陳　鵬, 暢志賢, 陳思宏, 李藝霞

(1. 中國空間技術(shù)研究院西安分院, 陜西 西安 710100;2. 西安郵電大學(xué)通信與信息工程學(xué)院, 陜西 西安 710121)

?

下行衛(wèi)星認(rèn)知無線電門限與功率聯(lián)合優(yōu)化

陳鵬1, 暢志賢2, 陳思宏1, 李藝霞1

(1. 中國空間技術(shù)研究院西安分院, 陜西 西安 710100;2. 西安郵電大學(xué)通信與信息工程學(xué)院, 陜西 西安 710121)

用于衛(wèi)星通信的頻譜資源日益緊缺,但現(xiàn)存衛(wèi)星系統(tǒng)卻存在利用不足的問題。針對該問題,以最大化衛(wèi)星通信中下行帶內(nèi)數(shù)據(jù)傳輸量為目標(biāo),提出了基于Underlay認(rèn)知無線電的衛(wèi)星信道檢測門限與功率分配聯(lián)合優(yōu)化算法。首先分析了下行鏈路中信道融合檢測誤差、功率分配向量與數(shù)據(jù)傳輸量之間的數(shù)學(xué)關(guān)系,給出了信道數(shù)量及總功率均受限時信道與功率聯(lián)合分配的可行性條件。之后,進(jìn)行了目標(biāo)模型可行性論證及融合誤差分析,并將優(yōu)化目標(biāo)函數(shù)問題分解為檢測門限與功率分配兩個子優(yōu)化問題。針對兩個子問題,文中分別證明了加窗粒子群優(yōu)化算法適用于數(shù)據(jù)融合后的門限優(yōu)化,論證了信道與功率聯(lián)合分配的可行性,在此基礎(chǔ)上給出了信道與功率聯(lián)合分配的最優(yōu)解。引入中間量在兩個子優(yōu)化算法之間反復(fù)迭代,得到了本文目標(biāo)函數(shù)的聯(lián)合最優(yōu)解。最后,仿真給出了檢測門限優(yōu)化性能,結(jié)果表明,改進(jìn)型算法在準(zhǔn)確度和迭代次數(shù)上均優(yōu)于傳統(tǒng)粒子群算法;比較了該聯(lián)合優(yōu)化算法與傳統(tǒng)衛(wèi)星通信方式及普通Underlay認(rèn)知無線電用于衛(wèi)星通信時的性能差異,結(jié)果表明,該聯(lián)合算法能夠有效提高頻譜利用率;給出了算法復(fù)雜度。

衛(wèi)星通信; 認(rèn)知無線電;下行鏈路;檢測門限; 功率分配; 聯(lián)合優(yōu)化

0　引　言

地面無線網(wǎng)絡(luò)中經(jīng)常存在頻率利用不充分的情況[1]。不同于地面通信,大氣層衰減效應(yīng)使得衛(wèi)星通信可用頻率更少,資源更顯珍貴。即便如此,衛(wèi)星通信仍未免俗,同樣存在頻率利用效率低下的問題[2-4],提高頻譜利用率顯得尤為迫切[5]。

一種有效的解決手段是將認(rèn)知無線電[6-7]引入衛(wèi)星通信[8-9],在有限的頻譜范圍內(nèi)獲取更多的系統(tǒng)數(shù)據(jù)傳輸量[10-11]。作者前期工作[12]中,針對衛(wèi)星通信的上行鏈路,以最大化頻帶內(nèi)的統(tǒng)計數(shù)據(jù)傳輸量為目的,提出了一種基于Underlay認(rèn)知無線電[13]的優(yōu)化算法,仿真結(jié)果表明，該算法可以更為有效地利用衛(wèi)星上行鏈路頻率資源。然而,衛(wèi)星通信為雙向?qū)Φ韧ㄐ?下行鏈路與上行鏈路同樣重要,缺一不可。本文以最大化下行鏈路頻譜利用率為目標(biāo),結(jié)合文獻(xiàn)[12]中算法使整個衛(wèi)星通信系統(tǒng)的頻譜利用率得到改善。

