文摘
最优资源分配与机会合作认知无线电网络访问授权频谱进行了研究。资源分配是基于最小化符号错误率的接收器。例all-participate传递和选择性转发。推导出目标函数和约束条件的详细情况。然后证明了目标函数和约束非线性非凸感兴趣的参数的函数,也就是说,源和中继权力,象征时间和检测时间。因此,很难得到封闭解最优资源分配。使用数字技术优化问题就解决了。数值结果表明,该all-participate系统提供更好的性能比它的选择,代价更大的资源。
1。介绍
日益增长的无线通信网络已经把巨大压力有限的频谱。由于固定频谱分配策略,只有授权用户,或称为初级用户,能够访问授权频谱。此外,联邦通信委员会(FCC)工作小组在他们的报告中强调,在任何给定的时间只有2%的频谱使用(1]。因此,确保更好的频谱的使用是至关重要的。
认知无线电提出了解决这一问题(2]。在认知无线电中,未经授权的用户,或称为二级用户,第一感觉许可乐队的频谱孔(部分授权频谱不是受雇于初级用户在某个时间在特定的地理位置)(3]。然后,如果找到一个光谱洞,二级用户传输数据到目的地。然而,二级用户必须小心,以免造成干扰主用户。光谱传感和数据传输的两个阶段是相互关联的,并且必须优化共同为获得最佳性能。这是由于检测的概率,假警报的可能性,,频谱感知。如果二级用户的概率错过一个光谱洞,那么它将保持沉默而错过一个传播的机会,降低吞吐量。然而,如果错过了传输从主,与概率,那么二级用户传输和导致干扰主用户。此外,由于干扰,信号噪声比(信噪比)的二级用户也减少,降低吞吐量和符号错误率(SER)。资源配置优化这个sensing-throughput权衡一直在讨论(4]。其他最优资源分配算法讨论了认知无线电网络(5]。更具体地说,在5),作者认为是一种多波段系统和考虑的两种情况sensing-based频谱共享和机会频谱接入。然而,上述作品最大化吞吐量。
本文讨论了最优资源分配的SER降到最低。为了达到最低SER、合作引入系统,因为它降低了SER由于多样性6]。因此,传输二级用户现在遥感光谱洞后,传送到继电器以及目的地。功率分配relay-assisted认知无线电网络讨论(7- - - - - -15]。这些作品提出了认知策略以最大化吞吐量中继网络,允许共享频带与主用户。因此,他们没有考虑频谱感知机会访问。在这里,我们考虑一个机会系统amplify-and-forward (AF)继电器。假设完全信道状态信息在中央控制器执行资源配置。首先,一个all-participate(美联社)系统是讨论和研究表明,非凸优化问题,因此无法使用分析手段解决。然后指出,美联社系统由于系统资源是有限的二维分布。为了解决这个问题,提出了一种选择方案和最佳的资源配置,在这种情况下,进行了探讨。
剩下的纸是组织如下。部分2给出了系统模型。美联社系统被认为是部分3。部分4细节有选择性的转发。数值结果讨论了部分5。最后,部分6总结了纸。
2。系统模型
考虑一个认知无线电网络的二次利用继电器将数据发送到次要目标,如图1。二级网络只有机会访问授权频谱。因此,它需要执行频谱感知。源进行频谱感知然后发送信息到继电器和目的地如果找到一个“光谱洞”第一次槽。然后继电器放大后接收到的信号转发到目的地。摘要窄带信道。源和继电器可以使用频率正交通道,以避免造成干扰在宽带频道。为了便于分析,我们考虑一次正交通道。因此,总共使用时段。
2.1。接收信号模型
基于频谱感知结果,有两个可能的接收信号模型。
2.1.1。没有主用户的干扰
