天线选择下稳健波束形成新算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (12): 127-130.

天线选择下稳健波束形成新算法

张勇，岳金旺，王静，金勇

河南大学图像处理与模式识别研究所，河南开封 475000

出版日期:2016-06-15 发布日期:2016-06-14

Joint probabilistic constrained robust beamforming and antenna selection

ZHANG Yong, YUE Jinwang, WANG Jing, JIN Yong

Institute of Image Processing and Pattern Recognition, Henan University, Kaifeng, Henan 475000, China

Online:2016-06-15 Published:2016-06-14

摘要/Abstract

摘要： 研究认知无线电（CR）网络环境下的稳健发射波束形成问题，以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束，该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式，进一步通过引入[?0]范数的[?1]范数逼近，将目标函数非凸优化松弛为凸问题，并通过迭代重新加权算法求解。仿真结果表明，该方法以少量增加传输功率为代价减少了发射天线的数量，节约了基站成本。

关键词: 认知无线电, 稳健波束形成, 天线选择

Abstract: This paper proposes a novel method for joint probabilistic constrained robust beamforming and antenna selection used in Cognitive Radio（CR） networks. Assuming complex Gaussian distributed Channel State Information（CSI） errors, the Bernstein-type inequalities are used to transform the no closed-form probabilistic constrained into the deterministic forms. Moreover, [?1]-norm is introduced as the closest convex approximation of [?0]-norm. So, the original NP-hard optimal problem can be relaxed to as a tractable convex optimization problem. A computationally efficient and near-optimal solution is obtained by an iteratively re-weighted algorithm. Simulations show that the proposed algorithm meets prescribed service levels at a relatively small excess transmission power in a number of transmitter reduction scenarios.

Key words: cognitive radio, robust beamforming, antenna selection

张勇，岳金旺，王静，金勇. 天线选择下稳健波束形成新算法[J]. 计算机工程与应用, 2016, 52(12): 127-130.

ZHANG Yong, YUE Jinwang, WANG Jing, JIN Yong. Joint probabilistic constrained robust beamforming and antenna selection[J]. Computer Engineering and Applications, 2016, 52(12): 127-130.

[1]	王晖，肖琨. EH-MIMO协作网络中数据与能量天线选择性能分析[J]. 计算机工程与应用, 2019, 55(15): 128-134.
[2]	王玉磊1，2，邱罡3. 物联网频谱感知的人工物理学优化实现[J]. 计算机工程与应用, 2019, 55(14): 83-86.
[3]	范怡敏1，罗云飞2，沈克永1. 具有先应性最优通道传输的车载网络研究分析[J]. 计算机工程与应用, 2018, 54(23): 68-73.
[4]	庄陵，童开蒙，王凯. 应用MDFT结构的认知无线电频谱感知方法[J]. 计算机工程与应用, 2018, 54(2): 82-86.
[5]	白玉，闫坤，李少鹏，张华伟，刘毅. 基于图分析的OFDM频谱感知[J]. 计算机工程与应用, 2018, 54(11): 86-90.
[6]	王莉莉1，陈国彬1，张广泉2，3. 认知无线电网络中基于公平性的功率控制方案[J]. 计算机工程与应用, 2017, 53(3): 144-148.
[7]	李晓艳，雷斌，华翔. 基于智能分析的分布式频谱共享技术研究[J]. 计算机工程与应用, 2017, 53(19): 124-129.
[8]	黎严，张国平，罗俊. 一种改进的多天线信号能量检测方案[J]. 计算机工程与应用, 2017, 53(10): 112-116.
[9]	李晓艳，雷斌，郭锦. 集中式认知网络分簇算法研究[J]. 计算机工程与应用, 2017, 53(10): 117-123.
[10]	李湘洋1，2，赵杭生2，曹龙1，2. 混合共享认知无线网络信道分配算法[J]. 计算机工程与应用, 2016, 52(6): 80-85.
[11]	李洪兵1，陈斌斌2，廖玉祥1，冯文江2. 基于RSS-IWLS的认知无线电系统主用户定位算法[J]. 计算机工程与应用, 2016, 52(2): 146-150.
[12]	刘俊霞1，2，贾振红2. 基于适应值预测的DABC认知无线电频谱分配算法[J]. 计算机工程与应用, 2016, 52(18): 111-116.
[13]	方伟，刘顺兰. 双门限和机会协作的频谱感知算法研究[J]. 计算机工程与应用, 2015, 51(8): 113-116.
[14]	潘春雨，闫坤，张向利. 认知无线电频谱切换的高效信道选择机制[J]. 计算机工程与应用, 2015, 51(20): 97-101.
[15]	刘翰焘，田峰. 协作频谱感知的系统效用优化分析[J]. 计算机工程与应用, 2015, 51(16): 97-102.