２０１２年第０６期 Ｉｌｌ ｄｏｉ：１０ ３９６９／ｊ．ｉｓｓｎ １６７１・１１２２ ２０１２ ０６．０２０ 认知无线电中一种有效的 联合功率分配策略 张以皓 ，蒋嵘 ，马月槐。 （１．中国人民理工大学通信工程学院，江苏南京２１０００７； ２．中国人民后勤学院后勤司令部工作系，北京１００８５８； ３．总参通信训练基地无线通信教研室，河北宣化０７５１００） 摘要：文章在考虑主用户占用子信道概率情况的基础上，建立了认知系统的多区域模型，文章提出了 适应于主用户是否存在的干扰避免策略。在满足认知用户约束的条件下，基于最大化认知系统传输速率，提 出了各子信道集合以及不同集合内功率分配的联合优化方法，且该方法复杂度较低。 关键词：有限感知区域；混合保护；功率分配；机会频谱接入 中图分类号：ＴＰ３９３．０８ 文献标识码：Ａ 文章编号：１６７１—１１２２（２０１２）０６—００６８—０３ Ａｎ Ｅｆｆｉｃｉｅｎｔ Ｃｏｍｂｉｎｅｄ Ｐｏｗｅｒ Ａｌｌｏｃａｔｉｏｎ Ｍｅｔｈｏｄ ｉｎ Ｃｏｇｎｉｔｉｖｅ Ｒａｄｉｏ ＺＨＡＮＧ Ｙｉ．ｈａｏ ．ＪＩＡＮＧ Ｒｏｎｇ ，ＭＡ Ｙｕｅ—ｈｕａｉ （１．ＩｎｓｔｉｔｕｔｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ， ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉ．＆Ｔｅｃｈ，ＮａｎｊｉｎｇＪｉａｎｇｓｕ ２１０００７，Ｃｈｉｎａ； Ｌｏｇ￣ｔｉｃｓ．Ｂｅｉｊｉｎｇ １ ００８５８ Ｃｈｉｎａ，＂ ２．Ｄｅｐａｒｔｍｅｎｔ ｏｆＬｏｇｉｓｔｉｃｓ Ｃｏｍｍａｎｄ Ｗｏｒｋ，Ｉｎｓｔｉｔｕｔｅ ｏｆ ３．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ＳｔａｆｆＲｏｏｍ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｔｒａｉｎｉｎｇ Ｂａｓｅ ｏｆＧｅｎｅｒａｌ ＳｔａｆｆＨｅａ砌ｕａｒｔｅｒｓ， Ｘｕａｎｈｕａ Ｈｅｂｅｉ ０７５１００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｓｕｂｃｈａｎｎｅｌ ｏｃｃｕｐａｎｃｙ ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｐｒｉｍａｒｙ ｕｓｅｒｓ，ｔｈｅ ａｕｔｈｏｒｓ ｆｏｕｎｄ ｔｈｅ ｍｕｌｔｉ－ａｒｅａ ｍｏｄｅｌ ｏｆ ｃｏｇｎｉｔｉｖｅ ｓｙｓｔｅｍ ａｎｄ ｐｒｏｐｏｓｅ ｔｈｅ ｍｉｘｅｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ａｖｏｉｄａｎｃｅ ｐｒｉｎｃｉｐｌｅ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｉｔｕａｔｉｏｎｓ．Ｂａｓｅｄ ｏｎ ｔｈｅ ｏｂｊｅｃｔｉｖｅ ｏｆ ｍａｘｉｍｉｚｉｎｇ ｔｈｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｒａｔｅ ｏｆ ｃｏｇｎｉｔｉｖｅ ｓｙｓｔｅｍ，ａ ｌｏｗ ｃｏｍｐｌｅｘｉｔｙ ｍｅｔｈｏｄ ｗｈｉｃｈ ｊｏｉｎｔｌｙ ｏｐｔｉｍｉｚｅｓ ｔｈｅ ｓｕｍ ｐｏｗｅｒ ｏｆ ｄｉｆｅｒｅｎｔ ｓｕｂｃｈａｒｍｅｌ ｓｅｔｓ ｎｄ ａｔｈｅ ｐｏｗｅｒ ｉｎｓｉｄｅ ｅａｃｈ ｓｕｂｃｈａｎｎｅｌ ｓｅｔ ｉｓ ｄｅｖｅｌｏｐｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｌｉｍｉｔｅｄ ｓｅｎｓｉｎｇ ａｒｅａ；ｍｉｘｅｄ ｐｒｏｔｅｃｔｉｏｎ；ｐｏｗｅｒ ａｌｌｏｃａｔｉｏｎ；ｏｐｐｏｒ￣ｍｉｓｔｉｃ ｓｐｅｃｔｒｕｍ ａｃｃｅｓｓ ０引言 在基于认知无线电的动态频谱接人技术中，对认知用户／次级用户（Ｓｅｃｏｎｄａｒｙ Ｕｓｅｒ，ＳＵ）的发射功率进行有效地控制与合理 的分配，使得在保护授权用户，主用户（Ｐｒｉｍａｒｙ Ｕｓｅｒ，Ｐｕ）正常通信不受影响的同时最大化频谱复用效率，是设计认知系统过程 中所必须考虑的重要问题之一 。目前，主要通过两种方式来实现对授权频段的动态接入 ，一种是机会频谱接入（Ｏｐｐｏｒｔｕｎｉｓｔｉｃ Ｓｐｅｃｔｒｕｍ Ａｃｃｅｓｓ，ＯＳＡ）方式，即只有当某一授权频段未被主用户使用时，认知用户才可以接入此频段进行通信；另一种是频谱 共享（Ｓｐｅｃｔｒｕｍ Ｓｈａｒｉｎｇ，ＳＳ）方式，即认知用户允许与主用户同时同频段传输，前提是认知用户对主用户的干扰须小于其设定的 最扰门限，也可以称之为基于干扰温度的保护策略。这两种动态频谱接人方式中的功率分配问题均受到了众多学者的极大关 注 。 本文综合考虑认知用户在通信中对主用户只具有有限的可靠检测范围（区域） 】，以及主用户在不同地域和不同频段上以一 定概率出现的实际情况，通过建立认知系统的多区域模型，根据主用户出现情况，提出了一种混合的干扰避免策略以便有效地保 护主用户，提高了频谱复用效率。同时，针对认知用户有限感知区域与主用户混合保护措施条件下的多子带功率分配问题，根据 凸优化理论与对偶分解原理，提出了各子信道集合的和功率（Ｓｕｍ Ｐｏｗｅｒ），以及不同集合内功率分配的联合优化策略，使得在 满足各种约束条件下最大化认知系统的传输速率。 ● 收稿时间：２０１２—０３—２９ 作者简介：张以皓（１９７８一），男，江苏，讲师，博士研究生，主要研究方向：无线通信和信息安全；蒋嵘（１９７１一），女，江苏，副教授，博士 主要研究方向：指挥信息系统；马月槐（１９８０一），男，河北，讲师，博士，，主要研究方向：移动通信和无线网络。 ６９＿ｌ—— ２０１２年第Ｏ６期 １模型与问题描述 ～、、 、 ＼ 、、 Ｐｕ２ ｌ ／ ， ／ ／ ／ 图１基于认知用户有限感知区域与主用户混合保护措施的系统模型 考虑如图１所示的系统模型，基于无线局域网ＷＲＡＮ ８０２．２２环境 ，ＳＵ动态接入ＶＨＦ／ＵＨＦ频段。主网络由主基 站（Ｐｒｉｍａｒｙ Ｂａｓｅ Ｓｔａｔｉｏｎ，ＰＢＳ）和Ｐｕ组成，认知网络包括一 对ＳＵ收发信机，整个网络按照由小到大的顺序依次分为三个 区域：其中区域一为认知用户发射机（ＳＵ—Ｔｘ）的可靠（理想） 感知区域，它是以ＳＵ—Ｔｘ所在位置为圆心，半径为ｄ的圆形 区域；区域二为ＳＵ—Ｔｘ可能对主网络造成干扰的区域，在此 区域外由于信号的衰减，ＳＵ—Ｔｘ对ＰＵ的干扰可以忽略不计； 区域三为ＰＢＳ的服务区，此区域面积大小取决于已有的固定 网络架构，不会因为ＳＵ的存在而改变。 