上、下行鏈路模型相似之處在于實(shí)現(xiàn)Underlay認(rèn)知無線電的前提條件,即:認(rèn)知系統(tǒng)(secondarysystem,SSY)發(fā)射機(jī)對原有系統(tǒng)(primarysystem,PSY)接收機(jī)所產(chǎn)生的干擾低于PSY接收機(jī)的干擾容限[14]。原有系統(tǒng)中的衛(wèi)星稱為原有衛(wèi)星(primarysatellite,PS)。

上、下行鏈路模型不同之處在于信道檢測方式和功率約束條件不盡相同:①認(rèn)知用戶(secondaryuser,SU)對PSY下行信道進(jìn)行探測[15],并通過上行鏈路反饋給認(rèn)知衛(wèi)星(secondarysatellite,SS),由SS進(jìn)行所有信道信息數(shù)據(jù)融合,并由SS對PSY信道進(jìn)行判斷,因此判斷門限與誤檢概率之間的關(guān)系與上行鏈路不同;②SS作為發(fā)射機(jī)向所有SU傳送數(shù)據(jù),傳輸功率總和受到星載功率放大器額定功率的限制,而功率受限會造成下行信道數(shù)量受限,此時必須考慮對每個用戶的信道分配和對每條信道上的功率分配。

本文針對這兩個不同之處分別進(jìn)行建模與分析。對于信道狀態(tài)判斷方法的不同,本文首先對下行鏈路中判斷門限與誤檢概率之間的關(guān)系進(jìn)行了分析,給出了SU檢測端的判斷門限與SS數(shù)據(jù)融合結(jié)果之間的關(guān)系;之后通過理論證明論證了加窗粒子群算法(windowedparticalswarmoptimization,WPSO)[12]同樣適用于下行鏈路中最優(yōu)門限的逼近。對于功率限制條件的不同,本文將信道分配與功率分配這兩個問題視為一個聯(lián)合分配問題,首先給出了信道與功率聯(lián)合分配的可行性條件,通過等價條件的證明,將可行性條件轉(zhuǎn)化為帶有約束條件的最優(yōu)化分配問題,最后根據(jù)庫恩-塔克條件求出了下行鏈路中信道與功率聯(lián)合分配的最優(yōu)可行解。本文以最大化下行鏈路頻帶內(nèi)統(tǒng)計數(shù)據(jù)傳輸量為目的,給出了一種檢測門限與功率分配聯(lián)合優(yōu)化算法。仿真結(jié)果表明,相比于傳統(tǒng)方式及一些典型應(yīng)用方式,本文算法可以更為有效地利用衛(wèi)星下行鏈路頻率資源。

1　系統(tǒng)建模與目標(biāo)建立

本文沿用文獻(xiàn)[12]中假設(shè)條件與參數(shù)符號,符號均表示下行鏈路參數(shù)。在模型分析與論證時主要針對上、下行不同之處。

1.1信道分配模型

下行鏈路信道數(shù)量有限,假定在某一時間段內(nèi)的可用擴(kuò)頻碼為C個,即可看作此時SSY下行鏈路具有C條信道。假定下行信道數(shù)為C,SU數(shù)量為K,每個SU至多只能分配到1個信道,則當(dāng)C≥K時所有SU均可以分配到信道,當(dāng)C

于是,可以將下行鏈路分配問題分解為兩個子問題,即C條信道如何分配給K個SU問題和C條信道上的傳輸功率分配問題。前者用信道分配矩陣X來描述,后者則通過功率控制向量p來說明。其中,X表示用戶的信道分配情況,為一個K×C矩陣,若第k個用戶被分配到了信道c則X(k,c)=1,否則X(k,c)=0。p為C元素向量,每一個元素pc代表了對應(yīng)信道上分配的功率。

1.2信道分配的可行性條件

由于發(fā)送功率有限,同時須滿足PSY與SSY的通信需求,可行性判斷必不可少。

C1?k∈(1,K),c∈(1,C),不存在c1≠c2使得X(k,c1)=X(k,c2),即每個SU至多分配一條信道;且不存在k1≠k2使得X(k1,c)=X(k2,c),即每個信道至多分配給一個SU;

1.3功率限制建模

根據(jù)信號功率、干擾功率和噪聲功率之間的關(guān)系,每條PU下行鏈路上的SINR可描述為

(1)

(2)

(3)

s.t.

