[发明专利]一种基于干扰温度的认知网络功率分配方法

说明书

技术领域

本发明涉及认知网络资源分配技术领域。更具体地，本发明涉及一种基于干扰温度的认知网络功率分配方法。

背景技术

认知无线电(Cognitive Radio，CR)是一种提高频谱资源利用率的无线电技术，其核心思想是CR具有学习能力，能与周围环境交互信息，以感知和利用在该空间的可用频谱，并限制和降低冲突的发生。认知无线电网络中主要包括两类用户：主用户或称为授权用户，即拥有频谱管理机构授权使用某段频谱资格的用户；认知用户或称为二级用户，即不具有频谱管理机构授权使用某段频谱的授权许可，但是通过采用认知无线电技术，在不影响授权用户的情况下可以使用该段频谱的用户。感知频谱环境是认知无线电的首要任务，因为认知无线电最显著的特征是能感知并分析特定区域的频段并找出适合通信的频谱空穴。这里的频谱空穴(也称空闲频谱或白空间)是指已经授权的频段，但在特定时间和空间里没有被主用户使用，此时认知用户在不对主用户造成干扰的前提下可以接入此频段从而达到资源共享。在资源受限的认知无线电网络中，如何提高认知用户网络的资源利用率是一个值得考虑的问题，而认知用户利用频谱空穴的同时不对主用户造成干扰的研究重点之一在于，对认知无线电系统的功率控制方面。该研究主要存在基于对策论即博弈论和基于信息论的反复注水法两种解决方案。这两种方案主要侧重在不同的方面，基于博弈论的研究主要是为了去解决认知用户在共同使用相互冲突的频段时的功率控制问题；而基于功率注水的方案主要是用来解决正交的资源上分配功率的问题。这两种方案研究已经比较深入，但是随和认知用户数增加计算迭代次数加大，复杂度较高。

针对资源分配的非线性规划问题的求解有多种算法，常用的有：最速下降法、共轭方向法、简约梯度法和惩罚函数法。其中最速下降法和共轭方向法用于求解无约束的非线性规划问题，惩罚函数法和简约梯度法的求解复杂度随迭代次数增加收敛缓慢。

基于结构的频谱共享技术可分为集中式频谱共享和分布式频谱共享。本发明考虑集中式认知架构，认知用户通过认知频谱共享竞争短期数据服务。共享技术包括认知用户采用扩频技术，同时设置主用户的干扰温度限对认知用户的发射功率进行控制，从而保障主用户不受干扰。在多认知用户的情况下，为了达到频谱共享最充分，应该满足两个条件：一是认知用户不会对主用户的通信质量造成影响；二是保证主用户的同时，认知用户的通信质量达到最优。但是，如果认知用户数量增加，发射机数量也会不断增加，计算量会不断增大。如何使众多的认知用户的发射功率能较快的收敛到最优水平从而缩短频谱分配的处理时间，又能对认知用户的数量进行合理分配从而达到系统效用的最优化，是当前的热点问题。

发明内容

本发明目的在于提供一种基于干扰温度的认知网络功率分配方法，实现对多个认知用户情况下的认知用户发射功率的最优化分配，以及在保证系统效用最大时认知用户的最优数目。

本发明的方法，包括以下步骤：

建立多认知用户小区模型；

确定主用户的干扰温度限；

确定各认知用户的接收机的信噪比要求；

确定主用户正常工作时的测量功率值条件；

确定系统效用及约束条件；

采用模拟退火遗传算法估算最优功率分配。

进一步地，所述建立多认知用户小区模型包括：

设定m个测量点，1个主用户发射机和n个认知用户发射机；

设定r₁为认知用户1的认知小区半径；

设定L_ij为第i个认知小区到第j个认知小区的距离；

设定d_ik为第i个认知用户到第k个测量点的距离。

进一步地，所述确定主用户的干扰温度限通过以下公式计算：