CN105680920A - 一种多用户多天线数能一体化通信网络吞吐量优化方法 - Google Patents

Abstract

本发明公开了一种多用户多天线数能一体化通信网络吞吐量优化方法，由基站下行波束设计、多用户接收能量概率求解、功率分配和时隙分配四个部分组成。本发明考虑了多用户的RF-DC电路门限以及用户电池容量受限和动态分配，更贴近实际约束，并且在多用户多天线数能一体化通信网络中提高了不同距离用户能量接收的公平性，同时增加了用户间的上行数据传输最小吞吐量。

Description

一种多用户多天线数能一体化通信网络吞吐量优化方法

技术领域

本发明属于数能一体化通信网络技术领域，具体涉及一种多用户多天线数能一体化通信网络吞吐量优化方法的设计。

背景技术

能量收集(EnergyHarvesting，EH)技术因其能为无线传感网络等能量受限网络提供稳定的能量并延长网络生命周期而具有大好发展前景。能量收集技术的能量来源不仅包括周围环境的大多数自然能源，如太阳能、光能、风能、热能、化学能等，还可以将接收的周围无线信号转化成一种电能，如人工获取的射频(RadioFrequency，RF)信号。而基于RF信号的能量收集因其可以不受天气环境影响并提供稳定能量成为研究热点。

无线能量传输(WirelessEnergyTransfer，WET)技术可以收集外在RF信号并通过电路设计将其转化为直流(DirectCurrent，DC)电路用于无线信息传输(WirelessInformationTransfer，WIT)，从而处理一些能量受限和不稳定网络的能量瓶颈问题。数能一体化通信网络(Dataandenergyintegratedcommunicationnetworks，DEINs)是一种能实现数据与能量协作传输的新型网络。在数能一体化网络中，能量和数据可以同时传输，亦可以通过传输能量信号为能量受限设备提供能量进行信息传输，延长网络寿命。在一个典型的多用户数能一体化网络中，基站通过下行WET为用户提供能量，而用户通过这些能量来进行上行WIT。

目前已有研究考虑数能一体化通信网络吞吐量近最优化方案。部分研究中考虑了多用户单天线数能一体化通信网络吞吐量最优化方案，不仅考虑了上行总吞吐量，并基于公平性考虑了一种动态时间分配策略来最优化用户最小吞吐量。部分研究考虑多用户多天线数能一体化网络吞吐量最优化方案，基于公平性提出了联合优化和两个子优化两种方案。

然而，现在对于多用户数能一体化网络吞吐量的研究都没有考虑RF-DC转换电路功率门限，这会造成对上行WIT吞吐量的过高估计。而且，当前研究在做功率和时隙分配时，都没有对用户所携带的电池容量做分析，未考虑电池的容量受限，这不符合实际。另外，当前研究没有考虑动态的功率分配方案，即未考虑某些时隙多用户的接收功率可能为零且上一时隙的功率可以用于下一时隙的方案，这使得上行WIT吞吐量并非最优。

发明内容

本发明的目的是为了解决现有技术中对于多用户数能一体化网络吞吐量的研究中对上行WIT吞吐量的估计过高，并非最优，并且在做功率和时隙分配时未按实际要求考虑电池的容量受限的问题，提出了一种多用户多天线数能一体化通信网络吞吐量优化方法。

本发明的技术方案为：一种多用户多天线数能一体化通信网络吞吐量优化方法，由基站下行波束设计、多用户接收能量概率求解、功率分配和时隙分配四个部分组成，具体包括以下步骤：

S1、确定网络模型，并为其分配时分双工传输协议；

S2、当每个时隙下行WET在发射功率一定时，假设已知信道状态信息(ChannelStateInformation，CSI)和天线波束分配，求每个用户的接收信号，接收功率和接收能量；

S3、定义第一优化目标为最大化最小用户接收功率，得到第一优化目标表达式以及其约束；

S4、根据第一优化目标表达式以及其约束求解出最优波束设计；

S5、根据S2中所得的每个用户给定发射功率对应的在最优波束设计下的接收功率，通过无穷多次的生成随机信道迭代的方式来近似求出接收功率大于其RF-DC转换电路门限的概率，即能量收割概率p_i；

