为第二认知用户的修正后最优功率为
情况4:当β2-4αγ≥0时,第一认知用户和第二认知用户的修正后最优功率为P1 Opt=min(P1 Best,P1 max),
以下通过仿真对比本发明方法和其他传统方法,说明本发明的优越性能。本实验采用的信道模型为独立同分布瑞利信道,其方差分别为和归一化噪声功率为N0=1。不失一般性,此时假设两认知用户的最大功率限制相同,即对比方法为等功率分配方法,将干扰门限平均分配给每个认知用户并满足最大发射功率限制,即
图3是随着主用户干扰门限的增加,两认知用户的最大功率限制均为20分贝瓦时,本发明方法与等功率分配方法的性能变化情况。可以看出本发明方法性能始终优于等功率方法。同时,随着干扰门限的增大,认知用户的和容量将增大。干扰门限到达一定程度之后,认知用户的发射功率将受到最大功率限制,此时性能将基本保持不变。
图4是随着认知用户最大发射功率限制的增加,主用户干扰门限Ith为20瓦时,本发明方法与等功率分配方法的性能变化情况。可以看出,本发明方法的性能始终优于等功率分配方法。随着最大功率限制的增大,认知用户的和容量将增大。最大功率限制到达一定程度之后,认知用户的发射功率将受到干扰门限的限制,此时性能将基本保持不变。
以上实验结果表明,本发明方法在保证满足主用户干扰门限的前提下,提升认知用户的和容量,改善认知用户传输的性能,对提高现有频谱的利用率有重要的实际意义。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种用于认知全双工无线通信系统的功率分配方法,所述认知全双工无线通信系统包括一个主用户以及两个以上认知用户,所述方法包括如下步骤:
S1、获取认知用户发射功率与主用户干扰限制间满足的条件关系;
S2、以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数;
S3、在首先不考虑认知用户最大功率限制的前提下,利用认知用户发射功率与主用户干扰限制间满足的条件关系,将第二认知用户的发射功率表示为第一认知用户的发射功率的函数,构建以第一认知用户的发射功率为单变量的无约束优化函数;
S4、以第一认知用户的发射功率为变量对所述无约束优化函数求极值,获得第一认知用户的发射功率为最优时的表达式,并对该表达式求解,获得第一认知用户的最优发射功率;
S5、基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率;
S6、基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正,其特征在于,
所述步骤S1的获取认知用户发射功率与主用户干扰限制间满足的条件关系具体包括:
认知用户同时同频双向传输,其对主用户造成的干扰满足:
P1|h1P|2+P2|h2P|2≤Ith (1)
其中P1和P2分别表示第一认知用户和第二认知用户的发射功率,h1P和h2P分别表示两认知用户到主用户之间的干扰信道,Ith表示主用户所允许的最大干扰门限,
所述步骤S2的以认知用户的和容量最大化为目标,建立以主用户干扰限制和最大发射功率限制为约束的双变量的有约束优化函数具体包括:
以认知用户的和容量最大化为目标,建立两个认知用户的最优发射功率的优化函数,如式(2)所示:
式中,γ1和γ2表示第一认知用户和第二认知用户的接收信干噪比,并分别表示为
式中,h12和h21分别表示第一认知用户和第二认知用户之间的传输信道,hp1和hp2分别表示主用户到第一认知用户和第二认知用户的干扰信道,h11和h22分别表示第一认知用户和第二认知用户的自干扰信道,PP为主用户的发射功率,N0表征噪声功率;
认知用户的发送功率不仅需要满足主用户干扰约束,还受最大发射功率的限制,以此建立如下优化函数,如式(5)所示:
式中,P1 max和分别表征第一认知用户和第二认知用户的最大发射功率限制,
所述步骤S3的构建以第一认知用户的发射功率为单变量的无约束优化函数具体包括:
首先不考虑最大发射功率限制,对于优化函数(5),若最优的功率分配方案满足下述条件则必然存在因子ε>1,使得成立;
令则当认知用户以功率及发送信号时,主用户的干扰限制仍然满足,此时第一认知用户与第二认知用户接收信干噪比为
原始优化函数(5)等效为
利用公式(8)中的等式约束条件,功率P1与P2满足:
P2=α1P1+β1 (9)
式中α1=-|h1P|2/|h2P|2,β1=Ith/|h2P|2;将式(9)代入有约束优化函数(8)中并整理,式(8)将转变为无约束优化函数,如式(10)所示:
式中α2=α1|h21|2+|h11|2,β2=β1|h21|2+PP|hP1|2+N0,α3=|h11|2,β3=PP|hP1|2+N0,α4=α1|h22|2+|h12|2,α5=α1|h22|2,β5=β4,
β4=β1|h22|2+PP|hP2|2+N0。
2.一种如权利要求1所述的方法,所述步骤S4的获得第一认知用户的最优发射功率具体包括:
对无约束优化函数(10)的变量P1求一阶求导并令导数为零,得式(11)为
经进一步整理,可得
αP1 2+βP1+γ=0 (12)
式(12)中,
若β2-4αγ<0,目标函数(10)是关于P1的单调函数,如果α<0,则P1 Best=0;如果α≥0,则P1 Best=Ith/|h1P|2;
