认知无线网络中基于最大和速率的协同通信方法

摘要

本发明提供了一种认知无线网络中基于最大和速率的协同通信方法,该新的协同通信方案以最大化认知无线网络中主次用户的和速率。通过建模将主次用户的和速率最大化问题表示为组合优化问题，然后引入辅助变量，将所求问题等价转化为运筹学中的标准指派问题，并根据该指派问题求解算法，提出了基于匈牙利算法的主次用户协同通信方案。经对比认知无线网络在采用本发明的AF、DF协同通信与直接通信方式时，在不同情况下的主次用户和速率变化情况。仿真结果表明，在次用户数目较多时，采用本发明的协同通信方案带来和速率1.3倍以上的提升，同时，AF协同通信比DF协同通信方式更适合用于认知无线网络中以提高主次用户的和速率。

说明书

技术领域

本发明涉及的是一种认知无线网络技术领域的方法，具体是认知无线网络中基于最大和速率的一种协同通信方案。

背景技术

认知无线网络是一项用于缓解频谱资源稀缺问题的关键应用技术。该网络中存在两种用户，一种是可以随时使用某信道的付费用户或授权用户，通常称为主用户；另一种是不存在自己的授权信道，只能通过搜索并使用周围空间中未被主用户完全占用的信道来进行通信的次用户。次用户与主用户通过不同的通信方式实现共存，极大地提高了无线频谱的利用率。而研究与设计认知无线网络的关键，就是实现次用户与主用户的良性共存。

Akyildiz等人在《Computer Networks,2006,50(13):2127-2159》上发表了题为“Next generation/dynamic spectrum access/cognitive radio wirelessnetworks:a survey”的文章。该文章系统的阐述了各种传统的认知无线网络中主次用户的共存方式。然而，在这些主次用户共存方式中，次用户仅仅使用了不存在主用户的空闲信道，未能与主用户形成充分的合作或互动，导致了系统的和速率等综合性能低下。目前已有大量文献用于研究次用户与主用户共存技术问题。

D Niyato等人在《IEEE Trans.Mobile Computing,2009,8(8):1009-1022》上发表了题为“Dynamics of multiple-seller and multiple-buyer spectrumtrading in cognitive radio networks:A game-theoretic modeling approach”的文章；S K.Jayaweera等人在《IEEE Trans.Wireless Communications,2009,8(6):3300-3310》上发表了题为“Dynamic spectrum leasing in cognitive radionetworks via primary-secondary user power control games”的文章；H Yu等人在《IEEE Trans.Vehicular.tchnology,2010,59(4):1769-1778》上发表了题为“Pricing for Uplink Power Control in Cognitive Radio Networks”的文章。这些文章基于博弈论，从收益最大化的角度考虑了主次用户的共存：主用户将次用户接入所产生的干扰功率进行量化，并对其进行收费。这样，次用户的接入功率越高，付出的代价也越高。在考虑各自总收益最大化的情况下，主次用户通过博弈，实现共存。但是，这种机制不仅不适用于主用户需要较高数据速率的情况，同时仍然没有考虑主次用户的合作问题。

一些研究尝试将协同通信的概念引入认知无线网络，以解决主次用户的合作问题。协同通信指目的用户通过多用户合作形成一个虚拟的天线阵列或借助多用户中继转发信息而完成通信的技术，这样，协同通信同时兼具空间分集、中继通信等多种优势，可有效克服信道衰落、提高通信质量。

