基于粒子群算法的下行CR-NOMA 网络资源分配*

唐旻俊，仇润鹤

（1.东华大学 信息科学与技术学院，上海 201620；2.数字化纺织服装技术教育部工程研究中心，上海 201620）

0 引言

随着智能终端的大量增加，无线数据量日益增加。如何高效地利用通信资源进一步提升系统性能，依旧是当下研究的重点。认知无线电（Cognitive Radio，CR）和非正交多址接入（Non-orthogonal Multiple Access，NOMA）技术都被认为能够有效地提高频谱利用率[1]。底层模式的认知无线电可以在使次网络在干扰门限约束下同时访问主用户的授权频段[2]，功率域NOMA 允许用户在功率域进行多路复用[3]，两者结合的底层CR-NOMA 网络能进一步提高系统性能。本文的研究目的是如何对下行底层CR-NOMA 网络的频谱和功率进行分配，提高次网络吞吐量。

目前，已有大量文献分别研究了CR 与NOMA网络的资源分配。对于底层模式CR 网络，文献[4]中提出了一种基于加速梯度下降法的认知无线电网络功率分配算法，得到最大吞吐量的子信道功率分配，相比传统梯度下降法有更快的收敛速度；文献[5]设计了一种在单主用户和多次用户场景下，在考虑对主用户的干扰功率限制和速率损失限制的同时加强次用户吞吐量的算法。该算法的核心在于将子信道分配给对主用户干扰信道系数最低的用户，因此可以用最高功率发送，实现最大吞吐量；文献[6]在此基础上进一步设计了一种满足次用户公平性的方案，仿真证明CR 用户增多时，系统吞吐量随之增加。

对于NOMA 网络资源分配，文献[7]考虑了一个简单的两用户的单小区下行NOMA 网络。……