CN111885718B - 基于协作中继的鲁棒认知通信系统功率分配方法 - Google Patents

Abstract

本发明公开了一种基于协作中继的鲁棒认知通信系统功率分配方法，包括通信模型建立步骤，用于利用认知用户充当授权用户的中继节点建立协作中继通信模型，并基于所述协作中继通信模型建立以通信系统误码率最小化为目标函数的具有约束条件的优化模型；功率分配步骤，在信道状态信息已知的情况下，利用拉格朗日对偶算法、KKT条件获得认知用户最优发射功率，并计算得到认知通信系统的传输容量；当授权用户发射端的发射功率一定时，通过调整所述中继节点的发射功率满足通信系统的误码率的要求。本通信系统功率分配方法有效改善了该模型中整体通信性能及授权用户通信误码率，并且引入时变干扰阈值保护因子，确保整个通信系统具有较好的鲁棒性。

Description

基于协作中继的鲁棒认知通信系统功率分配方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种基于协作中继的鲁棒认知通信系统功率分配方法。

背景技术

在“物联网+”时代背景下，随着互联网技术、智能终端设备、大数据、云计算技术的快速普及和通信业务流量的爆炸式增长，使得无线通信中可利用的空闲频谱资源变得尤为紧张。在现有无线通信频谱管理机制中，只有授权用户才能有权使用频谱资源进行通信传输，然而未经过授权的通信用户则无法使用。这种频谱管理规则在无线通信技术迅速发展的当下不尽合理，部分授权频谱在大部分时间处于空闲状态，没有被高效的利用。认知无线电(Cognitive R adio,CR)就是在这种情况下作为一种全新的智能无线通信技术应运而生。认知无线电技术能大大提升频谱资源的利用率，可以有效解决无线通信系统中频谱利用率低与频谱资源紧张之间的冲突。

针对协作中继技术，中继节点常见的有两种处理方案，其分别为放大转发(Amplify-and-Forward，AF)和译码转发(Decode-and-Forward，DF)，也叫做非再生与再生中继。协作中继技术可以提升无线通信系统的数据传输容量，有效改善无线通信的可靠性。最近几年以来，随着协作中继技术的发展，专家和学者们开始注意到其在认知无线电通信领域的研究方向。在认知通信过程中，通过结合协作中继技术提高授权用户和认知用户或认知用户之间的空间分集增益。

文献“Experimental study of cooperative MIMO at HF band”中研究了SISO、SIMO和MIMO几种技术在无线通信中对数据传输速率的影响，并验证了其可行性。文献“Experimental study of wide area SIMO for ionospheric HF radio links”以提高系统在功率约束下的可靠性和吞吐量为优化目标，研究了广域协作通信技术在远距离数据传输的应用。文献“Combined power control and transmission rate selection incellular networks”中Kim S.L等人提出一种功率-速率联合分配算法，利用该算法在最小化发射功率和最大化传输速率之间寻找一个最佳平衡。结合认知无线电的绿色协作通信系统中，一个值得研究的问题即是如何对非授权用户(即认知用户)的功率分配问题，同时现有的研究很少以最小化授权用户通信系统的误码率为目标，以及未充分考虑在实际的通信网络中，信道增益等参数存在扰动，具有不确定性问题。

发明内容

为解决上述的技术问题，本发明提供了一种基于协作中继的鲁棒认知通信系统功率分配方法，实现鲁棒功率分配，实现了高效降低运算复杂度并获得较低的通信误码率，提高信息服务质量。

为实现上述目的，本发明的基于协作中继的鲁棒认知通信系统功率分配方法，包括：

通信模型建立步骤S1，用于利用认知用户充当授权用户的中继节点建立协作中继通信模型，并基于所述协作中继通信模型建立以通信系统误码率最小化为目标函数的具有功率约束条件的优化模型；

功率分配步骤S2，在信道状态信息已知的情况下，利用拉格朗日对偶算法、KKT条件获得认知用户最优发射功率，并根据该认知用户最优发射功率计算得到认知通信系统的传输容量；当授权用户发射端的发射功率一定时，通过调整所述中继节点的发射功率满足通信系统的误码率的要求。

