认知OFDM系统中一种改进的注水功率分配算法

认知环境中,认知用户在不干扰授权用户的前提下,和授权用户能够同时共享频谱并传送数据,使得系统传输速率和频带利用率最大化。文中主要针对认知OFDM系统,在注水算法的基础上提出了一种改进算法。该算法全面考虑了干扰温度限制,结合各子信道的噪声值,通过对信道进行合理排序,从中正确选取需要分配功率的信道并合理分配功率,从而使得系统功率分配达到最优。仿真结果证明该算法能够充分利用信道,提高传输速率,验证了数据的正确性。

基于认知OFDM的子载波功率分配改进算法

在认知无线网络中,建立了基于认知OFDM多载波资源分配数学模型,在授权用户干扰受限条件下,以最大化传输速率为目标进行认知用户的子载波功率分配。传统注水法被证明是最优的单用户子载波功率分配算法,在传统注水法功率分配基础上,提出了两种可行的子载波功率分配改进算法,改进算法一是通过对水面值的粗略估计快速确定不分配功率子载波,改进算法二不需要通过迭代计算水面值,只通过线性计算就可以直接确定不分配功率的子载波,且对授权用户不产生干扰。仿真结果表明,在改进的两种子载波功率分配算法下,认知用户的数据传输速率优于传统注水法功率分配时认知用户的数据速率,所提改进算法具有自适应特性且计算复杂度大大降低。

认知OFDM系统旁瓣抑制新方法

针对认知正交频分复用(OFDM)系统带外辐射(OBR)严重问题,在研究基于功率谱密度的主动干扰消除算法(PSD-AIC)模型的基础上,提出了动态PSD-AIC的方法,通过对每一子载波位置OBR的计算,比较选择出OBR取值最小处,作为对消子载波的最优位置,显著改善了系统对OBR的抑制性能(增大约10 d B)。对比分析了算法的计算开销,研究了设计参数对OBR的影响,提出了实际应用时的参数选择基准。仿真结果和理论分析表明,动态PSD-AIC方法可以显著减小带外干扰。与PSD-AIC方法相比,旁瓣抑制深度可增加约10 d B;与传统AIC方法相比,只需相似计算量,干扰抑制性能便可明显增加。

基于干扰效率的认知OFDMA网络功率分配算法

为了提高认知无线电网络的系统能量效率,同时减小对频谱授权者主用户的干扰,提出了一种新的下行传输干扰效率最大的认知正交频分多址接入(orthogonal frequency division multiplexing access, OFDMA)网络功率分配算法。干扰效率定义为次用户总的传输速率与对主用户总干扰功率的比值。由于原资源分配问题是一个非凸形式的分式规划问题,难以获得功率分配问题的解析解。利用Dinkelbach方法将原问题转换为一个凸优化问题,并利用拉格朗日对偶原理和次梯度更新算法来获得解析解。最后,仿真结果表明,该算法具有较好的收敛性能,并且在干扰效率、对主用户的干扰控制方面都优于传统能效最大的功率分配算法。

一种基于轮回的认知OFDM子载波分配方法

认知无线电技术是能够提高有限频谱利用率,进而缓解当前有限频谱资源短缺压力的有效手段。在多用户认知OFDM系统中,高效并合理地决定子载波分配对系统性能至关重要。本文提出了一种基于轮回思想的子载波分配算法。该算法首先通过基于轮回的初次分配达到兼顾公平性的目的,再通过二次分配对初次分配结果加以迭代优化。仿真结果表明,在不增加算法复杂度的前提下,该算法可以避免选择深度衰落的子信道,相比同类算法,该算法可以获得更优的误比特性能。

认知OFDM系统的功率分配

针对OFDM认知系统资源分配问题,提出了一种基于最优功率算法和次优功率算法的联合自适应分配方案。利用香农定理求出信道最大容量,在满足干扰门限的条件下,通过拉格朗日定理和改进了的线性注水算法,求出子载波信道状态、认知用户对主用户干扰与子载波功率之间的线性关系,利用这个线性关系进行功率分配,最后根据功率门限验证分配结果。仿真结果显示,提出的方案更能实现公平性的功率分配,极大地提高了频谱的利用率,满足认知网络通信的需求。

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用(OFDM)系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术(WiMax)的OFDM信号,但无法判断该信号是认知信号,并且在复杂电磁环境下识别正确率低。为此,提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间,并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权,得到有用符号时间的协同估计值,进而判断接收信号是否为基于WiMax系统的OFDM信号;再通过自私攻击策略,实现对OFDM信号是否是认知WiMax信号的判别,为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明,与非协同识别算法相比,提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。

A NOVEL PAPR REDUCTION WITH TRELLIS SHAPING FOR NC-OFDM IN COGNITIVE RADIO

In this paper, trellis shaping is applied to reducing the Peak-to-Average Power Ratio(PAPR) of NC-OFDM signals due to the fact that the total number of active subcarriers and their locations might change continuously in a dynamic spectrum access network.A new branch metric of trellis shaping is proposed which reduces the PAPR of OFDM signals through minimizing the variance of the power by VA decoder.The overall performance considerably depends on the type of signal mapping, and therefore a new type of 64QAM mapping method is designed.Simulation results show that this scheme significantly reduces the PAPR.Finally, a significant phenomenon is demonstrated that the PAPR of NC-OFDM signals in which the deactivated carriers is distributed in the Bernoulli distribution has better performance than that of OFDM signals.