认知Ad hoc网络中基于凸优化的功率控制算法

作者:胡图;景志宏;张磊;张秋林 刊名:空军工程大学学报(自然科学版) 上传者:洪云峰

【摘要】针对认知Ad hoc网络的特点,构建了相应的网络模型,提出了一种基于凸优化理论的分布式功率控制算法。在分析系统内部干扰的基础上,以最大化网络效用值为目标,以认知用户的发射功率为求解对象,建立了一个通用的数学优化模型。在凸优化理论的指导下,通过引入辅助变量和变量的对数变换,将该模型转变为等价的凸优化模型,采用拉格朗日对偶法对该模型进行求解,得到了分布式的功率迭代算法。仿真实验表明:与其他算法相比,该算法在满足系统约束条件的前提下,取得更好的系统性能。

全文阅读

为了解决频谱稀缺与利用率低的矛盾,Mitola等人提出了认知无线电及网络的思想[1]。在认知无线网络中,为了确保认知用户的加入不对主用户的通信产生影响,必须严格控制其发射功率,使干扰保持在规定的干扰温度限以下。目前常采用博弈论和最优化理论来分析认知网络功率控制问题。文献[2]综述了博弈论在认知网络资源管理中的应用。文献[3]提出了一种基于非合作博弈的功率控制算法,但忽视了认知用户对主用户的干扰。文献[4]和[5]将Stackelberg博弈机制用于功率分配问题,保证了干扰温度限的约束条件。文献[6]设计了一种基于合作博弈的功率控制算法,取得了比非合作博弈算法更好的系统性能。文献[7]研究了凸优化理论在跨层资源分配上的应用。文献[8]将动态频谱接入网的功率分配问题视为一个最优化问题,通过凸优化技术得到一个分布式的功率迭代算法,但只考虑了用户对等情况。文献[9]综合考虑用户的准入与功率控制问题,建立了一个通用的凸优化模型,具有一定的借鉴意义。但以上算法大多建立在集中式网络架构上,对于Adhoc这种无中心节点的自组织网络并不适用。同时,有些算法没有充分考虑系统的约束条件和用户的业务需求。针对上述算法的不足,本文提出了一种基于凸优化理论的分布式功率控制算法。1系统模型的描述考虑一个基于CDMA接入机制的认知Adhoc网络模型,如图1所示:在该网络模型中,存在一个主用户对发射机(Pri-maryTransmitter,PT)、(PrimaryReceiver,PR)和N个认知用户对发射机(SecondTransmitter,STi)、接收机(SecondReceiver,SRi),其中主用户与认知用户共享同一频谱。设主用户发射机PT发射功率为pp,认知用图1认知adhoc网络模型Fig.1Cognitiveadhocnetworkmodel户发射机STi发射功率为pi进行,则在认知用户接收机SRi处的SINR为:ri=hiipin0+pphpi+kipkhki(1)在式(1)中,设dij为接收机i和发射机j之间的距离,只考虑静态的路径损耗模型,则hij=Kdi-j,i=j{B-1Kdi-j,ij,其中衰减因子K=9.710-2,衰减指数=4,扩频增益B=128,n0为背景噪声。在认知Adhoc网络中,为了保证主用户的正常通信,需要对认知用户的发射功率进行一定限制,即认知用户的总干扰要低于干扰温度限Ith,如式(2)所示:Ni=1pihipIth(2)2凸优化模型的建立在分析系统内部干扰的基础上,将功率控制问题建模为非线性优化问题,具体的数学模型见式(3):maxNi=1ui(ri)s.t.C1:0pipmax,i=1,2…,NC2:Ni=1pihipIthC3:rirmiin,i=1,2,…,N(3)出于对网络整体性能进行优化,将各个通信链路上SINR所带来的效用值作为目标,根据文献[10]对效用函数的要求,选取ui(ri)=lnri作为数学模型(3)的效用函数。约束条件C1将用户发射机的发射功率限制在规定范围之内,其中pmax为最大发射功率。C2要求认知用户的总干扰不超过规定的干扰温度限,确保了主用户的正常通信。C3要求每个认知用户接收机的信干比(SignalInterferenceNoiseRatio,SINR)不低于最小SINR,以满足自身业务服务质量(QualityofService,QoS)的要求。模型(3)是一个非线性非凸优化问题,对其进行直接求解存在一定困难。为了便于问题求解,借鉴文献[8]提出的接收干扰噪声(Interference-plu

参考文献

引证文献

问答

我要提问