一种基于概率控制的认知CDMA通信系统抗干扰方法

摘要

一种基于概率控制的认知CDMA通信系统抗干扰方法，该方法有三大步骤：步骤一：系统模型建立；步骤二：公式推导和问题求解；步骤三：结果分析。本发明通过分析实际问题，明确求解对象、约束条件，建立系统模型；并根据调研结果，对系统模型中的各个量进行公式推导，结合约束条件对问题进行求解，通过软件仿真得到相应的仿真结果，结合相关理论知识，对结果进行分析。它在认知环境下研究码分多址通信，提高频谱的使用率，缓解频谱资源的不足，并将概率控制这种方法特殊的非连续传输方法应用到认知CDMA通信系统中，通过概率控制实现系统性能优化，获得较好的系统抗干扰能力。

说明书

（一）技术领域：

本发明涉及一种基于概率控制的认知CDMA通信系统抗干扰方法，它提供了一种基于概率 控制的认知码分多址（Code Division Multiple Access，CDMA）通信系统性能研究的新思路， 特别是将概率控制这种方法应用到认知CDMA通信系统中，对通信性能进行优化研究。本发明 属于认知无线电技术和通信领域。

（二）背景技术：

最近二十年里，随着社会发展，人们对无线通信的需求迅速增加，无线网络快速增长。 因许多主要无线频谱已经分配给特定的应用，频谱的稀缺变得越来越严重。因此，如何在有 限的频谱资源下满足人们对无线通信日益增长的需求是无线通信领域一个十分重要和艰巨的 任务。最近测试表明授权频谱没有被充分利用。在此背景下，一类重用频谱资源的无线电技 术被一些研究机构和标准制定组织相继提出，认知无线电技术（Cognitive Radio,CR)是其中 一种快速发展起来，并且备受关注的技术。认知无线电作为一种革命性智能频谱共享技术， 可以显著地提高频谱的使用率，近几年受到了人们的广泛关注。认知无线电的概念是软件无 线电的进一步拓展作为一种全新的智能无线通信技术，认知无线电涵盖面更为广泛，认知无 线电的功能也更加强大。

CDMA通过利用相互正交的不同编码分配给不同用户调制信号，使多个用户同时使用同一 频率接入网络通信系统。同时伴随着国内运营商的重组，也使得整个通信的竞争变得更加的 激烈，CDMA技术重新受到国内业界的关注。在以CDMA为主要技术的第三代移动通信技术快速 发展的今天，用户数量快速增加，各种智能化终端设备不断涌现，对通信带宽和信道容量要 求越来越高，为了解决频谱资源紧缺，满足通信服务质量，将认知无线电技术和CDMA通信技 术相结合，在认知环境下研究CDMA通信。未来移动通信系统(4G系统)要求整个系统的各个部 分都尽可能实现参数化，并可以进行参数的自适应调整和重新配置，认知无线电技术是实现 这一构想的有力支持。

认知无线电频谱共享的接入技术可分为交互式（Overlay）接入和衬底式（Underlay）接 入，认知CDMA通信中的频谱接入方式是Underlay，Underlay接入技术有其自身的优势，能弥 补Overlay接入的不足，近几年来受到了研究人员的不断关注，但是采用Underlay接入的认 知无线电存在多址干扰问题。多址干扰的存在，造成通信服务质量下降和通信掉线率居高不 下，成为影响授权用户和认知用户间共享频谱的瓶颈和关键问题。

研究表明，多址干扰抑制问题常采用功率控制方法和多用户检测方法来解决。这些方法 可以达到不错的性能，但同时，它们也具有其应用的局限性：1）采用功率控制的方法来抑制 多址干扰，在快衰落环境或者用户高速移动时，很难根据信道条件的变化调整发射功率，实 现起来非常困难。另外，即使在多址干扰很小的情况下，也采用了很大的发射功率来抑制干 扰，造成能源非常浪费，不符合国际社会倡导的“节能减排，绿色通信”的理念。2）采用多 用户检测技术，可降低多址干扰的影响。但是最优多用户检测实现很复杂，常需要干扰源和 接收机之间全面的信道信息，这同样非常困难。现有方法的局限性和抗干扰技术发展的深入， 呼唤理论的再突破和方法的再创新，需要寻找一条付出较少的代价来抑制多址干扰的新途径。

