[发明专利]一种基于发射天线功率约束的认知系统功率分配方法

说明书

本发明公开了一种基于发射天线功率约束的认知系统功率分配方法。主要包括首先建立认知基站端功率分配优化问题，其次根据系统参数求解最优的波束成形向量，进而求出用户发射功率以及每根天线所分配的发射功率。具体为建立的优化问题以最小化系统总的发射功率为优化目标，约束条件为：对主用户的干扰约束、认知用户的信干噪比约束以及认知基站端每根发射天线发射功率约束。由于在实际通信过程中，认基站端每根天线的末端都会装有功率放大器，天线发射功率的能力是互不相同的，因此考虑每根天线功率约束与实际更加的相符合，具有一定的实用价值。

技术领域

本发明为一种基于发射天线功率约束的认知系统功率分配方法，属于认知无线电通信领域。

背景技术

美国联邦通信委员会(FCC)经过调查发现无线频谱资源并没有得到充分的利用，FCC于2003年底指出目前分配出的频段的利用率是从15％～85％不等，某些频带是超负荷使用的(如移动手机网络频段)，但是诸如业余无线电等相当多的频段并没有得到充分的使用。进入21世纪，无线通信技术高速发展，频谱资源的稀缺变得日益严峻。为了解决该问题，1999年J.Mitola博士在他的博士论文中提出认知无线电的概念。他描述了认知无线电怎样通过一种称做“无线电知识表达语言”的新语言来提高个人无线业务的灵活性。由于认知无线电系统中存在主用户和认知用户两种用户，因此认知无线电的提出可以有效的提高频段的使用率，如何有效的降低认知用户对主用户的干扰成为目前研究的重点。

从空间域的角度进行分析，由于主用户与认知用户空间位置的互异性，在认知基站端设立多根天线，通过在天线端设计相应的波束成形向量将认知基站的发射信号形成具有一定方向性的波束，进而降低对主用户的干扰，提高主用户与认知用户的共存性。目前国内在这方面的研究比较多，主要是根据不同的系统建立不同的优化问题，然后利用相应的方法进行求解。Yongwei Huang等研究部分信道已知的认知系统中，在同时满足认知用户服务质量受限以及对主用户干扰受限的前提下设计最优的下行波束成形向量，使得认知基站总的发射功率最小化，进而实现功率的分配。但是计算出的最优的波束成形向量并没有考虑每根天线的实际发射功率的能力，但是在某些情况下，为了使系统达到最优，某些天线所需承担的发射功率可能会超出发射天线自身的发射能力，因此需要进一步改进。

发明内容

技术方案：本发明采用的技术方案为一种应用于MIMO通信系统的基于发射天线功率约束的认知系统功率分配方法，旨在建立以抑制主用户干扰、保证认知用户端信干噪比以及满足认知基站端每根天线发射功率受限约束为条件，最小化认知基站端发射功率为目标的优化问题，通过求解下行波束成形向量来实现功率的分配。最终得到每根天线需要“承担”的发射功率，且该功率不会超过其发射功率的门限值。本发明采用的技术方案包括以下步骤：

步骤1：基于认知系统，建立最小化认知基站发射功率的最优化问题，与此同时需要考虑认知基站端每根天线的发射功率的门限值。

建立的优化问题以主用户干扰门限、认知用户信干噪比门限值以及认知基站端每根天线发射功率限制为约束条件，最小化认知基站的发射功率为优化目标函数。由于天线的发射功率能力各有不同，因此考虑每根天线的发射功率受限与实际通信更为接近，具有一定的实用价值。

考虑每根天线发射功率约束的原因是由于在实际多天线通信过程中，每根天线的末端均配置一个模拟功率放大器，因此不同天线的发射能力是各不相同的。在优化功率分配时，如果不考虑每根天线功率约束，通过优化问题求解出的某些天线需要承担的发射功率可能大于该天线的发射功率能力，造成功率分配失败，无法实现系统功率的最优分配。因此对每根天线发射功率约束进行考虑，符合实际通信的需求。

步骤2：将步骤1中得到的非凸优化问题转化为凸问题，再使用凸优化方法进行求解，最终得出最优的下行波束成形向量，实现功率分配。