CN107040323A - 一种认知无线电网络中多信道功率带宽联合分配方法 - Google Patents
一种认知无线电网络中多信道功率带宽联合分配方法 Download PDFInfo
- Publication number
- CN107040323A CN107040323A CN201710282471.XA CN201710282471A CN107040323A CN 107040323 A CN107040323 A CN 107040323A CN 201710282471 A CN201710282471 A CN 201710282471A CN 107040323 A CN107040323 A CN 107040323A
- Authority
- CN
- China
- Prior art keywords
- secondary user
- channel
- power
- transmitting terminal
- bandwidth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 41
- 230000006854 communication Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 23
- 230000011664 signaling Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000013468 resource allocation Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 230000008447 perception Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- 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
- 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
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- 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)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种认知无线电网络中多信道功率带宽联合分配方法,属于认知无线电技术领域。包括:1)次级用户发送端设定发射功率限制和带宽约束;2)次级用户发送端在信道状态测量模块中通过与次级用户接收端的信令交互和对历史数据的估算获得信道状态信息;3)次级用户发送端设定软干扰约束;4)次级用户发送端在功率带宽决策模块中联合分配功率和带宽实现平均传输速率最大化;5)次级用户发送端利用解析方法求解固定拉格朗日乘子的最优解;6)判断是否完成次级用户发送端与次级用户接收端之间的通信;若未完成通信,则返回2),继续进行下一个相干时间的信道状态信息检测;若已完成通信,则计算出遍历容量。本发明具有较低的复杂度。
Description
技术领域
本发明涉及一种认知无线电网络中多信道功率带宽联合分配方法,属于认知无线电技术领域。
背景技术
随着无线通信领域不断的演进,公众对无线通信的要求也是日益增高,建设智慧城市、智能地球更是将对于网络建设的需求推到了极致。但是,通信行业一直被频谱资源有限和频谱需求增长之间的不匹配所困扰。然而,频谱的使用却存在不均匀占用的问题。比如一些非授权频段——工业、科学和医用等频段内拥挤现象尤为明显;相反,例如在电视模拟转数字之后所空闲出来UHF频段,其中一些授权频谱在多达85%的时间内未被有效使用。可见静态分配频率资源的政策和动态无线接入的需求之间的矛盾是无线通信亟待解决的主要问题。
为了在频谱资源稀缺的情况下,克服频率资源固化分配所带来的困难,满足无线通信动态接入日益增长的需求,需要研究在保证拥有频谱使用权的主用户可正常使用的前提下,未被分配频谱的次级用户如何选择合适的频谱资源进行通信的认知无线电***动态频谱接入技术。其中,相较于需先进行频谱感知的频谱填充模式,在频谱衬垫模型中避免了因漏检事件而产生错误感知的后果,防止了次级用户抢占主用户信道的可能,并减少了次级用户因主用户的使用行为而发生的信道切换或中断通信。在次级用户产生的干扰受控的情况下,频谱衬垫模式可与主用户同时使用相同频谱,通过较宽的频带资源进行通信。
申请号201210394839.9的专利文件公开了“认知无线电中保证通信连续性的信道和功率联合分配方法”。该方法通过认知基站进行感知信道状态信息,根据次级用户的请求,在不同阶段,通过联合分配信道和功率为有需要的次级用户提供具有连续性的通信;但是其中涉及优化信道和功率分配矩阵问题,若采用数值算法进行求解,在子信道较多的情况下会带来较高的复杂度。
