CN113766620A - 一种认知无线电网络的功率控制方法及装置 - Google Patents
一种认知无线电网络的功率控制方法及装置 Download PDFInfo
- Publication number
- CN113766620A CN113766620A CN202110800458.5A CN202110800458A CN113766620A CN 113766620 A CN113766620 A CN 113766620A CN 202110800458 A CN202110800458 A CN 202110800458A CN 113766620 A CN113766620 A CN 113766620A
- Authority
- CN
- China
- Prior art keywords
- time slot
- secondary user
- user
- interference
- primary
- 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 54
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 25
- 238000005562 fading Methods 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000013139 quantization Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 35
- 238000004891 communication Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种认知无线电网络的功率控制方法及装置,方法包括:构建状态空间模型,通过LMI方法对状态空间模型计算状态反馈增益;通过更新时隙k时次用户i发射功率、时隙k时次用户i的实际测量信噪比、时隙k时次用户i对主用户l产生的干扰,结合误差动态方程计算时隙k时的次用户信噪比跟踪误差和时隙k时干扰温度跟踪误差,并根据其正负来选择控制器,通过控制器使次用户的发射功率降低,根据状态反馈增益与时隙k的输入向量乘积等于次用户i的更新功率功率控制更新指令,再返回重新更新,直至次用户发射信号不占据频谱。本发明考虑远近效应、快速信道衰落、测量误差、多址干扰和链路时延等因素的影响,通过对次用户功率控制,呈现良好鲁棒跟踪性能。
Description
技术领域
本发明涉及无线电网络技术领域,具体地说,涉及一种认知无线电网络的功率控制方法及装置。
背景技术
近年来,随着现代无线通信技术业务的飞速发展,有限的频谱资源已不能满足人们日益增长的需求。有效提高频谱利用率成为通信领域的重要课题。认知无线电可以独立寻找空闲频谱,在一定程度上可以提高频谱的利用效率。与现有的通信***(4G、4.5G)相比,在下垫式认知无线电网络(CRNs)中次用户(SU)和主用户(PU)共享授权频段,以提高频谱利用率。与此同时,这种方式可以直接架构在移动无线网络上,从而节省建设成本,减少网络投资。因此,在现有网络中,下垫式认知无线电网络已成为提高频谱效率日益重要的课题。
在下垫式认知无线电网络中,功率控制是实现频谱资源共享的关键技术之一。在下垫式认知网络中不影响主用户的QoS(服务质量)前提下,通过自适应调整次用户的参数来控制发射功率,从而保证次用户的QoS。当前,广大的科研工作者通过结合博弈论、群智能优化、鲁棒优化以及随机优化等方法在下垫式认知无线电网络中解决功率控制问题上取得了良好的成果。然而,在下垫式认知网络中基于上述方法的功率控制在上一时隙中更新下一时隙中用户的***状态并不能得到实时准确的描述。
此外,干扰温度的限制是在下垫式认知无线电网络中实现功率控制的关键约束条件,也是限制动态复用和提高频谱效率的重要因素。然而,在上述算法中,固定的干扰温度阈值对于描述次用户对主用户的影响显然是不恰当的。同时,实际的信道状态信息是不可避免地会受到量化误差、测量误差和不确定干扰的影响,从而导致***性能的下降。
截至目前,功率控制方法都没有将干扰温度、量化误差、测量误差和不确定干扰等影响纳入到功率控制中,暂未有较好的解决方案能够解决以上问题。
发明内容
在下垫式认知无线电网络中从动态过程控制的角度来看,应用于功率控制的算法还很少。在CDMA蜂窝通信***中,提出一种鲁棒功率控制方法H∞,在最坏情况下跟踪期望的信噪比(SINR)使其最小化,从而达到更好的通信质量和更高的***容量。针对用户的QoS,提出了混合H2/H∞分布式功率控制算法(Chaves F D S,Abbas-Turki M,Abou-Kandil H,etal.Transmission Power Control for Opportunistic QoS Provision in WirelessNetworks[J].IEEE Transactions on Control Systems Technology,2013,21(2):315-331),提高了***的鲁棒性。
基于上述考虑,本申请提出一种自适应步长的鲁棒混合H2/H∞算法来解决下垫式认知无线电网络中次用户的功率控制问题。为了在信道衰落和噪声不确定的情况下跟踪次用户的期望SINR(信噪比)和对主用户的期望干扰,建立了一个具有两个状态反馈控制器的状态空间模型,该模型考虑了平均干扰温度值的约束。此外,在其他条件不变的情况下,考虑到链路时延、测量误差和加权干扰温度约束,重构了上述状态空间模型。进一步,通过扩展线性矩阵不等式(LMI)(M.C.De Oliveira,J.C.Geromel,J.Bernussou.Extended H 2andH norm characterizations and controller parametrizations for discrete-timesystems[J].International Journal of Control,2002,75(9):666-679)来解决H2和H∞的范数问题,通过引入额外的变量来降低保守性并提高自由度。然后,借助LMI算法求解功率跟踪控制问题。仿真结果表明,与传统的固定步长CPCA算法、自适应步长CPCA算法的功率控制算法相比,本申请能够很好地适应实际的动态通信环境,并随着主用户数量的变化而提高次用户的QoS。本发明所采用的技术方案如下:
一种认知无线电网络的功率控制方法,包括:
其中,k+1时隙的输入向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积、常系数矩阵与次用户干扰对主用户的相关影响系数的乘积、常系数矩阵与被测次用户的信噪比相关影响系数的乘积之和,
H2范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积之和,
H∞范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积,常系数矩阵与次用户干扰对主用户的相关影响系数的乘积之和;
步骤2,通过LMI方法对所述状态空间模型计算状态反馈增益;
步骤3,步骤31,通过时隙k-1时的次用户i发射功率和时隙k时次用户i的发射功率控制更新指令来更新时隙k时次用户i的发射功率;
