[发明专利]认知无线电网络中基于改进粒子群的功率控制最优化算法

说明书

技术领域

本发明涉及一种认知无线电网络中基于改进粒子群的功率控制最优化算法，属于系统资源分配技术领域。

背景技术

目前的频谱使用方式遵循固定分配原则，授权频段有时利用率不高，非授权频段过分拥挤，无法满足日益增加的频谱需求。为解决这一矛盾，人们提出了认知无线电(Cognitive Radio，CR)^[1]的概念。

认知无线电系统是一种智能的无线通信系统，它能感知周围无线环境，通过对环境的理解和学习，使其系统内部状态适应外部无线环境的变化，实现随时随地的可靠通信以及频谱资源的高效利用^[2]。功率控制是认知无线电系统中的关键技术之一，能有效地减小认知用户对授权用户的干扰，同时使认知用享受更好的服务质量(QoS)，增加系统容量。

文[3]讨论了共享信道上的功率控制问题，其中多信道次要用户根据主要用户模拟传输。文[4]提出基于博弈论的认知无线电功率控制算法，考虑不同用户SIR的阈值要求，提高了系统总吞吐量。文[5]基于香农定理分别研究了在存在干扰温度约束和不考虑干扰温度约束两种情况下的无线认知网络的功率控制问题，并把非凸优化问题转化为凸优化。在文[6]中，考虑了无线认知Ad-hoc网络中的功率问题，最大化次用户的能量效率从而保障主用户和次用户的QoS。文[7]提出了无线认知网络功率控制的一种广义模型，保证网络有规则地管理干扰温度，把功率控制问题建立一个非合作决策。文[8]采用博弈理论对认知无线网络中的分布是动态频率选择和功率分配策略进行建模分析，并建立一个模块化的通用仿真平台。文[9]赵知劲等人基于智能优化算法研究认知无线电频谱分配问题。以上研究认知无线电系统的资源分配算法时，通常对最优化目标函数进行严格假设，效用函数假设为凹的，对应的问题为凸性规划问题，或是将非凸优化问题转换为凸优化问题来解决，只解决了某类非凹函数对应的非凸优化源分配问题。

本发明将粒子群优化方法直接应用到非凸优化算法设计中，粒子群优化方法(Particle Swarm Optimization，PSO)是Kennedy和Eberhart[10]于1995年开发的一种群智能优化算法，来源于一个简化社会模型的模拟，已经在许多复杂的最优化问题上有广泛的应用^[11]-[15]。粒子群算法概念简单，易于理解；对优化问题定义的连续性无特殊要求只有非常少的参数需要调整；算法实现简单、速度快。但传统PSO算法容易陷入局部极小解，本发明对粒子群的基本参数和优化问题的约束都进行自适应调整，设计有效的认知无线网络的非凸优化控制算法。

发明内容

本发明的目的在于提供认知无线电网络中，一种对优化问题定义的连续性无特殊要求、具有更好的有效性和快速性以及能够保证算法的全局收敛性的基于改进粒子群的功率控制最优化算法。

本发明基于如图1所示的考虑与蜂窝式网络共存的认知无线电网络。授权网络中存在一个授权用户PU，表示为U_p，使用授权频谱与授权用户基站BS_p通信。认知通信网络位于授权用户网络的范围内，包含N个认知用户，使用CDMA方案发送数据到基站BS_s。U_p的授权频谱表示为W，认知用户可以共享此频谱。在N个认知用户中，每个认知用户都会收到其他N-1个认知用户的干扰。假设认知用户i与基站间的信道增益为G_ii，功率为P_i，信号干扰比为γ_i，背景噪声为σ_i，则认知用户i的信号干扰噪声比(SINR)为：

认知用户i的效用函数U_i(γ(P_i))表示其对获得的服务质量的满意程度。

约束条件

由表达式(1)可知，认知用户在共享带宽W使用扩频信号。所有的认知用户都需要控制其传输功率以避免对授权用户产生干扰。授权用户U_p接收到的干扰功率为其中G_0i(i＝1，2…，N)表示第i个认知用户到授权用户的信道增益，令P_th表示授权用户允许的干扰功率阈值。因此，认知用户的干扰功率约束可以表示为

为了保证认知用户的可靠传输，SINR需要大于等于即

满足以上约束的功率优化的模型为：

其中w为加权因子，用来保证系统的公平性。