認知無線電CR(Cognitive Radio)[1]作為一種新的無線電設(shè)計理念，強調(diào)無線電設(shè)備對頻譜資源的動態(tài)占用，依靠人工智能感知無線通信環(huán)境，根據(jù)一定的學(xué)習(xí)和決策算法，實時自適應(yīng)改變工作參數(shù)，動態(tài)檢測和有效利用空閑頻譜，理論上允許在時域、頻域和空域上進行多維復(fù)用和共享。OFDM既能動態(tài)利用頻譜資源，并根據(jù)子信道特性自適應(yīng)加載，又能對授權(quán)用戶頻譜占用情況進行快速分析，被認為是認知無線電中傳輸鏈路自適應(yīng)實現(xiàn)的一種潛在技術(shù)。
    參考文獻[2]提出一種基于OFDM-CR的自適應(yīng)功率加載算法，通過引入“頻譜池”中的互干擾，分析了OFDM-CR對主用戶的干擾分布，獲得鄰近主用戶頻段的“空載波”信息，以指導(dǎo)功率分配，其實質(zhì)是注水功率加載算法在CR中的應(yīng)用；參考文獻[3]提出一種基于NC-OFDM的比特分配算法，并分析了收發(fā)信機之間交互比特分配信息對系統(tǒng)吞吐量的影響；參考文獻[4]提出一種基于OFDM-CR的主次用戶共存的功率分配算法，旨在共存環(huán)境中所有主次用戶干擾都受限情況下最大化系統(tǒng)容量；參考文獻[5-7]基于OFDM-CR集中式網(wǎng)絡(luò)模型，分別采用遺傳算法、記憶算法-聯(lián)合本地搜索與遺傳算法、Fitness Landscape分析進行迭代優(yōu)化；參考文獻[8]提出一種基于CR集中式網(wǎng)絡(luò)的聯(lián)合頻譜資源分配與功率控制算法，分析了主用戶干擾受限與不受限兩種情況下的性能。上述算法要么只考慮單一用戶,要么只考慮單主用戶和單認知用戶,缺乏公平性考慮。本文對多認知用戶、單主用戶共存情況下下行鏈路自適應(yīng)分配算法開展研究，以樹形分支貪婪算法為基礎(chǔ)，引入功率余量因子和干擾余量因子,并通過比較余量因子相對大小來選擇子載波，通過減小分支數(shù)以降低算法復(fù)雜度。仿真結(jié)果表明，改進的樹形分支貪婪算法獲得的系統(tǒng)容量與最優(yōu)分配算法基本一致，但復(fù)雜度明顯降低。
1 系統(tǒng)模型
    認知無線電網(wǎng)絡(luò)某小區(qū)擁有一個認知網(wǎng)絡(luò)基站CBS(Cognitive network Base Station)，用于管理該小區(qū)覆蓋范圍內(nèi)的k個認知用戶CUs(Cognitive Users)，該區(qū)域內(nèi)還存在一個主用戶PU(Primary User)。CBS根據(jù)CUs的速率需求完成子載波與功率分配，PU占用頻譜和CUs可用頻譜分布如圖1所示，PU占用信道帶寬為B，CUs可用PU頻帶兩側(cè)各N/2個子載波，子載波帶寬為Δf。由于帶外輻射等原因，CBS在下行鏈路傳輸數(shù)據(jù)時必然對PU產(chǎn)生干擾。同樣，PU通信也會對CUs帶來干擾。

    圖4所示為認知用戶在不同總功率下，傳輸速率與干擾容限之間的關(guān)系曲線。隨著認知用戶總功率的增加，認知用戶總傳輸速率也增加，當(dāng)干擾容限Ith很小時，發(fā)射功率對傳輸速率的影響不大，其原因在于此時起主導(dǎo)約束作用的是干擾容限Ith，導(dǎo)致系統(tǒng)容量不能迅速隨著功率增加；當(dāng)干擾容限Ith很大時，對系統(tǒng)的約束作用變小，此時起主導(dǎo)作用的是發(fā)射功率。圖中最下面一條曲線趨于一條直線，說明單方面增大干擾容限并不一定能提高系統(tǒng)容量，而允許的發(fā)射功率較小在一定程度上會限制系統(tǒng)容量。

    圖5所示為不同主用戶發(fā)射功率下，認知用戶的總傳輸速率與干擾容限之間的關(guān)系曲線。當(dāng)主用戶功率增大時，對認知用戶的干擾也變大，發(fā)送比特所需能量也變大。由于總功率一定，故系統(tǒng)容量隨主用戶功率的變大而變小。