S6、根据能量收割概率p_i为每个用户在每一个时隙分配可用电池量的p_i部分作为上行WIT阶段所用的能量；

S7、根据S6中分配的能量设计动态时隙分配，并定义第二优化目标为最大化用户间最小平均上行吞吐量，得到第二优化目标表达式以及其约束；

S8、根据第二优化目标表达式以及其约束求解出最优时隙分配设计。

进一步地，S1具体包括以下分步骤：

S11、假设数能一体化网络模型由一个基站和多个距离不同的用户组成，确定基站的天线数量、用户数量以及用户的天线数量；同时，确定基站与用户之间的传输信道、基站传输的最大功率、信道间的噪声功率、每个用户与基站的距离、用户的电池最大容量和用户的电路门限值；

S12、对一体化网络采用时分双工模式，确定每个时隙固定周期，且划分为下行WET阶段和上行WIT阶段；在上行WIT阶段基站广播能量信号，在下行WET阶段所有用户通过空分多址(Space-Division-Multiple-Access，SDMA)向基站传输信息。

进一步地，S4具体包括以下分步骤：

S41、将非凸问题经松弛化处理转换为凸问题；

S42、定义拉格朗日函数和对偶函数；

S43、设计多次生成随机信道迭代的算法求解出最优波束设计。

进一步地，S6具体包括以下分步骤：

S61、对于每个时隙，根据上行WIT阶段用户发射功率、电池总容量、可用电池量和确定消耗的电池量大小，得到可用电池量和确定消耗的电池量需满足的约束；

S62、由于存在电路门限，则用户在某个时隙有着收集不到能量的可能，根据平均优化理论，当各个周期的吞吐量趋于平均化时，系统的总性能才会达到最优。因此，我们就要使每个周期传输信息的能量趋于平均化，即每个周期提取出当前可用电池量的p_i部分用来传输信息。

进一步地，S7具体包括以下分步骤：

S71、在基站部署迫零接收机，可以使得上行的信息传输速率与下行的接收功率以及波束设计无关，同时消除了不同用户之间的干扰；确定迫零接收机波束、接收信号以及信道增益；

S72、根据S71所得的迫零接收机波束、接收信号以及信道增益，在已知高斯噪声功率的情况下，根据香农公式确定对应的信息传输速率；

S73、根据能量传输的时间需满足用于能量存储不自溢原则，确定时间约束；

S74、得到第二优化目标表达式以及其约束表达式。

进一步地，S8具体包括以下分步骤：

S81、将非凸问题经松弛化处理转换为凸问题；

S82、定义拉格朗日函数和对偶函数；

S83、设计迭代二分法算法求解出最优时隙分配设计。

本发明的有益效果是：本发明考虑了多用户的RF-DC电路门限以及用户电池容量受限和动态分配，更贴近实际约束，并且在多用户多天线数能一体化通信网络中提高了不同距离用户能量接收的公平性，同时增加了用户间的上行数据传输最小吞吐量。

附图说明

图1为本发明提供的一种多用户多天线数能一体化通信网络吞吐量优化方法流程图。

图2为本发明实施例的数能一体化网络模型示意图。

具体实施方式

下面结合附图对本发明的实施例作进一步的说明。

本发明提供了一种多用户多天线数能一体化通信网络吞吐量优化方法，由基站下行波束设计、多用户接收能量概率求解、功率分配和时隙分配四个部分组成，如图1所示，具体包括以下步骤：

S1、确定网络模型，并为其分配时分双工传输协议。

该步骤具体包括以下分步骤：

S11、假设数能一体化网络模型中基站有M根天线，且一共有K个单天线用户，且M≥K。假设基站与用户之间的信道为瑞利信道，信道参数满足瑞利分布，且信道参数在一个时隙中保持恒定。另设基站传输的最大功率P_max，信道间的噪声功率为σ²，用户与基站的距离分别为D_i(i＝1,...,K)，每个用户的电池最大容量为Q_max，用户的电路门限值分别为α_i(i＝1,...,K)。数能一体化网络模型如图2所示。

S12、对一体化网络采用时分双工模式，设定每个时隙有固定周期T，且划分为τ·T的下行WET阶段和(1-τ)·T上行WIT阶段，其中0≤τ≤1。在开始下行WET之前，广播控制帧用于确定该周期基站与用户进行信息交互的参数，包括最优波束设计、每个用户的能量收集概率和上行下行时隙比例分配等，因为控制帧占得时隙比例与另外两部分相比是非常的小，所以在时隙分配中可以忽略。为方便计算，本发明实施例中假设T＝1s。

