基于峰值功率约束能效最佳功率分配方法

摘要

本发明提供了一种基于峰值功率约束能效最佳功率分配方法，首先设置算法参数，包过容错误差、算法最大迭代次数、主用户能容忍的峰值干扰功率及次级用户峰值发送功率，然后初始化算法参数，循环计算最佳能效下的最佳发送功率，直至能效函数小于容错误差或者迭代次数超过最大迭代次数。本发明能够解决现有认知无线电中基于衰落信道下采用频谱共享机制峰值功率约束功率分配方法无法获得能效最大化及采用平均干扰需要复杂迭代计算拉格朗日乘子问题，具有能效最大化、收敛速度快、易于实现的优点，可用于无线通信。

说明书

技术领域

本发明属于无线通信技术领域，涉及一种认知无线电系统中基于频谱共享机制的 功率分配方法，可用于绿色认知无线电系统中基于峰值功率约束能效最大化的功率分 配。

背景技术

无处不在的无线业务以及急剧增加的移动设备数量导致大量的能量消耗和温室气 体的排放。绿色通信网络是未来无线网络设计不可避免的趋势。与此同时，日益增长 的无线频谱需求与有限的频谱资源之间的矛盾已经成为当前无线通信行业的突出矛 盾。为了提高频谱利用率，J.Mitola等人提出了认知无线电的概念，其主要思想是在 已授权的频段内，在不影响主用户正常通信的前提下，允许次级用户接入到当前频段， 从而大幅度提高频谱利用率。由于基于频谱共享机制的认知无线电能提供更高频谱利 用率及更好的保护好主用户，基于频谱共享机制的认知无线电得到广泛的研究。频谱 共享机制的主要思想是，次级用户在对主用户产生的干扰小于主用户最大干扰容忍度 情况下，次级用户可以与主用户共享频段，进行业务传输。

在传统的认知无线电中，最佳功率分配方法不仅能更好的保护主用户的服务质量， 同时能在有限的功率下提供次级用户更高的传输速率。然而，在传统的认知无线电下 提出的最佳功率分配方法的优化目标是次级用户获得的容量，并不能保证次级用户获 得最大能效。随着人们对绿色通信的关注度不断提高，绿色认知无线电近年来也日益 得到关注。绿色认知无线电的主要思想是，次级用户在与主用户共享同一频段时，希 望获得最大化能效。由于传统认知无线电的最佳功率分配不能保证次级用户获得最大 能效。因此在保证主用户传输质量的前提条件下，设计在绿色认知无线电中使得次级 用户获得最大能效的最佳功率分配方法具有重大研究意义和迫切需求。

由于最佳功率分配策略设计在认知无线电中具有至关重要的作用，因此最佳功率 分配策略在传统的认知无线电中得到广泛的研究。现有的最佳功率分配策略主要以三 种衡量对主用户干扰的指标进行设计，即峰值干扰功率、平均干扰功率及主用户传输 最大中断概率。峰值干扰功率的要求是，次级用户在共享主用户频段时，造成对主用 户的峰值干扰要小于主用户最大峰值干扰容忍度。平均干扰功率的要求是，次级用户 对于主用户在一段时间内，对主用户的干扰不能超过主用户平均干扰门限。中断概率 约束条件是指，次级用户对主用户产生干扰而导致主用户产生中断的概率不能超过主 用户中断概率门限。尽管研究表明，在均值功率干扰约束和中断概率约束条件下，次 级用户能获得更高的容量。然而，采用均值功率干扰约束和中断概率约束需要计算相 对应的拉格朗日乘子，这一计算过程复杂度很高，导致在实际中难以实现。

在传统的认知无线电中，现有的基于频谱共享机制下的峰值功率约束最佳功率分 配不能保证次级用户获得最大能效。

发明内容

为了克服现有技术的不足，本发明提供一种基于峰值功率约束能效最佳功率分配 方法，使得次级用户在频谱共享机制下，采用峰值功率约束条件使得次级用户获得最 大的能效。

本发明解决其技术问题所采用的技术方案包括如下步骤：

(1)将授权占用当前频段的用户定义为主用户，将可以和主用户共享一个频段的 用户定义为次级用户，输入次级用户的容错误差ξ＞0、主用户能容忍的最大峰值干扰 功率P_In、次级用户峰值发送功率P_th和算法最大迭代次数N；

