Adaptive Precoding and Resource Allocation in Cognitive Radio Networks

In this thesis, we develop efficient resource allocation and adaptive precoding schemes for two scenarios: multiuser MIMO-OFDM and multiuser MIMO based CR networks. In the context of the multiuser MIMO-OFDM CR network, we have developed resource allocation and adaptive precoding schemes for both the downlink (DL) and uplink (UL). The proposed schemes are characterized by both computational and spectral efficiencies. The adaptive precoder operates based on generating degrees of freedom (DoF). The resource allocation has been formulated as a sum-rate maximization problem subject to the upper-limit of total power and interference at primary user constraints. The formulated optimization problem is a mixed integer programming having a combinatorial complexity which is hard to solve, and therefore we separated it into a two-phase procedure to elaborate computational efficiency: Adaptive precoding (DoF assignment) and subcarrier mapping. From the implementation perspective, the resource allocation of the DL is central based processing, but the UL is semi-distributed based. The DL and UL problems are sorted out using the Lagrange multiplier theory which is regarded as an efficient alternative methodology compared to the convex optimization theory. The solution is not only characterized by low-complexity, but also by optimality. Numerical simulations illustrate remarkable spectral and SNR gains provided by the proposed schemes.

In dieser Dissertation werden effiziente Ressourcenallokation und adaptive Vorkodierungsverfahren für zwei Szenarios entwickelt: Mehrbenutzer-MIMO-OFDM und Mehrbenutzer-MIMO jeweils basierend auf CR-Netzwerken. Im Bereich der Mehrbenutzer-MIMO-OFDM CR-Netzwerke wurden Verfahren zur Ressourcenallokation und zur adaptiven Vorkodierung jeweils für den Downlink (DL) und den Uplink (UL) entwickelt. Die Ressourcenallokation wurde als Optimierungsproblem formuliert, bei dem die Summenrate maximiert wird, wobei die Gesamtsendeleistung und die Interferenz an den Primärnutzern begrenzt ist. Das formulierte Optimierungsproblem ist ein sogenanntes Mixed-Integer-Programm, dessen kombinatorische Komplexität nur extrem aufwendig lösbar ist. Auf Grund dessen wurde es zur Komplexitätsreduktion in zwei Phasen aufgeteilt: Adaptive Vorkodierung (DoF-Zuordnung) und Subkanalzuordnung. Während die Ressourcenallokation für den DL aus Implementierungssicht ein zentralistischer Prozess ist, kann sie für den UL als semiverteilt eingeordnet werden. Die Aufgabe der zentralen Ressourcenallokation wird gelöst, um die zentrale adaptive Vorkodierung und die Subkanalzuordnung für UL und DL zu verwalten. Die Subkanalzuordnung ist für den DL optimal und effizient gelöst, indem das Problem als konvexes Problem modelliert ist. Für den UL wiederum ist das Problem trotz der Konvexität quasi-optimal gelöst, da in der Problemformulierung eine Begrenzung der Ressourcen pro Benutzer existiert.


Use and reproduction:

No license. The provisions of the German Copyright Act (UrhG) apply.

Please note that individual components of the publication may be subject to other licensing or copyright conditions.


Citation style:
Could not load citation form.