一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法技术

本发明专利技术公开了本发明专利技术的一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法，包括步骤一：对SU和PU进行极化域和空域信号表征；步骤二：计算授权频谱处于每种可能状态的概率；步骤三：利用步骤三得到的结果计算每种授权频谱状态下SU的吞吐量，进而计算涉及所有授权频谱状态的SU加权吞吐量；步骤四：得到对PU无干扰的SU发送极化状态；步骤五：以SU加权吞吐量为优化目标，以SU的接收极化状态和波束赋形向量为待求解变量，采用群智能算法求解二次型分式优化问题。本发明专利技术由于能使多对SU和PU同时共存于同一授权频段，频谱效率得以更大幅度的提升。

【技术实现步骤摘要】
一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法
本专利技术属于通信
，涉及一种极化-空域频谱共享技术，具体地说，是指一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法。
技术介绍
无线频谱资源是一种不可再生的宝贵资源，为了提升频谱资源利用率，多对认知用户(SU,SecondaryUser)通常会竞争使用授权频谱。在多对SU和一对授权用户(PU,PrimaryUser)共存的场景下，SU首先需要避免对PU的干扰，其次需要解决SU之间的相互干扰以保证对授权频段的高效利用。对于上述问题，目前SU主要采用基于协商、拍卖、CSMA随机接入和博弈论等理论的频谱共享方法，实现多对SU对授权频谱的共享。然而，上述传统方法由于不能有效消除多对SU对PU的干扰，而使得多对SU不能与PU同时同频共存，因此传统的方法对频谱效率的提升是有限的。
技术实现思路
本专利技术的目的是为了解决频谱共享场景下，多对SU和PU之间的干扰问题，提供一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法。本专利技术的一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法，包括如下步骤：步骤一：对SU和PU进行极化域和空域信号表征；步骤二：将SU的到达和离去过程建模为泊松过程，进一步利用马尔科夫链描述授权频谱的动态转移特性，并根据归一化方程计算授权频谱处于每种可能状态的概率；步骤三：利用步骤三得到的结果计算每种授权频谱状态下SU的吞吐量，进而计算涉及所有授权频谱状态的SU加权吞吐量；步骤四：SU采样PU信号，基于降噪后的PU信号，利用SU和PU之间上下行信道的互易性进行盲极化适配处理，得到对PU无干扰的SU发送极化状态；步骤五：以SU加权吞吐量为优化目标，以SU的接收极化状态和波束赋形向量为待求解变量，采用群智能算法求解二次型分式优化问题。本专利技术的优点与积极效果在于：(1)由于能使多对SU和PU同时共存于同一授权频段，频谱效率得以更大幅度的提升；(2)由于有效消除了对PU的干扰，即使PU出现于授权频段，SU也不必退出授权频段，因此提高了SU通信的连续性；(3)本专利技术的数学建模考虑了授权频段的动态特性，使得极化-空域频谱机会对动态变化的通信环境具有鲁棒性。附图说明图1是本专利技术的频谱共享系统示意图；图2是本专利技术的极化-空域频谱共享方法的流程示意图；图3是授权频谱的状态转移示意图；图4是具有极化-空域频谱共享功能的OFDM发射机原理示意图；具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术在MIMO-ODPA(MultipleInputMultipleOutput–OrthogonalDualPolarizedAntennas，空间上分离的多副正交双极化天线)天线配置的基础上，将授权频谱状态转移建模为马尔科夫链，并进一步利用哈达玛乘积来表示信号极化域和空域之间的相互关系，建立了加权的分式二次型优化问题。