步骤32,通过时隙k时次用户i发射功率、时隙k时次用户j发射机到次用户i接收机的信道干扰增益gji(k)以及在时隙k时次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比,所述第一多重干扰包括多址干扰、噪声和衰落;
步骤33,通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益来计算时隙k时的次用户i对主用户l产生的干扰温度;
步骤4,通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,并根据其正负来选择控制器,进一步通过所选控制器使得次用户的发射功率降低,并更新自适应步长,根据状态反馈增益与时隙k的输入向量乘积等于次用户i的功率控制更新指令,进而来计算功率并更新功率控制更新指令,然后返回到步骤3,直至次用户发射信号不占据频谱。
可选地,所述状态空间模型如下:
其中,k表示时隙;
K表示状态反馈增益;
A,B,B1,B2,C0,C1,D01,D11,D12是常系数矩阵;
z2(k)=[ei γ(k) ui(k)]T是时隙k时次用户i的输出向量;
ei γ(k)是时隙k时次用户i的信噪比跟踪误差;
ui(k)是时隙k时次用户i的功率控制更新指令;
[Ii(k+1)-Ii(k)]表示次用户i在时隙k+1时与时隙k时第一多重干扰之间的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
表示时隙k时测得的次用户i对主用户l干扰相关影响系数,是时隙k时次用户i对主用户l给定的期望干扰温度阈值,其中,M表示M个次用户,是主用户l所能承受所有活跃的次用户的最大干扰功率阈值;hil(k)是时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益。
可选地,步骤31中,所述通过时隙k-1时的次用户i发射功率和时隙k时次用户i的功率控制更新指令来更新时隙k时次用户i的发射功率pi(k),其对应的公式6如下:
pi(k)=pi(k-1)+ui(k) (6)
步骤32中,所述通过时隙k时次用户i发射功率pi(k)、时隙k时从次用户i发射机到次用户i接收机的直接信道干扰增益gii(k)以及在时隙k上次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比γi(k),其对应的公式2如下:
γi(k)=pi(k)+gji(k)-Ii(k) (2)
在时隙k上次用户i受到的第一多重干扰Ii(k)定义如下
Ii(k)=10log10[ni(k)+∑j≠igji(k)pj(k)+∑lgli(k)pl(k)] (3)
j∈{1,2,…,M},l∈{1,2,…,N}
其中,M表示M个次用户,N表示N个主用户;
参数ni(k)是在时隙k时次用户i接收到的归一化背景噪声;
wi(k)=∑j≠igji(k)pj(k)表示在时隙k时所有其它的次用户发射机对次用户i的总干扰功率;
pj(k)表示时隙k时次用户j的发射功率;
非负参数gji(k)表示在时隙k上从次用户j发射机到次用户i接收机的信道干扰增益;
INi(k)=∑lgli(k)pl(k)表示在时隙k时所有主用户发射机对次用户i的总干扰功率;
pl(k)表示时隙k时主用户l的发射功率;
非负参数gli(k)表示在时隙k上从主用户l发射机到次用户i接收机的信道干扰增益;
步骤33中,所述通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益hil(k)来计算时隙k的次用户i对主用户l产生的干扰温度Γiil(k),其对应的公式9如下:
Γil(k)=pi(k)+hil(k) (9)
其中Γil(k)是次用户i对主用户l产生的干扰温度。
可选地,步骤4中,所述通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,包括:
根据时隙k-1时次用户i信噪比跟踪误差ei γ(k-1)、时隙k-1时次用户i的功率控制更新指令ui(k-1)、时隙k-1时次用户i的信噪比相关影响系数fi(k-1)计算时隙k时的信噪比跟踪误差ei γ(k);
误差动态方程如下:
ei γ(k)=ei γ(k-1)-ui(k-1)+fi(k-1) (10)
其中表示时隙k-1时被测次用户的信噪比相关影响系数,表示次用户i在时隙k和k-1时给定期望信噪比阈值之间的差值,[gii(k)-gii(k-1)]表示次用户i在时隙k和k-1的信道干扰增益的差值;[Ii(k0-Ii(k-1)]表示次用户i在时隙k时与时隙k-1时的第一多重干扰的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
可选地,在所述状态空间模型中考虑第二多重干扰因素,所述第二多重干扰包括远近效应、链路时延、噪声和测量误差,对应的考虑第二多重干扰的误差动态方程为:
表示考虑第二多重干扰的时隙k-1时被测次用户i的信噪比相关影响系数,其中表示时隙k-1时被测次用户的信噪比相关影响系数,表示次用户i在时隙k和k-1给定期望信噪比阈值之间的差值,[gii(k)-gii(k-1)]表示次用户i在时隙k和k-1的信道干扰增益的差值;[Ii(k)-Ii(k-1)]表示次用户i在时隙k与时隙k-1时的第一多重干扰之间的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
表示考虑第二多重干扰的在时隙k测得的次用户i对主用户l的干扰的相关影响系数,是时隙k时次用户i对主用户l给定期望干扰温度阈值,其中,是主用户l所能承受所有活跃的次用户的最大干扰功率阈值,λil(k)是加权因子;是考虑第二多重干扰的时隙k时次用户i的发射机和主用户l接收机之间的信道干扰增益;
可选地,与考虑第二多重干扰的误差动态方程对应的考虑第二多重干扰的状态空间模型如下:
其中,k表示时隙;
K2为状态反馈增益;
可选地,步骤31中,通过考虑第二多重干扰的时隙k-1时的次用户i发射功率和考虑第二多重干扰的时隙k-d的次用户i的功率控制更新指令,以及考虑第二多重干扰的时隙k上在反馈信道对次用户i的噪声来更新考虑第二多重干扰的时隙k时次用户i的发射功率其对应的公式15如下:
步骤32中,通过时隙k时次用户i发射功率pi(k)、时隙k时从次用户j发射机到次用户i接收机的直接信道干扰增益gji(k)以及在时隙k上次用户i受到的第一多重干扰Ii(k)和考虑第二多重干扰的次用户产生的对主用户的干扰测量误差计算时隙k时次用户i的实际测量信噪比其对应的公式17如下:
Ii(k)定义如下:
其中,M表示M个次用户,N表示N个主用户;
参数ni(k)是在时隙k时次用户i接收到的归一化背景噪声;
wi(k)=∑j≠igji(k)pj(k)表示时隙k时其他次用户对次用户i的总干扰;
pj(k)表示时隙k时次用户j发射机的发射功率;
非负参数gji(k)表示在时隙k上从次用户j发射机到次用户i接收机的信道干扰增益;
INi(k)=∑lgli(k)pl(k)是所有主用户发射机在时隙k对次用户i接收机的总干扰功率;
pl(k)表示时隙k时的主用户l发射机的发射功率;
非负参数gli(k)表示在时隙k上从主用户l发射机到次用户i接收机的信道干扰增益;
