一种基于统计信道信息的认知全双工功率分配方法

摘要

本发明方法提供的一种基于统计信道信息的认知全双工功率分配方法，构建了基于主用户统计信道信息的主用户中断概率约束关系，可有效降低实现复杂度。本发明方法同时兼顾主用户的服务质量约束和认知用户的传输性能，可有效明显提升频谱的利用效率，有效缓解频谱资源日趋紧张的现状。

说明书

技术领域

本发明涉及通信信号处理领域，尤其涉及一种认知用户利用主用户统计信道信息认知无线全双工双向通信系统功率分配方法。

背景技术

随着无线通信技术的快速发展，无线通信系统对频谱资源的需求也日益增长，而现有的频谱资源的静态分配方式造成的频谱资源浪费严重。如何有效提升现有频谱的使用效率成为热点问题。

认知无线电技术由于允许认知用户与主用户之间同时同频共存，可望在很大程度上缓解频谱资源的严重不足，提升频谱的利用效率。然而，在认知无线电系统中，主用户作为频段的授权使用者，其服务质量需要首先得到保证。为此，认知用户需要严格控制其发送功率，从而导致认知用户的通信质量较低。全双工通信技术允许通信双方同时的信息收发，为频谱利用效率的倍增提供了可能。因此，认知无线电技术结合全双工技术有望全面提升认知用户的服务质量。

认知无线电系统需要首要保证主用户的性能，通常需确保认知用户在信息传输时对主用户的干扰不得高于干扰门限。为此，认知用户需要获知准确的主用户瞬时信道信息进行功率控制。实际上，认知用户往往不能与主用户进行有效的协作，认知用户无法获得准确的主用户瞬时信道信息。而不准确的信道信息进行功率控制势必有可能违背主用户的干扰门限。

发明内容

为避免上述问题，本发明以中断概率作为主用户的服务质量标准，通过推导证明主用户的中断概率只与主用户的统计信道信息相关，而统计信道可较长时间保持稳定，可通过传输距离等进行估计。因此本发明方法可避免频繁的信道估计带来的高复杂度及不准确信道信息造成主用户服务质量得不到保证的情况。本发明构建了以主用户中断概率和认知用户极值发射功率为联合约束，以认知用户和容量最大化为目标的约束优化函数，可获得最优的功率分配。

本发明的目的是通过以下技术方案实现的。

根据本发明的实施方式，提出一种基于统计信道信息的认知全双工功率分配方法，所述方法包括如下步骤：

S1、获取认知用户发射功率与主用户服务质量之间的条件关系，构建主用户中断概率约束函数；

S2、建立以主用户中断概率条件和认知用户极值发射功率条件为约束、以认知用户和容量最大化为目标的约束优化函数；

S3、在首先不考虑认知用户极值功率约束条件下，判断最优功率存在于主用户约束条件的边界，将约束优化函数转化为单变量无约束优化函数；

S4、利用一维搜索寻找第一认知用户发射功率的可行解，并计算第二认知用户发射功率的可行解；

S5、基于认知用户的最大功率限制，对所获得的认知用户发射功率进行修正。

根据本发明的实施方式，所述步骤S1的获取认知用户发射功率与主用户服务质量之间的条件关系，构建主用户中断概率约束函数具体包括：

认知用户在共享主用户频谱的过程中，主用户的中断概率P_out不高于门限值即第一认知用户及第二认知用户的发射功率应满足：

$P_{out}=\mathrm{Pr}\left({\log }_2\right(1+{\gamma }_P)<R_P)\le P_{Out}^{Thr}---\left(2\right)$

式中R_P表征主用户的速率要求，Pr表征该事件发生的概率，当速率低于R_P时，无法满足主用户的速率要求，主用户传输发生中断，为主用户的接收信干噪比，P₁和P₂分别表示第一认知用户和第二认知用户的发射功率，h_1P和h_2P分别表示两认知用户到主用户之间的干扰信道，h_PP表示主用户的传输信道，P_P为主用户的发射功率，N₀为主用户接收机端的噪声功率；

对上式(2)进行计算，可得

$\frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}\ge {\bar{P}}_{Out}^{Thr}---\left(3\right)$

式中及和分别表示相应的统计信道信息方差的倒数。

根据本发明的实施方式，所述步骤S2的建立以主用户中断概率条件和认知用户极值发射功率条件为约束、以认知用户和容量最大化为目标的约束优化函数具体包括：

以认知用户的和容量最大化为目标，建立最优发射功率的优化目标函数，：

$(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{max}\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})---\left(4\right)$

