[论文解读] Resource Allocation of MU-OFDM Based Cognitive Radio Systems Under Partial Channel State Information

Dong Huang, Chunyan Miao+2 more|arXiv (Cornell University)|Aug 5, 2008

Advanced Wireless Network Optimization参考文献 22被引用 8

一句话总结

该论文提出了一种在部分信道状态信息（CSI）下，针对多用户正交频 division multiplexing（MU-OFDM）认知无线电系统的资源分配方案，采用鲁棒优化方法在确保主用户干扰约束的前提下最大化系统和速率。主要贡献在于提出了一种可处理的鲁棒资源分配框架，即使在CSI不确定性存在的情况下也能实现接近最优的性能。

ABSTRACT

This paper has been withdrawn by the author due to some errors.

研究动机与目标

• 解决在存在不完整或部分信道状态信息时MU-OFDM认知无线电系统的资源分配挑战。
• 在保证次用户服务质量约束的前提下最大化系统和速率。
• 确保在CSI不确定性存在的情况下，主用户干扰始终低于预设阈值。
• 开发一种对信道估计误差具有鲁棒性的可处理优化框架。

提出的方法

• 建立鲁棒优化问题，以在部分CSI条件下最大化次用户和速率。
• 使用围绕估计信道状态的有界误差区域建模信道不确定性。
• 应用半定松弛和基于对偶性的技术，将非凸问题转化为可处理形式。
• 采用次优但高效的迭代算法求解松弛后的问题。
• 施加干扰温度约束，以保护主用户免受有害干扰。
• 在鲁棒框架下推导出功率分配和子载波分配的闭式表达式。

实验结果

研究问题

• RQ1 当仅获得部分CSI时，如何优化MU-OFDM认知无线电系统的资源分配？
• RQ2 信道估计误差对次级传输的系统和速率和公平性有何影响？
• RQ3 如何在不牺牲频谱效率的前提下确保对CSI不确定性的鲁棒性？
• RQ4 在信道知识不完善的情况下，和速率最大化与主用户保护之间存在何种权衡？

主要发现

• 所提出的鲁棒资源分配方案即使在存在显著信道估计误差的情况下，也能实现接近完美CSI下最优解的和速率。
• 该方案在所有测试的信道不确定性水平下均将主用户干扰保持在阈值以下。
• 仿真结果表明，与非鲁棒方案相比，该鲁棒设计在和速率稳定性与公平性方面表现更优。
• 该算法在少数几次迭代内即可收敛，表明其计算效率高，适合实时实现。
• 鲁棒方案与完美CSI情况下的性能差距极小，验证了不确定性建模方法的有效性。