一种认知无线电系统中基于效用函数的分布式功率控制方法

摘要

一种认知无线电(Cognitive Radio)系统中基于效用函数的分布式功率控制方法，属于无线通信技术领域，特别涉及应用在认知无线电系统中的功率控制。本发明是一种既满足了对主用户的保护又支持了认知用户的服务质量要求的折中方案。此方案基于非合作式的博弈论，即，它只需要各个CRU自行调节其发射功率，因此避免了传统分布式功率控制需要大量信息交互的弊端。通过分析效用函数的几何特性，巧妙地设置了效用函数的参数，同时结合接入控制，保证了功率的收敛。同时，通过调整参数，能够适应现有网络业务的需要。此外，我们设计了与功率控制方法相适应的帧结构和协议流程，它们可以适用于任意分布式认知无线电系统下，因而具有较强的实用性。

主权项

1、一种认知无线电(Cognitive Radio)系统中基于效用函数的分布式功率控制方法，其特征在于：认知无线电功率控制的两个最基本的要求是实现对PUs的保护(保证CRUs对PUs的干扰不会超过PUs能承受的干扰范围)和提供对CRUs的QoS支持。一般来讲，QoS的好坏与SINR的满足与否有较大的关系。本方案的增益函数G(i)表示CRUi的SINR要求——CRUi接收端获得的信干噪比(SINR)γ_i要达到QoS要求的信干噪比γ_d：${\gamma }_i=\frac{p_i·h_{\mathrm{ii}}}{{\Sigma }_{\underset{j\ne i}{j=1}}^N{p}_j·h_{\mathrm{ji}}+n_o}\ge {\gamma }_d---\left(1\right)$此外，利用代价函数C(i)表示对PUs的保护——本发明假设在进行功率控制之前，我们已经得到了PUs能承受的最小干扰，P_T，则对PUs的保护可以表示为：${\Sigma }_{i=1}^N{p}_i·g_i\le P_T---\left(2\right)$这样，每个想接入本系统的CRU都拥有了一个效用函数U(i)＝G(i)-C(i)。直接由公式(1)的SINR要求，增益函数表示如下：$G\left(i\right)={\lambda }_i\sqrt{{\gamma }_i-{\gamma }_d}---\left(3\right)$上式要求γ_i≥γ_d以使函数有意义。其中，λ_i是一个可调参数。代价函数可表示为：$C\left(i\right)={\left(\frac{p_i·g_i}{P_T-{\Sigma }_{\underset{j\ne i}{j=1}}^N{p}_j·g_j}\right)}^{a_i}·p_i---\left(4\right)$p_i可以表示为γ_i的函数，结合公式(3)和公式(4)，本发明的效用函数如下：$U\left(i\right)={\lambda }_i\sqrt{{\gamma }_i-{\gamma }_d}-{\left(\frac{g_i}{P_T-{\Sigma }_{\underset{j\ne i}{j=1}}^N{p}_j·g_j}\right)}^{a_i}·{\left(\frac{{\gamma }_i·{\mathrm{Intf}}_i}{h_{\mathrm{ii}}}\right)}^{a_i+1}---\left(5\right)$则功率控制问题就可被详细描述为：寻找到一组功率向量P＝[p₁，p₂…p_N]，使得对于所有合适的CRUs有下面的问题成立：$\left\{\begin{array}{c}\underset{p_i\ge 0}{\max }U\left(i\right)\\ {\gamma }_i\ge {\gamma }_d\\ U\left(i\right)\ge 0\\ p_i·g_i\le P_T-{\Sigma }_{\underset{j\ne i}{j=1}}^N{p}_j·g_j\end{array}\right.