    認知網(wǎng)絡(luò)占用可用頻譜資源的首要前提是不對主用戶通信造成干擾或?qū)χ饔脩舾蓴_低于容限。本文以對主用戶干擾為約束條件，對基于OFDM的認知無線電系統(tǒng)下行鏈路子載波與功率進行自適應(yīng)分配。以樹形分支貪婪算法為基礎(chǔ)，引入功率余量因子和干擾余量因子對其進行了改進，通過比較余量相對大小來選擇子載波，由于減小了分支數(shù)，極大降低了算法復(fù)雜度。仿真分析了不同認知用戶總功率、不同主用戶功率下傳輸速率與干擾容限之間的關(guān)系。相比于最優(yōu)分配算法，改進算法的傳輸速率略低，但算法復(fù)雜度卻有很大降低。當(dāng)然，如果OFDM符號較長時，改進算法的計算復(fù)雜度仍然難以滿足實時性要求。針對無線通信傳輸?shù)臅r效性要求，進一步降低自適應(yīng)分配算法的運算復(fù)雜度是需要繼續(xù)進行的研究工作。
參考文獻
[1] MITOLA J, MAGUIRE G Q.Cognitive radios: making software radios more personal[J]. IEEE Personal Communications, 1999,6(4):13-18.
[2] WEISS T,HILLENBRAND J.Mutual interference in OFDM  based spectrum pooling systems[C].Proceedings of IEEE  59th VTC’04, 2004:1873-1877.
[3] BANSAL G, HOSSAIN M J. Adaptive bit and power loading for OFDM-based cognitive radio systems[C]. Proceedings of IEEE ICC’07: 2007:5137-5142.
[4] WYGLINSKI A M. Effects of bit allocation on non-contiguous multi-carrier-based cognitive radio transceivers[C]. Proceedings of 64th IEEE VTC’06: 2006:1-5.
[5] ATTAR A, HOLLAND O. Interference-limited resource allo cation for cognitive radio in orthogonal frequency-division multiplexing networks[J]. IET Journal of Communication,  2008,2(6):806-814.
[6] TAO Q, CYRIL L C. Fair adaptive resource allocation for  multiuser OFDM cognitive radio systems[C]. Proceedings of CHINACOMM’07:2007:115-119.
[7] HUANG D, LEUNG, C, MIAO C Y. Memetic algorithm  for dynamic resource allocation in multiuser OFDM based cognitive radio systems[C]. Proceedings of IEEE CEC’08: 2008:3860-3865.
[8] ULUDAG G, UYAR A S. Fitness landscape analysis of differential evolution algorithms[C].Proceedings of ICSCCW’09,2009:1-4.
[9] DIGHAM F F. Joint power and channel allocation for cognitive radios[C]. Proceedings of IEEE WCNC’08:2008:882-887.
[10] JANG J H, KWANG B L. Transmit power adaptation for  multiuser OFDM systems[J]. IEEE Journal on Selected Areas in Communications, 2003,21(2):171-178.
[11] HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2005,23(2):201-220.
[12] TAO Q, CYRIL L C. Fair adaptive resource allocation for multiuser OFDM cognitive radio systems[C]. Proceedings  of VINACOM’07: 2007:115-119.