CN107172704A - 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 - Google Patents

基于协作频谱感知和干扰约束的认知异构网络功率分配方法 Download PDF

Info

Publication number
CN107172704A
CN107172704A CN201710327178.0A CN201710327178A CN107172704A CN 107172704 A CN107172704 A CN 107172704A CN 201710327178 A CN201710327178 A CN 201710327178A CN 107172704 A CN107172704 A CN 107172704A
Authority
CN
China
Prior art keywords
mrow
mtd
msubsup
msub
mtr
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.)
Granted
Application number
CN201710327178.0A
Other languages
English (en)
Other versions
CN107172704B (zh
Inventor
叶仕通
万智萍
温凯峰
黄林伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huashang College Guangdong University Of Finance & Economics
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710327178.0A priority Critical patent/CN107172704B/zh
Publication of CN107172704A publication Critical patent/CN107172704A/zh
Application granted granted Critical
Publication of CN107172704B publication Critical patent/CN107172704B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于认知异构网络技术领域，公开了一种基于协作频谱感知和干扰约束的认知异构网络功率分配方法，认知异构网络系统模型采用多个中心次用户节点协助其他节点进行频谱感知，CSU协作其他PSU节点进行频谱感知，并引入了能量检测阈值，在提高空闲信道检测准确率的同时节省检测能耗；采用最大化数据速率的联合优化方程，在干扰功率的限制约束下为节点分配最佳的发射功率，降低干扰程度并优化网络吞吐量；实验仿真结果表明，相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法；本发明的网络吞吐量分别提升了3.4％和1.5％，平均频谱利用率分别提高了9.3％和7.4％。

