数据通信课程设计

1、数据通信课程设计论文题目认知无线电中的功率和频谱联合分配算法 姓 名 学 号 学 院 专业班级 目 录1. 绪论32. 系统模型及假设42.1 认知无线电系统模型42.2 最优化问题43 认知用户的通信效用53. 1 效用函数53.2 注水线调整算法64频谱分配85仿真结果分析125.1 参数设置125.2性能分析126 结论16认知无线电中的功率和频谱联合分配算法专业：通信工程 姓名：钟佳盼摘 要: 在认知用户传输功率受限的情况下，分析了瑞利衰落模型下的认知用户效用及其优化过程，本文提出了基于注水线不断调整的认知用户功率分配及通信效用计算算法.将该算法应用到认知无线电频谱分配中，进而提出了一种基于信道二分法的认知无线电频谱分配机制，以此得到了不同优化模型下的用户效用.仿真表明，基于比例公平的优化模型在获得较高效用的同时具有较高的公平性.关键词:认知无线电，效用函数，注水线，分配模型，二分法ABSTRACTUnder the constraints of transmission power of the cognitive users, the optimization proces

2、s of cognitive users utility was analyzed with Rayleigh Fading model, and then an algorithm based on water-level continually adjustment was proposed to solve the problem of power allocation and communication utility computation. This algorithm was also applied to spectrum allocation, so that a cognitive radio spectrum allocation mechanism based on channel bisection was proposed too. From this, the users utility under different optimization models could be obtained .Simulation results show that t

3、he model based on proportional fairness not only provide fair spectrum allocation, but also has a higher total utilityKey word: Cognitive radio; Utility function; Water-level; Allocation model; Bisection method1. 绪论现有的频谱授权机制多采用固定的频谱分配，使得频谱利用率低下l。认知无线电具有在不影响其他授权用户的前提下智能地利用大量频谱空穴并且实现随时随地、高可靠性通信的潜能，因此被认为是解决无线频谱低利用率问题的最佳方案2-3.本文重点研究了基于注水线不断调整的认知用户功率分配及通信效用计算算法，详细地分析算法的有效性和以及信道分割点的存在性，依次解决了不同优化模型下认知用户的通信效用问题，然后对该算法结合理论和仿真图进行了性能分析。2. 系统模型及假设2.1 认知无线电系统模型考虑当1个认知用户和授权用户同时存在的无线通信网络的情况下，授权用户系统工作在较宽的频段上，其暂

4、时未使用的频谱组成1个频谱共享池3。假设共享池中的频谱总带宽为F，且可等分为N条相互正交的信道，授权用户将这些信道出让给认知用户并从中收取一定的价格。认知用户通过竞争/合作的方式，根据信道的相关参数( 带宽、信道增益等) 选取所需信道，最终获得一定的通信效。假设认知用户采用x-QAM 方式实现自适应调制，则其误码率要求可以认为是调制方式与山农容量之间的信噪比差异。本文中主要考虑瑞利衰落信道，其误码率可以表示为8其中 表示接收机信噪比; K 为所用调制方式的频带利用率，它是关于误码率门限值的函数2.2 最优化问题认知无线电中的频谱分配通常需要解决下述的最优化问题【7,9】。模型I 最大化用户总效用.其目的是使系统总效用最大化，而不考虑认知用户的个体效用，可以表示为 模型II 最大化瓶颈用户效用。其目的是使得认知用户网络中效用最小的用户的效用最大化，即不允许出现若干认知用户得不到频谱的极端情况出现，具体可以表示为：模型III 最大化比例公平.在保证认知用户之间公平性的同时，亦不会使系统的总效用降低太多，可以表示为：3 认知用户的通信效用3. 1 效用函数设wi,j表示第j 条信道是否被认知

5、用户i所占用，; 假设认知用户以排他的形式使用授权用户的信道，即，其中mn，且,M 为认知用户数。当信道j被。认知用户i使用时，其频谱效用可以表示为 (1)其中: 为认知用户i 在信道j上的信噪比，为用户i在信道j上的发射功率，为信道j对于用户i的信道增益,b为信道j的带宽且，为单位带宽上的噪声功率假设认知用户的信道增益可以表示为 其中: 为认知用户i对载波j的偏好参数，与载波的频率等有关; 为用户天线在d0处的自由空间增益,为载波波长，为天线远场的参考距离; 为认知用户收发机之间的距离,设相同; 为路径损耗参数由式(1)可得，用户i的效用为 (2)其中：Ri为用户i的传输速率，与效用Ui可替换；Pi为认知用户i的功率容限。3.2 注水线调整算法当所有的N条信道均分配给用户1使用时，需要找到1种合理的功率分配方案，使U1达到最优.这时，式(2)所示的效用函数可更新为 （3）其中：，P1为认知用户1的功率容限。由KKT条件可得拉格朗日方程为其中为拉格朗日因子。方程对求导后得 （4）其中为注水线。由式（3）和（4）可知，当信道增益、接收端误码率已知时，用户的效用函数仅取决于的大小。因此，在