Y Han等人在《IEEE Trans.Wireless Communication,2009,8(10):4945-4950》上发表了题为“Cooperative decode-and forwardrelaying for secondary spectrum access”的文章；L.Giupponi等人在《EURASIPJournal on Advances in Signal Processing,2009》上发表了题为“Distributedcooperation among cognitive radios with complete and incompleteinformation”的文章。这些文章考虑了从次用户中分配出部分功率用于协助主用户传输的情况。Simeone等人在《Selected Areas in Communications,IEEEJournal,2008,26(1):203-213》上发表了题为“Spectrum leasing tocooperating secondary ad hoc networks”的文章，该文章将每个传输时隙分为3段，分别用于主用户传输、次用户协同主用户传输及次用户传输，但是该文章仅假定了单信道（一对主用户）的情况。S Bayat等人在《Communications(ICC),2011IEEE International Conference,2011,:1-6》上发表了题为“CognitiveRadio Relay Networks with Multiple Primary and Secondary Users:Distributed Stable Matching Algorithms for Spectrum Access”的文章，该文章对Simeone等人的研究进行了扩展，考虑了多信道的情况。然而，以上各文献中的方案在进行协同通信时均没有考虑到信道的实际状态，同时也没有考虑到次用户本身通信可能带来的网络和速率的提升。

为了解决上述问题，本发明提出了一种新的主次用户协同通信方案。在多信道多主用户的情况下，本发明建立了主用户根据各自的信道状态，机会式的选择直接通信方式或者有次用户做中继的协同通信方式,允许通信次用户合理选择可用信道，以最大化每个时隙中主次用户通信和速率的模型。进一步通过引入辅助变量，将该组合优化问题转化为了运筹学理论中的标准指派问题，并给出了基于标准指派问题的求解算法——匈牙利算法的主次用户协同通信方案。仿真结果表明，在次用户数目较多时，相较于其它方案，本发明可带来认知无线网络和速率1.3倍以上的提升。

发明内容

本发明的目的在于克服现有研究与技术上的不足，本发明提出了认知无线网络中基于最大和速率的一种协同通信方案。本发明中主用户通过机会选择次用户是否协同自身数据传输、允许通信的次用户通过匹配最佳可用信道来最大化认知无线网络的和速率。通过建模将该和速率最大化问题表示为了一个组合优化问题，进一步引入了辅助变量，将问题转化为了一个等价的标准指派问题，从而提出了基于匈牙利算法的协同通信方案。仿真结果表明，本发明较传统不采用协同通信的直接通信方案显著提高了主次用户的和速率。

本发明通过如下技术方案实现：

所述认知无线网络中基于最大和速率的协同通信方法，包括以下步骤：

第一步：每个时隙开始时，控制台获取网络参数，网络参数包括各信道的信道增益，以及背景噪声功率，各信道的信道增益包括分别表示对应收发机之间的信道增益的其中S_i、D_i分别表示第i条信道上的主用户发射机与接收机，R_j、RD_j分别表示第j条信道上的次用户发射机与接收机，相应地，表示第i条信道上的主用户发射机与主用户接收机之间的信道增益，表示第i条信道上的主用户发射机与第j条信道上的次用户发射机之间的信道增益，表示第j条信道上的次用户发射机与第i条信道上的主用户接收机之间的信道增益，表示第j条信道上的次用户发射机与次用户接收机之间的信道增益；

同时，控制台还获取第i条信道的信道带宽w_i,1≤i≤M，以及背景噪声功率；

第二步：根据第一步中的网络参数计算所有主次用户在各信道的通信速率；

第三步：计算匈牙利算法所需用到的中间参数；中间参数为矩阵B，B＝(b_i,j)_(M+N)×(M+N)，b_i,j表示矩阵B的元素，B_max＝max(b_i,j)；

其中矩阵B的各元素为：

其中C_{i,j_coop}表示主次用户协同通信的信道容量，C_{i_dir}表示主用户直接通信的信道容量，C_{i,j_sec}表示次用户对i在信道j上直接通信的信道容量，M表示可用信道的数目，N表示次用户的数目，P表示主用户中有通信需求的用户数目，此式中为了简便，设定主用户中的前P个用户为有通信需求的用户数目，

也即B的维度形式如下：

$>B=\left(\begin{array}{ccc}{A}_{P\times N}& D_{P\times P}& 0_{P\times (M-P)}\\ C_{(M-P)\times N}& 0_{(M-P)\times P}& 0_{(M-P)\times (M-P)}\\ 0_{N\times N}& 0_{N\times P}& 0_{N\times (M-P)}\end{array}\right)$>