Description

基于协作频谱感知和干扰约束的认知异构网络功率分配方法
技术领域
本发明属于认知异构网络技术领域，尤其涉及一种基于协作频谱感知和干扰约束的认知异构网络功率分配方法。
背景技术
未来的无线通信系统是一种开放式、异构化的无线网络通信系统，能够支持用户有机融合个人喜好和网络性能等因素来动态接入最合适的无线网络。由于现有的异构网络业务数量增长快、使用效率低，在大量用户共享带宽情况下，对于实时多媒体通信(例如高清视频传输)的高吞吐量要求，带宽限制问题十分严重，为了满足网络运营商在无线资源利用和管理上的效率，研究专家提出了认知网络异构网络的概念，利用认知无线电的频谱感知能力使用户能够选择合适的网络接入，减少接入网络出现冲突受限的概率，提升资源利用效率。一种认知异构网络中基于克隆选择算法的动态频谱分配算法，该算法以网络效益最大化为目标，考虑接入网的频谱需求，并在该算法中设计了一种新的能够同时考虑接入网频谱需求和多粒度信道频谱资源的抗体整数编码方式，提高了频谱使用效率，但吞吐量需求提升时网络的数据速率无法满足。一种基于效用最大的多小区异构网络调度和功率控制方法，该算法通过用户与不同网络的基站关联后，再给基站分配功率值，从而使用户的接入会得到最大的效用，但对于频谱利用率的提升并不明显。一种基于集群的异构认知无线网络协作频谱感知分配策略算法，该算法采用分簇的方法来划分多个簇网络，通过同一簇中所有次用户单元进行协作频谱感知来获取主用户的信道状态，接着采用贪婪的启发式算法与多项式计算找到最理想的分配策略，虽然协同感知的方式可以提高频谱检测准确率，降低对主用户的干扰，但网络消耗了更多的能量。QoS约束下的异构网络能量感知竞争功率分配算法，该算法采用纳什均衡和自分式规划方法，在目标速率需求下结合分布式电源分配方案最大限度地提高了网络的能源效率和吞吐量，但无法解决频谱检测准确率较低的问题。
综上所述，现有技术存在的问题是：目前的异构无线网络的空闲信道检测准确率低，频谱利用效率不高；在限制次用户的发射功率，降低对主用户的干扰程度的同时如何提高异构网络吞吐量的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种基于协作频谱感知和干扰约束的认知异构网络功率分配方法。
本发明是这样实现的，一种基于协作频谱感知和干扰约束的认知异构网络功率分配方法，所述基于协作频谱感知和干扰约束的认知异构网络功率分配方法的认知异构网络系统模型采用多个中心次用户节点协助其他节点进行频谱感知，CSU协作其他PSU节点进行频谱感知，并引入了能量检测阈值，在提高空闲信道检测准确率的同时节省检测能耗；采用最大化数据速率和功率约束条件的优化方程，在干扰功率的限制约束下为节点分配最佳的发射功率，降低干扰程度并优化网络吞吐量；
所述能量检测阈值表示为：
所述CSU节点分配的最佳发射功率为：
所述PSU节点分配的最佳发射功率为：
进一步，采用CSU协作其他PSU节点进行频谱感知，PSU节点i需要接入一个授权信道j，t作为时隙长度，分别表示PU在时隙t对信道j的占用/未占用状态，qi[j]表示节点i接收到来自主用户的信号，是带有零均值和方差为δi 2的随机过程；用ψi[j]来表示信道噪声，是带有零均值和方差为δu 2的高斯独立同分布的随机过程，对于信道被PU占用的情况，表示为：
对于信道未被PU占用的情况，表示为：
节点i进行频谱感知的能量消耗量表示为：
在下的ei分布是一个带有2δf自由度和非中心参数为2λi的非中心卡方分布；
ρZ(i)表示PSU节点i检测到信道被主用户占用的准确率：
eT表示能量检测阈值：
基于CSU协作频谱感知下检测到信道被主用户占用的准确率：
其中G表示CSU节点的数量。
进一步，确定CSU和PSU的发射功率约束条件包括：
在网络中CSU节点i的最大发射功率为PSU节点z的最大发射功率为则节点i和节点z的最大发射功率约束分别为：
其中j表示信道，LC表示CSU节点的信道组，LP表示PSU节点的信道组；
网络中PU节点的数量为m，用分别表示CSU和PSU的干扰功率，则CSU、PSU的干扰功率约束分别为：
表示节点i在信道j的传输协方差矩阵，表示节点z在信道j的传输协方差矩阵；表示节点i到第b个PU的信道矩阵；
传输持续时间为T，CSU节点传输时隙ti的约束条件为：
进一步，所述CSU节点的最佳发射功率分配方法包括：
将最佳发射功率分配问题配制为方程组：
其中NCSU表示CSU节点的集合；
引入因子以及新的变量ξ，将CSU节点功率的优化调度问题转化为：
接着令ti＝eq，ξ＝ep，并将其代入，通过目标函数的自然对数得到：
通过求出的p值可以得到最小化的ξ，推导出最大的βi值，再根据求出CSU节点的最大化速率，从而求出CSU节点分配的最大发射功率
进一步，所述PSU节点的最佳发射功率分配方法包括：
PSU节点z基于最大化数据速率和功率约束条件的优化方程为：
若为已知时，PSU节点z在信道j的最佳发射协方差为：
xz、yz是分别对应于CSU节点和PSU节点的发射功率的拉格朗日乘子；
采用一种次梯度更新方法来更新xz、yz：
当更新至目标函数的最佳值，此时PSU节点分配的最佳发射功率为：
本发明的另一目的在于提供一种应用所述基于协作频谱感知和干扰约束的认知异构网络功率分配方法的认知异构网络。
本发明的优点及积极效果为：采用本发明的异构网络功率分配方法，相比较基于集群的协作频谱感知分配策略算法和基于QoS约束的能量感知竞争功率分配算法，异构网络的吞吐量可以分别提升3.4％和1.5％，平均频谱利用率可以分别提高9.3％和7.4％。
附图说明
图1是本发明实施例提供的基于协作频谱感知和干扰约束的认知异构网络功率分配方法流程图。
图2是本发明实施例提供的频谱利用率示意图。
图3是本发明实施例提供的数据平均传输速率示意图。
图4是本发明实施例提供的网络吞吐量示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于协作频谱感知和干扰约束的认知异构网络功率分配方法包括以下步骤：
S101：认知异构网络系统模型采用多个中心次用户(Center Secondary Users,CSU)节点协助其他节点进行频谱感知，并引入了能量检测阈值，在提高空闲信道检测准确率的同时节省检测能耗；
S102：采用最大化数据速率的联合优化方程，在干扰功率的限制约束下为节点分配最佳的发射功率，降低干扰程度并优化网络吞吐量。
本发明采用多个节点协作频谱感知的方法来提高空闲信道检测的准确率，但不需要全部次用户节点共同参与，节省检测能耗。对最大化数据速率的求解转化为了一个凸优化问题，并制定了干扰约束条件，通过拉格朗日函数来得到最优解。
1基于协作频谱感知的认知异构网络系统模型
假设异构无线网络由基础网络和多个次级网络组成。基础网络由主用户节(Primary Users,PUs)点与通信基站构成，次级网络由通信基站和次用户(SecondaryUsers,SUs)节点构成。在k个次级网络中，存在k个次用户节点担任认知基站，它们属于中心SUs，简称CSU，作用是协助其他SU节点进行频谱感知和转发数据，而次级网络中的其他SU称为分布式SU，简称PSU，CSU与PSU之间互相通信。在认知异构网络中，将可用频谱被分成k个正交频谱信道，并且所有用户都可以在多个信道同时传输。每个PU具有一个特定授权信道，SU可以采取机会接入的方式在不影响PU的条件下接入授权信道。
在认知异构网络中，多个节点进行协作频谱感知可以提高空闲信道检测的准确率，但过多节点参与频谱感知会带来一定的能量损失，在本发明系统中，采用CSU协作其他PSU节点进行频谱感知，在提高检测准确度的同时使用于频谱感知的能耗得到控制。假设PSU节点i需要接入一个授权信道j，t作为时隙长度，分别表示PU在时隙t对信道j的占用/未占用状态，qi[j]表示节点i接收到来自主用户的信号，是带有零均值和方差为δi 2的随机过程。用ψi[j]来表示信道噪声，是带有零均值和方差为δu 2的高斯独立同分布的随机过程，对于信道被PU占用的情况，可以表示为：
对于信道未被PU占用的情况，可以表示为：
节点i进行频谱感知的能量消耗量表示为：
在下的ei分布是一个带有2δf自由度和非中心参数为2λi的非中心卡方分布。
假设ρZ(i)表示PSU节点i检测到信道被主用户占用的准确率：
eT表示能量检测阈值：
基于CSU协作频谱感知下检测到信道被主用户占用的准确率：
其中G表示CSU节点的数量。
为了减少SU节点和PU节点在发送数据时对其他节点带来的干扰，需要确定一个CSU和PSU的发射功率约束条件。
