协同认知 SIMO 网络中吞吐量最大化的资源分配方法 技术领域 本发明属于认知无线电技术领域， 具体的说是在一种新的基于协同中继的认知单 输入多输出 (Single-Input Multiple-Output， 简称 SIMO) 网络中， 吞吐量最大化的资源分 配方法。
背景技术 认知无线电是目前最热门的无线技术之一， 它的出现改变了频谱资源由授权用户 独享的频谱使用方式， 拥有认知无线电功能的认知用户可以通过对它所工作的无线通信环 境进行交互感知， 自动地改变自身的发送和接收参数， 在保证授权用户 ( 主用户 ) 正常通信 的前提下动态地重复使用授权频段， 从而可以显著地提高频谱利用率。 此外， 多天线被公认 为未来高速无线数据接入网的必选技术方案之一。多天线通信系统在原有的频域、 时域和 码域的三维资源的基础上增加了空间维度， 通过先进的空时信号处理技术， 可以在不增加 带宽和发射功率的基础上， 成倍地提升无线通信系统的容量， 同时还可以增强通信系统抗
干扰、 抗衰落性能， 从而有效地缓解频谱紧张并提供高速业务支持。 同样作为提高频谱利用 率的有效手段， 多天线技术和认知无线电技术的结合具有天然的优势。
认知无线电接入授权频段主要存在两种方式 ： 基于 “频谱空穴” 的机会式频谱接入 以及基于 “干扰温度” 的频谱共享。
基于 “频谱空穴” 的机会式频谱接入 ： 在特定的时间特定的地理位置没有被主用户 使用的频谱资源称为 “频谱空穴” ， 机会式频谱接入就是利用这些频谱空穴进行通信， 它是 认知无线电最直接的构想。这种接入方式不需要针对主用户进行发射功率控制， 但是要求 认知网络具有高精度的频谱检测技术， 当主用户网络的通信业务繁忙时， 采用机会式频谱 接入很难获得通信机会。
基于 “干扰温度” 的频谱共享 ： 干扰温度定义在无线设备的接收射频前端， 用来度 量在某一地理位置某一频带内接收机所接收到的干扰大小， 接收机正常通信所能容忍的最 大干扰温度称为干扰温度界。 只要认知网络可以将自己对主用户接收机的干扰控制在干扰 温度界之内， 就可以在不影响主用户正常通信的情况下使用授权频段。 利用这种接入方式， 认知网络可以和主用户在同一地理位置同时使用相同的授权频段通信， 但是必须对认知网 络的发射功率进行控制以满足主用户的干扰温度界， 因此频谱共享方式无法实现大范围的 网络覆盖， 而且和主用户网络距离较近时通信性能很差。
目前， 针对现有的认知无线电接入方式中所存在的接入难和通信差的问题， 申请 人提出了专利号为 201110178680.2 的 “基于协同中继的认知 SIMO 网络接入方法” ， 为多天 线认知网络的上行链路即认知 SIMO 网络提供一种新的接入方式。这种接入方式可以和主 用户在同一地理位置同时使用相同的授权频谱通信， 同时能够实现大范围的网络覆盖， 而 且在和主用户网络距离较近时可以获得很好的网络吞吐量性能， 弥补了现有的认知无线电 接入方式的不足。 而在这种接入方式中， 如何在保证主用户目标传输速率的前提下， 使得认 知 SIMO 网络的资源高效分配以最大化认知网络的吞吐量， 是亟待解决的问题。发明内容 本发明的目的是针对基于协同中继的认知 SIMO 网络接入方法中， 认知网络接入 后， 如何实现资源高效分配的问题， 提出一种吞吐量最大化的资源分配方法。 这种分配方法 可以在保证主用户目标传输速率的前提下， 最大化认知 SIMO 网络的吞吐量性能。
本发明是通过以下技术方案实现的 ：