本文采用文献【９】的帧结构，假设主网络与认知网络均是 基于时隙的，且ＳＵ可以动态接入的频谱带宽Ｂ等分成Ｎ个 的子带（子信道），两网络可以通过某种方式达到理想的 同步。所有Ｐｕ在区域三内每次以概率 占用某一子带（假 设每个ＰＵ每次至多占用一个子带）与ＰＢＳ进行通信，且占用 状态的改变只发生在每一符号时隙的起始时刻，在时隙内不 会变化。如果在某一符号时隙ｔ的感知阶段，ＳＵ在区域一内 感知到有ＰＵ（例如图１中ＰＵ１）占用子信道ｎ，则ＳＵ在此信 道上的功率Ｐ 须满足： Ｐ ｇ ≤ ”……………………………………………………（１） 其中 为子信道ｎ上ＳＵ－Ｔｘ到ＰＵ的信道功率增益（Ｃｈａｎｎｅｌ Ｐｏｗｅｒ Ｇａｉｎ）， ”为ＰＵ的最大干扰功率门限，这里我们假设认 知用户可以获知准确的ｇ 与 ，且Ｐｕ在所有子信道上 的干扰功率门限相等。当在时隙ｔ内未检测到子信道ｎ２ｚ存在 主用户时，由图１可知ｓｕ无法知晓ＰＵ２和ＰＵ３是否存在（ＰＵ４ 的存在与否对研究不产生任何影响），此时Ｐ 须满足： Ｐ ｄ ”…………………………………………………（２） 即ｓｕ在区域一边缘的功率须小于ＰＵ的干扰门限［ ，其中 ｎ是路径损耗因子，这里我们只考虑基于传播距离的路径损耗。 根据Ｐｕ在各个信道上的占用情况，我们可以把所有子 信道分为两类，即检测到被ＰＵ占用的子信道归为集合Ｑ，，未 检测到Ｐｕ出现的子信道归为集合Ｑ ，则Ｑ。Ｉ Ｑ：＝ 且 ７０ Ｑ ｕ Ｑ２＝｛１，…，Ⅳ｝。设在子信道ｎ＿ｌｚ ｓｕ＿Ｔｘ到其接收机（ｓｕ—Ｒｘ） 的信道功率增益为ｈ ，且噪声为０均值，方差为盯 的高斯白 噪声。如果ＰＵ在区域一内存在，主网络对ＳＵ—Ｒｘ的干扰可 以认为是０均值，方差为盯：的白噪声 ，而来自区域一以外 的干扰忽略不计（或合并到方差为盯 的白噪声中），则两种情 况下子信道ｎ３Ｚ最大速率分别为 ：［１＋焉卜Ｑ…………… ：（ ＋ ） 其中ｒ为信噪比间距（ＳＮＲ ｇａｐ），采用ＭＱＡＭ调制方式时， ｒ与误比特率ＢＥＲ的关系是Ｆ＝一１ｎ（ＳＢＥＲ）／１．５ １１０１０ ２基于对偶分解的联合优化求解 在考虑ｓｕ在获得ＰＵ感知结果的前提下，如何在各个子 带内合理分配功率，使其在满足自身最大发射功率约束和不 同情况下的主用户混合干扰功率约束条件下，最大化自身的传 输速率，设ｓｕ功率分配向量为Ｐ：［Ｐ ，Ｐ：，…，Ｐ ］，所求问题 可具体表示为问题ｌ： ｌｏｇｕ ．， 【 ＋ ＋ｎｅ ２ｌｏｇ２（－＋ ］｝．．．（４） 约束条件： Ｃ１：Ｐ ｇ ” ｉｆｎ∈Ｑ Ｃ２：Ｐ ≤ ｉｆ即∈Ｑ２ Ｃ３：∑ Ｐ Ｐ咄 其中 ＝ ”， 为认知用户的最大发射功率约束。 尽管可以证明所求的问题１对于每个子信道上的功率Ｐ 来说属于凸优化问题，但由于各个信道属于不同的集合时（ Ｑ 或Ｑ ）具有不同的最大速率表达式和干扰功率约束，所以 ＫＫＴ（Ｋａｒｕｓｈ—Ｋｕｈｎ－Ｔｕｃｋｅｒ）条件中的拉格朗日函数对Ｐ 的求 导很难用一个闭式解来表示，观察问题１的特点，我们可以 写出与其等效的问题２： ｌｏｇ２哪 ｎ Ｇ ｉ（－＋ ，丕ｌｏｇ２（ ＋等］｝．．．ｃ ５ 约束条件：Ｃ１、ｃ２，以及 ｃ４：∑Ｐ ≤ ｃ５：∑Ｐ ｃ６： ＋ 其中础和《 分别表示集合Ｑ 和Ｑ：中子信道的发射功率和 约束，根据对偶分解原理 可以很容易证得问题ｌ与问题２ 具有相等的功率Ｐ解。