在网络中假设CSU节点i的最大发射功率为PSU节点z的最大发射功率为则节点i和节点z的最大发射功率约束分别为：
其中j表示信道，LC表示CSU节点的信道组，LP表示PSU节点的信道组。
假设网络中PU节点的数量为m，用分别表示CSU和PSU的干扰功率，则CSU、PSU的干扰功率约束分别为：
表示节点i在信道j的传输协方差矩阵，表示节点z在信道j的传输协方差矩阵。表示节点i到第b个PU的信道矩阵。
假设传输持续时间为T，CSU节点传输时隙ti的约束条件为：
2基于最大化数据速率及功率约束的发射功率分配算法
2.1CSU节点的最佳发射功率分配方法
CSU节点i在其传输时隙ti内会采用TDMA的方式接入空闲信道，并且在下行链路会以速率传输数据，速率的表达式为：
其中ωi表示与CSU的功率相关联的拉格朗日乘子。
为了最大限度地发挥CSU节点的可实现数据速率，提高网络吞吐量，需要优化CSU节点的发射功率，基于最大发射功率约束和干扰功率约束，可以将最佳发射功率分配问题配制为方程组：
其中NCSU表示CSU节点的集合。
由于该优化问题是一个凸优化问题，因此它满足KKT(Karush-Kuhn-Tucker)条件，公式()的拉格朗日函数可以表示为：
ωi和γi是分别与式(F1)、式(F2)相关联的拉格朗日乘子。
引入因子以及新的变量ξ，将CSU节点功率的优化调度问题转化为：
接着本发明令ti＝eq，ξ＝ep，并将其代入到公式(15)，通过目标函数的自然对数可以得到：
通过求出的p值可以得到最小化的ξ，根据公式(15)推导出最大的βi值，再根据求出CSU节点的最大化速率，从而通过公式(13)求出CSU节点分配的最大发射功率
2.2PSU节点的最佳发射功率分配方法
对于PSU节点，与CSU节点相同，都是基于最大化数据速率和功率约束条件来进行最佳发射功率分配，由于PSU共享所有信道，且PSU之间是一种独立关系，因此本发明采用了非合作博弈的方法来解决PSU节点的功率分配问题。用表示PSU节点的数据速率：
其中NPSU表示PSU节点的集合,Yj,z表示PSU节点z的信道矩阵，表示PSU节点z在j信道的噪声和干扰的协方差矩阵。PSU节点z基于最大化数据速率和功率约束条件的优化方程为：
若为已知时，PSU节点z在信道j的最佳发射协方差为：
在该方程中xz、yz是分别对应于CSU节点和PSU节点的发射功率的拉格朗日乘子。
为了在PU允许的最大干扰电平的约束条件下最大化则需求出目标函数的最大值，本发明采用一种次梯度更新方法来更新xz、yz：
当更新至目标函数的最佳值，此时PSU节点分配的最佳发射功率为：
下面结合实验对本发明的应用效果作详细的描述。
1实验仿真结果及分析
在实验部分，本发明采用了NS2网络仿真器搭建仿真场景，对算法进行编程仿真。对于取得的仿真结果，主要采用对比分析的方法来体现本发明算法的性能。所采用的对比算法为：文献[Shi S,Liang N,Gu X.A Resource Allocation Method of HeterogeneousWireless Cognitive Networks Based on Convex Optimization Theory[C]//Instrumentation and Measurement,Computer,Communication and Control(IMCCC),2014Fourth International Conference on.IEEE,2014:139-144.]中Zhang提出的基于集群的协作频谱感知分配策略算法，文献[Chen Y,Lei Q,Yuan X.Resource allocationbased on dynamic hybrid overlay/underlay for heterogeneous services ofcognitive radio networks[J].Wireless Personal Communications,2014,79(3):1647-1664.]中Bacci提出的基于QoS约束的能量感知竞争功率分配算法。所搭建的异构网络场景包括了3个CSU节点，5个PSU节点以及1个PU节点，仿真范围100m×100m，CSU节点和PSU节点的最大干扰功率为0.1W。信道矩阵遵循瑞利分布，并彼此独立。路径损耗指数为2，服从均值为0方差为4的高斯分布，噪声功率为10-5W/Hz，以下的实验结果若未特别说明，均为100次独立实验结果的均值。
在图2的实验中，本发明通过逐渐增加PSU节点的数量来得到算法频谱利用率的变化情况。从图中的数据可以看出，随着PSU节点数量的增加，算法的频率利用率逐渐提升，PSU节点数量的增多使得频谱资源的竞争加大，网络中存在的空闲频谱变少。本发明算法在PSU节点数量逐渐增加的情况下，频谱利用率可以达到92.0％，而文献[Shi S,Liang N,GuX.A Resource Allocation Method of Heterogeneous Wireless Cognitive NetworksBased on Convex Optimization Theory[C]//Instrumentation and Measurement,Computer,Communication and Control(IMCCC),2014Fourth International Conferenceon.IEEE,2014:139-144.]算法的频谱利用率最高才达到82.5％，文献[Chen Y,Lei Q,YuanX.Resource allocation based on dynamic hybrid overlay/underlay forheterogeneous services of cognitive radio networks[J].Wireless PersonalCommunications,2014,79(3):1647-1664.]算法的频谱率最高则达到了83.6％。由于本发明采用了结合CSU节点的协作频谱感知算法，在检测空闲信道上具有更高的准确率，并且能量检测阈值的设定节省了频谱感知的能耗。
图3显示了在PSU节点数量逐渐增多的情况下算法的数据传输速率情况，由图中的数据分布情况来看，算法的数据传输速率随着PSU数量的增多而逐渐降低，这是由于PSU节点数量的增多导致了信道占用的竞争加剧，而PSU节点的增多带来了更多的互相干扰情况，更多的数据碰撞使得重传次数增多，影响了数据的平均传输效率。从图中可以看出，虽然数据传输速率受到PSU节点数量增多的影响，但本发明算法的数据传输速率受到影响的程度相比文献[Shi S,Liang N,Gu X.A Resource Allocation Method of HeterogeneousWireless Cognitive Networks Based on Convex Optimization Theory[C]//Instrumentation and Measurement,Computer,Communication and Control(IMCCC),2014Fourth International Conference on.IEEE,2014:139-144.]和文献[Chen Y,LeiQ,Yuan X.Resource allocation based on dynamic hybrid overlay/underlay forheterogeneous services of cognitive radio networks[J].Wireless PersonalCommunications,2014,79(3):1647-1664.]要较小，其中本发明算法的数据传输速率最后保持在2.3kbps，而文献[Shi S,Liang N,Gu X.A Resource Allocation Method ofHeterogeneous Wireless Cognitive Networks Based on Convex Optimization Theory[C]//Instrumentation and Measurement,Computer,Communication and Control(IMCCC),2014Fourth International Conference on.IEEE,2014:139-144.]和文献[ChenY,Lei Q,Yuan X.Resource allocation based on dynamic hybrid overlay/underlayfor heterogeneous services of cognitive radio networks[J].Wireless PersonalCommunications,2014,79(3):1647-1664.]算法则分别为1.6kpbs和1.4kpbs。由于本发明算法采用了最大化数据速率的优化方程，在干扰约束的条件下可以为节点分配一个最大的传输速率，并且算法对干扰电平的有效约束可以减少数据碰撞的概率，减少数据包重传次数。
