[发明专利]一种认知OFDM网络中子载波的分配方法

说明书

技术领域

本发明属于认知无线电资源管理技术领域，涉及一种认知OFDM网络中子载波的分配方法，具体涉及一种基于遗传算法的认知OFDM网络中子载波的优化分配方法。

背景技术

现有的频谱管理制度采用固定的频谱授权机制，即频谱由特定的频谱管理机构进行管理，该机构在较长的时限内将特定频谱的使用权授权给特定的用户（授权用户）使用。在授权期间，无论该频谱是否被授权用户使用，未得到授权的用户都不能使用该频谱。在这种频谱管理机制下，当授权用户未使用授权频谱时，该频谱段将无法被有效利用，使得频谱的利用率受到极大的限制，有研究指出，根据时间和地域的不同，不同频谱段的利用率变化较大，一般在15%～85%之间。特别是无线通信技术的高速发展使得无线频谱资源变得越来越稀缺，因此，如何有效的提高频谱资源的利用率成为当前亟待解决的重要课题，认知无线电技术便是为了解决无线频谱利用率过低的现实而提出的，其目的是在现有频谱管理体制下，在不影响授权用户对授权频谱使用的条件下，提高已授权频谱的利用率，并最终实现对等认知无线电，消除授权用户的概念，改变现有的频谱管理体制。

在现代无线网络中，OFDM技术是传输层的主要实现技术之一。OFDM的英文全称为OrthogonalFrequencyDivisionMultiplexing，中文含义为正交频分复用，是一种无线环境下的高速传输技术。OFDM主要是在频域内将所给信道分成许多正交子信道，在每个子信道上使用一个子载波进行调制，且各个子载波并行传输。OFDM特别适合于存在多径传播和多普勒频移的无线移动信道中传输高速数据。认知OFDM即实现基于OFDM调制技术的认知无线网络子载波和功率等网络资源的分配技术。在认知OFDM中，对于不同的用户，各个子信道往往具有不同的传输特征，因此认知OFDM技术能够更加合理的利用信道资源，获得更高的频谱利用率。自认知无线电技术被提出以来，认知OFDM网络资源分配技术就受到了研究者的广泛关注，人们在这一方面的研究也取得了很大的进展。

通常情况下，认知无线网络采用OFDM调制技术时网络中的子载波和功率的分配问题含有多个约束条件。一般情况下，子载波分配时需要满足次用户在各个子载波上分配的功率相等的假设，并且满足次用户发射总功率小于网络设备能够提供的最大功率，另外，考虑到次用户发射功率对主用户的影响，子载波分配算法应满足如下原则：（1）次用户在每个信道上发射的功率所产生的对主用户的干扰应小于主用户所能容忍的最大干扰，称为干扰温度限制；（2）次用户的实际发射功率应小于系统所能提供的最大功率，称为功率限制；（3）每个子载波只能被一个次用户占用，以防止次用户之间抢占子载波从而产生相互的干扰，每个次用户可以占用多个子载波。

在大多数情况下，认知无线网络的资源分配问题是一个非线性的优化问题，属于非确定性多项式（Non-deterministicPolynomial）困难问题（即NP-hard问题），采用传统的方法求解这类问题非常困难。如数学规划方法，由于认知OFDM网络资源优化模型中目标函数和约束函数可能是非线性的、不可微或不连续的，极大地增加了问题的计算复杂度，使得传统数学方法求解较为困难。然而，基于人工智能算法的提出为这类问题的解决提供了新的思路，如进化算法、粒子群算法、模拟退火算法等。进化算法从一组随机生成的种群出发，通过对种群进行交叉、变异、选择等操作，通过多代进化，种群个体的适应度不断提高从而逐步逼近问题的最优解。粒子群算法是基于对鸟群捕食行为仿生而开发的一种群智能搜索算法，通过追随当前搜索到的最优值来寻找全局最优，算法收敛较快。模拟退火算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。由于人工智能算法高效的搜索能力，对搜索空间没有限制，在解决非线性优化问题上具有独特的优势，近年来，有许多研究者已将智能算法应用于求解认知无线网络资源分配问题。

发明内容

本发明针对上述现有方法解决认知无线网络的资源分配问题的缺陷，提出了一种认知OFDM网络中子载波的分配方法，以达到提高频谱利用率的目的。

为实现上述目的，本发明采用的技术方案是：

一种认知OFDM网络中子载波的分配方法，包括如下步骤：

1.1）确定编码方式

对认知OFDM网络中的所有子载波进行编码，编码的前提条件是设定每个子载波同时只能被一个次用户使用；