CN104393956A - 一种用于无线携能通信系统最大化和速率预编码方法 - Google Patents

Abstract

无线携能通信系统中，本发明通过基站首先获得所有信道状态信息，之后建立以信息用户和速率为优化目标的优化模型。迭代优化预编码矩阵的操作步骤如下：(1)初始化阶段：将目标函数通过一阶近似转化为凸函数，此时在发送功率及能量用户接收功率约束下最大化信息用户和速率问题为一凸问题，将发送信号协方差矩阵设为零矩阵，求解该问题。(2)迭代阶段：将上一次求解优化问题得到的发送信号协方差矩阵代入目标函数，继续求解，直至信息用户和速率收敛。理论证明本发明方法性能局部最优，与现有方法相比，本发明方法通过渐进凸逼近将问题转化为凸问题进行求解。无线携能通信系统使用本发明提出的预编码方法可以有效地提高信息用户和速率。

Description

一种用于无线携能通信系统最大化和速率预编码方法

技术领域

本发明涉及一种用于无线携能通信系统最大化和速率预编码方法，确切地说，是一种更好地利用频谱与能量资源进行通信与传输能量的方法，属于无线通信技术领域。

背景技术

基于周围环境的无线电信号进行能量采集是一种很有前景的新技术，该技术可以提供廉价快捷的能源。近几十年来，很多机构进行了卓有成效的旨在无线传输能量的研究。若该技术成熟后，可以代替有线输能以节约资源，甚至可以从人造地球卫星将能量传回地球。业界已经积累了若干相关技术。

另一方面，无线电信号早已广泛应用于无线通信中，给人类的生活提供了巨大的便利。因此，最近携能通信引起了广泛关注。事实上，携能通信对于不便充电或不能充电的设备极其有用，例如用于医疗植入的人体传感网。另外，此技术在不久的将来也可以用于蜂窝网络中为移动终端进行有效的充电。

由于多天线技术取得的巨大成功，基于多天线技术的携能通信引起了人们的关注。在发送功率及能量用户接收功率约束下最大化信息用户和速率问题成为该领域的一个关键性的问题，之前也有不少相关研究。但是由于存在多用户干扰导致信息用户和速率为一非凸函数，一般都将多用户干扰彻底消除使目标函数为凹函数。又由于约束条件均为线性条件故既为凸函数又为凹函数，此时问题彻底变成了一凸优化问题。这样一来便可以利用成熟的凸优化工具包来求解。

但是由于对目标函数进行了转化，优化后的结果只最大化转化之后的目标函数，并没有最大化原目标函数。所以该方法的性能仍有待提高，但是由于全局最优化方法涉及很复杂的数学问题，一般只讨论其他方法。

针对现有方法存在的诸多问题，本发明提出了一种基于渐进凸逼近的局部最优化方法。

发明内容

有鉴于此，本发明的目的是提供一种在无线携能通信系统中在发送功率及能量用户接收功率约束下局部最大化信息用户和速率的方法。即通过将目标函数通过渐进凸逼近转化为凸函数，而且并没有增加其余的约束条件。由于迭代过程中，目标函数非减且有上界，故本发明方法一定收敛。另外，由于初始化第一次迭代时的目标函数即与完全消除多用户干扰条件下信息用户和速率表达式相同。因此，与现有方法相比，本发明方法可以获得更高的信息用户和速率。实验表明，本发明方法只需经过5至10次迭代即可收敛，有效地提高信息用户和速率。

为了达到上述目的，无线携能通信系统局部最优预编码方法，用于下述场景：包括一个基站和多个用户的通信系统，用户分为两类，其中一部分接收信号，另一部分用来接收能量；任何用户不能同时接收信号与能量，且信号接收机利用其收到的全部能量来解码信息。基站首先获得所有信道状态信息H₁,...,H_k，其中H_i表示基站至信息接收机的信道矩阵，H_j表示基站至能量接收机的信道矩阵，之后建立以信息用户和速率为优化目标的优化模型。其特征在于：所述方法包括下列两个操作步骤：