(2)次级用户初始化算法参数，包括能效η＝0和迭代次数n＝0；

(3)次级用户迭代计算最佳发送功率和能效η，得到最大能效下的最佳发送 功率具体步骤如下：

(3.1)次级用户计算每次衰落状态下的最佳功率其中 ζ为功率放大因子，g_ss为次级用户发送端到接收端信道功 率增益，g_sp为次级用户发送端到主用户接收端信道功率增益，h_ps为主用户发送端到 次级用户接收段信道功率增益，P_p为主用户恒定发送功率，表示次级用户接收端的 噪声方差；计算能效其中，P_C为固定电路消耗功率，E{b} 表示对b求数学期望；

(3.2)次级用户根据步骤(3.1)得到的最佳发送功率计算第n+1迭代能效函 数$f_{n+1}\left({\eta }^n\right)=E\left\{{\log }_2(1+\frac{g_{\mathrm{ss}}{P}_s^{\mathrm{opt}}}{h_{\mathrm{ps}}{P}_p+{\sigma }_w^2})\right\}-{\eta }^{n}E\{\zeta P_s^{\mathrm{opt}}+P_C\}$和能效ηⁿ；

(3.3)若|f_n+1(ηⁿ)|≤ξ，则此时的最佳发送功率为次级用户能效最佳发送功率，能 效为次级用户获得的最大能效；否则判断迭代次数是否达到最大迭代次数n≤N，如果 达到最大迭代次数，此时的发送功率为次级用户能效最佳发送功率，能效为次级用户 获得的最大能效；否则返回步骤(3.2)。

本发明的有益效果是：

1、本发明在次级用户受峰值发送功率和峰值干扰功率约束条件下，能获得高于传 统基于频谱共享认知无线电峰值功率约束条件下最佳发送功率方法取得的最大能效。

2、本发明能快速获得最大能效情况下能效最佳功率分配。

3、本发明是针对绿色认知无线电提出的最佳功率分配，能在保证主用户服务质量， 次级用户获得最大能效基础上，次级用户获得最佳用户体验。

4、本发明收敛速度快，算法复杂度低，易于实现，可以在实际中广泛应用。

附图说明

图1是本发明的实现流程图；

图2是本发明在不同信道模型下，次级用户获得最大能效对比图；

图3是本发明和传统认知无线电基于频谱共享峰值功率约束最佳发送功率获得最 大能效对比图；

图4是本发明在不同峰值传输功率下次级用户获得最大能效图；

图5是本发明在不同约束条件下收敛效果图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明的目的在于针对现有传统的基于频谱共享机制的认知无线电，在峰值功率 约束条件下的最佳功率设计策略在绿色认知无线电下不能保证次级用户获得最大能 效，提出一种新型的能效最佳功率分配方法，以提高次级用户的能效。

为实现上述目的，本发明的技术方法包括如下步骤：

(1)将授权占用当前频段的用户定义为主用户，将可以和主用户共享一个频段的 用户定义为次级用户，输入次级用户的容错误差ξ＞0，主用户能容忍的最大峰值干扰 功率P_In，次级用户峰值发送功率P_th和算法最大迭代次数N；

(2)次级用户初始化算法参数，包括能效η＝0和迭代次数n＝0；

(3)次级用户迭代计算最佳发送功率和能效η，得到最大能效下的最佳发送 功率

(3.1)次级用户计算每次衰落状态下的最佳功率其中计算最佳功率表达式 为：$P_s^{\mathrm{opt}}=\min ({\hat{P}}_s,P_{\mathrm{th}},P_{\mathrm{In}}/g_{\mathrm{sp}}),{\hat{P}}_s={[\frac{1}{\mathrm{\eta \zeta }\ln 2}-\frac{(h_{\mathrm{ps}}{P}_p+{\sigma }_w^2)}{g_{\mathrm{ss}}}]}^{+};$