当β2-4αγ≥0时,则
3.一种如权利要求2所述的方法,所述步骤S5的基于已获得的第一认知用户的最优发射功率计算第二认知用户的最优发射功率具体包括:
在确定第一认知用户的最优发射功率确定后,第二认知用户的最优发射功率可根据式(9)确定:
4.一种如权利要求3所述的方法,所述步骤S6的基于认知用户的最大功率限制,对所获得的认知用户发射功率进行修正具体包括:
当α=0时,第一认知用户的修正后最优功率为第二认知用户的修正后最优功率为这里(·)+=max(·,0);
当β2-4αγ<0且α<0,认知用户的和容量是关于P1的单调递减函数,第一认知用户的修正后最优功率为P1 Opt=0,第二认知用户的修正后最优功率为
当β2-4αγ<0且α>0时,认知用户的和容量是关于P1的单调递增函数,第一认知用户的修正后最优功率为第二认知用户的修正后最优功率为
当β2-4αγ≥0时,第一认知用户和第二认知用户的修正后最优功率为
P1 Opt=min(P1 Best,P1 max),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554779.0A CN106211303B (zh) | 2016-07-13 | 2016-07-13 | 一种用于认知全双工无线通信系统的功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554779.0A CN106211303B (zh) | 2016-07-13 | 2016-07-13 | 一种用于认知全双工无线通信系统的功率分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106211303A CN106211303A (zh) | 2016-12-07 |
CN106211303B true CN106211303B (zh) | 2019-03-26 |
Family
ID=57474490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610554779.0A Active CN106211303B (zh) | 2016-07-13 | 2016-07-13 | 一种用于认知全双工无线通信系统的功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106211303B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327895B (zh) * | 2018-11-06 | 2021-06-04 | 南京邮电大学 | 基于noma和cr网络的功率分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233412B1 (en) * | 2010-06-30 | 2012-07-31 | Rockwell Collins, Inc. | Multi-signal, software-defined and staring cognitive communications system |
CN103957599A (zh) * | 2014-05-12 | 2014-07-30 | 电子科技大学 | 一种基于感知和迭代搜索的联合功率分配方法 |
CN104967472A (zh) * | 2015-05-08 | 2015-10-07 | 上海交通大学 | 全双工双向译码转发中继的最优功率分配和中继部署方法 |
CN105246141A (zh) * | 2014-07-11 | 2016-01-13 | 中国人民解放军理工大学 | 基于地理频谱数据库的多对终端直通链路联合功率控制方法 |
CN105392145A (zh) * | 2015-12-07 | 2016-03-09 | 桂林电子科技大学 | 一种频谱效率和能量效率平衡的全双工认知中继通信方法 |
-
2016
- 2016-07-13 CN CN201610554779.0A patent/CN106211303B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233412B1 (en) * | 2010-06-30 | 2012-07-31 | Rockwell Collins, Inc. | Multi-signal, software-defined and staring cognitive communications system |
CN103957599A (zh) * | 2014-05-12 | 2014-07-30 | 电子科技大学 | 一种基于感知和迭代搜索的联合功率分配方法 |
CN105246141A (zh) * | 2014-07-11 | 2016-01-13 | 中国人民解放军理工大学 | 基于地理频谱数据库的多对终端直通链路联合功率控制方法 |
CN104967472A (zh) * | 2015-05-08 | 2015-10-07 | 上海交通大学 | 全双工双向译码转发中继的最优功率分配和中继部署方法 |