图4显示了在PSU节点数量增多的情况下网络吞吐量的变化情况。从图中可以看出，随着PSU节点数量的增多，网络吞吐量逐渐提升。从图4的数据结果来看，本发明算法的平均网络吞吐量相比文献[Shi S,Liang N,Gu X.A Resource Allocation Method ofHeterogeneous Wireless Cognitive Networks Based on Convex Optimization Theory[C]//Instrumentation and Measurement,Computer,Communication and Control(IMCCC),2014Fourth International Conference on.IEEE,2014:139-144.]和文献[ChenY,Lei Q,Yuan X.Resource allocation based on dynamic hybrid overlay/underlayfor heterogeneous services of cognitive radio networks[J].Wireless PersonalCommunications,2014,79(3):1647-1664.]分别提升了3.4％和1.5％。这是由于本发明所采用的功率分配算法在干扰约束的条件下可以最大化数据传输速率，通过更高的数据速率提高网络的吞吐量，并且减少干扰情况使得传输效率提升，单位时间内基站的流量达到率提升。
本发明通过对异构无线网络空闲信道检测及功率分配问题的研究，本发明提出了一种基于协作频谱感知和干扰约束的功率分配算法。针对节点在频谱感知上的准确度及能耗问题，本发明通过中心次用户节点协作其他次用户节点进行频谱感知，在提高频谱感知准确率的同时约束协作节点数量，减少能耗。为了提高网络吞吐量，采取了一种最佳发射功率分配算法，在干扰功率约束的条件下最大化数据传输速率。在实验仿真过程中，通过对比分析的方法，验证了本发明算法在提高频谱利用率、提升网络吞吐量上的有效性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于协作频谱感知和干扰约束的认知异构网络功率分配方法，其特征在于，所述基于协作频谱感知和干扰约束的认知异构网络功率分配方法的认知异构网络系统模型采用多个中心次用户节点协助其他节点进行频谱感知，CSU协作其他PSU节点进行频谱感知，并引入了能量检测阈值，在提高空闲信道检测准确率的同时节省检测能耗；采用最大化数据速率的联合优化方程，在干扰功率的限制约束下为节点分配最佳的发射功率，降低干扰程度并优化网络吞吐量；
所述能量检测阈值表示为：
<mrow> <msub> <mi>e</mi> <mi>T</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>S</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>Q</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
所述CSU节点分配的最佳发射功率为：
<mrow> <mtable> <mtr> <mtd> <mrow> <munder> <mi>max</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msubsup> <mi>v</mi> <mi>i</mi> <mi>C</mi> </msubsup> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mrow> <mo>(</mo> <mi>F</mi> <mn>1</mn> <mo>)</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>F</mi> <mn>2</mn> <mo>)</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
所述PSU节点分配的最佳发射功率为：
<mrow> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> </msubsup> <mo>=</mo> <msup> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>*</mo> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>z</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> <mo>;</mo> </mrow>
所述最大化数据速率的联合优化方程为：
<mrow> <mtable> <mtr> <mtd> <mrow> <munder> <mi>max</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msubsup> <mi>v</mi> <mi>z</mi> <mi>P</mi> </msubsup> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mrow> <mo>(</mo> <mi>F</mi> <mn>1</mn> <mo>)</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>F</mi> <mn>2</mn> <mo>)</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>.</mo> </mrow>
2.如权利要求1所述的基于协作频谱感知和干扰约束的认知异构网络功率分配方法，其特征在于，采用CSU协作其他PSU节点进行频谱感知，PSU节点i需要接入一个授权信道j，t作为时隙长度，Si t(j)、Qi t(j)分别表示PU在时隙t对信道j的占用/未占用状态，qi[j]表示节点i接收到来自主用户的信号，是带有零均值和方差为δi 2的随机过程；用ψi[j]来表示信道噪声，是带有零均值和方差为δu 2的高斯独立同分布的随机过程，对于信道被PU占用的情况，Si t(j)表示为：
Si t(j)＝qi[j]+ψi[j]；
对于信道未被PU占用的情况，Qi t(j)表示为：
Qi t(j)＝ψi[j]；
节点i进行频谱感知的能量消耗量表示为：
<mrow> <msub> <mi>e</mi> <mi>i</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>&amp;delta;</mi> <mi>f</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>z</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>&amp;delta;</mi> <mi>f</mi> </mrow> </munderover> <msubsup> <mi>S</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>S</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>&amp;delta;</mi> <mi>f</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>z</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>&amp;delta;</mi> <mi>f</mi> </mrow> </munderover> <msubsup> <mi>Q</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>Q</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow> 1
