功率分配范文（精选7篇）
功率分配 第1篇
基于容量最优化的无线功率分配问题可以描述为:寻找一种功率分配方法, 使得在保证一定误比特率的前提下, 用给定的总发射功率能传输尽可能多的信息。
文献[1]给出了当前功率分配研究的一个总结。可以看到, 研究趋势为从连续子信道向离散子信道转化, 从连续调制阶数向离散调制阶数转化, 从单用户系统向多用户系统转化, 从高复杂度算法向低复杂度算法转化。但是, 所有的这些算法都是基于发射天线功放完全理想的条件, 即天线功率可以任意增大, 并且不会由于功放限幅引起非线性失真。显然, 这个条件在实际系统中是不可能成立的。在实际系统中, 为了能够提高功放效率, 通常情况下系统均运行于功放临近饱和的区域, 这对于峰均比较大的多载波系统会产生严重的失真。因此, 我们不仅要研究如何增大功放的线性范围, 还需要研究如何根据功放特性来调整功率分配策略以提高功放的利用率, 在功放临近饱和的状态下尽量抑制信号进入功放的非线性区域。综上, 研究幅度受限环境下的分配方法具有实际的意义。
1 限幅环境下的功率分配问题建模
本节首先介绍对功放限幅引起的非线性失真的建模, 然后利用该模型推导了限幅环境下修正的单天线系统容量公式, 最后对这种环境下的功率分配问题进行了建模。
1.1 功放失真模型
功放的非线性影响通常按照如下方式分解: (1) 其中, x (t) 为功放的输入信号, f (g) 为功放的作用函数, fρ (g) 和fΦ (g) 分别表示f (g) 对x (t) 的幅度作用函数和相位作用函数, xρ (t) 和xΦ (t) 分别表示x (t) 的幅度和相位。为了简洁, 以下表述将省略变量t。
不同类型的功放具有不同的作用函数f (g) , 典型的行波管功放 (TWTA, TravellingWave Tube Amplifi er) 建模如下:
其中a为饱和输出幅度, b控制了功放从线性区域到受限区域过渡的平滑程度。其幅度作用函数如图1所示。
1.2 限幅环境下的单天线容量公式
Bussgang的理论给我们提供在幅度受限信号中分离失真项的依据。无记忆非线性畸变系统的作用函数可以按照下式分解:
其中d (t) 表示由f (g) 产生的畸变;α为常数, 需要合理选择α使得x (t) 与都d (t) 独立, 即
定义归一化信号幅度γ和μ归一化噪声幅度分别为
其中g代表无线信道的功率增益, 我们将其等效为噪声幅度的衰落。可见, γ的取值范围为。
按照式 (3) 的分解, 非线性失真下的容量可由香农公式推出
由式 (5) 知
由式 (3) (4) , 我们可以推导出α的表达
对于畸变项d (t) , 其功率
另外, 由定义可知, 是归一化信号幅度为时的功放平均输出功率。
将式 (2) (10) 带入的定义式, 有
同理, 可得
在上面推导中, 我们证明了功放限幅环境下的TWTA容量公式可以写为
其中代表为保证目标误比特率所需的信噪比差 (SNR gap) , 在无编码QAM调制下, 其表达式可由误比特率上限公式导出:
图2显示了TWTA下容量随归一化信号幅度的变化曲线。可以看到, 在信号功率较小时, 功放限幅影响较小, 容量随的增加而增加;当信号功率增大到一定程度之后, 限幅失真越来越明显, 容量到达一个最高点以后, 继续增加信号功率会导致容量的恶化。
2 仿真结果及分析
在本文仿真中, 我们对比了四种情况下的系统吞吐量:a) 系统无功放限幅, 传统注水算法;b) 系统有功放限幅, 本文提出的算法;c系统有功放限幅, 传统注水算法;d) 系统有功放限幅, 等功率分配。在b) 中我们采用查找表法来解决反解问题。
3 结语
本文分析了在幅度受限的MIMO系统中如何进行无线功率分配的问题。首先研究了限幅失真下的单天线容量公式, 然后根据限幅环境的特点, 对该环境下的功率分配问题建立了数学模型。通过对该数学模型进行拉格朗日法求解, 我们得到了限幅环境下的最优功率分配策略。最后, 基于二分搜索给出了实现该策略的一种算法。仿真表明, 新算法能够抑制功放引起的非线性失真, 在信号功率接近限幅门限时拥有比传统的注水算法更好的性能。
摘要：研究了幅度受限下MIMO系统的功率分配策略, 提出了一种适用于该环境的功率分配算法。该算法充分考虑了功放特性, 能够抑制限幅引起的非线性失真, 更加合理的分配资源。仿真结果也表明, 在幅度受限环境下, 信号功率接近限幅门限时, 传统的注水算法性能会有明显的恶化, 而新算法能提供更好的性能。
关键词：无线功率分配,幅度受限系统,非线,性失真抑制
参考文献
通信系统在传输过程的功率分配模式 第2篇
1 系统优化算法描述
正交频分复用 (OFDM) 技术能够有效地对抗多径干扰, 在第四代移动通信系统中得到了深入运用。OFDM系统的资源分配方法通常采用的是静态和动态这两种分配策略, 其中静态资源分配策略是为用户分配固定的子信道和功率, 没有考虑信道环境因素, 以及如何对有效的系统功率进行合理利用;动态资源分配策略则可以根据信道环境的变化, 对功率分配策略进行调整, 但是动态资源分配算法往往较为复杂, 不易实现。
为了解决静态和动态这两种常规分配策略的弊端, 本文提出了一种新的功率分配方法, 从而实现用户功率分配的公平性, 以及增大系统容量, 使其最大化被利用。该分配方法能够保证用户拥有最低速率以及功率平均分配的情况下, 先对子信道进行分配, 从而实现系统容量的最大化;然后再对功率分配策略进行优化, 从而实现所有用户拥有公平的速率比例, 并维持系统在最大容量状态下正常运作。同时本文利用遗传算法原理来降低分配算法的复杂度。
2 系统模型
OFDM系统的模型如图1所示。
2.1 运行原理
(2) 第一OFDM收发机接收到信道信息后, 将其发送到“资源分配算法模块”中, 资源分配算法模块会根据用户业务需求, 分析当前宽带信息以及接收到的信道信息, 通过算法计算, 得出的结果, 就是最优资源分配方案;
(3) 资源分配算法模块将分配方法反馈给第一OFDM收发机, 第一OFDM收发机再反馈给第二OFDM收发机, 两个OFDM收发机开始执行分配方案, 为用户分配系统资源和功率, 并对子信道中的用户数据进行更新。
