CN109348481B - 认知无线电网络中的一种全双工协作非正交多址接入方法 - Google Patents

认知无线电网络中的一种全双工协作非正交多址接入方法 Download PDF

Info

Publication number
CN109348481B
CN109348481B CN201811148906.2A CN201811148906A CN109348481B CN 109348481 B CN109348481 B CN 109348481B CN 201811148906 A CN201811148906 A CN 201811148906A CN 109348481 B CN109348481 B CN 109348481B
Authority
CN
China
Prior art keywords
user
cognitive
signal
base station
detection
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
Application number
CN201811148906.2A
Other languages
English (en)
Other versions
CN109348481A (zh
Inventor
贾敏
王欣玉
郭庆
顾学迈
刘晓锋
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201811148906.2A priority Critical patent/CN109348481B/zh
Publication of CN109348481A publication Critical patent/CN109348481A/zh
Application granted granted Critical
Publication of CN109348481B publication Critical patent/CN109348481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

认知无线电网络中的一种全双工协作非正交多址接入方法，能够确保认知用户准确学习周围环境，充分利用客观存在的频谱空穴，并获得更好的系统性能，属于信息与通信技术领域。本发明包括：在认知无线电网络中，认知用户D1进行频谱检测，当检测到主用户D2，认知用户D1需要把接收到的主用户D2的信号译码出来，并将自己及主用户想要发送的信息一起以NOMA叠加信号的形式传输给基站BS，当未检测到主用户，认知用户会用自己所有的功率传输自己的信号传输至基站BS；认知用户D1采用全双工的工作模式：信号传输和频谱检测同时进行；基站BS对主用户和认知用户信号进行译码检测。