进一步地，所述通信模型建立步骤还包括：

协作中继通信模型建立步骤S10，用于基于三节点两跳传输模式求得用户接收端经过两个时隙所接收的信号，并根据AF中继机制求得所接收信号的信噪比。

优化模型建立步骤S20，用于根据通信系统的瞬时误码率表达式获得系统的平均误码率，并对授权用户、认知用户发射极的发射功率进行约束，并引入一保护因子得到鲁棒的功率分配的约束条件模型。

所述功率分配步骤进一步包括：

系统传输容量获取步骤S30，用于通过拉格朗日对偶算法和KKT条件计算求得最优认知用户发射功率，并根据该最优发射功率计算得到认知通信系统的传输容量；

系统误码率获取步骤S40，用于根据系统传输容量步骤中得到的最优认知用户发射功率计算求得相应的认知通信系统的误码率。

进一步地，所述协作中继通信模型建立步骤得到的信号表达式为：

其中，h_iD为中继节点到授权用户接收端之间的信道增益，N_iD为中继节点到授权用户接收端之间的信道背景噪声，P_i为中继节点的发射功率，P_S是授权用户发射端的发射功率，h_Si是授权用户发射端到中继节点的信道增益，x表示授权用户发出的信号，N_Si表示授权用户发射端到中继节点的信道背景噪声，其均值为零，方差为N₀。

进一步地，所述协作中继通信模型建立步骤得到的信噪比为两个时隙内信噪比的叠加，进一步包括：

第一时隙授权用户接收端接收到的信号信噪比表示为SNR_SD：

第二时隙授权用户接收端接收到的信号信噪比表示为SNR_AF：

其中，h_SD为授权用户发射端与接收端之间的信道增益，N_SD表示授权用户发射端与接收端之间的信道的背景噪声。

进一步地，所述优化模型建立步骤S20进一步包括：

步骤S21，建立以通信系统误码率最小化为目标在多进制数字相位调制下瞬时误码率，以求得系统的平均误码率；

步骤S22，建立功率分配的约束条件模型，其中，Underlay模式下，只要作为中继节点的认知用户发射端和认知用户接收端通信时对授权用户接收端产生的干扰没有超过授权用户最大干扰功率门限，认知用户共享使用授权用户的频谱资源；

步骤S23，为步骤S22中的约束条件模型中引入保护因子ε_i；

步骤S24，根据步骤S22、S23的约束条件模型及保护因子ε_i求得优化模型。

进一步地，所述系统传输容量获取步骤进一步包括：

步骤S31，通过拉格朗日对偶算法和KKT条件计算通信系统认知用户发射功率，以求得最优认知用户发射功率P_i ^*；

步骤S32，通过迭代计算求解所述步骤S31中拉格朗日对偶算法对应的拉格朗日因子μ_i、λ_i、ω_i；

步骤S33，判断步骤S32计算得到的拉格朗日因子是否满足预设精度，若不满足，则继续进行迭代，直至得到满足预设精度的数值；

步骤S34，根据步骤S33得到的最优拉格朗日因子计算得到最优认知用户发射功率P_i ^*，并根据该最优发射功率计算得到认知通信系统的传输容量。

进一步地，所述步骤S24求得的优化模型的表达式为：

s.t.c1:P_S≤P_S ^max

c2:P_i≤P_i ^max

其中，g_i表示认知用户与授权用户接收端之间的信道增益，I_th为授权用户接收端所能承受的来自认知用户的最大干扰阈值，ε_i为授权用户接收端的干扰阈值的保护因子，ε_i∈(0,1)。

进一步地，所述最优认知用户发射功率表达式为：

其中，

λ_i为拉格朗日因子。

进一步地，所述认知通信系统的传输容量如公式所示：

与现有技术相比，本发明的优点和积极效果在于：

本发明利用认知用户充当授权用户之间通信的中继节点获得分集增益，基于AF中继机制，针对中继协作的鲁棒认知通信系统功率分配问题，提出以最小化授权用户通信系统的误码率为目标结合认知无线电技术和功率约束的协作中继通信模型；当信道状态信息已知的情况，利用拉格朗日对偶算法、KKT条件来解决发射功率及最大干扰阈值双重约束问题。当授权用户发射端的发射功率一定时，通过调整中继节点的发射功率可以获得通信系统的误码率较低；并针对于信道参数的扰动性，对授权用户约束条件引入时变干扰阈值保护因子克服信道参数的扰动性，从而取得作为中继节点的认知用户最优发射功率，从而构成一种具有鲁棒性的功率分配方法，使整个通信系统服务质量可以获得进一步改善。与此同时，本发明功率分配方法运算的复杂度也大大降低。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的通信系统示意图；

