1.一种基于认知网络中动态功率分配的干扰对齐方法，其特征在于，包括：S1、将次用户的第一预编码矩阵Vi，i＝Kp+1,Kp+2,…,K，分解为第一干扰消除参数Gi和第二预编码矩阵 将第一干扰抑制矩阵Ui分解为第二干扰消除参数Bi和第二干扰抑制矩阵

S2、令主用户与次用户之间的干扰为零，求解第一干扰消除参数Gi和第二干扰消除参数Bi；

S3、在消除了主用户与次用户之间干扰的的情况下，使用交替迭代法求解出最优的第二预编码矩阵、第二干扰抑制矩阵及功率分配Pi，具体包括：

101、开始迭代求解消除次用户间干扰的第二预编码矩阵 第二干扰抑制矩阵 及每个用户所分配的功率pi，设置迭代的收敛阈值z及系统总功率Pt；

102、令n＝1，初始化功率分配pi与第二干扰抑制矩阵 以及与第二预编码矩阵 求此0

时f；

103、固定功率分配、第二干扰抑制矩阵，利用最小干扰泄漏算法求此时最优第二预编码矩阵；

104、在反向通信中，利用信道互易性，固定功率分配、第二预编码矩阵求此时最优第二干扰抑制矩阵；

105、固定第二干扰抑制矩阵、第二预编码矩阵，利用最大和容量算法求此时最优功率分配；

n

106、利用所求功率分配与第二干扰抑制矩阵以及与预编码矩阵求f；

n n‑1

107、当|f‑f |≤z迭代结束，否则令n＝n+1并返回步骤103；

0 n n

其中，n为迭代次数，f 表示初始的信道容量，z表示收敛阈值，f ＝C 表示第n次迭代时的信道容量；Kp为主用户的用户数，K为主用户与次用户的用户数之和。

2.根据权利要求1所述的一种基于认知网络中动态功率分配的干扰对齐方法，其特征在于，所述将次用户的第一预编码矩阵Vi分解为第一干扰消除参数Gi和第二预编码矩阵将第一干扰抑制矩阵Ui分解为第二干扰消除参数Bi和第二干扰抑制矩阵 包括：预编码矩阵：

干扰抑制矩阵：

3.根据权利要求1所述的一种基于认知网络中动态功率分配的干扰对齐方法，其特征在于，所述令主用户与次用户之间的干扰为零，求解第一干扰消除参数Gi和第二干扰消除参数Bi包括：

其中

且i＝Kp+1,Kp+2,…,K，j＝1,2,…,Kp；

若令

Gi取Li的零空间，且维数为 的维数为Bi取Oi的零空间，且维数为 的维数为其中， 为Uj的转置共轭矩阵， 为Bi的转置共轭矩阵，Hij是发送端j到接收端i的信道矩阵，Hik表示用户k到接收端i的信道矩阵，Hki表示用户i到接收端k的信道矩阵，其中k∈[1,Kp]，Kp为主用户的用户数， 表示第Kp个用户的的预编码矩阵，Mi表示用户i发送端的天线数，di表示用户i的自由度，Ni表示用户i接收端的天线数，dj表示用户j的自由度、即用户j发送dj个数据流则用户j的自由度为dj，Hji是发送端i到接收端j的信道矩阵，上标H表示矩阵的转置共轭矩阵，K表示总的用户数。

4.根据权利要求1所述的一种基于认知网络中动态功率分配的干扰对齐方法，其特征在于，所述固定第二干扰抑制矩阵、第二预编码矩阵，利用最大和容量算法求此时最优功率分配包括：

为了求解功率分配，固定最优的预编码矩阵和干扰抑制矩阵，需要满足条件：由凸优化可知上式的最优问题可以通过拉格朗日乘数法解决：其中， 是拉格朗日乘子且 不等于0，令 得到：令 得到：

将上式写成矩阵的形式为：

化简得：

其中，bki为干扰信号功率系数矩阵， bki表示第i个用户对第k个用户的干扰信号功率系数，表示为 bkk为期望信号功率系数矩阵，bkk表示用户k的期望信号功率系数，表示为 k,i∈[1,K]，Uk表示用户k的干扰抑制矩阵，Hki表示发送端i到接收端k的信道矩阵，Vki表示发送端i到接收端k的预编码矩阵， 表示矩阵的范数，K为主用户与次用户的用户数之和，C为信道容量，I为单位矩阵，pi表示用户i的功率，Hkk表示发送端k到接收端k的信道矩阵，Hki表示发送端i到接收端k的信道矩阵，Vkk表示发送端k到接收端k的期望信号的预编码矩阵，Vki表示发送端i到接收端k的期望信号的预编码矩阵，Pt表示系统总功率，上标H表示矩阵的转置共轭矩阵。