認知無線電中基于博弈論和協(xié)作傳輸?shù)墓β士刂扑惴ㄑ芯?pdf

1、隨著各種無線新技術(shù)的快速發(fā)展,特別是未來無線通信寬帶化的發(fā)展趨勢,有限的頻譜資源變得越來越稀缺寶貴,而如何有效的解決頻譜資源匱乏這個難題顯得十分重要和緊迫。鑒于傳統(tǒng)的提高頻譜利用率手段的局限性,認知無線電,這種從根本上解決目前固定頻譜分配策略所引發(fā)問題的新技術(shù)受到廣泛的關(guān)注和研究。經(jīng)過十多年的發(fā)展,認知無線電的研究正走向成熟并向縱深拓展。各項認知無線網(wǎng)絡(luò)下的技術(shù)基本都是圍繞著如何準(zhǔn)確檢測并使用空閑頻譜,以及如何減少對授權(quán)網(wǎng)絡(luò)的干擾以實現(xiàn)

2、認知用戶(次用戶)和授權(quán)用戶(主用戶)的真正共存展開的。其中,無論是在overlay(填充)模式下,在完成頻譜切換時,為減少對授權(quán)用戶干擾并保持認知用戶的良好通信質(zhì)量;還是在underlay(下墊)模式下,認知用戶如何保持合理的發(fā)射功率來達到干擾溫度的要求,高效合理的功率控制都是解決這些問題的一項必要的關(guān)鍵技術(shù)。本文主要以博弈論、智能優(yōu)化理論為基礎(chǔ),深入研究了認知無線網(wǎng)絡(luò)中分布式上行傳輸及協(xié)作通信中的功率控制問題,并提出有針對性的解決方

3、案。
　　在認知無線電中,認知用戶對空閑頻譜的接入方式有兩種:overlay模式和underlay模式。在overlay模式中,認知用戶機會接入空閑頻譜,當(dāng)發(fā)現(xiàn)授權(quán)用戶回歸時,認知用戶及時跳出該頻譜。這種模式下,認知用戶對授權(quán)用戶干擾小,但頻譜使用效率低。在underlay模式中,認知用戶和授權(quán)用戶共享頻譜,認知用戶需要受干擾溫度的限制約束,但頻譜利用率高,對功率控制要求高。本文主要針對underlay模式下的功率控制問題進行研究

4、。與基站側(cè)的功率問題相比,終端側(cè)的功率控制約束多,也相對復(fù)雜,本文將集中分析終端側(cè)的上行功率控制問題。在不同的認知場景下,功率控制的目標(biāo)和手段也會有所區(qū)別。由于認知用戶間的中繼傳輸可有效降低其對授權(quán)網(wǎng)絡(luò)的干擾,而授權(quán)用戶和認知用戶的協(xié)作傳輸可使雙方都受益,在本文中,也將針對認知無線網(wǎng)絡(luò)中協(xié)作傳輸模式下的功率控制問題做重點研究。
　　首先,本文對幾種在認知無線電網(wǎng)絡(luò)中的典型功率控制算法和理論,包括注水算法、基于博弈論的功率控制算法、

5、基于中繼傳輸?shù)墓β士刂扑惴ㄟM行了深入的分析和論述。由于認知無線網(wǎng)絡(luò)中功率控制方法與傳統(tǒng)通信網(wǎng)絡(luò)中相應(yīng)方法的繼承性和延續(xù)性,本文分析了傳統(tǒng)網(wǎng)絡(luò)中典型的分布式功率控制算法的特點。此外,博弈論的特點較適合于解決通信系統(tǒng)中的資源分配問題,而不同的分配問題需要應(yīng)用不同的博弈模型來討論。本文對博弈論中幾個典型的模型進行了詳細分析,并介紹了在相應(yīng)認知場景下基于不同博弈模型的有代表性的功率控制算法。
　　其次,針對underlay模式下動態(tài)干擾溫

6、度的特點,提出了基于納什博弈模型的一種分布式的上行功率控制迭代算法。在分析干擾溫度給認知用戶功率發(fā)射帶來的影響后,將動態(tài)功率門限因素引入到納什博弈模型中,并在此基礎(chǔ)上得到一個合理的功率迭代算法。此外,給出了算法的收斂性和納什均衡解的分析和證明。理論分析和仿真實驗結(jié)果表明,在動態(tài)干擾門限的影響下,該算法可以得到合理的信干噪比效果及較低的功率收斂值,從而保障認知用戶的通信質(zhì)量和對授權(quán)網(wǎng)絡(luò)的干擾程度可控。
　　再次,研究了認知用戶和授權(quán)

7、用戶協(xié)作傳輸模式下的資源分配問題。在認知用戶幫助主用戶通信之后,如何衡量主用戶的收益并合理回饋認知用戶是他們合作能繼續(xù)進行的關(guān)鍵。underlay模式下,在分析了授權(quán)用戶功耗節(jié)省和中斷概率降低方面的收益基礎(chǔ)上,提出了相應(yīng)的功率分配算法,通過合理提升干擾溫度門限來使認知用戶也得到恰當(dāng)?shù)幕貓?。overlay模式下,使用博弈理論提出了基于動態(tài)頻譜出租方案的頻譜占用時間分配算法,在保證資源分配公平性的情況下,提升了系統(tǒng)的性能。
　　最后,

8、針對特定認知場景下的復(fù)雜功率控制模型,提出聯(lián)合智能優(yōu)化算法來進行求解。對于較復(fù)雜的非線性、非可微的多目標(biāo)優(yōu)化問題,釆用單純的數(shù)學(xué)推導(dǎo)很難直接得到最優(yōu)解。在本文中,提出了聯(lián)合遺傳算法和模式搜索算法來解決聯(lián)合干擾條件下中斷概率最小化的功率分配問題,目的是為了克服單一遺傳算法的不穩(wěn)定性和獨立模式搜索算法的局部收斂性。此外,也研究了認知用戶間協(xié)助傳輸模式下的功率分配問題。針對regenerative中繼模式和non-regenerative中繼