认知无线电系统功率控制和频谱分配技术研究与闭环功率控制实现--大学毕业(论文)设计.doc

硕士学位论文

认知无线电系统功率控制和频谱分配技术研究
与闭环功率控制实现

Study of Power Control and Spectrum Allocation and Implementation of Close Loop Power Control in Cognitive Radio System

A thesis submitted to
Xi’an Jiaotong University
in partial fulfillment of the requirements
for the degree of
Master of Engineering Science

By
Ji Feng
(Information and Communication Engineering)
Supervisor: Associate Prof. Xinmin Luo
May 2008

摘 要
论文题目：认知无线电系统功率控制和频谱分配技术研究与闭环功率控制实现 本研究得到国家高技术研究发展计划（“863”计划）（编号：2005AA123910），陕西省自然科学基金项目（编号：2006F41），陕西省科技攻关计划项目（编号：2005K04-G11）资助。

学科专业：信息与通信工程
申请人：冯冀
指导教师：罗新民 副教授
摘 要
认知无线电技术能够主动检测频谱使用情况，自适应的改变自身通信参数。在不影响授权用户的前提下，择机选择授权用户的空闲频段进行通信，具有灵活、频谱利用率高等优点，因而引起了国内外研究者的广泛关注。由于认知无线电用户与授权用户共享频段，且授权用户具有最高优先级，使认知无线电相关技术具有新的特点。论文对认知无线电系统的功率控制和频谱分配技术展开研究，并设计实现了认知无线电实验系统上的闭环功率控制模块。
首先，论文在分析认知无线电自适应、交互式决策过程的基础上，建立了功率控制的博弈论模型。针对采用非共享机制的认知无线电系统，提出了基于函数的功率控制博弈算法。仿真结果表明：与已有算法相比，新算法在保证认知无线电用户信干噪比的前提下，提高了系统吞吐量。针对采用共享机制的认知无线电系统，改进了效用函数，提出了基于指数惩罚系数的功率控制博弈算法。仿真结果表明：新算法保障了授权用户足够低的掉线概率和认知无线电用户的信干噪比，有效控制了发射功率。
其次，针对采用OFDM技术的认知无线电系统中占用信道数和时间开销的矛盾，论文提出实际吞吐量的概念及基于此概念的一种最优频谱分配策略，并设计了基于遗传算法的最优策略求解方法。仿真结果表明：当分配给认知无线电用户的频谱资源较少时，实际吞吐量随着分配的频谱资源的增多而增大。随着占用的频谱资源进一步增多，与授权用户发生冲突的概率增大，实际吞吐量反而呈单调下降趋势。论文提出的策略对认知无线电用户占用信道数进行了优化，提高了系统性能。
最后，论文在调试认知无线电实验系统射频模块的基础上，设计并实现了闭环功率控制模块。调试结果表明：在射频模块工作正常的基础上，本模块能够对发射功率进行准确、实时的控制；在移动情况下，能够对信道增益的变化做出及时补偿，保障了接收端足够高的信噪比和足够低的误码率。

关 键 词：认知无线电；博弈论；功率控制；频谱分配；闭环
论文类型：应用研究

73

ABSTRACT
Title: Study of Power Control and Spectrum Allocation and Implementation of Close Loop Power Control in Cognitive Radio SystemThis research was funded by the National High-tech Research and Development Plan（”863” Plan）（No.2005AA123910）,Shaanxi Province Natural Science Fund（No.2006F41）and Shaanxi Province Scientific and Technological Plan（No.2005K04-G11）.

Speciality: Information and Communication Engineering
Applicant: Ji Feng
Supervisor: Associate Prof. Xinmin Luo
ABSTRACT
Cognitive Radio technology can detect the utilization of the spectrum initiatively, and change its communication parameters adaptively. On the premise of no prejudice to licensed users, cognitive radio can choose the idle spectrum of licensed users to communicate in proper opportunities. For its advantages of agility, and high spectrum utilization, cognitive radio has been concerned widely by the scholars at home and abroad. Because licensed users share spetrum resource with cognitive users and have the highest priority, the technologies in cognitive radio have new characteristics. The technologies of power control and spectrum allocation in cognitive radio systems is researched, and close loop power control module in cognitive radio experimental system is designed and implemented in this thesis.