6、满足功率限制条件的前提下，可通过动态的调整值，从而获得最优的认知用户效用.显然，在可能的情况下，越大，可以获得的认知用户效用会越大.在算法的每一阶段，注水线可以根据下式进行调整: （5）其中为注水线调整因子，越大收敛速度也越快.但当较大时，可能在调整过程中会导致，所以在运算开销允许的情况下应取较小的值; 表示该用户实际拟采用的信道数.当所有的信道均被占用时，由可得注水线的初始值为由此可得表1所示的最优效用算法。表1 基于注水线调整的认知用户效用计算算法步骤方法（1）输入（a）总功率Pi;(b)信道状态| Hi,j | 2；（c）频谱带宽F；（d）信道总数N.（2）初始化(a)当j=1,2，N时，分别计算该用户在每个信道上的发射功率pi,j以及相应的效用函数u，若pi,j0，则令num=num+1；（b）按照Non=num更新Non的值；（3）循环（a）如果满足，且时则停止循环，同时给相应的信道j分配传输功率pi,j，u即为该用户的最优效用；反之，则根据式（5）对注水线进行相应的调整，同时置num=0，然后返回步骤1；（4）输出（a）用户效用；（b）使用信道N_Used4频谱分配考虑M=

7、2，即只有2个认知用户时的情况.对于模型II，博弈的最终结果是两个认知用户获得相同的效用，即U1=U2.对于模型I和模型III ,通过认知用户之间的博弈，最终可得信道及其功率的分配情况，进而得到其各自的效用.博弈的困难在于如何将频谱共享池中的信道在认知用户1和2之间合理的分配以实现相应的目标.定义信道增益函数，使其满足其中i=1,2分别表示认知用户1和2。对于上述的博弈困难，提出了一种基于“二分法”的频谱分配算法，其基本原理为：根据信道增益函数，对全部N条信道按照的降序排列，其中和为模型III情况下的排序影响因子，根据其优化目标取: , 。这样一来，在排序后的信道上，对用户1而言，随信道序号(排序后)的增加其频谱效用逐渐降低;用户2则正好相反.因此，把前L条信道分配给用户1使用，后N一L条信道分配给用户2使用.采用逐一寻找的方法得到L的取值:分别计算L=1,2, ,N-1时的用户效用及模型效用，比较之后取模型效用最优时的L值.具体流程如图1.定理1 当认知用户1和2在频谱共享池中的所有信道上的信噪比时“基于信道二分法的频谱分配算法”对于模型I和模型III是接近最优的，而且必存在1个可行

8、的信道分配方案.证明 由前面的分析可知，在文献10中，作者证明了当时，最优子信道分划可以使传输速率最大化，其中和分别对应本文中的认知用户效用函数和，和分别表示与用户优先级有关的参数，对应到本文中有，因此模型I所述的的最优化问题成立.输入：（1）功率P1，P2（2）信道总数N;（3）信道带宽b;(4)信道状态| Hi,j | 2 初始化参数i：1=1=1将信道按照的降序排列，设前L条信道分配给用户1使用时，余下的分给用户2使用。当L=1,2，N-1时，根据表1所示算法分别求解U1和U2。对于模型I和模型III，分别选择合适的L，使之满足：|U|0时，信道分配给认知用户1；当G0时，信道分配给认知用户2；当G=0时，信道处于空闲状态，即并未分配给任何用户使用。当所有的信道按照的降序排列时，函数是j的单调函数，所以定理1成立。当认知用户的数目较多时，可以先把用户分成2部分，每一部分称为1个共谋圈，对于这2个共谋圈，可以按照“基于二分法的频谱分配算法”对其进行信道分配;然后对各个共谋圈内的用户再进行进一步的分组、分配，直至每个用户均分配到相应的信道为止.5仿真结果分析5.1 参数设置设F=2 MHz,N=100;当

《数据通信课程设计》由会员夏**分享，可在线阅读，更多相关《数据通信课程设计》请在金锄头文库上搜索。