在頻譜資源日益稀缺的今天，已注冊的頻譜存在著利用不充分的現(xiàn)象[1]。在空間通信中，用于衛(wèi)星通信頻段在衛(wèi)星發(fā)射前便已經(jīng)注冊，頻率資源更顯珍貴。然而在衛(wèi)星通信中，卻時常存在著這樣的現(xiàn)象：在某個時間段內(nèi)，位于某一段較寬的頻譜中真正用于通信的有效頻率正是為數(shù)不多的窄帶頻譜。面對這種現(xiàn)象中頻率資源稀缺與浪費之間的矛盾，尋求一種能夠既能夠保證所有用戶通信質(zhì)量又能夠更為有效地利用頻譜的方法顯得尤為迫切。

    認知無線電技術(shù)[2-3]的提出正是出于提高頻譜利用率的目的，其主要的實現(xiàn)方式分為疊加、交叉和潛鋪三種模式[4]。在衛(wèi)星通信中，隨著衛(wèi)星軌道的升高，時延也會相應增長，因此當認知無線電體系中主要用戶(PU)突發(fā)新的頻點應用時，傳輸時延將會使次要用戶(SU)系統(tǒng)無法及時獲知頻譜更新。鑒于在疊加和交叉模型中SU容易對PU造成干擾甚至阻斷PU通信，潛鋪型認知無線電成為提高衛(wèi)星頻譜利用率的首選。
    潛鋪模式假定只有在SU發(fā)射機對PU接收機所產(chǎn)生的干擾低于某一個可接受的門限[5]時，SU和PU才可以同時進行通信，否則SU不能通信。在衛(wèi)星通信中，通過功率控制[6]后的擴譜技術(shù)實現(xiàn)潛鋪認知無線電是可取的并且容易實現(xiàn)的。
    在地面通信中，對潛鋪型認知無線電功率控制的研究正方興未艾[7]。然而，對于衛(wèi)星認知無線電中功率控制算法的研究目前尚不多見,參考文獻[8]對高度為1 200 km的LEO衛(wèi)星進行了機會接入建模，定義效用函數(shù)為考慮優(yōu)先級的系統(tǒng)吞吐量，以最大效用函數(shù)為目標進行功率分配。
    本文正是出于提高衛(wèi)星資源利用率的目的，在潛鋪模式下對SU系統(tǒng)上行鏈路功率控制進行了研究，并以此為切入點對衛(wèi)星實現(xiàn)認知無線電的可行性及影響因素進行了討論。

 


    在單次博弈中數(shù)量保持不變，經(jīng)過式(8)反復迭代可以得出在該次博弈中SU的行動策略向量。如果行動策略是唯一的，則該策略就是最優(yōu)的；如果行動策略不是唯一的，則通過式(7)尋找最優(yōu)行動策略。在找到最優(yōu)行動策略之后，對于每一次SU加入、退出造成的數(shù)量變化，行動策略需要及時更新，以便保持系統(tǒng)吞吐量最大化的同時保證系統(tǒng)的穩(wěn)定性。在現(xiàn)實中，衛(wèi)星了解所有用戶信息，由星載處理器構(gòu)建所有用戶博弈模型并計算出最優(yōu)行動策略，繼而下發(fā)給各用戶，便可完成穩(wěn)定的、最佳的功率控制算法。
3 性能分析

    本節(jié)將通過仿真的形式對本文前兩節(jié)中所提出博弈模型予以討論。對于一個理論模型，首先應考慮其用戶容量，即能夠SU的數(shù)量上限；在滿足數(shù)量要求的基礎上對單體的行動進行建模，明確每個單體的行為以及經(jīng)過迭代、最優(yōu)化之后最終做出的最優(yōu)行為選擇；通過每個單體的行為選擇，分析整個系統(tǒng)所能達到的最大容量，比較使用本文算法前、后的差異；最后分析各個單體所能得到的效用，并給出結(jié)論。另外，由于算法在星載處理器上實現(xiàn),還須給出完成算法的計算量。
3.1 場景說明
    假設PU衛(wèi)星通信參數(shù)分別為：路徑損耗L0=-210 dB，用戶地面發(fā)送功率為20 dBW，發(fā)送天線增益Gt=30 dB，接收天線增益Gr=40 dB，接收機噪聲溫度為24.3 dBK，波爾茲曼常數(shù)為-228.6 dBW/kHz，編碼增益GP=0 dB，主要用戶之間不存在彼此干擾，即?籽=0。注冊頻率帶寬B=100 MHz,每個用戶分配帶寬b=100