其中ζ为功率放大因子。g_ss，g_sp和h_ps分别为次级用户发送端到接收端信道功率 增益，次级用户发送端到主用户接收端信道功率增益和主用户发送端到次级用户接收 段信道功率增益。P_p为主用户恒定发送功率。表示次级用户接收端的噪声方差。[a]⁺表示取0和a最大值。min(a,b,c)表示取a,b,c之间最小值。能效η的计算表达式为：

$\eta ==\frac{E\left\{{\log }_2(1+\frac{g_{\mathrm{ss}}{P}_s^{\mathrm{opt}}}{h_{\mathrm{ps}}{P}_p+{\sigma }_w^2})\right\}}{E\{\zeta P_s^{\mathrm{opt}}+P_C\}},$

其中P_C为固定电路消耗功率。E{b}表示对b求数学期望；

(3.2)次级用户根据步骤(3.1)得到的最佳发送功率计算第n+1迭代能效 函数f_n+1(ηⁿ)和能效ηⁿ，其中能效函数计算表达式为：

$f_{n+1}\left({\eta }^n\right)=E\left\{{\log }_2(1+\frac{g_{\mathrm{ss}}{P}_s^{\mathrm{opt}}}{h_{\mathrm{ps}}{P}_p+{\sigma }_w^2})\right\}-{\eta }^{n}E\{\zeta P_s^{\mathrm{opt}}+P_C\};$

(3.3)次级用户对能效函数进行判决f_n+1(ηⁿ)，如果条件|f_n+1(ηⁿ)|≤ξ满足，此时 的最佳发送功率为次级用户能效最佳发送功率，能效为次级用户获得的最大能效；如 果上述条件不满足，判断迭代次数是否达到最大迭代次数n≤N，如果达到最大迭代次 数，此时的发送功率为次级用户能效最佳发送功率，能效为次级用户获得的最大能效； 否则继续迭代，直至满足迭代终止约束条件。

参照图1，本发明实施例的实现步骤如下：

步骤1，认知用户设置算法目标参数。

次级用户根据所需要的容错误差，主用户能容忍的峰值干扰功率，次级用户峰值 发送功率及最大需要迭代次数，设置容错误差ξ＞0，主用户能容忍的最大峰值干扰功 率P_In，次级用户峰值发送功率P_th和算法最大迭代次数N。

步骤2，次级用户初始化算法参数。

次级用户初始化算法参数，包过能效η，迭代次数n＝0。

步骤3，次级用户迭代计算最佳发送功率和能效η，获得最大能效下的最佳发 送功率

(3a)次级用户根据每次衰落状态下的次级用户发送端到接收端信道功率增益g_ss， 次级用户发送端到主用户接收端信道功率增益g_sp和主用户发送端到次级用户接收段 信道功率增益h_ps计算最佳功率g_ss和h_ps可以通过在次级用户接收端进行估计并 反馈给次级用户发送端。g_sp和可以通过次级用户和主用户协作获得。计算最佳功率表 达式为：

${\hat{P}}_s={[\frac{1}{\mathrm{\eta \zeta }\ln 2}-\frac{(h_{\mathrm{ps}}{P}_p+{\sigma }_w^2)}{g_{\mathrm{ss}}}]}^{+},P_s^{\mathrm{opt}}=\min ({\hat{P}}_s,P_{\mathrm{th}},P_{\mathrm{In}}/g_{\mathrm{sp}}),$

其中ζ为次级用户发送端固定功率放大因子，可以在次级用户发送端测量获得。 表示次级用户接收端的噪声方差，可以通过在次级用户接收端进行估计。[a]⁺表示 取0和a最大值。min(a,b,c)表示取a,b,c之间最小值。能效η的计算表达式为：

$\eta =\frac{E\left\{{\log }_2(1+\frac{g_{\mathrm{ss}}{P}_s^{\mathrm{opt}}}{h_{\mathrm{ps}}{P}_p+{\sigma }_w^2})\right\}}{E\{\zeta P_s^{\mathrm{opt}}+P_C\}},$