Description

认知无线电网络中的一种全双工协作非正交多址接入方法
技术领域
本发明涉及信息与通信技术领域，具体涉及认知无线电网络中的一种用户中继采用全双工工作模式的协作非正交多址接入方法。
背景技术
为了能够获得更高的频谱利用率，认知无线电(cognitive radio,CR)技术已经成为第五代(the fifth generation,5G)移动通信网络的一个关键技术。认知网络(cognitive radionetwork,CRN)可以分为两类：overlay模式和underlay模式。二者相比，采用了频谱检测技术的overlay由于充分利用了实际系统中客观存在的频谱空穴，性能更优。而它却不能像underlay那样能够保证认知用户(secondary user,SU)随时接入授权信道。经分析，认为overlay模式的缺点有三。第一，每一个时间周期都拆分为感知时间段和传输时间段。前者会导致时间资源的浪费和系统性能的损失，传输时间段中认知用户可能对主用户(primary user,PU)造成不可避免的干扰。第二，overlay模型从逻辑上讲是说不通的。主用户的授权频段是没有道理白白给认知用户使用的，何况还可能由于漏检情况的存在受到干扰的影响。第三，认知用户必须找到频谱空穴才能接入并传输信号。所以认知用户无法随时接入信道，会导致寻找空穴阶段出现的时延甚至通信中断的情况。
为了获得更高的频谱利用率，NOMA技术也发展成为了5G网络的关键技术。接收端采用串行干扰消除方法(successive interference cancellation,SIC)。在无线网络中，协作通信由于可以提供空间分集增益，削弱衰落的影响，同样受到了广泛的关注。因此，协作通信和NOMA技术的结合可以进一步提升系统在容量和可靠性方面的效率。现有的多数协作NOMA(cooperative NOMA,CNOMA)技术采用的是半双工(half-duplex,HD)协作方式。因而，CNOMA本应获得的容量和可靠性的提升是在由HD协作过程中的额外时间资源开销导致的频谱利用率降低的代价下达成的。而这样的代价可能削弱甚至完全损失掉协作通信的频谱利用率增益。
现有认知无线电网络存在以下三个问题。第一，每一个时间周期都拆分为感知时间段和传输时间段。前者会导致时间资源的浪费和系统性能的损失，传输时间段中认知用户可能对主用户造成不可避免的干扰。第二，overlay模型从逻辑上讲是说不通的。主用户的授权频段是没有道理白白给认知用户使用的，何况还可能由于漏检情况的存在受到干扰的影响。第三，认知用户必须找到频谱空穴才能接入并传输信号。所以认知用户无法随时接入信道，会导致寻找空穴阶段出现的时延甚至通信中断的情况。
发明内容
针对上述不足，本发明提供能够确保认知用户准确学习周围环境，充分利用客观存在的频谱空穴，并获得更好的系统性能的认知无线电网络中的一种全双工协作非正交多址接入方法。
本发明的认知无线电网络中的一种全双工协作非正交多址接入方法，所述方法包括如下步骤：
S1、在认知无线电网络中，认知用户D1首先根据预设的虚警概率，获取进行能量检测时的检测门限λFD；
S2、认知用户D1对主用户D2信号进行不间断的频谱检测，获取检测统计量yED；
S3、将S2中获取的yED与S1中获取的λFD进行大小比较，如果yED大，则判定主用户D2存在，转入S4；否则，判定主用户D2不存在，认知用户D1会用自己所有的功率传输自己的x1信号至基站BS；
S4、认知用户D1需要把接收到的主用户D2的信号x2译码出来，并将x1和x2一起以NOMA叠加信号的形式发送给基站BS；x1和x2分别表示认知用户D1和主用户D2想要传输的信息；
认知用户D1采用全双工的工作模式，在执行S3和S4进行信号传输的同时，执行S1和S2进行频谱检测；
S5、基站BS对主用户和认知用户信号进行译码检测：
首先，检测主用户信号，此时将认知用户信号当作干扰，检测主用户信号完成后，将NOMA叠加信号中的主用户信号剔除掉；
然后，检测剩余的认知用户信号，当认知用户D1发送的是自己的信号时，基站BS直接从接收信号中检测认知用户信号。
优选的是，主用户D2和基站BS之间不存在直接链路时，认知用户D1检测到主用户D2的情况下，认知用户D1中断概率
Figure BDA0001817474500000021
的闭环表达式为：
Figure BDA0001817474500000022
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，|h1|2、|h2|2和|h0|2的参数分别为Ωi，i∈{0,1,2}，
Figure BDA0001817474500000031
表示信噪比，
Figure BDA0001817474500000032
R1和R2是基站BS分别检测信号x1和x2时的目标速率；a1和a2分别表示信号x1和x2的功率分配系数。
优选的是，主用户D2和基站BS之间不存在直接链路时，认知用户D1在未检测到主用户D2的情况下，认知用户D1的中断概率
Figure BDA0001817474500000033
的闭环表达式为：
Figure BDA0001817474500000034
其中，
Figure BDA0001817474500000035
Figure BDA0001817474500000036
表示预设的虚警概率；h1代表链路D1→BS的信道系数，信道功率增益|h1|2是指数分布的随机变量，其参数为Ω1，
Figure BDA0001817474500000037
表示信噪比，
Figure BDA0001817474500000038
a1和a2分别表示信号x1和x2的功率分配系数。
优选的是，主用户D2和基站BS之间不存在直接链路时，认知用户D1检测到主用户D2的情况下，主用户D2的中断概率
Figure BDA0001817474500000039
的闭环表达式为：
Figure BDA00018174745000000310
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，|h1|2、|h2|2和|h0|2的参数分别为Ωi，i∈{0,1,2}，