可以看到尽管问题２中的约束有所增加， 但是通过引入了新的变量础和 ，把Ｐｕ是否占用子信道的不 ２０１２年第０６期 同情况分解开来，另外观察（５）式发现， 、、 和｛ Ｉ ｒ／∈Ｑ１｝ 以及约束Ｃｌ和Ｃ４。由（１１）式可得 ： 一 一— 一 ｖ ！。………… ｌ…．（ｉｓ） ｛Ｐ ｌⅣ Ｑ：｝的优化相互，所以可以先求出给定 和 值时的 ，然后通过穷举法（Ｅｘｈａｕｓｔｉｖｅ ｓｅａｒｃｈ）或二分法（Ｂｉｓｅｃｔｉｏｎ ｍｅｔｈｏｄ）来寻找最优的ｐｓ０） 和 ，从而得到最终的功率分配值。 设Ｐｌ＝｛Ｐ ｊＶｎ∈Ｑ ｝， ＝｛Ｐ ｌＶｎ∈Ｑ：｝，当 和 给定时， １）对于ＶｎｅＱ ，显然Ｐ ＝ ”／‰。因为当Ｐｕ存在时不允 许Ｐ ｇ ＞ “，且如果Ｐ ｇ ＜ ”，子信道ｎ将属于集合Ｑ 。 各子信道分配功率的求解等效为以下两个子问题： 子问题１ Ｐ￣＇＝ａｒｇ ｍａｘ ，． （ｔ＋ ］．．．．……… ６ 约束条件：Ｃ１、Ｃ４。 子问题２ ｍ ａｘ。ｇｚ ，枷 ｃ 十等ｊ．．．………＿．（７） 约束条件：Ｃ２、Ｃ５。 先考虑子信道 ∈Ｑ．的情况，子问题１可以转化成带约束 的凸优化问题标准形式后利用内点法（Ｉｎｔｅｒｉｏｒ ｐｏｉｎｔ ｍｅｔｈｏｄ） 求解；或对其拉格朗日函数求导，并用子梯度法（Ｓｕｂ—ｇｒａｄｉｅｎｔ ｍｅｔｈｏｄ）更新拉格朗日系数以使其对偶问题（Ｄｕａｌ ｐｒｏｂｌｅｍ） 最小化得到问题解，但这些方法复杂度仍显复杂，且内点法 无法得到闭式解，下面我们先给出子问题１的最优解定理， 然后提出低复杂度的认知注水算法（Ｃｏｇｎｉｔｉｖｅ Ｗａｔｅｒ—ｆｉｌｌｉｎｇ Ａｌｇｏｒｉｔｈｍ，ＣＷ－ＦＡ）来快速得到最优解。 定理１：设集合Ｑ ： ｇ ＜掣， ∈ｎ．｝，Ｑ ＝｛ｎｌｐ．ｇ ≥ ，ｎｃＯ ｝， 则使子问题１中速率最大化的功率分配准则为： 』（△＿ 卜 …………… 【 ”／ｇ Ｖ ∈Ｑ 其中（ ） ＝ｍａｘ｛ｘ，０ｊ，且△满足 蔷［△一 ）’＝ 一委 ……………… ， 定理１的证明如下： 首先写出子问题１的拉格朗Ｈ函数 ） ＋ ‰ ㈣ ）＋ １０） 其中九≥ｏ， ≥０， ＞１０，ｎ∈Ｑ 是对应各约束的拉格朗日 系数，易知当原问题（子问题１）是凸优化问题时，ＫＫＴ条件 是最优解的充要条件，子问题１的ＫＫＴ条件可以写为： 兰 ： ： ）： Ｐ ＋ｒ（ｏ ４－ ２） 九ｌ∑Ｐ 一础｝…０……………………………・．（１２） ＼ Ｅｎ１ ”／ｇ ）＝０ Ｖ ∈Ｑ ……………………………－．（１３） ＶｎＰｎ＝０ Ｖｎ∈Ｑ１…………………………………………（１４） ２）对于Ｖｎ∈Ｑ ，由 ｇ ＜ ”和（１３）式可得 ＝ｏ，那么（１５） 式可变为： Ｐ ： 。 —一一———■■——一…………‘一 …………………’…………………‘……（１Ｌ ｌｂ）６ 当Ｖｎ＞０时，由（１４）式可得Ｐ ＝０；Ｐ ＞０时有Ｖｎ＞０，从而 （１６）式可以简化为Ｐ ＝Ｉ／ｋＩｎ２一（ｒ（ｏ ＋ｏ ） ），综上，于是有 ［ 一 卜… ………… １７） 令Ａ＝１／九Ｉｎ２，由１）和２）即得（８）式。 ３）由（１７）式可得 ＞。，所以由条件（１３） 我们得到∑ ，Ｐ ： ，即 ＝荟ＰＥｎ１ ｎ＝互ＰＥｎ Ｅｎ＋委 ＝ｉ】 ［Ｅｎ ＼ △一 ／］ ＋ｎ∑掣 …（ｅｆｆ １８） 显然∑ （△一ｒ（ｏ。＋ｏ；）／ ＝ 一∑ ”／ｇ ，以上由 ＫＫＴ条件推出了定理１的（８）、（９）式（充分条件）。同时由 于ＫＫＴ条件为最优解的充要条件，定理１立刻得证。 