一种认知无线系统功率分配方法及装置的制造方法

一种认知无线系统功率分配方法及装置的制造方法
【专利摘要】本发明实施例提供了一种认知无线系统功率分配方法及装置，应用于高速移动的通信系统，该方法包括：获取认知无线系统的预设能效模型；在所述预设能效模型中，得到各子载波的初始最优功率分配；该初始最优功率分配通过预设算法，得到最优检测时长,且该最优检测时长通过拉格朗日算法，得到最优功率分配；根据该最优功率分配及最优检测时长，得到该认知无线系统中各子载波上的平均能效；在判断最优检测时长和最优功率分配分别收敛，且平均能效收敛时，得到收敛时该认知无线系统的最优检测时长和最优功率分配。应用本发明实施例，可以使得认知无线系统的平均能效最大，提升了移动场景下认知无线系统的总能效。
【专利说明】
-种认知无线系统功率分配方法及装置
技术领域
[0001] 本发明设及无线电系统技术领域，特别是设及一种认知无线系统功率分配方法及 装置。
【背景技术】
[0002] 近年来，无线通信系统中的无线通信业务迅速发展，移动用户数目激增，使得对无 线频谱资源的需求越来越大。然而，一些被授权频谱却未能得到充分利用，因此，为了提高 频谱利用效率，在不同的空间或时间有效利用空闲频谱的认知无线电技术应运而生。认知 无线电技术允许认知用户在不干扰主用户正常使用授权频谱的情况下接入频谱，从而能够 有效提高频谱使用效率。如果仅W提高频谱使用效率为目的，那么将会导致通信系统工作 在低能效的状态。所W，谱效与能效不能折中。
[0003] 传统的多频带系统可利用不连续的频谱进行通信，能够满足认知无线电系统不连 续使用频谱的技术需求。其中，0抑M(0;rthogonal Frequen巧Division Multiplexing,正 交频分多路复用技术)系统是典型的多频带系统，该系统的OFDM技术将整个频段划分为多 个子载波或称多个子频带，并且每个子载波占据很小的频段，通过子载波及功率分配可W 细粒度地使用整个频段的任何部分。所W面向对频带系统的认知无线电技术得到广泛认 同。因此，研究认知无线系统中的能效优化具有重要意义。
[0004] 现有技术中，在保证认知无线电各子载波的检测性能和总功率满足约束的前提 下，可W得到并合理分配检测时长和各子载波功率，通过分配的检测时长和子载波功率进 行频谱检测和数据传输。但是现有技术在分配检测时长和子载波功率时，没有使得认知无 线系统的平均能效最大，没有更好的提高认知无线系统的总能效。

【发明内容】

[0005] 本发明实施例的目的在于提供一种认知无线系统功率分配方法及装置，W实现认 知无线系统的平均能效最大，提升移动场景下认知无线系统的总能效。
[0006] 为达到上述目的，本发明实施例公开了一种认知无线系统功率分配方法，包括：
[0007] 获取认知无线系统的预设能效模型；
[000引在所述预设能效模型中，得到各子载波的初始最优功率分配；
[0009] 所述初始最优功率分配通过预设算法，得到最优检测时长，且所述最优检测时长 通过拉格朗日算法，得到最优功率分配；
[0010] 根据所述最优功率分配及所述最优检测时长，得到所述认知无线系统中各子载波 上的平均能效；
[0011] 在判断所述最优检测时长和所述最优功率分配分别收敛，且所述平均能效收敛 时，得到收敛时所述认知无线系统的最优检测时长和最优功率分配。
[0012] 较佳的，所述获取认知无线系统的预设能效模型，包括：
[0013] 获得所述认知无线系统的信道状态信息，其中，所述信道状态信息包括:信道状态 信息的第一参数集合、与所述第一参数集合不同的信道状态信息的第二参数集合、及与所 述第一参数集合和所述第二参数集合分别不同的信道状态信息的第Ξ参数集合；
[0014] 根据所述第一参数集合，通过预设第一公式，确定能量检测指标；
[0015] 根据所述能量检测指标和所述第二参数集合，通过多个预设第二公式，确定所述 认知无线系统在各子载波上的平均能效函数，并确定最大平均能效函数；
[0016] 根据能量检测指标及所述第Ξ参数集合，通过多个预设条件，确定所述认知无线 系统的约束条件，其中，所述约束条件至少包括:各子载波上发射功率之和的约束条件、各 子载波所受干扰功率的约束条件、能量检测指标的约束条件、所述最优检测时长的约束条 件及各子载波上发射功率的约束条件；
[0017] 根据所述最大平均能效函数及所述认知无线系统的约束条件，得到认知无线系统 的预设能效模型。
[0018] 较佳的，所述根据所述能量检测指标和所述第二参数集合，通过多个预设第二公 式，确定所述认知无线系统在各子载波上的平均能效函数，并确定最大平均能效函数，包 括：
[0019] 根据所述能量检测指标和所述第二参数集合中的多项第一参数，通过所述多个预 设第二公式的第一公式，获得所述认知无线系统的平均总速率函数；
[0020] 根据所述能量检测指标和所述第二参数集合中的多项第二参数，通过所述多个预 设第二公式的第二公式，获得所述认知无线系统的能量消耗函数，其中，所述多项第二参数 与所述多项第一参数至少部分项不同；
[0021] 根据所述平均总速率函数和所述能量消耗函数之间的比值，确定所述认知无线系 统在各子载波上的平均能效函数，并由所述平均能效函数确定最大平均能效函数。
[0022] 较佳的，所述预设算法至少包括:黄金分割法、牛顿法、抛物线法或二分法。
[0023] 较佳的，所述根据所述最优功率分配及最优检测时长，得到所述认知无线系统中 各子载波上的平均能效，包括：
[0024] 获得所述认知无线系统的信道状态信息，其中，所述信道状态信息包括:信道状态 信息的第一参数集合、与所述第一参数集合不同的信道状态信息的第二参数集合、及与所 述第一参数集合和所述第二参数集合分别不同的信道状态信息的第Ξ参数集合；
[0025] 根据所述第一参数集合，通过预设第一公式，确定能量检测指标；
[0026] 根据所述能量检测指标、所述第二参数集合中的多项第一参数、所述最优功率分 配及所述最优检测时长，获得所述认知无线系统的平均总速率；
[0027] 根据所述能量检测指标、所述第二参数集合中的多项第二参数、所述最优功率分 配及所述最优检测时长，获得所述认知无线系统的能量消耗，其中，所述多项第二参数与所 述多项第一参数至少部分项不同；