Firstly, based on the analysis of adaptive and interactive decision process in cognitive radio, a game theory model of power control is established. Aimed at cognitive radio system based on exclusive model, a power control game algorithm based on arctan function is proposed. The simulation results show that new algorithm not only guarantees the cognitive users’ SINR,but also imporves the system throughput compared with other algorithms. Aimed at cognitive radio system based on common model, the utility function is improved,and a power control game algorithm based on exponent chastisement factor is proposed. The simulation results show that new algorithm guarantees the SINR of cognitive users and low enough outage probability of licensed users, and the transmitting power is controlled effectively.

Secondly, aimed at the contradiction between number of occupied channels and time cost in OFDM cognitive radio system. a goodput concept and an optimal spectrum allocation strategy based on this concept are proposed. And a method based on genetic algorithm for the solution of the optimal strategy is designed. The simulation results show that when the spectrum resource allocated to the cognitive users is small, the goodput increases with the increase of allocated spectrum resource; when the occupied spectrum resource by cognitive users increases further, the conflict probability to licensed users increases, and the goodput decreases monotonically with the increase of allocated spectrum resource. This strategy proposed in the thesis optimizes the number of occupied channels by cognitive users, and improves the OFDM cognitive radio system performance.

Finally, close loop power control module in cognitive radio experimental system is designed and implemented based on debugging of RF module in experimental system. The debugging results show that transmitting power can be controlled accurately and in real-time by this module based on RF module’s normal operation; when the experimental terminal is moving, the change of channel gain can be compensated in time, and SNR and BER in receiver can be guaranteed.

KEY WORDS: Cognitive radio; Game theory; Power control; Spectrum allocation; Close loop
TYPE OF THESIS: Applied Research

目 录

目 录
1 绪论 1
1.1 选题背景及意义 1
1.2 认知无线电的定义及研究现状 2
1.3 论文完成工作与结构安排 3
2 博弈论及其在认知无线电中的应用 5
2.1 博弈论概述 5
2.1.1 博弈论的定义 5
2.1.2 博弈论的基本模型及分类 6
2.1.3 纳什均衡的分析和求解 7
2.2 博弈论在认知无线电中的应用 10
2.2.1 认知无线电的交互作用 10
2.2.2 博弈论在认知无线电中的应用 11
2.2.3 认知无线电功率控制算法的博弈论建模 12
2.3 本章小结 13
3 基于博弈论的认知无线电功率控制算法 14
3.1 现有的基于博弈论的功率控制算法 14
3.1.1 SINR平衡算法 14
3.1.2 Saraydar-Mandayam算法 15
3.1.3 Koskie-Gajic算法 16
3.1.4 现有算法小结 17
3.2 基于非共享机制的认知无线电系统功率控制算法 17
3.2.1 基于非共享机制的认知无线电系统模型 17
3.2.2 算法的博弈论建模 19
3.2.3 纳什均衡求解和算法流程 22
3.2.4 算法收敛性证明 24
3.3 基于共享机制的认知无线电系统功率控制算法 25
3.3.1 干扰温度的提出背景和基本概念 25
3.3.2 基于共享机制的认知无线电系统模型 27
3.3.3 算法的博弈论建模 28
3.3.4 纳什均衡求解和算法流程 30
3.3.5 算法收敛性证明 30
3.4 仿真实验及分析 32
3.4.1 基于非共享机制的认知无线电系统功率控制算法 32
3.4.2 基于共享机制的认知无线电系统功率控制算法 38
3.5 本章小结 41
4 基于实际吞吐量的认知无线电频谱分配策略 43
4.1 问题描述 43
4.2 系统模型 43
4.2.1 基于OFDM技术的认知无线电系统 43
4.2.2 通信模型 44
4.3 基于实际吞吐量的频谱分配策略 46
4.3.1 实际吞吐量 46
4.3.2 传输时间损失率 47
4.3.3 遗传算法求解 48
4.4 仿真实验及分析 49
4.5 本章小结 50
5 认知无线电实验系统的闭环功率控制实现 51
5.1 认知无线电实验系统概述 51
5.2 闭环功率控制的原理 52
5.3 闭环功率控制实现方案 52
5.3.1 工作流程 52
5.3.2 硬件系统及其接口 53
5.3.3 帧结构设计及主要参数 57
5.4 闭环功率控制的软件设计 59
5.5 调试与实验结果 62
5.5.1 射频调试结果 62
5.5.2 闭环功率控制调试结果 64
5.6 本章小结 66
6 结论与展望 67
6.1 论文总结 67
6.2 下一步工作展望 68
致 谢 70
参考文献 71
攻读学位期间取得的研究成果 74
声明

