认知无线电子载波与功率分配优化仿真系统

资 源 简 介

该项目专门针对认知无线电（CR）系统中正交频分复用（OFDM）架构下的资源管理问题进行设计与仿真。其核心目标是在满足主用户（PU）干扰功率限制和次用户（SU）总功率预算的约束下，通过优化子载波分配和功率控制策略来最大化次用户系统的总传输速率。项目实现了两步走策略：首先在子载波分配阶段，利用信道状态信息和比例公平准则，将频谱资源动态分配给信道条件更好的次用户。在随后的功率分配阶段，系统不仅提供了经典的注水算法（Water-Filling），还特别引入了改进型的功率分配算法。该改进算法针对传统注水算法在干扰限

详 情 说 明

认知无线电中子载波和功率分配算法优化仿真系统

本项目专门针对认知无线电（CR）系统中正交频分复用（OFDM）架构下的资源管理问题进行设计与仿真。其核心目标是在满足主用户（PU）干扰功率限制和次用户（SU）总功率预算的约束下，通过优化子载波分配和功率控制策略来最大化次用户系统的总传输速率。

项目介绍

在频谱资源日益紧缺的背景下，认知无线电技术允许次用户在不干扰主用户正常通信的前提下，动态地接入并使用授权频段。本系统模拟了一个包含多个主用户和次用户的复杂电磁环境，通过建立数学模型并利用拉格朗日对偶分解法，解决了在多约束条件下的非线性优化问题，实现了频谱资源的高效利用。

功能特性

一、动态信道环境模拟：系统采用瑞利衰落模型构建复杂的无线信道，包括次用户链路增益以及次用户对主用户的干扰链路增益，能够真实反映宽带无线通信中的多径效应。

二、两步走资源优化策略：

1. 子载波分配：基于瞬时信道状态信息，将子载波分配给信道质量最优的次用户，以获得多用户分集增益。
2. 功率分配对比：系统同时实现了传统注水算法与改进型认知注水算法。

三、多约束下的优化控制：改进算法不仅考虑了次用户的最大发射功率限制，还严格遵守主用户能够承受的最大干扰门限，确保了认知系统与授权系统的和谐共存。

四、全方位仿真评估：系统能够自动生成吞吐量对比、收敛过程、干扰泄漏分析及频谱效率曲线，为算法性能评估提供直观的数据支持。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 基础工具箱：安装有基础的信号处理模块（主要使用内置矩阵运算和绘图功能）。
3. 硬件建议：标准桌面级配置，具备 4GB 以上内存以支持多点迭代计算。

算法实现逻辑

系统的运行流程遵循严谨的数学优化逻辑：

首先，系统初始化所有物理参数，包括 64 个子载波、4 个次用户和 2 个主用户的场景配置。设定噪声功率谱密度及主用户的干扰耐受门限。

在资源分配阶段：

1. 子载波动态分配：系统遍历所有子载波，计算每个次用户在各子载波上的信道增益。根据极大值原则，将每个子载波分配给增益最高的次用户，同时记录该分配下的干扰信道增益。
2. 改进型功率分配：这是系统的核心部分。系统构建了基于拉格朗日乘子的目标函数。

- 引入两个对偶变量：lambda（针对次用户总功率预算）和 mu（针对主用户干扰门限）。 - 通过 KKT 条件推导出最优功率分配的解析形式。 - 利用次梯度法迭代更新 lambda 和 mu。在每一次迭代中，系统计算当前功率分配对约束条件的偏离程度，并据此调整步长，直到满足收敛条件或达到最大迭代次数。

最后，系统通过 Shannon 公式计算所得速率，并与不考虑干扰约束的传统注水算法进行横向对比。

关键函数与计算细节

1. 传统注水算法函数：该函数通过对信道增益倒数（等效噪声功率）进行排序，模拟向由低到高的“河床”注水的过程。它仅以总功率为水位上限，旨在最大化系统容量，但在认知环境下会导致干扰超标。

1. 改进型认知功率分配函数：采用迭代搜索机制。其计算核心在于功率更新公式：p = max(0, 1/(ln2 * (lambda + mu * g_sp)) - n0/g_su)。式中，mu 的存在使得在干扰严重的子载波上，功率分配受到更强的抑制。该函数还负责记录 lambda 的变化轨迹，用于分析算法的收敛稳定性。

1. 速率计算逻辑：基于香农定理，综合考虑带宽、分配功率、信道增益以及加性高斯白噪声，精确计算出系统在 Mbps 量级下的吞吐量。

1. 性能评估指标：系统输出的五大图表涵盖了从宏观的总速率对比，到微观的单子载波功率分布，以及算法在不同信噪比环境下的鲁棒性表现。

使用方法

1. 打开 MATLAB 软件。
2. 将当前工作目录切换至项目文件夹。
3. 执行主仿真脚本。
4. 程序将自动进行多轮迭代计算，并依次弹出五张仿真结果图表。
5. 可以在脚本顶部的参数设置区域修改子载波数量、干扰门限或功率预算，以观察不同系统配置对资源分配结果的影响。