[0028] 根据所述平均总速率和所述能量消耗之间的比值，确定所述认知无线系统在各子 载波上的平均能效。
[0029] 较佳的，所述对所述初始最优功率分配进行预设算法，得到最优检测时长，并对所 述最优检测时长进行拉格朗日算法，得到最优功率分配，包括：
[0030] 所述初始最优功率分配通过预设算法，得到一次计算最优检测时长；
[0031] 所述一次计算最优检测时长通过拉格朗日算法，得到一次计算最优功率分配，根 据所述一次最优功率分配和一次最优检测时长，确定一次计算平均能效；
[0032] 所述一次计算最优功率分配通过所述预设算法，得到二次计算最优检测时长，所 述二次计算最优检测时长，通过所述拉格朗日算法，得到二次计算最优功率分配；
[0033] 在所述二次计算最优检测时长和所述二次计算最优功率分配分别收敛时，根据所 述二次最优功率分配和二次最优检测时长，确定二次计算平均能效；
[0034] 在所述二次计算平均能效收敛时，所述二次计算最优检测时长和所述二次计算最 优功率为所述最优检测时长和所述最优功率分配。
[0035] 较佳的，在所述一次计算最优功率分配通过所述预设算法，得到二次计算最优检 测时长，所述二次计算最优检测时长，通过所述拉格朗日算法，得到二次计算最优功率分配 之后，所述的方法还包括：
[0036] 在所述二次计算最优检测时长和所述二次计算最优功率分配分别不收敛时，对N 次计算最优功率分配通过所述预设算法，得到N+1次计算最优检测时长，对所述N+1次计算 最优检测时长通过所述拉格朗日算法，得到化1次计算最优功率分配；
[0037] 直至在N+1次计算最优检测时长和N+1次计算最优功率分配分别收敛时，根据所述 化1次计算最优功率分配和化1次计算最优检测时长，确定Μ次计算平均能效;且
[0038] 在第Μ次计算平均能效收敛时，获得Ν+1次计算最优检测时长及Ν+1次计算最优功 率分配，分别作为收敛时所述认知无线系统的最优检测时长和最优功率分配，其中，所述Ν 为大于或等于2,所述Μ为大于或等于2。
[0039] 较佳的，所述判断所述最优检测时长和所述最优功率分配分别收敛，包括：
[0040] 在所述Ν+1次计算最优检测时长与所述Ν次计算最优检测时长之差的绝对值小于 预设第一正数时，判断为所述化1次计算最优检测时长收敛；
[0041] 在所述Ν+1次计算最优功率分配与所述Ν次计算最优功率分配之差的绝对值小于 所述预设第一正数时，判断为所述化1次计算功率分配收敛。
[0042] 较佳的，所述平均能效收敛，包括：
[0043] 在Μ次计算平均能效与Μ-1次计算平均能效之差的绝对值小于预设第二正数时，判 断为所述Μ次计算平均能效收敛。
[0044] 为达到上述目的，本发明实施例还公开了一种认知无线系统功率分配装置，包括：
[0045] 获取模块，用于获取认知无线系统的预设能效模型；
[0046] 第一处理模块，用于在所述预设能效模型中，得到各子载波的初始最优功率分配；
[0047] 计算模块，用于所述初始最优功率分配通过预设算法，得到最优检测时长，且所述 最优检测时长通过拉格朗日算法，得到最优功率分配；
[0048] 第二处理模块，用于根据所述最优功率分配和所述最优检测时长，得到所述认知 无线系统中各子载波上的平均能效；
[0049] 分配模块，用于在判断所述最优检测时长和所述最优功率分配分别收敛，且所述 平均能效收敛时，得到收敛时所述认知无线系统的最优检测时长和最优功率分配。
[0050] 由上述的技术方案可见，本发明实施例提供的认知无线系统功率分配方法及装 置，获取认知无线系统的预设能效模型，在该预设能效模型中，对各子载波检测时长和功率 分配通过预设算法及拉格朗日算法不断进行优化，在优化后的最优检测时长、最优功率分 配及优化后最优功率分配及最优检测时长对应的平均能效分别收敛时，获得该认知系统的 最优检测时长和最优功率分配。运样应用本发明实施例，使得移动场景下认知无线系统的 平均能效最大，能够提高移动场景下认知无线系统总能效。当然，实施本发明的任一产品或 方法必不一定需要同时达到W上所述的所有优点。
【附图说明】
[0051] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W 根据运些附图获得其他的附图。
[0052] 图1为本发明实施例提供的认知无线系统功率分配方法的流程示意图；
[0053] 图2为现有技术的检测主用户存在的帖结构策略的示意图；
[0054] 图3为本发明实施例提供的初始最优功率分配通过二分法得到最优检测时长的流 程示意图；
[0055] 图4为本发明实施例提供的典型认知无线系统模型的结构示意图；
[0056] 图5为本发明实施例提供的高铁认知无线系统模型的结构示意图；
[0057] 图6为本发明实施例提供的认知无线系统功率分配装置的一种结构示意图；
[0058] 图7为本发明实施例提供的认知无线系统功率分配装置的另一种结构示意图。
【具体实施方式】
[0059] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0060] 下面通过具体实施例，对本发明进行详细说明。
[0061] 本发明实施例提供了一种认知无线系统功率分配方法及装置，W实现认知无线系 统的平均能效最大，提升移动场景下认知无线系统的总能效。
[0062] 需要说明的是，本发明实施例的认知无线系统功率分配方法及装置，在移动场景 下，特别是具有高速移动的通信系统中（如高铁系统、车联网系统及无人机通信系统等），应 用认知无线系统中的各子载波的功率分配与检测时长联合交替优化方法，使得在移动场景 下，实现对认知无线系统功率的最优分配。
[0063] 参考图1，图1为本发明实施例提供的认知无线系统功率分配方法的流程示意图， 应用于高速移动的通信系统，该方法包括：
[0064] S101:获取认知无线系统的预设能效模型；
[0065] 本发明实施例基于认知无线系统的能效函数，建立预设能效模型，该预设能效函 数中包含了检测时长的优化变量运一参数，该检测时长的优化变量是相对于优化后的最优 检测时长的优化前的检测时长，可见，获得该最优检测时长的计算过程是在该预设能效模 型下完成。
[0066] S102:在该预设能效模型中，得到各子载波的初始最优功率分配；