CONTENTS
CONTENTS
1 Preface 1
1.1 Topic Significance and Background 1
1.2 Definition of Cognitive Radio and Status quo of Research 2
1.3 Main Work and Structure of Thesis 3
2 Game Theory and Its Application in Cognitive Radio 5
2.1 Summarization of Game Theory 5
2.1.1 Definition of Game Theory 5
2.1.2 Models and Categories of Game Theory 6
2.1.3 Analysis and Solution of Nash Equilibrium 7
2.2 Application of Game Theory in Cognitive Radio 10
2.2.1 Interactions of Cognitive Radio 10
2.2.2 Application of Game Theory in Cognitive Radio 11
2.2.3 Modeling of Power Control Based on Game Theory in Cognitive Radio 12
2.3 Brief Summary 13
3 Power Control Algorithms Based on Game Theory in Cognitive Radio 14
3.1 Current Power Control Algorithms Based on Game Theory 14
3.1.1 SINR Balance Algorithm 14
3.1.2 Saraydar-Mandayam Algorithm 15
3.1.3 Koskie-Gajic Algorithm 16
3.1.4 Summarization of Current Algorithms 17
3.2 Power Control Algorithm in Cognitive Radio System of Exclusive Model 17
3.2.1 Cognitive Radio System Based on Exclusive Model 17
3.2.2 Modeling of Power Control Algorithm Based on Game Theory 19
3.2.3 Nash Equilibrium Solution and Algorithm Procedure 22
3.2.4 Proof of Algorithm Convergence 24
3.3 Power Control Algorithm in Cognitive Radio System of Common Model 25
3.3.1 Background and Basic Concepts of Interference Temperature 25
3.3.2 Cognitive Radio System Based on Common Model 27
3.3.3 Modeling of Power Control Algorithm Based on Game Theory 28
3.3.4 Nash Equilibrium Solution and Algorithm Procedure 30
3.3.5 Proof of Algorithm Convergence 30
3.4 Simulations and Analysises 32
3.4.1 Power Control Algorithm in Cognitive Radio System of Exclusive Model 32
3.4.2 Power Control Algorithm in Cognitive Radio System of Common Model 38
3.5 Brief Summary 41
4 A Spectrum Allocation Strategy Based on Goodput 43
4.1 Problem Description 43
4.2 System Model 43
4.2.1 Cognitive Radio Systems Based on OFDM 43
4.2.2 Communication Models of Licensed Users and Cognitive Users 44
4.3 A Spectrum Allocation Strategy Based on Goodput 46
4.3.1 Goodput 46
4.3.2 Loss Ratio of Transmitting Time 47
4.3.3 Solution of Genetic Algorithm 48
4.4 Simulations and Analysises 49
4.5 Brief Summary 50
5 Implementation of Close Loop Power Control in Cognitive Radio System 51
5.1 Summarization of Cognitive Radio Experimental System 51
5.2 Principle of Close Loop Power Control 52
5.3 Implementation Project of Close Loop Power Control 52
5.3.1 Work Flow 52
5.3.2 Hardware System and Interfaces 53
5.3.3 Design of Frame Structure and Working Parameters 57
5.4 Software Design of Close Loop Power Control 59
5.5 Debugging and Results of Experimentation 62
5.5.1 Debugging and Results of Radio Frequency 62
5.5.2 Debugging and Results of Close Loop Power Control 64
5.6 Brief Summary 66
6 Conclusions and Suggestions 67
6.1 Conclusion 67
6.2 Expectation 68
Acknowledgements 70
References 71
Achievements 74
Declaration

在每一章的末尾插入下一章的MathType的章标记（打印前将其字体颜色变为白色，在打印预览中看不见即可）：Equation Chapter 1 Section 1

