认知无线电网络(Cognitive Radio Network, CRN)是一种允许未授权用户(也称作次级用户,Secondary Users, SU)动态访问已授权用户(主要用户,Primary Users, PU)所占用的频谱资源的无线通信技术。其核心思想是提高无线电频谱资源的利用率。由于无线电频谱是一种宝贵的资源,而现有的频谱分配存在利用率不高的问题,因此CRN在无线通信领域中非常重要。
CRN的工作原理基于三种基本操作模式:交织(Interweave)、覆盖(Overlay)、以及底层(Underlay)。交织模式是指次级用户在主用户未使用频谱时进行通信;覆盖模式则允许主用户和次级用户同时通信,前提是主用户的通信不受到影响;底层模式是指次级用户使用与主用户相同的频谱,但是其信号发射功率要低于主用户,以避免对主用户的通信造成干扰。本文主要关注的是基于覆盖模式的CRN,并研究了多个主用户存在的情况下,如何最大化MIMO(Multiple Input Multiple Output)CRN的可达到速率。
MIMO技术是一种无线通信技术,通过使用多个发送和接收天线来显著增加信道容量,而不需要额外的带宽或功率。MIMO系统可以提高数据速率,因此被广泛应用于现代无线通信系统中。在单用户MIMO高斯信道下的容量问题最早在文献[3]中被研究,随后在文献[4]中扩展到了多用户的情况。在MIMO-CRN中,主用户拥有部分发送侧信息,这是对系统设计和资源管理的额外约束。
Dirty Paper Coding(DPC)是一种重要的预编码技术。预编码是一种在多天线系统中用于减少多径干扰的技术,能够在发送端进行信号的预处理,从而提高通信质量。DPC技术能够实现在已知干扰信号的情况下发送特定信号的目的,从而克服了传统的信号处理方法不能处理已知干扰的局限。在这篇研究论文中,提出了基于DPC的协作方案,其主要目的是在拥有多个主用户的情况下,通过优化发射机的协方差矩阵,最大化MIMO CRN的总速率和。该优化问题被构建为一个联合发射机协方差矩阵和膨胀因子的优化问题。
文中提出了一个迭代次优解决方案来解决这一优化问题,仿真结果表明所提出的方案能够显著提高认知无线电网络中的可达到速率性能。这一研究对于理解如何在不干扰主用户通信的前提下,有效利用无线频谱资源,提高系统的数据传输速率具有重要的意义。这不仅对无线通信领域的研究者有启发,也为实际的网络设计者提供了理论依据和可能的实践途径。