论文部分内容阅读
认知无线电(Cognitive Radio, CR)技术通过感知周围频谱环境实现频谱的动态接入,被视为能够缓解现今频谱资源稀缺问题的关键技术。通过设计有效的资源分配算法,来进一步提高CR网络的频谱利用率,已成为当前学术界的研究热点。随着终端技术的飞速发展,CR网络需要提供各种不同服务质量(Quality of Service, QoS)的异构业务。但是,现有研究大多只关注如何提高频谱利用率,忽视了对CR网络用户QoS的关注。另外,由于CR网络非完美检测以及中继节点的引入,使得优化变量多维化,导致CR网络的优化问题变得更加复杂。传统算法往往将多维变量进行独立优化,这样导致了CR网络容量的下降。为满足CR网络用户QoS需求,以及解决独立优化导致CR网络容量下降的问题,需要研究CR网络中异构业务资源分配及联合优化算法。以满足异构业务QoS需求以及提高CR网络性能为目标,本论文结合正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)、中继等技术,首先研究CR网络中每个用户请求异构业务场景,以及不同用户请求不同QoS业务场景的资源分配算法;其次,针对CR网络和CR中继网络中变量多维化问题,研究不同复杂度的联合优化算法,并作了详细理论分析与性能仿真。本论文的主要贡献包括以下几个方面:第一:针对CR网络中每个用户请求异构业务场景,首先基于效用理论,在用户请求同构尽力而为(Best Effort, BE)业务场景下,推导出了子载波分配及共享最优解。然后,基于该结论,对异构业务中时延敏感(Delay Sensitive, DS)型业务的调度优先级进行了分类,并分别针对单端口功率限制和总功率限制的情况,提出用户请求异构业务场景下的资源分配算法。最后,通过系统级仿真,验证了所提出的资源分配算法相对传统算法在吞吐量和用户公平性保证上具有明显优势。第二:针对CR网络中不同用户请求不同QoS业务的资源分配问题,首先建立了在物理层最大化时延容忍(Delay Tolerant, DT)型业务吞吐量,以及在MAC层确保DS业务满足时延要求的跨层优化问题模型。然后,利用排队论从理论上证明了DS业务时延限制可以等效成物理层速率限制。最后,利用凸优化理论提出了一种基于对偶分解的算法。数值仿真表明,所提算法相对传统的随机子载波分配以及轮询子载波分配策略,不仅能保证不同业务QoS需求,同时也能满足对主用户的干扰限制。第三:针对CR网络非完美检测导致次用户网络容量下降问题,提出了检测阶段与次用户网络资源分配阶段联合优化算法。首先,建模一个包含三类优化变量:检测门限、子载波和功率的优化问题,考虑主用户速率损耗限制以及认知基站总功率限制。然后利用凸优化理论,提出两种优化算法:离线算法和在线算法来求解所形成的优化问题。离线算法能够求解出优化问题的全局最优解但是具有很高的复杂度,而在线算法能够达到逼近全局最优解的性能,同时具有相对较低的计算复杂度。最后通过数值仿真表明,所提出的两种算法的性能与传统的静态门限选择算法相比,能达到更高的次用户网络容量。第四:针对中继节点引入导致CR网络优化参数多维化难于求解问题,提出了子载波配对、功率分配以及次用户中继节点配对的联合优化算法。考虑一种两跳CR中继网络,优化目标是最大化该网络的容量,同时满足认知基站和每个中继节点的功率限制、主用户干扰保护限制以及次用户公平性要求。所形成的优化问题是一个混合整数规划问题,本文提出一种低复杂度两阶段求解算法对此多优化变量问题进行有效求解。仿真结果表明,所提出的算法能够应用到放大转发(Amplify and Forward, AF)和解码转发(Decode and Forward, DF)两种中继系统中,同时相对于传统算法有较高的容量增益。最后对论文进行总结,并指出研究的不足以及今后的研究方向。