一种协同认知 SIMO 网络中吞吐量最大化的资源分配方法， 它包括下列步骤 ：
步骤 1. 主用户发射机广播协同请求消息 CRM， 主用户接收机回复协同应答消息 CAM， 认知基站从 CRM 和 CAM 中估计网络中的信道状态信息， 并判断认知 SIMO 网络是否有能 力协同主用户通信以达到主用户的目标传输速率， 如果可以则认知基站向主用户发送协同 确认信息 CCM， 认知 SIMO 网络接入主用户的授权频段 ； 如果不可以则认知 SIMO 网络不接入 主用户的授权频段 ；
步骤 2. 当认知基站向主用户发送协同确认信息 CCM， 认知 SIMO 网络接入主用户的 授权频段时 ：
认知网络接收主用户数据 ： 主用户发射机和接收机接收到了 CCM 后， 主用户发射 机开始进行数据发送， 认知网络保持静默， 接收主用户数据信息， 认知基站和可以成功译码 主用户数据的认知用户对主用户数据进行译码 ；
步骤 3. 认知用户发送自身数据， 同时中继主用户数据 ： 成功译码主用户数据的认 知用户使用部分发射功率 αcpc， c ∈ U1 发送自己的数据给认知基站， 剩余部分功率 (1-αc) pc， c ∈ U1 转发主用户数据给主用户接收机 ； 没有成功译码主用户数据的认知用户不转发主 用户数据， 使用发射功率 pc， c ∈ U2 发送自己的数据给认知基站 ； 其中 ： 集合 U1 表示可以成 功译码主用户数据的认知用户的集合， 集合 U2 表示不能成功译码主用户数据的认知用户的 集合， pc 表示第 c 个认知用户的发射功率， αc 表示第 c 个认知用户的功率分配因子 ；
步骤 4. 认知基站从接收到的混合信号中消除主用户数据的干扰， 并对干扰消除 后的信号进行波束形成 ； 认知网络通过联合调整发射功率矢量 p ＝ [p1， p 2， ...， pN]T， 功率 T 分配因子矢量 α ＝ [α1， α2， ...， αN] ， αc ＝ 1， c ∈ U2 和波束形成权值矢量 wc ＝ [wc， 1， T wc， ...， wc， c ＝ 1， 2， ...， N， 在保证主用户目标传输速率 Rpk 的前提下， 最大化认知网 2， M ] ， 络的吞吐量， 其中 M 表示认知基站配置的天线数目， N 表示认知网络中认知用户的数目。
本发明的步骤 4 具体实现方法如下 ：
4.1、 初始化 ： n ＝ 0，c ＝ 1， 2， ...， N，c ＝ 1， 2， ...， N，其中 n 表示迭代次数， 和分别表示第 n 次迭代时第 c 个认知用户的发射功率和功率 表示第 n 次迭代时认知网-2 -4分配因子， pc， max 表示第 c 个认知用户所允许的峰值发射功率，络的吞吐量 ； 设置迭代终止的判决准则 ε， ε ∈ [10 ， 10 ] ；
4.2、 迭代次数加 1 ： n ＝ n+1 ；
4.3、 固定发射功率矢量和功率分配因子矢量为第 n-1 次迭代的值 p(n-1) 和 α(n-1)， 认知基站利用最大 SINR 波束形成准则计算第 n 次迭代的波束形成权值矢量 2， ...， N， 计算式如下 ： c ＝ 1，其中 IM 表示 M×M 的单位矩阵， η 是一个令归一化的标量因子，c ＝ 1，2， ...， N 表示第 c 个认知用户到认知基站的 M 维信道矢量响应 ； 是 知基站接收到的信道噪声功率 ；
的共轭 ； 表示认4.4、 固定波束形成权值矢量为第 n 次迭代的值c ＝ 1， 2， ...， N， 固定功率分 c ＝ 1， 2， ...，配因子矢量为第 n-1 次迭代的值 α(n-1)， 计算第 n 次迭代的发射功率矢量 p(n) ；