申请号201510794460.0的专利文件公开了“一种基于OFDM的认知无线电网络中资源分配方法”。该方法适用于认知用户和子载波数量较大的情况,其将优化问题分解成子载波优化问题和功率优化问题两个问题,分别采用启发式算法和迭代算法求解;但其中直接假设主次用户之间的信道增益已知的确定性变量,未考虑其实际测量该的难易程度以及准确程度。
IEEE Transactions on Vehicular Technology期刊2012年61卷8期中的RobustWorst-Case Interference Control in Underlay Cognitive Radio Networks一文中研究了在频谱衬垫模式下的鲁棒最坏干扰控制问题。文中考虑了干扰信道增益估计误差,从软干扰约束角度利用机会约束方法对问题进行转化,并利用类注水法进行求解,实现了在鲁棒性和最优性的平衡;然而,因缺少从长时的信道统计特性进行考虑,所以即使考虑了估计误差,仍需要实时对于信道进行估计,增加了能量消耗。
上述已有的认知无线电资源分配技术分别考虑了连续通信下的信道分配,多用户的扩展以及估计误差下的鲁棒性与最优性的平衡,虽然在信道状态信息是瞬时变量的情况下可实现最大化***吞吐量,然而在非合作的主次用户之间得到实时估计的信道容量并不现实。故本发明致力于解决上述资源分配技术中对于实时干扰信道增益的依赖,将干扰信道状态看作一个不断变化的随机过程,同时考虑到了干扰信道中信道增益的分布不易获得的情况,采用其一、二阶矩信息来刻画对于主用户干扰的约束条件,相应的利用遍历容量来描述统计意义上的信道容量。相比于传统的数值求解优化问题的方法,本发明通过给出计算解析解的方法而具有较低的计算复杂度。
发明内容
本发明的目的是为了克服现有功率带宽联合分配技术中存在的依赖干扰信道增益的实时信息和功率带宽联合优化复杂度高的问题,提出了一种认知无线电网络中多信道功率带宽联合分配方法。
本发明所依托的认知无线电网络***,包括一个具有授权频谱的主用户以及一对需要传输信息的次级用户;
其中,次级用户又包括次级用户发送端和次级用户接收端;对于次级用户发送端,其包含信道状态测量模块、功率带宽决策模块、信息传输模块;本发明所依托的认知无线电网络***中各组成模块的连接关系如下:
信道状态测量模块和功率带宽决策模块相连,功率带宽决策模块与信息传输模块相连;
本发明所依托的认知无线电网络***中各组成模块的功能如下:
信道状态测量模块的功能是通过次级用户之间的信令交互获得传输信道的信道增益,同时利用通过历史数据估算得到干扰信道的统计信息;功率带宽决策模块的功能是通过求解含有功率、带宽和干扰约束的优化问题得到最优的资源分配方案以实现最大遍历容量;信息传输模块的功能是执行所得的资源分配方案,向次级用户接收端发送传输的信息。
次级用户采用频谱衬垫模式动态接入主用户的频谱;主用户的可用频谱可被划分为N个子信道,其组成了集合并且每个子信道的带宽均在一个相干带宽内且为W;发射方的次级用户可以通过OFDM中的子载波分配,以一定比例占用每个信道,实现同时在N个信道下传输;这里对于信道xn为占用该信道带宽的比例,xn∈[0,1];信道的状态在相干时间内是稳定的,且信道之间的增益是独立同分布的;次级用户的整个通信过程会包含着多个相干时间,并且次级用户的通信时长可以涵盖遍历过程;
本发明涉及一种认知无线电网络中多信道功率带宽联合分配方法,具体包括以下步骤:
步骤1:次级用户发送端设定发射功率限制和带宽约束,具体为:
次级用户发送端根据自身的设备限制,确定在通信时间内的发射功率约束PLT;
次级用户发送端在信道n上的传输功率为pn,总的传输功率的上界为PLT;因此,pn需满足如下公式(1)的限制条件:
其中,n的变化范围是从1到N,表示在通信时长内的期望,N个信道上总传输功率的期望需小于上界PLT;由于在认知无线电网络中可能存在其他对的次级用户发送端和次级用户接收端,故对于一对次级用户可占用频谱带宽比例xn需要满足如下公式(2)的约束:
其中,n的变化范围是从1到N,B≤1;
步骤2:次级用户发送端在信道状态测量模块中通过与次级用户接收端的信令交互和对历史数据的估算获得信道状态信息;
其中,信道状态信息包括次级用户发送端与次级用户接收端之间传输信道增益,记为gn和次级用户发送端与主用户之间干扰信道增益ln的统计信息;获得信道状态信息又包括如下步骤:
步骤2.1在每个相干时间开始处,次级用户发送端通过与次级用户接收端的信令交互获得传输信道n的增益gn;
步骤2.2次级用户发送端通过历史数据估算得到与主用户之间干扰信道增益ln的均值和方差;
其中,均值为干扰信道增益ln的一阶矩信息,记为μn,方差为干扰信道增益ln的二阶矩信息,记为∑n;
因为主用户和次级用户并非合作关系,缺乏像次级用户发送端和次级用户接收端之间有效的信令交互机制,故实时获得两者之间的干扰信道增益ln较为困难,所以,次级用户发送端需依赖历史数据估算干扰信道增益的一阶矩和二阶矩;