(4)

(5)

當(dāng)?shù)趉個SU被分配到第c條信道上時,即X(k,c)=1,則必須滿足式(4);當(dāng)?shù)趉個SU沒有分配到信道時,rk=0。

(6)

s.t.

(7)

(8)

(9)

為計算簡便,同樣取文獻(xiàn)[4]中數(shù)據(jù)傳輸量的定義式Tk=ln(1+rk),則下行鏈路最大化目標(biāo)函數(shù)為

(10)

1.4檢測誤差建模

(11)

假定SUk對第n條信道漏檢概率為Q(0|1),虛警概率為Q(1|0),k∈[1,K],n∈[1,N]。各SU的檢測門限均為Hth,則

(12)

星載處理器融合所有SU提交的信息后對整個頻段上信道占用狀況進(jìn)行判斷,得到對信道n的檢測概率為

(13)

漏檢概率為

(14)

虛警概率為

(15)

在僅存在漏檢時,Γ是根據(jù)a1條檢測信道計算得出,即取a1條檢測信道中干擾上限最小者作為Γ,其中a1∈{0,1,…,m-1}。假定漏檢信道中干擾上限與檢測信道中干擾上限獨(dú)立同分布,此時m-a1條漏檢信道中干擾上限是所有PU信道中干擾上限最小者的概率為

(16)

則由漏檢引起干擾上限發(fā)生錯誤的概率為

(17)

在僅存在虛警時Γ是根據(jù)a2條檢測信道計算得出,對虛警的a2-m條信道中干擾上限是所有PU信道中干擾上限最小者的概率為

(18)

則由虛警引起干擾上限發(fā)生錯誤的概率為

(19)

根據(jù)上述內(nèi)容,定義各類事件及其發(fā)生概率。

準(zhǔn)確感知事件:SSY對檢測準(zhǔn)確,此時可以最大化SSY吞吐量,該事件發(fā)生概率為

(20)

虛警感知事件:Γ的取值小于PSY實(shí)際干擾上限,以η∈(0,1)表示Γ與實(shí)際PSY干擾上限之間的比例系數(shù)。假設(shè)η服從[0,1]區(qū)間上的均勻分布,則該事件發(fā)生時,數(shù)據(jù)量與事件發(fā)生概率分別為

(21)

(22)

漏檢感知事件:SSY估計出的Γ大于PSY干擾上限而使PSY無法正常通信,PSY與SSY的數(shù)據(jù)傳輸量均為0,發(fā)生概率為

(23)

1.5目標(biāo)描述

根據(jù)數(shù)學(xué)期望的定義、信道分配可行性定義和概率事件分析結(jié)果,SU的功率控制問題便轉(zhuǎn)化為在式(25)～式(29)約束下求解式(24)的最優(yōu)化問題。

(24)

s.t.

(25)

(26)

(27)

(28)

(29)

式中

(30)

2　信道檢測與分配聯(lián)合優(yōu)化

建立式(24)～式(30)所述模型后,為獲得可行的聯(lián)合最優(yōu)解,首先應(yīng)該論證符合模型中限制條件的解是可行的,之后才可在限制條件的約束下求解該模型的最優(yōu)解。

2.1可行性論證

通過下面兩個命題的證明,不難看出策略可行性與限制條件之間的充要關(guān)系。

證明由可行性條件C1可知式(25)、式(26)成立;由可行性條件C3可知,式(27)成立;由可行性條件C4可知,式(28)成立;將式(2)代入式(30),再由條件C4可知,式(29)成立。

證畢

再將式(26)代入式(28)可得

因此條件C4成立。

證畢

可以看出,在式(25)～式(29)的限制下求解式(24)所得的信道功率聯(lián)合分配策略是最大化SSY吞吐量的可行策略。

2.2D-JDPO策略

求解帶有限制條件的式(24)是多變量并行最優(yōu)化問題,過程復(fù)雜,不利于衛(wèi)星實(shí)現(xiàn),且任意參數(shù)改變導(dǎo)致算法重新運(yùn)行。

