CN104066165A - 一种基于能量收集方式的无线通信功率分配方法 - Google Patents

Abstract

本发明公开了一种基于能量收集方式的无线通信功率分配方法，该方法基于“收集-使用-存储”供能模式，包括：步骤一：采用一种“收集-使用-存储”的模式来对通信中的发送节点进行供能，能量收集装置工作在“收集-使用-存储”模式；步骤二：对通信系统进行建模，引入拉格朗日函数，利用最优化的方法求得最佳的功率分配方案和每一时间单元的电池剩余电量以及电池工作模式的关系；步骤三：利用动态规划算法，计算出最佳方案情况下每个时间单元的电池剩余电量和电池工作模式的值；步骤四：将上述步骤三的每个时间单元电池电量的值以及电池工作模式带入步骤二得到的公式中，找到最优功率分配方案；本发明能避免电量损失，且能提高通信的容量。

Description

一种基于能量收集方式的无线通信功率分配方法

技术领域

本发明涉及能量收集和无线通信技术领域，特别涉及一种基于能量收集方式的无线通信系统中的最优功率分配方法。

背景技术

无线传感技术和嵌入式系统发展飞速，在当今社会有着很广泛地应用。然而，现有的这些设备大部分都是由电池供电。因此，如何解决能量问题是这些设备发展过程中的一个很重要的问题。目前，很多节能技术已应用到了这些设备中。然而，这类技术只能减缓电池电量消耗的速度，只在一定程度上提高电池的寿命，而不能解决根本问题。能量收集技术，是一种将环境中的可用能量(光能、震动、温度变化等等)转化成电能的技术。通过这种技术我们可以一直给传感网络或是嵌入式系统供电。能量收集技术的出现，使得无线传感技术和嵌入式系统的供能问题有了很大的改善。

虽然，采用能量收集技术以后，能量源可以一直给负载提供能量。但是，由于能量的到达是一种随机的模型，在下一能量到达之前，系统依旧是一种功率受限的模式。再者，根据能量源的模型不同，一段时间内所能使用的能量也不同，且功率的调整，必定会影响负载工作的性能。所以，根据不同的情况，需要设计一些方案来找到最佳的功率分配策略，使得负载的性能达到最佳。

在无线通信系统中，吞吐量是一个很重要的性能指标。所以，已有一些找到一种最佳功率分配方案的研究，使得基于能量收集的点对点无线通信系统能达到最大的吞吐量。然而，以往的研究，往往是在一种“收集-存储-使用”的模式下对功率进行规划。在这种模式下，收集到的能量会先存放在电池中，然后在需要使用的时候，再从电池中将能量取出来使用。由于电池的转化效率小于1，所以在将电能存到电池中的时候，会有一部分能量损失，这使得最终能够使用的能量大大减少。因此，需要找到一种减少能量损失的供能模式，并且在这种模式下，对能量使用进行规划，从而使得通信系统能达到最大的吞吐量，本发明能够很好地解决上面的问题。

发明内容

本发明目的在于解决上述问题，提出了一种基于能量收集方式的无线通信功率分配方法。

本发明解决其技术问题所采取的技术方案是：本发明提出了一种基于能量收集方式的无线通信功率分配方法，该方法包括如下步骤：

步骤一：采用一种“收集-使用-存储”的模式来对通信中的发送节点进行供能，使能量收集装置工作在“收集-使用-存储”模式。

在这种模式下，在某一时间单元收集到的能量，首先会用于满足这一时间负载的能量消耗。如果负载所需要的能量小于收集到的能量，那么多余的能量将会被存储到电池中去。如果负载所需要的能量等于收集到的能量，那么电池在此时间单元没有任何动作。如果负载所需要的能量大于收集到的能量，那么此时间单元收集到的能量将全部用于给负载供能，此外，不足的能量将会由电池来补足。

步骤二：对通信系统进行建模，引入拉格朗日函数，利用最优化的方法求得最佳的功率分配方案和每一时间单元的电池剩余电量以及电池工作模式的关系。

在已知的无线通信系统中，引入了拉格朗日函数来进行分析，找到在“收集-使用-存储”的模式下的最佳功率分配方案和每一时间单元的电池剩余电量以及电池工作模式的关系。

在本发明的通信系统中，收集到的能量的大小和到达时间都是随机的，且这些信息是发送机已知的。通过对整个通信系统建模，可以得到吞吐量的计算公式以及一些相应的约束条件。

本发明引入拉格朗日函数来对整个最优化问题进行分析，最终得到了最佳分配方案和电池电量以及电池工作模式之间的关系。

步骤三：利用动态规划算法，计算出最佳方案情况下每个时间单元的电池剩余电量和电池工作模式的值。

由于本发明系统模型满足：(1)是一种动态的离散时间系统；(2)其增益函数是随时间递增的，因此，本发明可以把原问题分解成多个子问题。只要找到了这些子问题的解，将其合并以后，就可以得到原问题的解。