为步骤33中,通过考虑第二多重干扰的时隙k时次用户i的发射功率、考虑第二多重干扰的时隙k时次用户发射机和主用户l接收机之间的信道干扰增益和考虑第二多重干扰的次用户产生的对主用户的干扰测量误差来计算考虑第二多重干扰的k时隙的次用户i对主用户l产生的干扰其对应的公式20如下:
本发明还提供一种认知无线电网络的功率控制装置,包括:
其中,k+1时隙的输入向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积、常系数矩阵与次用户干扰对主用户的相关影响系数的乘积、常系数矩阵与被测次用户的信噪比相关影响系数的乘积之和,
H2范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积之和,
H∞范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积,常系数矩阵与次用户干扰对主用户的相关影响系数的乘积之和;
状态反馈增益获取模块,用于通过LMI方法对所述状态空间模型计算状态反馈增益;
信噪比和干扰温度获取模块,用于通过时隙k-1时的次用户i发射功率和时隙k时次用户i的发射功率控制更新指令来更新时隙k时次用户i的发射功率;
通过时隙k时次用户i发射功率、时隙k时次用户j发射机到次用户i接收机的信道干扰增益gji(k)以及在时隙k时次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比,所述第一多重干扰包括多址干扰、噪声和衰落;
通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益来计算时隙k时的次用户i对主用户l产生的干扰温度;
功率更新模块,用于通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,并根据其正负来选择控制器,进一步通过所选控制器使得次用户的发射功率降低,并更新自适应步长,根据状态反馈增益与时隙k的输入向量乘积等于次用户i的功率控制更新指令,进而来计算功率并更新功率控制更新指令,然后返回到步骤3,直至次用户发射信号不占据频谱。
本申请从自动控制的角度出发,提出了一种跟踪次用户期望信噪比和跟踪主用户期望干扰的状态空间动态模型。该模型考虑了平均干扰温度的约束条件,可以保证在下垫式认知无线电通信网络中主用户和次用户的服务质量。此外,为了补偿干扰、噪声、信道衰落和链路时延对认知无线电通信环境的影响,提出了一种在加权干扰温度约束下的时延状态空间模型和两种状态反馈控制器。最后,采用具有自适应步长的混合H2/H∞功率控制跟踪算法对该模型进行求解。在认知无线电通信环境中,受远近效应、快速信道衰落、测量误差、多址干扰和链路时延等因素的影响,通过对次用户功率的控制,呈现出良好的鲁棒跟踪性能。与传统的功率控制方法相比,在基本模型下本文提出的混合H2/H∞功率控制算法,同时在平均干扰温度的约束下,能显著提高跟踪控制性能,减少在高速移动时次用户对主用户的干扰。特别是考虑到次用户与主用户之间的距离、***测量误差、量化误差和链路时延等因素,本方法仍对次用户的服务质量具有良好的跟踪性能,并对次用户对主用户的干扰有明显的约束。
附图说明
通过结合下面附图对其实施例进行描述,本发明的上述特征和技术优点将会变得更加清楚和容易理解。
图1是表示认知无线电网络主用户与次用户之间关系示意图;
图2是表示本发明实施例的状态空间模型的闭环控制框图;
图3是表示本发明实施例的考虑干扰温度约束、链路延迟和测量误差的状态空间模型的闭环控制框图;
图4是表示本发明实施例的SINR标准差和相应SU的移动速度(10-100)的关系图;
图5是表示本发明实施例的SINR标准差和相应SU的移动速度(100-300)的关系图;
图6是表示本发明实施例的SU对PU的IT标准差和相应SU的移动速度(10-100)的关系图;
图7是表示本发明实施例的SU对PU的IT标准差和相应SU的移动速度(100-300)的关系图;
图8是表示本发明实施例的次用户的SINR标准差和对应次用户的移动速度(10-100)时的测量误差关系图;
图9是表示本发明实施例的次用户的SINR标准差和对应次用户的移动速度(100-300)时的测量误差关系图;
图10是表示本发明实施例的往返延迟对次用户SINR标准差的影响的关系图;
图11是表示本发明实施例的往返延迟对主用户IT标准差的影响的关系图;
图12是表示本发明实施例的次用户的数量和对应的次用户的标准差的关系图;
图13是中断概率和对应的次用户目标信噪比的关系图;
图14是表示本发明实施例的次用户的SINR标准差以及对应的主用户与次用户之间的距离关系图;
图15是表示本发明实施例的次用户的干扰温度标准差以及相应的主用户与次用户之间的距离关系图。
具体实施方式
下面将参考附图来描述本发明所述的实施例。本领域的普通技术人员可以认识到,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式或其组合对所描述的实施例进行修正。因此,附图和描述在本质上是说明性的,而不是用于限制权利要求的保护范围。此外,在本说明书中,附图未按比例画出,并且相同的附图标记表示相同的部分。
本实施例提供一种认知无线电网络的功率控制方法,包括:
所述状态空间模型如下:
其中,k表示时隙;
K表示状态反馈增益;
A,B,B1,B2,C0,C1,D01,D11,D12是常系数矩阵,
D01=[0 1]TD11=[1 0]TD12=[0 1]T;
R表示数值空间;
其中表示时隙k时被测次用户的信噪比相关影响系数,表示次用户i在时隙k+1时和时隙k时给定期望信噪比阈值之间的差值,[gii(k+1)-gii(k)]表示次用户i在时隙k+1时和时隙k时的信道干扰增益的差值;
[Ii(k+1)-Ii(k)]表示次用户i在时隙k+1时与时隙k时的第一多重干扰之间的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
下面说明一下该状态空间模型的推导过程:
考虑到一个下垫式认知网络,其中次用户的与主用户共存以利用授权频谱并满足干扰功率的约束。假设在该网络的衰落信道中有M个次用户的发射机-接收机和N个主用户的发射机-接收机,如图1所示,图1中,PU_Rx表示主用户接收机,PU_Tx表示主用户发射机,SU_Rx表示次用户接收机,PU_Tx表示次用户发射机。ith表示次用户i,j th表示次用户j,lth表示主用户l,s th表示主用户s。σi是对次用户i的背景噪声,σj是对次用户j的背景噪声,σl是对主用户l的背景噪声,σs是对主用户s的背景噪声。
每个活跃的次用户接收机处的信噪比不能小于最小的信噪比阈值。为方便起见,为了保证次用户的可靠通信,所有参数在对数域描述。设γi(k)表示在时隙k接收到的次用户i的实际测量信噪比,是次用户i的最小信噪比。
其中,γi(k)=pi(k)+gii(k)-Ii(k) (2)
其中gii(k)是时隙k从次用户i到次用户i的直接信道干扰增益。在时隙K上次用户i受到的第一多重干扰Ii(k)定义如下
其中参数ni(ni>0)是在时隙k时次用户i接收到的归一化背景噪声。wi(k)=∑j≠ igji(k)pj(k)表示时隙k时其他次用户对次用户i的总干扰;