本文算法，即下行檢測門限與功率聯(lián)合最優(yōu)算法(downlink joint detection & power optimization, D-JDPO)以模型中概率參數(shù)為切入點(diǎn),對其初步優(yōu)化后,結(jié)合各參數(shù)間的關(guān)系以及限制條件對信道分配參數(shù)優(yōu)化,更新中間變量并再次優(yōu)化概率參數(shù),經(jīng)過反復(fù)迭代最終實(shí)現(xiàn)系統(tǒng)參數(shù)最優(yōu)化。此做法的好處在于將龐大的并行計算轉(zhuǎn)換為串并結(jié)合的迭代計算,且任意參數(shù)改變只需更新中間變量。

2.2.1信道分配

對星載處理器而言,當(dāng)前對下行信道的分配狀態(tài)可以用C維向量φ表征,φ中元素φc表示為

(31)

式中，φc表示第c條信道是否被分配到某個SU；1表示已分配；0表示未分配。假設(shè)SS能夠獲得各個SU反饋的信道信息,且衛(wèi)星依照先申請先分配的原則向SU提供下行鏈路。定義Z=min(C,K),則在當(dāng)前時刻前Z條信道已被分配,具體表示為

(32)

結(jié)合第1.1節(jié)內(nèi)容,無論C與K的關(guān)系如何,前Z條信道狀態(tài)均為已分配,具體表示為

(33)

此時,根據(jù)數(shù)學(xué)期望的定義式,式(24)中最大化目標(biāo)函數(shù)可描述為

(34)

可將式(34)寫為

(35)

(36)

(37)

為使式(34)最大化,需要考慮兩個方面:其一為通過最大化E(T)對檢測門限做出最優(yōu)選擇,其二為尋找使E(T)最大化的功率分配向量。

2.2.2下行鏈路中的WPSO論證

采用與文獻(xiàn)[4]相同的思路,給出下行鏈路中門限優(yōu)化目標(biāo)函數(shù)為

max[f(H)]=

(38)

下行鏈路中WPSO算法論證如下。

命題 3在本文場景中,以若干固定點(diǎn)均勻地將門限取值區(qū)間平分為數(shù)個子區(qū)間,在所有固定點(diǎn)中能使f(H)取值最大的點(diǎn)記為s,則f(H)全局最大值必取自于s相鄰的兩個子區(qū)間內(nèi)。

證明假定與s相鄰的兩個固定點(diǎn)分別為s1、s2,且s1s時,必有s*≤s2。綜上可得s*∈[s1,s2]成立,命題成立。

證畢

通過命題3的證明可以看出,WPSO同樣適用于下行鏈路,其具體步驟如下:

步驟 1將βz賦初值并帶入目標(biāo)函數(shù)式(38),其后每次迭代后根據(jù)功率子算法實(shí)時更新βz;

步驟 2本文利用9個固定點(diǎn)將門限取值區(qū)間平均分為10個子區(qū)間,并取窗寬為0.2;

步驟 3求出9個散落點(diǎn)的目標(biāo)函數(shù),找出其中最大值,將最大值對應(yīng)的固定點(diǎn)作為窗的中心,以步驟2中窗寬加窗;

步驟 4在窗內(nèi)進(jìn)行PSO搜索,尋找使f(H)最大的點(diǎn)Hopt,直至滿足優(yōu)化精細(xì)度的要求,分別計算qd,ql,qo。

2.2.3功率分配優(yōu)化

根據(jù)前述限制條件,式(24)中的功率分配問題可以細(xì)化為

(39)

(40)

s.t.

(41)

(42)

(43)

(44)

可以看出目標(biāo)函數(shù)為凸函數(shù),而其約束條件式(41)～式(44)均為線性函數(shù),滿足凸函數(shù)定義,因此滿足Kuhn-Tucker條件的功率分配向量p是式(39)取最大值的充要條件。對于滿足Kuhn-Tucker條件的最優(yōu)功率分配向量p通常以構(gòu)造拉格朗日函數(shù)對其求解。由于求解過程與U-JDPO算法類似,因此此處僅給出如式(45)所示的拉格朗日函數(shù),求解出的最優(yōu)功率向量p如式(46)所示。

(45)

(46)

(47)

(48)

(49)

綜合門限優(yōu)化與功率分配優(yōu)化,給出下行最優(yōu)聯(lián)合(D-JDPO)算法的實(shí)現(xiàn)具體步驟,如下:

步驟 1初始化βz;