在本发明的系统中，本发明利用这种动态规划的方法，将终止状态从后往前迭代，最终解出了最优情况下每个时间单元电池电量的值。

步骤四：将上述步骤三的每个时间单元电池电量的值以及电池工作模式带入步骤二得到的公式中，找到最优的功率分配方案。

有益效果：

1、本发明针对基于能量收集方式供能的无线通信系统，提出了一种“收集-使用-存储”的供能模式，该模式能够大量避免因为存储能量时因电池转化效率不理想而造成的电量损失。

2、本发明用最优化的方法以及动态规划方法对系统模型进行分析，提出了最佳功率分配方案的求解方法，能够使本发明的系统吞吐量有很大地提升。

附图说明

图1为本发明基于“收集-使用-存储”模式的系统结构示意图。

图2为本发明的系统能量模型图。

图3为本发明的后向搜索流程图。

图4为本发明的前向搜索流程图。

具体实施方式

下面结合说明书附图对本发明作进一步的详细说明。

如图1所示，本发明针对利用能量收集方式的无线通系统，提出了一种“收集-使用-存储”的工作模式。在本发明的这种工作模式下，找到了最佳的功率分配方法，该方法大大提升了系统的吞吐量性能。本发明考虑的是一个经典的点对点通信信道。其发送端采用能量收集的供能方式，并且采用“收集-使用-存储”的工作方式。采集到的能量将先用于满足此时的发送功率的需要。如果还有剩余的能量，将会存到转化效率非理想的电池中。相反，如果此时收集的能量不够满足发送功率的需要，系统将会从电池中取出相应的能量来使用。

如图2所示，在本发明的系统中，收集到的能量是随机时刻到达的，并且能量到达的时间和到达的能量值是发送机已知的。E_i表示第i个时间单元起始时到达的能量，S_i表示第i个时间单元结束时的时间，因此，可以通过S_i-S_i-1得到每个时间块的长度l_i。此外，B_i表示第i个时间单元结束时电池剩余的电量，p_i表示第i个时间单元的传输功率。当系统工作在“收集-使用-存储”模式时，如果E_i＞p_il_i,就会有D_i＝E_i-p_il_i的能量存入电池中。相反的，如果E_i＜p_il_i,电池中将会减少p_il_i-E_i的能量，把这个记为-D_i。如果把电池的转换效率记为η_B，泄露速率记为ρ_leak,i那么可以得到 $B_n=B_0+{\mathrm{\η}}_B\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[D_i\right]}^{+}-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[D_i\right]}^{+}-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{\mathrm{leak},i}.$ 考虑到现在使用的电池，大约每个月才泄露电池电量的10％～20％，在短时间内，可以忽略电池的电量泄露。如果，设定初始的电量为0，传输速率

那么寻找最佳功率分配方案的问题就可以转化为以下问题：

$\underset{p_i}{\max }\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{l_i}{2}\log (1+p_i)$

$s.t.B_n=B_0+{\mathrm{\η}}_B\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[D_i\right]}^{+}-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[D_i\right]}^{+}\≥0$

B_N＝0

接下来，引入拉格朗日函数来找到以上问题的解。对于任意的λ_n≥0，定义了一个拉格朗日函数 $L=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{l}_i\log (1+p_i)+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_n({\mathrm{\η}}_B\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[D_i\right]}^{+}-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(-D_i)}^{+}).$ 利用最优化的方法对上述几个式子进行求解，假设j，m为两个电池为0的时刻，对任意k∈[j+1,m-1]得出了最优功率的表达式：

${p_k}^{*}=\left\{\begin{array}{cc}{P}^{+},& E_k>l_k{p}_k\\ P^{-},& E_k<l_k{p}_k\\ E_l/l_k,& E_k=l_k{p}_k\end{array}\right.$

其中， $P^{+}={\left(\underset{n=m}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_n{\mathrm{\&eta;}}_B\right)}^{-1}-1,P^{-}={\left(\underset{n=m}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_n\right)}^{-1}-1.$

由此本发明得到最优功率分配的性质：

在一个山脉之间，充电时分配的功率相等，放电时分配的功率亦然相等，但是相对于充电分配的功率低。(山脉指相邻两个电池为0的block之间的部分)。

另外，P⁺、P^-满足：

(P⁺+1)η_B＝P^-+1

${\mathrm{\&eta;}}_B\underset{i\&Element;G}{\mathrm{\&Sigma;}}{(E_i-P^{+}{l}_i)}^{+}=\underset{i\&Element;L}{\mathrm{\&Sigma;}}(P^{-}{l}_i-E_i)$

