CN102790995A - 基于认知无线电的信道增益估计方法 - Google Patents

Abstract

本发明公开了一种基于认知无线电的信道增益估计方法，本发明的方法中认知用户主动充当主用户的中继，将接收、放大后的主用户信号作为探测信号向主用户接收端转发，通过提高主用户接收端的信噪比来触发主用户的闭环功率控制，最后认知用户根据观测到的主用户信号的信噪比变化不仅能估计出两个交叉信道的信道增益，还能估计出主用户信道的信道增益，该信息使认知用户之间的平均信道容量有了较明显的提高，同时由于本发明的方法中认知用户利用放大后的主用户信号作为探测信号，因此本发明还在平均意义上避免了探测过程中认知用户对主用户的干扰。

Description

基于认知无线电的信道增益估计方法

技术领域

本发明属于认知无线电技术领域，具体涉及一种在认知无线电网络中为了实现主用户与认知用户共存，提高认知用户平均信道容量的信道增益估计方法。

背景技术

认知无线电（CR，Cognitive Radio）是一种在未来无线通信领域解决频谱资源稀缺的有效技术。如果认知用户（CU，Cognitive User）不会对主用户（PU，Primary User）造成干扰或者认知用户对主用户的干扰在主用户可接收的范围内，该技术允许认知用户接入某段已经分配给主用户的频谱，实现频谱共享，从而提高频谱利用率。认知用户可以通过两种方式接入目标频带，一种是机会式频谱接入（OSA，Opportunistic Spectrum Access）,另一种是频谱共享（SS，Spectrum Sharing）。在机会式频谱接入方式下，认知用户检测主用户的工作状态，如果主用户处于空闲状态，认知用户会接入目标频带；一旦检测到主用户处于工作状态，认知用户就会释放目标频带。因此在机会式频谱接入中，认知用户实际上利用了主用户在目标频带上使用空隙，这样认知用户和主用户可以在不是时间或者不同地点使用同一频带；但是在频谱共享方式中，如果认知用户对主用户造成的干扰低于主用户可接收的干扰门限，那么认知用户仍然可以和主用户在同一个地方同时使用目标频带。因此频谱共享方式相对于机会式接入方式能够利用更多的频谱机会。

在频谱共享方式中，信道状态信息（CSI,Channel State Information）是实现认知用户与主用户共存的关键。根据认知用户获得的信道状态信息，认知用户可以在不同限制条件下与主用户共存，从而达到不同的信道容量。图1是一个典型的认知用户与主用户共存系统模型，这个模型考虑了两个认知用户和两个主用户，其中，PU₁和PU₂表示两个主用户，CU₁和CU₂表示两个认知用户，h_pp表示两个主用户PU₁和PU₂之间的信道，h_cc表示两个认知用户CU₁和CU₂之间信道，h_cp表示认知用户CU₁到主用户PU₂之间的信道，h_pc表示主用户PU₁到认知用户CU₂之间的信道。

从信息论的角度出发，在知道所有信道状态信息的情况下，认知用户的发射功率只受限于对主用户的干扰（IC，Interference Control），这时认知用户可以达到最大信道容量。但是在认知无线电系统中信道状态信息的估计是很具有挑战性的，因为在实际认知无线电系统中，主用户不愿意甚至不能够与认知用户进行信息交换。在图1中，尽管认知用户可以直接获得认知信道h_cc的信道状态信息，但是获得其它信道状态信息是非常困难的。如果要获得交叉信道h_pc的信道状态信息，那么认知用户需要获得主用户的训练序列；如果要获得另外一个交叉信道h_cp的信道状态信息，那么主用户需要获得认知用户的训练序列，而在实际系统中，这些条件显然是不可能满足的，而且对于主用户信道h_pp，由于只有主用户才能够对其进行估计，因此如果要获得h_pp的信道状态信息，该系统需要建立一条主用户与认知用户之间的反馈链路，主用户将h_pp的信道状态信息通过反馈链路反馈给认知用户，如果没有反馈链路，认知用户几乎不可能获得h_pp的信道状态信息。可见在认知无线电系统中，对两个交叉信道h_pc、h_cp，以及主用户信道h_pp的估计成为了实现主用户与认知用户共存的瓶颈，其中对主用户信道h_pp状态信息的获取最困难。