步驟 2將βz代入并以改進(jìn)型粒子群算法逼近式(38),得出qd、ql;

3　性能分析

假設(shè)PS通信參數(shù)分別為:路徑損耗-210 dB,額定發(fā)送功率100 W,發(fā)送天線增益Gt=30 dB,接收天線增益Gr=40 dB,接收機(jī)噪聲溫度為24.3 dBK, PU之間ρ=0。假設(shè)每個用戶在注冊頻率內(nèi)分配帶寬b=100 kHz,注冊帶寬B為100 MHz,假定PU的SINR最小取14 dB才能滿足QoS要求。

3.1不同算法數(shù)據(jù)傳輸量比較

作為比較，本次仿真給出不帶門限檢測的普通Underlay認(rèn)知無線電用于衛(wèi)星信道與傳統(tǒng)衛(wèi)星通信方式兩種情況的數(shù)據(jù)傳輸量。其中傳統(tǒng)衛(wèi)星通信采用固定的信道、功率分配模式;不帶門限檢測的Underlay認(rèn)知無線電分兩種方式:SSY依據(jù)全部PSY信道計算，SSY依據(jù)PSY中具有大信號的信道計算。以SU數(shù)量為自變量,數(shù)據(jù)傳輸量的數(shù)學(xué)期望為因變量,考察5種方法的頻譜使用效率,如圖1所示。

圖1　不同下行通信方式的數(shù)據(jù)傳輸量比較Fig.1　Comparison of throughput among different downlink communication methods

與上行鏈路不同,在下行鏈路中,將Underlay認(rèn)知無線電引入PSY能夠直接提升系統(tǒng)數(shù)據(jù)傳輸量性能。以全信道計算Γ時,不存在漏檢現(xiàn)象,Γ取全部信道中的最小值,此時SSY對PSY的干擾最低,同時具有最高的可靠性和最低的有效性;以大信號信道計算Γ時,能夠獲得最大的SSY傳輸功率,然而由漏檢引起的雙方系統(tǒng)中斷概率亦為最大,同時具有最高的有效性和最低的可靠性;統(tǒng)計而言,全信道計算Γ情況的數(shù)據(jù)傳輸量多于大信號信道情況。D-JDPO以提高帶內(nèi)總數(shù)據(jù)傳輸量的期望為目的,對可靠性與有效性兩方面聯(lián)合優(yōu)化,在統(tǒng)計上具有最多的數(shù)據(jù)傳輸量。

圖1中在SU個數(shù)超過830后,SSY的數(shù)據(jù)傳輸量歸于0。下行鏈路中衛(wèi)星發(fā)送總功率不變,SU越多則每個用戶分配的功率越小。當(dāng)SU數(shù)量過多時,每個用戶分配的功率過小,不足以滿足其QoS所需的最小SINR要求,此時所有SU無法通信而造成了傳輸功率為0。

注意到本例中,K的最大取值為830,即SU數(shù)量最多不能超過830個,小于擴(kuò)頻信道數(shù)量,滿足K

3.2最佳門限逼近性能

本次仿真通過50次蒙特卡羅試驗(yàn),分別用傳統(tǒng)PSO算法和WPSO算法對目標(biāo)函數(shù)在不同情況下的實(shí)際曲線進(jìn)行逼近,目標(biāo)函數(shù)曲線如圖2所示。在50次仿真結(jié)果中,將均值、方差和檢測次數(shù)作為指標(biāo),所獲最優(yōu)門限與對應(yīng)f(H)

最優(yōu)逼近的指標(biāo)性能如表1與表2所示。不難看出兩種方法對目標(biāo)函數(shù)最大值逼近均可滿足誤差要求。但就兩者比較而言,以方差作為參數(shù)衡量兩種算法檢測誤差時,WPSO算法在整體效果上好于傳統(tǒng)PSO方法;在完成檢測所需的迭代次數(shù)上,WPSO算法明顯優(yōu)于傳統(tǒng)PSO算法。關(guān)于計算復(fù)雜度進(jìn)一步討論見第3.4節(jié)。