在Si t(j)、Qi t(j)下的ei分布是一个带有2δf自由度和非中心参数为2λi的非中心卡方分布；
ρZ(i)表示PSU节点i检测到信道被主用户占用的准确率：
<mrow> <msub> <mi>&amp;rho;</mi> <mi>Z</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <msqrt> <mfrac> <mrow> <msub> <mi>&amp;epsiv;</mi> <mi>i</mi> </msub> <mi>f</mi> </mrow> <mrow> <msup> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </msqrt> <mo>(</mo> <mrow> <mfrac> <msub> <mi>e</mi> <mi>T</mi> </msub> <mrow> <msup> <msub> <mi>&amp;delta;</mi> <mi>u</mi> </msub> <mn>2</mn> </msup> </mrow> </mfrac> <mo>-</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
eT表示能量检测阈值：
<mrow> <msub> <mi>e</mi> <mi>T</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>S</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>w</mi> <mi>h</mi> <mi>e</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>Q</mi> <mi>i</mi> <mi>t</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
基于CSU协作频谱感知下检测到信道被主用户占用的准确率：
<mrow> <mover> <mrow> <msub> <mi>&amp;rho;</mi> <mi>Z</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mo>=</mo> <mn>1</mn> <mo>-</mo> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>G</mi> </munderover> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;rho;</mi> <mi>Z</mi> </msub> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中G表示CSU节点的数量。
3.如权利要求2所述的基于协作频谱感知和干扰约束的认知异构网络功率分配方法，其特征在于，确定CSU和PSU的发射功率约束条件包括：
在网络中CSU节点i的最大发射功率为PSU节点z的最大发射功率为则节点i和节点z的最大发射功率约束分别为：
<mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msubsup> <mo>;</mo> </mrow>
<mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> </msubsup> <mo>;</mo> </mrow>
其中j表示信道，LC表示CSU节点的信道组，LP表示PSU节点的信道组；
网络中PU节点的数量为m，用分别表示CSU和PSU的干扰功率，则CSU、PSU的干扰功率约束分别为：
<mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>;</mo> </mrow>
<mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>;</mo> </mrow>
表示节点i在信道j的传输协方差矩阵，表示节点z在信道j的传输协方差矩阵；表示节点i到第b个PU的信道矩阵；
传输持续时间为T，CSU节点传输时隙ti的约束条件为：
<mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msub> <mi>t</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>T</mi> <mo>.</mo> </mrow>
4.如权利要求1所述的基于协作频谱感知和干扰约束的认知异构网络功率分配方法，其特征在于，所述CSU节点的最佳发射功率分配方法包括：
将最佳发射功率分配问题配制为方程组：
<mrow> <mtable> <mtr> <mtd> <mrow> <munder> <mi>max</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msubsup> <mi>v</mi> <mi>i</mi> <mi>C</mi> </msubsup> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mrow> <mo>(</mo> <mi>F</mi> <mn>1</mn> <mo>)</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>F</mi> <mn>2</mn> <mo>)</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>C</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
其中NCSU表示CSU节点的集合；
引入因子以及新的变量ξ，将CSU节点功率的优化调度问题转化为：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mi>&amp;xi;</mi> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mi>t</mi> </mrow> </mtd> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mi>t</mi> <mi>i</mi> </msub> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>&amp;le;</mo> <mi>&amp;xi;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>t</mi> <mi>i</mi> </msub> <mo>&gt;</mo> <mn>0</mn> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msub> <mi>t</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
接着本发明令ti＝eq，ξ＝ep，并将其代入，通过目标函数的自然对数得到：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>min</mi> <mi> </mi> <mi>p</mi> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mi>t</mi> </mrow> </mtd> <mtd> <mrow> <mi>ln</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <mfrac> <mn>1</mn> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> </mfrac> <msup> <mi>e</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>q</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo> </mrow> </msup> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <mi>ln</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <mfrac> <mn>1</mn> <msqrt> <mi>T</mi> </msqrt> </mfrac> <msup> <mi>e</mi> <mi>q</mi> </msup> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>C</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