针对上述问题，一些文献对图2所示模型的三个信道状态信息的估计进行了研究，其中，主用户PU₁和PU₂分别具有一根发射接收天线且工作在TDD模式，CU₁有一根发射天线和一根接收天线。现有的研究方法是基于主动感知学习的原理，在该方法中，主用户工作在闭环功率控制的条件下（在闭环功率控制的作用下，主用户发射端根据接收端反馈的信噪比（SNR，Signal Noise Ratio）变化信息自动调整发射功率，保证接收端能够接收到恒定信噪比的期望信号，从而保证恒定数据率传输，因此该技术被广泛用于当前的认知无线电系统中），认知用户通过主动向主用户接收端发送干扰信息，降低主用户接收端的信噪比，从而触发主用户的闭环功率控制，最后认知用户根据观测到的主用户发射功率的调整对两个交叉信道h_pc或h_cp的信道增益进行估计，获得两个交叉信道的增益后，认知用户在进行数据传输时的发射功率受限于主用户所允许的最大干扰功率（ITC，Interference TempertureControl），具体可参考文献：R.Zhang,on active learning and supervised transmission ofspectrum sharing based cognitive radios by exploiting hidden primary radio feedback,IEEE Trans.Commun.vol.58,no.10,pp.2960-2970,Oct.2010和I.Bajaj,and Y.Gong,Cross-channelestimation using supervised probing and sensing in cognitive radio networks,in Proc.IEEE Int.Conmun.Conf.(ICC),Jun.2011,pp.1-5。该方法的存在的问题是：在探测过程中，认知用户向主用户发送的干扰信号会暂时降低主用户的通信性能；此外，该探测方法只能估计出交叉信道h_pc和h_cp的信道增益，即

和

不能估计出主用户信道h_pp的信道增益，即

发明内容

本发明的目的是为了解决现有信道增益估计方法中认知用户向主用户发送干扰信号会降低主用户通信性能以及不能估计出主用户信道增益的问题，提出了一种基于主动探测的信道增益估计方法。

本发明的技术方案是：一种基于认知无线电的信道增益估计方法，具体包括如下步骤：

步骤1：第一时隙，认知用户测量第一主用户发送的主用户信号信噪比γ_c1，同时认知用户以幅度增益G₂放大从第一主用户接收到的主用户信号，并向第二主用户转发以幅度增益G₂放大后的主用户信号；

步骤2：第二时隙，认知用户测量第二主用户发送的主用户信号信噪比γ_c2，同时认知用户以幅度增益G₁放大从第二主用户接收到的主用户信号，并向第一主用户转发以幅度增益G₁放大后的主用户信号；

步骤3：第三时隙，认知用户测量第一主用户发送的主用户信号信噪比γ′_c1，同时认知用户以幅度增益G′₂放大从第一主用户接收到的主用户信号，并向第二主用户转发以幅度增益G′₂放大后的主用户信号；

步骤4：第四时隙，认知用户测量第二主用户发送的主用户信号信噪比γ′_c2；

步骤5：第五时隙，认知用户测量第一主用户发送的主用户信号信噪比γ″_c1；

步骤6：分别计算认知用户和第一主用户信道增益

认知用户和第二主用户信道增益

第一主用户和第二主用户信道增

$h_2^2=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}{G}_2^2{\mathrm{\σ}}_c^2}{(1+G_2\mathrm{\Δ})}^2{\mathrm{\σ}}_2^2-\frac{{\mathrm{\σ}}_2^2}{G_2^2{\mathrm{\σ}}_c^2},$

$h_1^2=\frac{{\mathrm{\γ}}_{c2}^{\′}}{{\mathrm{\γ}}_{c2}{G}_1^2{\mathrm{\σ}}_c^2}{(1+G_1\mathrm{\Δ})}^2{\mathrm{\σ}}_1^2-\frac{{\mathrm{\σ}}_1^2}{G_1^2{\mathrm{\σ}}_c^2},$

$h_0^2=\frac{h_1^2{h}_2^2}{{\mathrm{\Δ}}^2},$

其中， $\mathrm{\Δ}=\frac{(G_2{\mathrm{\γ}}_{r1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{r1}^{\′})\±\sqrt{{\mathrm{\γ}}_{r1}^{\′}{\mathrm{\γ}}_{r1}^{\′\′}{(G_2-G_2^{\′})}^2+{\mathrm{\γ}}_{r1}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})(G_2^{\′2}-G_2^2)}}{G_2{G}_2^{\′}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})}.$

本发明有益效果：本发明在获得两个交叉信道增益

和

的同时获得了主用户信道增益

在认知用户与主用户共存的系统中，该信息使认知用户之间的平均信道容量有了较明显的提高。在本发明的方法中，认知用户主动充当主用户的中继，将接收、放大后的主用户信号作为探测信号向主用户接收端转发，通过提高主用户接收端的信噪比来触发主用户的闭环功率控制，最后认知用户根据观测到的主用户信号的信噪比变化不仅能估计出两个交叉信道的信道增益，还能估计出主用户信道的信道增益。因此本发明的方法还在平均意义上避免了探测过程中认知用户对主用户的干扰。