pj(k)表示时隙k时次用户j发射机的发射功率。非负参数gji表示在时隙k上从次用户j发射机到次用户i接收机的信道干扰增益。INi(k)=∑lgli(k)pl(k)是所有主用户发射机在时隙k对次用户i的总干扰功率。pl(k)表示时隙k链路l上的主用户发射机的发射功率。非负参数gli(k)表示在时隙k上从主用户l发射机到次用户i接收机的信道干扰增益。
上述gii(k),gli(k)是无线通信信道中随时间变化的功率传输增益,统称为g(k)。
考虑到电池容量的限制,每个SU-Tx(次用户的发射机)的发射功率应低于电池功率pmax的最大阈值
pmin≤pi(k)≤pmax (5)
其中pmin表示当SU的SINR最小时的最小功率。pmax是最大功率。
从次用户的分布式传输功率控制的角度来看,对数域的闭环控制***如图2所示。从图2可以看出,每个移动终端包括量化重构器、功率乘法器、功率限制器、SINR测量电路、SINR比较器、控制器和量化器。当移动终端作为发射机时,量化重构器、功率乘法器和功率限制器开始计算发射功率。当移动终端作为接收机时,SINR测量电路、SINR比较器、控制器、量化器开始计算和更新发射功率指令。
为了提高SU和PU的QoS,如图2所示,状态反馈控制器包括次用户信噪比反馈控制器和次用户对主用户干扰反馈控制器状态反馈控制器实时跟踪SU的给定期望信噪比阈值和对PU给定期望干扰温度阈值并根据SU的SINR跟踪误差ei γ(k)和对PU的干扰温度跟踪误差调整功率控制更新指令ui(k)给次用户发射机。发射功率pi(k)、SU的SINR跟踪误差ei γ(k)和SU对PU的干扰温度跟踪误差可以分别表示如下
pi(k)=pi(k-1)+ui(k) (6)
其中,Γil(k)=pi(k)+hil(k) (9)
Γil(k)是次用户i对主用户l产生的干扰,ui(k)代表功率控制器产生的功率控制更新指令。
由(1)、(6)、(7)和(8),次用户的SINR跟踪误差和对主用户的干扰温度跟踪误差可以通过以下误差动态方程得到
其中表示被测次用户的信噪比相关影响系数,表示次用户i在时隙k时和时隙k-1时给定期望信噪比阈值之间的差值,[gii(k)-gii(k-1)]表示次用户i在时隙k时和时隙k-1的信道干扰增益的差值;[Ii(k)-Ii(k-1)]表示次用户i在时隙k-1和时隙k-1的第一多重干扰之间的差值,第一多重干扰包括多址干扰、噪声和衰落;
上述(10)和式(11)中的误差动态方程可以转化为状态空间模型,形成状态反馈控制。定义输入状态向量x(k),它与SU的时隙k时次用户i的SINR跟踪误差ei γ(k),对PU干扰温度跟踪误差以及之前的功率控制更新指令相关,可以定义为下式
其中
D01=[0 1]TD11=[1 0]TD12=[0 1]T。
在状态空间模型13中,为了保持***在外界干扰下的稳定性,引入状态反馈控制器ui(k)
ui(k)=Kx(k) (29)
其中K为控制器的状态反馈增益。
将状态反馈控制器29代入公式13后,状态空间模型可改写为
步骤2,通过LMI方法对所述状态空间模型计算状态反馈增益K。
下面说明一下状态反馈增益K计算过程,在干扰约束下提高SU通信质量的问题可以看作是一个混合H2H∞状态反馈控制问题,目的是求得公式30的状态反馈增益K。进一步,根据H2H∞理论,信噪比相关影响系数fi(k)对SINR跟踪误差ei γ(k)的最坏影响可以通过状态反馈增益K最小化,同时SU对PU的干扰温度跟踪误差影响vil(k)小于给定的上界。因此,问题可以描述如下
为达到上述目的,当且仅当存在对称矩阵X2,Z=C0X2C0和X∞,它使公式(31)转换成如下不等式:
其中,ξ1是主用户l所能承受的最大干扰温度的阈值,对公式(32)采用LMI方法求解。在LMI方法中,为了计算跟踪误差的便利性和有效性,采用了相同的矩阵变量表示跟踪误差。然而,该方法可以使图2的闭环控制***更加保守。为了减少这种保守性,扩展的LMI方法通过引入额外的辅助变量V1=V2=V,以及对称正定矩阵X∞,对称正定矩阵X2,转置矩阵H来处理上述公式(32)。因此,可以将其转换为以下表达式
通过求解上述不等式和反馈信道干扰增益,得到一组最优解V,H,X∞,X2。反馈信道干扰增益K=HV-1,因此,基于扩展的LMI方法解决了混合H2H∞状态反馈问题。
其中G为更新窗口长度。
步骤3,
步骤31,通过时隙k-1时的次用户i发射功率和时隙k时次用户i的功率控制更新指令来更新时隙k时次用户i发射功率pi(k),即上述公式6。
步骤32,通过时隙k时的次用户i发射功率、时隙k时从次用户j发射机到次用户i接收机的信道干扰增益以及时隙k上次用户i受到的多重干扰Ii(k)计算时隙k的次用户i的实际测量信噪比γi(k),即上述公式2。
步骤33,通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益来计算时隙k的次用户i对主用户l产生的干扰Γil(k),其对应上述公式9。
步骤4,通过误差动态方程10、11计算时隙k时的ei γ(k)和根据误差ei γ(k)和的正负选择控制器,进一步通过所选控制器使得次用户的发射功率降低,并更新自适应步长,根据公式29计算功率控制更新指令ui(k),然后返回到步骤3,直至次用户不占据频谱。
ui(k)=Kx(k) (29)。
进一步地,在所述状态空间模型中还考虑第二多重干扰,第二多重干扰包括远近效应、链路时延、测量误差,考虑到远近效应对PU性能的影响,干扰最重要的约束可以重写为
Dil(k)为在时隙k时次用户i发射机到主用户l接收机的实际距离;
μil是路径衰减指数;
λil(k)是加权因子。
下面就增加远近效应、链路时延、测量误差这些因素对状态空间模型进行改进,具体说明如下,需要说明的是,涉及的公式中参数具有上标~的参数表示是与不具有上标~的对应参数在考虑远近效应、链路时延、测量误差等这些因素情况下的改进,称为考虑第二多重干扰的相关参数。
如果通信环境中路径衰减指数相同,则加权因子可简单设计为λil(k)=10log10Dil(k)-10log10∑jDil(k)。否则,如果在恶劣信道下,SU的最大发射功率仍然不能保证其自身的基本SINR需求,则将SU的发射功率设为零,这样可以避免不必要的能量消耗,减少对其他用户的干扰。考虑第二多重干扰的发射功率受到反馈信道噪声和功率控制器产生的链路时延d的影响,这个时延包括链路上行时延和下行时延的总和。由于SINR测量误差,对PU的干扰温度测量误差,量化误差、多址干扰、远近效应和链路延迟等因素都会影响认知无线电网络***的性能。因此,如图3所示,通过量化重构器和功率乘法器将发射功率改写如下
此外,功率控制***还可以考虑测量误差,测量精度取决于估计算法、计算复杂度、测量长度和衰落速率。因此,在功率控制***中考虑SU接收机SINR测量电路产生的测量误差每个活跃的SU-rx的SINR可以重新改写如下
根据公式15至公式20,可以将误差动态方程修改为:
相应的,在状态空间模型中也增加远近效应、链路时延、测量误差这些因素,在下垫式认知无线电网络中SU对PU的干扰约束以及测量误差和时延的影响下,SU的实际SINR和所有的SU对PU的干扰期望达到目标SINR和理想的干扰阈值。也就是说和是接近零的。为了维持通信***在外部干扰和下的稳定性,引入状态反馈控制器
考虑第二多重干扰的状态空间模型如下:
其中输出变量定义为
R是数值空间,d是时延;
考虑第二多重干扰的状态空间模型的求解方法与前述状态空间模型的求解方法相同,在此不再详述。
