认知网络中的容量最优机会干扰对齐接入.pdf

《认知网络中的容量最优机会干扰对齐接入.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第32卷第2期应用科学学报V01．32No．22014年3月JOURNALOFAPPLIEDSCIENCES——ElectronicsandInformationEngineeringMar．2014DOI：10．3969／j．issn．0255—8297．2014．02．001认知网络中的容量最优机会干扰对齐接入安永丽，一，肖扬，曲广智。1．北京交通大学信息科学研究所，北京1000442．河北联合大学信息工程学院，河北唐山0630093．奥克兰大学计算机科学与工程学院，美国密歇根州罗切斯特48309摘要：在传统认知网络中，

2、认知用户只能接入主要用户的空闲频带，而不能同时与主要用户共享带宽．为了更有效地利用频谱资源，提出一种容量晟优机会干扰对齐接入算法．在保证主要用户信道容量的基础上，认知用户与主要用户可以占用相同的频带同时接入网络，且认知用户对主要用户的干扰为零．所提出的算法由混合网络基站估计信道状态信息，并计算主要用户的信道容量和系统总信道容量．根据容量最优的准则确定预编码向量及解码向量．当主要用户的信道容量与未接入认知用户相比几乎不下降，且总信道容量大于未接入认知用户的总容量时，认知用户以容量最优机会干扰对齐的方式接入网络．仿真结果表明：在

3、相同信道状态条件下，所提出的算法较现有算法具有更优的信道容量并可提高认知网络频带利用率．关键词：认知网络；机会干扰对齐；信道容量；预编码中图分类号：TN911．2文章编号：0255—8297(2014)02-0111．080pportunisticInterferenceAlignmentwithOptimalCapacityinCognitiveNetworksANYong—li，XIAOYang，QUGuang-zhi。j．InstituteofInformationScience，Beijing~aotongUnive

4、rsity，Bering100044，China2．CollegeolInformationEngineeringIHebeiUnitedUniversity}Tangshan063009HebeiProvinceIChina3．DepartmentofEngineeringandComputerScienceOaklandUniversity，Rochester,MI48309．USAAbstract：Cognitiveuserscanonlyaccessidlebandwidthintraditionalcognitiv

5、enetworks，buttheycannotsharethesamebandwidthwiththeprimaryusersimultaneously．Inordertomakefulluseofthespectrum，weproposeacapacityoptimalopportunisticinterferencealignmentalgorithm．Byensuringthechannelcapacityofprimaryusers，cognitiveusersandprimaryuserscansharethesa

6、4Tlebandwidth，andthecognitiveuserscausenointerferencetotheprimaryuser．Intheproposedalgorithm，thehybridnetworkbasestationestimateschannelstateinformationandcalculateschannelcapacity．Itthendeterminesthepre—codingvectorsanddecoding．vectorsaccordingtothecapacityoptimal

7、rule．Cognitiveusersaccessthenetworksbycapacityoptimalopportunisticinterferencealignmentwhentheprimaryuser’schannelcapacityalmostdoesnotdeclineandthewholenetworkcanstillobtaingoodchannelcapacity．Simulationresultsshowthattheproposedalgorithmcanobtaingreaterchannelcap

8、acityandincreasetheutilizationratioofspectrumthanotherexistingalgorithmsunderthesameconditionofchannelstateinformation．Keywords：cognitivenetworks