Figure BDA00018174745000000311
表示信噪比，
Figure BDA00018174745000000312
a1和a2分别表示信号x1和x2的功率分配系数，
Figure BDA00018174745000000313
表示自干扰信号的比例系数，该自干扰信号和认知用户发送的信号成正比。
优选的是，主用户D2和基站BS之间不存在直接链路时：
认知用户D1检测到主用户D2的情况下，认知用户D1的分集阶数为1；
认知用户D1检测到主用户D2的情况下，认知用户D1的分集阶数为0；
认知用户D1在未检测到主用户D2的情况下，认知用户D1的分集阶数为1。
优选的是，主用户D2和基站BS之间存在直接链路时，认知用户D1检测到主用户D2的情况下，认知用户D1的中断概率
Figure BDA0001817474500000041
的闭环表达式为：
Figure BDA0001817474500000042
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，|h1|2、|h2|2和|h0|2的参数分别为Ωi，i∈{0,1,2}，
Figure BDA0001817474500000043
表示信噪比，
Figure BDA0001817474500000044
a2>a1T2，
Figure BDA0001817474500000045
Figure BDA0001817474500000046
Figure BDA0001817474500000047
Figure BDA0001817474500000048
Figure BDA0001817474500000049
a1和a2分别表示信号x1和x2的功率分配系数。
优选的是，主用户D2和基站BS之间存在直接链路时，认知用户D1检测到主用户D2的情况下，主用户D2的中断概率
Figure BDA0001817474500000051
的闭环表达式为：
Figure BDA0001817474500000052
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，|h1|2、|h2|2和|h0|2的参数分别为Ωi，i∈{0,1,2}，
Figure BDA0001817474500000053
表示信噪比，
Figure BDA0001817474500000054
R1和R2是基站BS分别检测信号x1和x2时的目标速率；
Figure BDA0001817474500000055
表示自干扰信号的比例系数，该自干扰信号和认知用户发送的信号成正比；
Figure BDA0001817474500000056
Figure BDA0001817474500000057
公式一，其中
Figure BDA0001817474500000058
Figure BDA0001817474500000059
a1和a2分别表示信号x1和x2的功率分配系数；
设定上式中τ2＝T1＝0，获得J1′2。
优选的是，主用户D2和基站BS之间存在直接链路时：
认知用户D1的分集阶数为1，认知用户D2的分集阶数为1。
本发明的有益效果在于，本发明针对用户中继采用全双工工作模式的认知无线电网络，给出了一种协作非正交多址接入方法。本发明通过采用频谱检测技术，能够确保认知用户准确学习周围环境，充分利用客观存在的频谱空穴，并获得更好的系统性能。通过采用FD模式和协作NOMA方法，本发明能够克服典型认知无线电的固有缺陷。而后，深入研究了两种协作中继场景，即基站和主用户之间不存在直接链路和存在直接链路。考虑非理想频谱检测，分析主用户存在和不存在两种假设下本发明方法的中断性能。利用概率论、信号检测理论、随机信号分析等方法，推导了每一个用户的中断概率的精确值和渐近值的闭环表达式。在常见信噪比区域内，本发明的接入方法的中断性能要优越于两个对比方案，即采用了半双工模式和正交多址接入的方案。
附图说明
图1是本发明考虑的系统模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
结合图1说明本实施方式，本实施方式中一种认知无线电网络中的一种全双工协作非正交多址接入方法，所述方法包括如下步骤：步骤一、认知网络中的主用户根据自身需求，使用或不使用授权频谱，即广播或不广播主用户信号。
步骤二、在认知无线电网络中，认知用户首先根据预设的虚警概率
Figure BDA0001817474500000061
计算出进行能量检测时的检测门限λFD。计算方法如下：
Figure BDA0001817474500000062
其中，K表示采样点数，Q(·)表示Marqum Q-函数，而Q-1(·)指的是它的反函数；ρ表示信噪比。N0表示认知用户接收到的加性高斯白噪声的平均功率；自干扰信号是一个和认知用户发送的信号成正比的信号，比例系数是
Figure BDA0001817474500000063
步骤三、认知用户对主用户信号进行不间断的频谱检测，时刻监测主用户是否出现。具体来说，根据下式(2)计算检测统计量yED；
Figure BDA0001817474500000064
其中，
Figure BDA0001817474500000065
表示第k个时刻时，认知用户D1接收到的信号采样值；
步骤四、将步骤三中计算得到的检测统计量和步骤二获得的门限进行大小比较。如果yED更大，则判定主用户存在；否则，判定主用户D2不存在；
步骤五、根据步骤四给出的频谱检测的结果，确定认知用户实时发送的信号形式；如果频谱检测结果显示主用户D2是存在的，那么D1需要把接收到的D2信号译码出来，并将x1和x2一起以NOMA叠加信号的形式发送给基站；x1和x2表示D1和D2想要传输的信息。发送的NOMA信号形式为
Figure BDA0001817474500000071
其中，Pr表示D1的归一化了的传输功率。a1和a2分别表示信号x1和x2的功率分配系数。不失一般性，本实施方式假设a2>a1。根据NOMA的接入准则，有a1+a2＝1。
如果检测结果认为D2信号不存在，那么D1会用自己所有的功率传输自己的x1信号。此时发送的信号为
