[发明专利]一种面向认知无线电网络的跨层干扰受限的功率分配方法

摘要

一种面向认知无线电网络的跨层干扰受限的功率分配方法。本方法研究了基于FBMC‑OQAM的多用户下垫式频谱共享的认知无线电网络中的功率分配问题。为提高整个网络的能效，引入跨层干扰限制来保护网络中次用户免受过多的干扰；引入虚拟队列的概念，将多用户争用信道导致的额外分组时延转化为在信道对应的虚拟队列中的排队时延。以系统能效为目标函数，以时延和传输功率为约束条件，提出一个非线性约束下的非线性规划问题。通过一些变换将该问题转换为凸多项式非线性规划问题，进而采用拉格朗日对偶方法求其全局最优解。与现有一些方法相比，本方法(EEPA)在提高能效方面具有较高性能，每个用户的功率分配更加合理，具有一定的实用价值。

主权项

一种面向认知无线电网络的跨层干扰受限的功率分配方法，其特征在于该方法主要包括如下步骤：第1、下垫式频谱共享的认知无线电网络模型结构的构建：第1.1、建立传输功率模型Pk,m,l，Pk,m,l表示第l个子载波上分配的第k个小区内第m个次用户的功率；第1.2、建立干扰温度限模型；第1.3、建立信干噪比与传输速率模型；第1.4、建立时延模型；第2、目标函数问题转换：第2.1、说明原目标函数为非凸函数，不能用凸优化方法求解；第2.2、将原目标函数转化成凹函数除以凸函数的形式；第3、算法设计：第3.1、优化问题的确定，将第2步转换后的分数形式的目标函数利用Dinkelbach方法转化为多项式形式，非线性分式规划问题max{Rtot/Ptot}等价转化为max{Rtot‑γPtot}形式；第3.2、根据凸优化理论，引入拉格朗日乘子λ1和λ2，建立优化问题的拉格朗日函数；第3.3、引入拉格朗日对偶方法，通过相对于原问题而言计算复杂度相对较低的对偶问题的最优解求得原问题的最优解；第3.4、采用次梯度算法替代梯度算法，迭代求得对偶问题的最优解。