4.5、 固定波束形成权值矢量和发射功率矢量为第 n 次迭代的值 4.6、 利用下式计算第 n 次迭代后认知网络的吞吐量N 和 p(n)， 计算第 n 次迭代的功率分配因子矢量 α(n) ；
4.7、 判断迭代终止条件是否满足， 如果满足， 表示第 n 次迭代和第 n-1 次迭代所获得的认知网络吞吐量已经基本不变， 即迭代过程收敛， 继续执行步 骤 4.8 ； 如果迭代终止条件不满足， 则重复执行步骤 4.2 ；
4.8、 输出最终收敛后的值 ： 此时， 认知网络吞吐量 Rsum 最大。c ＝ 1， 2， ...， N， p ＝ p(n)， α ＝ α(n)，
本发明的第 n 次迭代时， 步骤 4.4 中发射功率矢量 p(n) 的计算过程如下 ： 1) 初始化 ： m ＝ 0， c ＝ 1， 2， ...， N， 其中 m 表示迭代次数， 表示第 m 次10-4] ； 迭代时第 c 个认知用户的发射功率， 设置迭代终止的判决准则 ε， ε ∈ [10-2，
2) 迭代次数加 1 ： m ＝ m+1 ；
3) 利用下式计算第 m 次迭代时第 c 个认知用户的发射功率c ＝ 1， 2， ...， N；
其中表示取 b 和 pc， max 中的最小值 ； 是否成立， 如果成立， 表示第 n 次迭4) 判断迭代终止条件代和第 n-1 次迭代所获得的功率矢量已经基本不变， 即迭代过程收敛， 继续执行步骤 5) ； 如 果迭代终止条件不成立， 重复执行步骤 2) ；
5) 输出最终的收敛值 ： 本发明的第 n 次迭代时， 步骤 4.5 中功率分配因子矢量 α(n) 的计算过程如下 ：8102355729 A CN 102355739
说明书其中 m 表示迭代次数，4/9 页1) 初始化 ： m ＝ 0，表示第 m 次迭代时第 c 个认知用户的功率分配因子 ； 设置迭代终止的判决准则 ε， ε ∈ [10-2， 10-4] ；
2) 迭代次数加 1 ： m ＝ m+1 ；
3) 利用下式计算第 m 次迭代时第 c(c ∈ U1) 个认知用户的功率分配因子 ：
其中 λ 表 示 任 意 的 辅 助 拉 格 朗 日 因 子， 表 示 第 c 个其功率分配因子为 认知用户到主用户接收机的信道响应。对于集合 U2 中的认知用户，
4) 判断迭代终止条件是否满足， 如果满足， 表示第 n 次迭代和第 n-1 次迭代所获得的功率分配因子矢量已经基本不变， 即迭代过程收敛， 继续执行 步骤 5) ； 如果迭代终止条件不满足， 重复执行步骤 2) ；
5) 输出最终的收敛值 ： 本发明的拉格朗日辅助变量 λ 的取值按照二分法搜索方法确定， 具体实现过程 1) 设 定 二 分 法 搜 索 算 法 的 初 始 值 λ+ ＝ 0 和 λ- ；其 中 λ+ 为 令 的 初 始 值， 表 示 λ+ 使 认 知 网 络 为 主 用 户 提 供 的 数 据如下 ：
速率大于主用户的目标数据速率； λ- 为 令的 初 始 值，表 示 λ- 使 认 知 网 络 为 主 用 户 提 供 的 数 据 速 率 小 于 主 用 户 的 目 标 数 据 速 率， 其中 为主用户接收机接收到的信道噪声功 率， Rpk 为主用户的目标传输速率。设置迭代终止的判决准则 ε， ε ∈ [10-2， 10-4] ；
2) 令调用权利要求 4 中功率分配因子的计算过程获得功率分配因子矢量
