技术领域
[0001] 本
发明公开了认知解码转发中继系统的功率分配方法，属于无线通信的技术领域。
背景技术
[0002] 随着无线通信技术的迅猛发展，
频谱变得越来越稀缺，传统的频谱管理方法无法满足实际的需要。为了解决频谱资源稀缺和频谱使用率低的问题，提出了
认知无线电(Cognitive radio,CR)技术。与此同时，由于中继通信技术可以减少多径衰落、提高信道容量，中继通信技术正成为无线通信系统中空间分集的关键技术之一。因此，将中继通信技术与CR结合，能够进步一提高无线网络的性能。
[0003] 传统的针对认知中继系统的研究主要集中在功率分配、中继分配/选择、服务
质量和子信道分配等方面，没有考虑系统的能耗问题。虽然中继系统能够很好地利用空间增益克服信道衰落，但是采用中继转发
信号引起了额外的
能量消耗，因此在使用中继系统时需要进行权衡。近年来，以指数增长的数据业务和无处不在的
访问需求，引发了网络
基础设施的巨大扩张，这使得无线网络的能量消耗非常快，并产生了大量的二
氧化
碳。因此，提高能量效率(Energy Efficiency,EE)在未来的无线通信设计中变得越来越重要。
[0004] 另外，通常在计算次用户(Secondary User,SU)对主用户(Primary User,PU)产生的干扰功率时，均假设SU与PU之间的信道状态信息(Channel State Information,CSI)对于SU来讲都是已知的。在实际应用中，由于SU与PU之间缺少协作以及其他一些因素(如：信道估计误差、时间延迟、
频率偏移等)，很少能够获得它们之间的准确CSI。
[0005]
申请号为201410097168.9，
发明名称为“一种认知中继网络中功率分配方法”的申请，引入柯西-施瓦茨不等式，避免使用
迭代方法，大大降低计算复杂度，达到了与基于内点法的最优功率分配方法十分接近的性能。
[0006] 申请号为201510254819.5，发明名称为“基于博弈论的多用户多天线认知无线电系统功率分配方法”的申请，采用博弈论
算法来优化分配在多用户天线系统中各用户
节点的发送功率，首先每个中继节点的所有天线作为一个整体参与博弈，采用非合作博弈，挑选出其中能够参与通信的中继节点并分配功率，达到纳什均衡后每个节点获得的功率作为它们自身的总功率；然后每一节点内部的各根天线作为博弈的参与者，在总功率一定的约束条件下进行非合作博弈，得到每个节点内每根天线的实际发送功率。
[0007] 上述申请中均未考虑在SU与PU之间的信道状态信息不明情况下如何计算次用户对主用户产生的干扰功率。
发明内容
[0008] 本发明所要解决的技术问题是针对上述背景技术的不足，提供了认知解码转发中继系统的功率分配方法，在考虑SU与PU之间的CSI无法准确获取的情况下，从提高系统能量效率的
角度出发，提供了一种在保障PU用户传输的情况下提高系统能量效率的功率分配方法，解决了假设SU与PU之间CSI已知来分配认知无线中继系统功率的方案忽略了SU与PU之间CSI难以准确获取的实际情况的技术问题。
[0009] 本发明为实现上述发明目的采用如下技术方案：
[0010] 认知解码转发中继系统的功率分配方法，包括如下步骤：
[0011] A、建立系统能量效率最大化的参数优化目标函数：其中， 为次用户发射机在第n
个子信道上的发射功率， 为中继在第n个子信道上的发射功率，xn为与第n个子信道有关的变量，引入变量xn的约束条件： λ表示各信道
信息传输速率之和与系统总功耗之比的参数，N为子信道个数，1/τS和1/τR分别为次用户发射机端和中继端功率
放大器的漏极效率， 和 为分别次用户发射机端和中继端的
电路功率， 为从次用户发射机到中继的信道增益， 为从次用户发射机到次用户接收机的信道增益，为从中继到次用户接收机的信道增益， 和 分别为中继端和次用户接收机端的加性高斯白噪声方差，IPS和IPR分别为主用户对次用户和中继的干扰功率，
[0012] 初始化参数λ以及使参数优化目标函数中 与相近的
阈值δ；
