MIMO认知无线电干扰网络中基于信道学的频谱共享方法

摘要

本发明涉及MIMO认知无线电干扰网络中基于信道学的频谱共享方法，通过分析接收的数据的二阶统计量获取需要的主用户干扰信道的空间特征，融合MIMO多子流传输和认知多信道切换技术，设计发送策略，避免对主用户的干扰，提高频谱共享效率；针对干扰信道状态信息缺失下次用户干扰网络与主用户系统共存问题，兼顾MIMO认知无线电网络的空间传输能力，融合主用户的信道切换能力，联合利用空间和频率资源的高效频谱共享方法，比以往单一资源利用方法的效率更高；分析了次用户通过设置信道学时间对网络性能的影响，说明通过控制时间可以有效控制对主用户的干扰功率；从自由度检测性能、主用户误码率、算法收敛性和网络容量等多方面分析。

主权项

一种MIMO认知无线电干扰网络中基于信道学习的频谱共享方法，其特征在于：包含如下步骤：步骤1.根据次用户通信需求和天线配置，确定各个用户的发送自由度d_k，设置次用户内部干扰门限Γ_k，选择检测时间长度；步骤2.次用户选择通信频段和信道学习时间，实时监听信道状态，利用接收到的信号y_1k(n)，计算采样协方差矩阵对采样协方差矩阵进行特征值分解${\hat{R}}_{1k}=V_{1k}{\Lambda }_{1k}{V}_{1k}^H=[V_{1k}^{\left(1\right)},V_{1k}^{\left(2\right)}]{\Lambda }_{1k}{[V_{1k}^{\left(1\right)},V_{1k}^{\left(2\right)}]}^H,$得到特征值和干扰信道的正交矩阵并根据计算结果对所选频段做调整，使得总子流数能够满足其中，${\hat{d}}_0=\arg \underset{k}{\max }(M_0-k)N_L\ln \left(\frac{\underset{i=k+1}{\overset{M_0}{\Pi }}{\left({\lambda }_i\right)}^{1/(M_0-k)}}{\frac{1}{M_0-k}\underset{i=k+1}{\overset{M_0}{\Sigma }}{\lambda }_i}\right)+\frac{1}{2}k(2M_0-k)\ln N_L,$M₀为主用户的天线个数；步骤3.通过步骤2得到的干扰信道的正交矩阵计算等效信道初始化等效预编码矩阵A_k(k＝1,2,…,K)，设置其中e_i(i＝1,2,…,d_k)为基本向量，H_lk为次用户干扰信道，计算等效发送$M^{\mathrm{eq}}=M-{\hat{d}}_0$和接收天线数$N^{\mathrm{eq}}=N-{\hat{d}}_0;$步骤4.通过等效信道及等效预编码矩阵A_k，计算对进行特征值分解，取N^eq‑d_l个最大特征值对应的特征向量构造等效干扰子空间矩阵C_l；步骤5.利用等效干扰子空间矩阵C_l下标k和l的对称性，计算对进行特征值分解，取d_k个最小特征值对应的特征向量构造等效预编码矩阵A_k；步骤6.通过步骤5得到的等效预编码矩阵A_k，计算用户的干扰协方差矩阵$Q_l=\underset{k=1,k\ne l}{\overset{K}{\Sigma }}{H}_{\mathrm{lk}}{A}_k{A}_k^H{H}_{\mathrm{lk}}^H,k=\mathrm{0,1},···,K,$若trace(Q_k)＜Γ_k对成立，则计算预编码矩阵和接收干扰抑制矩阵结束；否则，返回步骤4，重新迭代计算。