5、基于吞吐量最大化的认知无线网络资源分配研究

基于吞吐量最大化的认知无线网络资源分配研究

在认知无线网络（CR - IWN）中，资源分配对于提高网络性能至关重要。本文将围绕吞吐量最大化的资源分配问题展开，介绍问题的建模、转换、求解算法以及性能评估。

1. 问题建模

假设次级用户（SUs）可以通过信道训练和估计、导频感知、主用户（PUs）和 SUs 的直接反馈，甚至频段管理器的间接反馈，在每个块的开始完美评估信道状态信息（CSI）。

对于第 $k$ 跳从 $SU_k$ 到 $SU_{k + 1}$ 的传输，在收获能量 $E_k$ 和分配的传输时间 $\tau_k$ 下，可实现的吞吐量为：
[R_k(\tau_k, P_k) = \tau_k \log_2(1 + \frac{P_k g_{D,k}}{\sigma^2}), k = 1, \cdots, K]
其中，$\frac{P_k g_{D,k}}{\sigma^2}$ 是 $SU_{k + 1}$ 处的信噪比（SNR），且主发射机（PT）的信号不再被视为干扰，而是转换为能量。

多跳传输的吞吐量由瓶颈链路决定，因此底层多跳 CR - IWN 的端到端吞吐量为：
[R(\tau, P) = \min_{1 \leq k \leq K} R_k(\tau_k, P_k)]
其中，$\tau = [\tau_0, \tau_1, \cdots, \tau_K]$ 和 $P = [P_1, \cdots, P_K]$ 分别是时间分配和功率分配的向量。

为了最大化端到端吞吐量 $R(\tau, P)$，我们提出以下优化问题：
[\max_{\tau, P} \min_{1 \leq k \le