上述优化模型具体公式为：

$\left(P\right)\left\{\begin{array}{cc}\underset{\left\{S_i\right\},\∀i\∈K_I}{\max }& \underset{i\∈K_I}{\mathrm{\Σ}}\log \frac{\det (N_{0}I+{\mathrm{\Σ}}_{k\∈K_I}{H}_i{S}_k{H}_i^H)}{\det (N_{0}I+{\mathrm{\Σ}}_{k\≠i,k\∈K_I}{H}_i{S}_k{H}_i^H)}\\ s.t.& \underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(S_i\right)\≤P_T\\ & {\mathrm{\ζ}}_j\underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(H_j{S}_k{H}_j^H\right)\≥Q_j,\∀j\∈K_E\\ & S_i\≥0,\∀i\∈K_I\end{array}\right.$

式中，K_I和K_E分别表示信息用户及能量用户集合，P_T为发送端的最大发送功率，ζ_j为相应能量接收机的能量转换效率，Q_j为相应能量接收机的最低获取能量门限值。

(1)初始化阶段：由于存在多用户干扰信息用户和速率为一非凸函数，将目标函数通过渐进凸逼近转化为凸函数，此时在发送功率及能量用户接收功率约束下最大化信息用户和速率问题为一凸问题，将发送协方差矩阵设为零矩阵，求解该问题。

(11)由于存在多用户干扰信息用户和速率为一非凸函数，将目标函数通过一阶近似转化为凸函数，即可将问题转化为凸问题。

上述近似具体公式为：

$\begin{array}{c}{R}_{\mathrm{ID}}\≥\underset{i\∈K_I}{\mathrm{\Σ}}[\log \det (I+\frac{1}{N_0}\underset{k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k{H}_i^H)-\frac{1}{N_0}\mathrm{tr}\left({\left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)}^{-1}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k{H}_i^H\right)-{\mathrm{\γ}}_i^{\left(n\right)}]\\ =R_{\mathrm{ID}}^{\left(n\right)}\left(\right\{S_i\left\}\right)\end{array}$

式中， ${\mathrm{\Ψ}}_i^{\left(n\right)}=I+\frac{1}{n_0}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k^{\left(n\right)}{H}_i^H$

${\mathrm{\γ}}_i^{\left(n\right)}=\log \det \left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)-\frac{1}{N_0}\mathrm{tr}\left({\left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)}^{-1}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k^{\left(n\right)}{H}_i^H\right)$

(12)将发送协方差矩阵设为零矩阵，即求解如下凸问题：

$\left(P1\right)\left\{\begin{array}{cc}\underset{\left\{S_i\right\},\∀i\∈K_I}{\max }& R_{\mathrm{ID}}^{\left(n\right)}\left(\right\{S_i\left\}\right)\\ s.t.& \underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(S_i\right)\≤P_T\\ & {\mathrm{\ζ}}_j\underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(H_j{S}_k{H}_j^H\right)\≥Q_j,\∀j\∈K_E\\ & S_i\≥0,\∀i\∈K_I\end{array}\right.$

(2)迭代阶段：求解优化问题，得到发送信号协方差矩阵更新代入目标函数，继续求解，直至信息用户和速率收敛。由于每次迭代目标函数不减且有上界，故本发明方法一定收敛。理论证明本发明方法性能局部最优。

(21)求解优化问题，得到发送信号协方差矩阵更新代入目标函数。

(22)判断信息用户和速率是否收敛，若不收敛，令n＝n+1，继续求解优化问题。

(23)若信息用户和速率收敛，则结束该算法。

由于预编码矩阵与发送信号协方差矩阵的关系为最后对S_i利用SVD分解计算预编码矩阵B_i。

由于存在多用户干扰信息用户和速率为一非凸函数，相应的问题不是一个凸问题，难以求解，步骤(11)利用一阶近似将非凸函数转化为凸函数，使非凸问题变成了凸问题，步骤(12)将发送协方差矩阵设为零矩阵，求解上一步中的凸问题，步骤(21)利用得到的发送协方差矩阵代入目标函数，继续求解优化问题。步骤(22)判断信息用户和速率是否收敛，由于该方法一定收敛，若不收敛，继续求解优化问题，直至收敛。步骤(23)若信息用户和速率收敛，则结束该算法。此时，信息用户和速率已经局部最大化。