[0067] 具体的，当建立了预设能效模型后，得到模型中的各个参数关系，并获得认知无线 系统的信道状态信息，根据信道状态信息中的发射总功率约束上限及子载波的数目，得到 各子载波的初始最优功率分配，即根据公式：
获得各子载波的初始最优功率分 配，其中，巧为初始最优功率分配，Pth为发射总功率约束上限，N=u，2,. . .η, . . .m，. . .N} 为子载波的数目，η为子载波编号。由上述公式可知，该初始最优功率分配由认知无线系统 的发射总功率约束上限和子载波总数确定，该认知无线系统的发射总功率约束上限是该认 知无线系统的信道状态信息，该信道状态信息在获取认知无线系统的预设能效模型前获得 的。
[0068] S103:初始最优功率分配通过预设算法，得到最优检测时长，且最优检测时长通过 拉格朗日算法，得到最优功率分配；
[0069] 具体的，首先，初始最优功率分配可W通过预设算法，得到最优检测时长，该预设 算法包括黄金分割法、牛顿法、抛物线法、二分法。初始最优功率可W利用该预设算法中的 任意一个算法，得到最优检测时长。其次，得到的最优检测时长通过拉格朗日算法，得到最 优功率分配。可W看出，运里在计算最优检测时长和最优功率分配时，循环交替计算最优检 测时长和最优功率分配。
[0070] S104:根据最优功率分配及最优检测时长，得到所述认知无线系统中各子载波上 的平均能效；
[0071] 当获得最优功率分配及最优检测时长后，将最优功率分配和最优检测时长代入预 设公式中，可W获得该最优功率分配和最优检测时长在认知无线系统中各子载波上的平均 能效。
[0072] S105:在判断最优检测时长和最优功率分配分别收敛，且平均能效收敛时，得到收 敛时该认知无线系统的最优检测时长和最优功率分配。
[0073] 具体的，当获得的最优检测时长和最优功率分配都收敛的情况下，该最优功率分 配和最优检测时长在认知无线系统中各子载波上对应的平均能效也收敛时，将获得的收敛 的最优检测时长和最优功率分配作为认知无线系统优化后的最优检测时长和最优功率分 配，同时，认知无线系统将按照优化后的最优检测时长和最优功率分配进行频谱检测和数 据传输。
[0074] 由此可见，本发明实施例中，获取认知无线系统的预设能效模型，在该预设能效模 型中，各子载波的检测时长和功率分配通过预设算法及拉格朗日算法不断进行优化，在判 断获得优化后的最优检测时长、最优功率分配及优化后最优功率分配和最优检测时长对应 的平均能效分别收敛时，获得认知系统的最优检测时长和最优功率分配。运样应用本发明 实施例，使得移动场景下认知无线系统的平均能效最大，能够提高移动场景下认知无线系 统总能效。
[0075] 在本发明实施例的一种实现方式中，获取认知无线系统的预设能效模型，包括：
[0076] 在获取认知无线系统的预设能效模型前，获得认知无线系统的信道状态信息，其 中，信道状态信息包括:信道状态信息的第一参数集合、与第一参数集合不同的信道状态信 息的第二参数集合、及与第一参数集合及第二参数集合分别不同的信道状态信息的第Ξ参 数集合；
[0077] 具体的，认知无线系统的信道状态信息的第一参数集合包括:检测噪声功率、检测 时长的优化变量、采样率、PlKPrima巧User,主用户)信号在认知无线电用户检测机处的平 均SNR(Signal to Noise Ratio,信噪比）及检测口限；
[0078] 第二参数集合包括:CU(Co即itive User,认知用户）的可检测的总频带宽度、GI (Guard Iterval，保护间隔）的长度、各子载波带宽、子载波的数目、各子载波被PU占用的概 率、多普勒频移、帖长、检测时长的优化变量、各子载波上发射功率、CU的接收机与发射机之 间信道增益、ICI (Intercarrier Interference，子载波间干扰）、AWGN(Additive White Gaussian Noise,加性高斯白噪声）的干扰、频谱检测功率及电路静态消耗功率；
[0079] 具体的，由于认知用户具有高移动性，因此多普勒频移会导致ICI。另外，在实际应 用中，为减小ISI(Intersymbol Interference,符号间干扰），通常在认知无线系统中的符 号前加 GI，GI的长度Tg大于最大时延扩展，例如，不含有GI的符号时间为Tu=l/Af，Af为各 子载波带宽，那么总的符号时间为Ts = Tg+Tu。由于所检测的频谱可能由不同的授权用户PU 使用，因此，各子载波具有被PU占用的概率。
[0080] 第Ξ参数集合包括:发射总功率约束上限、各子载波最大可接受干扰功率、检测概 率下限及虚警概率上限。
[0081] 应用上述各个实施例，在预设能效模型中，不断对认知无线系统的检测时长和功 率分配进行优化，在判断优化后的认知无线系统的最优检测时长和最优功率分配及最优功 率分配和最优检测时长对应的平均能效分别收敛时，该认知无线系统将按照优化后的最优 检测时长和最优功率分配进行频谱检测及数据传输。运样，使得移动场景下认知无线系统 的平均能效最大，能够提高移动场景下认知无线系统总能效。
[0082] 参考图2,图2为现有技术的检测主用户存在的帖结构策略的示意图，具体的，图2 示出的τ为检测时长的优化变量，T为帖长，Τ-τ为传输时长，认知无线电用户在接入频谱前， 必须先检测主用户是否存在，即实施"先检测再传输"的帖结构策略。
[0083] 具体的，能量检测是认知无线电广泛采用的检测方法，在本发明实施例的一种实 现方式中，根据第一参数集合，通过多个预设第一公式，确定能量检测指标，包括：
[0084] 该多个预设第一公式为W下两个公式，其中，检测概率Qd与虚警概率Qf是衡量能量 检测的主要性能指标，检测概率Qd与虚警概率Qf可W表示为：
[0087] 由检测概率Qd与虚警概率Qf组成的上述两个公式为能量检测指标。其中，检测概率 Qd与虚警概率Qf的函数关系为函数
为检测噪声功率，τ为检测时 长的优化变量，fs为采样率，丫为PU信号在认知无线电用户检测机处的平均SNR，e为检测口 限，X为关于函数Q(x)的变量。
[0088] 需要注意的是，上述各个参数，检测噪声功率、采样率、检测时长的优化变量、PU信 号在认知无线电用户检测机处的平均信噪比及检测口限包含于该认知无线系统信道状态 信息的第一参数集合中。