CN105392145A (zh) * | 2015-12-07 | 2016-03-09 | 桂林电子科技大学 | 一种频谱效率和能量效率平衡的全双工认知中继通信方法 |
Non-Patent Citations (3)
Title |
---|
"Optimal power allocation and outage analysis for cognitive full duplex relay systems";Hyungjong Kim et al;《IEEE Transactions on Wireless Communications》;20120905;全文 |
"Optimal power allocation for AF full-duplex relay in cognitive radio networks";Yu Shi et al;《2013 IEEE Globecom Workshops (GC Wkshps)》;20131213;全文 |
"Optimal resource allocation in full-duplex wireless-powered communication network";Hyungsik Ju et al;《IEEE Transactions on Communications》;20140923;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106211303A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3869895A1 (en) | System and method for radio access virtualization | |
CN104702396B (zh) | 基于效用的协作多中继认知系统的联合资源分配方法 | |
CN105007631B (zh) | 一种协作认知网络中保证QoS要求的联合资源分配方法 | |
CN104038456B (zh) | 设备间直接通信的通信方法及通信节点 | |
CN108064077B (zh) | 蜂窝网络中全双工d2d的功率分配方法 | |
CN104702395B (zh) | 一种协作认知网络中公平且能效高的联合资源分配方法 | |
CN110493872A (zh) | 反向散射通信辅助无线供电通信网络系统及优化方法 | |
Qi et al. | Joint power-trajectory-scheduling optimization in a mobile UAV-enabled network via alternating iteration | |
Chen et al. | Hybrid fog/cloud computing resource allocation: Joint consideration of limited communication resources and user credibility | |
CN107026684A (zh) | 一种基于人工噪声的认知通信物理层安全能效优化方法 | |
CN110167178A (zh) | 一种含有能量收集的d2d联合资源公平性分配方法 | |
CN103997744A (zh) | 一种基于时间和带宽联合优化的协作抗干扰频谱接入方法 | |
CN104105208B (zh) | 一种同频全双工调度方法和装置 | |
CN106211303B (zh) | 一种用于认知全双工无线通信系统的功率分配方法 | |
CN104010313A (zh) | 一种基于纳什博弈的协作抗干扰频谱接入方法 | |
CN109587790A (zh) | 资源配置方法及装置 | |
CN208768305U (zh) | 一种基于LoRa技术的远距离传输网关 | |
CN106211182A (zh) | 一种基于统计信道信息的认知全双工功率分配方法 | |
CN105307268B (zh) | 一种基于时间和带宽分配的双向协作抗干扰频谱接入方法 | |
CN108260221A (zh) | 一种无线通信系统的传输方法、基站及终端 | |
CN104270821B (zh) | 一种基于用户公平性的抗干扰频谱接入方法 | |
Zhang et al. | Energy harvesting aided multiuser transmission in spectrum sharing networks | |
CN110677839B (zh) | 一种基于noma的5g移动通信资源分配方法 | |
Qian et al. | System utility maximization with interference processing for cognitive radio networks | |
CN105162538A (zh) | 一种基于性能最优的认知用户选择方法 |
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 |