附图说明

图1是现有的一种的认知用户与主用户共存系统模型示意图。

图2是本发明方法所采用的系统模型示意图。

图3是本发明方法的时隙流程示意图。

图4是认知用户在不同功率限制条件下对主用户信道增益的估计性能示意图。

图5是未知主用户信道增益

与已知该值情况下认知用户之间的信道容量概率密度函数(CDF)曲线对比示意图。

具体实施方式

下面将结合附图，给出本发明的具体实施例。

为了方便地描述本发明的内容，首先对本发明中所使用的术语进行定义：

定义1：时分复用(TDD，Time Division Duplex)：通信双方在同一频率，不同时间片上进行通信。

定义2：时隙(Slot)：时分复用模式的一个时间片。

定义3：信噪比：信号功率与噪声功率的比值(用户将期望信号以外的所有干扰当作噪声处理)。

定义4：闭环功率控制(CLPC，Closed Loop Power Contro1)：发射端的功率根据接收端信噪比的变化调整，从而保证接收端的接收质量。

下面对本发明采用的模型进行介绍：

如图2所示，本发明采用的模型中考虑了两个主用户PU₁、PU₂和一个认知用户CU₁，为了表述方便，主用户信道h_pp、两个交叉信道h_pc和h_cp分别用h₀、h₁和h₂表示，相应的信道增益表示为

和

同时定义信号从主用户PU₁到PU₂的方向为前向传输方向，相反为反向传输方向。

模型中，两个主用户使用f频段在主用户信道h₀上以TDD的方式进行相互通信，同时认知用户也试图接入f频段，为了控制在通信时对主用户造成的干扰，认知用户需要根据主用户信道h₀、交叉信道h₁和h₂的变化实时调整发射功率。模型中分别用n₁、n₂和n_c表示PU₁、PU₂和CU₁处的高斯白噪声，分别服从均值为0，方差为

和的高斯分布，即

和

下面根据图3的时隙流程图介绍本发明的内容，其中，横向是时间方向，单位为时隙，纵向分别是直接链路(Direct link)和中继链路(Relay link)的工作状态，5个时隙作为一个信道增益估计的周期。

第一、三、五时隙：在前向传输方向上，主用户PU₁以功率p₁(毫瓦，mw)向PU₂发送信号

k表示信号的采样序号，满足1≤k≤K，其中，K表示最大采样数，p₁满足

$p_1=\frac{{\mathrm{\γ}}_{T2}{\mathrm{\σ}}_2^2}{{h_0}^2},---\left(1\right)$

其中，γ_T2表示PU₂的目标信噪比。

认知用户CU₁接收到的主用户信号和相应的信噪比分别为

$y_{c1}\left(k\right)=h_1\sqrt{p_1}{x}_{p_1}\left(k\right)+n_c\left(k\right),---\left(2\right)$

和

${\mathrm{\γ}}_{c1}=\frac{p_1{h}_1^2}{{\mathrm{\σ}}_c^2},---\left(3\right)$

CU₁在接收到主用户信号的同时以幅度增益G₂放大该信号，然后将放大后的主用户信号作为探测信号向PU₂转发，探测信号可以表示为：

$x_{c1}\left(k\right)=G_2{y}_{c1}\left(k\right)=G_2(h_1\sqrt{p_1}{x}_{p_1}\left(k\right)+n_c\left(k\right)),---\left(4\right)$

因此，在第一时隙，PU₂处接收到的信号以及相应的信噪比为：

和

${\mathrm{\γ}}_2=\frac{p_1{(h_0+G_2{h}_1{h}_2)}^2}{G_2^2{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2},---\left(6\right)$

在闭环功率控制下，在第二时隙PU₂将本地信噪比的变化信息通过反馈链路传给PU₁，PU₁在第三时隙将会调整信号的发射功率为

$p_1^{\′}=\frac{{\mathrm{\γ}}_{T2}(G_2^2{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)}{{(h_0+G_2{h}_1{h}_2)}^2},---\left(7\right)$

因此在第三时隙CU₁会观测到一个更新后的主用户信号的信噪比：

${\mathrm{\γ}}_{c1}^{\′}=\frac{h_1^2{p}_1^{\′}}{{\mathrm{\σ}}_c^2},---\left(8\right)$

在第三时隙，如果CU₁以幅度增益G′₂放大接收到的主用户信号并转发放大后的信号，在第五时隙，CU₁会再次观测到一个更新后的主用户信号的信噪比：

${\mathrm{\γ}}_{c1}^{\′\′}=\frac{h_1^2{p}_1^{\′\′}}{{\mathrm{\σ}}_c^2},---\left(9\right)$