[0089] 由上述能量检测指标可知，当检测噪声功率、采样率、PU信号在认知无线电用户检 测机处的平均SNR、检测口限一定时，检测时长的优化变量τ越长，检测概率Qd越大，运样有 利于实施对PU的保护，但是会造成能量消耗增加和系统能效降低。现有的无线电技术参数 分配方案多是基于系统传输速率或者吞吐量的非移动场景下。
[0090] 在本发明实施例的一种实现方式中，根据能量检测指标和第二参数集合，通过多 个预设第二公式，确定认知无线系统在各子载波上的平均能效，并确定最大平均能效，包 括：
[0091] 具体的，在该认知无线系统中，CU和PU共存，其中，认知系统采用OFDM技术。
[0092] 根据能量检测指标和第二参数集合中的多项第一参数，通过多个预设第二公式的 第一公式，获得该认知无线系统的平均总速率函数；
[0093] 具体的，根据多个预设第二公式的第一公式：
[0094]
获 得认知无线系统的平均总速率函数；
[00%]根据能量检测指标和第二参数集合中的多项第二参数，获得认知无线系统的能量 消耗函数，其中，多项第二参数与多项第一参数至少部分项不同；
[0096] 具体的，根据多个预设第二公式的第二公式：
[0097]
获得认知 无线系统的能量消耗函数；
[0098] 基于获得的认知无线系统的平均总速率函数和能量消耗函数，计算该认知无线系 统的平均总速率函数和能量消耗函数之间的比值，确定该认知无线系统在各子载波上的平 均能效函数。
[0099] 具体的，根据W下公式：
[0100]
[0101] 确定认知无线系统在各子载波上的平均能效函数。
[0102] 其中，η为平均能效函数，Rs为认知无线系统的平均总速率函数，E为认知无线系统 的能量消耗函数，B为CU的可检测的总频带宽度，Tg为GI的长度，Af为子载波带宽，Λ'' = ^ 为子载波数目，设子载波集合为Ν= {1，2，. . .η，. . .m，. . . Ν}，η和m为子载波编号，qn为子载 波η被PU占用的概率，In, n( fd)为子载波η的自干扰系数，且
[0103]
[0104] Qd为检测概率，Qf为虚警概率，Τ为帖长，τ为检测时长的优化变量，ρη为子载波η上发射 功率，I为CU的接收机与发射机之间信道增益，f d为多普勒频移：
为ICI的干扰，且
[0105]
[0106] Pm为子载波m上发射功率，:伊^为AWGN(Additive White Gaussian Noise,加性高 斯白噪声)干扰，Ps为频谱检测功率，Pc为电路静态消耗功率。
[0107] 基于认知无线系统在各子载波上的平均能效函数，确定认知无线系统在各子载波 上的最大能效函数，即最大能效函数可W表示为
其中，τ为检测时长的 优化变量，Ρη为子载波η上发射功率，η为认知无线系统在各子载波上的平均能效函数，Rs为 认知无线系统的平均总速率函数，E为认知无线系统的能量消耗函数。
[0108] 根据能量检测指标及第Ξ参数集合，通过多个预设条件，确定认知无线系统的约 束条件；
[0109] 具体的，能量检测指标包括:虚警概率和检测概率;第Ξ参数包括:发射总功率约 束上限、各子载波最大可接受干扰功率、检测概率下限及虚警概率上限;认知无线系统的约 束条件至少包括:各子载波上发射功率之和的约束条件、各子载波所受干扰功率的约束条 件、能量检测指标的约束条件、最优检测时长的约束条件及各子载波上发射功率的约束条 件。将能量检测指标和第Ξ参数通过多个预设条件，得到认知无线系统的约束条件为W下 不等式：

[0116] 根据最大平均能效及认知无线系统的约束条件，得到认知无线系统的预设能效模 型。
[0117] 具体的，认知无线系统的预设能效模型可W用W下式子来表示：
[0125] 其中，η为平均能效函数，私为认知无线系统的平均总速率函数，E为认知无线系统 的能量消耗函数，Ρη为子载波η上发射功率，N=u，2, . . .η, . . .m，. . .Ν}为子载波的集合，η 为子载波编号，Pth为发射总功率约束上限，qn为子载波η被PU占用的概率，if为子载波η最 大可接受干扰功率，山为检测概率，Qf为虚警概率，为检测概率下限，0Γ"为虚警概率 上限，Τ为帖长，τ为检测时长的优化变量。在上述能效模型中，Cl为对认知无线系统的发射 总功率的约束条件，C2为对认知无线系统的每个子载波干扰功率约束条件，C3及C4是对认知 无线系统的检测性能的约束条件，本发明实施例通过对C2，C3及C4的约束，来实现对PU的保 护。
[0126] 在本发明实施例的一种实现方式中，预设算法至少包括:预设算法包括:黄金分割 法、牛顿法、抛物线法、二分法；
[0127] 具体的，初始最优功率分配通过预设算法，得到最优检测时长，可W理解为，初始 最优功率分配通过黄金分割法，得到最优检测时长;或初始最优功率分配通过牛顿法，得到 最优检测时长;或初始最优功率分配通过抛物线法，得到最优检测时长;或初始最优功率分 配通过二分法，得到最优检测时长。
[0128] 在本发明实施例的一种实现方式中，所述根据所述最优功率分配及最优检测时 长，得到所述认知无线系统中各子载波上的平均能效，包括：
[0129] 具体的，获得所述认知无线系统的信道状态信息，其中，所述信道状态信息包括： 信道状态信息的第一参数集合、与所述第一参数集合不同的信道状态信息的第二参数集 合、及与所述第一参数集合和所述第二参数集合分别不同的信道状态信息的第Ξ参数集 合;根据所述第一参数集合，通过预设第一公式，确定能量检测指标;根据所述能量检测指 标、所述第二参数集合中的多项第一参数、所述最优功率分配及所述最优检测时长，获得所 述认知无线系统的平均总速率；
[0130] 根据所述能量检测指标、所述第二参数集合中的多项第二参数、所述最优功率分 配及所述最优检测时长，获得所述认知无线系统的能量消耗，其中，所述多项第二参数与所 述多项第一参数至少部分项不同；
[0131] 根据所述平均总速率和所述能量消耗之间的比值，确定所述认知无线系统在各子 载波上的平均能效。
[0132] 在本发明实施例的一种实现方式中，对初始最优功率分配进行预设算法，得到最 优检测时长，并对该最优检测时长进行拉格朗日算法，得到最优功率分配，包括：