通过求出的p值可以得到最小化的ξ，推导出最大的βi值，再根据求出CSU节点的最大化速率，从而求出CSU节点分配的最大发射功率
5.如权利要求1所述的基于协作频谱感知和干扰约束的认知异构网络功率分配方法，其特征在于，所述PSU节点的最佳发射功率分配方法包括：
PSU节点z基于最大化数据速率和功率约束条件的优化方程为：
<mrow> <mtable> <mtr> <mtd> <mrow> <munder> <mi>max</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> </mrow> </munder> <msubsup> <mi>v</mi> <mi>z</mi> <mi>P</mi> </msubsup> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mrow> <mo>(</mo> <mi>F</mi> <mn>1</mn> <mo>)</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mi>F</mi> <mn>2</mn> <mo>)</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <mo>|</mo> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mo>|</mo> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
若为已知时，PSU节点z在信道j的最佳发射协方差为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>*</mo> <mo>=</mo> <mo>&amp;lsqb;</mo> <mi>l</mi> <mi>n</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <msubsup> <mi>R</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>Y</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>z</mi> </msub> <mi>I</mi> <mo>+</mo> <msub> <mi>y</mi> <mi>z</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mi>I</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <msubsup> <mi>R</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>Y</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
xz、yz是分别对应于CSU节点和PSU节点的发射功率的拉格朗日乘子；
采用一种次梯度更新方法来更新xz、yz：
<mrow> <msub> <mi>x</mi> <mi>z</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msub> <mi>x</mi> <mi>z</mi> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <mo>(</mo> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>-</mo> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> </mrow> <mo>)</mo> <mo>;</mo> </mrow>
<mrow> <msub> <mi>y</mi> <mi>z</mi> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msub> <mi>y</mi> <mi>z</mi> </msub> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>L</mi> <mi>P</mi> </msub> </mrow> </munder> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>b</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msubsup> <mi>X</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>b</mi> </mrow> <mi>j</mi> </msubsup> <msubsup> <mi>R</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>Y</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>z</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>I</mi> <mi>m</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
当更新至目标函数的最佳值，此时PSU节点分配的最佳发射功率为：
<mrow> <msubsup> <mi>P</mi> <mi>max</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> </msubsup> <mo>=</mo> <msup> <msubsup> <mi>H</mi> <mrow> <mi>P</mi> <mo>,</mo> <mi>z</mi> </mrow> <mi>j</mi> </msubsup> <mo>*</mo> </msup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>z</mi> <mo>&amp;Element;</mo> <msub> <mi>N</mi> <mrow> <mi>P</mi> <mi>S</mi> <mi>U</mi> </mrow> </msub> <mo>.</mo> </mrow>
6.一种应用权利要求1～5任意一项所述基于协作频谱感知和干扰约束的认知异构网络功率分配方法的认知异构网络。
CN201710327178.0A 2017-05-10 2017-05-10 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 Expired - Fee Related CN107172704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710327178.0A CN107172704B (zh) 2017-05-10 2017-05-10 基于协作频谱感知和干扰约束的认知异构网络功率分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710327178.0A CN107172704B (zh) 2017-05-10 2017-05-10 基于协作频谱感知和干扰约束的认知异构网络功率分配方法