如果 如果则令 λ- ＝ λ ； 则令 λ+ ＝ λ ；3) 判断搜索终止条件是否成立， 如果成立， 表示认知网络为主用户提供的数据速率基本等于主用户的目标数据速率， 则继续执行 步骤 4) ； 如果搜索终止条件不成立， 重复执行步骤 2) ；
4) 输出最终结果 ： 本发明的步骤 4.1 中， c ＝ 1， 2， ...， N； 其中， 为 x 小数， x ∈ [0， 1]。本发明相对于现有技术具有以下的优点 ：
本发明在基于协同中继的认知 SIMO 网络中， 设计了一种吞吐量最大化的资源分 配方法， 这种方法通过联合调整认知 SIMO 网络的发射功率矢量、 功率分配因子矢量和波束 形成权值矢量， 可以在保证主用户目标传输速率的同时， 实现认知网络最大的吞吐量性能， 而且具有很快的收敛速度。 附图说明
图 1 为基于协同中继的认知 SIMO 网络接入模型。 (a)、 认知 SIMO 网络接入模型 ；
(b)、 认知 SIMO 网络接入后资源分配的模型 ；
图 2 为使用本发明的资源分配方法， 认知用户为主用户提供的数据传输速率随认 知用户峰值发射功率的变化曲线。
图 3 为本发明的资源分配方法所能达到的网络吞吐量随认知网络和主用户网络 之间距离的变化曲线。
具体实施方式
本发明的一个具体实例如下描述， 系统仿真采用 MatLab 仿真， 参数设定不影响一 般性。主用户系统中包括 1 个单天线的发信机和 1 个单天线的收信机， 收信机随机分布在 以发信机为圆心半径为 200m 的圆周上 ； 认知网络中包括 1 个多天线的认知基站和 3 个认知 用户， 3 个认知用户随机均匀地分布在以基站为圆心半径为 200m 的圆周上。用对数路径损 耗模型对信道的大尺度路径损耗进行建模， 损耗因子设为 4 ； 用均值为 1 的 Rayleigh 衰落 模型对信道的小尺度衰落进行建模 ； 接收机处的噪声功率设为 主用户 发射机的发射功率为 0dBm ； 3 个认知用户具有相同的峰值发射功率 pmax。
下面以一次独立的随机试验为例说明实施例的具体过程。在此次随机试验中， 认 知基站的天线数目设为 M ＝ 3， 认知基站和主用户发射机之间的距离设为 100m， 3 个认知用 户所允许的峰值发射功率均设为 pmax ＝ 20dBm， 主用户的目标传输速率设为 Rpk ＝ 1bps/Hz。
步骤 1. 主用户发射机广播协同请求消息 CRM， 主用户接收机回复协同应答消息 CAM， 认知基站从 CRM 和 CRM 中估计网络中的信道状态信息， 并判断认知 SIMO 网络是否有能 力协同主用户通信以达到主用户的目标传输速率， 如果可以则认知基站向主用户发送协同 确认信息 CCM， 认知 SIMO 网络接入主用户的授权频段 ； 如果不可以则认知 SIMO 网络不接入 主用户的授权频段。
在本次随机试验中， 按照所假设的路径损耗和路径衰落模型， 使用 Matlab 仿真软件随机产生网络中的 4 组信道响应为 ：
1、 主用户发射机到认知基站的信道响应矢量 ： pb
h ＝ [1.1967×10-4， 1.117×10-5， 1.1488×10-4]T ；
2、 主用户发射机到各认知用户的信道响应 ：
3、 各认知用户到认知基站的信道响应矢量 ：4、 各认知用户到主用户接收机的信道响应 ：根据申请人提出的专利号为 201110178680.2 的 “基于协同中继的认知 SIMO 网络 接入方法” ， 可以判断， 认知 SIMO 网络可以接入主用户的授权频段， 并且认知基站 3 个认知 用户都可以成功译码主用户数据， 所以认知基站向主用户发送 CCM。