在这种情况下,概率,在那里正确的概率是假警报,源检测“光谱洞”的存在和传播。接收到的信号在目的地和继电器 在哪里是零均值和单位能量传播符号,是能量的来源,是源和目的地之间的信道响应,之间的通道响应吗th继电器和源和是复杂的高斯噪声样本。继电器,正常化和放大后,将接收到的信号转发到目的地。归一化后的信号
因此,接收信号的目的th继电器 在哪里是已知的信道响应和接收机之间的继电器,是th继电器的能源是一个复杂的高斯噪声。替换在(3)给 在哪里和
写接收信号矩阵形式, 在哪里 和是一个维向量的分量为零均值和单位方差复高斯随机变量。因此也是复杂的高斯平均向量的零和协方差矩阵是单位矩阵,,这是。
2.1.2。与主用户的干扰
在这种情况下,概率在哪里源的概率是检测,忽略了传播从主用户和传递,造成干扰。在目的地的信号从源和中继现在还包括一个干扰信号由于主用户活动 在哪里和是干扰信号。
考虑到这一事实的来源和继电器没有知识的干扰信号,采用相同的方法之前,你可以写 在哪里和
在一个矩阵形式 在哪里 和。
2.2。频谱感知
光谱传感执行,通过能量探测器,第一秒的总时间槽的持续时间秒只在源节点。剩下的用于传输,检测后“光谱洞”。检测概率和假警报,根据(16),是由 分别在哪里的阈值能量检测器,样品的数量,采样频率,=次在探测器的输出信噪比是高斯函数。
3所示。所有参与系统
在本节中,一个all-participate(美联社)系统进行了探讨。在这样一个系统中,所有的继电器信号转发到目的地。首先,制定优化问题。然后在目标函数的约束。SER的目的地 在哪里是结合后的信噪比,是signal-to-interference-plus-noise-ratio (SINR)结合后,是一个常数,取决于所使用的调制方案,的概率是没有主用户传输,的概率是一个主用户传输。的信噪比可以发现,假设最大比合并(MRC),是吗 在哪里 在源和取代了继电器的能量 在哪里和s是源和中继权力,分别是时间的符号。同样的,可以表示为 在哪里
现在我们形式不同的约束问题。首先,我们考虑个人权力约束源和中继和全球权力限制整个系统。因此,给出了约束 在哪里源是可用的,是可以在每个继电器,整个系统是可用的,指定限制假警报的概率。上的约束,,介绍了维护可接受的吞吐量。下一个全球权力约束两种情况只和个人权力约束。为全球权力约束的情况下,约束
在其他情况下,给出了约束
个人权力约束将限制所遭受的干扰主用户漏检的情况。由于没有个人权力约束,给用户造成的干扰只在全球权力约束情况下,主用户只是保护光谱传感、更大。
优化的问题(22),它是一个非线性和非凸函数由于高斯Q-function非线性,一般来说,凸。因此,拉格朗日乘数法(17)不能应用来获得最优资源分配的封闭形式表达。我们必须求助于数值技术来获得最优解。
重要性的一种特殊情况是缺乏源和目的地之间的直接联系,由于继电器承担更重要的角色的存在没有直接的联系。在这种情况下,爵士是可以通过设置在(22)。
4所示。有选择性的转发
all-participate的缺点(美联社)计划上一节所讨论的,为了避免造成干扰,源和中继传输正交通道。因此,消耗大量的资源。在我们的一次正交系统的讨论,时段是用于一个数据帧的传输。此外,因为没有感应继电器执行,主要可能成为活跃在任何一个时段,造成干扰。
为了克服这些问题,本节提出了一种选择方案中,只有一个继电器被选中参加转发信号从源。现在只有2个时段用于传输一帧的数据,从而减少的可能性主要在中继传输再度活跃起来。在选择情况下,爵士 在哪里,,对应于th继电器,被选中。SER的(26)首先优化了继电器,继电器使最低最优SER被选中。同样,所有三个案例中给出(23),(24)和(25)的全球及个人限制,全球惟一约束和个人约束只被认为是。最小化SER的选择标准增加了复杂性。然而,这样的一个标准提供的结果可以作为一个基准为最小化SER是最佳的选择标准。