圖2　目標(biāo)函數(shù)的實(shí)際曲線Fig.2　Practice curve of interested function

表1　傳統(tǒng)PSO算法所獲性能

表2　WPSO算法性能

3.3功率分配性能

3.3.1數(shù)據(jù)傳輸量細(xì)節(jié)分析

選取PU數(shù)量為100,對SU及PSY進(jìn)行仿真分析,所得到的結(jié)果比較如下。

圖3　SU數(shù)量與數(shù)據(jù)傳輸量的關(guān)系Fig.3　Relationship between number of SU and throughput

圖4　D-JDPO在SU不同擴(kuò)頻增益下的性能比較Fig.4　Comparison of performances of D-JDPO under deferent spreading gains of SU

3.3.2用戶數(shù)量及分配功率分析

(50)

圖5　D-JDPO中SU數(shù)量與單個SU分配功率的關(guān)系Fig.5　Analysis of D-JDPO on relationship between SU number and power allocation on per SU

在PU與SU最小SINR分別為14dB和10dB時,兩者實(shí)際得到的SINR如圖6所示。與上行信道不同,SU的接收SINR下降趨勢明顯,而PU的SINR下降不明顯,甚至維持不變。這是由于在下行信道中,衛(wèi)星發(fā)射機(jī)最大發(fā)送功率保持不變,當(dāng)SU數(shù)量增長至一定程度后,每個SU因?yàn)榈貌坏揭蟮腟INR而使SSY無法正常工作,即便SSY衛(wèi)星以全功率進(jìn)行數(shù)據(jù)發(fā)送時,SU也不能獲得相應(yīng)的SINR。而PU受到的干擾來自SS的發(fā)送功率,可以維持SINR不變。

圖6　各個用戶SINR分析圖Fig.6　Analysis of SINR of each SU

3.4復(fù)雜度分析

算法計算量關(guān)系著實(shí)現(xiàn)復(fù)雜度,通過文中聯(lián)合優(yōu)化算法的完成步驟不難了解完成該算法所需的計算量。在優(yōu)化檢測門限的單次迭代中,傳統(tǒng)PSO與WPSO通過式(38)對目標(biāo)函數(shù)完成一次運(yùn)算均需要ο[m2+(N-m)2]次乘法,ο(N)次加法運(yùn)算,單次WPSO迭代較傳統(tǒng)PSO多進(jìn)行一次粒子比較,此過程需要的加法、乘法和比較運(yùn)算次數(shù)均為ο(M)。本文中取M=9,結(jié)合第3.2節(jié)中表1、表2不難看出,WPSO較之傳統(tǒng)PSO算法,以少量的附加計算大幅降低了迭代次數(shù),將迭代次數(shù)從7～9次降至3次。WPSO所需要總的計算量為ο(N+M)次加法、ο[m2+(N-m)2+M]次乘法和ο(M)次比較運(yùn)算。

在優(yōu)化功率分配的單次迭代中,式(49)中Y可通過一次比較運(yùn)算完成,之后按照式(40)與式(49)進(jìn)行迭代計算,pz單次迭代中所需加法與乘法運(yùn)算均為Z+2次,az所需的乘法和加法運(yùn)算均為Z次。仿真結(jié)果表明，在迭代次數(shù)不超過10次時即可達(dá)到要求,因此算法實(shí)際完成單個SU功率分配所需計算量為ο[20(Z+1)]次加法運(yùn)算、ο[20(Z+1)]次乘法運(yùn)算和一次比較運(yùn)算,完成Z個SU功率分配所需計算量為ο[20Z(Z+1)]次加法運(yùn)算、ο[20Z(Z+1)]次乘法運(yùn)算和Z次比較運(yùn)算。更新βz則需要Z(4Z+5)次乘法運(yùn)算、Z(4Z+2)次加法運(yùn)算及2Z次對數(shù)運(yùn)算。

綜上,通過文中算法完成單次檢測門限與功率分配的聯(lián)合優(yōu)化迭代所需計算量為ο{3(m2+(N-m)2+M)+20Z(Z+1)}次乘法運(yùn)算、ο[3(N+M)+20Z(Z+1)]次加法運(yùn)算、ο(3M+Z)次比較運(yùn)算和2Z次對數(shù)運(yùn)算。當(dāng)SU數(shù)量增加時,計算量隨之增長,但是若所有SU所需的SINR和最大發(fā)送功率相同時,只需對單個SU進(jìn)行計算則可以完成對所有SU的功率分配。

