基于OFDM的认知无线网络资源分配算法研究

摘要

随着无线通信业务的快速发展，频谱资源短缺的问题日益严峻，传统的固定频谱分配方式使得频谱利用呈现出显著的不均衡性。认知无线电技术作为一种智能的频谱共享技术，可以动态地检测授权频段中的空闲频谱资源并进行二次利用，极大地优化了无线频谱资源管理，提高了频谱利用率。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术凭借其灵活的资源调度能力和良好的自适应性被认为是认知无线电技术理想的空中接口。本论文围绕认知OFDM网络中多用户的资源分配问题，分别从频谱有效和能量有效的角度进行系统建模，设计了合理而高效的资源分配算法，主要工作和贡献如下： 1.建立了信道状态信息确定情况下的认知OFDM网络资源分配模型，在系统传输功率额定值和对主用户干扰阈值等约束条件下最大化系统频谱效率，提出了一种分布式的资源分配算法。先基于最大传输速率进行子载波分配，再采用改进线性注水算法进行功率分配。仿真结果表明，所提算法能够获得较高的频谱效率，且和最优功率分配算法相比能够有效降低计算复杂度。 2.在信道状态信息确定情况下的认知OFDM网络资源分配模型中，再增加用户间比例公平约束来最大化系统频谱效率。采用智能优化算法，先基于遗传算法设计了一种子载波分配方案，然后将约束条件作为惩罚项设计了多级惩罚函数，并将其与粒子群算法相结合，得到了功率分配方案。仿真结果表明，所提算法能够获得接近于最优功率分配算法的频谱效率，且能有效提高用户间的比例公平性和降低计算复杂度。 3.建立了信道状态信息不确定情况下的认知OFDM网络资源分配模型，在系统传输功率额定值、对主用户干扰阈值、次用户间比例公平和认知系统最低传输速率等约束条件下最大化系统的能量效率。针对实际系统中无法获得精确信道状态信息的情况，将对主用户的干扰约束转换为概率约束，然后采用Bernstein近似将非凸问题进行凸近似。提出了基于最大化能量效率的子载波分配算法和基于拟牛顿内点法的最优功率分配算法。仿真结果表明，所提算法能够逼近系统最优解，且能有效降低计算复杂度。

目录

第一个书签之前