劉 瑞，朱詩兵，李長青，帥海峰

(航天工程大學 航天信息學院，北京 101416)

0 引 言

隨著現(xiàn)代社會對通信需求的增長以及衛(wèi)星通信技術的發(fā)展，衛(wèi)星通信逐漸在許多傳統(tǒng)地面通信領域獲得實際應用。由于衛(wèi)星通信具有覆蓋面積大、通信距離遠、不受地形限制等優(yōu)點，能夠有效解決地面通信網(wǎng)絡覆蓋率低[1]、對自然環(huán)境依賴高等問題，其在通信方式中逐漸扮演著越來越重要的角色，被廣泛應用于軍事、商業(yè)、娛樂等各個領域。近年來，天地一體化信息網(wǎng)絡[2]成為了衛(wèi)星通信的一個新的發(fā)展方向，我國“十三五”規(guī)劃中也明確了要建設天地一體化信息網(wǎng)絡，因此需要越來越多的衛(wèi)星接入資源。同時由于衛(wèi)星主要工作在Ka、Ku等較高頻段，其信號衰落也是衛(wèi)星通信中存在的比較突出的問題。因此，不管是日益增長的需求還是信號傳輸存在的問題，都需要更多的頻譜資源來應對，但頻譜資源有限且不可再生，如何利用好現(xiàn)有的頻譜資源就成了衛(wèi)星通信系統(tǒng)中亟需優(yōu)化的問題。

雖然頻譜資源很珍貴，國際上的頻譜資源競爭也很激烈，但在目前的衛(wèi)星通信系統(tǒng)中，頻譜資源的利用率仍然很低，導致了資源“假性枯竭”的問題[3]。因此，要想滿足日益增長的通信需求，必須提高頻譜資源的利用率。一些學者提出了將認知無線電(Cognitive Radio，CR)技術應用到衛(wèi)星通信網(wǎng)絡中的構想[4-5]，越來越多的專家學者開始對認知衛(wèi)星系統(tǒng)進行研究，該方向有較好的研究前景。

CR技術的核心在于“動態(tài)的”頻譜接入[6]，在不干擾授權用戶的前提下，利用授權用戶的空閑頻段進行通信，這就大大提高了頻譜利用率，能夠很好地解決資源“假性枯竭”的問題。目前CR技術已經(jīng)發(fā)展得較為成熟，但是與衛(wèi)星通信結合的實際應用還較少。本文旨在分析總結認知衛(wèi)星通信領域的相關方向，主要涉及三個方面：應用場景、頻譜感知及頻譜分配和功率控制。下文將分析上述方向的現(xiàn)有研究成果及其不足，并展望未來的研究重點。

1 CR原理簡介

CR技術是Joseph Mitola博士[7]在1999年基于軟件定義無線電(Software Defined Radio，SDR)提出的用于提高無線電頻譜資源利用率的技術。CR有兩個重要特征：認知和重構。認知是指能夠感知周圍的電磁環(huán)境，重構是指CR系統(tǒng)根據(jù)認知結果動態(tài)地改變工作頻率、調制方式和功率等參數(shù)。

CR系統(tǒng)的核心就是發(fā)現(xiàn)和利用空閑的頻譜資源，即實現(xiàn)頻譜資源的動態(tài)分配?？臻e的頻段被稱為“頻譜空穴”。在保證授權用戶正常通信的前提下，認知用戶利用頻譜空穴進行通信，當授權用戶開始利用該頻譜空穴時，認知用戶便跳躍到其他頻譜空穴[8]。圖1 是動態(tài)頻譜接入的原理圖。

圖1 動態(tài)頻譜接入原理圖

CR系統(tǒng)的基本工作原理如圖2所示，認知用戶能夠感知外部頻譜環(huán)境，對感知結果進行分析決策，自適應調整工作參數(shù)。同時，CR系統(tǒng)可以將所有感知結果綜合分析、進行決策，實現(xiàn)對頻譜的管理和分配，從而實現(xiàn)頻譜資源的共享，提高頻帶的利用率。

圖2 CR系統(tǒng)工作原理圖

2 認知衛(wèi)星通信場景

如圖3所示，目前國內外專家學者提出的認知衛(wèi)星通信場景主要分為以下三類[9]：衛(wèi)星利用認知無線電技術共享地面通信網(wǎng)絡頻譜資源[10-21]；地面通信網(wǎng)絡利用認知無線電技術共享衛(wèi)星頻譜資源[22-25]；衛(wèi)星利用認知無線電技術共享其他衛(wèi)星頻譜資源[26-30]。本文將列舉其中比較典型的通信場景。

