CN105636216B - 基于吞吐量最大化的鲁棒功率分配方法 - Google Patents

Abstract

本发明公开了一种认知双向中继网络中基于吞吐量最大化的鲁棒功率分配方法，主要解决现有等功率分配方法下次用户系统吞吐量较低的问题。其技术方案包括：使用导频信号获取非理想信道状态信息；以最大化系统吞吐量为目标，得到两个次用户节点发射功率与中继节点发射功率之间的关系表达式；然后利用黄金分割法搜索得到中继节点发射功率初始值；根据干扰限制条件得到次用户网络所有节点的功率分配表达式；次用户网络所有节点按照分配的功率发送信号；最后重新获取并估计信道状态信息。本发明具有实现计算复杂度低，对信道适应性强，可获得最大系统吞吐量的优点，特别适合信道状态信息非理想的非对称信道认知双向中继系统。

Description

基于吞吐量最大化的鲁棒功率分配方法

技术领域

本发明属于无线电通信技术领域，特别涉及一种功率分配方法，可用于认知双向中继网络。

背景技术

在新一代移动通信系统中，人们对于通信业务的服务质量和数据传输速率的要求越来越高。高覆盖率、高速率、高服务质量、低成本、低功耗已经成为未来无线通信系统发展的新趋势。然而，本身有限的频谱资源却面临着低利用率的问题，这严重制约了无线通信技术的发展。认知无线电技术可以有效提高频谱利用率，缓解频谱资源的紧缺现状。同时，中继技术通过提高传输效率、抑制相邻小区间的干扰和扩大网络覆盖度，可以极大地提升网络的性能，尤其是在双向放大转发中继中采用模拟网络编码技术，不仅可以使信息交互在两个时隙内完成，而且可以成倍的提高网络吞吐量，并且适合远距离通信。Katti等学者在“Acm Sigcomm Computer Communication Review,2007,37(4):397-408”发表的论文“Embracing wireless interference:analog network coding”说明了采用模拟网络编码技术后网络吞吐量明显得到提升。

由于等功率分配并不是最好的功率分配方案，而合理的功率分配可以提升无线通信系统性能，因此功率分配问题已经是当下的研究重点和热点。现阶段很多学者已经从信息论角度如系统容量和端到端角度如误比特率对功率分配进行了广泛的研究。Q.Yuan等学者在“IEEE International Conference on CECNet，2011:4243-4246”发表的文章“Optimal transmission power allocation for two-way relay channel using analognetwork coding”针对采用模拟网络编码技术的对称业务双向中继系统，基于最大化系统和速率，给出了一种最优功率分配的闭式数学表达式，但是该文章中并没有涉及认知无线电场景。Ubaidulla等学者在“IEEE Wireless Communication Letters,2012,1(3):225-228”上发表的论文“Optimal relay selection and power allocation for cognitivetwo-way relaying networks”针对认知无线电场景，考虑了次用户网络对主用户的干扰，提出了一种使系统吞吐量最大化的功率分配方案，但是并未考虑系统中断性能。

实际通信环境中，由于信道干扰、量化误差等各种因素的影响，想要获得理想信道状态信息是十分困难的。而这对于无线通信中如数据传输速率、误比特率等众多性能是有一定程度影响的。Gacanin等在“IEEE Trans.Wireless Communications,2012,11(2):742-750”上的文章“Performance analysis of analog network coding with imperfectchannel estimation in a frequency-selective fading channel”就分析了在频率选择性衰落信道下，非理想信道状态信息对于使用模拟网络编码技术的系统误比特率性能的影响。特别的是，信道估计误差的存在会使得基于模拟网络编码技术的双向中继系统不能完全消除自干扰，从而降低了系统的性能，并且增加了研究的困难程度。E.Dall’Anese在“IEEE International Conference,2011:1-6”发表的文章“Power allocation forcognitive radio networks under channel uncertainty”在考虑对数正态阴影衰落和小尺度衰落的前提下，基于最大化加权和速率，提出了一种功率分配方案。综上所述，并未有学者结合认知无线电和使用模拟网络编码技术的双向放大转发中继，并且在非完美信道状态信息下，研究基于吞吐量最大化的功率分配方法。

发明内容

本发明的目的在于在结合认知无线电和双向中继的系统中，通过信道估计的方法获得非理想的信道状态信息，提出了一种基于吞吐量最大化的功率分配方法，从而提升通信系统性能。

为了实现上述目的，本发明的技术方案是：在认知双向中继网络中使用模拟网络编码技术，并采用放大转发中继协议，通过信道估计的方法获得非理想的信道状态信息，包括如下步骤：

