CN102740373B - 基于端到端中断概率约束的功率分配方法 - Google Patents

Abstract

本发明涉及无线通信技术领域，公开了一种基于端到端中断概率约束的功率分配方法，包括以下步骤：S1：认知终端进行信道测量、主用户感知和业务感知；S2：根据所述信道测量信息和主用户感知信息计算每个认知终端的最大发射功率；S3：根据信道测量信息、主用户感知信息、端到端业务信息和最大发射功率确定由中继路径组成的中继候选集，然后对中继候选集中的每条中继路径分配发射功率；S4：遍历所述的中继候选集，选择某中继路径上所有认知中继节点发射功率之和最小的作为最优的中继选择结果路径，记录此所述最优中继路径在发射功率分配过程中确定的各认知终端的发射功率。本发明提出了最优的中继选择和功率分配流程，达到了节能的目的。

Description

基于端到端中断概率约束的功率分配方法

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于端到端中断概率约束的功率分配方法。

背景技术

随着无线通信技术的演进，多种不同接入技术的无线网络不断涌现，并且在地理位置上重叠覆盖。技术的演进使得用户对高带宽、高速率的无线通信业务的需求日益增长，而匮乏的频谱资源成为限制这一需求实现的主要矛盾。按照现有的固定频谱分配方式，每种网络仅工作在各自的授权频段，由于用户行为在时间以及地域上的不均匀特性使得频谱资源在时间、空间上也存在着利用率不均匀的现象，即：在某一时间内，某些频段业务量比较大，而某些频段却处于空闲状态，因此，造成了频谱资源的极大浪费。为了更加充分的利用这些空闲频段，提高频谱的利用效率，认知无线电应运而生，为解决频谱资源的浪费提供了技术上的支持。

除了认知无线电技术，中继技术作为下一代通信网络中的一项关键技术，将其引入现有的网络也可以带来很多方面性能的提升。例如，将中继部署在现有小区的边缘位置，可以扩大小区的覆盖范围；将中继部署在小区内部，则可以为距离基站较远的、信道条件较差的用户提供更高的服务速率。

综合以上两点，为了提高现有频谱资源的利用效率，并且考虑到引入中继技术给网络带来的好处，认知中继技术的研究十分必要。两者的结合将会使网络提供更优的服务质量，并给小区内的用户带来更完美的业务体验。

目前关于认知两跳中继的研究比较多，而针对认知多跳中继的研究相对较少。即便是针对认知多跳中继的研究，大部分将关注点置于如何进行中继选择并分配信道、功率，来最大化整个系统的吞吐量，也或是仅简单地对通信源、宿节点间的业务端到端中断概率进行分析。然而，在某些功率或者能量受限的场景下，例如，无线传感器网络中，每个终端节点的功率是一定的，最大限度地节约功率资源应当置于首要地位。而目前从节能角度展开对认知多跳中继场景下的中继选择、功率分配的研究还比较少。

目前关于认知多跳中继的研究，主要集中在充分利用已有的功率资源、频谱资源的前提下，同时结合认知系统中主用户的行为特点，进行中继节点的选择并分配功率、频谱资源，达到最大化系统吞吐量的目的。

在多数情况下，寻找系统性能的上界便于最大化资源的利用效率，然而，在某些情况下，不需要追求资源利用率的最大化，而更需要关注如何利用最少的资源来达到系统性能的要求，从而实现节能的目的，例如无线传感器网络。目前在两跳的中继网络中也有一些关注能耗问题的研究，根据两跳中各自信道的信息和服务质量要求计算每跳节点的最优功率，此处的服务质量要求仅仅是用信噪比定义，而没有包含用户的业务需求。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何实现满足节能要求的最优的中继选择和功率分配。