圖3 認知衛(wèi)星通信場景圖

近年來，一些研究[10-13]提出了一種地面固定業(yè)務與高密度固定衛(wèi)星業(yè)務在Ka頻段分享頻譜的場景，授權用戶和認知用戶相對位置都是不變的，所以模型相對簡單。文獻[14-19]提出了一種基于中繼的認知混合星地網(wǎng)絡，以解決用戶有時因為障礙物等原因無法直接接收發(fā)送端信息的情況。

文獻[22-23]提出一種由衛(wèi)星(授權用戶)和蜂窩網(wǎng)絡(認知用戶)組成的認知網(wǎng)絡，為星地網(wǎng)絡的融合提供了借鑒。Kolawole等[24]將蜂窩網(wǎng)絡共享衛(wèi)星網(wǎng)絡頻譜的場景細化為多波束衛(wèi)星將頻譜與隨機分布的配備有多個天線的基站共享的場景。

文獻[26-29]提出了雙衛(wèi)星網(wǎng)絡，即兩個衛(wèi)星系統(tǒng)在同一個頻譜帶覆蓋的區(qū)域內同時工作，但是大多數(shù)研究都側重于靜態(tài)系統(tǒng)，其中的衛(wèi)星幾乎都是地球靜止軌道(Geostationary Earth Orbit，GEO)衛(wèi)星。對于非地球靜止軌道(Non-geostationary Earth Orbit，NGSO)衛(wèi)星，系統(tǒng)結構將發(fā)生動態(tài)變化，模型將會更加復雜。由于目前SpaceX、Oneweb、中國航天科技集團等正在部署巨型低軌(Low Earth Orbit，LEO)星座，所以構建GEO衛(wèi)星與LEO衛(wèi)星頻譜共享模型必要性正在逐漸增加。Wang等[30]提出了LEO衛(wèi)星與GEO衛(wèi)星共享頻譜的模型，其中LEO衛(wèi)星為授權用戶，GEO衛(wèi)星為認知用戶。

3 頻譜感知及頻譜分配

頻譜感知及頻譜資源分配是提高系統(tǒng)頻譜利用率的核心，即認知衛(wèi)星系統(tǒng)利用頻譜感知技術感知到可用的頻段，系統(tǒng)再根據(jù)頻譜資源分配方案，給認知用戶分配相應資源。

Sharma等[26]在認知衛(wèi)星通信的雙極化衰落信道中采用頻譜感知技術，對能量探測技術進行了評估，證明了分級合并技術能夠提高系統(tǒng)效率。此外，作者還證明了在低交叉極化鑒別條件下，頻譜感知的效率能夠提高。在此基礎上，文獻[31]研究了不同組合技術對頻譜感知效率的影響，提出了最優(yōu)極化組合(Optimum Polarization Based Combining，OPBC)算法，證明了OPBC算法在犧牲了系統(tǒng)復雜度的前提下，相比其他算法在頻譜感知效率上有了很大的提高。

Min等[32]提出了一種基于綜合/混合協(xié)同衛(wèi)星通信系統(tǒng)時間協(xié)同頻譜感知模型的協(xié)同頻譜感知算法，同時引入了加權頻譜感知的概念，能夠在整個幀內檢測授權用戶的存在，顯著提高了檢測概率并減少了干擾。在此基礎上，文獻[33]提出了一種基于頻譜機會的路由方案來提高傳輸性能，使節(jié)點能夠利用本地信息，找到本地可用信道，并對集群拓撲管理進行了研究，提出了集群拓撲選擇中節(jié)點穩(wěn)定因子的度量方法；通過搜索協(xié)同認知用戶的數(shù)量，證明了它是一個關于感知帶寬比例的凸優(yōu)化問題。

文獻[34]針對衛(wèi)星認知網(wǎng)絡中信號功率瞬時下降的問題，提出了一種基于信道狀態(tài)信息(Channel State Information，CSI)的頻譜感知算法。該算法引入了更新機制，利用之前檢測的CSI映射當前的信道狀態(tài)統(tǒng)計信息，能夠克服陰影效應對頻譜感知的影響，提高了感知的有效性和可靠性。

