基于中断概率的星地网络鲁棒功率控制算法

摘要

相较于传统的地面认知网络,星地认知网络链路传输时延较长,因此基于实时信道感知的认知用户中断概率较高.以离散时间马尔科夫链描述授权用户的动态及衰落信道,同时考虑信道转移概率的不确定性,建立基于似然不确定性模型的信道状态马尔科夫链,利用鲁棒的向后递归方法得到离线存储的功率分配矩阵,并对网络中多个用户采用博弈论的方法,进而提出基于中断概率的功率控制算法.仿真结果表明,与RRAP和TS-RS-PA算法相比,该算法在网络延迟存在的情况下能够更有效地降低中断概率并节约能耗.