图2为本发明实施例的通信系统功率分配流程示意图；

图3为本发明实施例的通信系统优化模型建立步骤流程示意图；

图4为本发明实施例的通信系统传输容量获取步骤流程示意图；

图5为本发明实施例基于协作中继和无中继存在时的两种情况下授权用户通信系统信道容量的对比图；

图6为本发明实施例在误码率约束的功率控制方法与等功率(P_i＝P_S＝1mW)方法下授权用户通信系统误码率的对比图；

图7(a)为当授权用户通信系统信噪比设定为15dB时，采用以低误码率为目标的鲁棒和非鲁棒两种功率分配方法下，认知中继节点的发射功率对比图；

图7(b)为当授权用户通信系统信噪比设定为15dB时，采用以低误码率为目标的鲁棒和非鲁棒两种功率分配方法下，认知中继节点的发射功率以及通信系统误码率的收敛情况对比图。

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、完整的描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。

图1所示为本发明实施例的通信系统示意图，参考图1所示，本实施例的认知无线电通信系统存在包含一对授权通信用户发射机、接收机和一对认知通信用户发射机、接收机。在Ad-Hoc认知通信系统架构中，通信设备1视为授权用户发射端，通信基站视为授权用户接收端，通信设备2视为认知用户发射端，通信设备3表示认知用户接收端。令授权用户之间的信道状态不佳时，通信设备2充当授权用户之间通信的中继节点，在分时半双工模式下中继节点向认知用户接收机传输数据的同时协助授权用户传输数据。

图2-4所示为本发明实施例的通信系统功率分配流程图，参考图2-4所示，本发明实施例公开了一种基于协作中继的鲁棒认知通信系统功率分配方法，包括步骤：

通信模型建立步骤S1，用于利用认知用户充当授权用户的中继节点建立协作中继通信模型，并基于所述协作中继通信模型建立以通信系统误码率最小化为目标函数的具有功率约束条件的优化模型；具体包括：协作中继通信模型建立步骤S1，用于基于三节点两跳传输模式求得用户接收端经过两个时隙所接收的信号，并根据AF中继机制求得所接收信号的信噪比；优化模型建立步骤S2，用于根据通信系统的瞬时误码率表达式获得系统的平均误码率，并对授权用户、认知用户发射极的发射功率进行约束，并引入一保护因子得到鲁棒的功率分配的约束条件模型；

功率分配步骤S2，在信道状态信息已知的情况下，利用拉格朗日对偶算法、KKT条件获得认知用户最优发射功率，并根据该认知用户最优发射功率计算得到认知通信系统的传输容量；当授权用户发射端的发射功率一定时，通过调整所述中继节点的发射功率满足通信系统的误码率的要求，具体包括：系统传输容量获取步骤S3，用于通过拉格朗日对偶算法和KKT条件计算求得最优认知用户发射功率，并根据该最优发射功率计算得到认知通信系统的传输容量；系统误码率获取步骤S4，用于根据系统传输容量步骤中得到的最优认知用户发射功率计算求得相应的认知通信系统的误码率。

协作中继通信模型建立步骤S10，采用三节点两跳传输模式，包括：

在第一个时隙中，授权用户接收端和中继节点可以接收到由授权用户发射端发送的广播信息，分别表示为：

其中，y_Si和y_SD分别表示第一时隙中继节点和授权用户接收端接收到的信号，P_S是授权用户发射端的发射功率，h_Si是授权用户发射端到中继节点的信道增益，h_SD为授权用户发射端与接收端之间的信道增益，x表示授权用户发出的信号，N_Si和N_SD表示信道的背景噪声，其均值为零，方差为N₀。

在第二个时隙中，接收端接收到的信号表达式为：

其中，h_iD为中继节点到授权用户接收端之间的信道增益，N_iD为中继节点到授权用户接收端之间的信道背景噪声，P_i为中继节点的发射功率，ρ为放大系数，其表达式为表示为公式(4)：