其中，p″₁为在第五时隙PU₁的发射功率，该功率满足：

$p_1^{\′\′}=\frac{{\mathrm{\γ}}_{T2}(G_2^{\′2}{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)}{{(h_0+G_2^{\′}{h}_1{h}_2)}^2},---\left(10\right)$

第二、四时隙：与前向传输方向的过程相似，在反向传输方向中，如果在第二时隙CU₁以幅度增益G₁放大PU₂发送的信号并转发放大后的信号，CU₁将会在第二、四时隙分别观测到主用户信号的信噪比：

${\mathrm{\γ}}_{c2}=\frac{h_2^2{p}_2}{{\mathrm{\σ}}_c^2},---\left(11\right)$

和

${\mathrm{\γ}}_{c2}^{\′}=\frac{h_2^2{p}_2^{\′}}{{\mathrm{\σ}}_c^2},---\left(12\right)$

其中，p₂、p′₂分别为PU₂在第二时隙和第四时隙的发射功率，分别满足

$p_2=\frac{{\mathrm{\γ}}_{T1}{\mathrm{\σ}}_1^2}{{h_0}^2},---\left(13\right)$

和

$p_2^{\′}=\frac{{\mathrm{\γ}}_{T1}(G_1^2{h}_1^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_1^2)}{{(h_0+G_1{h}_1{h}_2)}^2},---\left(14\right)$

其中，γ_T1表示PU₁处的目标信噪比。

经过上述主动探测操作，CU₁就获得了包含信道增益

和

的信息，下面给出CU₁通过这些获得的信息对和

的估计过程。

通过(3)/(8)、(3)/(9)得到

$p_1^{\′}=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}{p}_1,---\left(15\right)$

和

$p_1^{\′\′}=\frac{{\mathrm{\γ}}_{c1}^{\′\′}}{{\mathrm{\γ}}_{c1}}{p}_1,---\left(16\right)$

化简(7)和(10)得到：

${\mathrm{\γ}}_{T2}(G_2^2{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)=p_1^{\′}{h}_0^2+G_2^2{p}_1^{\′}{h}_1^2{h}_2^2+2G_2{p}_1^{\′}{h}_0{h}_1{h}_2,---\left(17\right)$

和

${\mathrm{\γ}}_{T2}(G_2^{\′2}{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)=p_1^{\′\′}{h}_0^2+G_2^{\′2}{p}_1^{\′\′}{h}_1^2{h}_2^2+2G_2^{\′}{p}_1^{\′\′}{h}_0{h}_1{h}_2,---\left(18\right)$

通过

得到：

$G_2^{\′2}{\mathrm{\γ}}_{T2}(G_2^2{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)=G_2^{\′2}(p_1^{\′}{h}_0^2+G_2^2{p}_1^{\′}{h}_1^2{h}_2^2+2G_2{p}_1^{\′}{h}_0{h}_1{h}_2),---\left(19\right)$

$G_2^2{\mathrm{\γ}}_{T2}(G_2^{\′2}{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)=G_2^2(p_1^{\′\′}{h}_0^2+G_2^{\′2}{p}_1^{\′\′}{h}_1^2{h}_2^2+2G_2^{\′}{p}_1^{\′\′}{h}_0{h}_1{h}_2),---\left(20\right)$

通过(19)-(20)得到：

$(G_2^{\′2}-G_2^2){\mathrm{\γ}}_{T2}{\mathrm{\σ}}_2^2=G_2^{\′2}{p}_1^{\′}{h}_0^2-G_2^2{p}_1^{\′\′}{h}_0^2+G_2^{\′2}{G}_2^2{p}_1^{\′}{h}_1^2{h}_2^2-G_2^2{G}_2^{\′2}{p}_1^{\′\′}{h}_1^2{h}_2^2+$ $,\left(21\right)$

$2G_2^{\′2}{G}_2{p}_1^{\′}{h}_0{h}_1{h}_2-2G_2^2{G}_2^{\′}{p}_1^{\′\′}{h}_0{h}_1{h}_2$

通过变化(21)得到：

$(G_2^{\′2}-G_2^2){\mathrm{\γ}}_{T2}{\mathrm{\σ}}_2^2=G_2^{\′2}{p}_1^{\′}{h}_0^2-G_2^2{p}_1^{\′\′}{h}_0^2+\frac{G_2^{\′2}{G}_2^2{p}_1^{\′}{h}_0^2{h}_1^2{h}_2^2}{h_0^2}-\frac{G_2^2{G}_2^{\′2}{p}_1^{\′\′}{h}_0^2{h}_1^2{h}_2^2}{h_0^2}$ $,\left(22\right)$

