在傳統的無線通信系統中，頻譜分配制度為固定頻譜分配。為避免干擾，各國政府無線電管理部門對無線電頻譜資源進行統一的宏觀管理，通過給不同系統頒發無線電頻譜使用牌照的形式來為其分配特定的頻段，將頻譜分為授權頻段(LFB)和非授權頻段(UFB)兩個部分。隨著無線通信技術的飛速發展，固定無線電頻譜分配雖然避免了不同系統間的干擾，卻帶來了極低的頻譜利用率和頻譜資源匱乏問題，已經成為制約無線通信技術的主要瓶頸之一[1]。因此，美國聯邦通信委員會和其他頻譜管理機構考慮在已有的授權頻譜中引入其他的用戶，且不會對授權頻帶內的用戶造成不可接受的干擾，即實現機會頻譜接入OSA(Opportunistic Spectrum Access)技術[2]。

    MITOLA等人在軟件無線電SR(Software Radio)技術的基礎上提出了認知無線電CR(Cognitive Radio)技術[3]。CR技術作為一種新興的無線通信系統，旨在對空、時、頻等各域上的空閑資源(亦稱為“頻譜空洞”或“白色空間”)進行有效的感知探測和合理的再利用[4]，在授權頻帶內主要用戶通常被稱為授權用戶LU(License User)和所有其他的用戶稱為非授權用戶或認知用戶CU(Cognitive User)。其主要作用是在不影響LU正常通信的前提下，尋找頻譜機會進行CU間的有效通信,可以說認知無線電技術是目前解決頻譜資源匱乏的最有效方法[5]。
    正交頻分復用(OFDM)技術具有便于自適應調整的參數和可重配的子載波結構，其接收端的快速離散Fourier變換模塊也可同時用于頻譜感知，抗多徑干擾與頻率選擇性衰落能力強，頻譜利用率高等優點，這些優點使得OFDM成為實現CR系統的理想備選技術之一[6]。利用OFDM技術,認知用戶能夠靈活地填補授權用戶留下的頻譜空白，功率分配不僅是傳統OFDM系統中的關鍵技術，而且還是認知無線電技術中頻譜分析和判決的重要手段，在認知網絡中鏈路容量最大化同樣也要深化功率分配的研究。


    由(8)式可知，CU頻帶中第i個子載波被分配的功率，有可能出現小于零的情況，因此這里采取迭代分塊注水（IPW）算法進行分析處理，經過多次迭代運算，直至CU頻帶中每個子載波所分配的功率是非負值為止[9]。
3.2 次優功率分配方案

    在次優功率分配方案中，需要將CU頻帶內的子載波序號如圖1所示，這里取N為偶數；當N取奇數時，也有類似表達?；趨⒖嘉墨I[7]提出的次優化方案A和方案B，本文提出了基于冪指數分布的方案C和方案D。
3.2.1 方案C
    該方案考慮CU頻帶內功率分配,隨著CU頻帶中子載波與LU頻段之間頻譜距離的增加,子載波分配的功率成冪函數階梯狀分布，假設第i個子載波分配的功率為:

    圖5給出了在CU發射總功率約束的條件下，不同干擾門限值下各種不同方案的CU信道吞吐量?？梢钥闯?，在干擾門限值達到一定值時，各種方案的信道吞吐量均趨于一個定值。

    同時，還應該看到，不再有某一特定方案在所有干擾功率門限值上優于其他次優分配方案來趨近最優方案。LU干擾功率門限值在0.4 μW~0.64 μW之間時，方案D的認知用戶信道吞吐量最接近最優方案；LU干擾功率門限值在0.64 μW~1.24 μW之間時，方案B最接近最優方案；LU干擾功率門限值在大于1.24 μW時，方案A最接近最優方案。在CU發射總功率受約束的情況下，CU信道最大吞吐量不再依據某種特定的方案來趨近最優方案。因此，在此情況下，不能再選擇某一特定方案來最大化信道吞吐量，而是應該在確定LU干擾功率門限值（或門限區間）的前提下選擇次優化功率分配方案來進行功率分配。
    本文研究了基于OFDM的認知無線電系統的功率分配問題。針對最優化功率分配方案運算復雜程度較高的問題，提出了基于冪函數分布的次優化功率分配方案，并與參考文獻[7]中提到的次優化功率分配方案進行了對比，本文提出的方案優于參考文獻[7]提出的次優方案。最后還分析在CU發射總功率約束下的信道吞吐量，隨著LU所能承受干擾約束值的增加，CU信道吞吐量趨于一個定值。在認知用戶發射總功率約束的情況下，應采用不同次優方案來進行功率分配，以滿足最大認知用戶信道吞吐量最大化的要求。
參考文獻
[1] Federal communications commission spectrum policy task  force[R]. FCC Report of the Spectrum Efficiency Working Group, November 2002.
[2] ZHAO Q, SADLER B. A survey of dynamic spectrum access: signal processing, networking, and regulatory policy [J]. IEEE Signal Processing Magazine, 2007,55(5):2294-2309.
[3] MITOLA J. Cognitive radio: making software radios more personal [J]. IEEE Personal Communications, 1999,6(4):13-18.
[4] SVENSSON C. Software defined radio-vision or reality[C]. 24th Nor chip Conference, Nov, 2006:149-149.
[5] AKYILDIZ I F, LEE W, VURAN M C,et al. Next generation, dynamic spectrum access, cognitive radio wireless  networks, a survey[J].Computer Networks,2006（24）:2127-2159.
[6] WEISS T, JONDRAL T, Spectrum pooling: an innovative strategy for the enhancement of spectrum efficiency[J].IEEE  Communications Magazine, 2004，42（3）:S8-S14.
[7] BANSAL G, HOSSAIN M J, BHARGAVA V K. Adaptive power loading for OFDM-based cognitive radio systems[C]. Proc IEEE ICC[S]. IEEE Press, 2007:5137-5142.
[8] WEISS T, HILLENBRAND J, KROHN A, et al. Mutual in terference in OFDM-based spectrum pooling systems[C]. Proc IEEE Vehicular Technology Conference Spring, IEEE Press, 2004:1873-1877.
[9] WANG P, ZHAO M, XIAO L,et al. Power allocation in OFDM-based cognitive radio systems[C].Proc IEEE Global Communication Conference, Washington DC, IEEE Press, 2007:4061-4065.