将公式(1)、(4)代入公式(3)可得经过两个时隙后到达接收端的信号如表达式(5)所示：

其中，信号x的能量为1，由式(2)可得发射端到接收端的信噪比(Signal-NoiseRatio，SNR)，SNR_SD可表示为：

同理，经过中继放大转发后到达接收端的信噪比SNR_AF可由表达式(5)求得：

接收端以最大比合并(Maximal-Ratio Combining，MRC)方式接受两个时隙发来的信号，接受到的信噪比γ为两个时隙内信噪比的叠加。

优化模型建立步骤S20包括：

步骤S21，建立以系统误码率最小化为目标，在多进制数字相位调制下，通信系统的瞬时误码率表示为公式(8)：

其中，

M用于表示进制数。联立公式(6)(7)(8)，求得系统的平均误码率表示为公式(9)：

其中，

步骤S22，建立功率分配的约束条件模型包括：分别为授权用户、认知用户发射机的发射功率进行约束，约束条件分别表示如下：

C1:P_S≤P_S ^max (10)

C2:P_i≤P_i ^max (11)

其中，Underlay模式下，只要作为中继节点的认知用户发射端和认知用户接收端通信时对授权用户接收端产生的干扰没有超过授权用户最大干扰功率门限，此时，认知用户就可以共享使用授权用户的频谱资源，g_i表示认知用户与授权用户接收端之间的信道增益，I_th为授权用户接收端所能承受的来自认知用户的最大干扰阈值，此约束条件保护了授权用户在通信链路中的通信服务质量。

步骤S23，建立具有鲁棒的功率分配的约束条件模型，

在实际的通信网络中，信道增益等参数具有扰动，具有不确定性，因此，当通信信道参数产生很大波动时，当认知用户对授权用户接收端的干扰超过其所能承受的阈值，有可能会影响到授权用户之间的正常通信，甚至造成通信断路，导致约束条件失效，因此，采用一种主动式的链路保护方案，为授权用户接收端的干扰阈值引入一个保护因子ε_i，表达式(12)中的约束条件C3表示为：

其中ε_i∈(0,1)。

步骤S24，建立优化模型，如表达式(13)所示：

s.t.c1:P_S≤P_S ^max

c2:P_i≤P_i ^max (13)

其中，该最优化模型在满足上述功率约束保护授权用户的通信QoS、保障认知用户自身发射功率能力，以及充分考虑信道增益的不确定性等前提下，通过对认知用户进行功率分配使得系统误码率最低。

系统传输容量获取步骤S30，包括：

步骤S31，通过拉格朗日对偶算法和KKT条件计算通信系统认知用户发射功率，以求得最优认知用户发射功率P_i ^*：

首先，构建拉格朗日函数求出最优解，即

其中μ_i、λ_i、ω_i为拉格朗日因子；

然后利用KKT条件，对L({P_i},{μ_i},{λ_i},{ω_i})求关于P_i ^*的一阶导数为0，得到表达式公式(15)：

计算得到作为中继节点的认知用户最优发射功率的表达式公式(16)：

步骤S32，通过迭代计算求解所述步骤S31中拉格朗日对偶算法对应的拉格朗日因子μ_i、λ_i、ω_i：

计算拉格朗日因子μ_i、λ_i、ω_i相应的次梯度表示式公式(17)：

L_μ_i(t)＝P_s/P_s ^max-1

L_λ_i(t)＝P_i/P_i ^max-1 (17)

其具体的迭代过程如公式(18)所示：

μ_i(t+1)＝max(u_i(t)+α*L_μ_i(t),0)

λ_i(t+1)＝max(u_i(t)+β*L_λ_i(t),0) (18)

ω_i(t+1)＝max(ω_i(t)+γ*L_ω_i(t),0)