其中P_C为固定电路消耗功率，可以通过在次级用户发送端测量获得。E{b}表示对b 求数学期望；

(3b)次级用户根据步骤(3b)得到的最佳发送功率计算第n+1迭代能效函 数f_n+1(ηⁿ)和能效ηⁿ，其中能效函数计算表达式为：

$f_{n+1}\left({\eta }^n\right)=E\left\{{\log }_2(1+\frac{g_{\mathrm{ss}}{P}_s^{\mathrm{opt}}}{h_{\mathrm{ps}}{P}_p+{\sigma }_w^2})\right\}-{\eta }^{n}E\{\zeta P_s^{\mathrm{opt}}+P_C\};$

(3c)次级用户对能效函数进行判决f_n+1(ηⁿ)，如果条件|f_n+1(ηⁿ)|≤ξ满足，此时的 最佳发送功率为次级用户能效最佳发送功率，能效为次级用户获得的最大能效；如果 上述条件不满足，判断迭代次数是否达到最大迭代次数n≤N，如果达到最大迭代次数， 此时的发送功率为次级用户能效最佳发送功率，能效为次级用户获得的最大能效；否 则继续迭代，直至满足迭代终止约束条件。

本发明的性能效果可以通过以下仿真进一步说明：

A、仿真条件

次级用户发送端功率放大因子ζ和电路固定功率消耗P_C分别设置为0.2和0.05瓦。 次级用户接收到噪声方差设置为0.01。主用户传输功率P_p设置为60毫瓦。容错误差ξ 设置为0.0001。信道实现次数为100000。g_ss，g_sp和h_ps为信道功率增益，均值分别设 置为1,0.5和0.5。平均干扰功率约束设置为10毫瓦到200毫瓦。仿真1峰值发送功 率设置为150毫瓦，Nakagami-m衰弱信道的m设置为0.5。仿真2的峰值发送功率约 束设置100毫瓦和150毫瓦。仿真3的峰值干扰功率设置为50毫瓦，100毫瓦和150 毫瓦。仿真4的峰值发送功率设置为100毫瓦和150毫瓦，平均干扰功率设置为50 毫瓦，100毫瓦和200毫瓦。仿真2,仿真3,和仿真4的信道都设置为瑞利信道。

B、仿真内容

仿真1：对采用本发明，在不同信道模型模型下，次级用户获得最大能效进行仿 真，结果如图2所示。其中，“g_ss：高斯，h_ps：瑞利，g_sp：瑞利”表示次级用户发送 端到次级用户衰落端为高斯信道，主用户发送端到次级用户接收端为瑞利信道，次级 用户发送端到主用户接收端信道为瑞利信道的信道模型下，在峰值发送功率约束为 150毫瓦情况下，次级用户采用本发明所获得的最大能效。“g_ss：瑞利，h_ps：Naka (m＝0.5)，g_sp：瑞利”表示次级用户发送端到次级用户衰落端为瑞利信道，主用户发 送端到次级用户接收端为m为0.5时的nakagami-m衰落信道，次级用户发送端到主用 户接收端信道为瑞利信道的信道模型下，在峰值发送功率约束为150毫瓦情况下，次 级用户采用本发明所获得的最大能效。“g_ss：瑞利，h_ps：瑞利，g_sp：Naka(m＝0.5)” 表示次级用户发送端到次级用户衰落端为瑞利信道，主用户发送端到次级用户接收端 为瑞利信道，次级用户发送端到主用户接收端信道为m为0.5时的nakagami-m衰落信 道模型下，在峰值发送功率约束为150毫瓦情况下，次级用户采用本发明所获得的最 大能效。“g_ss：瑞利，h_ps：瑞利，g_sp：瑞利”表示次级用户发送端到次级用户衰落端 为瑞利信道，主用户发送端到次级用户接收端为瑞利信道，次级用户发送端到主用户 接收端信道为瑞利信道的信道模型下，在峰值发送功率约束为150毫瓦情况下，次级 用户采用本发明所获得的最大能效。