(二)技术方案

为了解决上述技术问题，本发明提供一种基于端到端中断概率约束的功率分配方法，包括以下步骤：

S1：认知终端进行信道测量、主用户感知和业务感知，以获得信道测量信息、主用户感知信息和端到端业务信息；

S2：根据所述信道测量信息和主用户感知信息计算每个认知终端的最大发射功率；

S3：根据所述信道测量信息、主用户感知信息、端到端业务信息和最大发射功率确定由中继路径组成的中继候选集，然后对中继候选集中的每条中继路径分配发射功率；

S4：遍历所述中继候选集，选择所有认知中继节点发射功率之和最小的作为最优中继路径，记录所述最优中继路径在发射功率分配过程中确定的各认知终端的发射功率。

优选地，所述端到端业务信息包括认知源节点到认知宿节点的业务端到端QoS要求，包括从认知源节点到认知宿节点允许的端到端中断概率上限值ρ₀和发生中断的最小传输速率门限值C₀；所述主用户感知信息包括主用户接收机在每跳传输中允许的最大干扰功率Q；所述信道测量信息包括所有认知终端之间以及认知终端与主用户接收机之间的平均信道增益。

优选地，步骤S2中，认知终端i的最大发射功率的计算公式为：其中m_ip是认知终端与主用户接收机间的平均信道增益，P_max是认知终端的功率上界。

优选地，步骤S3中确定由中继路径组成的中继候选集具体为：对于在为每个认知终端都分配最大发射功率的情况下，满足所述业务端到端QoS要求的中继路径m，将该中继路径m放入中继候选集Ψ。

优选地，步骤S3中对中继候选集中的每条中继路径分配发射功率具体为：

S30、根据上限值ρ₀和门限值C₀计算中断要求指标ε₀的初值σ₂表示认知终端的白噪声功率，M表示中继路径的跳数，将M跳中继路径上未分配功率的认知中继节点集合设为U_init，并设U＝U_init；

S31、计算满足所述业务端到端QoS要求的认知终端i的功率：

$P_i^{*}=\frac{1}{{\mathrm{\ϵ}}_0\sqrt{m_{i,j}}}\underset{l\∈U}{\mathrm{\Σ}}\frac{1}{\sqrt{m_{l,j}}}$

其中，m_ij表示认知终端i与认知终端j间的平均信道增益，m_l，j表示认知终端l与认知终端j间的平均信道增益，U表示M跳中继路径上未分配功率的认知中继节点集合，所述认知终端包括认知源节点、认知宿节点和认知中继节点；

S32、若则将P_i ^*作为给认知终端i所分配的发射功率，否则对于的节点i，将最大发射功率赋值为P_i ^*，将i放入最大功率节点集合U₀中，从U_init中删去U₀中的节点后用U_init更新集合U，将中断要求指标更新为 表示认知终端l的最大发射功率，返回步骤S31。

优选地，所述端到端中断概率表示多跳中继路径中的最小传输速率低于发生中断的最小传输速率门限值的概率。

优选地，所述认知中继节点通过时分复用的方式完成多跳的传输。

优选地，所述平均信道增益m_ij＝(d₀/d_ij)^α，其中d₀为参考距离，d_ij为两节点间的距离，α为路径损耗因子。

(三)有益效果

上述技术方案具有如下优点：本发明从用户端到端业务QoS需求的角度出发，在满足通信终端节点端到端中断概率要求和认知中继节点最大功率约束的前提下，结合每跳传输的信道信息，进行基于拉格朗日迭代的最优功率分配、基于无穷搜索的中继节点选择的联合优化，从而达到节能的目的。并且提出了最优的中继选择和功率分配流程，最小化所有中继节点的总功率消耗。

附图说明

图1是本发明所设计的基于端到端中断概率约束的功率分配基本模型；

图2是本发明实施例的方法总流程图；

图3是本发明方法中的中继候选集合Ψ的建立流程图；

图4是本发明方法中的功率分配流程图；

图5是本发明实施例的方法总时序图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明应用于认知多跳中继场景中，所应用的多跳中继场景较为复杂，涉及到的节点数目较多，从用户端到端业务QoS需求的角度出发，结合每跳传输的信道信息、中继节点选择，为了保证认知源节点、认知宿节点的端到端中断概率约束，进行最优的多跳中继路径选择，并为中继节点分配最优的发射功率，从而达到最小化所有中继节点总发射功率消耗的目的。