1 绪论
1 绪论
1.1 选题背景及意义
近年来，随着人们对无线通信业务需求的不断提高，各种无线通信技术得到前所未有的迅猛发展。在此过程中，无线频谱空间被划分给各种不同的通信技术使用，在大多数国家3GHz以下的频段几乎全部分配给了已授权的无线通信系统（或称为授权用户（Licensed User））[1]。一方面，这种固定的频谱划分方式使得可用频谱资源变得越来越少。另一方面，已授权频带的不同频段频谱利用率相差悬殊，一些频段使用得非常频繁，而另一些频段大部分时间内却没有用户使用，整体上来看目前频谱利用率低下。美国联邦通信委员会（Federal Communications Commission, FCC）的下属机构SPTF（Spectrum Policy Task Force）的报告[2]表明，目前美国的无线频谱资源利用率一般介于15%到85%之间；另有文献表明3～4 GHz频带利用率只有0.5％，4～5 GHz频带利用率下降到0.3％[3]。可以看出频谱资源的紧张的一个重要原因是当前的这种频谱分配和管理方式限制了已授权的空闲频段被非授权用户使用。
为了解决这种效率低下的频谱管理方式与不断增长的频谱资源需求之间的矛盾，Joseph Mitola博士于1999年提出的认知无线电（Cognitive Radio, CR）的概念得到了学术界广泛的关注。他描述了认知无线电如何通过一种“无线电知识表示语言”（Radio Knowledge Representation Language, RKRL）的新语言提高个人无线业务的灵活性[4]。FCC于2003年12月发出以最佳方式实现认知无线电的提议[5,6]，结合软件定义无线电方法，以自适应、动态的方式实现多用户共享频谱资源的频谱管理和利用。
由于认知无线电系统建立在对已授权频段利用的基础上，因此下列几个问题需要研究：如何保证授权用户不受认知无线电用户影响；如何保障认知无线电用户通信质量，提高认知无线电系统容量；如何合理利用有限的频谱资源，并对认知无线电用户功率进行有效控制。功率控制和频谱分配技术是无线资源管理（Radio Resource Management, RRM）中的关键内容[7]。发射功率和频谱资源如果得到有效利用，就能够使认知用户对授权用户的干扰减小，同时使认知无线电系统的容量增加、通信质量改善。因此如何设计在各种工作机制下的功率控制算法，如何确定合理的频谱分配准则来优化系统性能，是认知无线电研究中的重要内容。
当前，博弈论（Game Theory）应用于功率控制问题成为学者研究的热点。博弈论着重于紧缺资源的分布式求解，算法复杂度低，求解过程简单，所需全局信息较少，适合于应用到认知无线电系统中。同时，为了更好的验证认知无线电的功能，在已有的实验系统平台上实现功率控制功能是十分必要和有益的。这将为以后实验终端的组网和实现礼仪协议等功能打下扎实的基础。
1.2 认知无线电的定义及研究现状
1999年，Mitola博士在他的文章[8]中首次指出认知无线电是“一种具有通过基于模型的推理来实现通信相关性能的能力的无线电设备”。随后在他的博士论文[9]中，提出了认知循环（Cognition Cycle，CC）的概念，并且对各模块的功能进行了详细分析。
FCC在2002年成立了SPTF小组专门研究提高频谱资源利用率的方法，给出了一个基于干扰温度（Interference Temperature）的认知无线电定义[2]。并从发射端具体操作的角度指出认知无线电是“一个能够通过与外部环境交互信息来调整自己通信参数的无线电设备”[10]。
德国的Fatih Capar等人给出了一种比较简单，容易实现的认知无线电定义[11]，即认知无线电用户可以检测出某个频段的授权用户是否正在发射信号，如果有则认为有授权用户在使用该频段，如果没有则认为可以利用这个频段来传送信息。同时认知无线电用户还必须保证，在它使用授权频段的过程中，一旦发现授权用户重新开始工作，应能够立即停止对该频段的使用，对授权用户产生尽可能小的干扰。
继Mitola博士于1999年首先提出认知无线电的概念后，他以及其他组织和学者在认知无线电理论和技术方面不断取得新的成果。U. C. Berkley大学的研究人员通过利用一些现有的软件无线电平台基本验证了由Capar等人提出的简化的认知无线电定义。FCC于2004年5月开始考虑允许认知无线电可以在不对授权用户产生有害干扰的情况下使用电视频段[12]。IEEE于2004年10月成立了802.22工作组开始着手研究和制定工作于电视频段的、基于认知无线电技术的无线局域网（Wireless Regional Area Network，WRAN）技术标准[13]。从2005年开始，认知无线电技术在世界范围内得到了广泛关注，目前已经能看到不少关于认知无线电关键技术的研究思路和成果。国家“十一五”863高技术研究发展计划申请项目指南中已经将认知无线电技术列为一项关键的研究领域。本文作者所在的课题组在863项目资助下，在认知无线电系统实验平台的设计与实现、礼仪与协议、授权用户检测等方面取得了一定的成果。
随着软件无线电技术的发展，通过自适应调制的方式提高单个链路的性能取得了一定的研究成果。然而，由于认知无线电具有感知环境的能力，使得一条链路参数的改变将改变其他链路的用户正在感知的无线环境，有可能导致新的自适应调整发生，如此反复，网络内用户动态的调整和相互依存关系给认知无线电网络性能的分析带来了很大困难。James Neel提出使用结合博弈论的方法来分析这一问题[14]，尤其在多个用户的功率控制问题上得到了很好的效果。