利用这样的原理, 子信道分配方案和功率分配方案就会随着信道环境的变化而自动适应并做出相应的调整。
2.2 数学表达式
假设当前OFDM系统中有N个用户, M个子信道, 在功率一定的条件下, 通过对系统的目标函数进行优化, 能够确定子信道分配方案和功率分配方案, 从而实现系统容量的最大化利用。因为在系统添加了“比例公平”的要求, 所以系统中每个用户都必须拥有比例速率。
优化目标的数学表达式为:
约束条件的数学表达式为:
在上述公式中, N表示系统中的用户总数量, M表示系统的子信道数量, ρn, m表示用户n在子信道上的信道增益, 只取值0和1, 表示信道m是否分配给了用户n, Pn, m表示用户n在子信道上的功率, M0表示功率谱密度, B表示系统有效宽带, Ptoatl表示系统总功率。表示用户间的速率比, 是为了确保系统总容量在用户之间的比例分布公平。
3 功率分配
在进行功率分配前, 要先对子信道进行分配, 假设系统的总功率在所有自信道中是平均分配的模式, 在对子信道分配过程中, 加入遗传算法, 其具体流程如图2所示。
经过上述算法对子信道进行分配, 能够获得一个最优值的方案, 这个方案能够保证用户拥有最低速率, 同时能够对信道容量进行最大化利用。在这种基础上, 对系统功率进行分配, 其目的是实现所有用户拥有公平的速率比例, 并维持系统在最大容量状态下正常运作。
3.1 功率分配数学表达式
(1) 优化目标数学表达式:
(2) 约束条件数学表达式:
在表达式中, An表示第n个用户的子信道分配方案。
3.2 功率分配流程
功率分配虽然同样利用了遗传算法原理, 但是与子信道分配不同的是, 功率分配是针对多个目标的优化, 优化遵循的原则为:维持系统在最大容量状态下运行;保证所有用户分配到的功率总和不超过系统的总功率;保证用户所分配的速率公平。具体流程图如图3所示。
3.2.1 随机产生初始染色体
随机生成一个初始种群, 种群个体数量为M, 每个个体命名为一个染色体, 每个染色体含有N个元素, 每个元素的值代表用户分配到的功率比例, 元素值范围为0~1 (0为没有, 1为全部) , 所有元素值相加小于1。
3.2.2 评估每个染色体的适应度
功率分配是针对多个目标的优化, 所以它的使用度函数包括:系统容量和比例公平两部分。在计算染色体适应度时, 需要分别评估系统容量的适应度和比例公平的适应度。前者是由函数的计算权值来决定染色体的数量, 权值越大, 分配的染色体 (M值) 越多。在本次分配方案中, 将比例公平的权值设为0.6, 系统容量的权值设为0.4, 即如果有100个子信道, 其中60个用来评估系统容量的适应度, 40个用来评估比例公平的适应度。
3.2.3 整合染色体
对于上一步中分开计算的适应度值, 在该环节同样需要根据不同的适应度各自计算染色体的体重, 并将其整合为一个染色体, 从而以单个染色体的形式进行后续操作。
3.2.4 产生新的种群
(2) 交叉:设定PC为交叉概率, 随机选择剩余染色体中的一个节点, 然后根据PC来交换父代节点, 使其产生子代。
(3) 变异:设定Pm为变异概率, 根据Pm随机选择一定数量的染色体, 改变其元素值。
(4) 终止条件:当迭代次数达到300时, 即Gen=300时, 遗传算法停止, 并将最终结果返回。
当遗传算法结束时, 系统的总功率以最优化的方案分配给了各个用户, 不仅维持系统在最大容量状态下运行, 而且保证了用户之间的速率比例公平。
4 仿真结果与分析
仿真是将分配方案放在参数环境下进行验证的过程, 本次仿真中, 首先会对系统最大容量的理论值、分配后系统最大容量的真实值进行对比分析;然后会对系统中每个用户的比例速率情况进行分析;最后会对系统中具有不同用户数量时用户的最低速率进行分析。
4.1 不同分配方案的系统容量
4.1.1 参数设定
系统中用户数量为8个, 子信道数量为64个, 无线信道为6径信道, 系统总功率Ptotal为1W, 系统可用宽带频率为1MHz, 功率谱密度M0为-80d B/Hz。分配方案中遗传算法的参数设定为:染色体个数W为100个, 选择概率Ps为0.9, 交叉概率Ps为0.7, 变异概率Pm为0.035, 终止条件Gen为300次。
4.1.2 仿真结果
具体对比结果如图4所示。
由图4可以看出, 只进行子信道分配后的总系统容量要小于最大容量分配值, 这是由于在分配过程中需要保证用户的最低速率。在进行子信道和功率分配后, 总系统容量要略小于子信道分配后的总系统容量, 这是由于在分配后, 要维持系统最大容量运行, 并保证用户速率比例公平, 所以染色体的权值要稍大一些。
4.2 不同用户的归一化速率
4.2.1 参数设定
设定用户速率比为γ1=γ2, γ3=γ4…=γ8=1。
4.2.2 仿真结果
具体对比结果如图5所示。
由图5可以看出, 要实现系统最大容量分配, 就需要将所有资源分配给1个用户, 该用户速率比例为1, 其他用户为0。静态分配秉持传输速率完全公平的原则, 却忽略了速率比例的公平, 所以无法满足用户对速率比例公平的需求。仅进行子信道分配后, 每个用户均已满足最低速率要求, 在进行子信道、功率分配后, 用户间的速率按照比例公平系数分布, 实现了速率比例公平。
4.3 不同用户数量的用户最小速率
4.3.1 参数设定
使用上述参数。
4.3.2 仿真结果
具体对比结果如图6所示。
由图6可以看出, 遍历子信道的功率分配算法能够对子信道进行合理分配, 相比起静态分配, 它能够更好的保证用户的最小速率, 但是本文利用遗传算法得出的动态分配算法比起遍历子信道的分配算法又要优越一些, 能够在系统容量上进行增益。
5 结束语
综上所述, 信息在传输过程中授权用户的状态会随时发生变化, 系统在进行功率分配时, 不仅需要保证用户的最小速率, 以及用户间速率比例的公平, 还要维持系统容量在最大化状态下稳定运行, 所以就需要对传统分配策略进行优化, 本文的仿真结果证明, 将遗传算法融入功率分配算法中, 能够有效满足以上需求。
参考文献
[1]曹哲.无线中继通信系统中的功率分配与切换控制研究[D].南京航空航天大学, 2012.