通过求解此优化问题，得到SU发送和接收极化状态以及波束赋形向量，用上述向量作为OFDM(OrthogonalFrequencyDivisionMultiplexing，正交频分复用技术)发射机上功分和移相单元以及波束赋形处理单元的输入，则可实现极化-空域频谱共享功能。本专利技术实现了对授权频谱的多次利用，可大幅度地提升授权频段的频谱效率。本专利技术的一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法，流程如图2所示，包括如下步骤：步骤一：对SU和PU进行极化域和空域信号表征；考虑到授权系统和认知系统分别有其各自的多址方式，假设授权系统和认知系统内部的用户之间均无相互干扰，而同频干扰只存在于PU与SU之间以及属于不同系统的SU之间。一个典型的频谱共享系统如图1所示。由授权发射机和授权接收机组成一个授权通信链路，而认知发射机STa与认知接收机SRa组成认知通信链路Sa，认知发射机STb和认知接收机SRb组成认知通信链路Sb。在同一授权频段上，两个认知链路和一个授权链路共存，并且SU利用极化和空间资源消除用户之间的干扰。为了实现发送波束赋形功能，发送端需要装有空间分离的多天线，因此这里假定认知发射机装有Nt＝2N(N＝1,2,3,...)根双极化天线，而接收端只需实现接收极化的调节，不需要空间上的多天线，因此假定认知接收机装有Nr＝2根双极化天线。由于每个ODPA由2根天线构成，那么认知发射机上ODPA的个数为N，而认知接收机上ODPA的个数为1，假定PU采用单极化天线。将PU的目标信号信道表示为HP，SU的目标信号信道分别表示为HSa和HSb。干扰信号信道标记及其含义则如表1所示，其中SU-Sa和SU-Sb分别指认知用户Sa和Sb。表1干扰信号信道标记及其含义标记含义GPSaSU-Sa用于监听PU的信道GPSbSU-Sb用于监听PU的信道HPSaPU对SU-Sa的干扰信道HPSbPU对SU-Sb的干扰信道HSaPSU-Sa对PU的干扰信道HSbPSU-Sb对PU的干扰信道HSaSbSU-Sa对SU-Sb的干扰信道HSbSaSU-Sb对SU-Sa的干扰信道为了表述的方便，省略上述信道中用于表征用户的下标，并将所有信道矩阵统一表示成H。另外，考虑到上述所有信道都包含去极化作用和空间衰落作用，因此将极化和空间信息相分离的方法来表征信道矩阵其中而是双极化信道。⊙为哈达玛乘积。Hs表示信道的空间衰落作用。由于认知发射端上ODPA的个数为N，而任意接收端在空间上的天线数量为1，那么从认知发射端到任意接收端的信道在空间上是N×1的MISO信道。表示空间第i条路径上的衰落系数。描述了认知发送端上第i个ODPA与认知接收端上ODPA之间信道的去极化特性。认知发送端STa和STb上第i个ODPA的发送极化状态(u＝Sa或Sb)可以用Jones矢量分别表示为其中：和分别是认知发送端第i个ODPA上极化状态的幅度描述子和相位描述子。为了描述的方便，将认知链路Sa和Sb的发送极化状态进一步写成认知链路Sa和Sb的接收极化状态(u＝Sa或Sb)可表示为其中：和分别是认知接收端上接收极化状态的幅度描述子和相位描述子。认知发送波束赋形矢量(u＝Sa或Sb)可表示为其中为SU发射端波束赋形因子，和分别是波束赋形因子的幅度和相位。步骤二：将SU的到达和离去过程建模为泊松过程，进一步利用马尔科夫链描述授权频谱的动态转移特性，并根据归一化方程计算授权频谱处于每种可能状态的概率；为了获取极化-空域频谱机会，需要建立关于极化-空域频谱机会的数学问题模型，而数学问题模型的建立又依赖于授权频谱状态的建模。因此，下面将利用马尔科夫转移模型描述授权频谱的动态特性。在描述动态性之前，这里首先说明授权频谱状态、PU状态以及SU状态的含义。所谓授权频谱状态是指授权频谱上存在哪些用户，如：仅PU出现、仅SU出现、PU和SU同时出现以及都没出现；而PU的状态是指PU是否在授权频谱上出现，同样地，SU的状态是指SU是否在授权频谱上出现。在频谱共享场景下，不仅PU占用授权频谱，而且多个认知系统也接入授权频谱，因此授权频谱的状态是由PU以及SU的状态决定的。对于SU来说，PU的存在与否可以通过频谱感知来判断，因此PU的状态是可以确定的。然而，SU却不能通过频谱感知来判断其它本文档来自技高网...

