专利名称：一种基于干扰温度的认知网络功率分配方法
技术领域：
本发明涉及认知网络资源分配技术领域。更具体地，本发明涉及一种基于干扰温度的认知网络功率分配方法。
背景技术：
认知无线电(Cognitive Radio, CR)是一种提高频谱资源利用率的无线电技术， 其核心思想是CR具有学习能力，能与周围环境交互信息，以感知和利用在该空间的可用频谱，并限制和降低冲突的发生。认知无线电网络中主要包括两类用户主用户或称为授权用户，即拥有频谱管理机构授权使用某段频谱资格的用户；认知用户或称为二级用户，即不具有频谱管理机构授权使用某段频谱的授权许可，但是通过采用认知无线电技术，在不影响授权用户的情况下可以使用该段频谱的用户。感知频谱环境是认知无线电的首要任务，因为认知无线电最显著的特征是能感知并分析特定区域的频段并找出适合通信的频谱空穴。 这里的频谱空穴(也称空闲频谱或白空间)是指已经授权的频段，但在特定时间和空间里没有被主用户使用，此时认知用户在不对主用户造成干扰的前提下可以接入此频段从而达到资源共享。在资源受限的认知无线电网络中，如何提高认知用户网络的资源利用率是一个值得考虑的问题，而认知用户利用频谱空穴的同时不对主用户造成干扰的研究重点之一在于，对认知无线电系统的功率控制方面。该研究主要存在基于对策论即博弈论和基于信息论的反复注水法两种解决方案。这两种方案主要侧重在不同的方面，基于博弈论的研究主要是为了去解决认知用户在共同使用相互冲突的频段时的功率控制问题；而基于功率注水的方案主要是用来解决正交的资源上分配功率的问题。这两种方案研究已经比较深入， 但是随和认知用户数增加计算迭代次数加大，复杂度较高。针对资源分配的非线性规划问题的求解有多种算法，常用的有最速下降法、共轭方向法、简约梯度法和惩罚函数法。其中最速下降法和共轭方向法用于求解无约束的非线性规划问题，惩罚函数法和简约梯度法的求解复杂度随迭代次数增加收敛缓慢。基于结构的频谱共享技术可分为集中式频谱共享和分布式频谱共享。本发明考虑集中式认知架构，认知用户通过认知频谱共享竞争短期数据服务。共享技术包括认知用户采用扩频技术，同时设置主用户的干扰温度限对认知用户的发射功率进行控制，从而保障主用户不受干扰。在多认知用户的情况下，为了达到频谱共享最充分，应该满足两个条件 一是认知用户不会对主用户的通信质量造成影响；二是保证主用户的同时，认知用户的通信质量达到最优。但是，如果认知用户数量增加，发射机数量也会不断增加，计算量会不断增大。如何使众多的认知用户的发射功率能较快的收敛到最优水平从而缩短频谱分配的处理时间，又能对认知用户的数量进行合理分配从而达到系统效用的最优化，是当前的热点问题。
发明内容
本发明目的在于提供一种基于干扰温度的认知网络功率分配方法，实现对多个认知用户情况下的认知用户发射功率的最优化分配，以及在保证系统效用最大时认知用户的最优数目。本发明的方法，包括以下步骤建立多认知用户小区模型；确定主用户的干扰温度限；确定各认知用户的接收机的信噪比要求；确定主用户正常工作时的测量功率值条件；确定系统效用及约束条件；采用模拟退火遗传算法估算最优功率分配。进一步地，所述建立多认知用户小区模型包括设定m个测量点，1个主用户发射机和η个认知用户发射机；设定Γι为认知用户1的认知小区半径；设定Lu为第i个认知小区到第j个认知小区的距离；设定dik为第i个认知用户到第k个测量点的距离。进一步地，所述确定主用户的干扰温度限通过以下公式计算
权利要求
1.一种基于干扰温度的认知网络功率分配方法，其特征在于，包括以下步骤 建立多认知用户小区模型；确定主用户的干扰温度限； 确定各认知用户的接收机的信噪比要求； 确定主用户正常工作时的测量功率值条件； 确定系统效用及约束条件； 采用模拟退火遗传算法估算最优功率分配。
2.根据权利要求1所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述建立多认知用户小区模型包括设定m个测量点，1个主用户发射机和η个认知用户发射机； 设定^为认知用户1的认知小区半径； 设定Lu为第i个认知小区到第j个认知小区的距离； 设定dik为第i个认知用户到第k个测量点的距离。
3.根据权利要求2所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述确定主用户的干扰温度限通过以下公式计算
4.根据权利要求3所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述确定各认知用户的接收机的信噪比要求通过以下公式确定
5.根据权利要求4所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述确定主用户正常工作时的测量功率值条件是^Plglk <Tk(fc,B)kBB kB=\-m,i=\其中，Tk (f。，B)kBB为第k个测量点对应干扰温度限的功率测量值，k = L···!!!； Srk =为发射机i到第k个测量点MP的路径损耗；dik为第i个认知用户到第k个测量点MP的距离。
6.根据权利要求5所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述确定系统效用及约束条件包括将所述各认知用户的接收机的信噪比以以下效用函数进行定义Ui = IOlogltl Yi,其中， Ui为第i个接收机的效用函数；确定以k = l-m，并且^mm《W为约束条件，其中[ifm，f ]表示第i个发射机的可调发射功率。
7.根据权利要求6所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述采用模拟退火遗传算法估算最优功率分配包括以下步骤A)初始化算法参数；B)产生初始种群，所述初始种群的每个个体表示所述认知用户的发射功率Pi；C)评价所述初始种群中的个体Pi,判断是否达到收敛或结束条件，若符合条件转到G)， 否则转向D)；D)遗传算法对所述初始种群进行选择、交叉和变异操作得到遗传种群；E)对所述遗传种群进行模拟退火操作，直到稳定得到退火种群；F)退温，把所述退火种群作为下一次迭代的初始种群，产生下一次迭代运算的初始温度，返回C)；G)输出最优功率解。
8.根据权利要求7所述的基于干扰温度的认知网络功率分配方法，其特征在于，所述 E)对所述遗传种群进行模拟退火操作，直到稳定得到退火种群包括以下子步骤a)设定第二初始温度并将所述遗传种群作为模拟退火初始种群；b)内循环步骤，通过Metropolis准则获得当前的最优解；c)外循环步骤，判断是否满足终止条件，如果不满足则转到步骤b)，满足则获得退火种群。
全文摘要
本发明公开了一种基于干扰温度的认知网络功率分配方法，包括建立多认知用户小区模型；确定主用户的干扰温度限；确定各认知用户的接收机的信噪比要求；确定主用户正常工作时的测量功率值条件；确定系统效用及约束条件；采用模拟退火遗传算法估算最优功率分配。通过本发明的方法，在多个认知用户情况下，实现发射功率的最优化分配，在认知用户不对主用户造成干扰的前提下达到资源充分共享。
文档编号H04W16/14GK102448071SQ20121002109
公开日2012年5月9日 申请日期2012年1月30日 优先权日2012年1月30日
发明者关欣, 李秀萍, 赵军辉 申请人:北京交通大学