[发明专利]CRN中的功率分配方法及其在智慧交通网络中的应用

权利要求书

1.一种CRN中的功率分配方法，其特征在于，包括有如下步骤：

S1、通过使用导频信号获得安全认知无线电网络中主要用户与次要用户之间的非理想信道状态信息，主要用户为该网络中频谱的授权用户；

S2、设定保障主要用户正常通信质量不受次要用户影响的干扰门限；

S3、以安全有效容量为目标函数，功率限制条件为约束条件，构造鲁棒性优化问题，求得鲁棒性功率值；

S4、系统中的次要用户按照最优的功率值进行数据传输；

S5、系统中主要用户和次要用户重新获取信道状态信息，如果信道状态信息发生改变，则按照S3重新计算次要用户的发射功率；否则按照原有的发射功率进行数据传输。

2.根据权利要求1所述认知无线电网络的功率分配方法，其特征在于：S3中，具体包括：

(3a) 规划鲁棒性优化问题：

设次要用户发射端与主要用户接收端之间的信道为主要信道，次要用户发射端与次要用户接收端之间的信道为次要信道，次要用户发射端与窃听端之间的信道为窃听信道，分别是主要信道、次要信道和窃听信道的瞬时信道功率增益，是次要用户发射端的瞬时发射功率，定义矢量；由于实际通信中，不可能准确获取从次要用户发送端到主要用户之间的信道参数，存在一定的信道估计误差，因此设定由估计值和误差值两组分组成：，其中为已知的信道估计值，为未知的信道误差值，表示信道增益的不确定集合；以安全有效容量为目标函数，功率限制条件为约束条件，构造如下鲁棒优化问题：

（1）；

其中表示次要用户的功率限制和主要用户的干扰门限；

(3b) 鲁棒性优化问题的范数表示：

式(1)中的鲁棒性优化问题的求解会受到不确定集的影响，在此将不确定集表示为D-范数的形式：

（2）；

其中表示权重，表示D-范数；基于此，式(1)中的最后二个公式限制条件可以表示为：

（3）；

定义，则不确定集，可推知

（4）；

其中表示对偶范数，鉴于为一标量，在(3)和(4)式的基础上，鲁棒性优化问题可用D-范数的形式表示为：

（5）；

(3c)求得鲁棒性功率值 ：

经验证，优化问题(5)为凸优化问题，存在唯一的最优解；对(5)建立其拉格朗日函数，并基于Karush-Kuhn-Tucker优化条件得到如下功率分配的等式：

（6）；

其中和为拉格朗日因子；考虑到优化问题的凸性，使用子梯度迭代法求解最优的出拉格朗日因子和，具体的求解过程如下：

a）设置初始迭代次数，拉格朗日因子和的初值为非负实数；

b）当迭代次数为t时，根据式(6)求解对应的发射功率：

（7）；

c）基于随机优化理论，采用如下各式更新拉格朗日因子：

（8）；

其中表示，和为拉格朗日因子和对应的迭代步长；

d）若和满足预定义的精度要求，则；否则令，跳转至步骤b)，继续迭代直到满足预定义的精度要求；

e）根据式(6)求解最优的发射功率：

（9）。

3.一种如权利要求1中所述CRN中的功率分配方法在基于认知无线电的智慧交通网络中的应用。