注意到当ｎ 时Ｐ 具有和传统注水功率分配相同的形 式，但是由于ｃ１的存在，在获知Ｐ 分配结果之前，我们不能 确定子信道是ｎ 还是／，／∈ ，而另一方面在不确定子信道 所属的集合情况时，又很难计算出Ｐ 。一种方法是穷举列出 每一个信道分配在两个集合中的可能性，然后计算所有可能 的功率分配结果，并选择满足约束条件且使和速率最大的结 果作为最终功率分配值，但显然这种方法复杂度过高。为此 我们提出一种迭代的ＣＷ—ＦＡ算法来实现定理１的最优功率分 配结果，其基本原理是每次迭代过程中对集合Ｑ 中剩余的子 信道进行注水功率分配，如果注水后发现有部分子信道超出 其干扰功率约束，则把这部分子信道从Ｑ 中剔除并更新相应 的总功率，直到所有的子信道在注水分配后满足其干扰功率 约束，或Ｑ 中再没有子信道为止，具体描述如下： ＣＷ－ＦＡ算法： 初始化：Ｑ ＝｛ｎ］Ｖｎ∈Ｑ ），０＝ ， ＝ 。 １）以Ｐｎ 为总功率约束，对所有的子信道 ｅＱ 实施注水 算法以得到 ，即， ＝（△一ｒ（ｏ ＋ｚ Ｊ）／ｈ￣］ｉｒ， ∈Ｑ ，且△满足： ∑ （△一ｒ（ｏ ＋ｏ；）／ ＝ 。 ２）对每个子信道 ∈Ｑ ，判断Ｐ 是否满足Ｐ ＞ ”／ｇ 。 如子信道 满足，则令ｐ ・＝ ”／ｇ ・，转至步骤３），否则， 算法结束。 ３）更新：Ｑ ＝Ｑ ｌ， ＝ 一 ／ｇ ．，ｏ＝０Ｕ｛ ’／ｇ 。）。 下转第８９页 ～７’ｒ ／２０１２年第ｏ６期 工控物联网汇聚安全网关的设计方案，并基于开源安全网关 Ｕｎｔａｎｇｌｅ系统进行了实现和验证。 参考文献： （Ｏ７）：６－８． （责编杨晨） ［１４］Ｆａｃｈａｏ Ｄｅｎｇ，Ａｎａｎ Ｌｕｏ，Ｙａｏｋｕｎ Ｚｈａｎｇ，Ｚｈｅｎ Ｃｈｅｎ，Ｘｕｅｈａｉ Ｐｅｎｇ， Ｘｉｎ Ｊｉａｎｇ ａｎｄ Ｄｏｎｇｓｈｅｎｇ Ｐｅｎｇ．ＴＮＣ—ＵＴＭ：Ａ Ｈｏｌｉｓｔｉｃ Ｓｏｌｕｔｉｏｎ ｔｏ Ｓｅｃｕｒｅ Ｅｎｔｅｒｐｒｉｓｅ Ｎｅｔｗｏｒｋｓ［Ｃ］Ｐｒｏｃ．ｏｆ ｔｈｅ ２００８ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｔｒｅｓｔｅｄ Ｃｏｍｐｕｔｉｎｇ（ＴｍｓｔＣｏｍ），２００８，２２４０－２２４５ ［１】刘强等．物联网关键技术与应用ＩＪ］．计算机科学，２０１０，（ｏ６） Ｏ１－０４ 【２】吴德本．物联网综述 有线电视技术，２０１１，（Ｏ１）：１０７—１１０． 【３］姚兰等．无线传感器网络中基于确定度的安全路由协议的研究Ｕ１． 计算机研究与发展，２００６，（０２）：６５０—６５４． ［４１唐力．利用覆盖层路由改善交互多媒体通信质量的研究【Ｄ】．北京 清华大学，２００９ ［５】杨冕．基于无线传感器网络的路由协议［Ｊ１．计算机工程与应用， ２００４。４０（３２）：１３０－１３１ ［１５］罗安安，林闯，王元卓，邓法超，陈震．可信网络连接的安全量 化分析与协议改进Ｕ１．计算机学报，２００９，（０５）：卜１５． ［１６】林加润等．网络安全中多源传感器数据融合技术研究Ｕ】＿计算机 工程与科学，２０１０，（０６）：３０－３４． ［１７】Ｍｏｄｂｕｓ［ＥＢ／ＯＬｊ．ｗｗｗ．Ｍｏｄｂｕｓ．ｏｒｇ，２０１２—０５—０１． ［１８】Ｕｎｔａｎｇｌｅ［ＥＢ／ＯＬ】：Ｍｕｌｔｉ—ｆｕｎｃｔｉｏｎ Ｆｉｒｅｗａｌｌ，ｗｗｗ．ｕｎｔａｎｇｌｅ．