Figure BDA0001817474500000072
需要指出的是，认知用户D1采用全双工的工作模式，因而频谱检测和信号传输是同时发生的。
步骤六、基站对主用户和认知用户信号进行译码检测。当认知用户发送的是NOMA信号时，基站需要用SIC(串行干扰消除，Successive？Interference？Cancellation)的思想进行逐个译码。具体来说，首先检测功率分配系数更大的主用户信号，此时将认知用户信号当作干扰。检测完成后，将NOMA叠加信号中的主用户信号剔除掉，再检测剩余的认知用户信号。当认知用户发送的是自己的信号时，基站直接从接收信号中检测认知用户信号即可。
从优化系统性能角度考虑，本实施方式提出的接入方法引入频谱检测技术，并通过采用协作非正交多址接入技术(non-orthogonal multiple access,NOMA)和全双工(full-duplex,FD)技术成功解决这些overlay模式的固有缺陷，达到兼有overlay和underlay二者优点的目标。
本实施方式考虑的是认知网络中的全双工协作NOMA系统。其中有一个基站和两个用户D1和D2。图1以上行为例给出了本发明研究的系统模型。距离基站较远的主用户D2试图在较近的用户D1(从用户SU)的协助下和基站BS通信。考虑了两种场景：基站BS和D2之间不存在直接链路和存在直接链路。D1是用户中继。为了实现全双工通信，D1配有一个发射天线和一个接收天线。而基站和D2都只有一个天线。假设基站、D1和D2之间所有的无线链路都符合独立非选择性瑞利衰落。而且都受到平均功率为N0的加性高斯白噪声的干扰。h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数。那么信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，它们的参数分别为Ωi(i∈{0,1,2})。自干扰(loop self-interference,LI)信号xLI是一个和D1发送的信号
Figure BDA0001817474500000081
成正比的信号，比例系数是
Figure BDA0001817474500000082
本实施方式分别用x1和x2表示D1和D2想要传输的信息。需要说明的是，假设x1和x2都是归一化了的单位功率信号，也就是
Figure BDA0001817474500000083
E[·]表示计算数学期望。
本实施方式的接入方法简称为CFR-CNOMA，其中的D1采用FD模式。D1检测和接收x2的同时发送信号x1和x2(或者只发送x1)。为了使得分析推导过程更加简洁，本实施方式认为频谱检测时，D1采用了广泛应用的能量检测法(energy detection,ED)。而事实上，任何一种频谱检测方法都是适用的。具体来说，整个接入过程可以描述如下。D1不间断对D2的信号进行能量检测以判定D2是否存在。如果频谱检测结果显示D2是存在的，那么D1需要将接收到的D2信号译码出来，并将x1和x2一起以NOMA叠加信号形式发送给BS。如果检测结果认为D2信号不存在，那么D1会用自己所有的功率传输自己的x1信号。这样一来，同时检测同时传输的特性解决了前文分析的传统CR的第一个缺陷。D1辅助D2的这一协作特性导致两用户双赢的结果，解决了第二个缺陷。采用NOMA信号形式，使得D1可以随时接入当前信道，解决了第三个缺陷。由于本实施方式考虑了非理想频谱检测，所有推导过程需要分两种假设进行讨论，即主用户存在(H1)和主用户不存在(H0)。具体来说，可进一步分为四种情况，即主用户存在并被检测到(E1)、主用户存在却由于可能出现的错误的检测结果导致没被检测到(E2)、主用户不存在却错误地被检测到了(E3)和主用户不存在也没被检测到(E4)。
D1同时接收D2的信号、自干扰信号xLI和噪声信号
Figure BDA0001817474500000084
D1处观测到的信号为
Figure BDA0001817474500000085
其中
Figure BDA0001817474500000086
Ps和Pr表示D2和D1的归一化了的传输功率。a1和a2分别表示信号x1和x2的功率分配系数。不失一般性，本实施方式假设a2>a1。根据NOMA的一般接入准则，有a1+a2＝1。因此，D1检测x2时的信干噪比(signal tointerference and noise ratio,SINR)是
Figure BDA0001817474500000087
其中
Figure BDA0001817474500000088
表示SNR。D1发送的叠加NOMA信号是
Figure BDA0001817474500000089
那么BS接收到的信号为
Figure BDA00018174745000000810
其中nBS表示BS处的噪声信号。根据NOMA准则，BS采用SIC方法。BS在检测x2时的接收SINR为
Figure BDA0001817474500000091
在SIC之后，BS检测信号x1时的接收SNR为
Figure BDA0001817474500000092
以上的分析都是在没有直接链路的场景下完成的。
在存在直接链路场景中，直接链路上BS检测信号x2时的接收SNR为
Figure BDA0001817474500000093
为了和前面的场景进行区分，令
Figure BDA0001817474500000094
表示中继链路上BS检测信号x2的时候的接收SINR。在最大比合并(maximal ratio combing,MRC)之后，BS处的接收SINR为
Figure BDA0001817474500000095
在E2、E3和E4情况下的SINR值都可以用类似分析方法各自根据具体的信号形式求解。
当用户的目标数据速率是根据其服务质量(quality of service,QoS)决定的时候，中断概率就成为了一个非常重要的衡量系统性能的标准。下面给出本发明提出的CFR-CNOMA方案的中断性能分析。
A.不存在直接链路场景
1)D1的中断概率
