2包括下述步骤：
[0036] 根据第1步中给出的认知无线电MMO-OFDM系统模型，建立多天线MMO信道模 型，则第k个认知用户接收到认知基站的发送信息表示为
[0040] 为认知基站与第k个认知用户之间的M頂0信道状态矩阵，元素代表从认知 基站的第a根发射天线到第k个认知用户的第b根接收天线的信道增益，毛为加性复高斯 白噪声；
[0041] 对接收到的信息rk进行OFDM的FFT变换，得到等效的多天线M頂0信道的信道模 型y k为：
[0043] 其中，
为等效的频域MMO信道；
F为NXN维的 FFT矩阵，^为N1J隹单位阵；G kWksk为第k个认知用户的期望接收信息，
别为认知网络中的多用户干扰以及加性复高斯白噪声；其中，i = 1，2,…，K且i辛k ;1为 不同于Wk的预编码矩阵；s i为不同于s k的向认知用户发送的信息；
[0044] 根据以上的分析，对于授权网络，认知基站对授权用户的等效干扰增益向量用g 表示，则授权用户接收到的信息为
(4)
[0046] 同样的，hpWpSp为授权用户期望接收信息，
和\分别为认知网络对授权 网络的干扰和加性复高斯白噪声；其中，hp为认知基站到认知用户的信道参数向量，Wp为授 权用户的预编码矩阵，Sp为授权基站向授权用户发射的OFDM调制信号，下标p表示授权用 户（primary user)〇
[0047] 其它步骤与【具体实施方式】二相同。
【具体实施方式】 [0048] 四：本实施方式所述步骤3包括下述步骤：
[0049] 传统的预编码算法设计优化准则一般为最大化用户的信干噪比（SINR)，由于最大 化信干噪比准则的优化问题具有较高的耦合度，其计算复杂度过高，因此对优化问题进行 解耦合并采用基于用户间漏功率的最大化信漏噪比优化准则；
[0050] 对于第k个认知用户，其发送信号的信漏噪比（SLNR)，即基于认知用户漏功率优 化准则的数学模型为
[0052] 由于发射信号以及预编码矩阵已经经过归一化处理，因此
%用户干扰信道矩阵，〇k表示加性复 高斯白噪声的标准差；j = 1，2,…，K且j辛k。
[0053] 其它步骤与【具体实施方式】三相同。
【具体实施方式】 [0054] 五：本实施方式所述步骤4包括下述步骤：
[0055] 在认知无线电MIM0-0FDM系统中，其优化目标为在发射功率约束的条件下设计认 知用户的预编码矩阵W k; 即，在
束条件下，使认知无线电MIM0-0FDM系统达到在不对授权用户通信质量造成影响的前提下 最大化每个认知用户的信漏噪比，建立其优化问题的数学模型：
[0057] 为最优的认知用户的预编码矩阵；其中，1^表示各认知用户的功率分配系 数，g为等效干扰增益向量，P th是发射功率门限。
[0058] 上式优化问题数学模型中，优化目标问题为在各认知用户漏功率最小的前提下设 计预编码矩阵以达到最优化系统性能，第一约束条件gW k= 0保证了认知网络不能对授权 用户通信造成影响，第二约束条件= I，k = 1，2,…，K对认知用户预编码矩阵进 行了归一化处理，第三约束条件
为最大发射功率约束限制。
[0059] 其它步骤与【具体实施方式】四相同。
【具体实施方式】 [0060] 六：本实施方式所述步骤5包括下述步骤：
[0061] 针对认知网络对于授权网络造成的干扰进行抑制，使其满足第一约束条件gWk = 0 ;由于认知无线电MIM0-0FDM系统中认知基站到授权用户的干扰信道构成一个SIMO信道， 因此干扰增益向量g的秩取值为1;存在投影变换矩阵P € 吏得干扰增益向量g通过初 等列变换成为对角阵，即
[0062] gP = (I |g| I，0,…，0) (7)
[0063] 其中，矩阵P为酉矩阵，Cav是维度为队的矩阵的集合；
[0064] 因此第一约束条件gWk= 0表示为
[0066] 其中，干扰增益向量g的秩为1，即I |g| I乒〇,因此只有当等效预编码矩阵 第一行元素取值为0时，第一约束条件gWk= 0才能成，此时认知网络不会对授权用户通信 造成任何干扰；因此需要令等效预编码矩阵PHWk的第一行元素取值为0,以消除认知网络对 授权网络干扰。
[0067] 其它步骤与【具体实施方式】五相同。
[0068] 【具体实施方式】七：本实施方式所述步骤6包括下述步骤：
,其中上标（·）Η表示矩阵的转置；在 的约束条件下，则优化问题的数学模型表示为
[0071] 其中，
k= 1，2,…，K ;由于在前一步已经消除了对 授权网络的多用户干扰，在等效优化问题中不需要再考虑对授权网络的干扰问题约束；由 于等效预编码矩阵@的第一行元素取值均为〇,因此将等效预编码矩阵@的第一行以及 信道参数矩阵和^^的第一列去掉，并用上标表示，此时优化问题中的目标函数写 为
[0073] 根据上式优化目标函数的性质，结合广义瑞利商的最值特性，优化目标疼7#表示 成如下形式
U!