$+\frac{2G_2^{\′2}{G}_2{p}_1^{\′}{h}_0{h}_1{h}_2}{h_0}-\frac{2G_2^2{G}_2^{\′}{p}_0^{\′\′}{h}_0{h}_1{h}_2}{h_0}$

将(15)和(16)带入(22)得到：

$(G_2^{\′2}-G_2^2){\mathrm{\γ}}_{T2}=\frac{G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}{p}_1{h}_0^2}{{\mathrm{\γ}}_{c1}{\mathrm{\σ}}_2^2}-\frac{G_2^2{\mathrm{\γ}}_{c1}^{\′\′}{p}_1{h}_0^2}{{\mathrm{\γ}}_{c1}{\mathrm{\σ}}_2^2}+\frac{G_2^{\′2}{G}_2^2{\mathrm{\γ}}_{c1}^{\′}{p}_1{h}_0^2{h}_1^2{h}_2^2}{{\mathrm{\γ}}_{c1}{h}_0^2{\mathrm{\σ}}_2^2}$ $,\left(23\right)$

$-\frac{G_2^2{G}_2^{\′2}{\mathrm{\γ}}_{c1}^{\′\′}{p}_1{h}_0^2{h}_1^2{h}_2^2}{{\mathrm{\γ}}_{c1}{h}_0^2{\mathrm{\σ}}_2^2}+\frac{2G_2^{\′2}{G}_2{\mathrm{\γ}}_{c1}^{\′}{p}_1{h}_0{h}_1{h}_2}{{\mathrm{\γ}}_{c1}{h}_0{\mathrm{\σ}}_2^2}-\frac{2G_2^2{G}_2^{\′}{\mathrm{\γ}}_{c1}^{\′\′}{p}_1{h}_0{h}_1{h}_2}{{\mathrm{\γ}}_{c1}{h}_0{\mathrm{\σ}}_2^2}$

将(1)带入(23)得到：

${\mathrm{\γ}}_{T2}(G_2^{\′2}-G_2^2)=\frac{G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}}-\frac{G_2^2{\mathrm{\γ}}_{c1}^{\′\′}{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}}+\frac{G_2^{\′2}{G}_2^2{\mathrm{\γ}}_{c1}^{\′}{h}_1^2{h}_2^2{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}{h}_0^2}$ $,\left(24\right)$

$-\frac{G_2^2{G}_2^{\′2}{\mathrm{\γ}}_{c1}^{\′\′}{h}_1^2{h}_2^2{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}{h}_0^2}+\frac{2G_2^{\′2}{G}_2{\mathrm{\γ}}_{c1}^{\′}{h}_1{h}_2{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}{h}_0}-\frac{2G_2^2{G}_2^{\′}{\mathrm{\γ}}_{c1}^{\′\′}{h}_1{h}_2{\mathrm{\γ}}_{T2}}{{\mathrm{\γ}}_{c1}{h}_0}$

（24）等式两边同时除以γ_T2得到：

$G_2^{\′2}-G_2^2=\frac{G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}-\frac{G_2^2{\mathrm{\γ}}_{c1}^{\′\′}}{{\mathrm{\γ}}_{c1}}+\frac{G_2^{\′2}{G}_2^2{\mathrm{\γ}}_{c1}^{\′}{h}_1^2{h}_2^2}{{{\mathrm{\γ}}_{c1}h}_0^2}-\frac{G_2^2{G}_2^{\′\′2}{\mathrm{\γ}}_{c1}^{\′\′}{h}_1^2{h}_2^2}{{\mathrm{\γ}}_{c1}{h}_0^2}$ $,\left(25\right)$

$+\frac{G_2^{\′2}{G}_2{\mathrm{\γ}}_{c1}^{\′}{h}_1{h}_2}{{\mathrm{\γ}}_{c1}{h}_0}-\frac{2G_2^2{G}_2^{\′}{\mathrm{\γ}}_{c1}^{\′\′}{h}_1{h}_2}{{\mathrm{\γ}}_{c1}{h}_0}$

化简（25）得到：

$G_2^{\′2}{G}_2^2({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′})\frac{h_1^2{h}_2^2}{h_0^2}+2G_2^{\′}{G}_2(G_2^{\′}{\mathrm{\γ}}_{c1}^{\′}-G_2{\mathrm{\γ}}_{c1}^{\′\′})\frac{h_1{h}_2}{h_0}+G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}-G_2^{\′2}{\mathrm{\γ}}_{c1}+G_2^2{\mathrm{\γ}}_{c1}=0,---\left(26\right)$