a)在H1假设下D1的中断概率：H1假设包括两个情形，E1和E2。首先，根据NOMA准则，E1情形下用户D1通信中断发生的补事件是：BS能够检测到D1译码获得的信号以及D1自己的信号x1。根据这样的事件描述和前文给出的SINR值，E1情况下用户D1的中断概率计算方法为：
Figure BDA0001817474500000096
其中，
Figure BDA0001817474500000097
R1和R2是BS检测信号x1和x2时的目标速率。
Figure BDA0001817474500000098
Figure BDA0001817474500000099
表示D1的检测概率，此检测概率和|h2|2有关。注意，(4)是在a2>a1T2的假设下计算的。然后是E2情况下的计算，此时频谱检测发生了漏检。根据前文中关于本实施方式提出的接入方法的描述，此情况下D1只传输自己的信号x1。那么只要BS没能检测出信号x1，就会发生传输中断。用
Figure BDA00018174745000000910
表示D1处的漏检概率，那么有
Figure BDA00018174745000000911
据此，下面给出了在H1假设下用户D1的中断概率。
Figure BDA0001817474500000101
其中，
Figure BDA0001817474500000102
表示|h2|2的概率密度函数。
Figure BDA0001817474500000103
的计算方法则可以在下面给出的证明中找到。
考虑到|h2|2是一个RV，所以在(4)和(5)的基础上可得E1和E2结合的场景(H1假设)下的D1的中断概率
Figure BDA0001817474500000104
为(6)。那么(6)中的关键是计算
Figure BDA0001817474500000105
这里为了便于后面推导D2的中断概率，推导一个更加一般的形式(8)。
Figure BDA0001817474500000106
从数值角度说，将T2＝0代入(8)便能够得到(7)的计算结果。下面开始推导，先给出频谱检测相关算式。根据中心极限定理，检测概率为
Figure BDA0001817474500000107
其中，K表示采样点数，
Figure BDA0001817474500000108
是能量检测时系统预设的虚警概率。Q(·)表示Marqum Q-函数，而Q-1(·)指的是它的反函数。所以，将(9)代入(8)，(8)转换为了
Figure BDA0001817474500000109
令
Figure BDA00018174745000001010
则(10)变换为
Figure BDA00018174745000001011
其中，为便于推导，令(11)中的
Figure BDA00018174745000001012
根据相关数学积分公式，本实施方式获得了(8)的计算结果，即(12)。
Figure BDA0001817474500000111
其中，u＝T2+1，
Figure BDA0001817474500000112
最后，将(12)中的T2赋值为0，再把结果代入(6)就完成了中断概率
Figure BDA0001817474500000113
的求解。证明完毕。
b)在H0假设下D1的中断概率：H0包括E3和E4两个情况。在E3情况下，即使不存在主用户，但由于发生虚警，D1的ED频谱检测结果认为存在x2，所以D1会误将接收到的噪声x′2认作主用户的信号。BS需要先译码得到信号x′2，才能检测到自己想要的信息x1。而在E4情况下，D1只传输自己的信号x1。所以在E4情况下用户D1的传输中断事件是：BS不能检测到信号x1。那么综合来看在H0假设下，D1的中断概率为
Figure BDA0001817474500000114
其中，
Figure BDA0001817474500000115
2)D2的中断概率
a)在H1假设下D2的中断概率：在E1情况下D2发生中断的补事件是：D1和BS都能成功地检测到x2。据此，在E1情况下D2的中断概率为
Figure BDA0001817474500000116
在E2情况下，D1在进行ED时没能检测到x2的存在，所以只传输x1。所以，本实施方式有
Figure BDA0001817474500000117
结合来看，看来到|h2|2是一个随机变量，在H1假设下用户D2的中断概率为
Figure BDA0001817474500000121
其中，
Figure BDA0001817474500000122
可以利用(12)计算获得。
b)在H0假设下D2的中断概率：由于D2在此假设下不存在，因而对其中断概率的计算无意义。
3)分集阶数分析：为了对中断性能进行更加深入的研究，下面给出了高SNR区域内中断概率的渐近值。并据此计算各个用户的分集阶数。分集阶数的计算方法为
Figure BDA0001817474500000123
其中，Dξ指的是用户D1或D2。
a)H1假设下D1的分集阶数：当时ρ→∞，有e-x≈1-x。基于此，根据(6)中的分析结果，在H1假设下用户D1的渐进中断概率可以写为
Figure BDA0001817474500000124
ρ→∞时，将
Figure BDA0001817474500000125
代入(12)即可获得
Figure BDA0001817474500000126
的近似值。为便于叙述，用Q1表示这个渐近值。通过具体的代入计算，发现Q1是一个与ρ无关的常数。那么进一步化简
Figure BDA0001817474500000127
有，
Figure BDA0001817474500000128
将(17)代入(16)，得
Figure BDA0001817474500000129
b)H0假设下D1的分集阶数：首先依然要先计算概率渐近值
Figure BDA00018174745000001210
当ρ→∞时，利用近似关系式e-x≈1-x，根据(13)，可得
Figure BDA00018174745000001211
将(18)代入(16)，得
Figure BDA00018174745000001212
c)H1假设下D2的分集阶数：根据(15)给出的分析结果，当ρ→∞时，同样要近似关系式e-x≈1-x，那么H1假设下用户D2的渐进中断概率为