任榮凱等[35]介紹了雙門限協(xié)作頻譜感知算法，該算法能夠通過兩層判決來克服噪聲的不確定性，提高了頻譜感知的準確性。文獻[36]提出了基于CURE層次聚類的協(xié)作頻譜感知算法，該算法復雜度低，效率更高，收斂時間更短，能夠適應大數(shù)據(jù)背景下的快速運算，適用于天地一體化信息網(wǎng)絡中的巨量數(shù)據(jù)。畢然[37]基于衛(wèi)星-5G一體化網(wǎng)絡模型提出了在次用戶(Secondary User,SU)端使用附加偶極天線和應用基于可靠性的加權協(xié)作頻譜感知算法的頻譜感知方案，分別用于解決能量檢測中的噪聲不確定性問題和信道衰落問題。

Lagunas等[38]提出了一種認知頻譜開發(fā)框架，在下行鏈路中采用聯(lián)合波束形成和載波分配算法，在上行鏈路中采用聯(lián)合功率及載波分配策略和帶寬分配(Joint Power and Carrier Allocation，JPCA)算法，保證了對地面固定業(yè)務系統(tǒng)的保護，同時最大限度地提高了衛(wèi)星的吞吐量，但該研究主要是在下行頻段為17.7～19.7 GHz和上行頻段為27.5～29.5 GHz的基礎上進行的，向更寬的頻段拓展還需要進一步的研究。同時，未來所提的方案還應能夠應用于移動平臺上的認知地面站和非地球同步軌道衛(wèi)星。文獻[39]對頻譜占用模型參數(shù)估計和未來信道狀態(tài)預測的頻譜不確定性進行了量化，使用最優(yōu)頻譜感應來檢測和跟蹤可用的信道，提出了離線和在線兩種頻譜分配算法，分別用于衛(wèi)星通信在延遲和干擾下信道可用度的不確定性的時不變和時變情況，能夠不斷地學習系統(tǒng)狀態(tài)，改變分配方案。

Wang等[40]利用古諾博弈模型描述了認知用戶在完全和不完全CSI情況下的傳輸收益變化：針對完全CSI的情況，提出了一種分布式頻譜分配方案；針對不完全CSI的情況，提出了一種啟發(fā)式共享優(yōu)化方法，并通過簡化降低了系統(tǒng)的復雜性，系統(tǒng)利用歷史經(jīng)驗信息對模型進行參數(shù)估計，然后通過貝葉斯均衡理論來獲得唯一的最優(yōu)頻譜分配。Wang等[41]也利用了非合作博弈模型來解決信道選擇的問題，證明了文獻建立的模型是精確勢博弈，至少具有一個納什均衡解，在誤差(Trial and Error，TE)算法的基礎上提出了一種基于學習的分布式頻譜分配算法。為了簡化系統(tǒng)設計，對算法進行了改進，使其不需要大量的實驗結果來確定系數(shù)，擴大了算法的應用范圍，并且提高了算法的收斂性能。在文獻[40]基礎上，為了解決認知用戶頻譜資源需求超過衛(wèi)星系統(tǒng)所能提供資源的情況，Li等[42]提出了一種基于議價博弈的資源分配方案，用來使整個通信系統(tǒng)在犧牲一定價值比較低的認知信息的情況下，達到最大的效益，通過最優(yōu)消除策略來尋求貝葉斯均衡以獲得最優(yōu)的頻譜分配方案,但該方法要求認知用戶具備歷史交互信息的統(tǒng)計分析和學習能力。同樣在頻譜資源不足的情況下，文獻[43]提出了非平衡矩陣轉化方法，克服了匈牙利算法只能解決平衡矩陣一對一問題的局限性，繼而提出了一種基于優(yōu)先級的頻譜分配算法，能夠保證優(yōu)先級高的認知用戶有更高的概率可以獲得頻譜資源，同時提高了系統(tǒng)的網(wǎng)絡吞吐量。