[0075] 其中，Ak为广义特征值λ k= {λ kl，λ k2，...，Akn，…，λ M}组成的对角阵，由于 酉矩阵具有范数不变的性质，矩阵Uk为任意N阶酉矩阵，矩阵Vk= {Vkil，Vki2，"、vM}的列 向量为矩K
的广义特征空间的N个基向量，其满足
CO)
[0077] 为了使优化目标函数取得最大值，取Vk(:，l:N) = {vk.i，vk.2，…，vk.N}的列向量为 最大的N个广义特征值对应的特征向量，此时
，对其进行反 变换可得
[0083] 最终得到如公式（15)的预编码矩阵。
[0084] 其它步骤与【具体实施方式】六相同。
【具体实施方式】 [0085] 八：本实施方式所述步骤7包括下述步骤：
[0086] 为了最大化认知OFDM-ΜΠω系统的信道容量，预编码矩阵中的功率分配系数Pk 利用多用户注水定理（如图2)求出：在
i3k>〇的约束条件下，功率分配优化 问题数学建模为
[0088] 其中，C表示所有复数的集合；
[0089] 利用拉格朗日乘子法将上式转化为
[0091] 其中，P为注水线，对上式两边分别做微分运算并使其微分值为零可得
[0093] 对上式化简并通过发射功率门限Pth迭代求解出注水线P和功率分配因子β k，并 整理可得
[0095] 计算出功率因子β ，即完成对认知无线电祖MO-OFDM系统的最优化功率分配， 从而完成认知无线电MMO-OFDM系统中基于认知用户漏功率的干扰抑制预编码。
[0096] 其它步骤与【具体实施方式】七相同。
[0097] 将最终求解出的预编码矩阵结果回带到系统数学模型中，进行性能分析：
[0098] 将最终求解出的干扰抑制预编码Pk带入到公式（6)的优化问题的数学模型
[0102]当预编码矩阵取砂中选取的列向量为空间
I中最 大的N个广义特征值（FFT点数=矩阵的阶数=最后选的特征值的个数）对应的特征向量 时，即选取Uk l彡λ k 2彡…彡λ M}则有
[0104] 此时第k个认知用户的期望发射功率与漏功率和加性复高斯白噪声功率之和的 比值的取值范围处于选取的最大和最小特征值的范围之间。
【主权项】
1. 认知无线电MIMO-OFDM系统中基于认知用户漏功率的干扰抑制预编码方法，其特征 在于它包括下述步骤： 步骤1 :设置认知无线电MMO-OFDM系统的系统参数，包括收发端天线数目、授权用户 和认知用户数目以及网络结构，根据上述系统参数建立认知无线电MMO-OFDM系统模型， 根据认知无线电MMO-OFDM系统模型的网络结构建立认知基站发射信息预编码的数学模 型； 步骤2 :基于步骤1中建立的发射信息预编码数学模型，考虑认知无线电MMO-O