其中A_P×N表示P×N维的矩阵，C_(M-P)×N表示(M-P)×N维的矩阵，D_P×P表示P×P维的矩阵；

第四步：采用匈牙利算法求解与最终通信方案所对应的矩阵Y，y_i,j表示矩阵Y的元素；

矩阵Y的各元素为：

$>y_{i,j}=\left(\begin{array}{cc}{y}_{i,j}=x_{i,j}& ;1\le i\le M,1\le j\le N\\ \underset{i=1}{\overset{M}{\Sigma }}{y}_{i,j}+\underset{i=M+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\\ \underset{j=1}{\overset{N}{\Sigma }}{y}_{i,j}+\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\end{array}\right)$>

其中，代数1表示最多只有1个次用户能够作为中继用户、或者次用户作为中继用户时最多只能服务1个主用户，x_i,j表示数学推导过程中的辅助变量，x_i,j的物理意义如下：

当1≤i≤P,1≤j≤N时，

当P+1≤i≤M,1≤j≤N时，

其中P表示主用户中有通信需求的用户数目，此式中为了简便，设定主用户中的前P个用户为有通信需求的用户数目；

第五步：根据矩阵Y的各元素值，确定各主次用户的通信方式与工作方式。

优选地，在所述第二步中，通过香农公式与协同通信信道容量公式计算C_{i_dir},C_{i,j_coop},C_{i,j_sec}，

具体计算过程为：

$>C_{i\_\mathrm{dir}}=w_i{\log }_2(1+{\mathrm{SNR}}_{S_i{D}_i})$>

其中,

$>{\mathrm{SNR}}_{S_i{D}_i}={\left|a_{S_i{D}_i}\right|}^2{P}_{S_i}/N_{S_i{D}_i}$>

其中表示主用户对S_i、D_i在信道i上传输时的信噪比，w_i表示第i条信道的信道带宽，表示主用户i的发射功率；表示信道i上的背景噪声功率；为表示尺度衰落的信道系数，定义如下：

$>a_{S_i{D}_i}=h_{S_i{D}_i}/d_i^{v/2}$>

其中d_i表示第i对主用户发射机与接收机之间的距离；v表示可变信道衰落因子；

采用等分时隙的半双工DF方式时，主次用户协同通信的信道容量C_{i,j_coop}为：

$>C_{i,j\_\mathrm{coop}}=w_i\min \{\frac{1}{2}{\log }_2(1+{\mathrm{SNR}}_{S_i{R}_j}),\frac{1}{2}{\log }_2(1+{\mathrm{SNR}}_{S_i{D}_i}+{\mathrm{SNR}}_{R_j{D}_i})\}$>

其中表示主用户发射端与中继用户发射端之间的信噪比，表示主用户发射端与主用户接收端之间的信噪比，表示中继用户发射端与主用户接收端之间的信噪比；

采用等分时隙的半双工AF方式时，主次用户协同通信的信道容量C_{i,j_coop}为：

$>C_{i,j\_\mathrm{coop}}=\frac{1}{2}{w}_i{\log }_2(1+\frac{{\left|a_{S_i{D}_j}\right|}^2{P}_{S_i}}{N_{S_i{D}_i}}+\frac{{\left|a_{S_i{R}_j}\right|}^2{\left|a_{R_j{D}_i}\right|}^2{\left|{\beta }_{i,j}\right|}^2{P}_{S_i}}{N_{R_i{D}_j}+{\left|a_{R_i{D}_j}\right|}^2{\left|{\beta }_{i,j}\right|}^2{N}_{S_i{R}_j}})$>

