[发明专利]保证时延QoS要求的安全认知无线电网络功率分配方法

摘要

保证时延QoS要求的安全认知无线电网络功率分配方法，属于无线通信技术领域。本发明以存在窃听信道的安全认知无线电网络为系统模型，以认知无线电网络的频谱共享模式为通信机制，在安全有效容量跨层模型的基础上，首先规划了受发射功率和干扰功率限制且最大化安全有效容量的优化问题，并通过拉格朗日对偶理论求得最优的对偶因子，进而求得最优的发射功率，实现最优功率分配。该最优功率分配方法不但使得安全认知无线电网络满足了上层用户服务质量(时延QoS)的要求，更实现了系统安全性能的最优和物理层资源利用的高效化，具有重要的理论及现实意义。

主权项

一种保证时延QoS要求的安全认知无线电网络功率分配方法，由以下通信系统来实现，该系统包括次要用户发射端、次要用户接收端、主要用户接收端、窃听端四个通信节点，通信机制为认知无线电网络频谱共享模式，即次要用户发射端向次要用户接收端发送信号，窃听端在这个过程中对信号进行窃听，同时次要用户发射端发射的信号会对主要用户接收端造成一定的功率干扰，在平均发射功率与平均和峰值干扰功率限制条件下，物理层根据信道状态的变化以及上层用户QoS的要求进行动态功率分配，使得通信系统在能够保证时延QoS的前提下完成保密通信，该方法具体步骤如下：1)在不考虑时延QoS时计算安全认知无线电网络的瞬时保密速率设次要用户发射端与主要用户接收端之间的信道为主要信道，次要用户发射端与次要用户接收端之间的信道为次要信道，次要用户发射端与窃听端之间的信道为窃听信道，gp、gs和ge分别是主要信道、次要信道和窃听信道的瞬时信道功率增益，P是次要用户发射端的瞬时发射功率，当gs＞ge，即次要信道的信道状态优于窃听信道的信道状态时，次要用户发射端与次要用户接收端之间可以进行保密通信，瞬时保密速率Rsec根据下式计算：Rsec＝log2(1+gsP)‑log2(1+geP)         (1)2)计算基于时延QoS的安全有效容量安全有效容量是一个描述保密系统系统吞吐量的参量，其基本表达式为其中θ为时延QoS指数，运算符号表示对大括号内部分求数学期望，将(1)式所得的瞬时保密速率Rsec代入(2)式即可得安全认知无线电网络的安全有效容量Esec(θ)，其表示式如下：其中次要用户发射端的瞬时发射功率P是θ，gp，gs和ge的函数，故在下面的描述中将P写为P(θ,gp,gs,ge)的形式，也就是物理层能够根据信道状态的变化及上层不同的QoS限制调整发射功率分配；3)确定优化问题以安全有效容量为目标函数，功率限制条件为约束条件，构造如下优化问题：其中主要信道，次要信道和窃听信道的信道功率增益gp，gs和ge均是随机变量，(4)式中的subject to符号及其后面的式子表示为约束式，subject to表示为约束符号，符号maximize表示求最大值符号，(4)式表示在约束式中对次要用户发射端的瞬时发射功率P(θ,gp,gs,ge)进行平均限制，对次要用户发射端在主要用户接收端所造成的干扰功率gpP(θ,gp,gs,ge)进行平均和峰值限制的条件下，通过优化次要用户发射端的瞬时发射功率P(θ,gp,gs,ge)求解目标函数即符号maximize:后的表达式的最大值，在给定θ＞0时，基于函数log(·)的单调递增性，安全有效容量的最大化问题可以等效为如下最小化问题，该最小化问题在下面的描述中也称为原问题：其中为次要用户发射端的发射功率均值阈值，和Qpk分别表示次要用户发射端在主要用户接收端所造成的干扰功率均值阈值和峰值阈值，该原问题表示在(5)式约束式中对次要用户发射端的瞬时发射功率P(θ,gp,gs,ge)进行平均限制，对次要用户发射端在主要用户接收端所造成的干扰功率gpP(θ,gp,gs,ge)进行平均和峰值限制的条件下，通过优化次要用户发射端的瞬时发射功率P(θ,gp,gs,ge)求解目标函数即符号minimize:后的表达式的最小值，符号minimize表示求最小值符号；4)求解原问题通过证明可知，上述原问题的目标函数是凸的，发射功率及干扰功率限制条件也是凸的且关于P(θ,gp,gs,ge)是线性的，因此该原问题的最优解是唯一的，凸优化理论中的拉格朗日对偶理论指出，原最小化问题即原问题可与一个最大化问题即对偶问题建立关联性，在得到对偶问题之前，首先给出原问题的对偶函数为其中λ1是与次要用户发射端的平均发射功率限制条件相关的对偶因子，λ2是与次要用户发射端在主要用户接收端所造成的平均干扰功率限制条件相关的对偶因子，λ3是与次要用户发射端在主要用户接收端所造成的峰值干扰功率限制条件相关的对偶因子，令其中运算符号表示定义，运算符号()T表示对括号内部分的向量的转置，对偶函数对应的对偶问题如下：maximizeλ:D(λ)subjectto:λ≥0---(7)]]>该对偶问题表示在对偶因子λ≥0的约束条件下，通过优化λ求解目标函数即对偶函数D(λ)的最大值；通过验证可知原问题具有强对偶性，故原问题(5)式的最优解可通过求解对偶问题(7)式而得到，对于对偶问题，可借助子梯度下降迭代算法求解最优的对偶因子λ*，λ*的求解过程具体如下：a)设置初始迭代次数t＝0，对偶因子初始值λ1(0)，λ2(0)和λ3(0)均为非负实数；b)当迭代次数为t时，用λ(t)表示当前更新的对偶因子，基于当前对偶因子λ(t)求解对偶函数公式(6)，得到迭代次数为t时对应的次要用户发射端最优发射功率P(λ(t))；c)采用如下三式更新对偶变量：λ3(t+1)＝[λ3(t)+α(t)(gpP(λ(t))‑Qpk)]+          (10)其中符号[]+表示[]中的部分取非负值，α(t)为迭代步长；d)令若λ*满足预定义的数据精度，则输出最优对偶因子λ*；否则，令t＝t+1，跳转至步骤b)，继续迭代，直到满足预定义的数据精度；5)求对应延时QoS指数θ下的最大安全有效容量将步骤4)中所得的最优对偶因子λ*代入对偶函数公式(6)可得次要用户发射端的瞬时发射功率最优解，再将次要用户发射端的瞬时发射功率最优解带入安全有效容量公式(3)即可得对应时延QoS指数θ下的最大安全有效容量。