【技术保护点】
一种基于联合极化适配和波束赋形处理的极化‑空域频谱共享方法，包括如下步骤：步骤一：对SU和PU进行极化域和空域信号表征；假设授权系统和认知系统内部的用户之间均无相互干扰，而同频干扰只存在于PU与SU之间以及属于不同系统的SU之间；授权发射机和授权接收机组成一个授权通信链路，认知发射机STa与认知接收机SRa组成认知通信链路Sa，认知发射机STb和认知接收机SRb组成认知通信链路Sb，在同一授权频段上，两个认知链路和一个授权链路共存，并且SU利用极化和空间资源消除用户之间的干扰，假定认知发射机装有Nt＝2N根双极化天线，N是取值为1,2,3,...的自然数，认知接收机装有Nr＝2根双极化天线，认知发射机上ODPA的个数为N，认知接收机上ODPA的个数为1，假定PU采用单极化天线；将PU的目标信号信道表示为HP，SU的目标信号信道分别表示为HSa和HSb；干扰信号信道标记及其含义则如表1所示，其中SU‑Sa和SU‑Sb分别指认知用户Sa和Sb；表1干扰信号信道标记及其含义标记含义GPSaSU‑Sa用于监听PU的信道GPSbSU‑Sb用于监听PU的信道HPSaPU对SU‑Sa的干扰信道HPSbPU对SU‑Sb的干扰信道HSaPSU‑Sa对PU的干扰信道HSbPSU‑Sb对PU的干扰信道HSaSbSU‑Sa对SU‑Sb的干扰信道HSbSaSU‑Sb对SU‑Sa的干扰信道省略上述信道中用于表征用户的下标，将所有信道矩阵统一表示成H，将极化和空间信息相分离的方法来表征信道矩阵其中Hs=h1sh2s...hNs---(2)]]>而是双极化信道，i的取值为1,2,...,N；⊙为哈达玛乘积，Hs表示信道的空间衰落作用，从认知发射端到任意接收端的信道在空间上是N×1的MISO信道，表示空间第i条路径上的衰落系数；描述了认知发送端上第i个ODPA与认知接收端上ODPA之间信道的去极化特性；假定u＝Sa或Sb，认知发送端STa和STb上第i个ODPA的发送极化状态用Jones矢量分别表示为Pu,it=cosθu,itsinθu,itejφu,it---(3)]]>其中：和分别是认知发送端第i个ODPA上极化状态的幅度描述子和相位描述子；将认知链路Sa和Sb的发送极化状态进一步写成Put=Pu,1tPu,2t...Pu,NtT---(4)]]>认知链路Sa和Sb的接收极化状态表示为Pur=cosθursinθurejfur---(5)]]>其中：和分别是认知接收端上接收极化状态的幅度描述子和相位描述子；认知发送波束赋形矢量Wu表示为Wu=w1uw2u...wNu=β1uejψ1uβ2uejψ2u...βNuejψNu---(6)]]>其中：和i＝1,2,...,N，分别是认知发射端波束赋形因子的幅度和相位；步骤二：将SU的到达和离去过程建模为泊松过程，进一步利用马尔科夫链描述授权频谱的动态转移特性，并根据归一化方程计算授权频谱处于每种可能状态的概率；假设认知通信的到达过程为泊松过程，SU的状态变化用马尔科夫链来描述，假设授权频谱的状态为其中X1表示PU是否存在，X2表示认知链路Sa是否存在，X3表示认知链路Sb是否存在；如果以“0”表示没有通信存在，而以“1”表示有通信存在，则授权频谱在不存在PU的状态集合为存在PU状态的集合为将两个认知链路的通信到达率和离去率分别表示为λSa，λSb以及vSa，vSb；描述上述状态转移的稳态方程及归一化方程为υSap110+υSbp101=(λSa+λSb)p100λSap100+λSbp111=(υSa+λSb)p110υSap111+λSbp100=(λSa+υSb)p101λSap101+λSbp110=(υSa+υSb)p111p100+p110+p101+p111=1---(7)]]>对上述方程组进行求解，得到授权频谱处于每个状态的概率为p100=υSaυSb(λSa+υSa)(λSb+υSb)p110=λSaυSb(λSa+υSa)(λSb+υSb)p101=λSbυSa(λSa+υSa)(λSb+υSb)p111=λSaλSb(λSa+υSa...