4　結(jié)　論

本文對下行鏈路中注冊頻段內(nèi)數(shù)據(jù)傳輸量的最大化展開了研究,通過比較給出了下行鏈路與上行鏈路不同之處。之后針對上、下行鏈路的不同之處對下行鏈路進(jìn)行了建模。與上行鏈路模型不同的是,除了功率分配與檢測門限之外,在下行鏈路模型中,由于信道數(shù)量的限制,還需要強(qiáng)調(diào)模型與策略的可行性。為此證明了可行性條件與本文模型之間的等價關(guān)系。

針對本文模型中的多參數(shù)聯(lián)合優(yōu)化,通過對信道分配與功率分配的聯(lián)合優(yōu)化和下行鏈路WPSO論證給出了下行鏈路的最優(yōu)聯(lián)合迭代算法。最后仿真并比較了本文算法與目前主要方法的性能差異,分析了門限逼近算法性能,討論了系統(tǒng)對SU的容納能力,給出了SU數(shù)量對PU及雙方系統(tǒng)的影響。仿真結(jié)果表明，WPSO在下行鏈路中同樣優(yōu)于傳統(tǒng)PSO算法;相比于其他方法,本文聯(lián)合算法能夠獲得最多的帶內(nèi)數(shù)據(jù)傳輸量,換言之,能夠有效提高頻譜使用率。

[1]FederalCommunicationCommission,SpectrumPolicyTaskForce.Reportofthespectrumefficiencyworkinggroup,FCC02-155[R].US:FederalCommunicationCommission, 2002.

[2]ShreeKS,SymeonC,BjornO.Cognitiveradiotechniquesforsatellitecommunicationsystems[J].IEEE Trans.on Communication, 2013, 21(6):781-790.

[3]ShreeKS,SymeonC,BjornO.Satellitecognitivecommunications:interferencemodelingandtechniquesSelection[C]∥Proc.of the 6th Advanced Satellite Multimedia Systems Conference and 12th Signal Processing for Space Communications Workshop,2012:111-118.

[4]MarkoH,JukkaK,AriH,etal.Applicationofcognitiveradiotechniquestosatellitecommunication[C]∥Proc.of the IEEE International Symposium on Dynamic Spectrum Access Networks, 2012:540-544.

[5]BiglieriE.Anoverviewofcognitiveradioforsatellitecommunications[C]∥Proc.of the IEEE First AESS European Conference on Satellite Telecommunications, 2012:1-3.

[6]MitolaJIII,MaguireGQ.Cognitiveradio:makingsoftwareradiosmorepersonal[J].IEEE Personal Communications, 1999, 6(4):13-18.

[7]HaykinS.Cognitiveradio:brain-empoweredwirelesscommunication[J].IEEE Journal on Selected Areas in Communication, 2005, 23(2):201-220.

[8]VassakiS,PoulakisMI,PanagopoulosAD,etal.PowerallocationincognitivesatelliteterrestrialnetworkswithQoSconstraints[J].IEEE Communication Letters, 2013, 17(7): 1344-1346.

[9]MaL,ChenXT,LiuHJ,etal.TheapplicationanalysisofcognitiveradiotechnologyinLEOsatellitesystems[J].Telecommunication Technology, 2010(4): 49-51.(馬陸,陳曉挺,劉會杰,等. 認(rèn)知無線電技術(shù)在低軌通信衛(wèi)星系統(tǒng)中的應(yīng)用分析[J].電信技術(shù),2010 (4):49-51.)

[10]XuD,FengZY,ZhangP.Effectivecapacityofdelayquality-of-serviceconstrainedspectrumsharingcognitiveradiowithoutdatedchannelfeedback[J].Science China (Information Science), 2013, 56(6):1-9.

[11]MusavianL,AissaS.Effectivecapacityofdelay-constrainedcognitiveradioinNakagamifadingchannels[J].IEEE Trans.on Wireless Communication, 2010, 9(3): 1054-1063.

[12]ChenP,QiuLD,WangY.Jointoptimizationalgorithmofdetectionthresholdandpowerallocationforsatelliteunderlaycognitiveradio[J].Journal of Xi’an Jiaotong University, 2013,47(6):31-36.(陳鵬,邱樂德,王宇.衛(wèi)星認(rèn)知無線電檢測門限與功率分配聯(lián)合優(yōu)化算法[J].西安交通大學(xué)學(xué)報,2013,47(6):31-36.)