式中，γ_S1和γ_S2表示第一认知用户和第二认知用户的接收信干噪比，分别表示为：

${\gamma }_{S1}=\frac{P_2{\left|h_{21}\right|}^2}{P_1{\left|h_{11}\right|}^2+(P_P{\left|h_{P1}\right|}^2+N_0)}---\left(5\right)$

${\gamma }_{S2}=\frac{P_1{\left|h_{12}\right|}^2}{P_2{\left|h_{22}\right|}^2+(P_P{\left|h_{P2}\right|}^2+N_0)}---\left(6\right)$

式中，h₁₂和h₂₁分别表示第一认知用户和第二认知用户之间的传输信道，h_p1和h_p2分别表示主用户到第一认知用户和第二认知用户的干扰信道,h₁₁和h₂₂分别表示第一认知用户和第二认知用户的自干扰信道；

认知用户的发射功率不仅需要满足主用户中断概率条件，还受到极值功率的限制，为此建立如下约束优化函数：

$(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{\max }\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})$

$\begin{array}{cc}s.t.& \frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}\ge {\bar{P}}_{Out}^{Thr}\end{array}---\left(7\right)$

$P_1\le P_1^{\max };P_2\le P_2^{\max }$

式中，P₁^max和分别表征第一认知用户和第二认知用户的极值发射功率限制。

根据本发明的实施方式，所述步骤S3的将约束优化函数转化为单变量无约束优化函数具体包括：

首先不考虑极值发射功率限制，对于上述优化函数，最优的功率分配方案满足下述条件则存在因子ε＞1，使得成立。

令则当认知用户以功率及发送信号时，主用户的中断概率限制依然满足，此时第一认知用户与第二认知用户接收信干噪比为

${\hat{\gamma }}_{S1}=\frac{P_2^{Best}{\left|h_{21}\right|}^2}{P_1^{Best}{\left|h_{11}\right|}^2+\frac{1}{ϵ}(P_P{\left|h_{P1}\right|}^2+N_0)}---\left(8\right)$

${\hat{\gamma }}_{S2}=\frac{P_1^{Best}{\left|h_{12}\right|}^2}{P_2^{Best}{\left|h_{22}\right|}^2+\frac{1}{ϵ}(P_P{\left|h_{P2}\right|}^2+N_0)}---\left(9\right)$

当认知用户发射功率最优时，中断概率限制条件应满足等式条件，即优化函数(4)可等效为

$\begin{array}{c}(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{\max }\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})\\ \begin{array}{cc}s.t.& \frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}={\bar{P}}_{Out}^{Thr}\end{array}\end{array}---\left(10\right)$

根据等式约束条件，第一认知用户和第二认知用户的功率应满足：

$P_2=\frac{\alpha }{P_1+1/A}-\frac{1}{B}---\left(11\right)$

式中代入到前述约束优化函数并整理，得如下关于P₁的无约束优化函数，即

$P_1^{Best}=\arg \underset{P_1}{max}\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}{\log }_2({\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i)---\left(12\right)$

式中，α₁＝|h₁₁|²，β₁＝P_P|h_P1|²+|h₁₁|²/A-|h₂₁|²/B+N₀，γ₁＝(P_P|h_P1|²+N₀)/A+(α-1/(AB))|h₂₁|²，α₂＝α₁，β₂＝P_P|h_P1|²+|h₁₁|²/A+N₀，γ₂＝(P_P|h_P1|²+N₀)/A，α₃＝|h₁₂|²，β₃＝P_P|h_P2|²+|h₁₂|²/A-|h₂₂|²/B，β₄＝P_P|h_P2|²-|h₂₂|²/B，γ₃＝(P_P|h_P2|²+N₀)/A+(α-1/(AB))|h₂₂|²，α₄＝0，γ₄＝γ₃。

根据本发明的实施方式，所述步骤S4的利用一维搜索寻找第一认知用户发射功率的可行解，并计算第二认知用户发射功率的可行解具体包括：

前述无约束优化函数(12)是关于功率P₁的单变量无约束优化函数，为求极值，对变量P₁求一阶求导并令导数为零，可得

$\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}\frac{2{\alpha }_i{P}_1+{\beta }_i}{{\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i}=0---\left(13\right)$

该方程为变量P₁的一元六次方程，其解用最小化函数进行近似，即

$\begin{array}{cc}\underset{P_1}{\min }& \left|\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}\frac{2{\alpha }_i{P}_1+{\beta }_i}{{\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i}\right|\end{array}---\left(14\right)$

