1.一种基于能效和谱效联合优化的认知无线电功率分配方法，认知无线电网络包含一对主用户发射机PT和接收机PR，一对认知用户发射机ST和接收机SR，认知用户传输链路与主用户传输链路共享频谱资源，在某个给定的授权信道上，主用户发射机PT向主用户接收机PR发送数据，认知用户发射机ST与认知用户接收机SR进行通信，其特征在于，包括以下步骤：步骤1：认知用户采用能量感知方法进行频谱感知，得到认知用户的检测概率和虚警概率；

步骤2：在认知用户平均发射功率、主用户平均干扰功率和检测概率门限的约束下，建立最大能效和谱效的优化模型P1；

步骤3：等价转化优化模型P1；

步骤4：求解最佳功率分配、最大能效和最大谱效；

所述步骤2中，在认知用户平均发射功率、主用户平均干扰功率和检测概率门限的约束下，建立最大能效和谱效的优化模型P1包括以下步骤：步骤21：认知用户谱效建模

认知用户在感知时间τ内感知主用户信道状态，根据认知用户的频谱感知结果来决定其传输功率，获得认知用户的谱效模型ηSE，如果主用户正在授权频段上通信，则认知用户以较低的功率Pt(1)在感知时间T-τ内进行数据传输，相反，如果主用户不存在，认知用户则以较高的功率Pt(0)在时间T-τ内传输数据，其中T为一个周期的时间；

步骤22：认知用户能效建模

假设在认知系统中，认知用户进行频谱感知消耗的功率为Ps，Pc表示认知系统固定的电路损耗功率，则根据主用户的实际状态和认知用户的感知结果，获得认知用户的能效建模ηEE；

步骤23：建立功率分配的约束条件模型

首先，为了避免对主用户造成有害的干扰，设定认知用户对主用户的平均干扰功率门限来保证主用户能正常通信；

其次，为了保证认知用户能长时间的工作，设定认知用户的平均最大发射功率限制；

最后，设定认知用户的检测概率高于设定的门限值；

所述步骤23中，设定主用户所能忍受的最大干扰功率为Γ，认知用户对主用户带来的平均干扰功率如式(1)所示：其次，设定认知用户所能发射的最大的发射功率为Pav，认知用户的平均发射功率如式(2)所示：认知用户的检测概率的约束如式(3)所示：

即：认知用户的检测概率高于设定的门限值；

其中，Pav为认知用户所能发射的最大的发射功率； 为认知用户的检测概率的门限值，a0表示主用户信道空闲，而认知用户也检测到主用户不存在的概率；b0表示主用户信道被占用，而认知用户检测到主用户不存在的概率；a1表示主用户信道空闲，而认知用户检测到主用户存在的概率；b1表示主用户信道被占用，而认知用户也检测到主用户存在的概率，E代表求数学期望；

步骤24：建立优化模型P1；

所述步骤3中，等价转化优化模型P1，包括如下步骤：步骤31：通过一维穷举搜索法搜索最优感知时间

感知时间τ是在[0,T]范围内，通过一维穷举法搜索到最优的感知时间为：步骤32：优化模型P1的转化

把优化模型P1转化为给定感知时间τ的关于发射功率Pt(0),Pt(1)的凸优化，通过在[0,T]范围内使用遍历搜索法或者穷举法获得最优的感知时间以及在最优感知时间下的最优功率分配，并将优化模型P1转换成凸优化模型P2，凸优化模型P2如式(5)所示：其中，Eall为认知用户消耗的总能量；C1为认知用户对主用户带来的平均干扰功率；C2为认知用户的平均发射功率；C3为认知用户的检测概率的约束值，ρ为平衡因子；

步骤33：根据非线性分式规划，转换凸优化模型P2

根据分式规划理论，把凸优化模型P2转换为具有参数的线性规划模型P3，线性规划模型P3如式(6)所示：其中，ξ为非负数，能量价格因子。

2.根据权利要求1所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤1中，得到认知用户的检测概率如式(7)：得到认知用户的虚警概率如式(8)：

其中：τ表示感知时间；

fs表示采样频率；

η表示判决门限；

γ表示认知用户的信噪比；

Q(·)为标准高斯分布的互补分布函数，其定义为 Q-1(·)为Q(·)的反函数；

σn2为噪声方差。

3.根据权利要求1所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤21中，假设主用户的传输功率为Pp，那么根据主用户的实际状态和认知用户的感知结果，认知用户在其传输信道上有四种不同的瞬时传输速率，分别如式(9)、式(10)、式(11)和式(12)所示：其中：gps为PT到SR的信道增益；gss为ST到SR的信道增益；N0为噪声方差；传输速率的下标分别代表主用户的实际状态和认知用户的频谱感知结果；当下标代表主用户的实际状态时，1代表主用户信道被占用，0代表主用户信道空闲；当下标代表认知用户的频谱感知结果时，1代表认知用户的感知结果为主用户存在，0代表认知用户感知到主用户不存在；r00代表的含义为主用户信道空闲，认知用户感知到主用户不存在时的传输速率；r01代表的含义为主用户信道空闲，认知用户的感知结果为主用户存在时的传输速率；r10代表的含义为主用户信道被占用，认知用户感知到主用户不存在时的传输速率；r11代表的含义为主用户信道被占用，认知用户的感知结果为主用户存在时的传输速率；

