譜效和能效優(yōu)化的認知無線電網絡資源分配技術.pdf

1、認知無線電網絡(CRN，Cognitive Radio Network)由于允許非授權用戶與授權用戶動態(tài)共享頻譜資源，從而可以有效緩解頻譜資源日益緊缺與利用率低下的矛盾，得到了學術界和產業(yè)界的廣泛關注，成為新一代無線通信網絡的重要形態(tài)之一。在認知無線電網絡中，由于頻譜資源的稀缺特性和認知用戶傳輸功率的受限特性，如何高效動態(tài)地分配各種網絡資源（如頻譜、功率等），在不干擾授權用戶正常通信的同時提升非授權用戶的性能，獲得高的系統(tǒng)頻譜效率(SE

2、，SpectrumEfficiency)和能量效率(EE，Energy Efficiency)，成為該網絡的重要研究內容。
　　針對認知無線電網絡資源分配技術面臨的高譜效和高能效的挑戰(zhàn)，本文在機會式(Spectrum Overlay)和下墊式(Spectrum Underlay)認知無線電網絡中（前者允許認知用戶先進行頻譜感知，當發(fā)現(xiàn)信道空閑后接入該頻段進行傳輸;后者允許認知用戶在對主用戶造成的干擾小于允許門限的情況下和主用戶同時

3、進行傳輸）結合跨層設計思想、優(yōu)化理論和魯棒性設計，分別以提升頻譜效率和能量效率為目標，研究了該場景下高效資源分配機制的設計問題。本文的研究內容簡述如下:
　　1、提出了分布式多信道認知多址接入協(xié)議(MAC，Medium Access Control)，實現(xiàn)了對空閑頻譜資源的高效共享。在分布式多信道Overlay認知無線電網絡中，針對預約信道與數據信道的信道狀態(tài)不一致性，以及數據信道傳輸能力的差異性未被充分利用造成的空閑頻譜使用效率

4、低的問題，提出了基于數據信道狀態(tài)感知的多信道認知多址協(xié)議(CAM-MAC，Channel Aware Multi-channel MAC protocol)。該協(xié)議在預約信道上通過信息聚合的握手機制，實現(xiàn)了數據信道的預約和空閑信道信息的交互，有效減少了認知用戶在預約信道上的平均成功預約時長。在服從Nakagami衰落的數據信道上，設計了基于瞬時信噪比的自適應傳輸機制，充分利用了多個數據信道上傳輸速率的差異性，從而進一步提升了空閑頻譜的利

5、用率。理論分析與仿真結果均表明:與已有協(xié)議相比，所提出的CAM-MAC協(xié)議能夠顯著地提升認知用戶的飽和吞吐量且具有更低的時延性能。
　　2、提出了一種實現(xiàn)認知用戶平均能效最大化的功率分配策略。在Underlay認知無線電網絡中，針對基于瞬時信道信息的靜態(tài)優(yōu)化方法不能夠在快衰落場景中所有衰落狀態(tài)下保障認知用戶的長期能效性能和主用戶長期服務質量(QoS，Quality of Service)的問題，提出了一種最優(yōu)的功率分配方法來最大化

6、認知用戶平均EE。首先，采用中斷概率約束作為主用戶的QoS指標，同時考慮認知用戶的平均發(fā)送功率和峰值發(fā)送功率約束，將該問題建模為具有機會約束的分式優(yōu)化問題。由于該問題目標函數(平均EE)的非凸性以及主用戶QoS約束的統(tǒng)計特性，因此該問題的求解極具挑戰(zhàn)性。所以論文基于分式規(guī)劃和拉格朗日對偶理論，提出了一種高效的迭代功率分配算法(IPA，Iterative Power Allocation algorithm)來求解上述問題，獲得了最優(yōu)的功

7、率分配策略，在保障主用戶QoS的前提下能夠最大化認知用戶的平均EE。進而，分析了該功率分配算法的計算復雜度。同時發(fā)現(xiàn)，該場景下遍歷容量最大化問題可以歸納為平均EE最大化問題的一個特例。仿真結果表明:該功率分配策略在滿足主用戶中斷概率約束的前提下，能夠最大化認知用戶的平均EE。此外，不同于遍歷容量最大化問題，認知用戶最優(yōu)的平均EE和主用戶的中斷概率門限僅僅在一定范圍內存在折衷關系。
　　3、提出了一種具有魯棒性的功率分配方案，實現(xiàn)了

8、非完美信道狀態(tài)信息(CSI，Channel State Information)下認知用戶的能效最大化。在多信道Underlay認知無線電網絡中，針對多個信道上非完美CSI將會極大降低認知用戶能效并嚴重損害主用戶正常通信的問題，提出了一種嚴格保障主用戶QoS的最大化認知用戶能效的功率分配方法。首先，從魯棒性優(yōu)化角度出發(fā)，將上述問題建模為一個具有無限個約束的最大最小優(yōu)化問題。由于該問題外部最大化問題的非凸性以及內部最小化問題屬于凹函數的最

9、小化問題，因此該問題是NP難的。所以論文基于分式規(guī)劃和全局優(yōu)化理論，提出了一種基于交替迭代的功率分配算法(AIA，AlternatingIterative Algorithm)來求解該問題。仿真結果表明:當所有信道CSI不準確時，所提的魯棒性方法能夠嚴格保證認知用戶對主用戶的干擾小于給定門限值，同時還能夠顯著提升認知用戶的EE性能。尤為重要的是，我們發(fā)現(xiàn):非魯棒性方案下的EE在信道CSI誤差很小時，具有一定的魯棒性;當信道CSI不準確時