[2]李荣凯.AF协作通信系统中节点选择和功率分配问题的研究[D].山东大学, 2011.
[3]杨晓峰.协作通信系统中继选择与功率分配技术研究[D].西南交通大学, 2011.
[4]殷玲.双向协作通信系统的中继选择与功率分配算法研究[D].湖南大学, 2013.
功率分配 第3篇
MITOLA等人在软件无线电SR(Software Radio)技术的基础上提出了认知无线电CR(Cognitive Radio)技术[3]。CR技术作为一种新兴的无线通信系统,旨在对空、时、频等各域上的空闲资源(亦称为“频谱空洞”或“白色空间”)进行有效的感知探测和合理的再利用[4],在授权频带内主要用户通常被称为授权用户LU(License User)和所有其他的用户称为非授权用户或认知用户CU(Cognitive User)。其主要作用是在不影响LU正常通信的前提下,寻找频谱机会进行CU间的有效通信,可以说认知无线电技术是目前解决频谱资源匮乏的最有效方法[5]。
正交频分复用(OFDM)技术具有便于自适应调整的参数和可重配的子载波结构,其接收端的快速离散Fourier变换模块也可同时用于频谱感知,抗多径干扰与频率选择性衰落能力强,频谱利用率高等优点,这些优点使得OFDM成为实现CR系统的理想备选技术之一[6]。利用OFDM技术,认知用户能够灵活地填补授权用户留下的频谱空白,功率分配不仅是传统OFDM系统中的关键技术,而且还是认知无线电技术中频谱分析和判决的重要手段,在认知网络中链路容量最大化同样也要深化功率分配的研究。
1 系统频谱模型
考虑CR系统的下行链路,根据OFDM调制子载波的IEEE802.11a系统模型,在这里,假定提供给LU频带和CU接入的空闲频带的分布情况如图1所示[7]。
假设LU的频带宽度为B,而CU频带分居LU两侧,且CU频带内每个子载波的间隔以及CU频带与LU频带的间隔均为Δf。由于CU和LU均采用OFDM调制方式(功率谱密度旁瓣具有衰减特性),因此,LU频带内将受到CU的干扰,同时CU频带内也将受到LU的干扰。
本文研究的内容是在保证CU对LU产生的干扰功率,在满足对LU频带的干扰功率约束的条件下,对CU频带内的子载波进行最优功率分配,以最大化CU频带的信道吞吐量。通过基于幂函数次优化功率分配方案,在降低运算复杂度的前提下,提高现有次优功率分配方案中CU的信道吞吐量。
2 系统数学模型
CU对LU的干扰大小取决于CU频带内各个子载波上所需的发射功率以及CU频带内各个子载波与LU频带间的最近频谱距离[8]。
2.1 CU对LU的干扰
假设CU频带中的第i个子载波上信号的功率谱密度为:
式中,Pi表示CU频带中第i个子载波上的发射功率,Ts表示OFDM的符号周期,则CU频带中第i个子载波上的信号对LU产生的干扰功率为:
这里,di表示CU频带中第i个子载波与LU频带间的最近频谱距离。
2.2 LU对CU的干扰
LU信号对CU频带中第i个子载波的干扰功率为:
式中,φLU(f)表示LU信号的功率谱密度,di表示CU频带中第i个子载波与LU频带间的最近频谱距离。
2.3 CU的传输速率分析[7]
本文假设所有子载波信道均为瑞利衰落信道,且CU的每个子载波信道已获得相应的信道增益。CU频带中第i个子载波的传输速率可表示为:
式中,hi表示CU频带中第i个子载波上的信道增益,σ2表示信道噪声方差。
3 功率分配算法
3.1 最优功率分配方案
最优化目标是CU频带中第i个子载波的信号对LU产生的干扰功率总和,在不大于LU的干扰门限条件下,使CU频带中的传输速率最大化,即得到CU的最大化信道吞吐量[7]。
式中,Ith表示LU频带的干扰门限值。
此时,最优化问题便演变成一个线性约束的凸优化问题,这一问题可以通过常用的数值方法来求解,利用Lagrange乘子法求得:
式中,λ表示Lagrange乘子。
对式(6)求导可得:
式中,σi2=σ2+Ji;
表示CU频带中第i个子载波信号对LU的干扰因子。
将(7)式右边等于零,即得到Pi的最优解:
式中,(x)+=max(0,x),而λ可由式(9)得到。
由(8)式可知,CU频带中第i个子载波被分配的功率,有可能出现小于零的情况,因此这里采取迭代分块注水(IPW)算法进行分析处理,经过多次迭代运算,直至CU频带中每个子载波所分配的功率是非负值为止[9]。
3.2 次优功率分配方案
在次优功率分配方案中,需要将CU频带内的子载波序号如图1所示,这里取N为偶数;当N取奇数时,也有类似表达。基于参考文献[7]提出的次优化方案A和方案B,本文提出了基于幂指数分布的方案C和方案D。
3.2.1 方案C
该方案考虑CU频带内功率分配,随着CU频带中子载波与LU频段之间频谱距离的增加,子载波分配的功率成幂函数阶梯状分布,假设第i个子载波分配的功率为:
结合(9)式可得:
3.2.2 方案D
该方案考虑功率分配类似方案C,假设第i个子载波分配的功率为:
结合(9)式可得:
4 仿真与分析
在仿真过程中,将最优功率分配方案和次优功率分配方案进行比较。本文中利用参考文献[7]给出的参数进行性能仿真与分析:Ts=4μs,B=0.312 5 MHz,σi2=1,Δf=0.312 5 MHz,N=6。
4.1 认知用户吞吐量分析
图2给出了不同干扰门限值下各种方案认知用户信道的吞吐量。其中,方案D最接近最优方案,方案B、C次之,方案A最差。随着LU的干扰门限值的逐渐增加,方案D的认知用户信道吞吐量向最优方案逐渐逼近(其中图2中的小图为局部放大图)。
4.2 认知用户发射总功率分析
图3给出了不同干扰门限值下各种方案认知用户的最大发射功率。
其中,为了使CU产生的干扰功率在满足LU的干扰功率约束下最大化信道吞吐量,方案D所需的发射功率最大,而方案B、C、A所需的发射总功率都小于最优方案。也就是说,为了更好地对CU进行功率分配,必须给予足够大的发射功率才能实现。