上式中，

$>{\beta }_{i,j}=P_{R_j}/(P_{S_i}{\left|a_{S_i{D}_i}\right|}^2+N_{S_i{D}_i})$>

其中，为表示第i个主用户发射端与接收端之间尺度衰落的信道系数，表示第i个主用户发射端与第i个中继用户发射端之间尺度衰落的信道系数，表示第i个中继用户发射端与第i个次用户接收端之间尺度衰落的信道系数，表示信道i上中继用户发射端与主用户接收端之间的背景噪声功率，表示第i个中继用户发射端与第j个次用户接收端之间尺度衰落的信道系数，表示信道i上主用户发射端与中继用户发射端之间的背景噪声功率，表示第j个中继用户的发射功率，表示信道i上主发射端与接收端之间的背景噪声功率，表示主用户i的发射功率；

C_{i,j_sec}的计算公式与C_{i_dir}的计算公式原理相同，具体为：

$>C_{i,j\_\sec }=w_i{\log }_2(1+{\mathrm{SNR}}_{j{R}_{i}R{D}_i})$>

其中,

$>{\mathrm{SNR}}_{{\mathrm{jR}}_i{\mathrm{RD}}_i}={\left|a_{R_{i}R{D}_i}\right|}^2{P}_{R{S}_i}/N_{j{R}_{i}R{D}_i}$>

其中表示次用户对R_i、RD_i在信道j上传输时的信噪比，w_j表示第j条信道的信道带宽，表示次用户i的发射功率；表示信道j上的背景噪声功率；为表示尺度衰落的信道系数，定义如下：

$>a_{R_i{\mathrm{RD}}_i}=h_{R_i{\mathrm{RD}}_i}/d_{\text{i}}^{v/2}$>

其中d_i表示第i对次用户发射机与接收机之间的距离；v表示可变信道衰落因子；R_i、RD_i分别表示第i条信道上的次用户发射机与接收机；表示第i条信道上的次用户发射机与接收机之间的信道增益。

优选地，在所述第五步中，根据矩阵Y的各元素值，确定各主次用户的通信方式与工作方式，具体为，当1≤i≤P,1≤j≤N时，若y_i,j＝1，代数1也即表示选用主次用户之间的协同通信，则主用户i选择次用户j进行协同通信；当P+1≤i≤M,1≤j≤N时，若y_i,j＝1，代数1也即允许次用户之间通信，则次用户j使用信道i进行通信。

根据本发明的一个方面，提供认知无线网络中基于最大和速率的一种协同通信方案，包括以下步骤：

第一步：每个时隙开始时，控制台获取各信道的信道增益、背景噪声功率等相关网络参数；

第二步：根据第一步中的相关网络参数计算所有主次用户在各信道的通信速率；

第三步：计算匈牙利算法所需用到的中间参数；

第四步：采用匈牙利算法求解对应的矩阵Y；

第五步：根据矩阵Y的各元素值，确定各主次用户的通信方式与工作方式。

更为具体地，本发明优选地通过以下技术方案和步骤实现：

第一步：每个时隙开始时，控制台获取各信道的信道增益、背景噪声功率等相关网络参数。包括分别表示对应收发机之间的信道增益的其中S_i、D_i分别表示第i条信道上的主用户发射机与接收机，R_j、RD_j表示第j条信道上的次用户发射机与接收机。同时，所获取的参数还包括第i条信道的带宽w_i,1≤i≤M，背景噪声功率等。

第二步：根据第一步中的相关网络参数计算所有主次用户在各信道的通信速率。优选地，对于不使用中继的直接通信的通信速率与中继协同通信的通信速率有如下计算方式：

根据香农定理，第i对主用户在信道i上不选择次用户进行中继，而直接通信时，其传输速率为：

$>C_{i\_\mathrm{dir}}=w_i{\log }_2(1+{\mathrm{SNR}}_{S_i{D}_i})$>

其中,

$>{\mathrm{SNR}}_{S_i{D}_i}={\left|a_{S_i{D}_i}\right|}^2{P}_{S_i}/N_{S_i{D}_i}$>

表示主用户对S_i、D_i在信道i上传输时的信噪比，w_i表示第i条信道的信道带宽。上式中表示主用户i的发射功率；表示信道i上的背景噪声功率；为表示尺度衰落的信道系数，定义如下：

