[发明专利]一种认知网络中的功率控制方法

权利要求书

1.一种认知网络中的功率控制方法，其特征在于，包括以下步骤：

(1)、定义效用函数

uj(pj,p-j)=lnj(1+γj)-cjpi=ln(1+γj)-λeb(I-I0)pj---(1)]]>

每一个认知用户自身的功率值构成功率向量p＝[p₁，p₂，...，p_N]，其中，N为人知用户的数量，p_-j表示向量p除去第j个认知用户功率值的剩余部分；

a1、效用部分

ln(1+γ_j)为效用部分，表示认知用户j的得益；

效用部分的γ_j表示认知用户j的SIR(Signal-to-Interference Ratio信干比)，其定义如下：

γj=WR·hjpjΣi≠jhipi+δ2---(2)]]>

其中，W表示可利用的频谱带宽，R是比特率，δ²是在认知基站的高斯白噪声，p_j是认知用户j的功率，h_j表示认知用户j到基站的路径增益，而A是一个常数，A＝0.097，d_j表示认知用户j到基站的距离；

表示除第j个认知用户外，其他认知用户i功率与路径增益乘积之和；

a2、代价部分

为代价部分，表示认知用户j需要付出的代价，以限制认知用户j为了得到高的效用值而无限提高自身的发射功率，若只是考虑用户的自私性，整个系统的性能就会降低；

其中，为代价系数，λ是一个常系数，b是扩大因子，以扩大代价系数的影响效果；I₀是常数，I₀＝0.9I_max是设定的一个干扰门限值，而I_max表示主用户所能承受的最大干扰功率值，也就是干扰温度；

表示所有认知用户对主用户干扰的总和，式中g_j的作用和h_j类似，表示认知用户j与主用户之间的路径增益，D_j表示认知用户到主用户的距离，在整个效用函数中，I会随着p_j的增大而增大，越高的I会导致代价系数呈几何倍数增加，从而引起更高的代价。

(2)、迭代计算，得到各认知用户的功率

b1、设置迭代次数k＝0时的初始功率，即：

p(k＝0)＝[p₁(k＝0)，p₂(k＝0)，...，p_N(k＝0)]＝[p_1min，p_2min，...，p_Nmin]，其中，P_1min，p_2min，p_Nmin为各认知用户功率取值空间中的最小值，同时定义精度值ε，ε＞0；

b2、令迭代次数k＝k+1，令：

γj(k)=WR·hjpj(k)Σi≠jhipi(k-1)+δ2---(3)]]>

对于第j个认知用户，令：

I(k)=Σi=1,i≠jNgipi(k-1)+gjpj(k)---(4)]]>

然后通过以下公式不断更新功率的取值，获得认知用户j在该次迭代中新的功率值：

∂uj(pj(k),p-j(k-1))∂pj(k)=0---(5)]]>

b3、对于所有的认知用户，如果|p_j(k)-p_j(k-1)|≤ε，那么p_j(k)就是需要得到的最优功率值，否则就返回步骤b2，继续进行下一次迭代过程。