论文部分内容阅读
随着现代无线通信技术的快速发展,人们对频谱的需求量迅速增加,频谱资源日趋紧张。与此同时,现在静态的频谱分配方式导致授权频段内存在大量可用空闲频谱,频谱资源严重浪费。认知无线电技术可以从空域、时域、频域等多维度感知和检测空闲频谱并加以利用,以提高频谱利用率。一般来讲,认知无线电技术能够利用只存在白噪声的白色频谱和部分存在低能量射频信号的灰色频谱,进而频谱共享模型可分为overlay模型、underlay模型和两种模式相结合的混合式频谱共享模型。功率控制是认知无线电中的一项关键技术,有效的功率控制可以在不对授权用户造成有害干扰的前提下,满足认知用户的服务质量需求,并降低认知用户之间的相互干扰,延长电池寿命。由于认知网络环境的不断变化,认知用户需不断调整发射功率以满足自身的信干比需求,应用于其中的功率控制算法应具有较快的收敛速度以适应外部环境变化。本文在overlay模型下,利用非合作博弈论,提出了一种功率控制改进算法,通过构造正切型代价函数以减少迭代次数,提高收敛速度。仿真结果表明,与其它几种算法相比,该算法在收敛速度上有了大幅度提升,能更好地满足系统实时性要求,并且在用户数较少时具有更高的信干比,通信质量也得到了一定提升。在underlay模型中,认知用户接入的是授权用户正在使用的频段,这要求认知用户应严格控制自身发射功率,对授权用户的干扰不超过其干扰温度上限。本文提出了一种基于对数型效用函数的功率控制改进算法,其中的代价项随授权用户所受干扰的增加而变大,并在接近干扰温度上限时急剧上升。实验仿真表明,与Foschini-Miljanic算法相比,本文算法可在授权用户所受干扰较小时,鼓励认知用户适当提高发射功率以获取更高的信干比,充分利用系统资源;而在用户数较多时,通过严格控制认知用户发射功率以减小对授权用户造成的干扰,同时算法还兼顾了公平性。