$>a_{S_i{D}_i}=h_{S_i{D}_i}/d_i^{v/2}$>

其中d_i表示第i对主用户发射机与接收机之间的距离；v表示可变信道衰落因子。

当第i对主用户在信道i上选择某次用户j作为中继进行协同通信时，根据中继方式的不同，其速率有不同的计算方法。采用等分时隙的半双工DF方式时，主用户i的传输速率C_{i,j_coop}为：

$>C_{i,j\_\mathrm{coop}}=w_i\min \{\frac{1}{2}{\log }_2(1+{\mathrm{SNR}}_{S_i{R}_j}),\frac{1}{2}{\log }_2(1+{\mathrm{SNR}}_{S_i{D}_i}+{\mathrm{SNR}}_{R_j{D}_i})\}$>

其中表示主用户发射端与中继用户发射端之间的信噪比，表示主用户发射端与主用户接收端之间的信噪比，表示中继用户发射端与主用户接收端之间的信噪比。

采用等分时隙的半双工AF方式时，主用户i的传输速率C_{i,j_coop}为：

$>C_{i,j\_\mathrm{coop}}=\frac{1}{2}{w}_i{\log }_2(1+\frac{{\left|a_{S_i{D}_j}\right|}^2{P}_{S_i}}{N_{S_i{D}_i}}+\frac{{\left|a_{S_i{R}_j}\right|}^2{\left|a_{R_j{D}_i}\right|}^2{\left|{\beta }_{i,j}\right|}^2{P}_{S_i}}{N_{R_i{D}_j}+{\left|a_{R_i{D}_j}\right|}^2{\left|{\beta }_{i,j}\right|}^2{N}_{S_i{R}_j}})$>

上式中，

$>{\beta }_{i,j}=P_{R_j}/(P_{S_i}{\left|a_{S_i{D}_i}\right|}^2+N_{S_i{D}_i})$>

其中，为表示第i个主用户发射端与接收端之间尺度衰落的信道系数，表示第i个主用户发射端与第i个中继用户发射端之间尺度衰落的信道系数，表示第i个中继用户发射端与第i个次用户接收端之间尺度衰落的信道系数，表示信道i上中继用户发射端与主用户接收端之间的背景噪声功率，表示第i个中继用户发射端与第j个次用户接收端之间尺度衰落的信道系数，表示信道i上主用户发射端与中继用户发射端之间的背景噪声功率，表示第j个中继用户的发射功率，表示信道i上主发射端与接收端之间的背景噪声功率。

C_{i,j_sec}的计算公式与C_{i_dir}的计算公式原理相同，具体为：

$>C_{i,j\_\sec }=w_i{\log }_2(1+{\mathrm{SNR}}_{j{R}_{i}R{D}_i})$>

其中,

$>{\mathrm{SNR}}_{{\mathrm{jR}}_i{\mathrm{RD}}_i}={\left|a_{R_{i}R{D}_i}\right|}^2{P}_{R{S}_i}/N_{j{R}_{i}R{D}_i}$>

其中表示次用户对R_i、RD_i在信道j上传输时的信噪比，w_j表示第j条信道的信道带宽，表示次用户i的发射功率；表示信道j上的背景噪声功率；为表示尺度衰落的信道系数，定义如下：

$>a_{R_i{\mathrm{RD}}_i}=h_{R_i{\mathrm{RD}}_i}/d_{\text{i}}^{v/2}$>

其中d_i表示第i对次用户发射机与接收机之间的距离；v表示可变信道衰落因子；当采取其它不同中继通信方式时，只需按各自的通信速率计算公式计算即可。因此，优选地，通过香农公式与协同通信信道容量公式计算C_{i_dir},C_{i,j_coop},C_{i,j_sec}。

第三步：计算匈牙利算法所需用到的中间参数；

优选地，匈牙利算法被用于求解一个认知无线网络中关于最大化主次用户和速率问题的标准指派问题。其具体求解过程如下：

设U_i,1≤i≤M表示第i对主用户的传输速率，M表示可用信道的数目，也即主用户的数目；V_i,1≤i≤N表示第i对次用户的传输速率，N表示次用户的数目。且U_i,V_i定义如下：