式中|·|表示绝对值；

通过对上式的一维搜索，可得认知用户发射功率的六个可行解，表示为

在求得P₁的可行解之后，可以依据式(11)求得P₂的可行解。

根据本发明的实施方式，所述步骤S5的基于认知用户的最大功率限制，对所获得的认知用户发射功率进行修正具体包括：

认知用户的最优发射功率可通过如下方式确定：

$(P_1^{Best},P_2^{Best})=\arg \underset{P\in P_1^{poten},P_2\in P_2^{poten}}{max}\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})---\left(15\right).$

本发明方法提供的一种基于统计信道信息的认知全双工功率分配方法，构建了基于主用户统计信道信息的主用户中断概率约束关系，可有效降低实现复杂度。本发明方法同时兼顾主用户的服务质量约束和认知用户的传输性能，可有效明显提升频谱的利用效率，有效缓解频谱资源日趋紧张的现状。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为根据本发明实施方式的基于统计信道信息的认知全双工功率分配方法的流程图；

图2为根据本发明实施方式的系统模型图；

图3为根据本发明实施方式的认知用户和容量与主用户发射功率之间的关系示意图；

图4为根据本发明实施方式的认知用户和容量与其极值发射功率限制之间的关系示意图；

图5为根据本发明实施方式的认知用户和容量与主用户中断概率限制之间的关系示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

根据本发明的实施方式，提出一种基于统计信道信息的认知全双工功率分配方法，本发明的认知全双工无线通信系统包括一个主用户以及两个以上认知用户，在本发明的具体实施方式中，以两个认知用户为例，如附图1所示，所述方法包括如下步骤：

S1、获取认知用户发射功率与主用户服务质量之间的条件关系，构建主用户中断概率约束函数；

S2、建立以主用户中断概率条件和认知用户极值发射功率条件为约束、以认知用户和容量最大化为目标的约束优化函数；

S3、在首先不考虑认知用户极值功率约束条件下，判断最优功率存在于主用户约束条件的边界，将约束优化函数转化为单变量无约束优化函数；

S4、利用一维搜索寻找第一认知用户发射功率的可行解，并计算第二认知用户发射功率的可行解；

S5、基于认知用户的最大功率限制，对所获得的认知用户发射功率进行修正。

根据本发明的实施方式，所述步骤S1的获取认知用户发射功率与主用户服务质量之间的条件关系，构建主用户中断概率约束函数具体包括：

在认知全双工无线通信网络中，在主用户发射机至接收机的通信质量得以保证的前提下，第一认知用户与第二认知用户同时同频互发信息，其通信系统模型如图2所示(实线表示信息传输链路，虚线表示干扰链路)。由于第一认知用户和第二认知用户同时的信息发送，会同时造成对主用户的干扰。此时，主用户的接收信干噪比为

${\gamma }_P=\frac{P_P{\left|h_{PP}\right|}^2}{P_1{\left|h_{1P}\right|}^2+P_2{\left|h_{2P}\right|}^2+N_0}---\left(1\right)$

式中，P₁和P₂分别表示第一认知用户和第二认知用户的发射功率，h_1P和h_2P分别表示两认知用户到主用户之间的干扰信道，h_PP表示主用户的传输信道，P_P为主用户的发射功率，N₀为主用户接收机端的噪声功率。

在实际的认知系统中，认知用户由于缺少主用户的协作，很难精确的获得主用户的瞬时信道信息(即h_1P和h_2P)，以主用户瞬时信道信息为依据的干扰控制将难以实现。由于主用户的统计信道信息可保证长时间不变，因此，如果能利用主用户的统计信道信息对认知用户的干扰进行限制，将提升认知无线电的可应用性。

为此，认知用户在共享主用户频谱的过程中，需保证主用户的中断概率P_out不得高于门限值即第一认知用户及第二认知用户的发射功率应满足：

$P_{out}=\mathrm{Pr}\left({\log }_2\right(1+{\gamma }_P)<R_P)\le P_{Out}^{Thr}---\left(2\right)$

式中R_P表征主用户的速率要求，Pr表征该事件发生的概率，当速率低于R_P时，无法满足主用户的速率要求，主用户传输发生中断，对上式进行计算，可得

$\frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}\ge {\bar{P}}_{Out}^{Thr}---\left(3\right)$

式中及和分别表示相应的统计信道信息，即信道h_1P，h_2P和h_PP方差的倒数，其往往与通信双方的距离相关，因此可保持相对稳定。在此条件约束下，认知用户只需获取主用户的统计信道信息即可对自身发射功率进行限制从而满足主用户的服务质量需求。