[0133] 具体的，初始最优功率分配通过预设算法，得到一次计算最优检测时长，即初始最 优功率分配通过预设算法中的一种算法，得到一次计算最优检测时长。
[0134] 具体的，一次计算最优检测时长通过拉格朗日算法，得到一次计算最优功率分配； 对获得的一次计算最优功率分配通过预设算法中的一种算法，得到二次计算最优检测时 长，对二次计算最优检测时长通过拉格朗日算法，得到二次计算最优功率分配。可见，运里 循环计算得到两个最优检测时长和两个最优检测功率。例如，一次计算最优检测时长通过 拉格朗日算法，得到一次计算最优功率分配，包括：
[01对首先，由公式:矿=也.，得到函数maxRs-地； Hj
[0136] 其次，根据上述函数，构建拉格朗日函数
[0137] 然后，对拉格朗日函数求导，并令求导的拉格朗日函数等于零，即， dL η [013引 二 0: 斬，
[0139] 再然后，根据公式：^ = 0 ·得到一次计算最优功率分配，得到一次计算最优功率 如， 分配
[0140] 其中，

,[x] +=max(0,x)，α为拉格朗日乘子， α根据预设算法得到，即根据公式
，得到α，且α大于等于0，所 W当根据上式，得到的α<0时，则令a = 〇，ri为认知无线系统在各子载波上的平均能效瓜为 认知无线系统的平均总速率，E为认知无线系统的能量消耗，pn为子载波η上发射功率，N = {1，2,. . .η,. . .m，. . .N}为子载波的集合，η为子载波编号，B为CU的可检测的总频带宽度，Pth 为发射总功率约束上限，qn为子载波η被PU占用的概率，巧A为子载波η最大可接受干扰功 率，Qd为检测概率，Qf为虚警概率，Τ为帖长，τ为检测时长的优化变量，/?为CU的接收机与 发射机之间信道增益，fd为多普勒频移
*3ICI的干扰，任f： 为AWGN干扰，Tg为GI的长度，/?,,第一最优功率。
[0141] 在实际应用中，获得一次最优功率分配和一次最优检测时长后，由该一次最优功 率分配和一次最优检测时长确定一次计算平均能效；
[0142] 在二次计算最优检测时长和二次计算最优功率分配分别收敛时，根据二次最优功 率分配和二次最优检测功率，确定二次计算平均能效;可见，当二次计算最优检测时长和二 次计算最优功率分配都收敛时，根据收敛的二次计算最优功率和二次最优检测时长，确定 二次计算平均能效。例如，当二次计算最优功率分配为二次计算最优检测时长为将 和τ气戈入W下公式，并且ii和τ气戈替公式中的Ρη和τ:
[0143]
[0144] 得到二次计算平均能效；
[0145] 其中，η为二次计算平均能效，Rs为认知无线系统的平均总速率，Ε为认知无线系统 的能量消耗，B为CU的可检测的总频带宽度，Tg为GI的长度，Af为子载波带宽，Λ''=^为子 载波数目，设子载波集合为Ν= {1，2，. . .η，. . .m，. . .Ν}，η和m为子载波编号，qn为子载波η被 Ρ化用的概率，In,n(fd)为子载波η的自干扰系数，且
[0146]
[0147] Qd为检测概率，跑为虚警概率，Τ为帖长，τ为检测时长的优化变量，ρη为子载波η上发射功 率小C I为CU的接收机与发射机之间信道增益，fd为多普勒频移，
为ICI的干扰，且
[014 引
[0149] Pm为子载波m上发射功率，(7支为AWGN(Addit ive White Gaussian Noi se，加性 高斯白噪声巧扰，Ps为频谱检测功率，Pc为电路静态消耗功率。
[0150] 在上述计算得到的二次计算平均能效收敛时，将二次计算最优检测时长和二次计 算最优功率为最优检测时长和最优功率分配。认知无线系统按照获得的最优检测时长和最 优功率分配进行后续的频谱检测和数据传输。
[0151] 在本发明实施例的一种实现方式中，在一次计算最优功率分配通过所述预设算 法，得到二次计算最优检测时长，二次计算最优检测时长，通过拉格朗日算法，得到二次计 算最优功率分配之后，该方法还包括：
[0152] 在二次计算最优检测时长和二次计算最优功率分配分别不收敛时，对N次计算最 优功率分配通过预设算法，得到N+1次计算最优检测时长，对该N+1次计算最优检测时长通 过拉格朗日算法，得到化1次计算最优功率分配；
[0153] 具体的，当获得的N次计算最优功率分配及N次计算最优检测时长分别不收敛时， 继续对N次计算最优功率分配通过预设算法，得到N+1次计算最优检测时长，然后对N+1次计 算最优检测时长通过拉格朗日算法，得到N+1次计算最优功率分配。运里N次计算最优功率 分配及N次计算最优检测时长循环交替迭代计算，直到获得分别收敛的N+1次计算最优检测 时长和化1次计算最优功率分配。
[0154] 直至在N+1次计算最优检测时长和N+1次计算最优功率分配分别收敛时，根据N+1 次计算最优功率分配，确定Μ次计算平均能效;且
[0155] 在第Μ次计算平均能效收敛时，获得Ν+1次计算最优检测时长及Ν+1次计算最优功 率分配，分别作为收敛时认知无线系统的最优检测时长和最优功率分配，其中，Ν为大于或 等于2，Μ为大于或等于2。
[0156] 可W理解为，在所获得的在Ν+1次计算最优检测时长、Ν+1次计算最优功率分配及Μ 次计算平均能效分别收敛时，将所获得的收敛的Ν+1次计算最优检测时长及Ν+1次计算最优 功率分配作为认知无线系统的最优检测时长和最优功率分配，运样，认知无线系统按照获 得的最优检测时长和最优功率分配进行后续的频谱检测和数据传输。
[0157] 在本发明实施例的一种实现方式中，判断根据最优检测时长和最优功率分配收 敛，包括：
[0158] 在Ν+1次计算最优检测时长与Ν次计算最优检测时长之差的绝对值小于预设第一 正数时，判断为化1次计算最优检测时长收敛；
[0159] 例如，当I ΤΝ+广ΤΝ I《目1时，ΤΝ+1收敛，具体的，ΤΝ+1为Ν+1次计算最优检测时长，ΤΝ为Ν 次计算最优检测时长，目1为预设第一正数，且目1可W取值10-5、10-6或其他更小的正数，Ν为大 于或等于2。
[0160] 在Ν+1次计算最优功率分配与Ν次计算最优功率分配之差的绝对值小于预设第一 正数时，判断为化1次计算功率分配收敛。
