认知无线电网络中的功率控制算法研究

赵 斌 国家新闻出版广电总局七二五台 山西灵石 031308

【文章摘要】

近年来，在通信领域中，认知无线电网络发展很快，且取得了较好的应用效果，在无线通信发展中具有较强的代表性。本文在无线电功率控制算法的基础上，通过相应模型的建立，对认知无线电网络中的功率控制算法给予探讨。

【关键词】

通信领域；认知无线电网络；功率控制算法；电功率计算

随着人们生活水平的提高，科学技术的不断进步，人们越来越认可和接受无线电通信行业，在实际生活中，无线电高新技术的种类越来越多。在计算功率控制方面，常规认知无线电网络过于繁琐，且计算的准确性具有不稳定性，本文在博弈论的基础上，对认知无线电网络中的功率控制算法进行分析，不断探索计算方式更为简单、操作更为简便的功率控制算法。

1 在博弈论的基础上，无线电功率控制算法的基本现状

随着认知无线电网络的发展，频谱共享技术仍然是最为关键的，但频谱共享的实施是建立在用户正常通信行为的基础之上。一般情况下，认知用户的自身发射功率是影响频谱共享正常实施的主要原因，因此，寻找有效的认知无线电功率控制算法，可以妥善解决此类问题。简单来说，功率控制算法是指在特定的形式中，为了使认知用户的联合数据实现最大化传输，就应该对多个用户的自身发射功率进行同时选择。为了达到这一目的，就需要对所有用户的发射频率进行提升，但在提升过程中，虽然系统的总体性能完全具有提升部分用户发射频率的能力，但会给其他认知用户带来一定的负面影响，这是必须考虑到的。最好的方式就是一系列计算的基础上，获得联合数据的传输速率。单从计算方面来说，此过程过于复杂，需要以博弈论为依据，对遗传算法进行充分利用与结合，使两组用户之间形成博弈，进而建立一个相应的模型，在策略空间中，使用遗传算法进行相应的搜索，已达到优化计算的目的，有利于大部分用户自身发生功率的提升。

2 认知无线网络中的几种关键技术分析

2.1 空闲频谱检测

在认知无线电网络使用之前，就需要对空闲频带传播的相关信息进行充分利用。因此，在实际工作中，对空闲频谱的检测工作不能忽视。对空闲频谱进行检测时，如果没有认知无线电用户，物理层以上协议必须保持沉默，在这种方式的基础上，可以在周围无线环境中确保获得的相应的频谱功率，都来源于已知授权用户。无线电环境会随着时间的变化而变化，对于不同的授权用户类型来说，发射频率的损失也不一样，想要频谱实现感知功能，就必须具有较高的灵活性。可以使用各种方法，促进频谱实施使用功率的提升，有效的检测方法主要有干扰检测、静态循环特性检测、合作探测、滤波器检测及能量检测等。

2.2 测发射功率控制

在认知无线电网络中，主要有两种控制方式：功率控制式和分布式，均属于无线电通信系统工作范围内。在实际工作中，剩余用户发射的功率是对用户造成影响的主要因素，有效控制发射功率，可以较好地解决这一问题，经过实际检验，在博弈论和信息论的基础上，都可以实现较好地控制。

2.3 频谱分配

在频谱分配过程中时，需要考虑三个问题：（1）在实际操作过程中，影响认知无线电网络用户的干扰因素；（2）无线电用户之间存的干扰作用是相互的；（3）在认识无线电系统中，必须对用户公平性和效益进行分析。

3 基于博弈论的算法分析

3.1 代价函数

首先选定一个小区，本小区的基本用户情况为共有N 个用户，每个用户都具有自身收益，且发射功率会对用户收益产生直接影响。为了提升SIR，增加自身发射功率是用户比较常用的使用方法，进而产生相应的干扰，对剩余用户的使用造成一定影响，使用户的实际使用效率不断降低，因此，相关研究人员的主要任务就是寻找较好的解决办法，实行网络收费，使我们的网络环境秩序得以优化，而这一效果的实现可以依附于发射功率单调增函数。在对基站和用户进行排序时，必须根据远近，当用户增益具有较好的路径时，对剩余用户将会产生较小的影响，如果用户的增益属于最差路径，将会给剩余用户带来极大的危害。因此，在制定相应的收费标准时，具体的判定方式，可以依据危害程度来实现。随着反射功率的变化，函数值也在不断变化，在线性代价函数的基础上，实现功率控制的影响。在设计函数时，需要对实际计算使用效率和复杂程度进行考虑，虽然已经设计了部分函数，但实际应用却存在较多困难，最优函数的表达式：

且β 被定义为：

该函数与设计标准完全符合，但是计算过程比较复杂，在实际运行中，也与最初的目标相差很远，因此，需要进行相应的改善，而函数优化规则的使用，具有较高的解决效果。

3.2 在认知用户公平性的基础上博弈模型的相关设计

不同的用户，存在着信道差异，从增益效果来说，有的用户比较好，有的用户比较差，本着公平的原则，常规状态下，较多的惩罚主要用于增益效果较好的用户。而易于实现代价函数的函数表达式为：，可以妥善处理这一问题，得到用户的最低发射功率。式中，hi 表示用户链路增益； 为常数，属于比例函数，且在取值时，必须满足下式： hi ≧ 1。反之，代价函数将会减小，不断趋近于零，失去实际的使用意义。

3.3 最小发射功率的计算

在博弈论使用之前，需要建立相应的数学模型，将现实生活中所遇到的厉害冲突在模型中进行体现。在博弈论中，可以存在的主体比较多，在实际生活中，关于利益方面，冲突是不可少的，需要进行相应的优化决策，最大化实现某一主体利益。对矛盾之间的均衡问题进行相应的研究，选择一个特定的主体后，充分应用博弈论思想，发表自己的见解，对两者之间的相互作用及影响进行解决。

在博弈论中，两种最为经典的模型就是NPGP 和NPG，两种模型都具有纳什平衡，两种之间满足的关系为：

如果用户最小发射功率为Pmin，由上式可得：

任意选定一个最初发射功率的最小值，如果存在，则有， 反之， ，可以有效保证用户时间的信干比相等。在建立仿真平台时，可以同时使用NPGP 和NPG 两种方法，在这两种模型的基础上，实现各个数量关系之间的比较，比如信干比、自身收益函数和发射功率，经过比较可以发现，在NPGP 模型下，认知用户的发射功率可以明显改善， 且与NPG 模型相比，每个用户的发射功率均比较低，对系统的总发射率可以进行有效改善，得到最大化收益和更高的使用价值，更好地将认知无线电网络应用于实际生活中，为用户提供最优化服务。

4 结束语

综上所述，在当下社会背景下，认知无线电网络具有较高的科技含量，但是， 随着使用时间的增长，存在各种各样的问题，文中通过对认知无线电网络中的功率控制算法给予分析，促进认知无线网络技术的不断完善，更好地服务于社会经济的发展。

【参考文献】

[1] 张羽. 一种改进的认知无线电网络博弈功率控制算法[J]. 计算机与现代化,2014(4).

[2] 李万臣, 陈文迅, 张岩. 认知无线电网络中功率控制方法的研究[J]. 应用科技,2014(2).034