[论文解读] Interference Mitigation and Resource Allocation in Underlay Cognitive Radio Networks

Shailesh Chaudhari|arXiv (Cornell University)|Jan 1, 2018

Cognitive Radio Networks and Spectrum Sensing参考文献 91被引用 3

一句话总结

该论文提出了一种先进的干扰抑制与资源分配技术，用于认知无线电网络中的非授权接入系统，通过利用循环平稳信号特性进行主用户（PU）定位，实现大规模MIMO系统中的低复杂度功率分配，以及动态频带选择与功率控制。主要贡献在于提出了一种可证明最优的功率控制策略，在满足主用户干扰约束的前提下，最大化次用户吞吐量，尤其适用于时变信道条件和主用户活动模式下的系统。

ABSTRACT

Due to ever increasing usage of wireless devices and data hungry applications, it has become necessary to improve the spectral efficiency of existing wireless networks. One way of improving spectral efficiency is to share the spectrum amongst different coexisting networks and serve multiple devices simultaneously. Spectrum sharing mechanisms for coexistence of a licensed network, such as LTE, with an unlicensed network, such as Wi-Fi, are being considered in the recent literature and standardizations. In order to enable the coexistence between licensed and unlicensed users, it is necessary to include interference mitigation techniques to protect the licensed primary users (PUs) from harmful interference. Typical interference mitigation mechanisms are based on spectrum sensing and cognitive radio (CR), wherein unlicensed secondary users (SUs) observe the spectrum and utilize it when licensed PUs are inactive. Thus, the SUs utilize empty time-slots in the shared spectrum to avoid the interference. The spectral efficiency can be further improved if the SUs are allowed to transmit concurrently with PUs by exploiting the spatial dimension provided by multiple antenna techniques. The underlay CR paradigm allows such coexistence where SUs transmit its signal in the same time-slots as PUs by exploiting the spatial and frequency resources in the network. In order to exploit the spatial dimension, SUs can utilize the location coordinates of PUs to steer its signal away from PUs to mitigate the interference. The SU transmitter can also employ multiple antenna techniques to serve a large number of devices. Further, the SUs can utilize frequency bands occupied by PUs by dynamically selecting the frequency band that provides the highest rate. In this work, we develop techniques for PU location estimation, spatial resource allocation and frequency band selection for SUs in underlay CR networks.

研究动机与目标

• 解决在存在频谱重叠干扰的情况下，主用户定位准确性的挑战。
• 为具有严格干扰约束的大规模MIMO认知无线电网络设计一种低复杂度的用户选择与功率分配算法。
• 开发一种功率控制与频带选择策略，以在保持干扰低于预设阈值的前提下，最大化次用户频谱效率。
• 分析主用户业务统计特性与信道时序相关性对认知无线电系统中最优传输策略的影响。

提出的方法

• 提出一种基于循环平稳特性的定位算法，利用循环加权相关（Cyclic WCL）方法检测并抑制干扰源，从而提高主用户位置估计的准确性。
• 提出一种改进的Cyclic WCL方法，通过利用信号的循环平稳性与空间分集特性，增强对干扰的鲁棒性。
• 为大规模MIMO次用户基站设计一种低复杂度算法，用于用户选择与功率分配，在基站天线数远大于用户数时可实现最优性能。
• 推导出发射功率的闭式表达式，作为干扰约束、主用户活动统计特性与信道相关性的函数，以支持动态频带选择。
• 采用马尔可夫链对主用户状态转换进行建模，以表征主用户活动的时序动态特性及其对次用户传输的影响。
• 证明了通过利用信道相关性与主用户状态概率，动态功率控制策略在可实现速率方面优于固定功率策略。

实验结果

研究问题

• RQ1 在认知无线电网络中存在频谱重叠干扰源的情况下，如何实现主用户的精确定位？
• RQ2 在具有干扰约束的大规模MIMO非授权接入认知无线电网络中，最优的用户选择与功率分配策略是什么？
• RQ3 在主用户干扰约束下，跨频带的动态功率控制是否优于固定功率控制，从而提升可实现速率？
• RQ4 主用户业务统计特性与信道时序相关性如何影响次用户最优功率与频带选择策略？
• RQ5 在实际部署条件下，低复杂度算法是否能在大规模MIMO认知无线电系统中实现最优性能？

主要发现

• 改进的Cyclic WCL算法通过识别并排除受干扰影响的次用户，显著提升了定位精度，尤其在高干扰水平下表现更优。
• 所提出的低复杂度功率分配算法在次基站天线数比活跃用户数大一个数量级时，可达到最优解。
• 动态功率控制在可实现速率方面优于固定功率控制，其性能增益可通过Jensen不等式与相关性分析得到理论证明。
• 次用户的最优策略是保持在单一频带上，而非在不同频带间跳频，因为这能最大化数据速率并满足干扰约束。
• 所推导的功率控制策略考虑了主用户活动模式与信道相关性，可在不同网络条件下实现稳定且高吞吐量的传输。
• 理论分析证实，与固定策略相比，动态功率策略可实现更高的期望频谱效率，且在主用户活动波动性更高的情况下，增益进一步增大。