描述干 擾功率泄漏，將頻譜問題轉化為：
[0067]
(14)
[0068] 其中IIIIp表示求矩陣化obenius范數(shù)；C/ =公,,表示Bi正交補空間，即等效干擾 子空間矩陣。
[0069] 上述問題需要同時優(yōu)化兩組變量，可采取交替迭代的思想加W求解：
[0070] 1)固定各次用戶的等效預編碼矩陣Ak，則問題轉化為
[0071]
[0072] 其中，tr(A)表示矩陣A的跡，a為一定固定常數(shù)。
[007引最優(yōu)Cl是由化的N6a-di個最大特征值對應的特征向量構成的，其中 0
[0074] (16)
[007引。固定各次用戶的等效干擾子空間矩陣Ci，利用下標k和1的對稱性，可得：
[0076]
[0077] 則次用戶1的發(fā)送機等效預編碼Ak由0',的dk個最小特征值對應的特征向量構 成。
[007引 (1巧
[0079] 本實施例基于實施前提中的系統(tǒng)結構和信號模型，該是MIM0認知無線電網絡的 基本模型。實施中的具體假設有；電磁波在傳播過程中無衰減，信道滿足塊衰落特性，且矩 陣元素服從復高斯分布，主用戶系統(tǒng)采用時分復用傳輸方式。
[0080] 次用戶網絡中有S對次用戶共享頻譜，各配有M=N= 8副天線，每對SU采用dk化 =1，2, 3)個子流傳遞信息；考慮在該頻譜上只有一對PU接入，其天線配置為Ma=N。= 2， 上下行采用TDD方式傳輸數(shù)據(jù)，不妨設發(fā)送功率為單位1。仿真經過10000次蒙特卡洛實 現(xiàn)，每次次用戶傳輸?shù)臄?shù)據(jù)長度為7200bit。
[0081] 圖4給出了不同學習時間下利用最小描述長度方法估計主用戶自由度的估計性 能對比。仿真結果表明，最小描述長度方法對主用戶自由度的正確估計概率隨次用戶接收 信噪比的增加呈"S"型曲線。當信道學習時間為lOTs時，由于信道學習的時間太短，獲取 的噪聲特征值較為分散，估計性能受到嚴重影響。而對于信道學習時間大于lOOTs時，次用 戶獲得了足夠干擾信道的信息，在0地W上基本上能夠正確估計出主用戶的自由度。實際 中，主用戶自由度估計錯誤，可能會嚴重干擾主用戶通信，尤其是欠估計（少估計了主用戶 的自由度）的情況。因此，信道學習時間的設置建議不小于lOOTs。為了方面分析且不失一 般性，后續(xù)仿真均假設正確估計了主用戶自由度。
[008引圖5給出了不同信道學習時間下主用戶的誤碼率性能曲線，其中（a)和圖化）分 別針對次用戶信噪比為10地和20地情況。仿真結果表明，不同的信道學習時間對主用戶 通信質量的影響不同，尤其在信道學習時間為lOTs時，次用戶的存在會嚴重阻礙主用戶通 信。然而，如果次用戶擁有足夠的信道學習，即獲得足夠的干擾信道相關數(shù)據(jù)后，次用戶能 夠完全避免主用戶干擾，素體算法的性能曲線接可W近于理想CSI的正交IA算法情況，說 明了算法利用信道學習可W實現(xiàn)抑制主用戶干擾。同時，隨著次用戶數(shù)的接收信噪比增加， 信道學習時間長短的影響會被削弱。因此，為了有效減少對主用戶的影響，次用戶可W適當 增加信道學習時間或改善接收信噪比。
[0083] 圖6給出了信道學習時間對算法的收斂性能的影響。仿真結果表明，信道學習時 間對算法的收斂速度和收斂精度有一定影響，但是影響不大。圖7給出了不同信道學習時 間下次用戶網絡的和容量性能，并理想CSI下正交IA算法的性能對比。仿真結果表明所提 算法可W保證網絡的和容量系能，不同信道學習時間的次用戶網絡容量基本與理想CSI情 況一致，只是在高信噪比下略有差別。該是因為與次用戶接收噪聲相比，雖然信道學習時間 對算法的收斂精度有一定影響，但是相比噪聲可W忽略。因此，網絡的平均吞吐量依賴于數(shù) 據(jù)傳輸時間，當總的帖周期（信道學習時間和數(shù)據(jù)傳輸時間之和）一定時，應該盡量減少信 道學習時間，來提高信道利用率及網絡吞吐量。
[0084] 綜合上述仿真分析可知；次用戶網絡作為頻譜非授權網絡，與主用戶共享頻譜 時，必須首先保證主用戶通信，因此信道學習時間不應該太短。同時考慮到次用戶網絡性 能（收斂速度和容量）對信道學習時間不敏感，在本文仿真場景下信道學習時間可設置為 lOOTs。實際中，隨著應用場景（天線配置、噪聲方差等）變化，可W根據(jù)實際需求適當?shù)恼{ 整信道學習時間，從而兼顧對主用戶干擾和次用戶網絡的傳輸效率。