(1)使用导频信号获取非理想信道状态信息：

(1a)两个次用户节点S₁、S₂同时向中继发送导频信号，中继根据收到的导频信号获取到两个次用户节点的非理想信道状态信息；

(1b)中继节点R发送相同的导频信号给两个次用户节点，两个次用户节点获取到中继节点的非理想信道状态信息；

(2)在系统总功率受限的条件下，以最大化系统吞吐量为目标，得到两个次用户节点S₁、S₂处发射功率值P₁、P₂与中继节点R处发射功率值P_R的关系式为：

式中，P_t为系统总功率，d₁和d₂分别为次用户节点S₁和S₂到中继节点R的距离，α为信道衰落系数，R₁和R₂分别表示次用户节点S₁和S₂处的所需数据速率， τ为相关信道估计误差因子，i∈{1,2,R}，分别表示次用户网络和主用户网络的信道增益方差，M＝P_t-P_R；

(3)构建目标函数并求得功率值P_R：

(3a)构建吞吐量目标函数为：式中，I₁和I₂分别表示次用户节点S₁和S₂处的瞬时信息速率，和分别表示S₁和S₂处的中断概率，通过香农信道容量公式求得这两个中断概率的近似值为：

(3b)将(2)中的P₁、P₂带入(3)中的目标函数，得到一个关于P_R的一维函数f(P_R)，再使用黄金分割法从该一维函数中求出初始的功率值P_R；

(3c)判断初始功率值P_R是否大于其上界值P_I/|h_RP|²，若是，则得到最终功率值否则，将初始值P_R带入(2)中关系式分别得到S₁、S₂处发射功率值P₁、P₂的初始值，其中P_I表示次用户网络所有节点对主用户的干扰门限，h_RP表示中继节点R到主用户的信道增益；

(4)判断初始功率值P₁和P₂是否满足限制条件P₁|h_1P|²+P₂|h_2P|²≤P_I：

若条件满足，初始功率值P₁和P₂即是最终功率值P₁ ^f和功率分配结束；

若条件不满足，则根据假设|h_1P|²＝|h_2P|²和P₁+P₂＝M′，得到M′＝P_I/|h_1P|²，将M′代替M带入(2)中关系式，得到最终功率值P₁ ^f和其中h_1P和h_2P分别表示次用户节点S₁和S₂到主用户的信道增益；

(5)两个次用户节点S₁、S₂分别按照最终功率值P₁ ^f和发送信号，中继节点R按照最终功率值转发信号，开始两时隙的信号互传；

(6)两个次用户节点和中继节点重新获取并估计信道状态信息，同时判断总功率P_t值是否改变：如果信道的状态发生改变或者P_t值改变，则按步骤(2)重新计算功率分配结果；否则，按照原有功率分配结果发送信息。

本发明与现有技术相比具有以下优点：

第一，本发明充分考虑了实际通信环境中的非理想信道状态信息，而不是理想的信道状态信息，因此本发明符合实际通信环境，对环境变化具有鲁棒性的优点；

第二，本发明与传统的等功率分配方法相比，不但高效地利用了频谱资源，而且可以使系统吞吐量最大化，有效地提升了通信系统的性能。

第三，本发明所提出的最佳功率分配方法不仅针对常用的非对称通信业务，而且充分考虑了次用户节点的中断概率，因而更加符合实际应用。

附图说明

图1是已有的认知双向中继通信模型图；

图2是本发明的工作流程图；

图3为用本明方法与现有等功率分配方法进行次用户信息交互时的系统吞吐量对比图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步描述。

参照图1，本发明采用的认知双向中继通信模型包括一个主用户网络和一个次用户网络。其中主用户网络包括一个主用户和一个基站，而次用户网络包括两个相互通信的次用户节点和一个协助通信的中继节点。次用户网络为利用模拟网络编码技术的双向中继网络，每个节点配备单天线，通信方式为半双工，其中中继采取的协议是放大转发协议。在第一时隙内，次用户节点S₁和S₂同时向中继节点R发送单位功率信号，分别为x₁和x₂；在第二时隙内，中继节点R将处理过的混合信号y_R同时发送给两个次用户节点。在此过程中每个节点将对各自的信道状态进行估计，估计方式为：其中h_iR表示次用户节点S_i到中继节点R的实际信道增益，服从高斯分布为估计信道增益，服从高斯分布e_i为信道估计误差，服从高斯分布e_i和是在统计上相互独立，其中i∈{1,2}。