4.3 发射总功率约束下分析
由上一节可知,要满足干扰功率约束,且要最大化地分配功率,就需要更大的发射功率来实现。在这里,加入更为苛刻的约束条件,即CU发射总功率也受约束。
图4给出了CU有、无发射总功率约束条件下,最优方案的信道吞吐量。可以看出,无总功率约束时信道吞吐量随着干扰门限值的增加而增加,而有总功率约束时的信道吞吐量,在干扰功率门限值比较小的时候处于递增阶段,但随着干扰门限值的增加,CU信道吞吐量便趋于一个定值。
图5给出了在CU发射总功率约束的条件下,不同干扰门限值下各种不同方案的CU信道吞吐量。可以看出,在干扰门限值达到一定值时,各种方案的信道吞吐量均趋于一个定值。
同时,还应该看到,不再有某一特定方案在所有干扰功率门限值上优于其他次优分配方案来趋近最优方案。LU干扰功率门限值在0.4μW~0.64μW之间时,方案D的认知用户信道吞吐量最接近最优方案;LU干扰功率门限值在0.64μW~1.24μW之间时,方案B最接近最优方案;LU干扰功率门限值在大于1.24μW时,方案A最接近最优方案。在CU发射总功率受约束的情况下,CU信道最大吞吐量不再依据某种特定的方案来趋近最优方案。因此,在此情况下,不能再选择某一特定方案来最大化信道吞吐量,而是应该在确定LU干扰功率门限值(或门限区间)的前提下选择次优化功率分配方案来进行功率分配。
本文研究了基于OFDM的认知无线电系统的功率分配问题。针对最优化功率分配方案运算复杂程度较高的问题,提出了基于幂函数分布的次优化功率分配方案,并与参考文献[7]中提到的次优化功率分配方案进行了对比,本文提出的方案优于参考文献[7]提出的次优方案。最后还分析在CU发射总功率约束下的信道吞吐量,随着LU所能承受干扰约束值的增加,CU信道吞吐量趋于一个定值。在认知用户发射总功率约束的情况下,应采用不同次优方案来进行功率分配,以满足最大认知用户信道吞吐量最大化的要求。
参考文献
[1]Federal communications commission spectrum policy task force[R].FCC Report of the Spectrum Efficiency Working Group,November2002.
[2]ZHAO Q,SADLER B.A survey of dynamic spectrum acc-ess: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 gener-ation,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.
基于凸优化的认知无线网络功率分配 第4篇
随着无线通信技术的发展,对无线频谱资源的需求不断增长,可用的频谱资源日益紧缺,而现存的频谱授权机制存在大量授权频谱闲置,频谱利用率仅在15%~85%[1],固定频谱分配较不合理。因此,研究认知用户(Secondary User,SU)机会式地使用主用户(Primary User,PU)的空闲频谱十分必要,即实现机会频谱接入(Opportunistic Spectrum Access,OSA)技术。OSA技术能够对不可再生的频谱资源实现再利用,进而缓解频谱的紧缺程度、有效地解决频谱稀缺的问题,为用户和网络运营管理带来丰厚的收益。
OFDM调制技术具有较高的频谱效率且支持灵活地动态频谱资源分配,是认知无线网络中潜在的调制方案。由于SU可择机地接入主用的空闲频段以提高授权频谱的利用率,但SU对PU频段内的干扰必须满足干扰限制要求,因此采用传统的注水算法进行功率分配不再适用[2,3,4,5,6]。
笔者考虑SU采用OFDM调制技术,PU则采用任意调制技术。由于OFDM调制技术中旁瓣将对PU频段产生干扰,因此考虑在满足对PU干扰限制的条件下,首先基于凸优化理论为SU的子载波分配功率以最大化传输速率,然后研究了复杂度较低的次优功率分配方案,并对最优和次优两种方案做了性能比较。
2 系统模型
在文献[5]中,笔者研究了PU所占频段的左右两边都被SU占用的场景,本文则考虑SU频段位于两个PU频段中间的场景。如图1所示,此时SU的发射功率需要满足对左边和右边频段上PU的干扰约束。假设PU的信道带宽为B,SU在PU频段的两侧均被PU占用,且每个子载波的带宽为Δf。由于SU采用OFDM调制方式(功率谱密度旁瓣的衰减特性),因此PU频段内将受到SU的干扰。本文的主要研究目标是在保证对PU干扰限制的条件下对SU的子载波进行最优功率分配,最大化SU的传输速率。此外,假设所有子载波都服从瑞利衰落,且SU已获得每个载波的信道状态信息。因此,第i个子载波的传输速率Ri可表示为
式中:pi和hi分别为第i个子载波上的发射功率和信道增益;σi2为子载波带宽内的噪声功率,包括带内加性高斯白噪声以及PU对SU信号的干扰。
由于SU采用OFDM调制技术,因此第i个子载波的功率谱密度为
因此,第i个子载波对PU的干扰可表示为
式中:Ts为OFDM符号持续时间;di为第i个子载波与PU频段间的距离。为简化描述,假设SU到PU的干扰链路增益为1。
令,则Ii(di,pi)=piki,这里称ki为第i个子载波对PU的干扰因子。由此可见,与PU频段越近,载波对PU产生的干扰越大,因此在进行功率分配时,应根据干扰因子为每个子载波分配不同的功率,在满足干扰和SU总功率约束条件下最大化SU的传输速率。
3 最优功率分配
本设计的目标是在满足对PU干扰约束和SU总功率约束的条件下,最大化SU的传输速率,因此可描述为下述优化问题
式中:C表示SU的传输容量;N表示总的子载波数;Ith表示PU可忍受的干扰极限;kil为第i个子载波对相邻PU(l=1,2)的干扰因子;Ptotal为SU的最大发射功率。