根据本发明的实施方式，所述步骤S2的建立以主用户中断概率条件和认知用户极值发射功率条件为约束、以认知用户和容量最大化为目标的约束优化函数具体包括：

以认知用户的和容量最大化为目标，建立最优发射功率的优化目标函数，：

$(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{max}\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})---\left(4\right)$

式中，γ_S1和γ_S2表示第一认知用户和第二认知用户的接收信干噪比，并可分别表示为

${\gamma }_{S1}=\frac{P_2{\left|h_{21}\right|}^2}{P_1{\left|h_{11}\right|}^2+(P_P{\left|h_{P1}\right|}^2+N_0)}---\left(5\right)$

${\gamma }_{S2}=\frac{P_1{\left|h_{12}\right|}^2}{P_2{\left|h_{22}\right|}^2+(P_P{\left|h_{P2}\right|}^2+N_0)}---\left(6\right)$

式中，h₁₂和h₂₁分别表示第一认知用户和第二认知用户之间的传输信道，h_p1和h_p2分别表示主用户到第一认知用户和第二认知用户的干扰信道,h₁₁和h₂₂分别表示第一认知用户和第二认知用户的自干扰信道。

认知用户的发射功率不仅需要满足主用户中断概率条件，还受到极值功率的限制，为此建立如下约束优化函数：

$(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{\max }\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})$

$\begin{array}{cc}s.t.& \frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}\ge {\bar{P}}_{Out}^{Thr}\end{array}---\left(7\right)$

$P_1\le P_1^{\max };P_2\le P_2^{\max }$

式中，P₁^max和分别表征第一认知用户和第二认知用户的极值发射功率限制。

根据本发明的实施方式，所述步骤S3的将约束优化函数转化为单变量无约束优化函数具体包括：

为简化分析，首先不考虑极值发射功率限制，对于上述优化函数，最优的功率分配方案满足下述条件则存在因子ε＞1，使得成立。若令则当认知用户以功率及发送信号时，主用户的中断概率限制依然满足，此时第一认知用户与第二认知用户接收信干噪比为

${\hat{\gamma }}_{S1}=\frac{P_2^{Best}{\left|h_{21}\right|}^2}{P_1^{Best}{\left|h_{11}\right|}^2+\frac{1}{ϵ}(P_P{\left|h_{P1}\right|}^2+N_0)}---\left(8\right)$

${\hat{\gamma }}_{S2}=\frac{P_1^{Best}{\left|h_{12}\right|}^2}{P_2^{Best}{\left|h_{22}\right|}^2+\frac{1}{ϵ}(P_P{\left|h_{P2}\right|}^2+N_0)}---\left(9\right)$

由于ε＞1，当认知用户使用发射功率及传输信号时，其接收信干噪比大于采用功率P₁^Best及时的信干噪比，因而可获得更大和容量；因此当认知用户发射功率最优时，中断概率限制条件应满足等式条件，即原始优化函数可等效为

$\begin{array}{c}(P_1^{Best},P_2^{Best})=\arg \underset{P_1,P_2}{\max }\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})\\ \begin{array}{cc}s.t.& \frac{C}{(1+{\mathrm{AP}}_1)(1+{\mathrm{BP}}_2)}={\bar{P}}_{Out}^{Thr}\end{array}\end{array}---\left(10\right)$

根据等式约束条件，第一认知用户和第二认知用户的功率应满足：

$P_2=\frac{\alpha }{P_1+1/A}-\frac{1}{B}---\left(11\right)$

式中代入到前述约束优化函数并整理，可得如下关于P₁的无约束优化函数，即

$P_1^{Best}=\arg \underset{P_1}{max}\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}{\log }_2({\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i)---\left(12\right)$

式中，α₁＝|h₁₁|²，β₁＝P_P|h_P1|²+|h₁₁|²/A-|h₂₁|²/B+N₀，γ₁＝(P_P|h_P1|²+N₀)/A+(α-1/(AB))|h₂₁|²，α₂＝α₁，β₂＝P_P|h_P1|²+|h₁₁|²/A+N₀，γ₂＝(P_P|h_P1|²+N₀)/A，α₃＝|h₁₂|²，β₃＝P_P|h_P2|²+|h₁₂|²/A-|h₂₂|²/B，β₄＝P_P|h_P2|²-|h₂₂|²/B，γ₃＝(P_P|h_P2|²+N₀)/A+(α-1/(AB))|h₂₂|²，α₄＝0，γ₄＝γ₃。

根据本发明的实施方式，所述步骤S4的利用一维搜索寻找第一认知用户发射功率的可行解，并计算第二认知用户发射功率的可行解具体包括：

前述无约束优化函数(12)是关于功率P₁的单变量无约束优化函数，为求极值，对变量P₁求一阶求导并令导数为零，可得

$\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}\frac{2{\alpha }_i{P}_1+{\beta }_i}{{\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i}=0---\left(13\right)$

