论文部分内容阅读
由于移动网络与智能设备的飞速发展,多种多样的移动多媒体服务随之出现,导致移动业务流量的爆炸性增长,对频谱资源的需求也愈发迫切。认知无线电技术和NOMA技术是5G移动通信的关键技术,它们能够有效解决快速增长的移动业务和用户连接对频谱资源带来的挑战。OFDM技术的窄带利用频谱特性为认知无线电对频谱的灵活使用带来了便利,因此认知技术与OFDM技术的结合得到了学术与工业界的广泛研究。本文将认知OFDM技术与NOMA技术相结合,考虑认知无线网络的特性,分析研究认知NOMA-OFDM系统的谱效优化,以实现系统整体频谱的高效利用。本文首先研究两用户非正交接入下认知NOMA-OFDM系统谱效优化问题。考虑各子载波的不同衰落及噪声干扰、同子载波上用户的同信道干扰、载波间干扰以及认知用户对主用户的干扰约束,提出并设计交替迭代算法,联合优化感知时长、用户分配以及功率分配,以最大化系统谱效。仿真结果表明,所提算法不仅能够快速收敛且复杂度较低,与传统认知OFDM系统相比能够有效地提升系统谱效。进一步地,本文将两用户非正交接入扩展为更普遍的多用户非正交接入,研究多用户非正交接入下认知NOMA-OFDM系统谱效优化问题。考虑同载波上更复杂的用户功率分配的耦合性,利用非合作博弈以及变分不等式问题得到了功率分配的纳什均衡解,然后将基于非合作博弈的功率分配算法应用于交替迭代架构中。仿真结果表明,增加同信道的接入用户数,在一定程度上可以提升系统谱效,并仿真证实了交替迭代算法能够获得较快的收敛速度。接着,本文将半双工认知NOMA-OFDM系统扩展为感知-传输全双工认知NOMA-OFDM系统,通过研究全双工认知NOMA-OFDM系统,建立了基于马尔科夫链的状态转移图,得到稳态时认知系统的检测性能。利用交替迭代架构,设计了全双工认知NOMA-OFDM系统的功率分配算法。仿真结果表明,与半双工认知NOMA-OFDM系统相比,全双工系统具有更大的潜力提升系统谱效,并且所提算法能够获得较快的收敛速度。