步骤 2. 认知网络接收数据 ： 主用户发射机和接收机接收到了 CCM 后， 开始进行数 据发送， 认知网络保持静默， 接收主用户数据信息， 认知基站和可以成功译码主用户数据信 息的认知用户对主用户数据进行译码。在此次随机试验中， 认知基站和 3 个认知用户均对 主用户数据进行译码。
步骤 3. 认知用户发送自身数据， 同时中继主用户数据 ： 在步骤 2 中成功译码主用 户数据的认知用户 1、 认知用户 2 和认知用户 3 分别使用部分发射功率 α1p1， α2p2 和 α3p3 发送自己的数据给认知基站， 剩余部分功率 (1-α1)p1， (1-α2)p2 和 (1-α3)p3 转发主用户 数据给主用户接收机。
步骤 4. 认知基站从接收到的混合信号中消除主用户数据的干扰， 并对干扰消除 后的信号进行波束形成。认知网络通过联合调整发射功率矢量 p ＝ [p1， p2， p3]T， 功率分配 T 因子矢量 α ＝ [α1， α 2， α3] 和波束形成权值矢量 w1， w2， w 3， 在保证主用户目标传输速率 Rpk 的前提下， 最大化认知网络的吞吐量。
步骤 4 中， p， α 和 w1， w2， w3 按照如下迭代过程进行确定 ：
4.1、 初始化 ： n ＝ 0，其中 n 表示迭代次数， 和
分别表示第 n 次迭代时第 c 个认知用户的发射功率和功率分配因子，表示第 n 次迭代时认知网络的吞吐量。设置迭代终止的判决准则 ε ＝ 0.001。 4.2、 迭代次数加 1 ： n ＝ n+1 4.3、 固定发射功率矢量和功率分配因子矢量为第 n-1 次迭代的值 p(n-1) 和 α(n-1)，按照下式计算第 n 次迭代的波束形成权值矢量
其中表示 Nt×Nt 的单位矩阵， η 是一个令11归一化的标量因子。102355729 A CN 102355739
说明书7/9 页4.4、 固定波束形成权值矢量为第 n 次迭代的值固定功率分配因子矢量为第 n-1 次迭代的值 α(n-1)， 计算第 n 次迭代的发射功率矢量 p(n)。p(n) 采用如下的迭 代过程进行确定 ：
1) 初始化 ： m ＝ 0，其中 m 表示迭代次数，表示第 m 次迭代时第c个
认知用户的发射功率。设置迭代终止的判决准则 ε ＝ 0.001。 2) 迭代次数加 1 ： m ＝ m+1 3) 利用下式计算第 m 次迭代时的发射功率矢量 (c ＝ 1， 2， 3)
4) 判断终止条件是否成立， 如果成立， 继续执行步骤 5) ；如果不成立， 重复执行步骤 2)
5) 输出最终收敛值p(n) 即为上述步骤 4.4 中第 n 次迭代的发射功率矢 和量。
4.5、 固定波束形成权值矢量和发射功率矢量为第 n 次迭代的值计算第 n 次迭代的功率分配因子矢量 α(n)。在 α(n) 的计算过程中需要引入一个非负 p(n)， 的辅助变量即拉格朗日因子 λ， λ 通过二分法搜索算法确定， 每次更新 λ 的过程中需要计 算其对应的
对于任意的 λ ≥ 0，按照如下的迭代过程进行确定 ： 其中 m 表示迭代次数， 表示第 m 次迭代时1) 初始化 ： m ＝ 0，第 c 个认知用户的功率分配因子。设置迭代终止的判决准则 ε ＝ 0.001。
2) 迭代次数加 1 ： m ＝ m+1
3) 利用下式计算第 m 次迭代时第 c 个认知用户的功率分配因子 ：
其中 4) 判断迭代终止条件 是否满足， 如果满足， 执行步骤 5) ；如果不满足， 重复执行步骤 2)
