認知無線電CR(Cognitive Radio)[1]作為一種新的無線電設計理念，強調無線電設備對頻譜資源的動態占用，依靠人工智能感知無線通信環境，根據一定的學習和決策算法，實時自適應改變工作參數，動態檢測和有效利用空閑頻譜，理論上允許在時域、頻域和空域上進行多維復用和共享。OFDM既能動態利用頻譜資源，并根據子信道特性自適應加載，又能對授權用戶頻譜占用情況進行快速分析，被認為是認知無線電中傳輸鏈路自適應實現的一種潛在技術。
    參考文獻[2]提出一種基于OFDM-CR的自適應功率加載算法，通過引入“頻譜池”中的互干擾，分析了OFDM-CR對主用戶的干擾分布，獲得鄰近主用戶頻段的“空載波”信息，以指導功率分配，其實質是注水功率加載算法在CR中的應用；參考文獻[3]提出一種基于NC-OFDM的比特分配算法，并分析了收發信機之間交互比特分配信息對系統吞吐量的影響；參考文獻[4]提出一種基于OFDM-CR的主次用戶共存的功率分配算法，旨在共存環境中所有主次用戶干擾都受限情況下最大化系統容量；參考文獻[5-7]基于OFDM-CR集中式網絡模型，分別采用遺傳算法、記憶算法-聯合本地搜索與遺傳算法、Fitness Landscape分析進行迭代優化；參考文獻[8]提出一種基于CR集中式網絡的聯合頻譜資源分配與功率控制算法，分析了主用戶干擾受限與不受限兩種情況下的性能。上述算法要么只考慮單一用戶,要么只考慮單主用戶和單認知用戶,缺乏公平性考慮。本文對多認知用戶、單主用戶共存情況下下行鏈路自適應分配算法開展研究，以樹形分支貪婪算法為基礎，引入功率余量因子和干擾余量因子,并通過比較余量因子相對大小來選擇子載波，通過減小分支數以降低算法復雜度。仿真結果表明，改進的樹形分支貪婪算法獲得的系統容量與最優分配算法基本一致，但復雜度明顯降低。
1 系統模型
    認知無線電網絡某小區擁有一個認知網絡基站CBS(Cognitive network Base Station)，用于管理該小區覆蓋范圍內的k個認知用戶CUs(Cognitive Users)，該區域內還存在一個主用戶PU(Primary User)。CBS根據CUs的速率需求完成子載波與功率分配，PU占用頻譜和CUs可用頻譜分布如圖1所示，PU占用信道帶寬為B，CUs可用PU頻帶兩側各N/2個子載波，子載波帶寬為Δf。由于帶外輻射等原因，CBS在下行鏈路傳輸數據時必然對PU產生干擾。同樣，PU通信也會對CUs帶來干擾。

    圖4所示為認知用戶在不同總功率下，傳輸速率與干擾容限之間的關系曲線。隨著認知用戶總功率的增加，認知用戶總傳輸速率也增加，當干擾容限Ith很小時，發射功率對傳輸速率的影響不大，其原因在于此時起主導約束作用的是干擾容限Ith，導致系統容量不能迅速隨著功率增加；當干擾容限Ith很大時，對系統的約束作用變小，此時起主導作用的是發射功率。圖中最下面一條曲線趨于一條直線，說明單方面增大干擾容限并不一定能提高系統容量，而允許的發射功率較小在一定程度上會限制系統容量。

    圖5所示為不同主用戶發射功率下，認知用戶的總傳輸速率與干擾容限之間的關系曲線。當主用戶功率增大時，對認知用戶的干擾也變大，發送比特所需能量也變大。由于總功率一定，故系統容量隨主用戶功率的變大而變小。
    認知網絡占用可用頻譜資源的首要前提是不對主用戶通信造成干擾或對主用戶干擾低于容限。本文以對主用戶干擾為約束條件，對基于OFDM的認知無線電系統下行鏈路子載波與功率進行自適應分配。以樹形分支貪婪算法為基礎，引入功率余量因子和干擾余量因子對其進行了改進，通過比較余量相對大小來選擇子載波，由于減小了分支數，極大降低了算法復雜度。仿真分析了不同認知用戶總功率、不同主用戶功率下傳輸速率與干擾容限之間的關系。相比于最優分配算法，改進算法的傳輸速率略低，但算法復雜度卻有很大降低。當然，如果OFDM符號較長時，改進算法的計算復雜度仍然難以滿足實時性要求。針對無線通信傳輸的時效性要求，進一步降低自適應分配算法的運算復雜度是需要繼續進行的研究工作。
參考文獻
[1] MITOLA J, MAGUIRE G Q.Cognitive radios: making software radios more personal[J]. IEEE Personal Communications, 1999,6(4):13-18.
[2] WEISS T,HILLENBRAND J.Mutual interference in OFDM  based spectrum pooling systems[C].Proceedings of IEEE  59th VTC’04, 2004:1873-1877.
[3] BANSAL G, HOSSAIN M J. Adaptive bit and power loading for OFDM-based cognitive radio systems[C]. Proceedings of IEEE ICC’07: 2007:5137-5142.
[4] WYGLINSKI A M. Effects of bit allocation on non-contiguous multi-carrier-based cognitive radio transceivers[C]. Proceedings of 64th IEEE VTC’06: 2006:1-5.
[5] ATTAR A, HOLLAND O. Interference-limited resource allo cation for cognitive radio in orthogonal frequency-division multiplexing networks[J]. IET Journal of Communication,  2008,2(6):806-814.
[6] TAO Q, CYRIL L C. Fair adaptive resource allocation for  multiuser OFDM cognitive radio systems[C]. Proceedings of CHINACOMM’07:2007:115-119.
[7] HUANG D, LEUNG, C, MIAO C Y. Memetic algorithm  for dynamic resource allocation in multiuser OFDM based cognitive radio systems[C]. Proceedings of IEEE CEC’08: 2008:3860-3865.
[8] ULUDAG G, UYAR A S. Fitness landscape analysis of differential evolution algorithms[C].Proceedings of ICSCCW’09,2009:1-4.
[9] DIGHAM F F. Joint power and channel allocation for cognitive radios[C]. Proceedings of IEEE WCNC’08:2008:882-887.
[10] JANG J H, KWANG B L. Transmit power adaptation for  multiuser OFDM systems[J]. IEEE Journal on Selected Areas in Communications, 2003,21(2):171-178.
[11] HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2005,23(2):201-220.
[12] TAO Q, CYRIL L C. Fair adaptive resource allocation for multiuser OFDM cognitive radio systems[C]. Proceedings  of VINACOM’07: 2007:115-119.