Publications (2)

Publication Number Publication Date
CN107172704A true CN107172704A (zh) 2017-09-15
CN107172704B CN107172704B (zh) 2020-09-08

Family

ID=59812796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710327178.0A Expired - Fee Related CN107172704B (zh) 2017-05-10 2017-05-10 基于协作频谱感知和干扰约束的认知异构网络功率分配方法

Country Status (1)

Country Link
CN (1) CN107172704B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107580327A (zh) * 2017-09-19 2018-01-12 中山大学新华学院 基于最佳频段选择的认知无线网络吞吐量优化算法
CN107920367A (zh) * 2017-11-20 2018-04-17 北京知道创宇信息技术有限公司 无线网络资源的优化方法、装置、电子设备及存储介质
CN108173610A (zh) * 2018-02-11 2018-06-15 南京邮电大学 基于二阶统计量的异构无线网络的协作式频谱感知方法
CN108809455A (zh) * 2018-06-08 2018-11-13 广西大学 基于网络编码的rfeh-cr数据传输时间分配方法
CN109586971A (zh) * 2018-12-14 2019-04-05 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN111935830A (zh) * 2020-06-03 2020-11-13 东南大学 一种基于匹配论的认知无线网络物理层安全传输方法
CN112350789A (zh) * 2020-12-22 2021-02-09 南京航空航天大学 一种能效最大化的认知车联网协作频谱感知功率分配方法
CN113472463A (zh) * 2021-06-30 2021-10-01 中国人民解放军国防科技大学 一种认知无线网络中次用户违反干扰约束行为的检测方法
CN113641186A (zh) * 2021-08-08 2021-11-12 中国航空工业集团公司沈阳飞机设计研究所 一种无人机编队射频兼容性设计方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070091998A1 (en) * 2005-10-21 2007-04-26 Wangmyong Woo Systems, Methods, and Apparatuses for Spectrum-Sensing Cognitive Radios
CN103702406A (zh) * 2013-12-30 2014-04-02 北京交通大学 异构网络中基于博弈论的联合用户功率和速率控制方法
CN104618912A (zh) * 2015-01-29 2015-05-13 南京理工大学 基于频谱感知的异构认知无线网络资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070091998A1 (en) * 2005-10-21 2007-04-26 Wangmyong Woo Systems, Methods, and Apparatuses for Spectrum-Sensing Cognitive Radios
CN103702406A (zh) * 2013-12-30 2014-04-02 北京交通大学 异构网络中基于博弈论的联合用户功率和速率控制方法
CN104618912A (zh) * 2015-01-29 2015-05-13 南京理工大学 基于频谱感知的异构认知无线网络资源分配方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107580327B (zh) * 2017-09-19 2020-09-29 中山大学新华学院 基于最佳频段选择的认知无线网络吞吐量优化方法
CN107580327A (zh) * 2017-09-19 2018-01-12 中山大学新华学院 基于最佳频段选择的认知无线网络吞吐量优化算法
CN107920367A (zh) * 2017-11-20 2018-04-17 北京知道创宇信息技术有限公司 无线网络资源的优化方法、装置、电子设备及存储介质
CN108173610A (zh) * 2018-02-11 2018-06-15 南京邮电大学 基于二阶统计量的异构无线网络的协作式频谱感知方法
CN108809455A (zh) * 2018-06-08 2018-11-13 广西大学 基于网络编码的rfeh-cr数据传输时间分配方法
CN108809455B (zh) * 2018-06-08 2021-01-08 广西大学 基于网络编码的rfeh-cr数据传输时间分配方法
CN109586971A (zh) * 2018-12-14 2019-04-05 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN109586971B (zh) * 2018-12-14 2021-06-15 广东外语外贸大学 一种基于线性关系的负载资源需求量评估方法
CN111935830B (zh) * 2020-06-03 2023-04-28 东南大学 一种基于匹配论的认知无线网络物理层安全传输方法
CN111935830A (zh) * 2020-06-03 2020-11-13 东南大学 一种基于匹配论的认知无线网络物理层安全传输方法
CN112350789A (zh) * 2020-12-22 2021-02-09 南京航空航天大学 一种能效最大化的认知车联网协作频谱感知功率分配方法
CN112350789B (zh) * 2020-12-22 2022-04-01 南京航空航天大学 一种基于能效最大化的认知IoV协作频谱感知功率分配算法
CN113472463A (zh) * 2021-06-30 2021-10-01 中国人民解放军国防科技大学 一种认知无线网络中次用户违反干扰约束行为的检测方法
CN113472463B (zh) * 2021-06-30 2023-06-16 中国人民解放军国防科技大学 一种认知无线网络中次用户违反干扰约束行为的检测方法
CN113641186A (zh) * 2021-08-08 2021-11-12 中国航空工业集团公司沈阳飞机设计研究所 一种无人机编队射频兼容性设计方法
CN113641186B (zh) * 2021-08-08 2023-11-28 中国航空工业集团公司沈阳飞机设计研究所 一种无人机编队射频兼容性设计方法

