小蜂窝认知网络中基于干扰和能量效率的动态频谱管理

针对基于非授权频段的小蜂窝认知网络中的抑制干扰和降低功耗问题,提出了干效性的概念,即传输每比特数据所产生的干扰.建立基于能效性和干效性的多目标收益函数,以最大化长期折扣收益为目标,利用随机动态优化理论中基于马尔科夫决策过程的Restless Bandits模型,计算其最优频谱管理决策,给出了动态频谱管理决策的过程.该方法具有分布式和动态特性且计算复杂度较低.仿真结果表明该方法能显著提高系统收益能效性、干效性等性能.