则主次用户和速率最大化问题即为：

$>\max S=\underset{i=1}{\overset{M}{\Sigma }}{U}_i+\underset{i=1}{\overset{N}{\Sigma }}{V}_i$>

其中，S为表示主次用户和速率最大化的目标函数。

满足条件：主用户可随时使用其授权信道进行通信，而次用户只有在无主用户占用的信道才能进行通信。

由于所有主用户均按相同的概率进行通信，不妨假设在某时隙里，M个主用户中的前P个用户需要进行通信。同时定义新辅助变量如下：

当1≤i≤P,1≤j≤N时，

当P+1≤i≤M,1≤j≤N时，

其中，x_i,j表示数学推导过程中的辅助变量，其物理意义如其定义所示。

这样，原问题及其限制条件即可转化为下述问题：

$>\max S=\max (\underset{i=1}{\overset{P}{\Sigma }}{U}_i+\underset{i=1}{\overset{N}{\Sigma }}{V}_i)$>

$>=\underset{i=1}{\overset{P}{\Sigma }}\{\underset{j=1}{\overset{N}{\Sigma }}(x_{i,j}·C_{i,j\_\mathrm{coop}})+[(1-\underset{j=1}{\overset{N}{\Sigma }}{x}_{i,j})·C_{i\_\mathrm{dir}}\left]\right\}$>

$>+\underset{i=P+1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}\left(x_{i,j}{C}_{i,j\_\sec }\right)$>

满足条件：

上述两个限制条件用于确保每个主用户至多只能选择一个次用户、每个次用户至多只能服务一个主用户进行协同通信；同时，将第二个限制条件代入转化后的问题也可知，通信主用户或者选择直接通信、或者选择协同通信，总之，主用户的通信需求得到了满足。

为求解上述问题，现定义如下两个矩阵B＝(b_i,j)_(M+N)×(M+N)与Y＝(y_i,j)_(M+N)×(M+N)，其中，b_i,j表示矩阵B的元素，y_i,j表示矩阵Y的元素。矩阵B的各元素为：

也即B的形式如下：

$>B=\left(\begin{array}{ccc}{A}_{P\times N}& D_{P\times P}& 0_{P\times (M-P)}\\ C_{(M-P)\times N}& 0_{(M-P)\times P}& 0_{(M-P)\times (M-P)}\\ 0_{N\times N}& 0_{N\times P}& 0_{N\times (M-P)}\end{array}\right)$>

矩阵Y的各元素为：

$>y_{i,j}=\left(\begin{array}{cc}{y}_{i,j}=x_{i,j}& ;1\le i\le M,1\le j\le N\\ \underset{i=1}{\overset{M}{\Sigma }}{y}_{i,j}+\underset{i=M+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\\ \underset{j=1}{\overset{N}{\Sigma }}{y}_{i,j}+\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\end{array}\right)$>

则上述目标函数可转化为：

$>S=\underset{i=1}{\overset{P}{\Sigma }}\{\underset{j=1}{\overset{N}{\Sigma }}(x_{i,j}·C_{i,j\_\mathrm{coop}})+[(1-\underset{j=1}{\overset{N}{\Sigma }}{x}_{i,j})·C_{i\_\mathrm{dir}}\left]\right\}+\underset{i=P+1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}\left(x_{i,j}{C}_{i,j\_\sec }\right)$>

$>=\underset{i=1}{\overset{P}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}(y_{i,j}·b_{i,j})+\underset{i=1}{\overset{P}{\Sigma }}[\left(\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}\right)·C_{i\_\mathrm{dir}}]+0+\underset{i=P+1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}(y_{i,j}·b_{i,j})$>

$>=\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}(y_{i,j}·b_{i,j})+\underset{i=1}{\overset{M}{\Sigma }}(\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}·b_{i,j})+0+0$>