假设中继节点的位置在两个次用户节点之间并分布成一条直线，并将两个次用户节点之间的距离进行归一化，即d₁+d₂＝1。由于存在路径损耗，信道衰落系数选取城市蜂窝阴影的典型值3。

假设所有的节点均具有相同水平的信道估计能力，定义相关信道估计误差因子因此便有和

在实际网络环境中，由于两个次用户节点距离主用户很远，因此两个次用户节点到主用户的信道增益是接近相等的，为了计算简便，假设h_1P＝h_2P＝0.3，同时令h_RP＝0.4，其中h_1P、h_2P和h_RP分别表示次用户节点S₁、S₂和中继节点R到主用户的信道增益。

参照图2，本发明根据图1的认知双向中继通信模型进行功率分配的具体步骤如下：

步骤1，获取并估计信道状态信息。

本实例使用导频信号获取非理想信道状态信息：

(1a)两个次用户节点S₁、S₂同时向中继发送导频信号，中继根据收到的导频信号获取到两个次用户节点的非理想信道状态信息，分别记为和

(1b)中继节点R发送相同的导频信号给两个次用户节点，两个次用户节点获取到中继节点的非理想信道状态信息；

步骤2，以最大化系统吞吐量为目标，按照如下过程可得到两个次用户节点S₁、S₂处发射功率值P₁、P₂与中继节点R处发射功率值P_R的关系式。

(2a)将认知双向中继系统的吞吐量表示为：

式中，I₁和I₂分别表示次用户节点S₁和S₂处的瞬时信息速率，和分别表示S₁和S₂处的中断概率，通过香农信道容量公式求得和近似值为：

其中d₁和d₂分别为次用户节点S₁和S₂到中继节点R的距离，α为信道衰落系数，R₁和R₂分别表示次用户节点S₁和S₂处的所需数据速率，τ为相关信道估计误差因子，i∈{1,2,R}，分别表示次用户网络和主用户网络的信道增益方差。

(2b)在实际通信环境中，I₁和I₂由于瞬变很难确定，可以分别用两节点的要求信息速率R₁和R₂代替，则系统吞吐量就变成了下界值，即式<1>变为：

(2c)对系统吞吐量建立拉格朗日函数，然后进一步得到Karush-Kuhn-Tucker条件为：

其中λ₁、λ₂和λ₃是拉格朗日乘子，P_t为系统总功率，P_I表示次用户网络所有节点对主用户的干扰门限，h_1P、h_2P和h_RP分别表示次用户节点S₁、S₂和中继节点R到主用户的信道增益；

(2d)根据Karush-Kuhn-Tucker条件中的第一个和第二个条件，得出如下等式关系式：

可以证明，当所有节点对主用户干扰都未超过干扰门限时等式P₁+P₂+P_R＝P_t必须成立，因此可根据式<6>和假设P₁+P₂＝M得到两个次用户节点S₁、S₂处发射功率值P₁、P₂与中继节点R处发射功率值P_R的关系式：

步骤3，使用黄金分割法求出初始功率值P_R。

黄金分割法是解决凸优化问题的常用的一维搜索方法，该方法不要求函数可微，计算量小，程序简单，并且可求得最优解。

将(2d)中功率值P₁、P₂带入式<4>中得到一个关于P_R的一维函数为：

使用黄金分割法求得初始值P_R：

(3a)设常数a₁＝0，b₁＝P_t，k＝1，收敛精度ε＞0，令ω₁＝a₁+0.382(b₁-a₁)，φ₁＝a₁+0.618(b₁-a₁)，计算f(ω₁)和f(φ₁)，即用ω₁和φ₁分别代替式<8>中P_R所求得的值；

(3b)判断|b_k-a_k|＜ε是否成立，如果成立，则P_R＝(a_k+b_k)/2，停止迭代，如果不成立，判断f(ω₁)是否大于f(φ₁)，若是则转步骤(3c)，否则转步骤(3d)；

(3c)令常数a_k+1＝ω_k，b_k+1＝b_k，ω_k+1＝φ_k并且φ_k+1＝a_k+1+0.618(b_k+1-a_k+1)，计算f(φ_k+1)并转步骤(3e)；

(3d)令常数a_k+1＝a_k，b_k+1＝φ_k，φ_k+1＝ω_k并且ω_k+1＝a_k+1+0.382(b_k+1-a_k+1)，计算f(ω_k+1)并转步骤(3e)；