步骤3:次级用户发送端设定软干扰约束,具体为:
在一个相干时间中,认知无线电网络***限制了次级用户发送端对主用户的干扰需要满足如下公式(3)的约束:
其中,为主用户所能容忍最大干扰功率门限;Pr(·)表示括号内式子成立的概率,inf表示式子的下界;f(ln)为ln概率密度分布,为满足均值μn和方差∑n的所有ln概率密度分布集合,即ε为干扰中断概率,取值范围在(0,1);满足公式(3)可使联合分配方法具有鲁棒性,且符合干扰信道增益ln为随机变量特点;
通过Chebyshev-Cantelli不等式可将公式(3)变成如下公式(4)的解析形式:
步骤4:次级用户发送端在功率带宽决策模块中引入拉格朗日乘子,联合分配功率和带宽实现平均传输速率最大化,具体为:
根据信道状态信息,次级用户发送端求解一个具有带宽约束、通信时间内功率约束和相干时间内干扰约束的最大化在N个信道上遍历容量的优化问题来进行通信,目标函数及其约束条件如下公式(5)所示:
将公式(5)中的原问题转化为拉格朗日对偶函数后,具体求解可分为两层进行,包括如下子步骤:
步骤4.1:在上层问题中,通过随机子梯度方法更新第t+1个相干时间中的拉格朗日乘子λ,更新过程如下公式(6)所示:
其中,a(t)代表在更新拉格朗日乘子λ(t+1)时的步长,为正数;(x)+表示max(x,0);
步骤4.2:在下层问题中,因原问题为凸问题可进行进一步简化,在固定拉格朗日乘子,求解以下问题如下公式(7)所示:
步骤5:次级用户发送端利用解析方法求解问题在固定拉格朗日乘子情况下的最优解,包括如下子步骤:
步骤5.1:对于N个信道上的传输信道增益gn从大到小进行排序;可表示为
步骤5.2:结合干扰约束依次判断信道的功率分配,找到使得成立的最小信道标号j,即 为在信道标号j上分配的最优发射功率可表示为公式(8)如下所示:
其中由公式(7)中对目标函数关于pn求导,令导数为0所得;
步骤5.3:计算第t+1个相干时间中最优的功率分配;对于其功率分配如公式(9)所示:
对于功率分配如公式(10)所示:
对于功率
步骤5.4:计算第t+1个相干时间中最优的带宽分配;对于其带宽分配如公式(11)所示:
步骤5.5:计算第t+1个相干时间中在N个信道上最大的总传输容量,其表达式如公式(12)所示:
步骤5.6:在第t+1个相干时间中,按照上述求解出的功率和带宽进行传输;
步骤6:判断是否完成次级用户发送端与次级用户接收端之间的通信;若未完成通信,则返回步骤2,继续进行下一个相干时间的信道状态信息检测;若已完成通信,则计算出遍历容量;
至此,从步骤1到步骤6,完成了一种认知无线电网络中多信道功率带宽联合分配方法。
有益效果
一种认知无线电网络中多信道功率带宽联合分配方法,与现有技术相比,具有如下有益效果:
1.本发明所述方法不依赖实时获得的ln信息,考虑了仅已知次级用户与主用户之间信道增益的统计信息,更符合实际情况;
2.本发明所述方法以最大化次级用户的遍历传输容量为目标,是从这个整个通信过程的角度出发,结合信道的统计特性,得到频率和带宽的最优联合分配策略;
3.本发明所述方法考虑了问题的鲁棒性,使得次级用户在信道可能的最差条件下也保护主用户的正常使用;
4.本发明所述方法与传统通过一步步迭代而获得全局最优解的数值算法相比,本发明中涉及的方法可通过解析的形式求解出全局最优解,具有较低的复杂度。
附图说明
图1为本发明一种认知无线电网络中多信道功率带宽联合分配方法的***示意图;
图2为本发明一种认知无线电网络中多信道功率带宽联合分配方法的方法流程图;
图3为本发明一种认知无线电网络中多信道功率带宽联合分配方法的与传统数值方法的遍历容量比较图;
图4为本发明一种认知无线电网络中多信道功率带宽联合分配方法的与传统数值方法的计算复杂度比较图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明和详细描述。
实施例1
本实施例进一步详细叙述了本发明所述方法的步骤。
图1是一种认知无线电网络中多信道功率带宽联合分配方法的***示意图,如图1所示,考虑认知无线电网络中有一个主用户和一对次级用户收发端的情况,次级用户通过采用频谱衬垫方式接入主用户的频段中。假设主用户的授权频段可分为N个子信道,每个子信道n的带宽为W,次级用户的发送端在信道n上的传输功率为pn,为所占用的带宽比例xn。同时在信道n上,次级用户发送端与次级用户接收端的传输信道增益gn,与主用户之间干扰信道增益ln。
图2是本发明一种认知无线电网络中多信道功率带宽联合分配方法的方法流程图,如图2所示,包括以下步骤:
1、次级用户发送端根据发射机设备的限制,确定在通信时间内的平均N个信道总发射功率约束PLT。并考虑在认知无线电网络中可能存在其他次级用户使用频谱的需求,限制一对次级用户在N个信道上的总占用带宽的比例不大于B。