S2、当每个时隙下行WET在发射功率一定时，假设第l个时隙第i个用户的上行信道增益其中，α₀是由RF信号传播环境所确定的常数，β为路径衰落指数，C_i表示阴影衰落，g_l,i∈C^M*1为瑞利衰落系数，C^M*1为M*1矩阵。了让CSI已知，假设C_i＝1。因此，下行信道信息可简单表示为h_l,i ^H。假设在下行WET中，x_l0为发送信号。则用户在第l时隙的接收信号y_l,i，接收功率P_l,i和接收能量E_l,i可以分别表示为：

y_l,i＝h_l,i ^Hω_lx_l0+n_l,i，i＝1,...,K；

P_l,i＝x_l0 ²h_l,i ^Hω_lω_l ^Hh_l,i，i＝1,...,K；

E_l,i＝ε_iτ_lP_l,i＝ε_iτ_lx_l0 ²h_l,i ^Hω_lω_l ^Hh_l,i，i＝1,...,K。

其中，n_l,i～CN(0,σ_i ²)为接收机噪声，τ_l为下行WET时间，ω_l为M×1的波束向量，且满足||ω_l||²＝1，ω_l ^H为ω_l的赫米特矩阵，x_l0 ²≤P_max，ε_i为能量转换效率，为方便计算，本发明实施例中假设ε_i＝1。

S3、定义第一优化目标为最大化最小用户接收功率，则第一优化目标表达式为：其约束为：||ω_l||²＝1以及x_l0 ²≤P_max。

S4、根据第一优化目标表达式以及其约束求解出最优波束设计。

为了使用户收到的功率最大化，我们要尽可能的最大化基站的发射功率，因此本发明实施例中便将基站的发射功率选取为最大值来讨论。则接收功率可表示为：

P_l,i(ω_l)＝P_maxω_l ^HH_l,iω_l，其中，H_l,i＝h_l,ih_l,i ^H。

则第一优化目标表达式为：其约束表示为：||ω_l||²＝1。

该步骤具体包括以下分步骤：

S41、将非凸问题，即第一优化目标表达式经松弛化处理转换为凸问题其约束为： $\begin{array}{cc}{P}_{li}\left({\mathrm{\ω}}_l\right)\≥{\stackrel{\‾}{P}}_l& \∀1\≤i\≤K\end{array}$ 和||ω_l||²＝1。

S42、定义拉格朗日函数为： $L(\mathrm{\λ},{\mathrm{\ω}}_l)=-\underset{i=1}{\overset{K}{\Σ}}{\mathrm{\λ}}_i\left(P_{li}\right({\mathrm{\ω}}_l)-{\stackrel{\‾}{P}}_l);$

另定义对偶函数为： $G\left(\mathrm{\λ}\right)=\underset{{\mathrm{\ω}}_l}{\min }L(\mathrm{\λ},{\mathrm{\ω}}_l).$

S43、设计多次生成随机信道迭代的算法求解出最优波束设计，具体为：

初始化一个较大的数值N作为迭代的次数(N越大，对后面求能量采集概率越精确)，初始化suc_time＝0，其中suc_time为一含有K个元素的向量，代表每个用户的成功采集能量次数。开始时初始化P_down＝0，其中，为目标最优功率。另外根据瑞利信道分布特性随机生成一个瑞利信道作为此次迭代的基础。然后我们定义并且初始化λ≥0，接下来我们可以根据矩阵的二次型问题来求出该信道下最优的波束ω_l，同时可以计算出对应的G(λ)。进一步，我们通过对比G(λ)是否大于零来做出决策。如果有G(λ)＞0，那么的选取就是不可行的，接下来我们另然后重新初始化λ≥0再根据上述紧接步骤进行循环。如果G(λ)＜0，那么我们根据次梯度法更新λ，如果更新后的λ不会让循环到达终止条件，那么我们再对该λ求出最优的波束ω_l，进而生成新的G(λ)再进行判断。如果循环终止后仍然有G(λ)＜0，那么表示这个的选取是可行的，然后我们另然后更新再进行下一步的迭代。直至P_up-P_down小于一个允许的误差，那么我们就可以得出最优的其中对应的ω_l也就是最优的波束设计。

S5、根据S2中所得的每个用户给定发射功率对应的在最优波束设计下的接收功率，通过无穷多次的生成随机信道迭代的方式来近似求出接收功率大于其RF-DC转换电路门限的概率，即能量收割概率p_i，具体为：

