中国的无线通信网络发展逐渐普及化，资源也是越来越少，然而，在这种资源匮乏的时期，实现动态性的用户访问和授权频谱的共享，是解决资源利用低这一大问题的最佳举措。在利用功率控制技术不仅可以在一定范围内保障其他信号不会对其区域内的信号传输造成干扰，而且还可以有效的降低能源的消耗和网络容量的增加。因此，无线网络中功率和信道接入的联合优化工作的开展势在必行。
1 系统模型
在无线网络的认知了解中，一般都会对一个PU或者是多个PU共存的上行通信链路系统运行原理有一个认知。PU和SU两个之间与主基站和认知基站都是独立地进行联系。网络中的一个PU和多个SU，假设信号参数受到路径衰落的影响引起变化的情况下，应该对其路径损坏的距离建立模型，并根据其关系式确定PU和SU所处的位置。
在主用户和次用户QOS约束的情况下，接入控制问题就是NP的问题。只要将次用户的准入控制问题转化为图论问题，并且对其进行论证，那么，这个问题就相当于在有向完全图中一定可以将最大的导出图寻找出来。当然了，在这些导出图中，子图中每个边的权重之和都远远低于指向节点的权重，也就是常说的用户对主用户的干扰值低于最低警戒线，是满足了QOS的要求的。所以，在图中找出最大导出出子图是NP的问题。
2 联合优化
2.1 用戶接入和发射功率控制的优化
2.1.1 实际点差
发射功率的控制因为一些限制性的因素导致其不能正常运行，如两个用户之间的信道接收信息量增多的共线，或者是具有十分高的相交线的关系；PU的干扰温度最低限度较低，或者是次用户的SINR相对比较高；在每个特定的时间，用户数量已经超出了配置的基站天数的数量。
2.1.2 核算方法
当然，为了能够使问题得到及时、有效的处理，提出一种在线性规划的粒子群优化算法基础上的核算方法。主要就是为了借助LP将次用户的SINR约束转化为发射功率的约束。该核算法包含两个方面，即线性规划函数和粒子群优化核算法。线性规划函数分为线性规划优化函数和约束函数，借助现行规划的方式可以寻找最大的次用户接入信道的信息量大小，由于在运行的过程中，主用户和次用户QOS的约束可行域是有一定局限性的，线性函数自身的范围也是有限的，且存在最大值，因此，线性规划的优化函数虽然有限，但是，其一定会在某一个值上完成收敛；粒子群优化在核算的过程中，如果权重因子、加速因子、1、2都处在一定的范围内，那么其全局都具有收敛。因此，在提出在线性规划的粒子群优化算法基础上的核算方法的时候，就表明其具有收敛性的特性。
2.1.3 核算方法的复杂度分析
算法的时间复杂度主要指的就是要逐步的删除SU时信息在交换过程中所产生的计算量大小。如果用户的目标SINR不能够获得满足，那么就要删除SU为其带来的复杂度；如果PU的SINR还是不能够满足核算标准，就必须要删除SU为其带来的复杂度，即NxsizexT，其中siz说的就是该种群中包含的个数，T就是迭代的次数多少。虽然在实验中该地的复杂程度比较高，但是对某地区干扰约束的可行性验证中可以看出，对其造成的影响在可控的范围内。如表1是算法复杂度分析表。
2.2 传输速率和功率分配的优化
如果SU的数量相对比较少，或者是PU干扰温度的极限值相对比较高，那么说明所有的SU都能够实现通信，同时也说明了，在这种情况下的系统是允许运行的。当整个系统在运行的过程中，各个用户都希望能够获得数据的高速率传输，即QOS，主要是因为SU希望得到的是比SINR这个目标更高的。在单元网结构中运行上行链路的优化目标主要就是使发射功率达到最优，下行链路的优化目标主要就是使传输速率达到最优，然而，在经过对中国建设的无线网络的认知之后，实现功率的最小化和传输速率的最大化都是最终的目的。因此，优化目标就是要在满足主用户和次用户QOS的这个大条件下，实现功率和速率的最优化。同时，也可以利用SINR和传输功率之间存在的对应关系，改进拉格朗日对偶算法之后得到的最优化值。
3 总结
综上所述，在对无线网络中功率和信道接入的联合优化的问题研究过程中，提出了用户接入和发射功率控制和传输速率和功率分配的优化方案。虽然接入控制是NP的问题，但是，本文提出的核算法是有利于降低功率和能耗，有利于资源合理分配的。因此，想要对该问题进行进一步的探究，就需要与MIMO该系统结合下进行联合优化的方案探究。