[0013] B、根据次用户发射机与主用户之间的信道统计信息以及中继与主用户之间的信道统计信息分别建立信道状态不明情况下的次用户发射机对主用户的干扰功率约束条件和中继对主用户的干扰功率约束条件： 其中， 表示概率， 为从次用户发射机到主用户发射机的信道增益， 为从中继到主用户发射机的信道增益， Ts为
正交频分多址的符号周期，dn为主用户频
带到第n个子信道的频谱距离，B为主用户占用的带宽，f为子信道带宽， 为第n个子信道的干扰
门限值，ηth为概率门限值；
[0014] C、联立步骤A建立的参数优化目标函数和引入的变量xn的约束条件、步骤B建立的信道状态不明情况下的次用户发射机对主用户的干扰功率约束条件和中继对主用户的干扰功率约束条件、次用户发射机发射功率约束条件和中继发射功率约束条件，得到认知中继系统能量效率最大化的等效优化问题；
[0015] D、求解步骤C所述优化问题得到次用户发射机在第n个子信道上的发射功率 和中继在n个子信道上的发射功率 以及变量xn；
[0016] E、由步骤D求解的次用户发射机在第n个子信道上的发射功率 和中继在n个子信道上的发射功率 以及变量xn，更新参数λ；
[0017] F、将当前迭代计算得到的次用户发射机在第n个子信道上的发射功率 和中继在n个子信道上的发射功率 以及变量xn和参数λ带入参数优化目标函数求解，求解的结果在阈值δ范围内时确定当前迭代计算的次用户发射机在第n个子信道上的发射功率 和中继在n个子信道上的发射功率 为最优解，求解的结果超出阈值δ范围时重复步骤D和步骤E直至求得最优解。
[0018] 进一步的，所述认知解码转发中继系统的功率分配方法中，信道状态不明情况下的次用户发射机对主用户的干扰功率约束条件和中继对主用户的干扰功率约束条件等效为：
[0019]
[0020] 其中，αSP和αRP为次用户发射机与主用户之间信道以及中继与主用户之间信号服从瑞丽衰落的参数。
[0021] 作为所述认知解码转发中继系统的功率分配方法的再进一步优化方案，步骤E中由表达式： 更新参数λ，其中，t表示迭代次数，(xt,pt)和(xt+1,pt+1)分别表示第t次和第t+1求得的解，
[0022] 作为所述认知解码转发中继系统的功率分配方法的更进一步优化方案，步骤C中所述次用户发射机发射功率约束条件和中继发射功率约束条件为：其中， 为次用户发射机发射功率门限值， 为中继发射功率门限值。
[0023] 本发明采用上述技术方案，具有以下有益效果：本发明考虑到次用户与主用户之间信道状态信息难以准确获取的实际情况，在优化认知解码转发中继系统中功率分配方案的过程中，引入了根据次用户与主用户之间统计信息确定的信道状态不明情况下的次用户发射机对主用户的干扰功率约束条件，以及根据中继与主用户之间统计信息确定的信道状态不明情况下的中继对主用户的干扰功率约束条件，首先对统计干扰约束条件进行等效变换，然后引入变量将原优化问题转化为等效的凸优化问题得到本发明的技术方案，利用本发明的方法能够在保证主用户通信质量的情况下获得较高的系统能量效率。
[0024] 本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0025] 图1为本发明提出方法中系统能量效率随概率门限ηth变化的曲线。
[0026] 图2为本发明提出方法中系统能量效率随次用户功率门限 变化的曲线。
[0027] 图3为本发明提出方法中系统能量效率随中继功率门限 变换的曲线。
[0028] 图4为本发明提出方法中系统能量效率随干扰功率门限Ith变化的曲线。
具体实施方式
[0029] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及
实施例，对本发明进行进一步详细说明。
[0030] 本领域的技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有本发明所属技术领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与