Figure BDA00018174745000001213
同样地，在此场景下，把
Figure BDA0001817474500000131
代入到(12)中后得知
Figure BDA0001817474500000132
的渐近值是一个常数，为便于叙述将其写作Q2。Q2同样独立于ρ。在对于(19)进行进一步的计算后，有
Figure BDA0001817474500000133
将(20)代入(16)得
Figure BDA0001817474500000134
d)H0假设下D2的分集阶数：由于D2在此假设下不存在，因而对其分集阶数的计算无意义。
B.存在直接链路场景
在本部分中，BS和D2之间存在一条直接链路用于传输信息。在H0假设下有无直接链路是没有什么区别的。因此，这里本实施方式只进行H1假设下的推导。
1)在H1假设下D1的中断概率：在E1情况下，D1发生中断的补事件和不存在直接链路的场景下是一样的，只不过由直接链路的出现导致相应SINR值发生变化。具体计算过程自然不同。为了叙述更加简洁，而且考虑到这里的概率计算方法和上一场景类似，只不过更加繁琐，下面只给出简单的推导。E1情况下D1的中断概率可以利用(21)计算。
Figure BDA0001817474500000135
其中，
Figure BDA0001817474500000136
和随机变量|h2|2有关。而且，
Figure BDA0001817474500000137
其中，
Figure BDA0001817474500000138
需要注意的是(21)是在a2>a1T2的前提下进行推导的。但
Figure BDA0001817474500000139
需要根据系统具体的初始设置计算，具体计算过程如下式(23)所示。
Figure BDA0001817474500000141
其中，
Figure BDA0001817474500000142
Figure BDA0001817474500000143
在E2情况下，D1的中断事件和没有直接链路场景仍然是一样的。因而，
Figure BDA0001817474500000144
那么H1假设下，根据(21)和(24)推导的结果，计算D1的中断概率为(25)。
Figure BDA0001817474500000145
其中，J12和J22分别根据(22)和(23)计算的。而
Figure BDA0001817474500000146
和
Figure BDA0001817474500000147
是利用(12)获得的。
2)在H1假设下D2的中断概率：在E1情况下，D2的中断发生的补事件描述如下。D1能够检测到x2，而且BS在经过MRC之后也能够检测到x2。或者D1没能检测到x2，但BS仅仅利用直接链路也检测到了x2。所以，
Figure BDA0001817474500000148
其中，
Figure BDA0001817474500000149
而且
Figure BDA00018174745000001410
它们都和随机变量|h2|2有关。
Figure BDA00018174745000001411
经过复杂繁琐的概率计算，得知仅仅从数值角度说，J′12等于将τ2＝T1＝0代入(23)的计算结果。在E2情况下，虽然D1没有检测到x2，但BS仍然可能通过直接链路检测到D2。所以中断概率仍有意义，计算方法为
Figure BDA0001817474500000151
那么结合来看，在H1假设下，本实施方式有
Figure BDA0001817474500000152
同样，把推导结果(12)代入(27)后，便能够计算H1假设下的D2的中断概率
Figure BDA0001817474500000153
的闭环精确值了。
3)分集阶数分析
a)H1假设下D1的分集阶数：首先，本实施方式关注在ρ→∞时
Figure BDA0001817474500000154
的渐进结果，即
Figure BDA0001817474500000155
Figure BDA0001817474500000156
将(28)代入(16)得
Figure BDA0001817474500000157
b)H1假设下D2的分集阶数：
Figure BDA0001817474500000158
的渐进结果如下。
Figure BDA0001817474500000159
将(29)代入(16)得
Figure BDA00018174745000001510
通过仿真实验验证在前面推导的各个中断概率闭环表达式。为了保证可比性，两个对比方法(半双工模式方案和正交多址接入方案)的具体接入步骤和本发明方法是一致的。只不过它们的用户中继分别工作在半双工模式和正交多址接入方式下进行接收、检测和发送信号。本实施方式的性能比两个对比方法更加优越的信噪比范围指的是大约是小于21dB的区域。考虑到具体应用中，这样的范围几乎涵盖了绝大多数实际系统，所以本发明接入方案不仅可以解决上述的三个认知网络的固有缺陷，中断性能还好，使用范围很广。本发明接入方法在信噪比小于大概24dB的常见信噪比范围内都能够获得相比于对比方案更加优秀的中断性能。这样的信噪比范围同样覆盖了绝大多数实际应用场景。
本发明具有以下特点和显著进步：
1、本发明的中断性能要明显好于采用半双工的对比方案，也好于采用正交多址接入的对比方案。
2、本发明通过采用频谱检测技术，确保认知用户准确学习周围环境，充分利用客观存在的频谱空穴，并获得更好的系统性能。
3、本发明通过采用全双工工作模式和协作非正交多址接入的方法，能够克服典型认知网络的三个固有缺陷。第一，每一个时间周期都拆分为感知时间段和传输时间段。前者会导致时间资源的浪费和系统性能的损失，传输时间段中认知用户可能对主用户(primaryuser,PU)造成不可避免的干扰。第二，overlay模型从逻辑上讲是说不通的。主用户的授权频段是没有道理白白给认知用户使用的，何况还可能由于漏检情况的存在受到干扰的影响。第三，认知用户必须找到频谱空穴才能接入并传输信号。所以认知用户无法随时接入信道，会导致寻找空穴阶段出现的时延甚至通信中断的情况。