根据抗干扰需求，采用合适的扩频码型分配可以在低功耗和不需要知道复杂的信道信息 的条件下抑制多址干扰。国外研究人员采用最优化理论对扩频码型进行分配来抑制CDMA通信 系统中的多址干扰取得了一些不错的初步成果，提供了一条利用码型选择和分配抑制多址干 扰的新思路。对于二元码来说通过插入屏蔽序列（零元素），实现非连续传输；对于三元码来 说，由于序列码中含有零元素，当扩频码是零元素时，不传输信号，当扩频码是非零元素时， 传输信号，定义扩频序列中非零元素的个数除以序列总长度为传输概率。

所以，本发明在认知无线电这个环境下，以概率控制对CDMA通信系统进行性能优化， 提出一种基于概率控制的认知CDMA通信系统抗干扰技术。

（三）发明内容：

1、目的：

本发明的目的是提供一种基于概率控制的认知CDMA通信系统抗干扰方法，它将概率控 制这种方法应用到认知CDMA通信系统中，提高系统的抗干扰能力。

2、技术方案：

本发明提出一种基于概率控制的认知CDMA通信系统抗干扰方法。它主要分成系统模型 建立，公式推导和问题求解及结果分析三部分，方法整体流程图如图1所示。它们之间的关 系是：通过分析实际问题，明确求解对象、约束条件，建立系统模型，根据调研结果，对系 统模型中的各个量进行公式推导，结合约束条件对问题进行求解，通过软件仿真得到相应的 仿真结果，结合相关理论知识，对结果进行分析。

本发明一种基于概率控制的认知CDMA通信系统抗干扰方法，该方法具体步骤如下：

步骤一：系统模型建立

该系统模型是通过分析实际问题结合调研结果，在前人的研究基础上进行深入研究提出 的。本发明是在认知这个环境下，对CDMA通信系统中扩频码的选择和分配来实现系统性能优 化的，而扩频码的选择又是通过传输概率的求解来实现的，所以本发明中将传输概率p作为 要求解的对象。通过调研发现，常用的能反映通信系统性能的参数主要有信干燥比（Signal to  Interference plus Noise，SINR）、误码率（Bit Error Rate，BER）和互信息率，虽然这三 个量都能在一定程度上反应认知CDMA通信系统的性能，但是误码率和互信息率在信号与噪声 能量之比比较小的范围内比较有效，当信号与噪声能量之比取值较大的时候，这两个量就不 能很好的反应系统性能，所以在本发明中将信干燥比作为研究对象来研究系统的性能。由于 在认知CDMA通信系统中存在授权用户（Licensed User）和认知用户（Cognitive User），所 以就会存在针对不同类型用户的SINR进行研究的问题，本发明中对认知用户的SINR进行研 究，同时将保证授权用户正常工作的前提作为约束条件。所以本发明中建立了以认知用户的 信干燥比关于认知用户使用的扩频码的传输概率的函数为求解函数，以认知环境中认知用户 的和授权用户共存条件和通信系统中认知用户的使用的扩频码本身满足的要求为约束条件的 系统模型，如下式（1）所示：

$\underset{p_i}{\max }{\mathrm{SINR}}_i,i=1,...,K$

s.t.I_j<γ_j  ,j=1,…,J    （1）

SINR_i>ρ_i

1>p_i>0

其中K是认知用户的数量，J是授权按用户的数量，SINR_i表示第i个认知用户的信干燥比， I_j表示第j个授权用户受到来自认知用户的干扰，γ_j表示第j个授权用户能接受的最大干扰 门限值，ρ_i表示第i个认知用户能正常工作的最小信干燥比。p_i表示第i个认知用户使用的 扩频码的传输概率。表示对右边的对象求关于p_i的最大值，s.t.表示受约束于。

步骤二：公式推导和问题求解

在认知CDMA通信系统中，发射端信号要经过编码扩频调制，然后经过信道传输，在接 收端要使用相应的扩频码对其进行相应的解调和解码，进而得到相应的有用信号。根据调研 结果，我们知道有用信号经过发送端的编码后以一定的能量被发送出去，发送的信号s_k(t)与 发送端的发送码片能量E_k,d、所使用的发送脉冲p(t)、使用的扩频序列c_k,d，v和有效信号x_k,d有 关；发送端发送的信号经过信道的传输，会受到一定的干扰，产生衰减，通过对发送信号和 所使用的模拟实际信道的仿真信道的研究发现，我们可以用一个冲击响应h(τ)加上高斯白噪 声干扰项N₀来代替通信信道对信号的作用。