进一步地,所述根据误差的正负选择控制器,使得次用户的发射功率降低,包括:
进一步的,在步骤4后还包括:
步骤5,输出所有次用户的信噪比标准差、对主用户干扰标准差。
下面采用计算机仿真比较本申请的混合H2/H∞功率控制算法(RPCA)与传统的固定步长功率控制方法(CPCA)和自适应步长的CPCA方法在保证SU对PU干扰最小和SU的服务质量上的区别。
在认知无线电网络中,采样频率设置为900MHz,信道带宽设置为1.23MHz。数据速率设置为9.6kbps,即信号处理增益为21dB。信道衰落与用户移动速度和***采样周期有关,仿真的采样周期为TS=1/9600s。因此,将用户的低速度设定为0-100km/h,高速度设定为100km/h-300km/h。阴影对数标准偏差设置为约4.3dB。为了保证链路的通信质量,假设SINR的最小值为-14dB(γmin=-14dB)。事实上,由于***的通信环境是时变的,SU的实际SINR可能小于SINR阈值γmin。当实际的信噪比γi(k)远小于SINR门限γmin时,通信质量必然立即下降,通信中断必然发生。因此,中断概率η可以代表通信***的性能。可以表示为
η=prob{γi(k)<γmin} (43)
功率控制更新指令对每个功率控制以周期为TP=1.25ms=12TS进行间隔更新。SINR标准差和干扰标准差结果可以评估功率控制算法的性能。下面从移动速度、测量误差、延迟、次用户数量几个方面来比较本申请与传统的固定步长功率控制方法(CPCA)和自适应步长的CPCA方法在保证SU对PU干扰最小和SU的服务质量上的区别。
(1)移动速度的影响(信道衰落和干扰)
图4是SINR标准差和相应SU的移动速度的关系图(次用户数量为10,遗忘因子β=0.97,对主用户干扰期望值信噪比期望值时延d=1TS,周期间隔TP=1.25ms,阴影对数标准偏差ω=4.3dB,PU的移动速度为220km/h,其中,f和a表示步长,PCB表示步长单位、NS表示状态空间模型、NFS、NFMS、NFMDS都表示考虑第二多重干扰的状态空间模型)。
图5是SINR标准差和相应SU的移动速度的关系图(次用户数量为10,遗忘因子β=0.97,对主用户干扰期望值信噪比期望值d=1TS,周期间隔TP=1.25ms,阴影对数标准偏差ω=4.3dB,PU的移动速度为220km/h)。
由于整个信道的衰落增益取决于移动速度,随着用户移动速度的增加,信道衰落增益也在快速增加。在仿真实验中,假设PU以220km/h的速度进行高速运动,10个SU都以10km/h-100km/h的速度在移动通信***中进行移动,并且TP=1.25ms,ω=4.3dB。图4表明了在不同方法下,不同速度下的SU的SINR跟踪误差的标准差σγ。从图5中可以观察到,在混合H2H∞自适应功率控制算法和自适应步长的CPCA算法中的标准差σγ都低于固定步长的CPCA算法,尤其是在移动速度为60km/h至100km/h的环境下。本申请的方法在状态空间模型中要优于改进状态空间模型。
图6是SU对PU的IT标准差σΓ和相应SU的移动速度的关系图(次用户数量为10,遗忘因子β=0.97,对主用户干扰期望值信噪比期望值时延d=1TS,周期间隔TP=1.25ms,阴影对数标准偏差ω=4.3dB,PU的移动速度为220km/h)。
图7是SU对PU的IT标准差σΓ和相应SU的移动速度的关系图(次用户数量为10,遗忘因子β=0.97,对主用户干扰期望值信噪比期望值时延d=1TS,周期间隔TP=1.25ms,阴影对数标准偏差ω=4.3dB,PU的移动速度为220km/h)。
在图6和图7中,SU对PU的IT的标准差随着SU移动速度的降低而急剧降低。显然,如公式(7)和(8)所示,当实际SINR大于所期望的SINR时(即),如果在图6中SU对PU的实际IT值低于目标IT值的话(即),为了得到SU所需的目标SINR,功率控制器可以降低SU的发射功率但不影响其通信质量,同时提高了PU通信质量。
此外,如图4至图7所示,本申请可以在闭环移动通信***中在100km/h-300km/h的速度区间里,实现SU的SINR跟踪误差的标准差、SU对PU的IT跟踪误差的标准差最小化。因此,上述图片表明,在改进状态空间模型中所提出的鲁棒混合H2/H∞功率控制算法可以补偿链路延迟,并减小信道衰落、干扰、噪声、MAI和测量误差的影响。然而,值得注意的是,当相对速度高于160km/h时,传统功率控制固定步长量化方案的标准差低于自适应步长量化方案的标准差。这些结果证明,具有自适应步长量化方案的传统功率控制,解决了开环通信***中的功率控制问题。综上所述,本申请的方法在鲁棒性方面优于其他两种算法。
(2)测量误差的影响
考虑到实际通信***中的测量误差、量化误差、信道噪声和对主用户的干扰等因素,特别是所提出的鲁棒混合H2/H∞自适应功率控制算法更易于处理跟踪控制问题。此外,假设测量误差范围为[-0.5dB,0.5dB]。如图8,图9所示,采用自适应模型的混合功率控制算法在较高的速度下,特别是在100km/h-300km/h范围内,次用户的信噪比跟踪误差的标准差小于传统算法。然而,在速度较低时的结果却相反。这是因为在这些算法中,次用户的信噪比跟踪误差的标准差很小,而引入的误差对其有相对较大的影响。仿真结果表明,本申请的方法对误差的不确定性方面具有鲁棒性。
(3)往返延迟的影响
图10是往返延迟对次用户SINR标准差的影响(v=80km/h,TP=1.25ms;ω=4.3dB);
图11往返延迟对主用户IT标准差的影响(v=80km/h,TP=1.25ms,ω=4.3dB)。
链路延迟对跟踪性能的影响如图10和图11所示。图10显示了链路延迟在标准化时隙(Ts)和用户速度为80km/h的情况下,次用户的信噪比跟踪误差的标准差与链路延迟的关系。同时,在相同条件下,图11表示对于主用户的干扰温度的标准差与链路延迟的关系。从图中可以看出,随着时延的增加,主用户的干扰温度增长较为缓慢,与其他算法相比,本申请的方法具有更好的性能。由于链路延迟是通过具有时滞的状态空间模型来实现的,所以可以通过H2/H∞状态反馈控制设计来补偿。此外,还可以克服由不确定性因素所造成的***不稳定性。然而,传统的控制算法并没有考虑或补偿***中链路延迟的影响。因此,本文所提的跟踪控制算法在鲁棒性方面优于其他算法。
(4)次用户数量的影响
在图12中,次用户的移动速度分别为50km/h和200km/h。当次用户数量逐渐增加时,在不考虑远近效应的影响下,中断概率几乎没有改变,即在传统模型中次用户数量的增加几乎不影响次用户的信噪比。然而,随着次用户数量的增加,在近远效应的影响下,信噪比跟踪误差的标准差逐渐增大,中断概率必然增大。因此,本文所提的H2/H∞闭环功率控制方法更适应实际的通信环境。
(5)目标信噪比对中断概率的影响
次用户的目标信噪比与次用户的中断概率的关系如图13所示。显然,当次用户的目标信噪比增大时,次用户的中断概率减小。此外,结果表明,无论次用户信噪比的值是高或是低,所提出的混合H2/H∞算法的次用户平均中断概率都小于其他方法。由于实际信噪比小于最小信噪比,从而次用户的通信可以中断。因此,次用户的中断概率不仅取决于最小信噪比,还取决于目标信噪比。
(6)远近效应的影响
图14次用户的SINR标准差σγ以及对应的主用户与次用户之间的距离关系(主用户速度为220km/h,次用户速度为200km/h).;