根据S43中每一层迭代所得的最优的波束设计，进一步求出每个用户接收到的功率，如果对于第i个用户，接收到的功率大于其电路门限，那么我们令suc_time向量的第i个元素suc_time(i)加1，在进行N次迭代循环后，我们可以求出每个用户的能量收割概率为 $p_i=\frac{suc\_time\left(i\right)}{N}.$

S6、根据能量收割概率p_i为每个用户在每一个时隙分配可用电池量的p_i部分作为上行WIT阶段所用的能量。

该步骤具体包括以下分步骤：

S61、对于第l时隙，假设上行WIT阶段第i个用户发射功率为P_l,i'，电池总容量即为电池最大容量为Q_max，可用电池量为Q_l,i，确定消耗的电池量为q_l,i，则q_l,i＝(1-τ_l)P_l,i'；则可用电池量和确定消耗的电池量需满足能量受限约束，能量不自溢约束和能量因果约束，即约束于以下式子：

$\left\{\begin{array}{c}0\≤q_{l,i}\≤Q_{max}\\ Q_{l+1,i}=\min (Q_{l,i}+E_{l+1,i}-q_{l,i},Q_{max})\\ q_{l,i}=\mathrm{\φ}(l,{\left\{E_i\right\}}_{m=1}^l)\end{array}\right.$

其中，φ为因果限制函数，标明分配在第l时隙的能量只能依赖于此刻和l时隙之前的WET过程。

S62、由于存在电路门限，则用户在某个时隙有着收集不到能量的可能，根据平均优化理论，当各个周期的吞吐量趋于平均化时，系统的总性能才会达到最优。因此，我们就要使每个周期传输信息的能量趋于平均化，即每个周期提取出当前可用电池量的p_i部分用来传输信息。

S7、根据S6中分配的能量设计动态时隙分配，并定义第二优化目标为最大化用户间最小平均上行吞吐量，得到第二优化目标表达式以及其约束。

该步骤具体包括以下分步骤：

S71、对于第l时隙，假设上行WIT阶段基站接收到第i个用户发射的信号表示为：i＝1,...,K。其中，n_l∈C^M*1表接收机处附加高斯白噪声，并且x_l,i表示第i个用户的发射信号，且满足x_l,i ²＝P_l,i'。用户在基站部署迫零接收机，可以使得上行的信息传输速率与下行的接收功率以及波束设计无关，同时消除了不同用户之间的干扰，则假设迫零接收波束向量为V＝{v_l,1,...,v_l,K}。定义H_-l,i＝[h_l,1,...,h_l,i]^H，i＝1,...,K，对其进行奇异值分解，即其中X_l,i∈C^(K-1)*(K-1),C^(K-1)*(K-1),C^M*(K-1),C^M*(M-K+1)分别表示(K-1)*(K-1)、M*(K-1)以及M*(M-K+1)矩阵。那么，迫零接收机波束向量可表示为 $v_{l,i}^{ZF}=\frac{{\tilde{Y}}_{l,i}{\tilde{Y}}_{l,i}^H{h}_{l.i}}{\left|\right|{\tilde{Y}}_{l,i}^H{h}_{l.i}\left|\right|},$ 信道增益可表示为 ${\tilde{h}}_{l,i}=\left|\right|{\tilde{Y}}_{l,i}^H{h}_{l.i}|{|}^2.$

S72、根据S71所得的迫零接收机波束、接收信号以及信道增益，在已知高斯噪声功率的情况下，根据香农公式确定对应的信息传输速率i＝1,...,K，其中为基站处附加高斯白噪声。

S73、根据能量传输的时间需满足用于能量存储不自溢原则，0≤τ_l≤η_l，确定时间约束 ${\mathrm{\η}}_l=\min \left(\underset{i}{\min }\right(\frac{Q_{i,\max }-Q_{l,i}}{P_{l,i}}),1).$

S74、得到第二优化目标表达式以及其约束表达式。

第二优化目标为最大化用户间最小平均上行吞吐量，即MAXMIN但我们已经根据前面步骤为每个时隙做好功率分配，即每个时隙为上行分配可用电池量的p_i部分，因此我们只需要优化每个时隙的动态分配，因此第二优化目标转变为： $\begin{array}{cc}MAX& MIN(1-{\mathrm{\τ}}_l)log(1+\frac{h_{l,i}{p}_i(Q_{l,i}+{\mathrm{\τP}}_{L,i})}{(1-{\mathrm{\τ}}_l){\mathrm{\σ}}^2}),\end{array}$ 其约束为：0≤τ_l≤η_l。