文獻[44]根據(jù)小區(qū)內用戶密度和頻譜隔離程度，提出了一種基于小區(qū)間公平性的星地綜合頻譜共享方案，與傳統(tǒng)的星地綜合頻譜共享方案相比擁有更優(yōu)的信噪比、吞吐量和小區(qū)公平性。Chen等[45]基于效率和公平性的角度權衡，提出了認知星地網(wǎng)絡(Cognitive Satellite Terrestrial Network，CSTN)上行鏈路聯(lián)合功率和子信道的分配優(yōu)化模型，該模型考慮了干擾鏈路CSI過時時的最大容忍干擾中斷概率約束。文章給出了聯(lián)合資源分配問題的最優(yōu)解條件，得到了功率和子信道分配的封閉解。在解的基礎上設計了一種聯(lián)合功率和子信道分配(Joint Power and Subchannel Allocation，JPSA)算法，具體實現(xiàn)了高效公平的資源分配方案，且該算法的復雜度遠遠小于窮舉算法的復雜度。但該算法的前提是衛(wèi)星網(wǎng)絡的網(wǎng)絡控制中心(Network Control Center，NCC)必須知道每個子信道的干擾容忍閾值。在未來的工作中，由于多入多出(Multiple Input Multiple Output，MIMO)和中繼技術在天地一體化信息網(wǎng)絡中將得到廣泛的應用，該算法還可以被拓展到MIMO和中繼場景中。

文獻[46]基于對頻譜有效性和可用度的定義，為認知用戶分配最佳頻譜。文獻[47]在此基礎上提出了一種基于時分多址(Time Division Multiple Access，TDMA)和S-ALOHA的頻譜接入方式，用以提升網(wǎng)絡吞吐率性能。文獻[48]對基于圖論的貪婪分配算法進行改進，提出了基于分組貪婪分配算法和基于最大收益的網(wǎng)絡資源分配兩種方法，用于認知衛(wèi)星無線網(wǎng)絡，分別能夠有效提高小組網(wǎng)絡和整體網(wǎng)絡的資源均衡性，且都能夠有效地提高網(wǎng)絡總收益。文獻[49]提出了一種基于級聯(lián)前向神經(jīng)網(wǎng)絡的多步預測算法，能夠通過學習分析主用戶(Primary User,PU)歷史頻譜占用情況，對未來主用戶行為進行預測，從而保證頻譜資源的及時調度和分配，減少了對主用戶的干擾。

上述算法的對比如表1和表2所示。目前，大多數(shù)的頻譜感知及資源分配算法都側重于提高系統(tǒng)的頻譜感知效率和吞吐量，保證系統(tǒng)的公平性等方面。博弈論和最優(yōu)化理論是學者們比較青睞的方法，能夠較好地建立模型和解決優(yōu)化分配問題。在頻譜感知方面，由于衛(wèi)星通信信道易受到各種干擾、多徑衰落等因素的影響，傳統(tǒng)的頻譜感知方法，如能量檢測法、匹配濾波器檢測法和循環(huán)平穩(wěn)特征檢測法并不適用于衛(wèi)星認知通信，目前更加側重于協(xié)作感知技術的研究。相比之下，文獻[32，34-37]提出的方法較為有效，因為信道環(huán)境是不停變化的且信道呈稀疏狀態(tài)，協(xié)同感知的方法能夠更加精確地分析頻譜環(huán)境，做出更優(yōu)的決策，但是協(xié)同感知也需要提高各部分的實時性和有效性，才能保證算法的靈敏度和準確性。在頻譜分配方面，由于信道信息評估誤差和反饋時延導致完全CSI難以獲得[50]，提出的算法需要能夠適應不完全CSI的情況，上述的文獻大多都考慮了該情況。但許多算法都要求處理中心具備一定的學習和運算能力[39-42,44，49]，且為了追求更好的算法效果，都增加了系統(tǒng)的復雜性，但目前星上處理能力發(fā)展還不夠成熟，計算能力還很有限，這一類算法不可避免地具有實時性不強的缺點。此外，文獻[44-45]還需要系統(tǒng)具有處理中心，不利于網(wǎng)絡的簡化。文獻[40-42]都是基于博弈論進行的研究，在地面認知無線電中，博弈論的研究和應用已經(jīng)較為成熟，可以更容易的拓展到認知衛(wèi)星系統(tǒng)中。

表1 各頻譜感知算法對比

表2 各頻譜分配算法對比

未來在星上處理能力得到一定發(fā)展后，各節(jié)點或中心的處理能力能夠有所提升，可以將人工智能和大數(shù)據(jù)理論與優(yōu)化算法結合，以達到更高的實時性和更好的算法效果。目前，頻譜感知和分配算法還應降低算法的復雜度，減小計算量，相關研究可以側重于減少算法的收斂時間。此外，能夠適應不同系統(tǒng)負載量，甚至資源不足情況的綜合性算法也是迫切需要的。