【技术特征摘要】
1.一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法，包括如下步骤：步骤一：对SU和PU进行极化域和空域信号表征；假设授权系统和认知系统内部的用户之间均无相互干扰，而同频干扰只存在于PU与SU之间以及属于不同系统的SU之间，其中，SU表示多对认知用户，PU表示一对授权用户；授权发射机和授权接收机组成一个授权通信链路，认知发射机STa与认知接收机SRa组成认知通信链路Sa，认知发射机STb和认知接收机SRb组成认知通信链路Sb，在同一授权频段上，两个认知链路和一个授权链路共存，并且SU利用极化和空间资源消除用户之间的干扰，假定认知发射机装有Nt＝2N根双极化天线，N是取值为1,2,3,...的自然数，认知接收机装有Nr＝2根双极化天线，认知发射机上ODPA的个数为N，认知接收机上ODPA的个数为1，假定PU采用单极化天线；将PU的目标信号信道表示为HP，SU的目标信号信道分别表示为HSa和HSb；干扰信号信道标记及其含义具体为：GPSa表示SU-Sa用于监听PU的信道，GPSb表示SU-Sb用于监听PU的信道，HPSa表示PU对SU-Sa的干扰信道，HPSb表示PU对SU-Sb的干扰信道，HSaP表示SU-Sa对PU的干扰信道，HSbP表示SU-Sb对PU的干扰信道，HSaSb表示SU-Sa对SU-Sb的干扰信道，HSbSa表示SU-Sb对SU-Sa的干扰信道；其中SU-Sa和SU-Sb分别指认知用户Sa和Sb；省略上述信道中用于表征用户的下标，将所有信道矩阵统一表示成H，将极化和空间信息相分离的方法来表征信道矩阵其中而是双极化信道，i的取值为1,2,...,N；⊙为哈达玛乘积，Hs表示信道的空间衰落作用，从认知发射端到任意接收端的信道在空间上是N×1的MISO信道，表示空间第i条路径上的衰落系数；描述了认知发送端上第i个ODPA与认知接收端上ODPA之间信道的去极化特性；假定u＝Sa或Sb，认知发送端STa和STb上第i个ODPA的发送极化状态用Jones矢量分别表示为其中：和分别是认知发送端第i个ODPA上极化状态的幅度描述子和相位描述子；将认知链路Sa和Sb的发送极化状态进一步写成认知链路Sa和Sb的接收极化状态表示为其中：和分别是认知接收端上接收极化状态的幅度描述子和相位描述子；认知发送波束赋形矢量Wu表示为其中：和分别是认知发射端波束赋形因子的幅度和相位；步骤二：将SU的到达和离去过程建模为泊松过程，进一步利用马尔科夫链描述授权频谱的动态转移特性，并根据归一化方程计算授权频谱处于每种可能状态的概率；假设认知通信的到达过程为泊松过程，SU的状态变化用马尔科夫链来描述，假设授权频谱的状态为其中X1表示PU是否存在，X2表示认知链路Sa是否存在，X3表示认知链路Sb是否存在；如果以“0”表示没有通信存在，而以“1”表示有通信存在，则授权频谱在不存在PU的状态集合为存在PU状态的集合为将两个认知链路的通信到达率和离去率分别表示为λSa，λSb以及νSa，νSb；描述上述状态转移的稳态方程及归一化方程为对上述方程组进行求解，得到授权频谱处于每个状态的概率为步骤三：利用步骤三得到的结果计算每种授权频谱状态下SU的吞吐量，进而计算涉及所有授权频谱状态的SU加权吞吐量；计算每种授权频谱的状态下SU的吞吐量，每种授权频谱的状态的计算方法相同，以授权频谱状态为例说明极化信号和空域信号的表征和处理；假设认知发送端STa的原始信号为sSa，将此信号承载到极化状态上并经过波束赋形矢量WSa作用后的发送信号记为此发送信号通过信道HSa到达认知接收端SRa接收天线之前的来波信号记为经SRa的接收天线以极化状态接收以后的接收信号记为类似地，认知接收端SRa接收到的来自STb的干扰信号可记为而SRa接收到的来自PU的干扰信号可记为那么认知接收端SRa的接收信号就可以表示为目标信号、来自PU的干扰信号、来自SU-Sb的干扰信号和噪声的叠加：其中：nSa为SRa上零均值、方差为的加性噪声矢量；sSb和sp分别是SU-Sb和PU的发送信号；类似地，认知接收端SRb的接收信号可表示为其中：nSb为SRb上零均值、方差为的加性噪声矢量；基于式(9)和式(10),认知链路Sa接收到的目标信号功率可表示为干扰信号功率可表示为那么在授权频谱状态下，认知链路Sa的吞吐量为而认知链路Sb在授权频谱状态下的吞吐量可以类似地计算为类似地，PU的接收信号可表示为其中np为授权接收端的加性噪声矢量；那么SU对PU的干扰功率为与状态类似，当授权频谱处于状态时，SU吞吐量以及SU对PU的干扰功率可以类似地求得：认知链路Sa和Sb的统计吞吐量分别为从而SU加权吞吐量为步骤四：SU采样PU信号，基于降噪后的PU信号，利用SU和PU之间上下行信道的互易性进行盲极...

【专利技术属性】
技术研发人员：郭彩丽，厉东明，曾志民，冯春燕，林晓琳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11