2、次级用户发送端通过与次级用户接收端的信令交互获得传输信道n的增益gn,而并依赖有限的历史数据估算得到与主用户之间干扰信道增益ln的均值μn和方差∑n。在本实施例中,考虑自由空间路径损耗模型,且路径损耗指数设置为3,阴影衰落假定为对数正态分布,标准差为8dB,小尺度衰落为瑞利分布。通过随机生成100次干扰信道增益ln的结果作为历史数据,计算出每个信道上的干扰信道增益的均值和方差,使得在接下来的步骤中不依赖实时获得的ln信息。
3、次级用户需根据ln的一阶矩和二阶矩在每一个子信道上满足对主用户的干扰小于对应的门限在本实施例中,将设置为10-15W以限制次级用户发送端对于主用户的干扰。
4、对于一个具有带宽约束、通信时间内功率约束和相干时间内干扰约束的最大化遍历容量的优化问题,进行分层考虑:
(1)在上层问题中,通过公式(6)更新t+1个相干时间中的拉格朗日乘子,在本实施例中取λ(0)=1,
(2)在下层问题中,固定拉格朗日乘子,求解一个简化的优化问题。
5、最优的功率带宽分配策略可通过如下解析方法获得,其中可包括子步骤:
(1)对于N个信道上的信道增益gn从大到小进行排序。可表示为
(2)找到使得不等式成立的最小信道标号j。即其中为在信道标号j上分配的最优发射功率可表示如公式(8)所示。
(3)计算第t+1个相干时间中最优的功率分配。根据公式(9)和公式(10)可分别对于 情况下的最优功率进行求解;而在情况下,功率
(4)计算第t+1个相干时间中最优的带宽分配。根据公式(11)可对最优带宽进行求解。
(5)计算第t+1个相干时间中在N个信道上最大的总传输信息速率。可根据公式(11)进行求解。
6、判断是否完成次级用户发送端与次级用户接收端之间的通信;若未完成通信,则返回2,继续进行下一个相干时间的信道状态信息检测;若已完成通信,则计算出遍历容量;
图3是本发明实施例中取信道个数N=10,总占用的带宽比例上限B取0.5,干扰中断概率ε为0.1,主用户所能容忍最大干扰功率门限都取为10-15W,总传输功率上界PLT分别取0、1、2、4、6、8、10、12和14W时,随横坐标的变化,比较了本发明方法与传统数值方法在1000个相干时间内的遍历容量的差异。从图3中可以看出,本发明方法与传统数值方法相同的遍历容量,表明了本发明方法可达到最优分配的结果。
图4是本发明实施例中总占用的带宽比例上限B取0.5,干扰中断概率ε为0.1,主用户所能容忍最大干扰功率门限都取为10-15W,总传输功率上界PLT取10W时,随横坐标信道个数N从4以4为间隔变化到20,比较了本发明方法与传统数值方法在1000个相干时间内的计算复杂度的差异。从图4中可以看出,本发明方法相比与传统数值方法有较低的复杂度,随信道个数的变化小,而传统数值算法受信道个数影响较为明显。
为了说明本发明的内容及实施方法,本说明书给出了相关的具体实施例。在实施例中引入细节的目的不是限制权利要求书的范围,而是帮助理解本发明所述方法。本领域的技术人员应理解:在不脱离本发明及其所附权利要求的精神和范围内,对最佳实施例步骤的各种修改、变化或替换都是可能的。因此,本发明不应局限于最佳实施例及附图所公开的内容。
Claims (8)
1.一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:本发明所依托的认知无线电网络***,包括一个具有授权频谱的主用户以及一对需要传输信息的次级用户;其中,次级用户又包括次级用户发送端和次级用户接收端;对于次级用户发送端,其包含信道状态测量模块、功率带宽决策模块、信息传输模块;本发明所依托的认知无线电网络***中各组成模块的连接关系如下:
信道状态测量模块和功率带宽决策模块相连,功率带宽决策模块与信息传输模块相连;
本发明所依托的认知无线电网络***中各组成模块的功能如下:
信道状态测量模块的功能是通过次级用户之间的信令交互获得传输信道的信道增益,同时利用通过历史数据估算得到干扰信道的统计信息;功率带宽决策模块的功能是通过求解含有功率、带宽和干扰约束的优化问题得到最优的资源分配方案以实现最大遍历容量;信息传输模块的功能是执行所得的资源分配方案,向次级用户接收端发送传输的信息。
2.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:次级用户采用频谱衬垫模式动态接入主用户的频谱;主用户的可用频谱可被划分为N个子信道,其组成了集合并且每个子信道的带宽均在一个相干带宽内且为W;发射方的次级用户可以通过OFDM中的子载波分配,以一定比例占用每个信道,实现同时在N个信道下传输;这里对于信道n,xn为占用该信道带宽的比例,xn∈[0,1];信道的状态在相干时间内是稳定的,且信道之间的增益是独立同分布的;次级用户的整个通信过程会包含着多个相干时间,并且次级用户的通信时长可以涵盖遍历过程。
3.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:包括以下步骤:
步骤1:次级用户发送端设定发射功率限制和带宽约束;