4 功率控制

衛(wèi)星系統(tǒng)是一個能量有限的系統(tǒng)，且信號功率容易受到星地距離、天線角度等因素影響[51]，要保證授權用戶不被認知用戶所干擾，同時最大化收益，保證無線電資源的可靠通信和有效利用，必須進行功率控制，目前很多研究都集中在功率控制的優(yōu)化上。

Shi等[52]提出了基于最大化時延限制容量和中斷容量的最優(yōu)功率控制算法，能夠很好地滿足實時應用的需求，從長期和短期兩方面考慮，認知衛(wèi)星用戶分別采用平均功率約束和峰值約束來限制對地面基站的有害干擾。不足在于，文獻沒有考慮傳播延遲對認知衛(wèi)星地面網(wǎng)絡性能的影響，同時模型是基于完全CSI的，在實際應用中，由于信道估計誤差、移動性和反饋延遲等原因，認知衛(wèi)星地面網(wǎng)絡中通常無法得到完全CSI。在此基礎上，Shi等[53]基于衛(wèi)星鏈路的導頻信道估計和地面干擾鏈路的回退干擾功率約束，提出了一種新的功率控制方法，在保證地面用戶通信質量的同時，最大限度地提高衛(wèi)星用戶的中斷容量，同時推導出了衛(wèi)星用戶中斷概率的封閉表達式。該方法能夠應用在不完全CSI的場景中，更符合實際的認知星地網(wǎng)絡。

Ruan等[54]根據(jù)統(tǒng)計時延-QoS度量，充分考慮了認知星地網(wǎng)絡存在的時延問題，提出兩種功率分配優(yōu)化方案，分別在滿足主用戶通信統(tǒng)計干擾約束和瞬時干擾約束的條件下，最大限度地提高認知用戶的有效能量效率，通過Charnes-Cooper變換將凹凸優(yōu)化問題轉化為等價凸問題來求得最優(yōu)解，并基于解得的最優(yōu)發(fā)射功率，推導出了中斷概率的閉形表達式。此外，Ruan等[55]還提出了一種帶有偏好因子的“能量效率-頻譜效率”(Energy Efficiency-spectral Efficiency，EE-SE)權衡度量，能夠靈活地調整優(yōu)先級，保證能量效率(Energy Efficiency，EE)和頻譜效率(Spectral Efficiency，SE)，并且將基于EE-SE權衡度量的最優(yōu)功率分配方案應用到認知衛(wèi)星-車載網(wǎng)絡的場景中，得到了最優(yōu)的發(fā)射功率方案。文獻[56]又將該方法拓展到5G和認知衛(wèi)星-車載網(wǎng)絡相結合的場景中。陳威龍等[57]基于能效因子和譜效因子的定義，提出了一種能效譜效聯(lián)合博弈算法(Combined Optimization Algorithm for Spectral Efficiency and Energy Efficiency，COASE)，能夠針對不同用戶的特點，最大化用戶的需求。

文獻[20]提出了兩種四維(頻譜、時間、功率和專用點波束)的分配方案，分別以最大吞吐量(Maximizing Throughput，MT)和最小需求—供給方差(Minimizing Demand-supply Variance，MDSV)為目標，將它們轉化為混合整數(shù)非線性規(guī)劃模型，對于其中功率控制的問題，分別采用拉格朗日對偶算法和水填充輔助拉格朗日對偶算法來求解MT的凸問題和MDSV的非凸問題。

Nguyen等[58]針對多載波雙星系統(tǒng)，設計了一種通過優(yōu)化認知衛(wèi)星功率和角度的來最大化和速率(Average Sum Rate Maximization，ASRM)的功率控制算法，該算法不需要瞬時CSI；提出了一種基于塊坐標下降的算法來解決非凸問題，在每一次迭代中，利用對偶算法優(yōu)化求解功率分配問題，并在保持平均干擾功率的前提下，確定了認知用戶的角度以達到最大平均和速率。文獻[30]基于時間維的干擾分析模型提出了一種采用波束跳變和自適應功率控制技術的優(yōu)化算法，能夠提高頻譜共享效率。該算法被運用在LEO作為授權用戶、GEO作為認知用戶的新型認知網(wǎng)絡中。

文獻[59]提出了一種由兩個認知中繼連續(xù)轉發(fā)移動信號的認知混合星地模型，能夠有效解決遠距離用戶無法接收到信號的情況。文獻將發(fā)射功率約束下的可達速率最大化問題轉化為優(yōu)化問題，基于Karush-Kuhn-Tucker(KKT)條件，將優(yōu)化問題分為四種情況，每種情況都找到一個封閉解。由于是基于KKT條件的閉型精確算法，所以復雜性較低。但該文獻主要研究的是單用戶場景，未來還需要將方案修改及拓展到多用戶場景。