其中α、β、γ是迭代步长，t是迭代次数。

步骤S33，判断步骤S32计算得到的拉格朗日因子是否满足预设精度，若不满足，则继续进行迭代，直至得到满足预设精度的数值；

步骤S34，根据步骤S33得到的最优拉格朗日因子计算得到最优认知用户发射功率P_i ^*，并根据该最优发射功率计算得到认知通信系统的传输容量：具体的，将步骤S33中求出的最优拉格朗日因子μ^*(t)λ^*(t)ω^*(t)带入公式(16)，求出此迭代次数t下认知中继节点的最优发射功率P_i ^*；并入如下传输容量公式(19)计算出系统通信容量。

步骤S40，根据步骤S33得到的最优认知用户发射功率P_i ^*代入平均误码率公式(9)计算求得相应的认知通信系统的误码率。

下面，通过运用MATLAB软件对本发明实施例进行仿真验证，参数设置如下：令授权用户的发射功率P_S为1mW，授权用户接收端所能承受来自认知用户发射端的最大功率干扰阈值I_th为0.5mW。令P_s ^max＝P_i ^max＝2.2mW，N₀＝0.5mW，最大迭代次数为t＝100000，ε_i＝20％(ε_i＝0时通信系统为非鲁棒状态)，M＝2。h_SD、h_Si为瑞利信道下服从指数分布的信道增益，其均值分别设为0.78、0.88，g_i＝h_iD＝0.9。拉格朗日因子是否满足预设精度数值取值为0.0001，并将仿真结果与现有的等功率分配方法对比，验证结果如图2-4所示。

图5为本发明实施例基于协作中继和无中继存在时的两种情况下授权用户通信系统信道容量的对比图，参考图5所示，在分时半双工模式下，当认知通信设备2充当授权用户发射端与接收端之间的中继节点时，授权用户通信系统的信道容量相较于无中继节点时有较大的提升。相比于无中继节点通信链路，在本发明中的系统模型下，含有中继节点的链路信噪比可获得1.21dB的增益。此时，认知用户不但可以利用授权用户的空闲频谱进行数据传输，又能作为中继节点协助授权用户通信，从而有效提升授权用户的通信服务质量。

图6为本发明实施例在误码率约束的功率控制方法与等功率(P_i＝P_S＝1mW)分配方法下授权用户通信系统误码率的比较，参考图3所示，随着信噪比的不断增大，两种功率分配方法下所得到的误码率均随之减小。此外，当P_i＝1mW时，采用本实施例的授权通信系统的误码率明显优于等功率分配方法下的误码率。

图7(a-b)为当授权用户通信系统信噪比设定为15dB时，采用以低误码率为目标的鲁棒和非鲁棒两种功率分配方法下，认知中继节点的发射功率及通信系统误码率的收敛情况对比图，参考图7(a-b)所示，本实施例方法下认知中继节点的发射功率、通信系统误码率均低于非鲁棒方法，其中，鲁棒方法下发射功率减小是因为授权用户接收端所能承受的最大干扰值变小，必定会导致中继节点发射功率随之降低。发射功率变小的同时授权通信系统误码率也随之变小，更加表明了在协作通信中基于误码率约束的鲁棒功率分配方法的优越性。

综上所述，针对通信系统数据传输容量小、可用频带窄、可靠性差等缺点，本发明实施例引入了协作中继方法并利用认知无线电技术来感知空闲频谱。认知用户充当授权用户的中继节点，向认知用户接收机传输数据的同时协助授权用户传输数据。当授权用户发射端的发射功率一定时，通过调整中继节点的发射功率实现对授权用户通信系统误码率的约束。仿真实验表明，在信道状态信息已知的情况下，本发明实施例方法下授权用户通信系统误码率优于等功率方法；另一方面通过引入基于保护因子的鲁棒方法后，整个通信系统服务质量可以获得进一步改善。总之，本发明实施例所提的协作通信系统功率分配方法有效改善整体通信性能以及降低授权用户通信的误码率。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (6)

1.基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，包括：

通信模型建立步骤，用于利用认知用户充当授权用户的中继节点建立协作中继通信模型，并基于所述协作中继通信模型建立以通信系统误码率最小化为目标函数的具有功率约束条件的优化模型；

功率分配步骤，在信道状态信息已知的情况下，利用拉格朗日对偶算法、KKT条件获得认知用户最优发射功率，并根据该认知用户最优发射功率计算得到认知通信系统的传输容量；当授权用户发射端的发射功率一定时，通过调整所述中继节点的发射功率满足通信系统的误码率的要求；