仿真2：对采用本发明和传统基于频谱共享机制下的峰值功率约束最佳功率分配 方法，次级用户获得的最大能效进行对比，结果如图3所示。其中，“峰值发送功率， 0.15，能效最大化”表示本方法次级用户在150毫瓦的峰值发送功率约束条件下获得 的最大能效,“峰值发送功率，0.15，历态容量最大化”表示采用传统基于频谱共享机 制峰值功率约束最佳功率分配方法，次级用户在150毫瓦的峰值发送功率约束条件下 获得的最大能效。“峰值发送功率，0.1，能效最大化”表示本方法次级用户在100毫 瓦的峰值发送功率约束条件下获得的最大能效,“峰值发送功率，0.1，历态容量最大化” 表示采用传统基于频谱共享机制峰值功率约束最佳功率分配方法，次级用户在100毫 瓦的峰值发送功率约束条件下获得的最大能效。

仿真3：将采用本发明在不同的峰值干扰功率约束下，对次级用户获得的最大能 效与峰值发送功率关系进行对比，结果如图4所示。其中，“峰值干扰功率，0.2，能 效最大化”表示采用本方法次级用户在200毫瓦的峰值干扰功率约束条件下获得的最 大能效，“峰值干扰功率，0.1，能效最大化”表示采用本方法次级用户在100毫瓦的 峰值干扰功率约束条件下获得的最大能效，“峰值干扰功率，0.05，能效最大化”表示 采用本方法次级用户在50毫瓦的峰值干扰功率约束条件下获得的最大能效。

仿真4：本发明在不同约束条件下，收敛效果进行仿真，结果如图5所示。其中， “峰值发送功率，0.1，峰值干扰功率，0.2”表示次级用户采用本发明在峰值发送功率 约束为100毫瓦，峰值干扰功率为200毫瓦约束条件下，每次迭代所获得的能效，“峰 值发送功率，0.1，峰值干扰功率，0.1”表示次级用户采用本发明在峰值发送功率约束 为100毫瓦，峰值干扰功率为100毫瓦约束条件下，每次迭代所获得的能效，“峰值发 送功率，0.1，峰值干扰功率，0.05”表示次级用户采用本发明在峰值发送功率约束为 100毫瓦，峰值干扰功率为50毫瓦约束条件下，每次迭代所获得的能效，“峰值发送 功率，0.15，峰值干扰功率，0.1”表示次级用户采用本发明在峰值发送功率约束为150 毫瓦，峰值干扰功率为100毫瓦约束条件下，每次迭代所获得的能效。

C、仿真结果

由图2可得，次级用户发送端到主用户接收端和主用户发送端到次级用户接收端 的信道衰落对次级用户所获得的最大能效起有利作用，而且主用户发送端到次级用户 接收端的衰落更有利于次级用户获得更高的最大能效。次级用户发送端到次级用户接 收端的信道衰落对于次级用户所获得的最大能效起不利作用,。其原因在于，次级用户 发送端到次级用户接收端的衰落会降低次级用户的历态容量，而次级用户发送端到主 用户接收端的衰落能起到降低对主用户干扰的作用，主用户发送端到主用户接收端的 信道衰落能起到降低对次级用户干扰的作用，从而提高次级用户的历态容量，提升次 级用户最大能效。

由图3可得，在峰值干扰功率和峰值发送功率约束条件下，现有的基于频谱共享 峰值功率约束最佳功率分配方法不能保证次级用户获得最大能效，而本方法能保证次 级用户获得最大能效。而且，与峰值发送功率约束条件相比，峰值干扰功率约束条件 宽松，即峰值干扰功率不起约束作用时，次级用户获得的最大能效取决于峰值发送功 率。峰值发送功率约束越宽松，次级用户获得的最大能效越大。

由图4可得，峰值发送功率约束月宽松，次级用户获得的最大能效越大，峰值干 扰功率约束越宽松，次级用户获得的最大能效越大。当峰值发送功率约束不起作用时， 此时的次级用户最大能效仅取决于峰值干扰功率约束。

由图5可得，不管次级用户受到的峰值干扰功率约束或者峰值发送功率约束多大， 本发明能很快的达到收敛效果，只要迭代很少的次级就能获得最大的能效和在最大能 效下的最佳发送功率策略。

综合上述仿真结果和分析，本发明所提出的基于峰值功率约束能效最佳功率分配 方法，能使得次级用户获得最大的能效，而且算法收敛速度快，复杂度低，易于实现， 这使得该发明在实际中能更好的得到应用。