认知无线电中稀疏频谱检测及资源分配的研究

摘要

随着第四代、第五代无线通信网络的发展，大量的无线业务需要占用较宽的频带，而可用的频谱资源正变得越来越稀缺。另一方面，无处不在的无线服务和复杂的传输技术，使得无线网络的能量消耗非常严重。因此，寻找高频谱利用率、高能效的无线传输技术具有重要意义。认知无线电作为一种智能的无线通信系统，通过动态的频谱接入策略，能够有效的提高频谱利用率。近年来，针对认知无线电技术的研究已经取得了丰富的研究成果。与此同时，由于绿色技术能够降低能耗、减少二氧化碳排放量并且能够循环利用资源，绿色技术正得到学术界、工业界和政府部分的广泛关注。在无线通信中，绿色无线通信技术主要致力于提高能量效率、解决高服务质量需求和节约能量之间的矛盾。因此，绿色无线通信技术与认知无线电技术结合将成为未来无线通信研究的热点。
　　本文围绕认知无线电、绿色无线通信技术展开了研究，主要包括稀疏频谱感知、高能效资源分配、高能效最优中继选择等，主要创新内容如下:
　　(1)研究了分布式稀疏频谱感知问题，根据次用户能否获得信道状态信息，提出了两种分布式稀疏频谱感知算法。由于主用户信号能量在频域是稀疏的，因此可通过能量向量来判断整个频段的信道是否被占用，将频谱感知问题转化为稀疏向量恢复问题。当信道状态信息已知时，频谱感知问题转化为从多个次用户观测向量恢复同一个稀疏向量问题;当信道状态信息未知时，频谱感知问题转化为从多个次用户观测向量恢复多个具有相同稀疏结构的稀疏向量问题;分别采用不同的分布式方法对上式问题进行求解，得到了两种分布式稀疏频谱感知算法。
　　研究了集中式稀疏频谱感知问题，根据次用户能否获得信道状态信息，提出了两种集中式稀疏频谱感知算法。与分布式稀疏频谱感知问题类似，频谱感知问题转化为从多个次用户观测向量恢复同一个稀疏向量或恢复多个具有相同稀疏结构的稀疏向量问题，然后分别采用路径协同优化算法和多任务贝叶斯压缩感知算法对其进行求解，得到了两种集中式稀疏频谱感知算法。
　　(2)研究了认知无线电系统中的资源分配问题，根据次用户能否获得完整的信道状态信息，提出了高能效资源分配算法和鲁棒的高能效功率分配算法。针对多用户认知正交频分多址系统，1）在次用户能够获得其与主用户之间的信道状态信息的场景下，以次用户的能量效率和为优化目标，在干扰约束和功率约束条件下，对子信道和功率分配问题进行研究。针对上述优化问题，提出了一种分步算法:第一步为子信道分配算法，第二步为高能效功率分配算法;2）在次用户无法准确获得其与主用户之间的信道状态信息的场景下，以最大化最小次用户能量效率为优化目标，在干扰约束条件、功率约束条件和信道估计误差约束条件下，对功率分配问题进行研究。由于目标函数和信道估计误差约束条件是非凸的，很难直接对其进行求解。为了便于求解，首先将非凸的信道估计误差约束条件转化为凸约束条件，然后引入变量将原优化问题转化为等效的凸优化问题，最后给出了鲁棒的高能效功率分配算法。
　　(3)研究了认知放大转发中继系统中的资源分配问题，提出了一种高能效中继选择和功率分配算法。在认知放大转发中继系统场景下，以认知用户的能量效率为优化目标，对最优中继选择和功率分配问题进行研究。针对上述优化问题，提出的高能效中继选择和功率分配算法包括两步:第一步为高能效功率分配算法，第二步为最优中继选择。
　　研究了统计约束条件下认知解码转发中继系统中的功率分配问题，提出了一种高能效功率分配算法。该算法首先对统计约束条件进行等效变换，然后通过引入参数将原始的优化问题转化为分式优化问题，最后给出了一种迭代的求解算法。
　　(4)研究了时延服务质量约束条件下的认知无线电功率分配问题，提出了一种高能效功率分配算法。为了在保证系统服务质量的同时，提高系统的能量效率，以有效容量与功耗的比值作为优化目标，在满足总发射功率和干扰约束条件下，对功率分配问题进行研究。上述优化问题是非凸的，为了方便求解，首先引入变量，将原优化问题转化为一维优化问题和传统的有效容量最大化问题，然后通过对这两个问题进行求解，给出了一种有效的功率分配方案。

目录

声明

摘要

图目录

缩略词注释表

第一章 绪论

1．1 研究背景与意义

1．2 频谱感知研究现状

1．3 资源管理研究现状

1．4 论文的主要研究内容及创新点

1．4．1 稀疏频谱感知的研究

1．4．2 高能效资源分配算法的研究

1．5 论文的结构安排

第二章 认知无线电中稀疏频谱感知算法

2．1 引言

2．2 分布式稀疏频谱感知

2．2．1 信号模型和问题阐述

2．2．2 分布式稀疏频谱感知

2．3 集中式稀疏频谱感知

2．3．1 信号模型与问题阐述

2．3．2 集中式稀疏频谱感知

2．4 仿真结果与分析

2．5 本章小结

第三章 认知无线电系统中高能效资源分配算法

3．1 引言

3．2 多用户认知无线电系统中的高能效资源分配算法

3．2．1 系统模型与问题表述

3．2．2 高能效资源分配算法

3．2．3 仿真结果与分析

3．3 认知无线电系统中的鲁棒高能效功率分配算法

3．3．1 系统模型与问题表述

3．3．2 鲁棒高能效功率分配算法

3．3．3 仿真结果与分析

3．4 本章小结

第四章 认知中继系统中高能效资源分配算法

4．1 引言

4．2 认知AF中继系统中的最优中继选择和功率分配

4．2．1 系统模型与问题表述

4．2．2 高能效功率分配和最优中继选择

4．2．3 仿真结果与分析

4．3 认知DF中继系统中的功率分配问题

4．3．1 系统模型与问题表述

4．3．2 高能效功率分配

4．3．3 仿真结果与分析

4．4 本章小结

第五章 时延服务质量约束下的高能效功率分配算法

5．1 引言

5．2 有效容量

5．3 时延QoS约束条件下的高能效功率分配算法

5．3．1 系统模型与问题表述

5．3．2 高能效功率分配算法

5．3．3 仿真结果与分析

5．4 本章小结

第六章 总结与展望

6．1 论文总结

6．2 工作展望

致谢

参考文献

附录

攻读博士学位期间撰写的论文和专利