图15次用户的干扰温度标准差σΓ以及相应的主用户与次用户之间的距离关系(主用户速度为220km/h,次用户速度为200km/h)。
在图14-15中,绘制了主用户和次用户之间距离的影响。从图14、15可以看出,在CPCA和混合H2/H∞RPCA算法中加权干扰温度约束条件下,标准差σΓ和σγ变化的范围非常小。但在加权干扰温度约束下,上述算法的标准差σΓ和σγ都高于混合H2H∞RPCA算法。在图15中,混合H2H∞RPCA算法(NFS)的σΓ随距离的增加而增加,且小于其他算法。这是因为具有加权干扰温度约束模型的干扰目标可以通过主用户和次用户之间的距离而改变。因此,混合H2/H∞RPCA算法(NFS)的干扰目标是动态的。距离越大,主用户和次用户之间的信道干扰增益越小,且次用户对主用户的干扰也相应减小。同时,该模型在加权干扰温度约束下,可以减少干扰目标。然后,次用户可以提高传输功率,从而提高服务质量,次用户的信噪比也可能超过目标信噪比,同时还增加了标准差σγ。因此,本文提出的具有加权干扰温度约束的混合H2/H∞RPCA算法(NFS)优于其他算法。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种认知无线电网络的功率控制方法,其特征在于,包括:
其中,k+1时隙的输入向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积、常系数矩阵与次用户干扰对主用户的相关影响系数的乘积、常系数矩阵与被测次用户的信噪比相关影响系数的乘积之和,
H2范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积之和,
H∞范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积,常系数矩阵与次用户干扰对主用户的相关影响系数的乘积之和;
步骤2,通过LMI方法对所述状态空间模型计算状态反馈增益;
步骤3,步骤31,通过时隙k-1时的次用户i发射功率和时隙k时次用户i的发射功率控制更新指令来更新时隙k时次用户i的发射功率;
步骤32,通过时隙k时次用户i发射功率、时隙k时次用户j发射机到次用户i接收机的信道干扰增益gji(k)以及在时隙k时次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比,所述第一多重干扰包括多址干扰、噪声和衰落;
步骤33,通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益来计算时隙k时的次用户i对主用户l产生的干扰温度;
步骤4,通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,并根据其正负来选择控制器,进一步通过所选控制器使得次用户的发射功率降低,并更新自适应步长,根据状态反馈增益与时隙k的输入向量乘积等于次用户i的功率控制更新指令,进而来计算功率并更新功率控制更新指令,然后返回到步骤3,直至次用户发射信号不占据频谱。
2.根据权利要求1所述的认知无线电网络的功率控制方法,其特征在于,
所述状态空间模型如下:
其中,k表示时隙;
K表示状态反馈增益;
A,B,B1,B2,C0,C1,D01,D11,D12是常系数矩阵;
z2(k)=[ei γ(k) ui(k)]T是时隙k时次用户i的输出向量;
ei γ(k)是时隙k时次用户i的信噪比跟踪误差;
ui(k)是时隙k时次用户i的功率控制更新指令;
[Ii(k+1)-Ii(k)]表示次用户i在时隙k+1时与时隙k时第一多重干扰之间的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
3.根据权利要求2所述的认知无线电网络的功率控制方法,其特征在于,
步骤31中,所述通过时隙k-1时的次用户i发射功率和时隙k时次用户i的功率控制更新指令来更新时隙k时次用户i的发射功率pi(k),其对应的公式6如下:
pi(k)=pi(k-1)+ui(k) (6)
步骤32中,所述通过时隙k时次用户i发射功率pi(k)、时隙k时从次用户i发射机到次用户i接收机的直接信道干扰增益gii(k)以及在时隙k上次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比γi(k),其对应的公式2如下:
γi(k)=pi(k)+gji(k)-Ii(k) (2)
在时隙k上次用户i受到的第一多重干扰Ii(k)定义如下
Ii(k)=10 log10[ni(k)+∑j≠igji(k)pj(k)+∑lgli(k)pl(k)] (3)
j∈{1,2,…,M},l∈{1,2,…,N}
其中,M表示M个次用户,N表示N个主用户;
参数ni(k)是在时隙k时次用户i接收到的归一化背景噪声;
wi(k)=∑j≠igji(k)pj(k)表示在时隙k时所有其它的次用户发射机对次用户i的总干扰功率;
pj(k)表示时隙k时次用户j的发射功率;
非负参数gji(k)表示在时隙k上从次用户j发射机到次用户i接收机的信道干扰增益;
INi(k)=∑lgli(k)pl(k)表示在时隙k时所有主用户发射机对次用户i的总干扰功率;
pl(k)表示时隙k时主用户l的发射功率;
非负参数gli(k)表示在时隙k上从主用户l发射机到次用户i接收机的信道干扰增益;
步骤33中,所述通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益hil(k)来计算时隙k的次用户i对主用户l产生的干扰温度Γil(k),其对应的公式9如下:
Γil(k)=pi(k)+hil(k) (9)
其中Γil(k)是次用户i对主用户l产生的干扰温度。
4.根据权利要求3所述的认知无线电网络的功率控制方法,其特征在于,
步骤4中,所述通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,包括:
根据时隙k-1时次用户i信噪比跟踪误差ei γ(k-1)、时隙k-1时次用户i的功率控制更新指令ui(k-1)、时隙k-1时次用户i的信噪比相关影响系数fi(k-1)计算时隙k时的信噪比跟踪误差ei γ(k);
误差动态方程如下:
ei γ(k)=ei γ(k-1)-ui(k-1)+fi(k-1) (10)
其中表示时隙k-1时被测次用户的信噪比相关影响系数,表示次用户i在时隙k和k-1时给定期望信噪比阈值之间的差值,[gii(k)-gii(k-1)]表示次用户i在时隙k和k-1的信道干扰增益的差值;[Ii(k)-Ii(k-1)]表示次用户i在时隙k时与时隙k-1时的第一多重干扰的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
6.根据权利要求1所述的认知无线电网络的功率控制方法,其特征在于,在所述状态空间模型中考虑第二多重干扰因素,所述第二多重干扰包括远近效应、链路时延、噪声和测量误差,对应的考虑第二多重干扰的误差动态方程为:
表示考虑第二多重干扰的时隙k-1时被测次用户i的信噪比相关影响系数,其中表示时隙k-1时被测次用户的信噪比相关影响系数,表示次用户i在时隙k和k-1给定期望信噪比阈值之间的差值,[gii(k)-gii(k-1)]表示次用户i在时隙k和k-1的信道干扰增益的差值;[Ii(k)-Ii(k-1)]表示次用户i在时隙k与时隙k-1时的第一多重干扰之间的差值,所述第一多重干扰包括多址干扰、噪声和衰落;