ｔｏｍ， ２Ｏ１２一Ｏ５一Ｏ１． ｆ１９］Ｙｉｎｇ Ｚｈａｎｇ，Ｆａｃｈａｏ Ｄｅｎｇ，Ｚｈｅｎ Ｃｈｅｎ，Ｙｉｂｏ Ｘｕｅ，Ｃｈｕａｎｇ Ｌｉｎ． ［６】王东等．利用ＺｉｇＢｅｅ技术构建无线传感器网络Ⅱ］．重庆大学学报， ２００６．（０８）：９５－９７． ＵＴＭ—ＣＭ：Ａ Ｐｒａｃｆｉｃ￣Ｃｏｎｔｒｏｌ Ｍｅｃｈａｎｉｓｍ Ｓｏｌｕｔｉｏｎ ｆｏｒ ＵＴＭ Ｓｙｓｔｅｍ［Ｃ］ Ｉｎ：ＣＭＣ ２０１０，２２４０－２２４５． ［７］朱瑞平．软件无线电技术［Ｎ］．科技传播，２０１２（４）． 【８李光华．面向互动多媒体通信应用的覆盖网络系统的设计与实现 ８ＪｆＤ１．北京：清华大学，２００８． ［９］Ｃｈｒｉｓｔｉａｎ Ｗａｌｔｅｒ Ｍｓｅ，ＦｒｅｅＭＯＤＢＵＳ—Ａ Ｍｏｄｂｕｓ ＡＳＣＩＩ／ＲＴＵ ａｎｄ ＴＣＰ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ［ＥＢ／ＯＬ１．ｈｔｔｐ：／／ｗｗｗ．ｆｒｅｅＭｏｄｂｕｓ．ｏｒｇ， ２０１２－０５－０１． ［２０］Ｂｅｉｐｅｎｇ Ｍｕ，Ｘｉｎｍｉｎｇ Ｃｈｅｎ ａｎｄ Ｚｈｅｎ Ｃｈｅｎ．Ａ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｎｅｔｗｏｒｋ Ｓｅｃｕｒｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ ｉｎ Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ［Ｃ］． Ｉｎ：ＣＭＣ ２０１ １．４５－５０． 【２１】Ｚｈｅｎ Ｃｈｅｎ，Ｆａｃｈａｏ Ｄｅｎｇ，Ａｎａｎ Ｌｕｏ，Ｘｉｎ Ｊｉａｎｇ，Ｇｕｏｄｏｎｇ Ｌｉ， Ｒｕｎｈｕａ Ｚｈａｎｇ，Ｃｈｕａｎｇ Ｌｉｎ．Ａｐｐｌｉｃａｔｉｏｎ Ｌｅｖｅｌ Ｎｅｔｗｏｒｋ Ａｃｃｅｓｓ Ｃｏｎｔｒｏｌ ［１０］李星宜等．基于数字证书的身份认证系统的设计与实现Ｕ丁．计算 机技术与发展，２０１１，（１２）：１６１—１６３． ｆ１ １】ＯｐｅｎＣＡ［ＥＢ／ＯＬ］．、 ．ｏｐｅｎｃａ．ｏｒｇ，２０１２—０５—０１ 【１ ２］Ｔ ｒｕ ｓｔｅｄ ＣｏｍＰｕｔｉｎｇ Ｇ ｒｏｕＰ【ＥＢ／ＯＬ］．ｈｔｔＰ：／／ｗｗｗ． ｔｒｕｓｔｅｄｃｏｍｐｕｔｉｎｇｇｒｏｕｐ．ｏｒｇ．２０１２—０５—０１． Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ ＴＮＣ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｅｎｔｅｒｐｒｉｓｅ Ｎｅｔｗｏｒｋ［Ｃ］Ｐｒｏｃ．ｏｆ ｔｈｅ ２０１０ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ。 Ｎｅｔｗｏｒｋｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｃｕｒｉｔｙ（ＷＣＮＩＳ），２０１０．６６７—６７１． ［２２】Ｘｉｎｍｉｎｇ Ｃｈｅｎ，Ｂｅｉｐｅｎｇ Ｍｕ ａｎｄ Ｚｈｅｎ Ｃｈｅｎ．ＮｅｔＳｅｃｕ：Ａ ＣｏＵａｂｏｒａｔｉｖｅ Ｎｅｔｗｏｒｋ Ｓｅｃｕｒｉｔｙ Ｐｌａｔｏｒｍ ｆｏｒ ｉｆｎ－ｎｅｔｗｏｒｋ Ｓｅｃｕｒｉｔｙ［Ｃ１． Ｐｒｏｃ．