令

（26）可写成：

$G_2^{\′2}{G}_2^2({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′}){\mathrm{\Δ}}^2+2G_2^{\′}{G}_2(G_2^{\′}{\mathrm{\γ}}_{c1}^{\′}-G_2{\mathrm{\γ}}_{c1}^{\′\′})\mathrm{\Δ}+G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}-G_2^2{\mathrm{\γ}}_{c1}^{\′\′}-G_2^{\′2}{\mathrm{\γ}}_{c1}+G_2^2{\mathrm{\γ}}_{c1}=0,---\left(27\right)$

解（27）得到：

$\mathrm{\Δ}=\frac{(G_2{\mathrm{\γ}}_{c1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{c1}^{\′})\±\sqrt{{(G_2{\mathrm{\γ}}_{c1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{c1}^{\′})}^2-({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′})(G_2^{\′2}{\mathrm{\γ}}_{c1}^{\′}-G_2^2{\mathrm{\γ}}_{c1}^{\′\′}+G_2^2{\mathrm{\γ}}_{c1}-G_2^{\′2}{\mathrm{\γ}}_{c1})}}{G_2{G}_2^{\′}({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′})},---\left(28\right)$

化简（28）得到：

$\mathrm{\Δ}=\frac{(G_2{\mathrm{\γ}}_{c1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{c1}^{\′})\±\sqrt{{\mathrm{\γ}}_{c1}^{\′}{\mathrm{\γ}}_{c1}^{\′\′}{(G_2-G_2^{\′})}^2+{\mathrm{\γ}}_{c1}({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′})(G_2^{\′2}-G_2^2)}}{G_2{G}_2^{\′}({\mathrm{\γ}}_{c1}^{\′}-{\mathrm{\γ}}_{c1}^{\′\′})},---\left(29\right)$

因此，CU₁可以得到：

h₁h₂=Δh₀，        （30）

这里的h₀、h₁和h₂可以理解为信道h₀、h₁和h₂的信道系数。

将（30）带入（17）可以得到：

${\mathrm{\γ}}_{T2}(G_2^2{h}_2^2{\mathrm{\σ}}_c^2+{\mathrm{\σ}}_2^2)=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}{p}_1{h}_0^2+G_2^2{\mathrm{\Δ}}^2\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}{p}_1{h}_0^2+2G_2\mathrm{\Δ}\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}{p}_1{h}_0^2,---\left(31\right)$

将等式（31）两端同时除以

可以得到：

${\mathrm{\γ}}_{T2}(\frac{G_2^2{h}_2^2{\mathrm{\σ}}_c^2}{{\mathrm{\σ}}_2^2}+1)=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}\frac{p_1{h}_0^2}{{\mathrm{\σ}}_2^2}+G_2^2{\mathrm{\Δ}}^2\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}\frac{p_1{h}_0^2}{{\mathrm{\σ}}_2^2}+2G_2\mathrm{\Δ}\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}\frac{p_1{h}_0^2}{{\mathrm{\σ}}_2^2},---\left(32\right)$

将等式（1）带入（31），可以得到：

$\frac{G_2^2{h}_2^2{\mathrm{\σ}}_c^2}{{\mathrm{\σ}}_2^2}+1=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}}(1+G_2^2+2G_2\mathrm{\Δ}),---\left(33\right)$

化简（32），可以得到：

$h_2^2=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}{G}_2^2{\mathrm{\σ}}_c^2}{(1+G_2\mathrm{\Δ})}^2{\mathrm{\σ}}_2^2-\frac{{\mathrm{\σ}}_2^2}{G_2^2{\mathrm{\σ}}_c^2},---\left(34\right)$

同理，在获得Δ后，如果考虑反向传输，那么认知用户可以得到：

$h_1^2=\frac{{\mathrm{\γ}}_{c2}^{\′}}{{\mathrm{\γ}}_{c2}{G}_1^2{\mathrm{\σ}}_c^2}{(1+G_1\mathrm{\Δ})}^2{\mathrm{\σ}}_1^2-\frac{{\mathrm{\σ}}_1^2}{G_1^2{\mathrm{\σ}}_c^2},---\left(35\right)$

通过（29）、（30）、（33）和（34）可以得到：

$h_0^2=\frac{h_1^2{h}_2^2}{{\mathrm{\Δ}}^2},---\left(36\right)$

经过上述操作，认知用户就得到了

和

最后将本发明方法的步骤总结如下：

步骤1：第一时隙，CU₁测量PU₁发送的主用户信号信噪比γ_c1，同时CU₁以幅度增益G₂放大从PU₁接收到的主用户信号，并向PU₂转发以幅度增益G₂放大后的主用户信号。