[0161] 例如，当I PN+广PN I《θι时，PN+1收敛，具体的，PN+功N+1次计算最优功率分配，Pn为N 次计算最优功率分配，e功预设第一正数，且可W取值1〇Λ?0-6或其他更小的正数，N为大 于或等于2。
[0162] 在本发明实施例的一种实现方式中，该Ν+1次计算最优检测时长和Ν+1次计算最优 功率分配对应的Μ次计算的平均能效收敛，包括：
[0163] 在Μ次计算能效与Μ-1次计算子能效之差的绝对值小于预设第二正数时，判断为Μ 次计算能效收敛。
[0164] 例如，当|%-恥-11《92时，％收敛，具体的，％为Μ次计算平均能效，恥-1为Μ-1次计算 平均能效，92为预设第二正数，且02可W取值10-5、10-6或其他更小的正数。
[0165] 应用上述各个实施例，在预设能效模型中，不断优化检测时长和功率分配的变量， 直到获得的认知无线系统的最优检测时长、最优功率分配及最优功率分配对应的能效分别 收敛时，该认知无线系统将按照收敛后的最优检测时长和最优功率分配进行频谱检测及数 据传输。运样，使得移动场景下认知无线系统的平均能效最大，能够提高移动场景下认知无 线系统总能效。
[0166] 参考图3,图3为本发明实施例提供的最优功率分配通过二分法得到最优检测时长 的流程示意图，包括W下步骤：
[0167] S301，开始；
[016引 8302，对11关于1求导，即的巧=4^，并且由03，〔4获得11，12，即根据公式： dr
获得下2;
[0169] 8303，令前。=111日又（1：1,12)且1：丽=!';
[0170] S304,当η' (TminKO时，则，执行S305,当η' (TminKO不成立时，则执行S306;
[0171] 8305，得到第一最优检测时长1^=^1。；
[0172] S306,令Tmin和Tmax满足公式
[0173] S307,当η' (τ' )<〇成立时，则执行S308,当η' (τ' )<〇不成立时，则执行S309;
[0174] S308,得到Tmax = T'，并执行S310;
[0175] S309,得到Tmin = T'，并执行S310;
[0176] S310,当I Tmax-TminI《目成立时，返回执行S306,当I Tmax-TminI《目不成立时，执行 S311，其中，Θ为一个很小的正数，例如，θ = ι〇Λ或θ = ι〇Λ或θ<ι〇-5的其它正数；
[0177] S311，得到第一最优检测时去
[017 引 S312,结束。
[0179] 其中，η为平均能效，τ为检测时长的优化变量，η是关于τ的能效函数，/7'0-) = ^为 '()了 对能效函数求导，σ2为检测噪声功率，fs为采样率，丫为PU信号在认知无线电用户检测机处 的平均SNR，ε为检测口限，0""为检测概率下限，ρΡ为虚警概率上限。
[0180] 可见，当获得最优功率分配时，通过二分法计算得到对应的最优检测时长。当然， 也可W通过预设算法中的任意一种算法，计算得到最优功率分配对应的最优检测时长。
[0181] 参考图4,图4为本发明实施例的典型认知无线系统的模型示意图，包括主用户系 统401、认知基站402、车载网络403及无人机404。本发明实施例的认知无线系统的典型应用 场景包括，具有高移动性的高铁线路、车载网络、无人机通信系统等。
[0182] 参见图5,图5为本发明实施例的高铁认知无线系统模型的示意图，包括主用户系 统501、认知基站502、认知系统503及火车504,其中高铁W预设的速度行驶。
[0183] 参考图6,图6为本发明实施例提供的认知无线系统功率分配装置的一种结构示意 图，应用于高速移动的通信系统，该装置包括：
[0184] 获取模块601，用于获取认知无线系统的预设能效模型；
[0185] 第一处理模块602,用于在预设能效模型中，得到各子载波的初始最优功率分配；
[0186] 计算模块603,用于初始最优功率分配通过预设算法，得到最优检测时长，且最优 检测时长通过拉格朗日算法，得到最优功率分配；
[0187] 第二处理模块604,根据最优功率分配和最优检测时长，得到该认知无线系统中各 子载波上的平均能效；
[0188] 分配模块605,用于在判断最优检测时长和最优功率分配分别收敛，且平均能效收 敛时，得到收敛时该认知无线系统的最优检测时长和最优功率分配。
[0189] 由此可见，本发明实施例中，获取认知无线系统的预设能效模型，在该预设能效模 型中，子载波的检测时长的变量和功率分配的变量通过预设算法及拉格朗日算法不断进行 优化，当优化后的最优检测时长、最优功率分配及优化后最优功率分配及最优检测时长对 应的平均能效分别收敛时，获得认知系统的最优检测时长和最优功率分配。运样应用本发 明实施例，使得移动场景下认知无线系统的平均能效最大，能够提高移动场景下认知无线 系统总能效。在本发明实施例的一种实现方式中，如图7所示，获取模块601，具体包括：
[0190] 第一获得子模块701，用于获得该认知无线系统的信道状态信息，其中，信道状态 信息包括:信道状态信息的第一参数集合、与第一参数集合不同的信道状态信息的第二参 数集合、及与第一参数集合和第二参数集合分别不同的信道状态信息的第Ξ参数集合；
[0191] 第一确定子模块702，用于根据第一参数集合，通过预设第一公式，确定能量检测 指标；
[0192] 第二确定子模块703,用于根据能量检测指标和第二参数集合，通过多个预设第二 公式，确定该认知无线系统在各子载波上的平均能效，并确定最大平均能效；
[0193] 第Ξ确定子模块704,用于根据能量检测指标及第Ξ参数集合，通过多个预设条 件，确定认知无线系统的约束条件，其中，所述约束条件至少包括:各子载波上发射功率之 和的约束条件、各子载波所受干扰功率的约束条件、能量检测指标的约束条件、所述最优检 测时长的约束条件及各子载波上发射功率的约束条件；
[0194] 第二获得子模块705,用于根据最大平均能效函数及认知无线系统的约束条件，得 到认知无线系统的预设能效模型。
[01M]在本发明实施例的一种实现方式中，第二确定子模块703,具体包括：
[0196] 第一获得单元，用于根据能量检测指标和第二参数集合中的多项第一参数，获得 该认知无线系统的平均总速率函数；
[0197] 第二获得单元，用于根据能量检测指标和第二参数集合中的多项第二参数，获得 该认知无线系统的能量消耗函数，其中，多项第二参数与多项第一参数至少部分项不同；