ｏｆ ｔｈｅ ３ｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｆｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｍｏｂｉｌｅ ［１３］陈震，倪嘉．可信计算认证技术的研究Ｕ］．信息网络安全，２００８， 上接第７１页 Ｃｏｍｐｕｔｉｎｇ（ＣＭＣ），２０１ １．５９－６４． ４）判断是否Ｑ ＝ 或者Ｐ ／ｇ．Ｖｎ∈ ，如任一条件 ｆ２］Ｒ Ｚｈａｎｇ，Ｙ．一Ｃ．Ｌｉａｎｇ，Ｓ．Ｃｕｉ．Ｄｙｎａｍｉｃ ｒｅｓｏｕｒｃｅ ａｌｌｏｃａｔｉｏｎ ｉｎ ｃｏｇｎｉｉｔｖｅ ｒａｄｉｏ ｎｅｔｗｏｒｋｓ，ＩＪ］．ＩＥＥＥ Ｓｉｇｎａｌ Ｐｍｃｅｓｓ．Ｍａｇ，２０１０，１０３—１１４ ［３】Ｌ．Ｂ．Ｌｅ，Ｅ．Ｈｏｓｓａｉｎ．Ｒｅｓｏｕｒｃｅ ａｌｌｏｃａｔｉｏｎ ｆｏｒ ｓｐｅｃｔｒｕｍ ｕｎｄｅｒｌａｙ ｉｎ 满足，算法结束；否则，转至步骤１ ｏ 其中 表示空集，这样最后得到的功率分配结果为 ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ ｎｅｔｗｏｒｋｓ￣］．ＩＥＥＥ Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎ，２００８，７（１２）： ５３０６－５３１５． ｌＶｎ ）Ｕ ０。我们知道实施经典注水算法的复杂度与子信 道数成线性关系，近似为Ｄ（ １Ｑ。１），且在最差情况下算法的迭 代次数为Ｉ Ｑ。ｌ－１，所以ＣＷ—ＦＡ算法复杂度约为Ｄ（ １Ｑ 算复杂度“ ，ＣＷ－ＦＡ算法的优越眭显然易见。 而 【４】Ｌ．Ｍｕｓａｖｉａｎ，Ｓ．Ａｉｓｓａ．Ｃａｐａｃｉｔｙ ａｎｄ ｐｏｗｅｒ ａｌｌｏｃａｔｉｏｎ ｆｏｒ ｓｐｅｃｔｒｕｍ— ｓｈａｒｉｎｇ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ ｆａｄｉｎｇ ｃｈａｎｎｅｌｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎ，２００９，８（０１）：１４８—１５６． 考虑到穷举法Ｄ（Ｉ ｆ２ ｌ ２１ｎ￣１）和内点法最低Ｄ（ １Ｑ ｌｏｇ （１／Ｐ））的运 ［５］Ｙ．Ｚｈａｎｇ，Ｃ．Ｌｅｕｎｇ．Ｃｒｏｓｓ—ｌａｙｅｒ ｒｅｓｏｕｒｃｅ ａｌｌｏｃａｔｉｏｎ ｆｏｒ ｍｉｘｅｄ ｓｅｒｖｉｃｅｓ ｉｎ ｍｕｌｔｉｕｓｅｒ ＯＦＤＭ—ｂａｓｅｄ ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｖｅｈ Ｔｅｃｈｎｏｌ，２００９，５８（０８）：４６０５—４６１９． （６】Ｑ．Ｚｈａｏ，Ｌ＿Ｔｏｎｇ，Ａ．Ｓｗａｍｉ，ａｎｄ Ｙ Ｃｈｅｎ．Ｄｅｃｅｎｔｒａｌｉｚｅｄ ｃｏｇｎｉｔｉｖｅ ＭＡＣ ｆｏｒ ｏｐｐｏｒｔｕｎｉｓｔｉｃ ｓｐｅｃｔｕｍ ａｃｃｅｓｒｓ ｉｎ Ａｄ Ｈｏｃ ｎｅｔｗｏｒｋ：ａ ＰＯＭＤＰ ３结束语 本文研究了基于认知用户有限感知区域与主用户混合保 护措施的功率分配策略，通过建立多区域模型，提出了混合 的主用户干扰避免功控策略。对于目标问题，通过对偶分解 ｆｒａｍｅｗｏｒｋ［Ｊ］．ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ Ｃｏｍｍｕｎ，２００７，２５（０３）：５８９—６００． ［７１ Ｑ Ｚｈａｏ，Ｂ．