其中G,L分别为[j+1,m-1]这段时间内电池增量大于0(充电模式)和小于0(放电模式)的时刻。

由上述分析可知，只要找到电池电量为0的点，并且知道每个时间单元的电池工作模式(即充放电模式)，就可以计算出最佳的功率分配方案。为此，本发明设计了一种动态规划方法来解决上述两个问题。

假设α_k＝η_B[D_k]⁺-[-D_k]⁺，本发明可以得到，当α_k＞0时，电池在充电，相反，当αk＜0时，电池放电。另外，可以求得，第k个时间模块的收益函数为：

$g_k(B_{k-1},{\mathrm{\&alpha;}}_k)=\left\{\begin{array}{cc}\frac{l_k}{2}\log (1+\frac{E_k-\frac{{\mathrm{\&alpha;}}_k}{{\mathrm{\&eta;}}_B}}{l_k}),& {\mathrm{\&alpha;}}_k\&GreaterEqual;0\\ \frac{l_k}{2}\log (1+\frac{E_k-{\mathrm{\&alpha;}}_k}{l_k}),& {\mathrm{\&alpha;}}_k<0\end{array}\right.$

因此，求最大吞吐量的问题就可以转化为求最大收益总和的问题，即：

$\max \underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{g}_k(B_{k-1},{\mathrm{\&alpha;}}_k)$

本发明采用后向迭代的方法来解决这个问题。首先，定义J_k(B_k-1)表示最后的N-k+1个时间单元的最佳收益，那么可以得到：

$J_k(B_{k-1},{\mathrm{\&alpha;}}_k)=\underset{-B_{k-1}\&le;{\mathrm{\&alpha;}}_k\&le;{\mathrm{\&eta;}}_B{E}_k}{\max }\{g_k(B_{k-1},{\mathrm{\&alpha;}}_k)+J_{k+1}\left(B_k\right)\}$

由于最后时刻电池电量为0，可以知道α_N小于0，且最佳取值为-B_N-1。另外可以得到：

$J_N(B_{N-1},{\mathrm{\&alpha;}}_N)=g_N(B_{N-1},{\mathrm{\&alpha;}}_N)=\frac{l_N}{2}\log (1+\frac{E_N+B_{N-1}}{l_N})$

把B_N-1的取值空间进行量化，根据上式，可以得到B_N-1,α_N,J_N(B_N-1,α_N)三者取值关系的表。

接着，向前迭代一步，由于有了B_N-1,α_N,J_N(B_N-1,α_N)三者取值关系的表，根据公式： $J_{N-1}(B_{N-2},{\mathrm{\&alpha;}}_{N-1})=\underset{-B_{N-2}\&le;{\mathrm{\&alpha;}}_{N-1}\&le;{\mathrm{\&eta;}}_B{E}_{N-1}}{\max }\{g_{N-1}(B_{N-2},{\mathrm{\&alpha;}}_{N-1})+J_N(B_{N-1},{\mathrm{\&alpha;}}_N)\}$

可以得到B_N-2,α_N-1,J_N-1(B_N-2,α_N-1)取值关系的表。以此类推，直到迭代到最前一项。此时，得到了N张表格。具体流程如图3所示。

由于知道初始电量B₀＝0，通过前向搜索，也就是依次查N张表的过程，可以找到最优的α₁,α₂,...,α_N，以及相应的电池电量B₁,B₂,...,B_N。具体步骤如图4所示。

最后，将这些取值带入之前的公式，就可以求得每一时间块的最佳功率取值，也就得到了最佳功率分配方案。

Claims (8)

1.一种基于能量收集方式的无线通信功率分配方法，其特征在于，所述方法包括如下步骤：

步骤一：采用一种“收集-使用-存储”的模式来对通信中的发送节点进行供能，能量收集装置工作在“收集-使用-存储”模式；

步骤二：对通信系统进行建模，引入拉格朗日函数，利用最优化的方法求得最佳的功率分配方案和每一时间单元的电池剩余电量以及电池工作模式的关系；

步骤三：利用动态规划算法，计算出最佳方案情况下每个时间单元的电池剩余电量和电池工作模式；

步骤四：将上述步骤三的每个时间单元电池电量的值以及电池工作模式带入步骤二得到的公式中，找到最优的功率分配方案。

2.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，上述步骤1中包括：所述通信中发送节点的工作模式为点对点。