现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0031] 考虑一个认知OFDMA(Orthogonal Frequency Division Multiple Access,OFDMA)中继系统，该系统包含一个次用户发射机(Secondary User Transmitter,SUT)、一个次用户接收机(Secondary User Receiver,SUR)以及一个中继节点，SUT通过中继与SUR进行通信，该认知中继系统与一个授权的PU共存。假设PU占用的带宽为BHz，SU可用的子信道个数N，子信道带宽为ΔfHz。该认知中继系统采用半双工解码转发(Decode-and-
Forward,DF)协作通信方式。在第一个时隙，SUT直接发送数据给中继和SUR。在第二个时隙，中继转发译码后的数据给SUR。
[0032] 令 和 分别表示SUT和中继在第n个子信道上的发射功率，那么在两个时隙中SUT与中继链路、SUT与SUR链路、中继与SUR链路的
信噪比 分别为：
[0033]
[0034] 其中， 为从SUT到中继的信道增益， 为从SUT到SUR的信道增益， 为从中继到SUR的信道增益， 和 分别为中继端和SUR端的加性高斯白噪声方差，IPS和IPR分别为PU对SU和中继的干扰功率。
[0035] 令rn表示第n个子信道上的信息传输速率，那么rn可通过下式计算得到：
[0036]
[0037] SUT和中继消耗的功率PS、PR分别表示为：
[0038] 和
[0039] 其中，1/τS和1/τR为SUT端和中继端
功率放大器的漏极效率， 和 为SUT端和中继端的电路功率。那么，SUT和中继消耗的总功率为：
[0040]
[0041] 认知中继系统的能量效率定义为：
[0042]
[0043] SUT和中继分别在第一个时隙和第二个时隙对PU产生干扰，假设PU对干扰比较敏感，为了保护PU，每个子信道都设有干扰门限( 为第n个子信道的干扰门限值)。那么，SUT和中继在每个子信道上对PU产生的干扰功率应满足如下约束条件：
[0044] 和
[0045] 其中， 和 分别为SUT和中继与PU之间的信道增益， Ts为OFDMA符号周期,dn为PU频带到第n个子信道的频谱距离。
[0046] 由于认知DF中继系统与PU之间缺少协作，SU和中继很难获得与PU之间准确的CSI。假设SUT和中继能够获得与PU之间信道的统计信息及对应的参数。假设 和 服从参数为αSP和αRP的瑞丽衰落，那么 和 服从参数为 和 的指数分布。因此，在无法
获得瞬时信道增益时，可采用如下统计干扰约束条件：
[0047] 和
[0048] 其中， 表示概率，，ηth为概率门限值。
[0049] 根据上述分析，本文研究的认知DF中继系统功率分配问题可以表示为如下优化问题：
[0050]
[0051] 其中， 和 分别为SUT和中继的功率门限值。
[0052] 为了方便求解优化问题OP1，首先对约束条件C3和C4进行处理。由于指数分布的
累积分布函数为： (其中z为随机变量，μ为参数)，那么约束条件C3和C4可以等效为： 和 对上述两个不等式进一步化简可得：
[0053] 和
[0054] 由式(9)可以看出，对PU的每个子信道上的统计干扰约束最终转变为对每个子信道上的发射功率约束。由于优化问题OP1是非凸的，很难对其进行直接求解。为了能够求解，引入变量xn，那么优化问题OP1等效为如下优化问题：
[0055]
[0056] 可以看出，优化问题OP2的目标函数为分式形式，其分子是凹函数，分母和所有不等式约束均是凸的，因此OP2为分式规划问题。在求解OP2之前定义函数f(x,p,λ)：
[0057] f(x，p，λ)＝l(x)-λPtotal(p) (11)
[0058] 其中， λ≥0。Ptotal(p)的定义与Ptotal相同。
[0059] 引入新的参数优化问题OP3
[0060]
[0061] 其中，为OP2的可行域。
[0062] 令 为优化问题OP2的最优解，OP2的目标函数值为：那么，OP2与OP3之间的关系可通过以下定理进行描述：