步骤2:次级用户发送端在信道状态测量模块中通过与次级用户接收端的信令交互和对历史数据的估算获得信道状态信息;
步骤3:次级用户发送端设定软干扰约束;
步骤4:次级用户发送端在功率带宽决策模块中引入拉格朗日乘子联合分配功率和带宽实现平均传输速率最大化;
步骤5:次级用户发送端利用解析方法求解问题在固定拉格朗日乘子情况下的最优解;
步骤6:判断是否完成次级用户发送端与次级用户接收端之间的通信;若未完成通信,则返回步骤2,继续进行下一个相干时间的信道状态信息检测;若已完成通信,则计算出遍历容量;
至此,从步骤1到步骤6,完成了一种认知无线电网络中多信道功率带宽联合分配方法。
4.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:步骤1,具体为:
次级用户发送端根据自身的设备限制,确定在通信时间内的发射功率约束PLT;
次级用户发送端在信道n上的传输功率为pn,总的传输功率的上界为PLT;因此,pn需满足如下公式(1)的限制条件:
其中,n的变化范围是从1到N,表示在通信时长内的期望,N个信道上总传输功率的期望需小于上界PLT;由于在认知无线电网络中可能存在其他对的次级用户发送端和次级用户接收端,故对于一对次级用户可占用频谱带宽比例xn需要满足如下公式(2)的约束:
其中,n的变化范围是从1到N,B≤1。
5.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:步骤2,具体为:
步骤2中,信道状态信息包括次级用户发送端与次级用户接收端之间传输信道增益,记为gn和次级用户发送端与主用户之间干扰信道增益ln的统计信息;获得信道状态信息又包括如下步骤:
步骤2.1在每个相干时间开始处,次级用户发送端通过与次级用户接收端的信令交互获得传输信道n的增益gn;
步骤2.2次级用户发送端通过历史数据估算得到与主用户之间干扰信道增益ln的均值和方差;
其中,均值为干扰信道增益ln的一阶矩信息,记为μn,方差为干扰信道增益ln的二阶矩信息,记为∑n;
因为主用户和次级用户并非合作关系,缺乏像次级用户发送端和次级用户接收端之间有效的信令交互机制,故实时获得两者之间的干扰信道增益ln较为困难,所以,次级用户发送端需依赖历史数据估算干扰信道增益的一阶矩和二阶矩。
6.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:步骤3,具体为:
在一个相干时间中,认知无线电网络***限制了次级用户发送端对主用户的干扰需要满足如下公式(3)的约束:
其中,为主用户所能容忍最大干扰功率门限;Pr(·)表示括号内式子成立的概率,inf表示式子的下界;f(ln)为ln概率密度分布,为满足均值μn和方差∑n的所有ln概率密度分布集合,即ε为干扰中断概率,取值范围在(0,1);满足公式(3)可使联合分配方法具有鲁棒性,且符合干扰信道增益ln为随机变量特点;
通过Chebyshev-Cantelli不等式可将公式(3)变成如下公式(4)的解析形式:
7.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:步骤4,具体为:
根据信道状态信息,次级用户发送端求解一个具有带宽约束、通信时间内功率约束和相干时间内干扰约束的最大化在N个信道上遍历容量的优化问题来进行通信,目标函数及其约束条件如下公式(5)所示:
将公式(5)中的原问题转化为拉格朗日对偶函数后,具体求解可分为两层进行,包括如下子步骤:
步骤4.1:在上层问题中,通过随机子梯度方法更新第t+1个相干时间中的拉格朗日乘子λ,更新过程如下公式(6)所示:
其中,a(t)代表在更新拉格朗日乘子λ(t+1)时的步长,为正数;(x)+表示max(x,0);
步骤4.2:在下层问题中,因原问题为凸问题可进行进一步简化,在固定拉格朗日乘子,求解以下问题如下公式(7)所示:
8.根据权利要求1所述的一种认知无线电网络中多信道功率带宽联合分配方法,其特征在于:步骤5,包括如下子步骤:
步骤5.1:对于N个信道上的传输信道增益gn从大到小进行排序;可表示为
步骤5.2:结合干扰约束依次判断信道的功率分配,找到使得成立的最小信道标号j,即 为在信道标号j上分配的最优发射功率可表示为公式(8)如下所示:
其中由公式(7)中对目标函数关于pn求导,令导数为0所得;
步骤5.3:计算第t+1个相干时间中最优的功率分配;对于其功率分配如公式(9)所示:
对于功率分配如公式(10)所示:
对于功率
步骤5.4:计算第t+1个相干时间中最优的带宽分配;对于其带宽分配如公式(11)所示:
步骤5.5:计算第t+1个相干时间中在N个信道上最大的总传输容量,其表达式如公式(12)所示:
