论文部分内容阅读
近年来,随着通信技术的快速发展,可用频谱资源日益紧缺。然而,当前静态的频谱管理方式使得大量授权频谱未被充分使用,频谱资源浪费严重。认知无线电可通过感知周围通信环境,发现未被使用的频谱并智能的接入可用空闲频段,从而提高频谱利用率。通常情况下,根据认知用户是占用白色频谱或有限的灰色频谱,可以分为overlay模型和underlay模型。功率控制作为认知无线电中的一项重要技术,不仅能有效提升认知用户的信干比,而且能减小用户之间的干扰、节省电池能量。
underlay模型中,认知用户占用的是授权用户正在使用的频段,应用于其中的功率控制算法既要满足认知用户的信干比需求,又要严格限制认知用户的发射功率以减小对授权用户的干扰。基于上述考虑,本文提出了一种改进的非合作功率控制博弈算法,通过构造开方型效用函数以同时满足认知用户的信干比需求和目标功率限制。仿真结果表明,所提算法能较好的适应认知无线电环境的变化,在保证授权用户正常通信的条件下,只需要较小的发射功率就能较好的满足认知用户的信干比需求,而且算法的收敛速度有所提高。
overlay模型下认知用户竞争未被授权用户使用的频谱资源,但存在部分认知用户在发射功率达到最大时仍无法满足信干比需求。本文针对上述问题提出了一种基于信干比的功率控制改进算法。该算法首先由改进的Foschini-Miljanic算法迭代达到纳什均衡,再由基站根据系统干扰情况对个别认知用户的发射功率进行控制。仿真结果表明,所提算法能有效降低系统干扰,提升达到目标信干比的认知用户数。
underlay模型中,认知用户占用的是授权用户正在使用的频段,应用于其中的功率控制算法既要满足认知用户的信干比需求,又要严格限制认知用户的发射功率以减小对授权用户的干扰。基于上述考虑,本文提出了一种改进的非合作功率控制博弈算法,通过构造开方型效用函数以同时满足认知用户的信干比需求和目标功率限制。仿真结果表明,所提算法能较好的适应认知无线电环境的变化,在保证授权用户正常通信的条件下,只需要较小的发射功率就能较好的满足认知用户的信干比需求,而且算法的收敛速度有所提高。
overlay模型下认知用户竞争未被授权用户使用的频谱资源,但存在部分认知用户在发射功率达到最大时仍无法满足信干比需求。本文针对上述问题提出了一种基于信干比的功率控制改进算法。该算法首先由改进的Foschini-Miljanic算法迭代达到纳什均衡,再由基站根据系统干扰情况对个别认知用户的发射功率进行控制。仿真结果表明,所提算法能有效降低系统干扰,提升达到目标信干比的认知用户数。