它又明显,甚至在选择情况下,SER仍然是一个非线性、非凸函数。因此,必须求助于数值技术来找到最优的解决方案。又没有直接联系的特殊情况是特别感兴趣的,单独考虑。
5。数值结果
在本节中,数值结果提供的优化问题进行了讨论。首先,讨论了拟议的美联社系统最优资源分配和结果表明,拟议中的AP计划给更好的性能比统一的功率分配(UPA)计划。UPA,权力是均匀分布在源和继电器和感知时间和象征时间设置,这样的不平等是满意的。接下来讨论的选择方案,其性能与UPA与选择。为了方便读者的讨论,一个术语表包括在表中1。
一个内点算法被用来执行优化。MATLAB函数fmincon执行约束优化,用于运行内点算法。保证算法收敛到最优解,该算法运行大量的初始值。所有的差异都设置为相同的情况下,。的约束被设置在。总时间是100 ms。二进制相移键控(BPSK)调制方案。由于样本的数量和检测时间是线性相关的,结果绘制对样本的数量。
样品的数量之间的关系()和SER如图2。作为一个从图可以清楚地观察到2,有一个最优值的样本的数量,因此传感次SER最小化。这是由于符号之间的权衡,和感知时间,。增加感应时间意味着更高的检测概率导致较低的爵士。然而,增加感应时间付出的成本下降时间导致较低的象征和。因此,爵士也在不断增加。同样,减少感应时间意味着较低的检测概率,进而提高SER。然而,这也意味着高的值和由于象征时间增加,从而导致更低的爵士。因此,存在一个最佳值。这个最优值是影响的主要用户的信噪比。主要用户的信噪比越高,最优值越低的感应时间将需要短时间达到相同的值作为低信噪比需要的主要用户。
图3显示了符号时间之间的关系,和爵士。的关系遵循相反的模式感知时间。这是由于感知时间和象征时间有关的约束。因此,当感应时间的最优值很低,象征时间的最优值高。
图4显示的SER性能不同的美联社方案策划,在那里。正如预期的那样,对于有直接的联系,这三个最优资源分配(ORA)场景,全球只约束(GL),个人只约束(印第安纳州),和全球及个人约束,表现统一的功率分配(UPA)和直接联系的所有值和提高性能的差距变得更广泛。
在图4,如果没有直接联系(NDL)源和目的地之间的性能略有不同。在这种情况下,所有三个奥拉计划,AP-ORA-NDL, AP-ORA-GL-NDL, AP-ORA-Ind-NDL,比统一的功率分配方案(UPA-NDL)。然而,对于小于0分贝,直接联系只比三奥拉情况下提供更好的SER性能情况下没有直接的联系。三奥拉开始赶上计划没有直接联系的直接联系后才场景5 dB后0分贝和完全超越它。这种现象加上AP-ORA-NDL, AP-ORA-GL-NDL, AP-ORA-Ind-NDL,由AP-ORA表现,AP-ORA-GL, AP-ORA-Ind,分别展示的意义的存在源和目的地之间的联系。
比较不同的约束,AP-ORA给出了两种场景中表现最差的直接,没有直接的联系。这是由于这样的事实:AP-ORA限制全球和分别。因此,即使一个继电器有更多的有利条件,不能超过电源分配给它这在全球仅约束情况下并非如此。在全球约束只能分配给案件更多的权力源和中继更有利的条件。全球只约束之间的比较和个人约束只需要进一步细化。
首先,全球只约束和个人场景比较没有直接联系的情况。这里,AP-ORA-Ind-NDL提供低于AP-ORA-GL-Ind SER的所有值。AP-ORA-GL-NDL有更多权力分配继电器的优点更好的信道条件。然而,AP-ORA-Ind-NDL弥补这一优势,会有更多的总功率系统,因为它不是总功率受限的约束。