所述通信模型建立步骤进一步包括：

协作中继通信模型建立步骤，用于基于三节点两跳传输模式求得用户接收端经过两个时隙所接收的信号，并根据AF中继机制求得所接收信号的信噪比；

优化模型建立步骤，用于根据通信系统的瞬时误码率表达式获得系统的平均误码率，并对授权用户、认知用户发射极的发射功率进行约束，并引入一保护因子得到鲁棒的功率分配的约束条件模型，其表达式为：

s.t.c1:P_S≤P_S ^max

c2:P_i≤P_i ^max

其中，g_i表示认知用户与授权用户接收端之间的信道增益，I_th为授权用户接收端所能承受的来自认知用户的最大干扰阈值，ε_i为授权用户接收端的干扰阈值的保护因子，ε_i∈(0,1)；

所述功率分配步骤进一步包括：

系统传输容量获取步骤，用于通过拉格朗日对偶算法和KKT条件计算求得最优认知用户发射功率，并根据该最优发射功率计算得到认知通信系统的传输容量，其中，所述最优认知用户发射功率表达式为：

其中，

M用于表示进制数，P_S是授权用户发射端的发射功率，P_i为中继节点的发射功率，h_SD为授权用户发射端与接收端之间的信道增益，h_iD为中继节点到授权用户接收端之间的信道增益，N₀为信道背景噪声的方差，λ_i、ω_i为拉格朗日因子；

系统误码率获取步骤，用于根据系统传输容量步骤中得到的最优认知用户发射功率计算求得相应的认知通信系统的误码率。

2.如权利要求1所述的基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，所述协作中继通信模型建立步骤得到的信号表达式为：

其中，h_iD为中继节点到授权用户接收端之间的信道增益，N_iD为中继节点到授权用户接收端之间的信道背景噪声，P_i为中继节点的发射功率，P_S是授权用户发射端的发射功率，h_Si是授权用户发射端到中继节点的信道增益，x表示授权用户发出的信号，N_Si表示授权用户发射端到中继节点的信道背景噪声，其均值为零，方差为N₀。

3.如权利要求2所述的基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，所述协作中继通信模型建立步骤得到的信噪比为两个时隙内信噪比的叠加，进一步包括：

第一时隙授权用户接收端接收到的信号信噪比表示为SNR_SD：

第二时隙授权用户接收端接收到的信号信噪比表示为SNR_AF：

其中，h_SD为授权用户发射端与接收端之间的信道增益，N_SD表示授权用户发射端与接收端之间的信道的背景噪声，N_iD为中继节点到授权用户接收端之间的信道背景噪声。

4.如权利要求3所述的基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，所述优化模型建立步骤进一步包括：

步骤S21，建立以通信系统误码率最小化为目标在多进制数字相位调制下瞬时误码率，以求得系统的平均误码率；

步骤S22，建立功率分配的约束条件模型，其中，Underlay模式下，只要作为中继节点的认知用户发射端和认知用户接收端通信时对授权用户接收端产生的干扰没有超过授权用户最大干扰功率门限，认知用户共享使用授权用户的频谱资源；

步骤S23，为步骤S22中的约束条件模型中引入保护因子ε_i；

步骤S24，根据步骤S22、S23的约束条件模型及保护因子ε_i求得优化模型。

5.如权利要求4所述的基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，所述系统传输容量获取步骤进一步包括：

步骤S31，通过拉格朗日对偶算法和KKT条件计算通信系统认知用户发射功率，以求得最优认知用户发射功率P_i ^*；

步骤S32，通过迭代计算求解所述步骤S31中拉格朗日对偶算法对应的拉格朗日因子μ_i、λ_i、ω_i；

步骤S33，判断步骤S32计算得到的拉格朗日因子是否满足预设精度，若不满足，则继续进行迭代，直至得到满足预设精度的数值；

步骤S34，根据步骤S33得到的最优拉格朗日因子计算得到最优认知用户发射功率P_i ^*，并根据该最优发射功率计算得到认知通信系统的传输容量。

6.如权利要求5所述的基于协作中继的鲁棒认知通信系统功率分配方法，其特征在于，所述认知通信系统的传输容量如公式所示：

Images