5) 输出最终的收敛值 ：辅助变量 λ 按照如下的二分法搜索算法进行确定 ： 1) 设 定 二 分 法 搜 索 算 法 的 初 始 值 λ+ ＝ 0 和 λ- ＝ 107。 其 中 λ+ 表 示 令 的初始值， 其中 λ- 表示令 的初始值，
设置迭代终止的判决准则 ε ＝ 0.001。 2) 令 如果 调用上述功率分配因子的计算过程获得功率分配因子矢量 则令 λ- ＝ λ ； 如果 则令λ+ ＝ λ。
3) 判断搜索终止条件是否成立， 如果成立， 继续执行步骤 4) ； 如果不成立， 重复执行步骤 2)
4) 输出最终结果 ：α(n) 即为上述步骤 4.5 中第 n 次迭代的功率分配因子矢量。
4.6、 利用下式计算第 n 次迭代后认知网络的吞吐量
4.7、 判断迭代终止条件是否满足， 如果满足， 则继续执行步 p ＝ p(n)， α ＝ α(n)，骤 4.8 ； 如果不满足， 则重复执行步骤 4.2。
4.8、 输出最终收敛后的值 ：按照以上步骤， 在此次随机试验中， 第一次迭代时， p(1) ＝ [0.1， 0.1， 0.1]T(W)，α(1) ＝ [0.0031， 0.0109， 0.0046]T， 迭代。
不满足迭代终止条件， 进行第二次第 二 次 迭 代 时， p(2) ＝ [0.1， 0.1， 0.1]T(W)， α(2) ＝ [0.2764， 0.1744，0.395]T，
不满足迭代终止条件， 进行第三次迭代。第 三 次 迭 代 时， p(3) ＝ [0.1， 0.1， 0.1]T(W)， α(3) ＝ [0.2531， 0.1732，0.4379]T，
不满足迭代终止条件， 进行第四次迭代第 四 次 迭 代 时， p(4) ＝ [0.1， 0.1， 0.1]T(W)， α(4) ＝ [0.2531， 0.1732，0.4379]T，满足迭代终止条件， 迭代过程终止， 输出最终结果为 ： w1 ＝[0.4768， -0.4224， 0.7709]T， w2 ＝ [0.4991， 0.2991， -0.8133]T， w3 ＝ [-0.6889， 0.5362， T T T 0.4878] p ＝ [0.1， 0.1， 0.1] (W)， α ＝ [0.2531， 0.1732， 0.4379] ， Rsum ＝ 15.5196bps/Hz。 在这种资源分配方式下， 认知网络为主用户提供的速率为 1bps/Hz， 刚好达到主用户的目标 传输速率。
图 2 和图 3 是本发明的仿真曲线， 仿真结果为 106 次独立实验的平均值。图 2 为主 用户的目标传输速率分别为 Rpk ＝ 1bps/Hz， Rpk ＝ 2bps/Hz 和 Rpk ＝ 3bps/Hz 时， 使用本发明 的资源分配方法， 认知用户可以为主用户提供的传输速率随认知用户峰值发射功率 pmax 的 变化曲线。图 2 说明， 不管主用户的目标传输速率 Rpk 取值如何， 本发明的资源分配方法都 可以使主用户的实际传输速率刚好达到其目标传输速率要求。
图 3 为本发明的资源分配方法所获得的认知 SIMO 网络吞吐量随认知用户峰值发 射功率 pmax 的变化曲线， 仿真中考虑了不同的主用户目标传输速率 Rpk 和不同的天线数目 M。 图 3 表明， 随着认知用户峰值发射功率的增加， 协同认知 SIMO 网络的吞吐量性能呈线性增 长趋势， 即认知用户的发射功率不受主用户网络的制约， 因此协同认知 SIMO 网络可以实现 大范围的网络覆盖。