3.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，步骤1中包括：所述“收集-使用-存储”工作模式是指在某一时间单元收集到的能量，首先会用于满足这一时间负载的能量消耗，如果负载所需要的能量小于收集到的能量，那么多余的能量将会被存储到电池中，如果负载所需要的能量等于收集到的能量，那么电池在此时间单元没有任何动作，如果负载所需要的能量大于收集到的能量，那么此时间单元收集到的能量将全部用于给负载供能；不足的能量由电池来补足。

4.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，上述步骤2中包括：在已知的无线通信系统中，引入了拉格朗日函数来进行分析，找到在“收集-使用-存储”的模式下的最佳功率分配方案和每一时间单元的电池剩余电量以及电池工作模式的关系；

在所述方法的系统中，收集到的能量的大小和到达时间都是随机的，且这些信息是发送机已知的；通过对整个通信系统建模，得到吞吐量的计算公式以及一些相应的约束条件。

5.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，上述步骤3中包括，所述方法的系统模型包括：(1)所述系统是一种动态的离散时间系统；(2)所述系统的增益函数是随时间递增的；在所述方法的系统中，利用动态规划的方法，将终止状态从后往前迭代，最终解出最优情况下每个时间单元电池电量的值。

6.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，上述步骤2的公式为：对于任意的λ_n≥0，定义了一个拉格朗日函数 $L=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{l}_i\log (1+p_i)+\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_n({\mathrm{\&eta;}}_B\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left[D_i\right]}^{+}-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(-D_i)}^{+});$ 利用最优化的方法对上述几个式子进行求解，假设j，m为两个电池为0的时刻，对任意k∈[j+1,m-1]得出了最优功率的表达式：

${p_k}^{*}=\left\{\begin{array}{cc}{P}^{+},& E_k>l_k{p}_k\\ P^{-},& E_k<l_k{p}_k\\ E_l/l_k,& E_k=l_k{p}_k\end{array}\right.$

其中， $P^{+}={\left(\underset{n=m}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_n{\mathrm{\&eta;}}_B\right)}^{-1}-1,P^{-}={\left(\underset{n=m}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_n\right)}^{-1}-1;$ 另外，P⁺,P^-满足：

(P⁺+1)η_B＝P^-+1

${\mathrm{\&eta;}}_B\underset{i\&Element;G}{\mathrm{\&Sigma;}}{(E_i-P^{+}{l}_i)}^{+}=\underset{i\&Element;L}{\mathrm{\&Sigma;}}(P^{-}{l}_i-E_i)$

其中G,L分别为[j+1,m-1]这段时间内电池增量大于0，即：充电模式和小于0即：放电模式的时刻；

由上述可知，只要找到电池电量为0的点和电池工作模式，即：充放电模式，就能计算出最佳的功率分配方案。

7.根据权利要求1所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于，所述方法还包括：采用后向迭代的方法；首先，定义J_k(B_k-1)表示最后的N-k+1个时间单元的最佳收益，得到：

$J_k(B_{k-1},{\mathrm{\&alpha;}}_k)=\underset{-B_{k-1}\&le;{\mathrm{\&alpha;}}_k\&le;{\mathrm{\&eta;}}_B{E}_k}{\max }\{g_k(B_{k-1},{\mathrm{\&alpha;}}_k)+J_{k+1}\left(B_k\right)\}$

由于最后时刻电池电量为0，α_N小于0，且最佳取值为-B_N-1；得到：

$J_N(B_{N-1},{\mathrm{\&alpha;}}_N)=g_N(B_{N-1},{\mathrm{\&alpha;}}_N)=\frac{l_N}{2}\log (1+\frac{E_N+B_{N-1}}{l_N})$

把B_N-1的取值空间进行量化，根据上式，得到B_N-1,α_N,J_N(B_N-1,α_N)三者取值关系的表；

接着，向前一步，进行迭代，由于有了B_N-1,α_N,J_N(B_N-1,α_N)三者取值关系的表，根据公式 $J_{N-1}(B_{N-2},{\mathrm{\&alpha;}}_{N-1})=\underset{-B_{N-2}\&le;{\mathrm{\&alpha;}}_{N-1}\&le;{\mathrm{\&eta;}}_B{E}_{N-1}}{\max }\{g_{N-1}(B_{N-2},{\mathrm{\&alpha;}}_{N-1})+J_N(B_{N-1},{\mathrm{\&alpha;}}_N)\}$ 得到B_N-2,α_N-1,J_N-1(B_N-2,α_N-1)三者取值关系的表；以此类推，直到迭代到最前一项；此时，得到了N张表格。

8.根据权利要求7所述的一种基于能量收集方式的无线通信功率分配方法，其特征在于：初始电量B₀＝0，通过前向搜索，也就是依次查N张表的过程，找到最优的α₁,α₂,...,α_N，以及相应的电池电量B₁,B₂,...,B_N。