Claims (8)

1.认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，所述方法包括如下步骤：
S1、在认知无线电网络中，认知用户D1首先根据预设的虚警概率
Figure FDA0003642231310000011
获取进行能量检测时的检测门限λFD；
Figure FDA0003642231310000012
K表示采样点数，Q(·)表示Marqum Q-函数，Q-1(·)指的是Q(·)的反函数；ρ表示信噪比；N0表示认知用户接收到的加性高斯白噪声的平均功率；ΩLI表示自干扰信号的比例系数；
S2、认知用户D1对主用户D2信号进行不间断的频谱检测，获取检测统计量yED；
Figure FDA0003642231310000013
Figure FDA0003642231310000014
表示第k个时刻时，认知用户D1接收到的信号采样值；
S3、将S2中获取的yED与S1中获取的λFD进行大小比较，如果yED大，则判定主用户D2存在，转入S4；否则，判定主用户D2不存在，认知用户D1会用自己所有的功率传输自己的x1信号至基站BS；
S4、认知用户D1需要把接收到的主用户D2的信号x2译码出来，并将x1和x2一起以NOMA叠加信号的形式发送给基站BS；x1和x2分别表示认知用户D1和主用户D2想要传输的信息；
认知用户D1采用全双工的工作模式，在执行S3和S4进行信号传输的同时，执行S1和S2进行频谱检测；
S5、基站BS对主用户和认知用户信号进行译码检测：
首先，检测主用户信号，此时将认知用户信号当作干扰，检测主用户信号完成后，将NOMA叠加信号中的主用户信号剔除掉；
然后，检测剩余的认知用户信号，当认知用户D1发送的是自己的信号时，基站BS直接从接收信号中检测认知用户信号。
2.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间不存在直接链路时，认知用户D1检测到主用户D2的情况下，认知用户D1中断概率
Figure FDA0003642231310000015
的闭环表达式为：
Figure FDA0003642231310000021
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2分别代表链路D1→BS、D2→D1的信道系数，信道功率增益|h1|2是指数分布的随机变量，|h1|2的参数为Ω1，
Figure FDA0003642231310000022
R1和R2是基站BS分别检测信号x1和x2时的目标速率；a1和a2分别表示信号x1和x2的功率分配系数。
3.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间不存在直接链路时，认知用户D1在未检测到主用户D2的情况下，认知用户D1的中断概率
Figure FDA0003642231310000023
的闭环表达式为：
Figure FDA0003642231310000024
其中，
Figure FDA0003642231310000025
h1代表链路D1→BS的信道系数，信道功率增益|h1|2是指数分布的随机变量，其参数为Ω1，
Figure FDA0003642231310000026
a1和a2分别表示信号x1和x2的功率分配系数，R1和R2是基站BS分别检测信号x1和x2时的目标速率。
4.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间不存在直接链路时，认知用户D1检测到主用户D2的情况下，主用户D2的中断概率
Figure FDA0003642231310000027
的闭环表达式为：
Figure FDA0003642231310000028
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2分别代表链路D1→BS、D2→D1的信道系数，信道功率增益|h1|2是指数分布的随机变量，其参数为Ω1，
Figure FDA0003642231310000029
a1和a2分别表示信号x1和x2的功率分配系数，R2是基站BS分别检测信号x2时的目标速率。
5.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间不存在直接链路时：
认知用户D1检测到主用户D2的情况下，认知用户D1的分集阶数为1；
认知用户D1检测到主用户D2的情况下，认知用户D1的分集阶数为0；
认知用户D1在未检测到主用户D2的情况下，认知用户D1的分集阶数为1。
6.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间存在直接链路时，认知用户D1检测到主用户D2的情况下，认知用户D1的中断概率
Figure FDA0003642231310000031
的闭环表达式为：
Figure FDA0003642231310000032
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2、|h2|2和|h0|2是指数分布的随机变量，|h1|2和|h0|2的参数分别为Ω1和Ω0，
Figure FDA0003642231310000033
Figure FDA0003642231310000034
a2＞a1T2，
Figure FDA0003642231310000035
Figure FDA0003642231310000036
Figure FDA0003642231310000037
Figure FDA0003642231310000038
Figure FDA0003642231310000039
a1和a2分别表示信号x1和x2的功率分配系数，R1和R2是基站BS分别检测信号x1和x2时的目标速率。
7.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间存在直接链路时，认知用户D1检测到主用户D2的情况下，主用户D2的中断概率
Figure FDA0003642231310000041
的闭环表达式为：
Figure FDA0003642231310000042
其中，QFD(x)是认知用户进行频谱检测得到的检测概率，f(x)表示|h2|2的概率密度函数，h1、h2和h0分别代表链路D1→BS、D2→D1和D2→BS的信道系数，信道功率增益|h1|2和|h0|2是指数分布的随机变量，|h1|2和|h0|2的参数分别为Ω1和Ω0，
Figure FDA0003642231310000043
R1和R2是基站BS分别检测信号x1和x2时的目标速率；
Figure FDA0003642231310000044
Figure FDA0003642231310000045
公式一，其中
Figure FDA0003642231310000046
Figure FDA0003642231310000047
a1和a2分别表示信号x1和x2的功率分配系数；
设定公式一中τ2＝T1＝0，获得J′12。
8.根据权利要求1所述的认知无线电网络中的一种全双工协作非正交多址接入方法，其特征在于，主用户D2和基站BS之间存在直接链路时：
认知用户D1的分集阶数为1，认知用户D2的分集阶数为1。
CN201811148906.2A 2018-09-29 2018-09-29 认知无线电网络中的一种全双工协作非正交多址接入方法 Active CN109348481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811148906.2A CN109348481B (zh) 2018-09-29 2018-09-29 认知无线电网络中的一种全双工协作非正交多址接入方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811148906.2A CN109348481B (zh) 2018-09-29 2018-09-29 认知无线电网络中的一种全双工协作非正交多址接入方法