Ｍ．Ｓａｄｌｅｒ．Ａ ｓｕｒｖｅｙ ｏｆ ｄｙｎａｍｉｃ ｓｐｅｃｔｒｕｍ ａｃｃｅｓｓ：ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ，ｎｅｔｗｏｒｋｉｎｇ，ａｎｄ ｒｅｇｕｌａｔｏｒｙ ｐｏｌｉｃｙ［Ｊ］．ＩＥＥＥ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓ， ２００７，５５（０５）：２２９５—２３０９． ［８］Ｔｈｅ ｃｈａｒｔｅｒ ｏｆ ＩＥＥＥ ８０２．２２，ｔｈｅ Ｗｏｒｋｉｎｇ Ｇｒｏｕｐ ｏｎ Ｗｉｒｅｌｅｓｓ Ｒｅ西ｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋｓ（ＷＲＡＮｓ）［ＥＢ／ＯＬ】ｈｔｔｐ：／／ｗｗｗ．ｉｅｅｅ８０２．ｏｒｇ／２２／， ２Ｏ１２一Ｏ３—２９． 和子信道归类，将问题转化为各子信道集合的和功率与不同 集合内功率分配的联合优化问题，并对集合内的功率分配子 问题提出了快速达到最优解的ＣＷ－ＦＡ算法。而在多认知用户 环境下，主用户出现的位置相对于各认知用户在不同的区域内 ［９】Ｙ．一Ｃ．Ｌｉａｎｇ，Ｙ．Ｚｅｎｇ，Ｅ．Ｐｅｈ，Ａ Ｈｏａｎｇ．Ｓｅｎｓｉｎｇ—ｔｈｒｏｕｇｈｐｕｔ￣ａｄｅｏｆｆ ｏｒｆ ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ ｎｅｔｗｏｒｋｓ￣］ＩＥＥＥ Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎ，２００８， ７（Ｏ４）：１３２６—１３３７． 时，对各个认知用户的混合保护措施设置有何影响，以及有 效感知区域也存在漏检与虚警概率时如何设置保护措施，是 下一步十分值得探讨的问题。 参考文献： 【１］Ｓ．Ｈａｙｋｉｎ．Ｃｏｇｎｉｔｉｖｅ ｒａｄｉｏ：ｂｒａｉｎ—ｅｍｐｏｗｅｒｅｄ ｗｉｒｅｌｅ ｓｓ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ］ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ Ｃｏｍｍｕｎ，２００５，２３（０２）：２０１—２２０． ［１ Ｏ］Ａ．Ｊ．Ｇｏｌｄｓｍｉｔｈ，Ｓ．Ｃｈｕａ．Ｖａｉｒａｂｌｅ—ｒａｔｅ ｖａｒｉａｂｌｅ－ｐｏｗｅｒ ＭｑｈＭ ｆｏｒ ｆａｄｉｎｇ ｃｈａｎｎｅｌｓ［Ｊ］．［ＥＥＥ Ｔｒａｍ．Ｃｏｍｍｕｎ，１９９７，４５（１０）：１２１８－１２３０． ［１ １］Ｄ．Ｐ．Ｐａｌｏｍａｒ，Ｍ．Ｃｈｉａｎｇ．Ａ ｔｕｔｏｒｉａｌ ｏｎ ｄｅｃｏｍｐｏｓｉｉｔｏｎ ｍｅｔｈｏｄｓ ｆｏｒ ｎｅｔｗｏｒｋ ｕｔｉｌｉｔｙ ｍａｘｉｍｉｚａｔｉｏｎ［ｊ］．ＩＥＥＥ Ｊ．Ｓｅｌｅｃｔ．Ａｒｅａｓ Ｃｏｍｍｕｎ，２００６， ２４（０８）：１４３９—１４５１． （责编程斌） ［１２】Ｓ．Ｂｏｙｄ ａｎｄ Ｌ．Ｖａｎｄｅｎｂｅｒｇｈｅ．Ｃｏｎｖｅｘ Ｏｐｔｉｍｉｚａｔｉｏｎ．Ｃａｍｂｒｉｄｇｅ【Ｍ】． ＵＫ：Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｙ ｔＰｒｅｓｓ，２００４．
