基于拉格朗日对偶的认知无线电网络最优资源分配算法.docVIP

基于拉格朗日对偶的认知无线电网络最优资源分配算法 　　摘 要： 针对传统机会认知无线电网络容量有限的问题，提出了基于拉格朗日对偶的认知无线电网络最优资源分配算法。首先，将一个用户分配给每个子载波；然后，使用标准的凸优化方法确定每个子载波的对应功率，仅一个用户可获得功率正值；最后，利用拉格朗日对偶分解法同时分配CR网络中的子载波和功率，最大限度地提高系统的总容量。使用长期演进真实场景参数与空间信道传播模型评估了所提算法的有效性，仿真结果表明，相比次优资源分配算法，所提算法的总容量平均分别提高了9.3%，相比基于任意输入分布的最优资源分配算法，总容量提高了28.7%，并取得了较快的收敛速率，可以很好地用于解决无线电网络资源配置中的容量问题。 　　关键词： 认知无线电网络； 资源分配； 多输入多输出； 正交频分复用接入； 长期演进； 拉格朗日对偶 　　中图分类号： TN925?34 文献标识码： A 文章编号： 1004?373X（2016）19?0006?05 　　Abstract： Since the traditional opportunistic cognitive radio （CR） network is limited by the capacity， an optimal source allocation algorithm of cognitive radio network based on Lagrange duality is proposed. With the algorithm， a user is allocated to each subcarrier； the corresponding power of each subcarrier is determined with the standard convex optimization method， and only a user can obtain the positive power value； the Lagrange duality decomposition method is used to allocate the subcarrier and power in CR network simultaneously to increase the system total capacity to the maximum extent. The effectiveness of the proposed algorithm was verified by means of the long term real scene parameters evoluting and space channel propagation model. The experimental results show that the total capacity of the proposed algorithm is 9.3% higher than that of the sub?optimal resource allocation algorithm， and 28.7% higher than that of the optimal resource allocation algorithm based on arbitrary input distribution， the propose algorithm has fast convergence rate， and can solve the capacity problem in cognitive radio network resource allocation effectively. 　　Keywords： cognitive radio network； resource allocation； multi?input and multi?output； OFDM access； long?term evolution； Lagrange duality 　　0 引 言 　　认知无线电（Cognitive radio，CR）技术是为解决频谱使用不当问题而出现的新技术，该技术使得二级用户得到随时与现有机会频谱接入（Opportunistic Spectrum Access，OSA）频谱空洞的可能[1]。在OSA结构保持主网不变的情况下，二级用户才能使用该频谱孔，因此频谱利用率可显著提高。在CR网络中的用户将其测得的信息发送到CR基站（Base Station，BS），在感测周期和该站提供机会性使用频谱分配方案[2]。众多为二级用户在CR网络中传输信