该方程为变量P₁的一元六次方程，其解可用下述最小化问题进行近似，即

$\begin{array}{cc}\underset{P_1}{\min }& \left|\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}\frac{2{\alpha }_i{P}_1+{\beta }_i}{{\alpha }_i{P}_1^2+{\beta }_i{P}_1+{\gamma }_i}\right|\end{array}---\left(14\right)$

式中|·|表示绝对值。通过对上式的一维搜索，可得认知用户发射功率的六个可行解，表示为第一认知用户的功率需保证主用户的中断约束，令第二认知用户的发射功率为0，可得第一认知用户的功率应小于

在求得P₁的可行解之后，可以依据式(11)求得P₂的可行解。

根据本发明的实施方式，所述步骤S5的基于认知用户的最大功率限制，对所获得的认知用户发射功率进行修正具体包括：

下面考虑认知用户极值功率的影响，对上述功率分配方案进行修正，分别用P₁^i,poten(i＝1,2,…6)表示功率集合中的第i个元素；由于主用户中断概率的限制及认知用户极值发射功率的限制，第一认知用户的功率应该在区间内，即功率集合中的元素应在此区间内；若中存在功率不在区间内部的情况，则该功率小于0，用0代替该功率；若大于用代替；为方便计，此时认知用户的功率仍计为

根据主用户的中断等式约束条件，第二认知用户的功率应为同时与第一认知用户类似，第二认知用户的发射功率应在区间内；下面分情况进行讨论分析：

情形1：如此时发射功率在许可的功率范围内，无需对功率进行修正；

情形2：若根据功率的非负性，根据约束关系,功率P₁^i,poten修正为这里(·)⁺＝max(·,0)。

情形3：若此时,修正为相应的,第一认知用户的发射功率调整为

最终，认知用户的最优发射功率可通过如下方式确定：

$(P_1^{Best},P_2^{Best})=\arg \underset{P\in P_1^{poten},P_2\in P_2^{poten}}{max}\underset{i=1}{\overset{2}{\Sigma }}{\log }_2(1+{\gamma }_{Si})---\left(15\right)$

通过最优的功率分配，可实现认知用户和容量的最大化。

以下通过仿真对比本发明方法和其他传统方法，说明本发明的优越性能。本实验采用的信道模型为独立同分布瑞利信道，其方差分别为和归一化噪声功率为N₀＝1。不失一般性，假设两认知用户的最大功率限制相同，即对比方法为等功率分配方法，将中断概率门限平均分配给每个认知用户并满足最大发射功率限制，即

$P_1=min(\frac{1}{A}\sqrt{C/{\bar{P}}_{Out}^{Thr}}-\frac{1}{A},P_1^{\max }),P_2=min(\frac{1}{B}\sqrt{C/{\bar{P}}_{Out}^{Thr}}-\frac{1}{B},P_2^{max})---\left(16\right)$

图3是随着主用户发射功率的增加，主用户中断概率门限为0.01时，本发明方法和等功率分配方法的性能变化情况。可以看出本发明方法性能始终优于等功率方法。同时，随着主用户功率的增大，认知用户的和容量将增大。主用户功率到达一定程度之后，认知用户的发射功率将受到最大功率限制，但来自主用户的干扰却在加强，所以性能在增加到最大值之后迅速减小。

图4是随着认知用户极值发射功率的增加，主用户中断概率门限为0.01时，本发明方法和等功率分配方法的性能变化情况。可以看出，本发明方法的性能优于等功率分配方法。随着极值功率限制的增大，认知用户的和容量将增大。极值功率限制到达一定程度之后，认知用户的发射功率将受到主用户中断概率门限的限制，此时性能将基本保持不变。

图5是随着主用户中断概率门限的增加，认知用户发射极值功率限制为30分贝瓦时，本发明方法和等功率分配方法的性能变化情况。可以看出本发明方法性能优于等功率方法。随着主用户中断概率门限的增大，将允许认知用户使用更大的功率进行发送，认知用户和容量也逐步提高。当主用户的功率变大时，虽然允许认知用户的功率变大，但同时考虑极值功率的影响，认知用户的和容量保持不变。

以上实验结果表明，本发明方法在保证满足主用户中断概率门限的前提下，可提升认知用户的和容量，改善认知用户传输的性能。本发明方法仅需利用主用户的统计信道信息，可有效降低实现复杂度。因此，本发明方法对提高现有频谱的利用率有重要的实际意义。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。