Chen等[60]針對全局吞吐量，構造了一個非合作對策，為每個用戶設置了動態(tài)的效用函數(shù)，通過數(shù)學分析將全局博弈簡化為認知子網(wǎng)絡的博弈，并證明了認知子網(wǎng)絡的納什均衡和全局吞吐量最大化問題的穩(wěn)定點是一致的，提出了一種基于非合作博弈的認知星地網(wǎng)絡分布式功率控制(Distributed Power Control，DPC)算法，能夠在保證信干噪比(Signal-to-Interference plus Noise Ratio，SINR)的情況下得到博弈的納什均衡。此外，針對實際通信場景中不完全CSI的情況，對算法進行了改進，該算法具有較好的收斂性和數(shù)值結果。但目前該算法還只適用于單用戶場景，未來還需要向多用戶場景拓展。

Gao等[61]提出了一種針對多衛(wèi)星用戶和多地面用戶的認知衛(wèi)星地面上行網(wǎng)絡的下墊式功率控制方案，能夠在保證滿足主要地面用戶(Primary Terrestrial Users，PTUs)擾功率約束和干擾中斷約束(Interference Outage Probability Constraints，IOPCs)的條件下優(yōu)化系統(tǒng)吞吐量。由于PTUs的IOPCs是機會約束，優(yōu)化模型是非凸的，作者首先利用Marcum-Q函數(shù)將IOPCs變換為一系列等效的發(fā)射功率約束，接著提出了一種基于交替方向乘子法(Alternating Direction Method of Multipliers，ADMM)的功率控制系數(shù)求解方法，保證了算法的低復雜度和全局收斂性。

文獻[62]研究的是衛(wèi)星通信系統(tǒng)和地面分布式天線共存的場景。利用RM推導出大量CSI，并提出了一種基于無線電地圖(Radio Map，RM)的功率分配方案，用來調整不同分布式天線的發(fā)射功率，以適應來自衛(wèi)星系統(tǒng)的干擾。其中分布式天線已經(jīng)廣泛地應用在了目前的4G網(wǎng)絡中，也將繼續(xù)在5G網(wǎng)絡中發(fā)揮作用，所以該成果對于以后的天地一體化信息網(wǎng)絡建設有一定的啟發(fā)。

上述算法的對比如表3所示。根據(jù)當前學者們的研究，功率控制的主要目的大多集中于保證授權用戶通信質量，提高全系統(tǒng)最大吞吐量、保證應用實時性和提高認知用戶的中斷容量等方面。算法大多都是基于下墊式認知通信場景，因為目前統(tǒng)計復用的逐漸普及，“頻譜空穴”將越來越難以尋找或跳變很快，且衛(wèi)星通信的時延不可避免，認知用戶無法及時跳轉到空閑的頻譜上，所以大多數(shù)的研究都集中在保證授權用戶不受干擾的情況下，優(yōu)化認知用戶的發(fā)射功率。

表3 各功率控制算法對比

在下一步研究中，提出的算法應當更側重于適應不需要具備其他用戶先驗知識或者實時信息交換的情況。同時，由于網(wǎng)絡規(guī)模的擴大，需要研究更多適用于多用戶場景的算法。此外，在滿足不同用戶需求的同時，要保證網(wǎng)絡吞吐量、公平性等指標不出現(xiàn)明顯降低。未來，更多的研究應該側重于聯(lián)合算法，并且智能化的算法應該被引入到認知通信網(wǎng)絡的功率控制當中來。

5 結束語

本文主要介紹了認知衛(wèi)星網(wǎng)絡的相關理論和技術，總結了近幾年來認知衛(wèi)星理論中頻譜感知及分配和功率控制方面的研究進展，對已有算法或方案進行了分析和評價，指出了其中的不足和優(yōu)勢?？偟膩砜矗m然認知衛(wèi)星通信技術已經(jīng)取得了一定的成果，但仍需要進一步研究，未來設計的算法應更適用于當前實際的衛(wèi)星和地面網(wǎng)絡，同時可以引入人工智能，研究出智能化的算法。此外，天地一體化信息網(wǎng)絡的建設正如火如荼，將CR技術與天地一體化信息網(wǎng)絡相結合也具有較好的研究前景。