(3e)令k＝k+1，转步骤(3b)。

步骤4，求两个次用户节点的最终功率值P₁ ^f和

判断初始功率值P₁和P₂是否满足限制条件P₁|h_1P|²+P₂|h_2P|²≤P_I：

若条件满足，则初始功率值P₁和P₂即是最终功率值P₁ ^f和功率分配结束；

若条件不满足，则根据假设|h_1P|²＝|h_2P|²和P₁+P₂＝M′，得到M′＝P_I/|h_1P|²，将M′代替M带入<7>中关系式，得到最终功率值P₁ ^f和

步骤5，两个次用户节点S₁和S₂与中继节点R按照分配成功的功率值进行信号的互传。

在第一时隙内，两个次用户节点S₁和S₂根据各自所分配的功率值P₁ ^f和同时向中继节点R发送信息；

在第二时隙内，中继节点将信息进行译码，并判断译码是否正确：若正确则将混合信息进行放大处理后，根据分配的发射功率将混合信息同时发送给两个次用户节点，两个次用户节点通过译码得到各自所需的信息；反之，两个次用户节点需重新发送信息。

步骤6，判断所有节点是否需要重新进行功率分配。

两个次用户节点和中继节点重新获取并估计信道状态信息，同时判断总功率P_t值是否改变：如果信道的状态发生改变或者P_t值改变，说明原有的功率分配方案已经不起作用，需要按步骤2重新计算功率分配结果；否则无需重新进行功率分配，按照原有功率分配结果发送信息。

本发明的效果可通过以下仿真做进一步的说明：

1.仿真条件：

本发明在C++平台上仿真得到仿真数据，在Matlab平台上，得到仿真图。

本发明在认知双向中继网络中对基于吞吐量最大化的鲁棒功率分配方法进行了仿真。在图1所示的场景中，以不同的总功率值和相关信道估计误差因子值为例，在独立同分布瑞利衰落信道下进行了对比仿真。

2.仿真内容：

在图1所示的场景中，认知双向中继系统的配置为：在独立同分布瑞利衰落信道下，次用户网络对主用户的干扰门限P_I＝10dB，噪声和值Q＝1.2，次用户节点S₁到中继节点R的距离d₁＝0.3，次用户节点S₁和S₂处的所需数据速率R₁＝1.5，R₂＝2，相关信道估计误差因子τ＝0/0.002/0.005。两个次用户信息交互时，分别采用本发明的功率分配方法和现有等功率分配方法，对两种情况下系统吞吐量性能进行了对比，结果如图3所示，图3中横坐标为系统总功率，单位为分贝dB，纵坐标为系统吞吐量，单位为比特每秒bit/s。

图3中带星形的虚线表示在τ＝0时，使用本发明中提出的最佳功率分配方法完成认知双向中继通信时，系统吞吐量性能仿真曲线；

图3中带圆形的实线表示在τ＝0时，使用传统的等功率分配方法完成认知双向中继通信时，系统吞吐量性能仿真曲线；

图3中带正方形的虚线表示在τ＝0.002时，使用本发明中提出的最佳功率分配方法完成认知双向中继通信时，系统吞吐量性能仿真曲线；

图3中带菱形的实线表示在τ＝0.002时，使用传统的等功率分配方法完成认知双向中继通信时，系统成吞吐量性能仿真曲线；

图3中带三角形的虚线表示在τ＝0.005时，使用本发明中提出的最佳功率分配方法完成认知双向中继通信时，系统吞吐量性能仿真曲线；

图3中带五角星的实线表示在τ＝0.005时，使用传统的等功率分配方法完成认知双向中继通信时，系统吞吐量性能仿真曲线。

由图3可以看出，在τ＝0，即信道状态信息是理想的情况时，同一种分配方法下无论总功率值如何变化，系统吞吐量总是最大的，而随着τ的不断变大，系统吞吐量不断降低。因此可见非理想信道状态信息对于认知双向中继系统性能的不利影响。然而，无论τ如何变化，本发明与现有的等功率分配方法相比，系统吞吐量具有更优良的性能，经过计算得出在τ＝0、τ＝0.002和τ＝0.005该系统性能可以提升9.2％、18.5％和31.6％。同时可发现，随着相关信道估计误差因子的变大，即信道越不理想时，本发明所提出的最佳功率分配方法对系统性能的改善能力越强，显示本发明具有鲁棒性。

Claims (5)