起源于经济学的博弈论是一种对紧缺资源的系统分布式配置问题的求解方法。使用该理论分析通信网络的功率控制、频谱管理、拓扑结构生成等问题取得了丰富的研究成果[15-24]。近年来，众多学者在功率控制领域做出了许多成果。主要目的是减小共道干扰，保证用户的信干噪比（Signal to Interference Plus Noise Ratio, SINR），从而使系统具有更高的信道利用率和服务质量（Quality of Service, QoS）保障。以无线网络的功率控制为例。Foschini和Miljanic等人提出了基于信干噪比平衡的功率控制分布式算法，并讨论了其收敛条件[15]。Famolari和Mandayam提出了干扰方程（Interference Function）的概念，研究了功率控制迭代算法收敛的条件[16]。Yates等人较早研究了在上行链路中影响功率控制问题的若干因素[17]。Alpcan在功率控制中引入了支付函数，并提出了两种上行链路中的改进算法[18]。以美国伊利诺理工大学的David J. Goodman教授为代表的国外学者和组织，自1998后相继发表了一系列文章[19,20,23]。Saraydar和Mandayam等人改进了用于多小区的分布式功率控制技术，提出了发射功率的“价格”概念，并将之作为一种影响用户传输数据行为的控制机制[19]。Shah和Saraydar等人在另外两篇文献中详细讨论了基于效用函数（Utility Function）和价格函数（Price Funciton）的功率控制机制，并谈到了关于帕累托改进（Pareto Improvement）的问题[20,23]。Koskie和Gajic在引入价格函数的基础上对信干噪比平衡算法进行了改进，在牺牲很小的信干噪比损失的前提下大幅降低了发射功率[24]。此外，一些学者将博弈论应用于功率与传输速率联合控制、功率控制与频谱接入、功率控制与波束成形，功率控制与网络拓扑结构生成等相结合，取得了宝贵的成果[25-28]。
认知无线电中的频谱分配是指根据需要接入系统的认知无线电用户数目及其服务要求将频谱分配给一个或多个指定用户。频谱分配策略的选择直接决定系统容量、频谱利用率以及能否满足用户因不同业务而不断变化的需求。德国Karlsruhe大学Fiedrich Jondral教授提出了频谱共享池（Spectrum Pooling）模型[29]。美国国防高级研究计划局启动了下一代XG计划（neXt Generation, XG），其中实现灵活的频谱分配是该计划的主要目标之一。国内外学者在具体的频谱分配算法方面取得了一些成果[30-32]。但在如何确定占用的信道数方面研究较少。本论文将对这一频谱分配策略展开研究。
1.3 论文完成工作与结构安排
在国家高技术研究发展计划（“863”计划）基金资助下，本文作者参与了“认知无线电系统关键技术（2005AA123910）”项目的研究工作。主要完成的工作如下：
1）提出认知无线电系统的参数调整过程实质是一个交互式决策过程。该过程可通过非合作博弈方法求解。并由此建立了认知无线电系统的功率控制博弈论模型。
2）针对基于非共享机制的认知无线电系统，根据认知无线电用户对信干噪比的满意度特点，提出了一种新的效用函数。设计了一种基于非合作博弈的功率控制算法并证明其收敛性。证明了该博弈中纳什均衡解的存在性和唯一性。通过仿真验证了算法的收敛性和稳定性，讨论了各个参数对算法性能的影响，并与其他算法的性能进行了比较。
3）在以上工作的基础上，针对基于共享机制的认知无线电系统，改进了效用函数，引入了基于指数惩罚系数的价格函数，设计了新的基于非合作博弈功率控制算法并证明其收敛性。通过仿真验证了该算法收敛性、稳定性和对授权用户的有效保护。
4）提出了一种认知无线电频谱分配策略。推导了实际吞吐量的数学表达式，并分析了物理概念。设计了基于遗传算法的最优策略求解方法。通过仿真验证了实际吞吐量与所分配子信道数的关系和最优策略求解方法的有效性。
5）负责了认知无线电硬件实验系统射频发射、接收模块的实现与调试，并与基带和中频模块实现了成功对接。在射频联调成功基础上，设计实现了认知无线电实验系统的闭环功率控制方案。
本论文的结构安排如下：
第一章，绪论。本章介绍了选题的背景和意义，认知无线电技术的定义与研究现状，论文完成的主要工作和论文结构安排。
第二章，博弈论及其在认知无线电中的应用。本章介绍了博弈论的基本概念、基本模型、分类和求解方法，分析了认知无线电的交互作用和博弈论在其中的应用，建立了认知无线电功率控制算法的博弈模型。
第三章，基于博弈论的认知无线电功率控制算法。本章首先介绍了已有的功率控制博弈算法。分别针对基于非共享机制和共享机制的认知无线电系统，提出了新的效用函数模型，设计了新的功率控制博弈算法，对算法收敛性给出了证明。最后对两种新算法给出了仿真结果和分析。验证了算法收敛性，分析了关键参数对算法性能的影响，并与已有算法的性能进行了比较。
第四章，基于实际吞吐量的认知无线电频谱分配策略。本章首先提出了采用OFDM技术的认知无线电系统最优占用信道数的策略选择问题。推导了实际吞吐量的概念，设计了策略选择算法。最后通过仿真验证了实际吞吐量与分配信道数的关系和策略选择算法的有效性。
第五章，认知无线电实验系统的闭环功率控制实现。本章首先简要介绍了实验系统的基本情况和闭环功率控制的原理。接着给出了闭环功率控制的实现方案和各个模块的软件设计流程。最后在实验系统上予以实现。
第六章，结论与展望。总结论文完成的工作和主要创新点，指出存在的问题以及以后的研究方向。
Equation Chapter (Next) Section 1

