[发明专利]一种基于空间复用的认知系统资源分配方法

说明书

技术领域：

本发明涉及无线通信领域，涉及认知系统中空域资源的分配方法，尤其是一种基于空间复用的认知系统资源分配方法。

背景技术：

认知无线电技术可以显著提高无线通信系统的频谱效率，解决频谱资源稀缺和频谱利用率低之间的矛盾，成为近年来的一个研究热点。现存的频谱注册网络对所分配频谱在时间和空间上使用的不连续性，使得大部分授权频段在时间和空间上没有得到充分的利用。因此，认知无线电网络通过机会共享的方式，实现动态频谱接入，就可以不改变原有授权系统的协议，在不影响授权用户正常通信的前提下，与授权系统共享频谱。频谱共享主要分为两种方式，即针对某一频段，认知系统在授权系统不通信时才使用该频段的覆盖式(overlay)频谱共享和二者可以同时使用该频段，但认知系统对授权用户的干扰要限定在干扰温度之下的下衬式(underlay)频谱共享。下衬式频谱共享以其较高的频谱效率和可实现性成为了一种具有吸引力的共享方式，被美国联邦通信委员会作为认知无线电系统的主要频谱共享方式。为了与覆盖式频谱共享方式相区别，学者们将覆盖式认知无线电系统称为经典认知无线电，将下衬式认知无线电系统称为广义认知无线电。

另外，多天线技术的引入为无线通信系统增加了空间自由度，是认知无线电网络中用于消除干扰和提高频谱效率的有效工具。

但在利用多天线技术的时候，在认知无线电网络中需要解决以下一些问题：1.如何有效避免认知网络对授权用户的干扰；2、在避免对授权用户干扰的前提下，如何将认知网络性能最优化目标与授权用户的干扰限制条件相结合，达到满足干扰限制条件情况下的性能最优；3、在获得较优性能的情况下，保证算法的复杂度适于在实际系统中采用。目前的方法中很难同时考虑这三个问题，有的方法综合考虑了避免干扰和降低算法复杂度两个方面的问题，给出了仅存在一个单天线授权用户，并且认知用户信道为多输入单输出(MISO)时的信道分配和发射信号相关矩阵的闭式解；对于认知用户为多输入多输出(MIMO)的情况给出了直接奇异值分解(D-SVD)、映射奇异值分解(P-SVD)和混合奇异值分解(H-SVD)三种次优算法，然后将这些结果扩展到了网络中有多个单天线授权用户的情况。但并没有对网络中存在多个认知用户这一更为普遍的情况进行讨论，未能获得认知网络的多用户分集，给认知网络容量造成了一定损失。

发明内容：

本发明所解决的问题是发生在图1场景中的，综合考虑上面给出的三个方面的要求，在上述算法的基础上，提出一种针对多天线多用户认知无线电网络场景，在保证授权用户服务质量(QoS)要求的前提下，以认知用户总吞吐量最大化为目标的基于F范数的频谱共享方法。

本发明的目的在于克服上述现有技术的缺点，提供一种基于空间复用的认知系统资源分配方法，按照如下步骤：

(1)建立多天线多用户认知无线电网络，该无线电网络包括主系统和认知系统；所述主系统是集中式系统、蜂窝系统、频分双工的下行频段或时分双工的下行时隙；所述认知系统为分布式的系统，其中有多个认知通信用户对；

(2)认知系统中每个节点对当前的某一信道进行感知，认知通信用户对内的两个用户之间进行感知信息的交互；

(3)根据收集到的感知信息，多个认知通信用户对中的发射节点交互各自通信链路的信道矩阵的F范数，同时这些用户将收到的信道矩阵的F范数进行排序，将前Kopt个最大的F范数所属的通信对标识为候选认知通信对；

(4)属于候选认知通信对中发射节点的用户将其对主用户的干扰矩阵进行奇异值分解，得到干扰矩阵的零空间，并将其通信对的通信链路的信道矩阵投影在相应的干扰矩阵的零空间上；

(5)计算候选认知通信对进行投影后的信道矩阵的F范数，各候选认知通信对的发射节点将计算结果进行交互，候选发射节点对这些值进行排序，投影后的信道矩阵的F范数最大的通信对进行最终的资源占用和数据传输；

(6)应用注水原理，为选中的F范数最大的通信对的每个子信道进行功率分配，最大化认知系统和速率。

所述步骤(1)多天线多用户认知无线电网络是指：主系统为集中式的系统，授权用户个数为K_p，每个授权用户有N_p根天线；认知用户对个数为K_c，且构成了K_c个通信对，每个通信对中有两个认知用户：CU_k和CU_ka，其中CU_k为发射节点，CU_ka为接收节点，另外，每个认知用户有N_c根天线，授权基站天线数为M；