1.一种基于吞吐量最大化的鲁棒功率分配方法，包括：

步骤(1)，使用导频信号获取非理想信道状态信息：

(1a)两个次用户节点S₁、S₂同时向中继发送导频信号，中继根据收到的导频信号获取到两个次用户节点的非理想信道状态信息；

(1b)中继节点R发送相同的导频信号给两个次用户节点，两个次用户节点获取到中继节点的非理想信道状态信息；

步骤(2)，在系统总功率受限的条件下，以最大化系统吞吐量为目标，得到两个次用户节点S₁、S₂处发射功率值P₁、P₂与中继节点R处发射功率值P_R的关系式为：

式中，P_t为系统总功率，d₁和d₂分别为次用户节点S₁和S₂到中继节点R的距离，α为信道衰落系数，R₁和R₂分别表示次用户节点S₁和S₂处的所需数据速率， τ为相关信道估计误差因子， 分别表示次用户网络和主用户网络的信道增益方差，M＝P_t-P_R；

步骤(3)，构建目标函数并求得功率值P_R：

(3a)构建吞吐量目标函数为：式中，I₁和I₂分别表示次用户节点S₁和S₂处的瞬时信息速率，和分别表示S₁和S₂处的中断概率，通过香农信道容量公式求得这两个中断概率的近似值为：

(3b)将步骤(2)中的P₁、P₂代入步骤(3)中的目标函数，得到一个关于P_R的一维函数f(P_R)，再使用黄金分割法从该一维函数中求出初始的功率值P_R；

(3c)判断初始功率值P_R是否大于其上界值P_I/|h_RP|²，若是，则得到最终功率值否则，将初始值P_R代入步骤(2)中关系式分别得到S₁、S₂处发射功率值P₁、P₂的初始值，其中P_I表示次用户网络所有节点对主用户的干扰门限，h_RP表示中继节点R到主用户的信道增益；

步骤(4)，判断初始功率值P₁和P₂是否满足限制条件P₁|h_1P|²+P₂|h_2P|²≤P_I：

若条件满足，初始功率值P₁和P₂即是最终功率值P₁ ^f和功率分配结束；

若条件不满足，则根据假设|h_1P|²＝|h_2P|²和P₁+P₂＝M′，得到M′＝P_I/|h_1P|²，将M′代替M带入步骤(2)中关系式，得到最终功率值P₁ ^f和其中h_1P和h_2P分别表示次用户节点S₁和S₂到主用户的信道增益；

步骤(5)，两个次用户节点S₁、S₂分别按照最终功率值P₁ ^f和发送信号，中继节点R按照最终功率值转发信号，开始两时隙的信号互传；

步骤(6)，两个次用户节点和中继节点重新获取并估计信道状态信息，同时判断总功率P_t值是否改变：如果信道的状态发生改变或者P_t值改变，则按步骤(2)重新计算功率分配结果；否则，按照原有功率分配结果发送信息。

2.根据权利要求1所述的基于吞吐量最大化的鲁棒功率分配方法，其中步骤(1)所述的非理想信道状态信息，是指信道衰落系数的估计值。

3.根据权利要求1所述的基于吞吐量最大化的鲁棒功率分配方法，其中步骤(2)中功率分配表达式，按如下过程得到：

(2a)分别用两个次用户节点的要求信息速率R₁和R₂代替瞬变速率I₁和I₂，将步骤(3) 中的目标函数变为：

(2b)对目标函数建立拉格朗日函数，进一步得到Karush-Kuhn-Tucker条件为：

其中λ₁、λ₂和λ₃是拉格朗日乘子；

(2c)根据Karush-Kuhn-Tucker条件中的第一个和第二个条件，得到一个等式关系式：

根据假设P₁+P₂＝M，由上述等式求得步骤(2)所述的功率分配表达式：

4.根据权利要求1所述的基于吞吐量最大化的鲁棒功率分配方法，其中步骤(3b)中的一维函数，表示为：

5.根据权利要求1所述的基于吞吐量最大化的鲁棒功率分配方法，其中步骤(5)中两个次用户节点S₁、S₂进行两时隙的信号互传，其具体过程是：

在第一时隙内，两个次用户节点根据各自所分配的功率同时向中继节点发送信息；

在第二时隙内，中继节点将信息进行译码，并判断译码是否正确：若正确则将混合信息进行放大处理后，根据分配的发射功率将混合信息同时发送给两个次用户节点，两个次用户节点通过译码得到各自所需的信息；反之，两个次用户节点需重新发送信息。