S8、根据第二优化目标表达式以及其约束求解出最优时隙分配设计。

该步骤具体包括以下分步骤：

S81、将非凸问题，即第二优化目标表达式经松弛化处理转换为凸问题其约束为：和0≤τ≤η。

S82、定义拉格朗日函数为： $L(\mathrm{\λ},\mathrm{\τ})=-\underset{i=1}{\overset{K}{\Σ}}{\mathrm{\λ}}_i\left(R_{li}\right(\mathrm{\τ})-{\stackrel{\‾}{R}}_l);$

另定义对偶函数为： $G\left(\mathrm{\λ}\right)=\underset{\mathrm{\ω}}{min}L(\mathrm{\λ},\mathrm{\τ}).$

S83、设计迭代二分法算法求解出最优时隙分配设计，具体为：

开始时初始化对于给出的λ≥0，我们可以根据黄金分割查找法来求出最优的τ，进而可以求出对应的G(λ)，若G(λ)＞0，则不可行，我们可以进而根据二分法降低进行下一次的迭代。若G(λ)＜0，那么根据椭球体法更新λ，直到收敛到一个λ^*使得G(λ^*)最大，若仍然有G(λ^*)≤0，那么是可行的，我们进而根据二分法增大进行下一次迭代。直至最终取得一个最优的值。然后对应的τ即为我们求得的最优时隙分配。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，包括以下步骤：

S1、确定网络模型，并为其分配时分双工传输协议；

S2、当每个时隙下行WET在发射功率一定时，假设已知信道状态信息和天线波束分配，求每个用户的接收信号，接收功率和接收能量；

S3、定义第一优化目标为最大化最小用户接收功率，得到第一优化目标表达式以及其约束；

S4、根据第一优化目标表达式以及其约束求解出最优波束设计；

S5、根据S2中所得的每个用户的接收功率，近似求出接收功率大于其RF-DC转换电路门限的概率，即能量收割概率p_i；

S6、根据能量收割概率p_i为每个用户在每一个时隙分配可用电池量的p_i部分作为上行WIT阶段所用的能量；

S7、根据S6中分配的能量设计动态时隙分配，并定义第二优化目标为最大化用户间最小平均上行吞吐量，得到第二优化目标表达式以及其约束；

S8、根据第二优化目标表达式以及其约束求解出最优时隙分配设计。

2.根据权利要求1所述的多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，所述S1具体包括以下分步骤：

S11、假设数能一体化网络模型由一个基站和多个距离不同的用户组成，确定基站的天线数量、用户数量以及用户的天线数量；同时，确定基站与用户之间的传输信道、基站传输的最大功率、信道间的噪声功率、每个用户与基站的距离、用户的电池最大容量和用户的电路门限值；

S12、对一体化网络采用时分双工模式，确定每个时隙固定周期，且划分为下行WET阶段和上行WIT阶段；在上行WIT阶段基站广播能量信号，在下行WET阶段所有用户通过空分多址向基站传输信息。

3.根据权利要求1所述的多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，所述S4具体包括以下分步骤：

S41、将非凸问题经松弛化处理转换为凸问题；

S42、定义拉格朗日函数和对偶函数；

S43、设计多次生成随机信道迭代的算法求解出最优波束设计。

4.根据权利要求2所述的多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，所述S6具体包括以下分步骤：

S61、对于每个时隙，根据上行WIT阶段用户发射功率、电池总容量、可用电池量和确定消耗的电池量大小，得到可用电池量和确定消耗的电池量需满足的约束；

S62、每个周期提取出当前可用电池量的p_i部分用来传输信息。

5.根据权利要求1所述的多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，所述S7具体包括以下分步骤：

S71、在基站部署迫零接收机，确定迫零接收机波束、接收信号以及信道增益；

S72、根据S71所得的迫零接收机波束、接收信号以及信道增益，在已知高斯噪声功率的情况下，根据香农公式确定对应的信息传输速率；

S73、根据能量传输的时间需满足用于能量存储不自溢原则，确定时间约束；

S74、得到第二优化目标表达式以及其约束表达式。

6.根据权利要求1所述的多用户多天线数能一体化通信网络吞吐量优化方法，其特征在于，所述S8具体包括以下分步骤：

S81、将非凸问题经松弛化处理转换为凸问题；

S82、定义拉格朗日函数和对偶函数；

S83、设计迭代二分法算法求解出最优时隙分配设计。