步骤2：第二时隙，CU₁测量PU₂发送的主用户信号信噪比r_c2，同时CU₁以幅度增益G₁放大从PU₂接收到的主用户信号，并向PU₁转发以幅度增益G₁放大后的主用户信号。

步骤3：第三时隙，CU₁测量PU₁发送的主用户信号信噪比γ′_c1，同时CU₁以幅度增益G′₂放大从PU₁接收到的主用户信号，并向PU₂转发以幅度增益G′₂放大后的主用户信号。

步骤4：第四时隙，CU₁测量PU₂发送的主用户信号信噪比γ′_c2。

步骤5：第五时隙，CU₁测量PU₁发送的主用户信号信噪比γ″_c1。

步骤6：计算 $h_2^2=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}{G}_2^2{\mathrm{\σ}}_c^2}{(1+G_2\mathrm{\Δ})}^2{\mathrm{\σ}}_2^2-\frac{{\mathrm{\σ}}_2^2}{G_2^2{\mathrm{\σ}}_c^2},$ $h_1^2=\frac{{\mathrm{\γ}}_{c2}^{\′}}{{\mathrm{\γ}}_{c2}{G}_1^2{\mathrm{\σ}}_c^2}{(1+G_1\mathrm{\Δ})}^2{\mathrm{\σ}}_1^2-\frac{{\mathrm{\σ}}_1^2}{G_1^2{\mathrm{\σ}}_c^2}$ 和 $h_0^2=\frac{h_1^2{h}_2^2}{{\mathrm{\Δ}}^2},$ 其中， $\mathrm{\Δ}=\frac{(G_2{\mathrm{\γ}}_{r1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{r1}^{\′})\±\sqrt{{\mathrm{\γ}}_{r1}^{\′}{\mathrm{\γ}}_{r1}^{\′\′}{(G_2-G_2^{\′})}^2+{\mathrm{\γ}}_{r1}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})(G_2^{\′2}-G_2^2)}}{G_2{G}_2^{\′}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})}.$

需要说明的是，由于每个节点是有功率限制的，因而这里可以根据功率限制来界定幅度增益G₁、G₂、G′₂，理论上的最优的G₁、G₂、G′₂在实际功率限制中是达不到的，本领域的技术人员可以根据实际情况进行选取。此外，由于CU₁观测到的主用户信噪比的误差和幅度增益G₂、G′₂不合适的选取，（29）可能会出现非正根或者虚数根，这个时候CU₁认为估计失败，接着进行下一次估计；相反，CU₁将获得的一个正实数根视为一次成功估计。另外，如果同时出现两个正实数根，CU₁将会随机挑选其中一个根继续进行信道增益的估计，仿真证明，这种次优的估计方法仍然可以达到较好的性能。

本发明的原理：在闭环功率控制的作用下，如果接收端的信噪比降低，那么发射端将在下一个传输时隙增大发射功率；相反，如果接收端的信噪比增加，那么发射端将在下一个传输时隙降低发射功率。认知用户通过接收到的主用户信号的信噪比变化可以获得主用户发射端功率的变化信息。以前向传输为例，从（7）和（8）可知，CU₁接收到的信噪比包含了h₀、h₁和h₂的信息，即γ′_c1=f(h₀,h₁,h₂)，因此，CU₁利用所观测到的主用户信噪比对信道增益

和进行估计是可行的。

从上面的步骤可以看出本发明中估计主用户信道增益的必要条件：

1.主用户工作在TDD模式下。

2.认知用户需要将放大后的主用户信号作为探测信号向主用户接收端转发。

考虑图2中的系统模型，其中，认知用户CU₁位于两个主用户PU₁和PU₂之间，取PU₁和PU₂的距离为0.25km，用d表示CU₁到PU₁的距离，用0.25-d表示CU₁到PU₂的距离。电磁波在无线信道中传播受阴影衰落和自由空间衰落的影响，其中，阴影衰落服从均值为10的对数正态分布，自由空间衰落模型为：

P_L(dB)=128.1+37.6log₁₀(l)l≥0.035km，（37）

其中，l表示电磁波传播的距离。

实例中考虑主用户PU₁的目标接收信噪比γ_T1=15dB，主用户PU₂的目标接收信噪比γ_T2=5dB，主用户PU₁、PU₂和认知用户CU₁处的噪声能量分别为

和

进一步考虑主用户PU₁和PU₂的最大功率限制分别为 $P_{{\max }_1}=20\mathrm{dBm}$ 和 $P_{{\max }_2}=10\mathrm{dBm}.$