对于上述优化问题,目标函数为凹函数,且约束条件都为线性约束,因此该优化问题是一个凸优化问题,可采用凸优化理论分析最优功率分配方案。首先,构造拉格朗日函数
式中:λ1≥0,λ2≥0,μ≥0。根据KKT条件[7],有
因此,第i个子载波的发射功率为
式中:(x)+=max(0,x),且拉格朗日乘子λ1,λ2和μ可根据上述约束条件求得。由(7)式可知,分配给子载波i的功率可能出现小于0的情况,因此这里采用迭代注水算法进行分析,即设置pi*=0,并重新进行功率分配,直到为每个子载波分配的功率为非负值。
考虑到SU容量性能的提高是以牺牲功率为代价的,因此考虑在满足PU干扰条件下的最大化SU的效用优化问题,即
式中:U为SU的效用函数,收益为SU的传输速率Ri,成本为消耗的功率,且C为功率pi的价格因子。此外,该优化问题的约束条件与问题(4)相同。类似,根据拉格朗日方法可得到SU在第i个子载波上的发射功率为
4 次优功率分配方案
该方案考虑功率分配剖面成梯度状的分配方案,即随着与PU频段之间距离的增加,子载波分配的功率为p,2p,3p,…,即第i个子载波分配的功率为
式中:p为常数,将上式代入约束条件可得
上述假设N为偶数,当N为奇数时也有类似推导。当所有子载波可分配的功率之和大于SU的总功率时,则将总功率按比例分配给各子载波。
5 仿真分析
在仿真过程中,将最优功率分配方案和次优方案进行比较,并根据文献[5]设置仿真参数。Ts,Δf和B分别为4μs,0.312 5 MHz和0.312 5 MHz,子载波内的加性高斯白噪声功率为10-6 W,各子载波的信道增益服从均值为1的瑞利衰落。假设SU所占用的频段包括10个子载波,总功率为20 mW,且SU的误码率需求设置为10-3,于是Γ为5 dB。
为比较最优和次优功率分配方案,还考虑了仅有干扰约束(即无总功率限制)时的功率分配方案,如图2所示。图中显示了随着PU可容忍的干扰极限Ith的变化,系统在各种功率分配方案下获得的容量。
由图2可知,干扰约束方案是该系统的容量性能极限,当SU受到总功率约束时,最优和次优方案下的容量都达到最大值。此外,基于凸优化的最优功率分配方案所获得的系统容量也高于次优的功率分配方案,但次优方案具有较低的复杂度,且性能接近于最优方案,具有一定的实用价值。
图3显示了次优方案(梯度功率分配)下各子载波所分配的功率。
由图可知,在SU所占用的频段上,中间的子载波对左右两边频段上PU的干扰最小,因此分配的功率最多,而越靠近左边(或右边)的子载波对左边(或右边)频段上PU的干扰越大,因此分配的功率越少。
图4显示了在最优功率分配方案(干扰和总功率约束)下,SU获得的效用随干扰极限的变化。
由图4可知,功率成本的价格越高,SU获得的效用越低。此外,SU的效用随着PU可忍受的干扰极限不断增加,直到发射功率达到SU所能提供的最大功率。
6 小结
主要研究了认知无线网络中基于OFDM的功率分配方案,根据SU每个子载波对PU的干扰程度不同,基于凸优化理论研究了在PU可容忍的干扰极限约束下,最大化SU传输速率的最优功率分配方案,考虑到最优方案具有较高的计算复杂度,还提出了复杂度较低的次优功率分配方案。实验证明,在主用户可容忍的干扰约束下,次优方案的性能接近于最优方案。
摘要：为满足认知用户对主用户的干扰约束,同时最大化认知用户的传输速率,提出了基于凸优化理论的最优功率分配方案。考虑到最优方案的计算复杂度较高,还提出一种复杂度较低的次优方案。仿真结果表明,在主用户可容忍的干扰约束下,次优方案的性能接近于最优方案。
关键词：认知无线电,OFDM,功率分配,凸优化,认知用户,主用户
参考文献
[1]Federal Communications Commission.Spectrum policy task force:report of spectrum efficiency working group[R].Washington:FCC,2002.
[2]WEISS T,HILLENBRAND J,KROHN A,et al.Mutual interference in OFDM-based spectrum pooling systems[C]//Proc.IEEE Vehicu-lar Technol.Conf.[S.l.]:IEEE Press,4:1873-1877.
[3]ATTAR A,HOLLAND O,NAKHAI M R,et al.Interference-limited resource allocation for cognitive radio in orthogonal frequency-di-vision multiplexing networks[J].IET Commun.,2008,2(6):806-814.
[4]ZHANG Yonghong,LEUNG C.Subcarrier,bit and power allocation for multiuser OFDM-based multi-cell cognitive radio systems[C]//Proc.IEEE VTC.[S.l.]:IEEE Press,2008:1-5.
[5]BANSAL G,HOSSAIN M J,BHARGAVA V K.Adaptive power loading for OFDM-based cognitive radio systems[C]//Proc.IEEE ICC.[S.l.]:IEEE Press,2007:5137-5142.
[6]DUY T,CHINTHA T.Resource allocation for OFDM-based cognitive multicast networks[C]//Proc.IEEE WCNC.[S.l.]:IEEE Press,2009:1-6.