[0085] 本發(fā)明并不局限于上述【具體實施方式】，本領域技術人員還可據(jù)此做出多種變化， 但任何與本發(fā)明等同或者類似的變化都應涵蓋在本發(fā)明權利要求的范圍內。
【主權項】
1. 一種MIMO認知無線電干擾網絡中基于信道學習的頻譜共享方法，其特征在于：包含 如下步驟： 步驟1.根據(jù)次用戶通信需求和天線配置，確定各個用戶的發(fā)送自由度dk，設置次用戶 內部干擾門限rk，選擇檢測時間長度； 步驟2.次用戶選擇通信頻段和信道學習時間，實時監(jiān)聽信道狀態(tài)，利用 接收到的信號ylk(n)，計算采樣協(xié)方差矩陣對采樣 協(xié)方差矩陣元進行特征值分解，得 到特征值斗乜???A%和干擾信道的正交矩陣Ff，,并根據(jù)計算結果對 所選頻段做調整，使得總子流數(shù)能夠滿足，其中，M。為主用戶的天線個數(shù)； 步驟3.通過步驟2得到的干擾信道的正交矩陣，計算等效信道初始化等效預編碼矩陣Ak(k= 1，2,…，K)，設置A=^，e2，…,erf(j，其中ei(i= 1，2,…，dk)為基本向量，Hlk為次用戶干擾信道，計算等效 發(fā)送=Af-元和接收天線數(shù)= # -忌； 步驟4.通過等效信道及等效預編碼矩陣Ak，計算，對 0進行特征值分解，取^T-di個最大特征值對應的特征向量構造等效干擾子空間矩陣C1; 步驟5.利用等效干擾子空間矩陣Q下標k和1的對稱性，計算，對 < 進行特征值分解，取dk個最小特征值對應的特征 向量構造等效預編碼矩陣Ak; 步驟6.通過步驟5得到的等效預編碼矩陣Ak，計算用戶的干擾協(xié)方差矩陣，若trace(Qk) <rk對成立，貝丨」盡=Cf，計算預編 碼矩陣K '為和接收干擾抑制矩陣％ =以2)盡，結束；否則，返回步驟4,重新迭代計 算。2. 根據(jù)權利要求1所述的MIM0認知無線電干擾網絡中基于信道學習的頻譜共享方法， 其特征在于：步驟4中構造等效干擾子空間矩陣Q具體包含：根據(jù)交替最小化IA算法，通 過實際干擾信號空間與接收端預設干擾空間之間矩陣距離的Frobenius范數(shù)來描述干擾功 率泄漏，將頻譜問題轉化為：，其中，III|F表示求矩陣 Frobenius范數(shù)；C,=孕表示氏正交補空間，即得到等效干擾子空間矩陣C1;固定各次用 戶的等效預編碼矩陣Ak，將問題轉化為其中，tr(A)表示矩陣A的跡，a為一固定常數(shù)，最優(yōu)Cg由么的個最大特征值對應 的特征向量構成的，其中>即得到3.根據(jù)權利要求1所述的MIM0認知無線電干擾網絡中基于信道學習的頻譜共享 方法，其特征在于：步驟5中利用等效干擾子空間矩陣q下標k和1的對稱性計算Qi 具體包含：固定各次用戶的等效干擾子空間矩陣Q，利用下標k和1的對稱性，得到，次用戶1的發(fā)送機等效預編碼Ak yi 由g的dk個最小特征值對應的特征向量構成，即得到
【專利摘要】本發(fā)明涉及MIMO認知無線電干擾網絡中基于信道學習的頻譜共享方法，通過分析接收的數(shù)據(jù)的二階統(tǒng)計量獲取需要的主用戶干擾信道的空間特征，融合MIMO多子流傳輸和認知多信道切換技術，設計發(fā)送策略，避免對主用戶的干擾，提高頻譜共享效率；針對干擾信道狀態(tài)信息缺失下次用戶干擾網絡與主用戶系統(tǒng)共存問題，兼顧MIMO認知無線電網絡的空間傳輸能力，融合主用戶的信道切換能力，聯(lián)合利用空間和頻率資源的高效頻譜共享方法，比以往單一資源利用方法的效率更高；分析了次用戶通過設置信道學習時間對網絡性能的影響，說明通過控制時間可以有效控制對主用戶的干擾功率；從自由度檢測性能、主用戶誤碼率、算法收斂性和網絡容量等多方面分析。
【IPC分類】H04W16/14
【公開號】CN104918261
【申請?zhí)枴緾N201510307075
【發(fā)明人】任修坤, 朱世磊, 胡捍英, 鄭娜娥, 趙遠, 陳松, 王盛, 李玉翔, 范立巖
【申請人】中國人民解放軍信息工程大學
【公開日】2015年9月16日
【申請日】2015年6月8日