本发明基于渐进凸逼近的局部最优化方法是一种用于无线携能通信系统中在发送功率及能量用户接收功率约束下局部最大化信息用户和速率的方法。其优点是：在不改变约束条件的前提下，将在发送功率及能量用户接收功率约束下最大化信息用户和速率的问题转化为凸问题，虽然需要迭代求解，但是由于每次迭代目标函数不减且有上界，故本发明方法一定收敛。本发明方法的创新关键是：利用渐进凸逼近方法，将存在多用户干扰下信息用户和速率转化为凸函数，从而使复杂的非凸问题得到有效解决。本发明是一种基于优化的预编码方法，能够有效地提高信息用户的速率，从而使携能通信频谱效率得到提高。

附图说明

图1是本发明应用场景：无线携能通信系统示意图。

图2是本发明最大化和速率预编码方法的流程图。

图3是本发明实施例中，平均和速率与每个用户接收能量约束关系的仿真图。

图4是本发明实施例中，无每个用户接收能量约束条件下平均和速率与迭代次数关系的仿真图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图1，先介绍本发明方法的应用场景：包括一个基站和多个用户的通信系统，用户分为两类，其中一部分接收信号，另一部分用来接收能量；任一用户不能同时接收信号与能量，且信号接收机利用其收到的全部能量来解码信息。图中实线代表信息传输，虚线代表能量传输。基站首先获得所有信道状态信息H₁,...,H_k，其中H_i表示基站至信息接收机的信道矩阵，H_j表示基站至能量接收机的信道矩阵。

参见图2，介绍本发明方法的下列两个操作步骤：

(1)初始化阶段：由于存在多用户干扰信息用户和速率为一非凸函数，将目标函数通过渐进凸逼近转化为凸函数，此时在发送功率及能量用户接收功率约束下最大化信息用户和速率问题为一凸问题，将发送协方差矩阵设为零矩阵，求解该问题。

(11)由于存在多用户干扰信息用户和速率为一非凸函数，将目标函数通过一阶近似转化为凸函数，即可将问题转化为凸问题。

上述近似具体公式为：

$\begin{array}{c}{R}_{\mathrm{ID}}\≥\underset{i\∈K_I}{\mathrm{\Σ}}[\log \det (I+\frac{1}{N_0}\underset{k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k{H}_i^H)-\frac{1}{N_0}\mathrm{tr}\left({\left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)}^{-1}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k{H}_i^H\right)-{\mathrm{\γ}}_i^{\left(n\right)}]\\ =R_{\mathrm{ID}}^{\left(n\right)}\left(\right\{S_i\left\}\right)\end{array}$

式中， ${\mathrm{\Ψ}}_i^{\left(n\right)}=I+\frac{1}{n_0}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k^{\left(n\right)}{H}_i^H$

${\mathrm{\γ}}_i^{\left(n\right)}=\log \det \left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)-\frac{1}{N_0}\mathrm{tr}\left({\left({\mathrm{\Ψ}}_i^{\left(n\right)}\right)}^{-1}\underset{k\≠i,k\∈K_I}{\mathrm{\Σ}}{H}_i{S}_k^{\left(n\right)}{H}_i^H\right)$

(12)将发送协方差矩阵设为零矩阵，即求解如下凸问题：

$\left(P1\right)\left\{\begin{array}{cc}\underset{\left\{S_i\right\},\∀i\∈K_I}{\max }& R_{\mathrm{ID}}^{\left(n\right)}\left(\right\{S_i\left\}\right)\\ s.t.& \underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(S_i\right)\≤P_T\\ & {\mathrm{\ζ}}_j\underset{i\∈K_I}{\mathrm{\Σ}}\mathrm{tr}\left(H_j{S}_k{H}_j^H\right)\≥Q_j,\∀j\∈K_E\\ & S_i\≥0,\∀i\∈K_I\end{array}\right.$