在接收端使用抽头数为6的Rake接收机，通过使用相应的扩频序列c_k,d,v进行解扩，由 于扩频码的非理想特性和信道的多径效应，会产生多径和多址干扰，同时，由于在认知环境 中授权用户和认知用户两种不同用户的存在，也会相互之间产生干扰，所以经过接收端接收 处理后的认知用户信号y_k,d中就含有有效信号μ_k,d×x_k,d和干扰信号M_k,d，而干扰信号又包括 多径干扰认知用户之间的多址干扰信道噪声的干扰 n_k,d和授权用户对认知用户的干扰这四项，其中r_k,j,a,d表示用户k接收第 a个符号时收到来自第j个用户的第d个符号的干扰，当通过对每一部分进行数值化处理就 可以得到与各个部分结构相关的接收信号。

结合认知用户的接收信号与认知用户的信干燥比的公式可以得到 最终的认知用户的信干燥比与所使用的扩频码的传输概率有关的表达式 根据求解公式和约束条件，以只有两个认知用户的情况为例，在仿真 中通过穷举法，在（0,1）之间等间隔取值赋给两个用户的传输概率(p₁,p₂)，求出所有概率 组合下的两个认知用户的信干燥比值(SINR₁,SINR₂)，根据帕累托准则，从求解出来的所有 认知用户的信干燥比值中，得到一组帕累托最优解。

步骤三：结果分析

由于这是一个多目标优化问题，所以很难找到一个解使得所有用户同时达到最优解，退 而求其次，根据现已有的一些求解方法，我们根据帕累托优化准则，将得到一组帕累托最优 解，以两个认知用户的情况为例，为了更直观的表现这些结果，我们可以以帕累托曲线的形 式表示，通过分析这样一条条帕累托曲线可以看出本发明中提出的这种概率控制优化方法相 对于传统的功率控制的优化方法在认知CDMA通信系统中抗干扰能力存在明显的优势，而且随 着干扰率（ratio）的取值的增大，这种优势明显增强。

本发明的工作原理及流程简述如下：根据系统情况建立适合该通信系统的模型；通过分 析系统功能和各个部分的结构特点，对建立的系统模型中的各个变量进行公式推导，同时找 出与该系统实现的功能和求解问题或求解变量本身对应的约束条件，进而选取合适的求解方 法对问题进行求解；以合适的方式将求解结果直观的展现出来，通过对比本发明中提出来的 方法与传统的方法的应用效果，得出相应的结论。

3、优点及功效

【1】本发明在认知环境下研究码分多址通信，提高频谱的使用率，缓解频谱资源的不 足。

【2】本发明将概率控制这种方法特殊的非连续传输方法应用到认知CDMA通信系统中， 通过概率控制实现系统性能优化，获得较好的系统抗干扰能力。

（四）附图说明

图1是本发明中方法的整体流程图；

图2是本发明中通信系统的工作流程图；

图3是本发明在信道1中得到的概率控制与功率控制下的帕累托仿真曲线图；

图4是本发明在信道1中得到的当干扰率取不同值时概率控制与功率控制下的帕累托仿 真曲线图。

图中的符号说明如下：

图2中的A和B分别表示扩频调制和RAKE接收解调，x表示发送端的原始信号，y表示 接收端得到的最终信号，X_k,d表示编码后的信号，Z_k,d表示解扩后的信号，c_k,d,v表示调制和 解调使用的扩频码；

（五）具体实施方式

本发明一种基于概率控制的认知CDMA通信系统抗干扰方法，就单个用户来说，其通信 过程的流程图如图2所示。本技术的实现，见图1，它主要包含系统模型的建立、公式推导 及求解和结果分析三部分。它们之间的关系是：根据系统情况建立适合该通信系统的模型； 通过分析系统功能和各个部分的结构特点，对建立的系统模型中的各个变量进行公式推导， 同时找出与该系统实现的功能和求解问题或求解变量本身对应的约束条件，进而选取合适的 求解方法对问题进行求解；以合适的方式将求解结果直观的展现出来，通过对比本发明中提 出来的方法与传统的方法的应用效果，得出相应的结论。