步骤5.6:在第t+1个相干时间中,按照上述求解出的功率和带宽进行传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282471.XA CN107040323B (zh) | 2017-04-26 | 2017-04-26 | 一种认知无线电网络中多信道功率带宽联合分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282471.XA CN107040323B (zh) | 2017-04-26 | 2017-04-26 | 一种认知无线电网络中多信道功率带宽联合分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107040323A true CN107040323A (zh) | 2017-08-11 |
CN107040323B CN107040323B (zh) | 2018-05-22 |
Family
ID=59536676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710282471.XA Expired - Fee Related CN107040323B (zh) | 2017-04-26 | 2017-04-26 | 一种认知无线电网络中多信道功率带宽联合分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107040323B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108271241A (zh) * | 2017-12-12 | 2018-07-10 | 广东电网有限责任公司电力调度控制中心 | 一种基于资源分配的信息速率接入控制优化方法及*** |
CN110536306A (zh) * | 2019-07-24 | 2019-12-03 | 西安交通大学 | 基于凸优化的多信道认知无线网络中最优功率分配方案 |
CN112583468A (zh) * | 2020-11-18 | 2021-03-30 | 郑州大学 | 一种基于mf-tdma体制的多波束卫星上行时隙、带宽、功率三维联合分配的方法 |
CN114071482A (zh) * | 2021-11-11 | 2022-02-18 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
CN117176311A (zh) * | 2023-10-31 | 2023-12-05 | 南通飞海电子科技有限公司 | 基于频分多路复用的收银数据传输方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291352A (zh) * | 2011-08-17 | 2011-12-21 | 南京邮电大学 | 认知正交频分复用***中基于业务质量的资源分配方法 |
CN102355672A (zh) * | 2011-08-17 | 2012-02-15 | 南京邮电大学 | 认知正交频分复用***中的自适应资源分配方法 |
CN103889043A (zh) * | 2014-03-17 | 2014-06-25 | 南京邮电大学 | 一种认知中继无线网络中功率分配方法 |
-
2017
- 2017-04-26 CN CN201710282471.XA patent/CN107040323B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291352A (zh) * | 2011-08-17 | 2011-12-21 | 南京邮电大学 | 认知正交频分复用***中基于业务质量的资源分配方法 |
CN102355672A (zh) * | 2011-08-17 | 2012-02-15 | 南京邮电大学 | 认知正交频分复用***中的自适应资源分配方法 |
CN103889043A (zh) * | 2014-03-17 | 2014-06-25 | 南京邮电大学 | 一种认知中继无线网络中功率分配方法 |
Non-Patent Citations (1)
Title |
---|
范戎飞等: "《Average Rate Maximization in Relay Networks Over Slow Fading Channels》", 《IEEE》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108271241A (zh) * | 2017-12-12 | 2018-07-10 | 广东电网有限责任公司电力调度控制中心 | 一种基于资源分配的信息速率接入控制优化方法及*** |
CN108271241B (zh) * | 2017-12-12 | 2019-10-22 | 广东电网有限责任公司电力调度控制中心 | 一种基于资源分配的信息速率接入控制优化方法及*** |