现在考虑直接联系的情况。在这里,AP-ORA-GL优于AP-ORA-Ind在低的值由于的存在直接的联系。正如之前所讨论的,直接的联系是很重要的,因此,作为AP-ORA-GL并不限于个人约束,更多的权力分配的直接联系。这不是AP-ORA-Ind。因此,SER AP-ORA-GL给低。然而,随着增加,噪音减少和更大的总功率的AP-ORA-Ind来得更起作用。因此,AP-ORA-Ind开始超越AP-ORA-GL值更高。然而,我们必须记住,只在全球权力约束情况下,主要的干扰是高于其他两种情况。因此,在低的优势性能付出更大的成本的主要干扰。
图5显示了美联社的SER性能系统作为继电器的数量的函数,。图类似的模式4是观察到的。奥拉方案优于UPA计划在这两种情况下的直接,没有直接的联系。在拟议的奥拉计划,SER AP-ORA-Ind-NDL提供低于AP-ORA-NDL和AP-ORA-GL-NDL场景在直接联系场景没有直接联系AP-ORA由AP-ORA-Ind和AP-ORA-GL表现。此外,AP-ORA-GL更好的性能比AP-ORA-Ind少量的继电器。然而,当继电器数量的增加AP-ORA-Ind超过AP-ORA-GL在性能方面由于更大的总功率。此外,AP-ORA-NDL AP-ORA-GL-NDL,甚至AP-ORA-Ind-NDL开始超越UPA为大量继电器显示性能提升的奥拉。
图6显示性能的各种选择方案的函数。性能比较遵循类似的模式在美联社情况提出选择奥拉方案优于UPA同行和直接联系的场景。然而,有一个主要区别。在存在直接联系,Sel-ORA-Ind给贫穷的性能比Sel-ORA-GL甚至高的值。只有在15分贝Sel-ORA-Ind开始赶上Sel-ORA-GL。这是由于这一事实,指出在美联社的系统中,在全球的情况下限制只能分配给更多的权力来源。但是,与美联社,在选取只有一个额外的继电器Sel-ORA-Ind这意味着更少的总功率,因此,需要一个高价值的总功率计算的差异。
SER性能选择性传递的函数继电器如图的数量7。再次从美联社案例的主要区别是,Sel-ORA-GL优于Sel-ORA-Ind甚至大量的继电器。这是由于这样的事实:尽管继电器数量的增加,Sel-ORA-Ind保持不变的总功率只有一个继电器除了源参与数据传输。这里要注意一个有趣的问题是,似乎有一种选择性的SER最低阈值系统。
数据8和9显示AP之间的性能比较和选取系统的函数和,分别。分别给出了比较清晰,好像是包含在前面的数字,他们会变得杂乱无章。从图8,一个人可以看到,美联社方案优于选择方案在所有情况下,然而,在性能上的差距不是太大。这是由于这样的事实,继电器的总数量是3。如果增加,性能差距也将增加。不过,人们必须记住相关的额外成本和光谱效率低下与美联社方案。这图时变得更加清晰9是检查。
可以看到,各自的AP计划之间的性能差异和选取方案增加而增加数量的继电器。正如前面所讨论的,选取方案看起来被最小阈值有界。因此,选取直接联系场景甚至低于美联社没有直接联系的场景为大量继电器。
6。结论
在这篇文章中,奥拉认知中继网络讨论。它已经表明AP系统,奥拉提高SER性能和方案优于UPA方案讨论。的重要性,源和目的地之间的直接联系也得到了证实。在不同系统上的约束,个人和全球约束约束给最糟糕的表现而只对低是最好的。但是,这需要更大的干扰主用户的成本。个人只约束情况下接管最好的方案增加。
当时指出,美联社计划消耗大量资源和光谱效率低下。因此,一个简单的中继选择方案已经提出。然后讨论最优资源分配的选择方案。美联社的性能比较和选取表明尽管美联社提供更好的SER性能,涉及的成本相当大的资源。
承认
这项工作得到了阿卜杜拉国王科技大学(KAUST)。