一种基于OFDM的认知无线电网络中资源分配方法

摘要

本发明公开了一种基于OFDM的认知无线电网络中资源分配方法，该方法巧妙的将优化问题分解成子载波优化问题和功率优化问题两个问题，分别采用启发式算法和迭代算法求解相对来说计算复杂度较低，易于求解，适用于认知用户和子载波数量较大的情况。采用改进的启发式多项式时间算法分配子载波，首先针对主用户对子载波的干扰值将子载波排序，性能更优的子载波首先选择能效比高的认知用户，使得子载波和认知用户的匹配更佳。采用迭代算法分配功率，满足主用户的干扰限制条件和认知系统的总功率限制条件，保证了每个认知用户的最低传输速率。本发明中的两个阶段的算法结合，具有计算复杂度低，适用于多用户系统的特点。

主权项

一种基于OFDM的认知无线电网络中资源分配方法，其特征在于，首先以基于OFDM的认知无线电网络中所有认知用户的传输能效比作为目标函数，采用改进的启发式算法将子载波分配给认知用户，接着依据子载波分配结果采用迭代算法计算每个认知用户的传输功率，完成无线电网络中资源分配；所述目标函数及其约束条件如下：$\underset{a_{k,n},p_{k,n}}{max}\Omega =\frac{\underset{k=1}{\overset{K}{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}{a}_{k,n}{R}_{k,n}}{\underset{k=1}{\overset{K}{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}{a}_{k,n}{P}_{k,n}+P_c}$$\begin{array}{ccc}s.t.& C1:\underset{k=1}{\overset{K}{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}{a}_{k,n}{P}_{k,n}{I}_{n,l}^{SP}\le I_{th}^l,& l\in \{0,1,...,L\}\end{array}$C2:P_k,n≥0,$C3:\underset{k=1}{\overset{K}{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}{a}_{k,n}{P}_{k,n}\le P_T,$C4:R_k,n≥R_min,$\begin{array}{cc}C5:\underset{k=1}{\overset{K}{\Sigma }}{a}_{k,n}\le 1,& a_{k,n}\in \{0,1\}\end{array}$其中，认知无线电网络中存在K个认知用户和L个主用户，一个中心基站，N个子载波；已知f₀为认知无线电网络系统的起始频率，f_l为主用户系统的起始频率，B_l为第l个主用户的带宽，T为OFDM信号周期，ψ_l(f)为第l个主用户的功率谱密度，为认知用户发射机和主用户接收机之间的信道增益，为主用户发射机和认知用户接收机之间的信道增益；P_c为认知系统的总电路消耗功率，为主用户系统的干扰门限，P_T为认知系统的最大可传输功率，R_min为设定的认知用户的最低传输速率门限，取值范围为[0,40]；a_k,n为一个二元变量，当第n个子载波分配给第k个认知用户时，a_k,n＝1，否则a_k,n＝0；为认知用户对主用户的干扰$I_{n,l}^{SP}={\int }_{f_l-f_0-(n-1/2)B}^{f_l+B_l-f_0-(n-1/2)B}{g}_{n,l}^{SP}T{\left(\frac{sin\pi fT}{\pi fT}\right)}^{2}df;$为主用户对认知用户的干扰$I_{n,l}^{PS}={\int }_{f_0+(n-1)B-f_l-B_l/2}^{f_0+nB-f_l-B_l/2}{g}_{l,n}^{PS}{\psi }_l\left(f\right)df;$表示网络中所有主用户对在第n个子载波上传输的次用户的总干扰，由公式$I_n^{PS}=\underset{l=1}{\overset{L}{\Sigma }}{I}_{n,l}^{PS}$计算获得；h_k,n为认知用户在子载波上的信道增益，σ²为高斯白噪声的方差，P_k,n为第k个认知用户在第n个子载波上的传输功率；R_k,n为第k个认知用户在第n个子载波上的传输速率，$R_{k,n}=Blog(1+\frac{P_{k,n}|h_{k,n}{|}^2}{{\sigma }^2+I_n^{PS}}),$其中，h_k,n、σ²、f₀、f_l、B_l、T、ψ_l(f)、P_c、及P_T均为认知无线电网络系统中的固有属性参数。