---\left(6\right)$令p_i^*是对CRUi而言的局部最优值，则：$\frac{\partial U\left(i\right)}{{\partial p}_i^{*}}=0\Rightarrow {\gamma }_i^{a_i}·\sqrt{{\gamma }_i-{\gamma }_d}=\frac{{\lambda }_i}{2}·\frac{1}{(a_i+1)·{\beta }_i}---\left(7\right)$其中，${\beta }_i={\left(\frac{g_i}{P_T-{\Sigma }_{\underset{j\ne i}{j=1}}^N{p}_j·g_j}\right)}^{a_i}·{\left(\frac{{\mathrm{Intf}}_i}{h_{\mathrm{ii}}}\right)}^{a_i+1}---\left(8\right)$令$f\left({\gamma }_i\right)={\gamma }_i^{a_i}·\sqrt{{\gamma }_i-{\gamma }_d},$则最优解为：${\gamma }_i^{*}=f^{-1}(\frac{{\lambda }_i}{2}·\frac{1}{(a_i+1)·{\beta }_i})---\left(9\right)$相应的功率分配为：$p_i^{*}={\gamma }_i^{*}·\frac{{\mathrm{Intf}}_i}{h_{\mathrm{ii}}}---\left(10\right)$因此，CRUi根据以下原则更新其在第k+1步的发射功率p_i^*(k+1)：$p_i^{*}(k+1)={\gamma }_i^{*}\left(k\right)·\frac{{\mathrm{Intf}}_i\left(k\right)}{h_{\mathrm{ii}}\left(k\right)}=\frac{{\gamma }_i^{*}\left(k\right)}{{\gamma }_i\left(k\right)}·p_i\left(k\right)---\left(11\right)$然而，一些研究结果表明公式(11)的形式表明，当存在一个合适的功率分配使得任意接入用户i的SINR满足γ_i≥γ_d时，式(11)能保证功率收敛。但若上述条件不成立，公式(11)的方法会导致功率不收敛。因此，本发明结合接入控制来拒绝不受欢迎的CRUs以解决收敛问题。现在的问题是以什么样的标准判断一个CRUi是否是受欢迎的或是允许接入的，换句话说，如何找到一个合适的γ_i^*以满足式(6)中的所有条件。通过调整参数β_i，会有三种不同的C(i)的曲线，它们分别和G(i)相离，相切和相交。当$p_i·g_i=P_T-{\Sigma }_{\underset{j\ne i}{j=1}}{p}_j·g_j$时，如果G(i)和C(i)相切，则令相应的${\beta }_i={\beta }_{i,}^t$${\gamma }_i={\gamma }_i^t.$[性质1]对任一想接入本系统的CRUi而言，若其${\beta }_i\le {\beta }_i^t,$则认为此认知用户是受欢迎的。[性质2]当${\beta }_i={\beta }_i^t$时，令${\theta }_i=\frac{{\gamma }_d·{\mathrm{Intf}}_i·g_i}{{\mathrm{remainder}}_i·h_{\mathrm{ii}}},$有：$a_i=\frac{1}{2·(1-{\theta }_i)}-1---\left(12\right)$令p_i，ph^max表示发射机允许的物理最大发射功率，其相应的SINR为γ_i，ph^max，则γ_i的最大值γ_i^max为：${\gamma }_i^{\max }=\max ({\gamma }_{i,\mathrm{ph}}^{\max },{\gamma }_i^t)---\left(13\right)$有了以上两个性质作为理论基础，下面我们给出本发明中的算法的步骤——基于效用函数的分布式功率控制(UPCAC，Utility based Power Control jointing with Admission Control)：步骤1更新Intf_i(k)，g_i(k)，和h_ii(k)，计算α_i(k)，β_i(k)和β_i^t(k)。如果${\beta }_i\left(k\right)\le {\beta }_i^t\left(k\right),$至步骤2；否则，至步骤4；步骤2令与γ_i^max(k)相应的功率为p_i^max(k+1)，与γ_d对应的功率为p_i^min(k+1)。若$p_i^{\min }(k+1)\le p_i^{\max }(k+1),$至步骤3；否则，至步骤4；步骤3在闭区间[p_i^min(k+1)，p_i^max(k+1)]上找到最优点p_i*(k+1)以最大化U(i)，至步骤5；步骤4p_i*(k+1)＝0，U(i)(k+1)＝0；步骤5令k←k+1，至步骤1。若一个想接入本网络的CRU的最终的功率非零，则认为此CRU是受欢迎的并且允许接入本网络。由于在UPCAC中，我们保证了0＜inf(i)＜1，因此我们确保了对主用户的保护。