利用调制与编码分类反馈的认知无线电网络集中式功率控制
网络与互联网体系结构
2015-10-23 v1
摘要
本文中，联合处理了一种集中式功率控制(PC)方案和一种干扰信道学习方法，以允许认知无线电网络(CRN)接入基于自适应编码与调制(ACM)协议工作的主用户(PU)的频带。该学习过程的促成者是一种协作式调制与编码分类(MCC)技术，其估计PU的调制与编码方案(MCS)。由于PU与CRN间缺乏合作，CRN利用该多级MCC感知反馈作为PU链路的隐式信道状态信息(CSI)，以持续监测其引起的聚合干扰的影响。本文开发了一种算法，用于最大化CRN吞吐量（PC优化目标）并同时学习如何减轻PU干扰（优化问题约束），仅使用MCC信息。对于该具有高收敛速率的问题设定，理想方法是割平面法(CPM)。此处我们关注解析中心割平面法(ACCPM)和重心割平面法(CGCPM)，其在该同时PC与干扰信道学习算法中的有效性通过数值模拟得到证明。
引用
@article{arxiv.1510.06634,
title = {Centralized Power Control in Cognitive Radio Networks Using Modulation and Coding Classification Feedback},
author = {Anestis Tsakmalis and Symeon Chatzinotas and Björn Ottersten},
journal= {arXiv preprint arXiv:1510.06634},
year = {2015}
}