[0198] 第一确定单元，根据平均总速率函数和能量消耗函数之间的比值，确定认知无线 系统在各子载波上的平均能效函数，并由该平均能效函数确定最大平均能效函数。
[0199] 在本发明实施例的认知无线系统功率分配装置中，预设算法至少包括:黄金分割 法、牛顿法、抛物线法或二分法。
[0200] 在本发明实施例的一种实现方式中，第二处理模块604,包括：
[0201] 第Ξ获得子模块，用于获得所述认知无线系统的信道状态信息，其中，所述信道状 态信息包括:信道状态信息的第一参数集合、与所述第一参数集合不同的信道状态信息的 第二参数集合、及与所述第一参数集合和所述第二参数集合分别不同的信道状态信息的第 Ξ参数集合；
[0202] 第四确定子模块，用于根据所述第一参数集合，通过预设第一公式，确定能量检测 指标；
[0203] 第四获得子模块，用于根据所述能量检测指标、所述第二参数集合中的多项第一 参数、所述最优功率分配及最优检测时长，获得所述认知无线系统的平均总速率；
[0204] 第五获得子模块，用于根据所述能量检测指标、所述第二参数集合中的多项第二 参数、所述最优功率分配及最优检测时长，获得所述认知无线系统的能量消耗，其中，所述 多项第二参数与所述多项第一参数至少部分项不同；
[0205] 第五确定子模块，用于根据所述平均总速率和所述能量消耗之间的比值，确定所 述认知无线系统在各子载波上的平均能效。
[0206] 在本发明实施例的一种实现方式中，计算模块603包括：
[0207] 第六获得子模块，用于初始最优功率分配通过预设算法，得到一次计算最优检测 时长；
[0208] 第屯获得子模块，用于一次计算最优检测时长通过拉格朗日算法，得到一次计算 最优功率分配；
[0209] 第八获得子模块，用于一次计算最优功率分配通过预设算法，得到二次计算最优 检测时长，二次计算最优检测时长，通过拉格朗日算法，得到二次计算最优功率分配；
[0210] 第六确定子模块，用于在二次计算最优检测时长和二次计算最优功率分配分别收 敛时，根据二次最优功率分配，确定二次计算平均能效；
[0211] 第一分配子模块，用于在二次计算平均能效收敛时，二次计算最优检测时长和二 次计算最优功率为最优检测时长和最优功率分配。
[0212] 在本发明实施例的一种实现方式中，计算模块603还包括：
[0213] 第九获得子模块，用于在二次计算最优检测时长和二次计算最优功率分配分别不 收敛时，对N次计算最优功率分配通过所述预设算法，得到N+1次计算最优检测时长，对所述 化1次计算最优检测时长通过所述拉格朗日算法，得到化1次计算最优功率分配；
[0214] 第屯确定子模块，用于直至在N+1次计算最优检测时长和N+1次计算最优功率分配 分别收敛时，根据化1次计算最优功率分配，确定Μ次计算平均能效;且
[0215] 第二分配子模块，用于在第Μ次计算平均能效收敛时，获得Ν+1次计算最优检测时 长及Ν+1次计算最优功率分配，分别作为收敛时认知无线系统的最优检测时长和最优功率 分配，其中，Ν为大于或等于2，Μ为大于或等于2。
[0216] 在本发明实施例的一种实现方式中，分配模块605包括：
[0217] 第一判断子模块，用于在Ν+1次计算最优检测时长与Ν次计算最优检测时长之差的 绝对值小于预设第一正数时，判断为化1次计算最优检测时长收敛；
[0218] 第二判断子模块，用于在Ν+1次计算最优功率分配与Ν次计算最优功率分配之差的 绝对值小于预设第一正数时，判断为化1次计算功率分配收敛。
[0219] 在本发明实施例的一种实现方式中，分配模块605包括：
[0220] 第Ξ判断子模块，用于在Μ次计算平均能效与Μ-1次计算平均能效之差的绝对值小 于预设第二正数时，判断为Μ次计算能效收敛。
[0221] 应用上述各个实施例，在预设能效模型中，不断优化认知无线系统中各子载波的 检测时长和功率分配，直至获得该认知无线系统的最优检测时长、最优功率分配及最优功 率分配对应的子载波间干扰分别收敛时，该认知无线系统将按照收敛时的最优检测时长和 最优功率分配进行频谱检测及数据传输，实现合理分配子载波检测时长和功率分配，从而 提高认知无线系统的总效能。
[0222] 对于系统、装置实施例而言，由于其基本相似于方法实施例，所W描述的比较简 单，相关之处参见方法实施例的部分说明即可。
[0223] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示运些实体或操作之间存 在任何运种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在涵盖 非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要 素，而且还包括没有明确列出的其他要素，或者是还包括为运种过程、方法、物品或者设备 所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在 包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0224] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实 施例而言，由于其基本相似于方法实施例，所W描述的比较简单，相关之处参见方法实施例 的部分说明即可。
[0225] W上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围 内。
【主权项】