CN110536306A (zh) * | 2019-07-24 | 2019-12-03 | 西安交通大学 | 基于凸优化的多信道认知无线网络中最优功率分配方案 |
CN110536306B (zh) * | 2019-07-24 | 2022-02-11 | 西安交通大学 | 基于凸优化的多信道认知无线网络中最优功率分配方法 |
CN112583468A (zh) * | 2020-11-18 | 2021-03-30 | 郑州大学 | 一种基于mf-tdma体制的多波束卫星上行时隙、带宽、功率三维联合分配的方法 |
CN114071482A (zh) * | 2021-11-11 | 2022-02-18 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
CN114071482B (zh) * | 2021-11-11 | 2024-03-26 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
CN117176311A (zh) * | 2023-10-31 | 2023-12-05 | 南通飞海电子科技有限公司 | 基于频分多路复用的收银数据传输方法及*** |
CN117176311B (zh) * | 2023-10-31 | 2024-01-26 | 南通飞海电子科技有限公司 | 基于频分多路复用的收银数据传输方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107040323B (zh) | 2018-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107040323A (zh) | 一种认知无线电网络中多信道功率带宽联合分配方法 | |
Huynh et al. | Joint computational offloading and data-content caching in NOMA-MEC networks | |
WO2023179010A1 (zh) | 一种noma-mec***中的用户分组和资源分配方法及装置 | |
CN102869018B (zh) | 认知无线电中保证通信连续性的信道和功率联合分配方法 | |
CN104410480A (zh) | 一种大规模mimo***中基于大尺度衰落的导频分配方法 | |
WO2022127528A1 (zh) | 一种联合网络链路级的智能动态频谱抗干扰***及方法 | |
CN108718445A (zh) | 一种QoS驱动的D2D安全通信资源分配方法 | |
CN103619024A (zh) | 同小区中蜂窝用户与d2d用户间频谱资源分配的方法 | |
CN102364973A (zh) | 基于共享频谱接入的载波和功率联合分配方法 | |
CN103929819A (zh) | 一种认知无线电网络从用户联合定价及资源分配方法 | |
CN110233755A (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN110337148A (zh) | 基于非正交多址接入的认知无线电能效资源分配方法 | |
CN109088686A (zh) | 一种基于5g高低频段的同时无线信息与能量传输方法 | |
CN110418360A (zh) | 无线携能网络多用户子载波比特联合分配方法 | |
CN109451569A (zh) | 一种无线携能异构网络中的资源分配方法 | |
CN101729164A (zh) | 无线资源分配方法和认知无线电用户设备 | |
CN104796991B (zh) | 基于势博弈的ofdma***的资源分配方法 | |
CN109327895A (zh) | 基于noma和cr网络的功率分配方法 | |
CN104883727A (zh) | 蜂窝异构网络中d2d用户速率最大化的功率分配方法 | |
CN110225494A (zh) | 一种基于外部性和匹配算法的机器类通信资源分配方法 | |
CN108282888B (zh) | 一种基于改进模糊聚类的d2d资源分配方法 | |
CN102448070A (zh) | 动态频谱环境中基于多智能体强化学习的频率功率联合分配方法 | |
CN103619066A (zh) | 一种基于分布式信道分配下行干扰缓解的方法 | |
CN102883326A (zh) | 认知网络中频谱资源的分配方法 | |
CN103139800A (zh) | 中继蜂窝网络的节点调整方法、装置及*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180522 |
|
CF01 | Termination of patent right due to non-payment of annual fee |