论文部分内容阅读
认知无线电(CR)是一种能够自主感知通信环境的变化,并通过与通信环境交互信息,自适应地调整认知设备传输参数,从而适应通信环境变化的智能无线电通信技术。CR通过主次用户动态共享授权频谱,有效解决频谱资源稀缺与授权频谱利用率低之间的矛盾。但次用户将对主用户不可避免地造成干扰,所以,干扰对齐被应用于频谱共享中来消除干扰。干扰对齐(IA)通过干扰重叠,在接收端将干扰信号与期望信号分离来消除干扰。但在某些信道状态下仍存在期望信号的信干噪比(SINR)下降等问题,影响主用户服务质量。因此,本论文对CR系统中频谱共享和IA技术展开了深入研究,主要完成如下工作。(1)建立了基于IA的频谱共享模型,对分布式IA算法的性能进行了仿真分析验证。在基于IA的CR网络频谱共享模型中,主次用户动态共享授权频谱,为保证主用户的服务质量和优先权,主次用户组成IA网络进行通信。在动态频谱共享过程中,次用户接入所造成的多用户间干扰,通过分布式干扰对齐算法进行消除。(2)针对认知无线电网络中保证主用户优先权的问题和应用IA后在某些信道状态下SINR严重下降问题,提出了一种基于干扰对齐的自适应频谱共享方案;依据基于IA的频谱共享模型中主用户的数量,提出了两种频谱共享算法:①在单主用户情况下,提出了基于MinIL算法的自适应频谱共享算法,②在多主用户情况下,给出了基于Max-SINR算法的自适应频谱共享算法,对这两种算法的性能进行了仿真分析比较。(3)针对在认知无线电网络中应用IA后,在某些信道状态下SINR严重下降的问题,给出了基于频谱调度的干扰对齐认知无线电网络中功率分配方法,该方法采用CR网络的总能量效率或频谱效率,来衡量网络整体性能,通过在各用户间进行功率分配,优化整个网络的总频谱效率或提高网络整体的能量效率,此外,提出了主次用户同等优化和折衷优化两种基于频谱调度的干扰对齐认知无线电网络中功率分配算法。本文还对两种算法的性能进行了仿真分析,并且认真分析了两种算法的计算复杂度。