功率分配 第5篇
1 3g/4g移动通信系统功率统一效用函数分配与控制方案
当经济学的效用理论应用于资源分配或者物理层和层之间的跨层优化时, 可以减少资源分配方案和算法的复杂性。此外, 还可以通过对基于效用的跨层优化实现吞吐量和公平性之间的折衷。在进行资源分配策略的研究时, 用户的满意度通常是考虑的一个重要性能指标, 这个满意度是由用户的效用函数描述的。分配给用户的资源越多, 用户的效用函数值越高, 也就意味着用户获得了更好的满足。在本章中, 我们将主要讨论在混合业务场景下的统一效用函数的研究。由于各种不同业务有各种不同的性能需求:数据业务的性能需求是吞吐量和用户公平性;而有时延要求的业务的性能需求是它们的最低的需求。采用不同的效用函数, 可以使不同业务的性能需求得到满足。
3g/4g移动通信系统通常都是混合业务, 而混合业务的功率分配与控制所使用的方案就是统一效用函数, 在此笔者将具体说明。研究者首先要按照移动通信系统的具体情况分析出各个不同类型用户的具体特征以及具体需求, 在此基础上再总结出统一效用函数特点, 比如函数定义域、数学表达式等, 而后按照这些特征设计出一个综合性与统一性的效用函数形式, 最终设计人员再按照函数性质来来为不同用户需求中所设计的参数来进行取值。比如如果用户对Qo S没有需求, 则系统吞吐量应该要保持最大, 否则就是累积效用保持最大, 因此此种类型的用户效用函数主要是用来分配资源, 所以最适合的函数应该是单调递增函数, 但如果按递增函数来进行分配资源, 势必会造成用户之间的不平衡, 所以效用曲线斜率就应该是一个单调递减函数, 如此就能够防止分配过多的问题。综上所述, 对Qo S没有需求的用户其效用函数属于凸函数。
而对Qo S有需求的用户, 分配资源所应用的函数依然是单调递增函数, 但是因为还要达到Qo S需求, 因此若用户所使用的资源并未达到Qo S需求而是频临临界值时, 用户对资源的渴求就会相当强烈, 此种用户需求就应该至于优先级中, 此时边际效用函数也应该是单调递增函数;但是若用户所获取的资源已经超出Qo S需求, 用户对资源需求就会大大降低, 此时用户需求所表现出来的优先级也会随之降低, 为了防止某些用户获得更多的资源, 而造成资源分配不均以及资源浪费, 其边际效用函数就是单调递减函数。综合上述阐释, 用户若对Qo S有需求, 则整个效用函数函数应该属于S型函数。
2 小区间协作资源分配与控制方案
由于3g/4g移动通信系统应用的技术主要是OFDM技术, 该技术子载波间存在着正交特性, 这就导致小区之间产生了同频干扰, 而这种干扰浙对OFDM技术性能发挥造成了非常大的影响, 面对此种问题研究者需要将距离比较近的小区联合起来共同进行资源的有效分配, 以此对同频干扰进行有效的控制, 这在一定程度上能够有效的提升边缘用户的资源使用的有效性。该分配与控制方案中涉及到一个异常重要的技术, 即多点协作。各个小区之间展开多点协作后, 所有资源统一起来再进行分配, 这在很大程度控制了同频干扰, 使得小区用户吞吐量得以最大程度的优化。小区协同资源分配与跨层资源分配有着很大的相似性, 两者最大的区别在于是否统一对小区用户进行协同考虑, 是否统一对小区资源进行统一考虑等。小区间协作资源分配与控制方案最需要注意的问题就是资源分配方案的设置以及具体算法产生的复杂程度。因为小区间的协同使得方案复杂度成指数上升, 所以需要简化协作资源分配方案的复杂度, 以使之能在实际系统中能运用。其中一种方法是减少小区协同的数目, 因为小区天线朝向及距离远近等因素, 使得一个小区的主要干扰来源只限制于临近几个小区, 所以可以通过减少协同小区的数目来降低算法复杂度。
3 载波聚合的子载波调度方案
载波聚合技术的基本原理是将多个成分子载波聚合在一起形成一个整体的更宽的带宽来使用。载波聚合根据成分子载波的频带又可以分为:频带内聚合和频带间聚合两种方式。在频带内载波聚合的实施方案中, 成分子载波是在同一频带内并且它们的带宽一般是对称的, 但它也支持非对称载波的聚合。系统通过支持更宽带宽的扩展, 可以获得更高的峰值数据速率。而的用户能够接入到这的带宽中, 并且从的带宽中获得增益。可以看到, 载波聚合是一种最直接的通过多个成分子载波为系统扩展到更宽的带宽的方法。
同时, 应该支持非临近的、非对称的、跨频带操作的多成分载波的聚合, 以保证频谱布局的充分灵活性。而频带间的载波聚合技术是可能达到这样要求的频带扩展性的一种方法。下面介绍频带间的载波聚合的原理。频带间载波聚合是频带内载波聚合的一种自然地扩展。在频带间载波聚合中的成分子载波不需要临近或者对称。总的的带宽由三个成分子载波组成, 它们是非连续、非对称的, 关键是它们分别属于不同的频带内。频带间的载波聚合技术为当同一频带内没有更宽的频谱进行扩展的场景下提供了一种扩宽带宽的可能性。它并不是一种宽带的临近频谱扩展的替代品, 而是当没有此类频谱的情况的一个补充。
4 结论
综上所述, 可知g/4g移动通信系统功率分配与控制方案有很多种, 其中运用最广泛的应该是效用函数方案, 但是此种方案并非适用于所有情况, 因此移动通信系统资源要想得到最合理的分配就需要研究者依据实际情况去选择分配与控制方案。由于资源分配效果直接关系到移动通信系统性能发挥效果, 所以研究者必须格外重视这一问题。
参考文献
[1]文晓聪.现代移动通信系统中功率控制和速率控制的研究[D].西安:西北工业大学, 2006.
[2]张艳荣.蜂窝移动通信分布式功率控制及其性能分析[D].成都:西南交通大学, 2007.
[3]杨春刚.认知无线网络中基于博弈论的功率控制研究[D].西安:西安电子科技大学, 2011.
[4]胡荣.宽带CDMA移动通信高性能接收及功率控制技术研究[D].杭州:浙江大学, 2002.
