论文部分内容阅读
随着人们对无线通信业务的接入需求不断增加,不可再生的频谱资源变得更加紧张了。这种情况下,能够有效利用空闲频谱和低利用率频谱的认知无线电技术受到了科研工作者的广泛关注。它的核心思想是使无线电设备具有发现频谱空洞的能力,然后以一种伺机的方式,合理利用未被授权频段占用或只有少量业务工作的频段,这种通过借用授权频谱来传输数据的方式实现了对已分配无线频谱资源的二次开发利用,从而可以有效的提高无线频谱利用率。多输入多输出技术(Multi-input Multi-output,MIMO)是在收发两端同时使用多根天线进行无线数据的传输。它可以在不增加额外带宽和发送功率的情况下成倍提高系统容量和频谱利用率。多天线能够在空间上分配发送维度,因此将MIMO技术引入到认知无线电网络中,可以为认知无线电用户在时间和频率之外提供额外的空间自由度,同时MIMO中的波束形成技术还可以有效地抑制认知无线电网络中次级用户对主用户产生的干扰以及次级用户之间的干扰。因此,本文重点研究认知MIMO下行链路中的波束形成技术。由于发射端获得的信道状态信息通常具有不确定性,所以本文着重对鲁棒性进行探讨。原始优化问题模型通常是一个非凸问题,直接对其求解问题的难度和复杂度都非常大,为了便于分析计算,通常将非凸问题转化成凸优化问题。文中首先对椭球不确定模型下的信干噪比平衡问题进行研究,利用S-procedure结合秩松弛方法将问题转换成拟凸问题,通过二分法求解得到最优波束形成矢量,仿真分析对比鲁棒算法与非鲁棒算法的性能。随后重点研究基于发射端总功率最小化的鲁棒波束形成问题,首先利用S-Procedure将约束条件有限化,然后采用一种新的凸迭代方法对问题进行等价变换、求解,同时,与传统的不等式结合松弛随机化的方法对比。仿真结果表明,本文提出方法相比于不等式松弛随机化算法具有更好的性能。