表示考虑第二多重干扰的在时隙k测得的次用户i对主用户l的干扰的相关影响系数,是时隙k时次用户i对主用户l给定期望干扰温度阈值,其中,是主用户l所能承受所有活跃的次用户的最大干扰功率阈值,λil(k)是加权因子;是考虑第二多重干扰的时隙k时次用户i的发射机和主用户l接收机之间的信道干扰增益;
8.根据权利要求7所述的认知无线电网络的功率控制方法,其特征在于,
步骤31中,通过考虑第二多重干扰的时隙k-1时的次用户i发射功率和考虑第二多重干扰的时隙k-d的次用户i的功率控制更新指令,以及考虑第二多重干扰的时隙k上在反馈信道对次用户i的噪声来更新考虑第二多重干扰的时隙k时次用户i的发射功率其对应的公式15如下:
步骤32中,通过时隙k时次用户i发射功率pi(k)、时隙k时从次用户j发射机到次用户i接收机的直接信道干扰增益gji(k)以及在时隙k上次用户i受到的第一多重干扰Ii(k)和考虑第二多重干扰的次用户产生的对主用户的干扰测量误差计算时隙k时次用户i的实际测量信噪比其对应的公式17如下:
Ii(k)定义如下:
其中,M表示M个次用户,N表示N个主用户;
参数ni(k)是在时隙k时次用户i接收到的归一化背景噪声;
wi(k)=∑j≠igji(k)pj(k)表示时隙k时其他次用户对次用户i的总干扰;
pj(k)表示时隙k时次用户j发射机的发射功率;
非负参数gji(k)表示在时隙k上从次用户j发射机到次用户i接收机的信道干扰增益;
INi(k)=∑lgli(k)pl(k)是所有主用户发射机在时隙k对次用户i接收机的总干扰功率;
pl(k)表示时隙k时的主用户l发射机的发射功率;
非负参数gli(k)表示在时隙k上从主用户l发射机到次用户i接收机的信道干扰增益;
为步骤33中,通过考虑第二多重干扰的时隙k时次用户i的发射功率、考虑第二多重干扰的时隙k时次用户发射机和主用户l接收机之间的信道干扰增益和考虑第二多重干扰的次用户产生的对主用户的干扰测量误差来计算考虑第二多重干扰的k时隙的次用户i对主用户l产生的干扰其对应的公式20如下:
9.根据权利要求1所述的认知无线电网络的功率控制方法,其特征在于,
根据次用户信噪比跟踪误差和次用户对主用户的干扰温度跟踪误差的正负选择控制器,包括:
10.一种认知无线电网络的功率控制装置,其特征在于,包括:
其中,k+1时隙的输入向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积、常系数矩阵与次用户干扰对主用户的相关影响系数的乘积、常系数矩阵与被测次用户的信噪比相关影响系数的乘积之和,
H2范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积之和,
H∞范数对应的输出向量的构成是常系数矩阵加上状态反馈增益后与k时隙的输入向量的乘积,常系数矩阵与次用户干扰对主用户的相关影响系数的乘积之和;
状态反馈增益获取模块,用于通过LMI方法对所述状态空间模型计算状态反馈增益;
信噪比和干扰温度获取模块,用于通过时隙k-1时的次用户i发射功率和时隙k时次用户i的发射功率控制更新指令来更新时隙k时次用户i的发射功率;
通过时隙k时次用户i发射功率、时隙k时次用户j发射机到次用户i接收机的信道干扰增益gji(k)以及在时隙k时次用户i受到的第一多重干扰Ii(k)计算时隙k时次用户i的实际测量信噪比,所述第一多重干扰包括多址干扰、噪声和衰落;
通过时隙k时次用户i的发射功率、时隙k时次用户i发射机和主用户l接收机之间的信道干扰增益来计算时隙k时的次用户i对主用户l产生的干扰温度;
功率更新模块,用于通过误差动态方程计算时隙k时的次用户i的信噪比跟踪误差和时隙k时次用户i对主用户的干扰温度跟踪误差,并根据其正负来选择控制器,进一步通过所选控制器使得次用户的发射功率降低,并更新自适应步长,根据状态反馈增益与时隙k的输入向量乘积等于次用户i的功率控制更新指令,进而来计算功率并更新功率控制更新指令,然后返回到步骤3,直至次用户发射信号不占据频谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110800458.5A CN113766620B (zh) | 2021-07-15 | 2021-07-15 | 一种认知无线电网络的功率控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110800458.5A CN113766620B (zh) | 2021-07-15 | 2021-07-15 | 一种认知无线电网络的功率控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766620A true CN113766620A (zh) | 2021-12-07 |
CN113766620B CN113766620B (zh) | 2023-11-28 |
Family
ID=78787737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110800458.5A Active CN113766620B (zh) | 2021-07-15 | 2021-07-15 | 一种认知无线电网络的功率控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766620B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116321390A (zh) * | 2023-05-23 | 2023-06-23 | 北京星河亮点技术股份有限公司 | 功率控制方法、装置和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
WO2013081520A1 (en) * | 2011-11-28 | 2013-06-06 | Telefonaktiebolaget L M Ericsson (Publ) | Load control in a cell by considering the estimated interference cancellation gain |
US20150091706A1 (en) * | 2013-09-30 | 2015-04-02 | Sergey Chemishkian | Real-time wireless power transfer control for passive backscattering devices |
CN106714292A (zh) * | 2016-12-27 | 2017-05-24 | 重庆邮电大学 | 认知网络中基于干扰功率和服务质量受限的最优功率控制方法 |
-
2021
- 2021-07-15 CN CN202110800458.5A patent/CN113766620B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102438313A (zh) * | 2011-09-06 | 2012-05-02 | 南京邮电大学 | 一种基于认知无线电通信盟的调度方法 |