[0063] 定理1：令 那么当且仅当
[0064]
[0065] 成立时，最优解(x*，p*)使得OP2取得最优目标函数值λ*。
[0066] 通过定理1可知，优化问题OP2可以等效为参数为λ*时的优化问题OP3。因此，求解OP2等效于首先求解参数优化问题OP3(给定λ)，然后更新λ直到满足定理1的条件。
[0067] 令t表示算法迭代次数，(xt，pt)和(xt+1，pt+1)分别表示第t次和第t+1求得的解。同样，令算法在第t次和第t+1次求得的λ分别表示为λt和λt+1。假设λt≠λ*，λt+1≠λ*，由于ψ(λt)＞0，ψ(λt+1)＞0。由于，λt+1是通过 更新的。那么：
[0068] ψ(λt)＝l(xt)-λtPtotal(pt)＝(λt+1-λt)Ptotal(pt)＞0 (14)
[0069] 因为Ptotal(pt)＞0，所以λt+1＞λt。又因为ψ(λ)是严格单调递减函数，所以只要迭代次数t足够大，ψ(λ)将逐渐达到零值，并且满足定理1。
[0070] 本发明的仿真效果如下：假设可用的子信道数N＝20，每个子信道的带宽Δf＝0.2MHz，PU个数L＝1(可推广到多个PUs的情况)，PU占用的带宽为1MHz，所有信道服从信道功率增益为1dB的瑞丽衰落。不失一般性，令 认知接入点和中继端的τS＝τR＝1，电路功率消耗 噪声功率为
[0071] 图1为干扰门限Ith取值为10-6W、10-7W、10-8W时，本文算法的能量效率随概率门限ηth的变化关系，从图中可以看出，随着ηth的逐渐增大，能量效率逐渐减小。干扰门限Ith较大时的能量效率要高于干扰门限较小时的能量效率。这是由于SUT和中继节点的每个子信道上的功率约束为 显然这两个门限值是ηth的减函数和Ith的增函数。因此，当Ith增大时对子信道的功率约束较宽松，而当ηth增大时对子信道的功率约束较严格。
[0072] 图2描述了本文提出算法的能量效率随SUT功率门限值 的变化曲线，显然的能量效率随着功率门限的增大而增大，最终保持不变。这是因为，当功率门限增大时，SUT可用的功率也增大，当功率门限增大到一定值后，由于子信道功率受到干扰门限约束，SUT可使用的功率达到了最大值，因此能量效率不再增加。另外，图中还给出了不同ηth取值时本文算法的比较。显然，随着ηth取值的减小，系统的能量效率逐渐增大。这是因为随着ηth的减小，约束条件C3、C4对子信道上的功率约束变得宽松。由此可以看出，在只能获得信道的统计信息时，要获得较高的能量效率其代价是对PU干扰概率的增加。
[0073] 图3为能量效率随中继功率门限 的变化曲线，从图中可以看出，图3的实验结果与图2类似。随着中继功率门限 的增大，两种算法的能量效率也逐渐增大并最终保持不变。图4为不同概率门限取值下，两种算法的性能随着干扰门限的变化关系，当干扰门限Ith取值较小时，对子信道功率约束较大，系统的能量效率较小，而当Ith取值较大时，对子信道的约束较小，系统的能量效率较大。综上所述，本发明考虑到次用户与主用户之间信道状态信息难以准确获取的实际情况，在优化认知解码转发中继系统中功率分配方案的过程中，引入了根据次用户与主用户之间统计信息确定的信道状态不明情况下的次用户发射机对主用户的干扰功率约束条件，以及根据中继与主用户之间统计信息确定的信道状态不明情况下的中继对主用户的干扰功率约束条件，首先对统计干扰约束条件进行等效变换，然后引入变量将原优化问题转化为等效的凸优化问题得到本发明的技术方案，利用本发明的方法能够在保证主用户通信质量的情况下获得较高的系统能量效率。
[0074] 通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助
软件加必需的通用
硬件平台的方式来实现。基于这样的理解，本发明的技术方案实质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机、
服务器，或者网络设备等)执行本发明的实施例或实施例的某些部分所述的方法。