(2)迭代阶段：求解优化问题，得到发送信号协方差矩阵更新代入目标函数，继续求解，直至信息用户和速率收敛。由于每次迭代目标函数不减且有上界，故本发明方法一定收敛。理论证明本发明方法性能局部最优。

(21)求解优化问题，得到发送信号协方差矩阵更新代入目标函数。

(22)判断信息用户和速率是否收敛，若不收敛，令n＝n+1，继续求解优化问题。

(23)若信息用户和速率收敛，则结束该算法。

由于预编码矩阵与发送信号协方差矩阵的关系为最后对S_i利用SVD分解计算预编码矩阵B_i。

为了展示本发明方法的优越性，在此简单证明一下该算法的局部最优性。本方法首先通过将目标函数通过渐进凸逼近转化为凸函数，事实上该凸函数为目标函数的一个下界。而且本方法并没有增加其余的约束条件，初始化第一次迭代时的目标函数即与无多用户干扰条件下优化和速率表达式相同。因此，本方法第一次迭代即优于传统的消除多用户干扰的方法。另外，由于迭代过程中，目标函数非减且有上界，故本发明方法一定收敛。

为了展示本发明方法的实用性能，申请人进行了多次仿真实施试验。试验系统中的网络配置模型为图1所示的应用场景。仿真试验的结果如图3和图4所示，分别从平均和速率与每个用户接收能量约束关系以及无用户接收能量约束条件下平均和速率与迭代次数关系两个方面进行了仿真。为了直观地体现本发明方法的优越性，将本方法的仿真结果与现有的消除多用户干扰的优化方法进行了对比。

由图3可以看出，本发明方法明显地提高了整个系统的平均和速率，也就是说所提出的方法能够提高系统的频谱效率。图4表明，本发明方法获得的和速率的提高并不是单纯地靠大量的迭代，第一次迭代即优于传统的无多用户干扰的方法。因此，本发明方法对于处理在发送功率及能量用户接收功率约束下最大化信息用户和速率问题的性能优于现有其它方法。

以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (3)

1.无线携能通信系统局部最优预编码方法，用于下述场景：包括一个基站和多个用户的通信系统，用户分为两类，其中一部分接收信号，另一部分用来接收能量；任何用户不能同时接收信号与能量，且信号接收机利用其收到的全部能量来解码信息。基站首先获得所有信道状态信息，之后建立以信息用户和速率为优化目标的优化模型。其特征在于：所述方法包括下列两个操作步骤：

(1)初始化阶段：将目标函数通过一阶近似转化为凸函数，此时在发送功率及能量用户接收功率约束下最大化信息用户和速率问题为一凸问题，将发送信号协方差矩阵设为零矩阵，求解该问题。

(2)迭代阶段：将上一次求解优化问题得到的发送信号协方差矩阵代入目标函数，继续求解，直至信息用户和速率收敛。由于每次迭代目标函数不减且有上界，故本发明方法一定收敛。理论证明本预编码方法性能局部最优。

2.根据权利要求1所述的方法，其特征在于：所述步骤(1)中，初始化阶段进一步包括下列操作内容：

(11)将信息用户和速率通过一阶近似转化为凸函数，即将在发送功率及能量用户接收功率约束下最大化信息用户和速率问题转化为一凸问题。

(12)将发送信号协方差矩阵设为零矩阵，利用凸优化方法求解该凸问题。

3.根据权利要求1所述的方法，其特征在于：所述步骤(2)进一步包括下列操作内容：

(21)将上一次求解优化问题得到的发送信号协方差矩阵代入目标函数，继续求解优化问题。更新发送信号协方差矩阵。

(22)判断信息用户和速率是否收敛，若不收敛，继续求解优化问题。

(23)若信息用户和速率收敛，则结束该算法。