[论文解读] Optimal Transmit Power Allocation for MIMO Two-Way Cognitive Relay Networks with Multiple Relays
该论文提出了一种用于多波束双向认知中继网络的最优功率分配方案，采用多个放大转发中继，在主用户干扰和发射功率约束下最大化次级用户总速率。通过凸优化推导出的解析解表明，增加天线数或中继数可显著提升频谱效率，在高功率约束下使用四根天线相比单根天线可实现180%的速率增益。
In this letter, we consider a multiple-input multiple-output two-way cognitive radio system under a spectrum sharing scenario, where primary and secondary users operate on the same frequency band. The secondary terminals aims to exchange different messages with each other using multiple relays where each relay employs an amplify-and-forward strategy. The main objective of our work is to maximize the secondary sum rate allowed to share the spectrum with the primary users by respecting a primary user tolerated interference threshold. In this context, we derive a closed-form expression of the optimal power allocated to each antenna of the terminals. We then discuss the impact of some system parameters on the performance in the numerical result section.
研究动机与目标
- 在具有多个放大转发中继的MIMO双向认知中继网络中，最大化次级用户总速率。
- 通过在次级网络上施加干扰阈值约束，确保主用户服务质量。
- 推导出次级用户终端各根天线的最优功率分配的闭式解析解。
- 研究系统参数（如中继数量、天线数量和功率预算）对性能的影响。
提出的方法
- 建立约束优化问题，以在峰值功率和干扰阈值约束下最大化次级用户总速率。
- 使用拉格朗日松弛法和Karush-Kuhn-Tucker（KKT）条件，推导出每根天线的最优功率分配。
- 基于信道状态信息和拉格朗日乘子，推导出每个终端天线的最优发射功率解析表达式，如公式(12)所示。
- 假设终端具备完整的信道状态信息（CSI），并使用酉预编码和检测矩阵以实现信号对齐。
- 对次级中继和终端对主用户的干扰进行建模，并对平均干扰功率施加约束。
- 通过数值仿真分析不同系统参数（如中继放大因子、中继数量和天线配置）下的性能。
实验结果
研究问题
- RQ1在存在主用户干扰约束的MIMO双向认知中继网络中，如何最大化次级用户总速率？
- RQ2在满足功率和干扰限制的前提下，次级用户终端每根天线的最优功率分配策略是什么，以实现最大总速率？
- RQ3中继数量、中继放大因子和天线数量等系统参数如何影响可实现的总速率？
- RQ4增加中继数量与增加天线数量相比，对频谱效率的影响有何不同？
- RQ5最优中继放大因子如何随发射功率、中继功率和干扰阈值的变化而变化？
主要发现
- 推导出的最优功率分配解析解（公式12）与仿真结果高度吻合，验证了理论模型的正确性。
- 在高功率峰值约束下，当使用四根天线而非单根天线时，中继数量从2增加到6，次级用户总速率可提升高达180%。
- 随着峰值发射功率（¯Pt）增加，最优中继放大因子（wopt）减小，以满足干扰和功率约束。
- 提高中继功率预算（¯Pr）可增加最优放大因子wopt，从而提升系统总速率。
- 由于增加了空间分集增益和自由度，增加中继对总速率的提升效果显著大于增加天线。
- 提高干扰阈值（Ith）可在功率预算不变的前提下提升可实现的总速率，且不影响最优放大因子。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。