认知用户的谱效模型ηSE为：

其中：a0＝P(H0)(1-Pf)；

b0＝P(H1)(1-Pd)；

a1＝P(H0)Pf；

b1＝P(H1)Pd；

P(H0)、P(H1)分别代表主用户空闲和繁忙的概率；Pd、Pf分别代表认知用户的检测概率和虚警概率；a0表示主用户信道空闲，而认知用户也检测到主用户不存在的概率；b0表示主用户信道被占用，而认知用户检测到主用户不存在的概率；a1表示主用户信道空闲，而认知用户检测到主用户存在的概率；b1表示主用户信道被占用，而认知用户也检测到主用户存在的概率；T为一个周期的时间；E代表求数学期望。

4.根据权利要求3所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤22中，获得认知用户的能效建模ηEE为：其中：认知用户消耗的总能量为：

其中，Eall为认知用户消耗的总能量；T为一个周期的时间；E代表求数学期望；τ为感知时间；Ps为认知用户进行频谱感知消耗的功率，Pc为认知系统的固定的电路损耗功率。

5.根据权利要求1所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤24中，建立的优化模型P1如式(16)所示：其中：ρ为平衡因子，ρ的大小可以通过用户对能效和谱效的要求来设定。

6.根据权利要求1所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤4中，求解最佳功率分配、最大能效和最大谱效，包括如下步骤：步骤41：设置认知用户的容错误差、拉格朗日迭代算法所需的最大迭代次数；

步骤42：认知用户初始化，设定平均发射功率约束对应的拉格朗日因子及平均干扰功率约束对应的拉格朗日因子；

步骤43：认知用户用拉格朗日方法计算其最优功率，得出在给定的感知时间τ内，得到凸优化模型P3的最优功率分配；

步骤44：认知用户根据平均发送功率限制和主用户平均干扰功率限制约束条件，通过次梯度算法经过k次迭代，计算出平均发射功率约束对应的拉格朗日因子和平均干扰功率对应的拉格朗日因子；

步骤45：判断每次迭代计算出的拉格朗日因子是否收敛，如收敛则执行步骤46，否则返回步骤43；

(n)

步骤46：计算凸优化模型P3的f(ξ )及谱效能效之和；

步骤47：认知用户对f(ξ(n))进行判决：当|f(ξ(n))|≤δ3，δ3为主用户的平均干扰功率对应的收敛误差，能获取最大的谱效和能效和最优功率分配；反之，判断迭代次数是否达到最大的迭代次数，如果达到最大迭代次数，则此时的发射功率为认知用户的最优发射功率，此时的谱效和能效之和为最大的谱效能效之和；否则，继续迭代，直至满足迭代终止条件。

7.根据权利要求6所述的一种基于能效和谱效联合优化的认知无线电功率分配方法，其特征在于，所述步骤43中，得到的凸优化模型P3的最优功率分配的表达式为：其中：

[x]+＝max(0,x)；

其中：gps为PT到SR的信道增益；

gss为ST到SR的信道增益；

Pp为主用户的传输功率；

ρ为平衡因子；T代表一个周期的时间；a0表示主用户信道空闲，而认知用户也检测到主用户不存在的概率；b0表示主用户信道被占用，而认知用户检测到主用户不存在的概率；a1表示主用户信道空闲，而认知用户检测到主用户存在的概率；b1表示主用户信道被占用，而认知用户也检测到主用户存在的概率；N0为噪声方差；ξ为非负数，能量价格因子；λ,μ为拉格朗日乘数因子；

(k+1)

所述步骤44中，计算出平均发射功率约束对应的拉格朗日因子λ 和平均干扰功率对应的拉格朗日因子μ(k+1)的表达式分别为：λ(k+1)＝[λk-sΔλ]+               (19)μ(k+1)＝[μk-sΔμ]+               (20)其中：Δλ＝Pav-[(a0+b0)Pt(0)+(a1+b1)Pt(1)]，Δμ＝Γ-(b0Pt(0)+b1Pt(1))；

k是迭代次数；

s是更新步长；

λ,μ为拉格朗日乘数因子；

Γ为主用户所能忍受的最大干扰功率；

Pav表示为认知用户所能发射的最大的发射功率。