功率分配 第6篇
近年来,随着高速宽带无线技术的发展与应用,无线视频通信正成为人们广泛关注的领域。如何显著提高无线通信系统中的频谱效率,以满足日益增长的通信容量的需求,成了世界范围内广泛关注和急需解决的问题[3]。多输入多输出(MIMO)技术通过增加发射端和接收端的天线数量[1],可以有效缓和上述矛盾,该系统在发送端和接收端同时采用多元天线阵列以获得空间复用和分集增益,空时码(STC)则充分挖掘MIMO系统容量,是改善整个系统误码性能的有效手段。另一方面,H.264/AVC作为新一代视频压缩编码标准视频,由于其高的编码效率和良好的网络亲和性,受到了国内外学者的广泛重视。因此MIMO技术与H.264/AVC的结合将大大提高无线视频通信的可靠性。
1 H.264的码流分割
H.264的码流采用网络抽象层(NAL单元)封装,每个NAL单元具有特定的数据类型,它包含一个字节的NAL单元头和一个原始字节序列载荷,其中由NAL单元头信息中的NRI的指来指示当前NAL单元的重要性,其值越高表示该NAL单元越重要,在H.264NAL层语义中,用nal_ref_idc来指示当前NAL的优先级。
基于这种思想,针对Annex B数据格式下的H.264码流,序列中的I帧或IDR帧(立即刷新帧)、SPS(序列参数集),PPS(图像参数集)这类数据,其nal_ref_idc值为3,表示其所在NAL单元重要性级别很高,该类数据一旦丢失会对视频重建造成致命影响,因为I帧为帧内编码模式,它用作P帧的参考帧,因此只有保证它的准确传输才能确保图像的完整解码,SPS和PPS为解码必须参数,它的丢失势必对图像造成致命影响。基于以上考虑,本文的码流分割方式为:对视频图像的重建起到重要作用的I帧(或IDR帧)、SPS,PPS的数据作为一类数据,对该类数据采用较高级别保护;余下为二类数据,采用低级别保护,并在此基础上设计出不等差错保护方案以提高重建图像的质量。
2 空时块编码(STBC)
空时码[2,4]是为了实现MIMO系统信道容量而提出的一种高可靠性信道编码。它根据信道特性,有效地综合了发送分集、接收分集、纠错编码和调制等技术,能够以较低的发送功率实现较高频谱效率的通信,可以达到逼近MIMO信道容量的性能。与不采用空时编码的系统相比,在相同频谱资源条件下,空时码可以获得更优的抗误码性能。
空时编码系统不仅提供了全分集增益,也提供了编码增益,且具有线性的检测复杂度。为简便起见,且不失一般性,本文采用一个2发1收的STBC系统,该系统也是目前最为经典的一种空时码,它不仅提供了全分集增益,也提供了编码增益,且具有线性的检测复杂度。此方案也是目前最为经典的一种空时码,其编码结构为[5]
接收天线上连续两个时隙对应的接收信号可表示为
式中,h1和h2分别为两根发射天线到接收天线的信道衰落系数,w1和w2为加在接收天线上的复高斯白噪声,均值为0,方差为N0。可通过最大似然译码准则完成检测。
3 基于功率分配的H.264空时编码方案
3.1 功率分配策略
假设系统的总发射功率为P,有n根发射天线,并且每根天线上的发射功率为P0,因此有
为了实现不等差错保护,针对2发1收STBC系统,假设天线1传输高优先级码流,对它分配较大的发射功率,设分配系数为k1,(k1>1);天线2传输低优先级码流,对其分配较小的发射功率,设分配系数为k2,(k2<1),为了保证系统的总发射功率P不变,则分配的系数k1,k2应当满足以下关系式
式中,n1,n2为每个时隙两根天线上传送的符号个数,在空时传输中有n1=n2;因此
式(6)即为空时系统中两根发射天线的功率分配关系式。
3.2 基于功率分配的H.264空时编码方案的算法实现
假设两根发射天线上传输的码字矩阵如式(6)所示,首先将待传输符号s1、s2分别乘上功率分配系数(k1或k2),然后送入空时分组编码器进行正交空时编码,最后经发射天线传输出去,由空时系统一般传输模型(Y=HS+W)可得,接收信号可以表示为
上式可以写为
用矩阵形式可表示为
上式可整理如下:
式中,Y1、Y2为系统等效接收信号,并且有;由上式可以看出,由于k1>1,k2<1,那么高优先级信号s1的抗误码性能明显高于低优先级信号s2,因此实现了对一类码流的优先级保护。对接收信号进行最大似然译码,即可恢复原信号。
4 仿真结果及分析
为了验证提出方案的优越性,采用空时编码系统与H.264编码器的级联模型,并与传统的2发1收STBC正交空时系统做比较,所有的调制符号均选自BPSK星座。信道为准静态瑞利衰落信道,噪声为加性复高斯白噪声。测试中,天线1传送高优先级码流,天线2传送低优先级码流。本文用Eb/N0的大小表示传输系统的信噪比(通常Eb/N0表示一个比特的信号平均能量与噪声的平均功率谱密度之比)。测试序列为"Foreman"序列,图像格式为QCIF,编码模式为IPPP,帧率30f/s;用X264编码器生成H.264源文件。利用重建图像的平均PSNR值作为衡量图像质量的指标。
4.1 误码性能曲线比较
图1给出了k1=1.3时,提出的基于功率分配的STBC系统的误码性能与传统2发1收STBC正交空时系统的误码性能对比。由图可知提出方案中天线1的性能优于传统STBC系统,而天线2的抗误码性能略低于传统STBC系统。由于天线1传送的是高优先级码流,其抗误码性能的提高势必会提高重建图像质量。因此提出的方案可以在不提高系统总发射功率前提下,提升高优先级码流的抗误码性能,显然,这一结果与理论推理一致,从而验证了改进方案的合理性及优越性。
图1误码率对比图(参见右栏)
4.2 重建图像主观效果对比
图2从主观视觉效果上给出两种方案的比较。当Eb/N0=18d B时,两种方案下第十六帧重建图像如图2所示:图2(a)为原始图像,图2(b)为改进方案下的重建图像,图2(c)为传统(2,1)STBC方案下的重建图像,通过对比可知本方案的重建图像质量比传统(2,1)STBC方案好。
5 结束语
为了解决传统无线视频传输中重建图像质量低的问题,本文提出了一种基于功率分配的H.264空时编码方案,此方案将H.264码流按重要性不同分为两部分,在保持总发射功率恒定的情况下,在两根天线上动态分配发射功率以提升高优先级码流的误码性能,进而提高重建图像质量。仿真结果表明,与传统STBC系统相比,提出的方案获得了较好的重建图像质量。
摘要：针对传统视频传输重建图像质量低的问题,提出了一种H.264码流传输的新方案。在信源端,根据H.264码流重要性差异,将其分为两部分。采用MIMO信道传输视频信号,在保持总发射功率恒定的情况下,在两根天线上动态分配发射功率。仿真结果表明,在同等信道条件下,提出的方案有效提高了接收端的重建图像质量。
关键词：H.264,不等差错保护,多输入多输出,功率分配
参考文献
[1]Foschini G J,M J Gans M J.On limits of wireless communication in a fading environment when using multiple antennas[J].Wireless Personal Communications,1998,6(3):311-355.
[2]Bevan D D N,Tanner R,Ward C R.Space-time coding for capacity enhancement in future generation wireless communications networks[J].IEE Electronics Letters,2000,15(3):801-811.
[3]Yong Liu,Ai-dong Men,Qing-song Tong,H.264/AVC Error resilience scheme based on OFDM system using space time block coding[C]//International Conference on Advanced Computer Theory and Engineering,2008:195-199.
[4]Gamal H EI,Damen M O,Universal space-time coding,IEEE Trans.Inform.Theory,2003,49(5):1097-1119.