图4给出了认知用户CU₁在功率限制分别为

和

两种情况下的估计性能对比，其中，左边纵轴表示信道增益的估计误差，右边纵轴表示估计成功率，ε表示平均相对估计误差，定义为

表示

的估计值；

表示估计平均成功率，N_m表示总估计次数，N_f表示估计失败次数；

表示认知用户CU₁的最大功率限制；d表示认知用户CU₁距主用户PU₁的距离。

从图中可以很明显地看到，当

时，由于认知用户位置的变化，平均相对估计误差最小能低至1.5%，平均成功率高达90%；当

时，平均相对估计误差最小能低至2%，平均成功率高于85%，可见，该估计方法显示了较好的估计性能，并且认知用户最大限制功率越高，估计性能越好。

下面，通过仿真证明在认知用户与主用户共存的系统中，利用本发明所获得的主用户信道增益和交叉信道增益相对于只获得交叉信道增益能够较明显地提高认知用户的平均信道容量。

如图1所示，考虑4个用户分别位于变长为100m的正方形四个顶点，主用户PU₁和认知用户CU₁的最大功率限制都为20dBm，主用户PU₁和PU₂的平均数据率为4.65Mbps，平均中断率为4%，主用户允许的最大中断率为5%。

如果认知用户只能获得交叉信道h_cp和h_pc的信道增益，那么认知用户只能在干扰温度限制（ITC）条件下工作。图5给出了未知主用户信道增益

与已知该值情况下认知用户之间的信道容量概率密度函数（CDF）曲线对比图，其中，C表示信道容量，单位为比特每秒（bps），Mbps表示兆比特每秒。从图5可以得知，在这种情况下，认知用户的平均信道容量仅仅为0.056Mbps；然而，在相同条件下，如果认知用户能通过本发明获得

和

认知用户的平均信道容量能达到1.17Mbps。可见，在认知用户与主用户共存的系统中，本发明能够将认知用户的平均信道容量提高接近20dB。

以上实例仅为本发明的优选例子而已，本发明的使用并不局限于该实例，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于认知无线电的信道增益估计方法，具体包括如下步骤：

步骤1：第一时隙，认知用户测量第一主用户发送的主用户信号信噪比γ_c1，同时认知用户以幅度增益G₂放大从第一主用户接收到的主用户信号，并向第二主用户转发以幅度增益G₂放大后的主用户信号；

步骤2：第二时隙，认知用户测量第二主用户发送的主用户信号信噪比γ_c2，同时认知用户以幅度增益G₁放大从第二主用户接收到的主用户信号，并向第一主用户转发以幅度增益G₁放大后的主用户信号；

步骤3：第三时隙，认知用户测量第一主用户发送的主用户信号信噪比γ′_c1，同时认知用户以幅度增益G′₂放大从第一主用户接收到的主用户信号，并向第二主用户转发以幅度增益G′₂放大后的主用户信号；

步骤4：第四时隙，认知用户测量第二主用户发送的主用户信号信噪比γ′_c2；

步骤5：第五时隙，认知用户测量第一主用户发送的主用户信号信噪比γ′_c1；

步骤6：分别计算认知用户和第一主用户信道增益

认知用户和第二主用户信道增益

第一主用户和第二主用户信道增

$h_2^2=\frac{{\mathrm{\γ}}_{c1}^{\′}}{{\mathrm{\γ}}_{c1}{G}_2^2{\mathrm{\σ}}_c^2}{(1+G_2\mathrm{\Δ})}^2{\mathrm{\σ}}_2^2-\frac{{\mathrm{\σ}}_2^2}{G_2^2{\mathrm{\σ}}_c^2},$

$h_1^2=\frac{{\mathrm{\γ}}_{c2}^{\′}}{{\mathrm{\γ}}_{c2}{G}_1^2{\mathrm{\σ}}_c^2}{(1+G_1\mathrm{\Δ})}^2{\mathrm{\σ}}_1^2-\frac{{\mathrm{\σ}}_1^2}{G_1^2{\mathrm{\σ}}_c^2},$

$h_0^2=\frac{h_1^2{h}_2^2}{{\mathrm{\Δ}}^2},$

其中， $\mathrm{\Δ}=\frac{(G_2{\mathrm{\γ}}_{r1}^{\′\′}-G_2^{\′}{\mathrm{\γ}}_{r1}^{\′})\±\sqrt{{\mathrm{\γ}}_{r1}^{\′}{\mathrm{\γ}}_{r1}^{\′\′}{(G_2-G_2^{\′})}^2+{\mathrm{\γ}}_{r1}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})(G_2^{\′2}-G_2^2)}}{G_2{G}_2^{\′}({\mathrm{\γ}}_{r1}^{\′}-{\mathrm{\γ}}_{r1}^{\′\′})}.$

Images