1. 一种认知无线系统功率分配方法，其特征在于，包括： 获取认知无线系统的预设能效模型； 在所述预设能效模型中，得到各子载波的初始最优功率分配； 所述初始最优功率分配通过预设算法，得到最优检测时长，且所述最优检测时长通过 拉格朗日算法，得到最优功率分配； 根据所述最优功率分配及所述最优检测时长，得到所述认知无线系统中各子载波上的 平均能效； 在判断所述最优检测时长和所述最优功率分配分别收敛，且所述平均能效收敛时，得 到收敛时所述认知无线系统的最优检测时长和最优功率分配。2. 根据权利要求1所述的方法，其特征在于，所述获取认知无线系统的预设能效模型， 包括： 获得所述认知无线系统的信道状态信息，其中，所述信道状态信息包括:信道状态信息 的第一参数集合、与所述第一参数集合不同的信道状态信息的第二参数集合、及与所述第 一参数集合和所述第二参数集合分别不同的信道状态信息的第三参数集合； 根据所述第一参数集合，通过预设第一公式，确定能量检测指标； 根据所述能量检测指标和所述第二参数集合，通过多个预设第二公式，确定所述认知 无线系统在各子载波上的平均能效函数，并确定最大平均能效函数； 根据能量检测指标及所述第三参数集合，通过多个预设条件，确定所述认知无线系统 的约束条件，其中，所述约束条件至少包括:各子载波上发射功率之和的约束条件、各子载 波所受干扰功率的约束条件、能量检测指标的约束条件、所述最优检测时长的约束条件及 各子载波上发射功率的约束条件； 根据所述最大平均能效函数及所述认知无线系统的约束条件，得到认知无线系统的预 设能效模型。3. 根据权利要求2所述的方法，其特征在于，所述根据所述能量检测指标和所述第二参 数集合，通过多个预设第二公式，确定所述认知无线系统在各子载波上的平均能效函数，并 确定最大平均能效函数，包括： 根据所述能量检测指标和所述第二参数集合中的多项第一参数，通过所述多个预设第 二公式的第一公式，获得所述认知无线系统的平均总速率函数； 根据所述能量检测指标和所述第二参数集合中的多项第二参数，通过所述多个预设第 二公式的第二公式，获得所述认知无线系统的能量消耗函数，其中，所述多项第二参数与所 述多项第一参数至少部分项不同； 根据所述平均总速率函数和所述能量消耗函数之间的比值，确定所述认知无线系统在 各子载波上的平均能效函数，并由所述平均能效函数确定最大平均能效函数。4. 根据权利要求1所述的方法，其特征在于，所述预设算法至少包括:黄金分割法、牛顿 法、抛物线法或二分法。5. 根据权利要求1所述的方法，其特征在于，所述根据所述最优功率分配及最优检测时 长，得到所述认知无线系统中各子载波上的平均能效，包括： 获得所述认知无线系统的信道状态信息，其中，所述信道状态信息包括:信道状态信息 的第一参数集合、与所述第一参数集合不同的信道状态信息的第二参数集合、及与所述第 一参数集合和所述第二参数集合分别不同的信道状态信息的第三参数集合； 根据所述第一参数集合，通过预设第一公式，确定能量检测指标； 根据所述能量检测指标、所述第二参数集合中的多项第一参数、所述最优功率分配及 所述最优检测时长，获得所述认知无线系统的平均总速率； 根据所述能量检测指标、所述第二参数集合中的多项第二参数、所述最优功率分配及 所述最优检测时长，获得所述认知无线系统的能量消耗，其中，所述多项第二参数与所述多 项第一参数至少部分项不同； 根据所述平均总速率和所述能量消耗之间的比值，确定所述认知无线系统在各子载波 上的平均能效。6. 根据权利要求1所述的方法，其特征在于，所述对所述初始最优功率分配进行预设算 法，得到最优检测时长，并对所述最优检测时长进行拉格朗日算法，得到最优功率分配，包 括： 所述初始最优功率分配通过预设算法，得到一次计算最优检测时长； 所述一次计算最优检测时长通过拉格朗日算法，得到一次计算最优功率分配，根据所 述一次最优功率分配和一次最优检测时长，确定一次计算平均能效； 所述一次计算最优功率分配通过所述预设算法，得到二次计算最优检测时长，所述二 次计算最优检测时长，通过所述拉格朗日算法，得到二次计算最优功率分配； 在所述二次计算最优检测时长和所述二次计算最优功率分配分别收敛时，根据所述二 次最优功率分配和二次最优检测时长，确定二次计算平均能效； 在所述二次计算平均能效收敛时，所述二次计算最优检测时长和所述二次计算最优功 率为所述最优检测时长和所述最优功率分配。7. 根据权利要求6所述的方法，其特征在于，在所述一次计算最优功率分配通过所述预 设算法，得到二次计算最优检测时长，所述二次计算最优检测时长，通过所述拉格朗日算 法，得到二次计算最优功率分配之后，所述的方法还包括： 在所述二次计算最优检测时长和所述二次计算最优功率分配分别不收敛时，对N次计 算最优功率分配通过所述预设算法，得到N+1次计算最优检测时长，对所述N+1次计算最优 检测时长通过所述拉格朗日算法，得到N+1次计算最优功率分配； 直至在N+1次计算最优检测时长和N+1次计算最优功率分配分别收敛时，根据所述N+1 次计算最优功率分配和N+1次计算最优检测时长，确定Μ次计算平均能效;且 在第Μ次计算平均能效收敛时，获得Ν+1次计算最优检测时长及Ν+1次计算最优功率分 配，分别作为收敛时所述认知无线系统的最优检测时长和最优功率分配，其中，所述Ν为大 于或等于2,所述Μ为大于或等于2。8. 根据权利要求6所述的方法，其特征在于，所述判断所述最优检测时长和所述最优功 率分配分别收敛，包括： 在所述Ν+1次计算最优检测时长与所述Ν次计算最优检测时长之差的绝对值小于预设 第一正数时，判断为所述Ν+1次计算最优检测时长收敛； 在所述Ν+1次计算最优功率分配与所述Ν次计算最优功率分配之差的绝对值小于所述 预设第一正数时，判断为所述Ν+1次计算功率分配收敛。9. 根据权利要求6所述的方法，其特征在于，所述平均能效收敛，包括： 在Μ次计算平均能效与M-1次计算平均能效之差的绝对值小于预设第二正数时，判断为 所述Μ次计算平均能效收敛。10. -种认知无线系统功率分配装置，其特征在于，包括： 获取模块，用于获取认知无线系统的预设能效模型； 第一处理模块，用于在所述预设能效模型中，得到各子载波的初始最优功率分配； 计算模块，用于所述初始最优功率分配通过预设算法，得到最优检测时长，且所述最优 检测时长通过拉格朗日算法，得到最优功率分配； 第二处理模块，用于根据所述最优功率分配和所述最优检测时长，得到所述认知无线 系统中各子载波上的平均能效； 分配模块，用于在判断所述最优检测时长和所述最优功率分配分别收敛，且所述平均 能效收敛时，得到收敛时所述认知无线系统的最优检测时长和最优功率分配。
【文档编号】H04L12/24GK106059840SQ201610626111
【公开日】2016年10月26日
【申请日】2016年8月2日
【发明人】许文俊, 周雪梅, 吴翠云
【申请人】北京邮电大学