双频段应用功率分配器的分析与设计 第7篇
现今无线通信市场中,由于多种通信标准的共存以及频段资源的紧张导致了频段划分的不连续性,在一些应用如GSM及GPS中,为了简化微波电路的结构以节约成本并减小设备尺寸,需要应用能工作在双频甚至多频的微波电路模块。微波功率分配器是一种将输入信号功率分成相同或不同比例的几路功率输出的多端口微波网络。各类不同种类的功率分配器在平衡放大器,高功率传输器,以及阵列天线反馈网络中有着广泛的应用,其中Wilkinson功率分配器由于结构简单成为很多设计师的首选。由λ0/4微带传输线组成的阶梯式双频段阻抗变换器已有文献给出了精确的解析方程[1,2],采用这一方法可用来实现任意双频率的阻抗变换。
文献[3]采用上述方法设计了一个双频段功分器,但有较大的输出回波损耗,并且隔离度较大。文献[4,5]通过为隔离电阻并联两个集总元件(电感和电容)来达到提高输出性能的目的。本文拟采用在输入端并联分布元件的方法来达到类似目的,故此设计了一个工作在1 GHz和2.6 GHz的双频段功分器对这一方法进行讨论研究。
2 理论分析与设计
图1所示为经典Wilkinson结构示意图,它由两个四分之一波长微带线undefined和100 Ω隔离电阻组成。图2将图1的四分之一波长分支变换为双频段阻抗变换器结构。和文献[1,2]中的阶梯式阻抗变换结构相比,图2所示结构还包含了一个并联微带支节(短路支节或开路支节)。该支节起到提高输出性能,增大隔离度的作用。其中两段微带传输线的特性阻抗分别为ZA和ZB,电长度分别为α和β,而并联支节的电纳为jY1。
将图2中各元件(微带结构)看为二端口网络,通过应用各自的ABCD矩阵,可得该双频段阻抗变换器的矩阵方程如下:
undefined
解上述矩阵方程可得:
undefined
由于α和β为阶梯阻抗变换器微带线的电长度(在频率点undefined处,均为90°,其中f1和f2为所要求的上下频段各自的中心频率),为频率的线性函数,则按等比缩放原则,有下列等式成立,为方便记undefined:
undefined
将以上等式代入式(2)、式(4)可得:
undefined
上式定义的并联微带支节可由短路支节(在中心频点f0处的电长度为90°或开路支节(在中心频点f0处的电长度为180°)实现[6]。短路支节尺寸小,但需要接地过孔,而开路支节尺寸较大,不需要接地过孔。本论文设计采用短路支节,因为尺寸为主要考虑问题。
由于上下两个分支相同的短路支节为并联关系,根据传输线理论[7],有以下等式成立:
undefined
其中Zs为此短路支节的特征阻抗,θ为短路支节的电长度,在频率f1和f2处,其值分别为:
undefined
将式(9),式(11),式(12)代入式(10),经化简运算可解得:
undefined
以上便全部给出了该设计方案所需全部参量的完备闭合解析式。
3 实践设计与分析
由于Rogers RO4003高频线路板材既具有聚四氟乙烯玻纤基材类似的高频性能,又具有FR4基材类似的容易加工的特点,本文选用了0.81 mm厚的该种板材,其相对介电常数为3.38,导体厚度为17 μm。在50 Ω系统(Z0=50 Ω)中,我们仿真研究了一个工作在f1=1 GHz,f2=2.6 GHz的双频段功率分配器的性能。其中100 Ω的隔离电阻采用ADS商用软件提供的TFR(Thin Film Resistor)模型。
经计算可得:
undefined
将以上各值代入式(7),式(8),式(13)可以解得:
undefined
利用ADS提供的微带传输线计算工具,根据工作频率和板材属性可以精确求得各微带传输线的宽度。由于版图布局的紧凑,各微带线间的耦合效应对最终电路的性能有很大影响,当进行完电路级的仿真后需要使用ADS的2.5维仿真工具Momentum进行版图级的仿真。对于仿真性能的恶化,需要使用优化工具多次试验使结果达到最优化,最后生成电路板图如图3所示。
以下结果为最终优化值,图4所示为端口1的回波损耗,可以看出在中心频点处均小于-30 dB。
图5和图6分别为该功率分配器的插入损耗和隔离度,同样在双频段的中心频点处性能均比较优良。
4 结 语
本文基于经典的Wilkinson功率分配器结构,通过引入阶梯阻抗变换器试验研究了一种新型的双频段功分器,取得了良好的性能。然而由于该功率分配器的主体结构由微带线构成,在较低的频段尺寸较大,本例版图尺寸约为65 mm×40 mm,不符合集成化小型化的要求,可以通过采用弯曲微带线或集总元件替代法来减小电路的尺寸。
摘要：功率分配器是通信系统中常用的器件,由于通信设备对电路尺寸及工作频率的要求,双频及多频应用正逐渐增多。基于经典的Wilkinson功率分配器,采用了阶梯阻抗变换器结构,并在输入端并联微带线分支结构,设计了一种新型的工作在双频段的功率分配器。采用ADS Momentum仿真,综合考虑了微带线间的耦合效应,经过优化取得了良好的特性。所提到的设计方法可以应用到各不同频率点的场合以符合具体要求。
关键词：变换器,功率分配器,分支线,ADSMomentum
参考文献
[1]Cesar Monzon.A Small Dual-Frequency Transformer inTwo Sections[J].IEEE Transactions on Microwave Theoryand Techniques,2003,51(4):1 157-1 161.
[2]蔡钧.任意频率比双频率阻抗变换器[J].现代雷达,2004,26(10):65-67.
[3]Srisathit S,Chongcheawchamnan M,Worapishet A.Designand Realization of Dual-band 3 dB Power Divider Based onTwo-section Transmission-line Topology[J].IEEE Elec-tronics Letters,2003,39(9):723-724.
[4]Wu L,Yilmaz H,Bitzer T,et al.A Dual-Frequency Wilkin-son Power Divider:For a Frequency and Its First Harmonic[J].IEEE Microwave and Wireless Components Letters,2005,15(2):107-109.
[5]Wu L,Sun Z,Yilmaz H,et al.A Dual-Frequency WilkinsonPower Divider[J].IEEE Transactions on Microwave Theoryand Techniques,2006,54(1):278-284.
[6]Keung K,Cheng M,Wong F.A New Wilkinson Power Divi-der Design for Dual Band Application[J].IEEE Microwaveand Wireless Components Letters,2007,17(9):664-666.