$>=\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}(y_{i,j}·b_{i,j})+\underset{i=1}{\overset{M}{\Sigma }}(\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}·b_{i,j})+\underset{i=M}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}(y_{i,j}·b_{i,j})+\underset{i=M}{\overset{M+N}{\Sigma }}\underset{j=N+1}{\overset{M+N}{\Sigma }}(y_{i,j}·b_{i,j})$>

$>=\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·b_{i,j})$>

设B_max＝max(b_i,j)，并且令a_i,j＝B_max-b_i,j，则上式可进一步化简为：

$>\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·b_{i,j})=\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}[y_{i,j}·(B_{\max }-a_{i,j})]$>

$>=\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·B_{\max })-\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·a_{\text{i,j}})$>

$>=(M+N)·B_{\max }-\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·a_{i,j})$>

故原问题可通过求解下述最小化问题来解答：

$>\min F=\underset{i=1}{\overset{M+N}{\Sigma }}\underset{j=1}{\overset{M+N}{\Sigma }}(y_{i,j}·a_{i,j})$>

满足条件：

$>\underset{j=1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1;i=\mathrm{1,2},...,M+N$>

其中，函数F表示一个中间函数，该函数的意义在于方便求解原问题函数。

上述最小化问题为运筹学上标准的指派问题，可以通过匈牙利算法进行求解。因此，优选地，本步骤中所需计算的参数即为：矩阵B、B_max＝max(b_i,j)。

优选地，矩阵B的各元素为：

也即B的形式如下：

$>B=\left(\begin{array}{ccc}{A}_{P\times N}& D_{P\times P}& 0_{P\times (M-P)}\\ C_{(M-P)\times N}& 0_{(M-P)\times P}& 0_{(M-P)\times (M-P)}\\ 0_{N\times N}& 0_{N\times P}& 0_{N\times (M-P)}\end{array}\right)$>

第四步：采用匈牙利算法求解对应的矩阵Y；优选地，矩阵Y的各元素为：

$>y_{i,j}=\left(\begin{array}{cc}{y}_{i,j}=x_{i,j}& ;1\le i\le M,1\le j\le N\\ \underset{i=1}{\overset{M}{\Sigma }}{y}_{i,j}+\underset{i=M+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\\ \underset{j=1}{\overset{N}{\Sigma }}{y}_{i,j}+\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\end{array}\right)$>

第五步：根据矩阵Y的各元素值，确定各主次用户的通信方式与工作方式。优选地，当1≤i≤P,1≤j≤N时，若y_i,j＝1，则主用户i选择次用户j进行协同通信；当P+1≤i≤M,1≤j≤N时，若y_i,j＝1，则次用户j使用信道i进行通信。

附图说明

图1为具有若干主用户与次用户的认知无线网络模型；

图2为三种不同通信方式下网络和速率与次用户数目关系；

图3为三种不同通信方式下网络和速率与信噪比关系。

具体实施方式

下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

在实例中，本发明与不使用中继进行协同通信的直接通信方式进行了对比，同时，本发明也对比了AF、DF两种协同通信方式在本发明协同通信中的性能差异。

实施例

本实施例是一个如图1所示的主次用户随机分布范围为1km×1km的认知无线网络。此处对比分析了认知无线网络采用本发明的AF、DF协同通信与直接通信方式时的网络和速率随次用户数目与信噪比变化关系。为了对比公平起见，网络采用直接通信方式时，本发明只允许可带来最大信道速率的次用户对占用可用信道进行传输。同时，在仿真分析中，本发明取空间衰落因子v＝3，所有仿真结果均是在特定设定下由10000个随机分布的认知无线网络所得结果平均得到。具体实施步骤为：

第一步：每个时隙开始时，控制台获取各信道的信道增益、背景噪声功率等相关网络参数。包括分别表示对应收发机之间的信道增益的其中S_i、D_i分别表示第i条信道上的主用户发射机与接收机，R_j、RD_j表示第j条信道上的次用户发射机与接收机，上述各信道增益均服从瑞利分布且E[|h_ij|²]＝1。同时，所获取的参数还包括第i条信道的带宽为w_i＝1kHz,1≤i≤M；各信道的背景噪声功率大小相等，除非特别说明，背景噪声功率值均10^-6mW；每个主用户与次用户的发射功率都为1mW；每个时隙内主用户占用其授权信道的概率为0.7等；