[13]GoldsmithA,JafarSA,MaricI,etal.Breakingspectrumgridlockwithcognitiveradios:aninformationtheoreticperspective[J].Proceedings of the IEEE, 2009, 97(5): 894-914.

[14]TadrousJ,SultanA,NafieM.Admissionandpowercontrolforspectrumsharingcognitiveradionetworks[J].IEEE Trans.on Wireless Communications, 2011, 10(6): 1945-1955.

[15]XuD,FengZY,LiuY,etal.Outageprobabilityminimizingjointchannelandpowerallocationforcognitiveradionetworks[J].IEEE Electronics Letters, 2011,417(25):1402-1404.

[16]YucekT,ArslanH.Asurveyofspectrumsensingalgorithmsforcognitiveradioapplications[J].IEEE Communications Surveys and Tutorials, 2009, 11(1):116-130.

Downlinkjointoptimizationofdetectionthresholdandpowerallocationforsatellitecognitiveradio

CHENPeng1,CHANGZhi-xian2,CHENSi-hong1,LIYi-xia1

(1. China Academy of Space Technology(Xi’an), Xi’an 710100, China; 2. School of Telecommunication and Information Engineering, Xi’an University of Posts and Telecommunication, Xi’an 710121, China)

Thefrequencyresuorceforsatellitecommunicationbecomesrarewhilespectrumutilizationisinefficient.Toraisesuchaspectrumutilizationefficiency,ajointoptimizationofdetectionthresholdandpowerallocationbasedonUnderlaycognitiveradioisproposed.Firstly,themathematicalrelationshipamongdetectionfusionerrors,powerallocationvectorsanddatathroughputisanalyzed.Correspondingly,feasibilityconditionsforjointallocationofchannelandpowerareshownwiththelimitedofchannelnumberandtransmissionpower.Afterfeasibilityargumentationandfusionerroranalysis,thejointoptimizationisdividedintodetectionthre-sholdoptimizationandoptimalpowerallocation.Thesuitabilityofwindowedparticleswarmoptimizationforthedownlinkdetectionthresholdisproved.Theoptimalsolutionofjointallocationofchannelandpowerisfoundtheoreticallybasedonthefeasibilitydiscussionresult.Togetthejointoptimizationofdetectionthresholdandpowerallocation,anintermediatevariableisintroducedwhichperformsiterationbetweentwosub-arithmeticrepeatedly.Simulationresultsshowthesuperiorityoftheproposedwindowedparticleswarmoptimizationovertraditionalmethodsintemsofaccuracyanditerationtimes.Comparingtheperformanceamongthecommonsatellitecommunication,Underlycognitiveradioandthejointoptimization,thecomparisonresultsdemonstratethethroughputimprovementofthejointoptimization.Thecomputationcomplexityisalsopresented.

satellitecommunication;cognitiveradio;downlink;detectionthreshold;powerallocation;jointoptimization

2015-05-11；

2015-12-20；網(wǎng)絡(luò)優(yōu)先出版日期：2016-07-03。

國家自然科學(xué)基金(61471294)；國家預(yù)研基金(9140A21040114H705336)；陜西省自然科學(xué)基金(2014JM8320)；陜西省科技廳工業(yè)攻關(guān)項(xiàng)目(2014K09-14)；陜西省科技廳國際合作項(xiàng)目(2014KW02-02)資助課題

TN927.23

ADOI:10.3969/j.issn.1001-506X.2016.09.28

陳鵬(1981-),男,工程師,博士,主要研究方向?yàn)楹教炱魍ㄐ拧?/p>

E-mail:ertiao9912@gmail.com

暢志賢(1981-),女,講師,博士研究生,主要研究方向?yàn)橐苿油ㄐ拧?/p>

E-mail:sallychang@163.com

陳思宏(1981-),女,高級工程師,碩士,主要研究方向?yàn)榭臻g通信。

E-mail:chensh_xjtu@hotmail.com

李藝霞(1967-),女,高級工程師,碩士,主要研究方向?yàn)榭臻g通信。

E-mail:yixiali2013@163.com

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160703.1418.012.html