基于拟牛顿内点法的认知车联网能效优先资源分配算法

为了提高认知车联网中多用户资源分配的能效及实时性,提出了一种在信道状态信息不理想情况下最大化系统能效的资源分配算法.联合考虑额定系统传输功率、主用户干扰阈值、最低通信速率以及用户间比例公平性等约束条件,将主用户的干扰约束条件转换成概率型约束条件.然后,采用Bernstein近似的方法处理该概率型约束,通过设置公平门限来解决用户间的比例公平性问题.最后,分别采用高、低复杂度的子载波分配算法,配合拟牛顿内点法进行功率分配.仿真结果表明,所提算法的能效约为最优解上界的93%,既能满足系统能效要求,又降低了计算复杂度,适用于对实时性要求较高的车联网系统.