所述系统模型的建立是通过分析实际问题结合调研结果，在前人的研究基础上进行深入研究 提出的。本发明是在认知这个环境下，对CDMA通信系统中扩频码的选择和分配来实现系统性 能优化的，而扩频码的选择又是通过传输概率的求解来实现的。在认知环境下，存在授权用 户和认知用户的两种，而授权用户是主用户，我们在建立系统模型的时候，优先考虑保证授 权用户的正常工作，授权用户使用普通的二元码，全是有效传输，对于认知用户的则使用插 入屏蔽码引入零元素或是直接使用含有零元素的三元码，这里用p_i表示第i个认知用户使用 的扩频码的传输概率。虽然误码率、互信息率和信干燥比都能在一定程度上反应认知CDMA通 信系统的性能，但是误码率和互信息率在信号与噪声能量之比比较小的范围内比较有效，当 信号与噪声能量之比取值较大的时候，这两个量就不能很好的反应系统性能，所谓信干燥比 就是信号的能量与干扰加噪声能量之比，在这里用SINR_i表示第i个认知用户的信干燥比， 所以本发明中将认知用户的传输概率作为要求解的对象，将认知用户的信干燥比作为求解目 标函数，对认知用户的信干燥比求关于变量p的最大值，如下式所示：

$\underset{p_i}{\max }{\mathrm{SINR}}_i,i=1,...,K---\left(2\right)$

为了能顺利求解，需要找出对应的有效约束条件，通过分析实际问题，可以发现要保 证认知用户能正常工作，信干燥比SINR_i需要满足一个最低门限值，这一门限制要根据信道 环境来定，这里设定这一门限制为ρ_i，为了不影响授权用户正常工作，授权用户收到来自认 知用户的干扰也要小于某一个阈值，I_j表示第j个授权用户受到的来自认知用户的干扰，这 里设定这一阈值为γ_j，同时由于扩频码的传输概率是非零元素的个数与序列长度之比，所以 传输概率应该满足在0到1之间取值的条件，这就构成了该系统模型的约束条件，如公式（3） 所示：

I_j<γ_j  ,j=1,…,J

SINR_i>ρ_i    （3）

1>p_i>0

根据以上描述，可以得到如上面公式（1）所示系统模型的表达式。

所述公式推导及问题求解是在CDMA通信系统的基础上，结合认知无线电的相关知识， 分析总结出来的。在认知CDMA通信系统中，发射端信号要经过编码扩频调制，然后经过信道 传输，在接收端要使用相应的扩频码对其进行相应的解调和解码，进而得到相应的有用信号。 根据调研结果，我们知道有用信号经过发送端的编码后以一定的能量被发送出去，发送的信 号与发送端的发送码片能量、所使用的发送脉冲、使用的扩频序列等有关，第k个认知用户 发送的信号的表达式如下面的式子所示：

$s_k\left(t\right)=\sqrt{E_{k,d}}\underset{d}{\Sigma }{x}_{k,d}\underset{m=0}{\overset{N_1-1}{\Sigma }}{c}_{k,d,m}p(t-(d{N}_1+v)T_c)---\left(4\right)$

其中p(t)表示发射脉冲，E_k,d表示第k个认知用户的发送第d个符号的码片能量，x_k,d是第k 个认知用户的第d个有效符号，c_k,d,m表示第k个认知用户的发送端使用的扩频序列， c_k,d,m∈{+1,0,-1}，N₁表示认知用户的扩频因子，T_c表示码片能量。

发送端发送的信号经过信道的传输，会受到一定的干扰，产生衰减，通过对发送信号和 所使用的模拟实际信道的仿真信道的研究发现，我们可以用一个冲击响应加上高斯白噪声干 扰项来代替通信信道对信号的作用，研究发现，如果信道是一个频率选择慢衰落信道，可以 采用一个滚降因子为0.5的升余弦函数近似作为脉冲响应函数来简化分析过程，第k个认知用 户在接收第a个符号时接收到第j个认知用户发送的第d个符号的表达式如下所示：