第二步：根据第一步中的相关网络参数计算所有主次用户在各信道的通信速率。优选地，通过香农公式与协同通信信道容量公式计算C_{i_dir},C_{i,j_coop},C_{i,j_sec}；

第三步：计算匈牙利算法所需用到的中间参数。优选地，计算的中间参数为：矩阵B,B_max＝max(b_i,j)；

优选地，矩阵B的各元素为：

也即B的形式如下：

$>B=\left(\begin{array}{ccc}{A}_{P\times N}& D_{P\times P}& 0_{P\times (M-P)}\\ C_{(M-P)\times N}& 0_{(M-P)\times P}& 0_{(M-P)\times (M-P)}\\ 0_{N\times N}& 0_{N\times P}& 0_{N\times (M-P)}\end{array}\right)$>

第四步：采用匈牙利算法求解对应的矩阵Y；优选地，矩阵Y的各元素为：

$>y_{i,j}=\left(\begin{array}{cc}{y}_{i,j}=x_{i,j}& ;1\le i\le M,1\le j\le N\\ \underset{i=1}{\overset{M}{\Sigma }}{y}_{i,j}+\underset{i=M+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\\ \underset{j=1}{\overset{N}{\Sigma }}{y}_{i,j}+\underset{j=N+1}{\overset{M+N}{\Sigma }}{y}_{i,j}=1& ;i=\mathrm{1,2},···,M+N\end{array}\right)$>

第五步：根据矩阵Y的各元素值，确定各主次用户的通信方式与工作方式。优选地，当1≤i≤P,1≤j≤N时，若y_i,j＝1，则主用户i选择次用户j进行协同通信；当P+1≤i≤M,1≤j≤N时，若y_i,j＝1，则次用户j使用信道i进行通信。

图2表示M＝10,SNR＝60dB时，在三种通信方式下主次用户和速率随次用户数目的变化关系。由图可见，随着次用户数目增大，主用户与可用协同次用户之间的距离变近，同时通信次用户对的最大信道速率也会增大，故三种通信方式下主次用户的和速率都增加；同时可看出，本发明协同通信方案带来了和速率的明显提升，这是由于本发明使得不同主用户对根据各自信道状况，在协同通信与直接通信两种方式中选择了速率较大的通信方式；再者，所有可用信道也都分配给了通信速率最大的次用户对，从而确保了整个网络主次用户和速率的最大化。由图也可知，相较于DF协同通信与直接通信，AF协同通信方式下主次用户和速率随次用户数目增大的速率更快；N＝27时，AF协同通信方式下网络的和速率分别是DF协同与直接通信方式下的1.35、1.67倍，这是由于，在只考虑信道速率的情况下，DF协同通信方式的速率受限于SR链路与RD,SD链路中最差的一条，而AF协同通信方式则不单独受限于SR,RD,SD中的某一条链路，即使某一条链路状况较差，当其它链路状况较好时，仍可获得较大的速率。

图3表示M＝10,N＝20时，在三种不同通信方式下主次用户的和速率随信道信噪比的变化关系，仿真中本发明固定主次用户的发射功率，逐渐改变了背景噪声功率。由图可见，随着信噪比的上升，各信道的通信质量变好，三种通信方式都会带来和速率的上升，所提的基于匈牙利算法的DF、AF两种协同通信方案均优于直接通信方案，而AF协同通信仍然是可带来最大和速率的通信方式，其原因与图2分析类似。在SNR＝68dB时，AF方式下和速率分别是DF方式与直接通信方式的1.37、1.74倍。结合图2、图3也可知，在最大化网络和速率的目标下，AF协同通信方案较DF协同通信方案更适合应用于认知无线网络中。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。