本发明从节能的角度出发，考虑到认知网络与授权系统在共存式频谱共享方式(underlay spectrum sharing)下，为了避免对授权系统造成严重的干扰，需要约束认知网络中继节点的最大发射功率，同时，结合通信源、宿节点业务的端到端中断概率要求，选择最优的中继路径并且为路径上的中继节点分配最优的功率，从而最小化所有中继节点的总发射功率消耗。

下面结合附图，对本发明作详细的阐述。

认知多跳网络包括一对认知源节点和认知宿节点，以及若干基于地理位置已经划分好的认知中继堆，其中每个认知中继堆中包含若干数目的认知中继节点，以及认知中心决策节点。图1示出了经过M跳中继传输的场景下，基于端到端中断概率约束的功率分配基本模型，主要包含主用户接收机、认知源节点、认知宿节点、若干认知中继节点、认知中心决策节点。该场景下每个中继堆中选定的中继节点通过时分复用的方式完成多跳的传输。认知网络与授权系统间通过underlay方式实现共存式频谱共享。

其中认知源节点、认知宿节点、认知中继节点统称为认知终端，执行业务感知、信道测量、主用户感知。认知中心决策节点包含通信接口模块、认知数据库模块、资源分配模块、性能评估模块四个部分，其中认知数据库模块又包含业务感知、主用户感知、信道感知、功率信息四个认知域，资源分配模块又分为中继选择器和功率分配器。

具体说明如下：

1、认知终端

认知终端具备信道测量和数据解码转发的功能。作为通信的节点，根据业务的传输质量要求，终端需要感知并且存储业务端到端的QoS(Quality of Service)指标。由于认知功能的引入，为了避免对主用户造成严重的干扰，认知终端具备主用户感知的功能。此外，认知终端具备参数上报功能以及根据认知中心决策节点的资源分配结果进行参数配置的能力。

1)业务感知

执行业务感知得到的是端到端业务信息，所述端到端业务信息包括认知源节点到认知宿节点的业务端到端QoS要求，包括从认知源节点到认知宿节点允许的端到端中断概率上限值ρ₀和发生中断的最小传输速率门限值C₀。所述端到端中断概率表示多跳中继路径中的最小传输速率低于发生中断的最小传输速率门限值的概率。

2)信道测量

执行信道测量得到的是信道测量信息，信道测量信息包括所有认知终端之间以及认知终端与主用户接收机之间的平均信道增益，所述平均信道增益m_ij＝(d₀/d_ij)^α，其中d₀为参考距离，d_ij为两节点间的距离，α为路径损耗因子。

3)主用户感知

执行主用户感知得到的是主用户感知信息，所述主用户感知信息包括主用户接收机在每跳传输中允许的最大干扰功率Q。由于underlay频谱共享方式的引入，认知终端需要根据主用户接收机允许的最大干扰功率来调整自身节点的最大发射功率，从而可以保证主用户接收机的通信质量不受影响。

2、认知中心决策节点

认知中心决策节点具有多域信息存储、资源分配的功能，并且对所有资源分配的结果进行性能评估，最后将最优的资源分配结果通过接口模块反馈给各个认知终端，指导其进行参数配置。从结构上看，此节点包含四个模块：通信接口模块、认知数据库模块、资源分配模块、性能评估模块。

1)通信接口模块

该模块主要负责认知终端与认知中心决策节点间的接口信息传递。将认知终端收集的信道测量信息、主用户信息、业务信息上报给数据库模块，并将性能评估模块的最优资源分配结果下发给各认知终端，以指导终端进行参数配置。

