1、下墊式認知無線電網絡動態資源分配問題研究隨著無線應用和移動設備的快速增長，對無線電頻譜資源的需求也隨之提高。無線電頻譜是一種稀缺的有限資源，使得人們對頻譜資源日益增長的需求和頻譜資源緊缺的矛盾日益突出。認知無線電可以解決無線通信技術發展與頻譜緊缺之間的矛盾，因而受到廣泛關注，成為無線通信技術的研究熱點。認知無線電是一種能夠提高頻譜利用效率的智能無線通信技術。認知無線電網絡中包含次用戶（非授權用戶或認知用戶）和主用戶（授權用戶）。認知無線電技術允許次用戶通過調節傳輸參數（如，發射功率、載波頻率、調制方式）來機會式使用空閑的授權用戶頻譜，實現與主用戶之間共享頻譜資源，提高頻譜資源的利用率。認知無線

2、電需要解決的兩個關鍵技術：一是頻譜感知，即通過認知設備對周圍通信環境的頻譜分析，感知主用戶的存在情況和頻譜空洞，以期從授權頻段中挖掘出盡可能多的可用頻譜資源；二是資源分配（稱為功率控制），即在頻譜感知的基礎上，次用戶發射機或認知基站通過調節發射功率來滿足自身的通信質量并保證不影響主用戶的正常通信。本文針對上述問題，從不同層面，提出了幾種認知無線電資源分配算法，深入研究了下墊式頻譜共享方式下的分布式資源分配和魯棒資源分配問題。本論文的主要工作如下：（1）為了提高通信系統的傳輸效率、減小信息交換和計算負擔，研究了基于精確參數的認知無線電分布式資源分配問題。針對多用戶下墊式頻譜資源共享模型，考慮次用

3、戶信干噪比（SINR,Signaltointerferenceplusnoiseratio）、發射功率和主用戶干擾溫度約束，提出了一種基于平均干擾溫度下的全局分布式資源分配算法，理論分析了算法的收斂性和參數選擇范圍。該方法在吞吐量和次用戶SINR性能方面都優于傳統算法。止匕外，針對平均干擾引起的用戶公平性問題，提出了一種基于用戶位置信息的混合資源分配算法；該方法根據網絡規模大小，在基于平均干擾溫度約束下的分布式算法和基于加權因子干擾溫度約束下的分布式算法之間進行切換控制，以適應不同網絡規模下的動態資源分配問題。（2）為了實現在參數攝動下通信系統的無縫連接，研究了基于有界不確定性的認知無線電魯棒

4、資源分配問題。針對無線通信網絡中存在的估計誤差、量化誤差和信道時延對傳統基于精確參數的名義優化問題（即非魯棒優化問題）的影響，研究了兩類魯棒資源分配問題：最大化系統總吞吐量和最小化總的發射功率。考慮信道增益、主用戶干擾加性不確定性情況下，基于Worst-case方法，將原不易求解的半無限規劃問題轉換為一個可解的、凸優化問題，并利用拉格朗日對偶原理獲得最優解，理論分析了不確定性對傳輸功率控制和吞吐量的影響。并得到了如下結論：在考慮參數不確定性情況下，魯棒吞吐量最大化資源分配算法能保證次用戶對主用戶的干擾不超過干擾溫度門限，而傳統非魯棒算法會破壞主用戶的通信質量。此外，考慮信道增益歐幾里德不確定性

5、描述，將魯棒發射功率最小化問題轉換為凸優化問題，并獲得最優解；結果表明，所設計的算法能很好的保證次用戶接收機SINR性能。（3）為了提高通信系統在不確定性條件下的容錯能力，研究了基于概率約束下的認知無線電魯棒資源分配算法。由于基于不確定性描述的魯棒資源分配問題需要精確知道不確定性集合的上界，然而通信系統的隨機性（如，信道的隨機性、用戶接入數量的隨機性）會使得提前獲得不確定性上界有些困難，因此考慮不確定性的統計模型是很有必要的。首先，在假設已知不確定性分布模型（如，指數分布）條件下，將概率SINR和干擾溫度約束的魯棒傳輸功率最小化問題轉化為凸優化形式，并利用凸優化原理和帶有遺忘因子的更新算法獲得最優解；結果表明，所提出的算法在收斂速度上優于傳統的次梯度和梯度投影算法，而且在魯棒性和功率消耗方面都優于基于Worst-case原理的魯棒資源分配方法。此外，針對系統不確定性分布模型不容易得到的情況，研究了未知先驗概率信息的認知無線電魯棒資源分配問題。考慮主用戶和次用戶中斷概率約束（即概率干擾溫度約束，概率SINR約束），提出了一種基于分布自由的魯棒資源分配算法使得次用戶總的功率消耗最小。基于最小最大化概率機，將原魯棒優化問題轉換為二階錐規劃問題，并用內點法求解。