kHz,所需的最小SINR

    假定SU系統(tǒng)為PU系統(tǒng)預留SINR余量固定為15 dB，且SU總數(shù)以每次遞增4個的幅度增加，分析其個體行為，得到如圖２所示結(jié)果。圖２(a)反映了PU和SU系統(tǒng)分別在該情況下獲得的實際SINR指標。從圖中可以看出QoS級別較高的偶數(shù)SU獲得的SINR均維持在略高于14 dB的水平，奇數(shù)SU則維持在略高于10 dB的水平。同時，隨著SU用戶數(shù)量的增多，PU系統(tǒng)的SINR呈明顯下降趨勢。當SU總數(shù)為116時，PU系統(tǒng)能夠獲得的SINR已經(jīng)到達底限，這意味著SU系統(tǒng)必須停止增加新用戶的接入，否則將會影響PU的正常通信而造成惡劣后果。圖２(b)反映了奇數(shù)SU和偶數(shù)SU分別在SU數(shù)量增加時實際發(fā)送的功率指標，可以看出為了維持自身SINR的需要，隨著SU數(shù)量的增加，每個SU均需增加發(fā)送功率，直至發(fā)送功率達到最大值pmax。本次仿真巧合的是,當偶數(shù)SU發(fā)送功率為16 dBW的同時，PU到達SINR底限。由于每個SU的SINR維持不變，因此個體吞吐量不發(fā)生變化,而吞吐量總和將會隨著SU數(shù)量的增長線性增長，這意味著在系統(tǒng)允許的范圍內(nèi)增加SU用戶數(shù)量能夠直接提高頻譜利用效率，如圖２(c)所示。結(jié)合了吞吐量和代價的效用函數(shù)指標如圖２(d)所示。隨著SU數(shù)量的增加，每個SU獲得的效用基本保持不變，而奇數(shù)SU的效用略高于偶數(shù)SU的效用，這是由于盡管奇數(shù)SU獲得了較小的吞吐量，但卻支付了更小的代價。不難推斷，當系統(tǒng)內(nèi)存在著少量用戶時，每個用戶發(fā)送相對小的功率就可以滿足其SINR要求；而當系統(tǒng)內(nèi)存在較多用戶時，每個用戶則需要增加發(fā)射功率以滿足通信需求，這意味著每個用戶需要付出更多的代價；而隨著用戶數(shù)量的增加，每個用戶付出更多代價，系統(tǒng)收益會隨之增長。因此每個用戶總是希望用戶數(shù)量足夠小，而運營商則希望用戶數(shù)量足夠大。

    縱觀圖２中的仿真結(jié)果可以看出，無論SU數(shù)量為何值，在效用函數(shù)的約束下，SU總會按照最低SINR要求選擇發(fā)送功率。實際上，為了減少所付出的代價，SU會盡量將實際獲得的SINR維持在滿足自身通信所需最低的SINR上，但是隨著SU數(shù)量的增加，每個SU為了維持自身SINR不變必須通過增加發(fā)送功率來進行調(diào)整，數(shù)量和功率的增加造成對PU系統(tǒng)干擾的增長，因此在PU系統(tǒng)不滿足自身通信條件時，SU系統(tǒng)必須停止干擾增長以保證PU系統(tǒng)的正常運行。
    在實際情況中，對于每一次SU數(shù)量或者SU衛(wèi)星前端對PU相關參數(shù)探測發(fā)生改變時，功率分配行動策略也會更新一次，因此單次更新的算法復雜度顯得尤為重要。在任何一次更新中，假定當次SU數(shù)量為K，根據(jù)式(8)、式(9)進行一次迭代計算需要進行O(K2)次乘法運算和加法運算，仿真結(jié)果表明，在賦予初始值后，通過式(8)、式(9)進行迭代次數(shù)不多于6次即可達到納什均衡，因此整個求解過程所需計算量為O(K2)。依照目前星載設備的處理水平，求解最優(yōu)功率分配行動策略是足以應對的。
    隨著資源的日益稀缺，提高衛(wèi)星通信的頻譜利用率變得日益重要。本文正是出于這樣的目的，在探知已注冊頻譜范圍內(nèi)的頻譜使用情況后，根據(jù)頻譜使用是否充分為判斷前提，當頻譜并未得以充分利用時PU彼此之間的干擾可忽略，此時通過潛鋪型衛(wèi)星認知通信接入可以極大提高頻譜使用效率。在此基礎上，討論了系統(tǒng)對非注冊用戶的容納能力，給出了非注冊用戶數(shù)量和注冊用戶最低信干噪比對注冊用戶及整個系統(tǒng)的影響。
    實驗結(jié)果表明,SU數(shù)量超過系統(tǒng)容納上限時對整個通信系統(tǒng)的影響將是致命的，而過高地設定PU的最小SINR會導致SU衛(wèi)星通信系統(tǒng)的使用率下降。因此提前對于非注冊用戶接入數(shù)量和注冊用戶的服務質(zhì)量進行合理的估計將會使各個用戶有序地進行自身傳輸，使系統(tǒng)達到最大容量。
參考文獻
[1] Federal Communication Commission. Spectrum policy task force report[R]. Rep. ET Docket No.0.-155, Nov.2002.
[2] MITOLA J III, MAGUIRE G Q. Cognitive radio: making software radios more personal[J]. IEEE. Personal Communications,1999,6(4)：13-18.
[3] HAYKIN S. Cognitive radio: brain-empowered wireless communication[J]. IEEE,Journal on SAC, 2005,23(2):201-220.
[4] GOLDSMITH A, JAFAR S A, MARIC I, et al. Breaking spectrum gridlock with cognitive radios-an information the oretic Perspective[J]. IEEE, Proceedings of the IEEE.2009, 97(5):894-914.
[5] GASTPAR M. On capacity under receive and spatial spectrum-sharing constraints[J]. IEEE., Transactions on Information Theory, 2007,53(2):471-487.
[6] WANG W, PENG T, WANG W. Optimal power control under interference temperature constraints in cognitive radio nerwork[C]. IEEE.,Wireless Communication and Networking Conference, 2007:116-120.
[7] TADROUS J, SULTAN A, NAFIE M. Admission and power control for spectrum sharing cognitive radio network[J]. IEEE.,Transactions on Wireless Communications, 2011,10(6):1945-1955.
[8] BAYHAN S, GUR G, ALAGOZ F. Satellite assisted spectrum agility concept[C]. IEEE., Military Communications Conference, 2007:1-7.
[9] 陳鵬,徐烽.衛(wèi)星認知無線通信中頻譜感知算法比較[J].電訊技術(shù)，2011，51(9):49-54.
[10] 陳鵬，徐烽，邱樂德，等.衛(wèi)星稀疏信道中頻譜空穴的新型檢測算法[J]. 電訊技術(shù)，2012，52(1):43-48.
[11] 涂志勇. 博弈論[M]. 北京：北京大學出版社，2009.7