2)认知数据库模块

该模块包含4个认知信息域：信道测量信息、主用户感知信息、端到端业务信息、最大发射功率信息。通过通信接口模块与各认知终端的信息交互信息，可以直接从认知终端获得信道测量信息、主用户感知信息、端到端业务信息。根据所述信道测量信息和主用户感知信息可以计算每个认知终端的最大发射功率。认知数据库信息输入到资源分配模块，供中继选择和功率分配。认知终端i的最大发射功率的计算公式为：其中m_ip是认知终端与主用户接收机间的平均信道增益，P_max是认知终端的功率上界。

3)资源分配模块

该模块根据所述信道测量信息、主用户感知信息、端到端业务信息和最大发射功率确定由中继路径组成的中继候选集，然后对中继候选集中的每条中继路径分配功率，将每种分配结果输入到性能评估模块进行评价。该模块包含两个子模块：中继选择器和功率分配器。

31)中继选择器

中继选择器主要用于在每个中继堆中选择一个中继节点进行多跳数据传输。本发明提出基于无穷搜索的中继选择方法。确定由中继路径组成的中继候选集具体为：采用无穷搜索的方法依次遍历所有的可行中继路径，对于在为每个认知终端都分配最大发射功率的情况下，满足所述业务端到端QoS要求的中继路径m，将该中继路径m放入中继候选集Ψ。本发明采用无穷搜索的方法依次遍历所有的可行中继路径，节省了计算时间。中继候选集合Ψ建立的具体流程如图3所示。

32)功率分配器

功率分配器主要为中继候选集合中每条中继路径上的中继节点分配满足端到端中断概率要求和最大功率约束的最小功率值。对中继候选集中的每条中继路径分配功率具体为：

S30、根据上限值ρ₀和门限值C₀计算中断要求指标ε₀的初值σ²表示认知终端的白噪声功率，M表示中继路径的跳数；

S31、计算满足所述业务端到端QoS要求的认知终端i的功率：

$P_i^{*}=\frac{1}{{\mathrm{\ϵ}}_0\sqrt{m_{i,j}}}\underset{l\∈U}{\mathrm{\Σ}}\frac{1}{\sqrt{m_{l,j}}}$

其中，m_ij表示认知终端i与认知终端j间的平均信道增益，m_l，j表示认知终端l与认知终端j间的平均信道增益，U表示M跳中继路径上未分配功率的认知中继节点集合，认知源节点、认知宿节点和认知中继节点统称为认知终端；

S32、若则将P_i ^*作为给认知终端i所分配的发射功率，否则对于的节点i，将最大发射功率赋值为P_i ^*，将i放入最大功率节点集合U₀中，从U_init中删去U₀中的节点后用U_init更新集合U，将中断要求指标更新为 表示认知终端l的最大发射功率，返回步骤S31。

详细的基于拉格朗日迭代的功率分配流程如图4所示。

3、性能评估模块

该模块主要评价所有中继选择以及功率分配结果的性能。遍历所述中继候选集，选择所有认知中继节点发射功率之和最小的作为最优中继路径，记录所述最优中继路径在发射功率分配过程中确定的各认知终端的发射功率。此模块将最优中继选择结果以及功率分配结果通过通信接口模块将最优结果下发给各认知终端，指导其进行参数配置。