Also Published As

Publication number Publication date
CN107172704B (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN107172704A (zh) 基于协作频谱感知和干扰约束的认知异构网络功率分配方法
Budhiraja et al. Cross-layer interference management scheme for D2D mobile users using NOMA
Dai et al. Energy-efficient resource allocation for energy harvesting-based device-to-device communication
Liu et al. Reinforcement learning based dynamic spectrum access in cognitive internet of vehicles
CN112153744B (zh) 一种icv网络中物理层安全资源分配方法
Xiong et al. Towards 5G high mobility: A fairness-adjustable time-domain power allocation approach
Wang et al. User association in non-orthogonal multiple access networks
López et al. Genetic algorithm aided transmit power control in cognitive radio networks
Kumar et al. Energy-efficient resource optimization using game theory in hybrid NOMA assisted cognitive radio networks
Shi et al. Sparse code multiple access assisted resource allocation for 5G V2X communications
Hassan et al. Joint throughput-power optimization of fog-RAN using rate-splitting multiple access and reinforcement-learning based user clustering
Benamor et al. Mean field game-theoretic framework for distributed power control in hybrid noma
CN114423028A (zh) 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法
CN113453358A (zh) 一种无线携能d2d网络的联合资源分配方法
Jiang et al. Coalition game based full-duplex concurrent scheduling in millimeter wave wireless backhaul network
Zhao et al. Optimal resource allocation for random multiple access oriented SCMA-V2X networks
Li et al. A traffic flow-based and dynamic grouping-enabled resource allocation algorithm for LTE-D2D vehicular networks
Li et al. Multiuser power and channel allocation algorithm in cognitive radio
Zhang et al. Energy efficient resource allocation in non-cooperative multi-cell OFDMA systems
Banitalebi et al. Distributed Learning-Based Resource Allocation for Self-Organizing C-V2X Communication in Cellular Networks
CN104581910B (zh) 面向小区无定形覆盖的协作簇内小基站异步功率控制方法
Zhang et al. Reinforcement learning based RSS-threshold optimization for D2D-aided HTC/MTC in dense NOMA systems
CN106788937B (zh) 一种兼顾Massive MIMO系统总体性能和用户间公平性的导频分配方法
Kim Femtocell network power control scheme based on the weighted voting game
Jha et al. Joint resource and power allocation for 5G enabled D2D networking with NOMA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200731

Address after: 511300 1, Hua Shang Road, Licheng street, Zengcheng, Guangzhou, Guangdong

Applicant after: HUASHANG College GUANGDONG UNIVERSITY OF FINANCE & ECONOMICS

Address before: Rixin building, SuoLi village, Fuda Town, Meixian County, Guangzhou Province

Applicant before: Ye Shitong

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200908

Termination date: 20210510