Publications (2)

Publication Number Publication Date
CN109348481A CN109348481A (zh) 2019-02-15
CN109348481B true CN109348481B (zh) 2022-07-12

Family

ID=65307575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811148906.2A Active CN109348481B (zh) 2018-09-29 2018-09-29 认知无线电网络中的一种全双工协作非正交多址接入方法

Country Status (1)

Country Link
CN (1) CN109348481B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110519837B (zh) * 2019-03-01 2022-06-17 南京邮电大学 下行合作非正交多址接入系统资源分配方法
CN110212967B (zh) * 2019-04-26 2021-10-12 西安电子科技大学 基于noma的全双工中继协作通信系统性能优化方法
CN114338331A (zh) * 2021-11-19 2022-04-12 焦作千业水泥有限责任公司 Iqi条件下认知无线电的环境背向散射noma的通信方法
CN114337877B (zh) * 2022-01-10 2024-07-02 中通服中睿科技有限公司 基于全双工中继的cr-noma通信系统性能优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016072532A1 (ko) * 2014-11-04 2016-05-12 엘지전자 주식회사 Fdr 전송을 지원하는 무선접속시스템에서 신호를 수신하는 방법 및 장치
WO2016143966A1 (ko) * 2015-03-09 2016-09-15 엘지전자 주식회사 Fdr 방식을 지원하는 무선통신 시스템에서 hd 모드 또는 fd 모드를 선택하는 방법 및 이를 위한 장치
CN107087274A (zh) * 2017-05-15 2017-08-22 华中科技大学 一种基于d2d和上行noma的两用户通信方法
CN107222907A (zh) * 2017-05-10 2017-09-29 华中科技大学 基于上行非正交多址中继辅助的蜂窝网络传输方法
CN108512585A (zh) * 2018-04-04 2018-09-07 哈尔滨工业大学 基于功率域非正交多址接入技术的动态协作中继传输方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10136462B2 (en) * 2014-04-17 2018-11-20 Lg Electronics Inc. Method for determining resource for transmitting signal in wireless communications system and apparatus therefor

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016072532A1 (ko) * 2014-11-04 2016-05-12 엘지전자 주식회사 Fdr 전송을 지원하는 무선접속시스템에서 신호를 수신하는 방법 및 장치
WO2016143966A1 (ko) * 2015-03-09 2016-09-15 엘지전자 주식회사 Fdr 방식을 지원하는 무선통신 시스템에서 hd 모드 또는 fd 모드를 선택하는 방법 및 이를 위한 장치
CN107222907A (zh) * 2017-05-10 2017-09-29 华中科技大学 基于上行非正交多址中继辅助的蜂窝网络传输方法
CN107087274A (zh) * 2017-05-15 2017-08-22 华中科技大学 一种基于d2d和上行noma的两用户通信方法
CN108512585A (zh) * 2018-04-04 2018-09-07 哈尔滨工业大学 基于功率域非正交多址接入技术的动态协作中继传输方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"170729_TTBB_report_v1.0".《3GPP tsg_ran\WG1_RL1》.2017, *
MA全双工多放大转发中继系统性能分析;石伟，等;《无线通信技术》;20190915;全文 *
Zhengquan Zhang ; et al.Full-Duplex Device-to-Device-Aided Cooperative Nonorthogonal Multiple Access.《IEEE Transactions on Vehicular Technology》.2016, *

Also Published As

Publication number Publication date
CN109348481A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN109348481B (zh) 认知无线电网络中的一种全双工协作非正交多址接入方法
Jiang et al. Covert communications in D2D underlaying cellular networks with power domain NOMA
CN108834113B (zh) 一种面向5g蜂窝网物理层安全的d2d隐蔽通信系统及其通信方法
CN102571241B (zh) 一种改进的双门限协作频谱感知方法
US8175191B2 (en) Combined sensing methods for cognitive radio
CN102118199B (zh) 基于空时分集的多天线频谱感知方案的实现方法
Sakran et al. Hard and softened combination for cooperative spectrum sensing over imperfect channels in cognitive radio networks
CN108834150B (zh) 半双工工作模式下的认知-协作非正交多址接入方法
US20200169883A1 (en) Security Detection Method for Physical Layer Authentication System
CN105959246B (zh) 一种抗干扰方法
CN101729164B (zh) 无线资源分配方法和认知无线电用户设备
CN101815312A (zh) 一种基于自适应数据融合的协作频谱检测方法
Liu et al. On the performance of uplink and downlink integrated sensing and communication systems
CN102209364A (zh) 认知无线电通信系统中的多用户接纳控制方法及系统
Khajavi et al. A novel framework for spectrum sensing in cognitive radio networks
CN104918261B (zh) Mimo认知无线电干扰网络中基于信道学习的频谱共享方法
CN102711120B (zh) 基于ds证据理论的协作频谱感知方法
Valadão et al. Trends and Challenges for the Spectrum Efficiency in NOMA and MIMO based Cognitive Radio in 5G Networks
Wang et al. Relay assisted spectrum sharing in cognitive radio networks
CN106656376A (zh) 一种基于特征值一致估计的合作频谱感知方法
Jang Performance analysis of cognitive radio networks based on sensing and secondary-to-primary interference
CN114285506B (zh) 一种混合式两级多星协作频谱感知方法
Chang et al. STAR-RIS-aided covert communications in MISO-RSMA systems
Tafaghodi Khajavi et al. A novel framework for spectrum sensing in cognitive radio networks
Lu et al. Channel-adaptive spectrum detection and sensing strategy for cognitive radio ad-hoc networks

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
GR01 Patent grant
GR01 Patent grant