QoS约束和干扰温度约束下的多用户底层认知无线电网络的鲁棒功率控制

由于无线通信系统中移动性和不可靠性的性质可能会降低通信性能,因此鲁棒性是认知无线电网络(CRN)的主要问题之一。 在CRN中,由于实际系统中的参数不确定性,现有基于精确系统信息假设的功率控制算法可能无法满足通信要求。 在本文中,我们提出了一种用于底层CRN的鲁棒分布式功率控制算法。 本文的新颖之处在于我们考虑了所有可能的参数不确定性:信道不确定性和干扰不确定性。 我们的目标是在不确定信道增益和干扰以及噪声的情况下,最大化次要用户的总吞吐量。 根据稳健的优化理论,不确定性参数是由带界误差的加性不确定性建模的。 通过最坏情况原理,将鲁棒的功率控制问题转化为确定性的优化问题,该问题可以通过使用拉格朗日对偶分解方法来解决。 数值仿真结果表明,对于所有不确定性实现,该算法都能满足二级用户和一级用户的QoS要求。