WO2013081520A1 (en) * | 2011-11-28 | 2013-06-06 | Telefonaktiebolaget L M Ericsson (Publ) | Load control in a cell by considering the estimated interference cancellation gain |
US20150091706A1 (en) * | 2013-09-30 | 2015-04-02 | Sergey Chemishkian | Real-time wireless power transfer control for passive backscattering devices |
CN106714292A (zh) * | 2016-12-27 | 2017-05-24 | 重庆邮电大学 | 认知网络中基于干扰功率和服务质量受限的最优功率控制方法 |
Non-Patent Citations (1)
Title |
---|
顾洪宇;杨晨阳;: "动态频谱访问中的最小最大公平功率与数据率联合控制算法", 电子与信息学报, no. 08 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116321390A (zh) * | 2023-05-23 | 2023-06-23 | 北京星河亮点技术股份有限公司 | 功率控制方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113766620B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10055682B2 (en) | Self-optimizing deployment cascade control scheme and device based on TDMA for indoor small cell in interference environments | |
US7366130B2 (en) | Base station and transmission power determining method in mobile communications systems | |
US20050239489A1 (en) | Method and system for closed loop power control in wireless systems | |
US10420037B2 (en) | Communication control method, communication system, and management server | |
US7072680B2 (en) | Power control apparatus for achieving respective desired signal quality levels in wireless communication systems and method | |
JP5630906B2 (ja) | 無線通信システムにおける送信電力制御装置及び方法 | |
US8432874B2 (en) | Estimation of signal to interference ratio in conjunction with interference cancellation | |
US8665937B2 (en) | Load estimation in wireless communication | |
CN113766620B (zh) | 一种认知无线电网络的功率控制方法及装置 | |
US9888446B2 (en) | Method and a first network node for controlling load | |
JP2001292098A (ja) | 通信方法および通信装置 | |
Qian et al. | Optimal distributed power control in cellular wireless systems | |
Elalem et al. | Effective capacity optimization for cognitive radio network based on underlay scheme in gamma fading channels | |
Yang et al. | Robust power control of CDMA cellular radio systems with time-varying delays | |
Wen et al. | A feasible method to implement optimum CIR-balanced power control in CDMA cellular mobile systems | |
Chen et al. | Robust Mixed H 2/H∞ Power Control Algorithm for Cognitive Radio Networks | |
Chakraborty et al. | ANFIS based opportunistic power control for cognitive radio in spectrum sharing | |
Bai et al. | Power allocation strategy for NOMA and CR networks based on modern control theory | |
Anderson et al. | Robust power control for CDMA networks subject to modelization errors | |
Ge et al. | Call admission control scheme for IDMA-based multi-beam satellite systems in the downlink direction | |
Suriano et al. | Opportunistic Interference Cancellation evaluation in cognitive radios under power control strategies | |
Campos-Delgado et al. | Power allocation in UMTS under SNR constraints | |
Callahan | Energy-Efficient Power Allocation in Cognitive Radio Networks Using NOMA and LQR Algorithm | |
Li et al. | Robust power control for CDMA cellular communication systems via H2 optimal theory | |
Walsh et al. | Bumpless transfer for wireless cellular 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 |