6 结论与展望
2 博弈论及其在认知无线电中的应用
2.1 博弈论概述
2.1.1 博弈论的定义
在人类的生活生产活动中，经常需要针对不同问题研究对策。然而某些问题的决策不仅决定于可选对策对决策人带来的收益，也决定于此决策对其他竟争对手产生的影响，这种时候决策者往往处于进退两难的境地。博弈论在这样的背景下应运而生。
博弈论，也称对策论，是研究决策主体的行为发生直接相互作用时候的决策以及这种决策的均衡问题。当一个主体的决策受到其他人决策的影响，而且又反过来影响其他人的决策时，这种决策和均衡问题就需要用博弈论的方法来解决[33]。
众多学者给博弈论下的定义也不尽相同，比如：
1）博弈论提供了一种在相互作用的决策条件下建模和分析的框架及语言，该决策条件是指有着（部分）相互冲突目标的多个决策者互相产生影响[34]。
2）博弈论是研究博弈情景下博弈参与者的理性行为选择的理论；或者说，是关于竞争者如何根据环境和竞争对手的情况变化，采取最优策略和行为的理论[35]。
3）博弈论是一个分析工具包，它被设计用来帮助我们理解所观察到的决策主体相互作用的现象[36]。
尽管关于博弈论的定义在描述上有些许区别，但其本质意义是一致的，即博弈论是在决策者具有相互冲突目标或交互作用条件下的一种策略选择理论。
博弈