本发明的方法时序图如图5所示：

步骤1：认知源节点发起通信请求，通知认知中心决策节点。

步骤2：认知中心决策节点向所有认知终端节点下发信息上报指令。此处信息包含：端到端业务信息、信道测量信息、主用户感知信息。

步骤3：各认知终端节点执行信道测量、主用户感知、业务感知，以获得信道测量信息、主用户感知信息和端到端业务信息。

步骤4：认知终端节点将获得的信道测量、主用户感知信息，以及端到端业务信息通过认知中心决策节点的通信接口模块上报给其中的认知数据库，认知数据库更新信息。

步骤5：认知数据库根据获得的信息，计算并存储每个认知终端的最大发射功率。

步骤6：认知数据库将存储的信息一起上报资源分配模块。

步骤7：资源分配模块分别通过中继选择器确定中继候选集，然后通过功率分配器对候选集中的每条路径分配功率。

步骤8：资源分配模块将中继路径和对应的功率分配结果上报性能评估模块。性能评估模块根据最小总功率花费准则确定最优的中继路径和最优功率分配结果。

步骤9：性能评估模块将资源分配的最终结果通过通信接口模块下发给所有的认知终端节点，并指导其进行最优参数的配置。

由以上实施例可以看出，本发明从用户端到端业务QoS需求的角度出发，在满足通信终端节点端到端中断概率要求和认知中继节点最大功率约束的前提下，结合每跳传输的信道信息，进行基于拉格朗日迭代的最优功率分配、基于无穷搜索的中继节点选择的联合优化，从而达到节能的目的。并且提出了最优的中继选择和功率分配流程，最小化所有中继节点的总功率消耗。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (5)

1.一种基于端到端中断概率约束的功率分配方法，其特征在于，包括以下步骤：

S1：认知终端进行信道测量、主用户感知和业务感知，以获得信道测量信息、主用户感知信息和端到端业务信息；

S2：根据所述信道测量信息和主用户感知信息计算每个认知终端的最大发射功率；

S3：根据所述信道测量信息、主用户感知信息、端到端业务信息和最大发射功率确定由中继路径组成的中继候选集，然后对中继候选集中的每条中继路径分配发射功率；

S4：遍历所述中继候选集，选择所有认知中继节点发射功率之和最小的作为最优中继路径，记录所述最优中继路径在发射功率分配过程中确定的各认知终端的发射功率；

所述端到端业务信息包括认知源节点到认知宿节点的业务端到端QoS要求，包括从认知源节点到认知宿节点允许的端到端中断概率上限值ρ₀和发生中断的最小传输速率门限值C₀；所述主用户感知信息包括主用户接收机在每跳传输中允许的最大干扰功率Q；所述信道测量信息包括所有认知终端之间以及认知终端与主用户接收机之间的平均信道增益；

其中，步骤S3中确定由中继路径组成的中继候选集具体为：对于在为每个认知终端都分配最大发射功率的情况下，满足所述业务端到端QoS要求的中继路径m，将该中继路径m放入中继候选集Ψ；

其中，步骤S3中对中继候选集中的每条中继路径分配发射功率具体为：

S30、根据上限值ρ₀和门限值C₀计算中断要求指标ε₀的初值σ²表示认知终端的白噪声功率，M表示中继路径的跳数，将M跳中继路径上未分配功率的认知中继节点集合设为U_init，并设U＝U_init；

S31、计算满足所述业务端到端QoS要求的认知终端i的功率：

$P_i^{*}=\frac{1}{{\mathrm{\ϵ}}_0\sqrt{m_{i,j}}}\underset{l\∈U}{\mathrm{\Σ}}\frac{1}{\sqrt{m_{l,j}}}$

其中，m_ij表示认知终端i与认知终端j间的平均信道增益，m_l,j表示认知终端l与认知终端j间的平均信道增益，U表示M跳中继路径上未分配功率的认知中继节点集合，所述认知终端包括认知源节点、认知宿节点和认知中继节点；

S32、若则将作为给认知终端i所分配的发射功率，否则对于的节点i，将最大发射功率赋值为将i放入最大功率节点集合U₀中，从U _init中删去U₀中的节点后用U_init更新集合U，将中断要求指标更新为 表示认知终端l的最大发射功率，返回步骤S31。

2.如权利要求1所述的方法，其特征在于，步骤S2中，认知终端i的最大发射功率的计算公式为：其中m_ip是认知终端与主用户接收机间的平均信道增益，P_max是认知终端的功率上界。

3.如权利要求1所述的方法，其特征在于，所述端到端中断概率表示多跳中继路径中的最小传输速率低于发生中断的最小传输速率门限值的概率。

4.如权利要求1所述的方法，其特征在于，所述认知中继节点通过时分复用的方式完成多跳的传输。

5.如权利要求1所述的方法，其特征在于，所述平均信道增益m_ij＝(d₀/d_ij)^α，其中d₀为参考距离，d_ij为两节点间的距离，α为路径损耗因子。