$r_{k,j,a,d}=\underset{q=0}{\overset{N_j-1}{\Sigma }}\underset{i=0}{\overset{N_k-1}{\Sigma }}{c}_{j,a,q}{c}_{k,d,i}{f}_{q,i}---\left(5\right)$

其中,

$f_{q,i}=\underset{-\propto }{\overset{\infty }{\int }}{h}_{k,j}\left(\zeta \right)R_p({\tau }_{\mathrm{kl}}-\zeta +(d{N}_k+i-a{N}_j-q)T_c)\mathrm{d\zeta }---\left(6\right)$

c_j,a,q和c_k,d,i分别是认知用户的发送端和接收端使用的扩频序列，R_p(t)是脉冲响应的周期自 相关函数，h_k,j(τ)是第j个发射机发射信号到第k个接收机的信道增益。当k与j相等，a与d相等时， 得到的r_k,k,d,d就是有用信号。同理，当上式中的c_j,a,q是第j个授权用户使用的扩频码，h_k,j(τ)是 对应的授权用户到认知用户的信道增益，R_p(t)是授权用户的发射脉冲的自相关函数的时候，得 到的就是授权用户对认知用户的的干扰信号，这里用Pr_k,j，a,d来表示。

通过调研和总结分析，可以将经过RAKE接收机接收，在接收端使用抽头数为6的Rake接 收机，通过使用相应的扩频序列进行解扩，由于扩频码的非理想特性和信道的多径效应，会 产生多径和多址干扰，同时，由于在认知环境中授权用户和认知用户两种不同用户的存在， 也会相互之间产生干扰，所以经过接收端接收处理后的认知用户信号中就含有有效信号和干 扰信号，而干扰信号又包括多径干扰、认知用户之间的多址干扰、信道噪声的干扰和授权用 户对认知用户的干扰这四项，解扩解码处理后的信号可以写成如下所示：

y_k,d＝μ_k,dx_k,d+M_k,d    （7）

其中是有用信号的增益，M_k,d就是接收信号中的干扰项，干扰项可以用公 式（8）来表示：

$M_{k,d}=\underset{j\ne k}{\Sigma }\underset{a}{\Sigma }\sqrt{E_{j,a}}{x}_{j,a}{r}_{k,j,a,d}+\underset{a\ne d}{\Sigma }\sqrt{E_{k,a}}{x}_{k,a}{r}_{k,k,a,d}+n_{k,d}+\underset{j}{\Sigma }\underset{a}{\Sigma }\sqrt{Q_{j,a}}{x}_{j,a}{\mathrm{Pr}}_{k,j,a,d}---\left(8\right)$

其中，Q_j,a是授权用户的码片能量。分析上述表达式可以得出M_k,d可以近似为一个均值为零 的量，协方差可用公式（9）表示。

${\sigma }_{k,d}=\underset{j\ne k}{\Sigma }\underset{a}{\Sigma }{E}_{j,a}{r}_{k,j,a,d}{r}_{k,j,a,d}^T+\underset{a\ne d}{\Sigma }{E}_{k,d}{r}_{k,k,a,d}{r}_{k,k,a,d}^T+\underset{j}{\Sigma }\underset{a}{\Sigma }{Q}_{j,a}{\mathrm{Pr}}_{k,j,a,d}{\mathrm{Pr}}_{k,j,a,d}^T---\left(9\right)$

为了便于得到认知用户的信干燥比，通过调研发现可以在上述得到的信号y_k,d前面乘以一 个与使用的接收机的结构类型有关的权重向量，得到：

$e_{k,d}=w_{k,d}^T{y}_{k,d}---\left(10\right)$

如果使用的是最小均方误差（minimal mean square error，MMSE）RAKE接收机，则权重向量 可表述为：

$w_{k,d}={\sigma }_{k,d}^{-1}{\mu }_{k,d}---\left(11\right)$

所以第k个认知用户接收第d个符号的信干燥比为：

${\mathrm{SINR}}_{k,d}=\frac{{E\left[e_{k,d}\right]}^2}{\mathrm{VAR}\left[e_{k,d}\right]}=\frac{w_{k,d}^T{\mu }_{k,d}{\mu }_{k,d}^T{w}_{k,d}}{w_{k,d}^T{\sigma }_{k,d}{w}_{k,d}}---\left(12\right)$

把权重向量带入上式可以得到人之用户k接收第d个符号的信干燥比:

${\mathrm{SINR}}_{k,d}=\frac{{\left({\sigma }_{k,d}^{-1}{\mu }_{k,d}\right)}^T{\mu }_{k,d}{\mu }_{k,d}^T{\sigma }_{k,d}^{-1}{\mu }_{k,d}}{{\left({\sigma }_{k,d}^{-1}{\mu }_{k,d}\right)}^T{\sigma }_{k,d}{\sigma }_{k,d}^{-1}{\mu }_{k,d}}={\mu }_{k,d}^T{\sigma }_{k,d}^{-1}{\mu }_{k,d}---\left(13\right)$

约束条件中认知用户对授权用户的干扰项可用公式（14）表达。

$I_{j,a}=w_{j,a}^T{\mathrm{P\sigma }}_{j,a}{w}_{j,a}---\left(14\right)$

其中，

${\mathrm{P\sigma }}_{j,a}=\underset{k}{\Sigma }\underset{d}{\Sigma }{E}_{j,a}{\mathrm{Pr}}_{k,j,a,d}{\mathrm{Pr}}_{k,j,a,d}^T---\left(15\right)$

w_j，a是与授权用户接收端使用的接收机相关的一个权重向量，这里简化处理成一个与认知用 户端相同的权重向量。

由于这是一个多目标优化问题，所以很难找到一个解使得所有用户同时达到最优解，退 而求其次，根据现已有的一些求解方法，我们基于帕累托优化准则，根据求解公式和约束条 件，在仿真中通过穷举法，以只有两个认知用户的情况为例，以一个较小的间隔，在0到1之 间等间隔逐一取数，得到两个概率值（p₁,p₂）求出所有组合下的信干燥比值，得到一组帕累 托最优解。

所述结果分析是根据前面的系统建模和公式推导及求解，将结果以比较直观的图的形式 展现出来，这里以只有两个认知用户的情况为例，以帕累托曲线的形式表示。仿真过程中使 用的信道是修正的IEEE802.15.3aS-V模型，信道1适用的是0-4m的非视距类型，平均附加 延时是5ns，均方根时延扩展是5ns，10dB的多径数是12.5，占总能量85%的带宽内的多径 数是20.8；信道2适用的是0-4m的非视距类型，平均附加延时是9.9ns，均方根时延扩展是 8ns，10dB内的多径数是15.3ns，占总能量85%的带宽内的多径数是33.9ns。设定认知用户 的的平均码片能量是2，授权用户的平均码片能量是20，高斯白噪声的平均功率谱密度是1 （即N₀=2），码片时间是Tc=1/1.3，码片时间与采样时间的比值是Tc/Ts=30,使用的RAKE接 收机的抽头数是Finger=6。通过仿真我们得到功率控制与概率控制的帕累托曲线图，如图3 所示，这一仿真结果是在信道1中得到的，从图3中可以看出，概率控制下得到的两个用户 的信干燥比的取值范围比同一条件下功率控制得到的要大许多，在设定的这些仿真前提下， 功率控制得到的认知用户的1的最大信干燥比只有0.45dB左右，第二个认知用户的最大信干 燥比只有0.5dB左右，而在概率控制下得到的认知用户1的最大信干燥比可以达到1.2dB左 右，第二个人之用户的最大信干燥比可以达到1.18dB左右。当其中一个认知用户的信干燥比 相同时，概率控制的得到另一个认知用户的信干燥比始终比功率控制的大。

在仿真中，我们定义一个干扰率（干扰信号的信道增益与有用信号的信道增益的比值， 用ratio表示），来研究概率控制与功率控制在信道环境好坏程度不同的情况下的应用效果。 仿真结果如图4所示，因为干扰率越大，干扰信号相对于有效信号对接收信号的影响越大， 所以从图4中，我们可以看出，随着干扰率的增大，得到的帕累托曲线的覆盖范围越小，而 且概率控制与功率控制的差别会随着干扰率的增大而增大，由此，可以得出概率控制相对于 功率控制的优势会随着信道环境的变差而凸现出来。通过分析这样一条条帕累托曲线可以看 出本发明中提供的这种概率控制优化方法相对于传统功率控制优化方法在认知CDMA通信系 统中抗干扰能力方面存在明显的优势，当干扰率增大，信道环境变差时，这种优势会变得更 突出。