CN106102154A - 一种优化信息与能量同时传输通信能耗与频谱效率的方法 - Google Patents

Abstract

本发明涉及一种优化信息与能量同时传输无线通信系统的能耗与频谱效率的分布式方法。具体地，本发明解决的问题是：在信息与能量同时传输的无线通信系统中，系统的接收用户(节点)需要满足信息收集量约束以及能量收集量约束的条件，如何通过分布式方法实现最小化系统能耗以及最大化频谱效率。本方法的要点是通过博弈论的方法使得通过每个信息和能量源用户(节点)根据其他用户的信息单独计算，即源用户的分布式的计算，解决上述问题。采用本发明所述方法能够通过分布式的方式，优化信息与能量同时传输无线通信系统的能耗与频谱效率，实现的复杂度较低，具有很高的实用价值。

Description

一种优化信息与能量同时传输通信能耗与频谱效率的方法

技术领域

本发明涉及一种优化无线通信系统能耗与频谱效率的分布式方法，尤其是关于信息与能量同时传输无线通信系统。

技术背景

随着无线通信技术的发展，无线设备得以广泛应用。无线设备对于电力供应有着很严格的要求。对于包括手持无线终端、无线传感器等很多使用电池的设备，电池需要可更换或者可充电。能量收集(Energy Harvesting，EH)为无线系统提供了能持续供电且性价比很高的一种很有前景的解决方案。其中很重要的一种能量供给方式是信息和能量同时传输(Simultaneous Wireless Information and Power Transfer，SWIPT)。SWIPT最近受到工业界和学术界广泛关注和研究，不仅是因为其简单而且因为有实际价值。SWIPT对于例如物联网中或者危险、敌对环境中部署无源可持续运行的无线终端，或者植入在体内的医疗电子设备的持续运行等问题提供了一种很好的能量供给方法。

另外SWIPT是绿色通信技术中的一种方法。绿色通信是对于当今可利用自然资源愈发匮乏以及生态环境愈发恶化所产生的绿色技术创新的一部分。本专利所提出的方法，既包含对通信系统能耗的优化，又包含对频谱效率的优化。能耗的优化即在满足系统运行的条件下尽量降低系统的能耗。随着无线通信技术的广泛应用，同能量一样，无线频谱愈发稀缺，故而产生了在满足系统运行的条件下尽量提高系统的无线频谱效率优化问题。

发明内容

本发明提供了一种基于多用户信息与能量同时传输(SWIPT)系统的分布式的方法，用于优化SWIPT系统的能耗以及频谱效率。

本发明适用于系统包含N个用户组，每个用户组包含源用户(节点)、信息解码(Information Decoding，ID)用户(节点)、能量收集(EH)用户(节点)。源节点的目标是向相应的ID节点发射信号，以及向EH节点发送能量。这N组用户使用相同的信道。此系统中源节点的发射功率策略需要权衡ID节点的信干扰比以及EH节点收集到的能量。对于ID节点，只有同组源节点的信号为有用信号，其他信号包括自然噪声、电路噪声以及其他源节点的信号对于ID节点都是干扰。对于EH节点，所有能被其检测到的信号都可以作为其能量收集的来源。EH节点获得的能量可以但不限于供给同组的ID节点使用，也可以用作其他用途。

本发明解决上述技术问题的技术方案如下：

(1)本系统根据实际需求以及系统设备的特点而设置每个节点的门限参数，即源节点的最大发射功率、ID节点的最小信息接收速率以及EH节点的最小接收功率等。

(2)每个源节点检测当前的系统环境，以获得源节点与每个ID节点和EH节点之间的信道参数。

(3)所有源节点根据(1)(2)中的参数约束，随机生成一组合适(满足约束条件)的初始功率分配方案。

(4)所有源节点相互交换自己所要希望的发射功率值，每个源节点根据其他源节点的功率值计算、评估自己的希望的发射功率值。

(5)重复(4)的分布式计算过程直到本次计算所得到的值和上一次的差距小于目标门限值，则得到最优的发射功率分配方案。

本发明实施例提供的上述至少一个方案可以达到下述有益的技术效果：通过SWIPT系统中源节点的分布式方法，解决了SWIPT系统中的最优化能耗以及频谱效率问题，即最小化能耗、最大化频谱效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明的系统框架示例图。

图2为本发明仿真实验中固定信息接收速率约束R＝1.0×10⁶bps后系统的发射功率与能量收集功率约束的关系。这里用中心算法作为对比说明本分布式方法的有效性。中心算法是在已知系统的全局信息后，通过常规的多变量优化方法，一次求解出最优结果，即最优的发射功率分配方案，下同。

图3为本发明仿真实验中固定能量收集功率约束ω＝0.6W后系统的发射功率与信息接收速率约束的关系。这里用中心算法作为对比说明本分布式方法的有效性。

图4为本发明仿真实验中不同的能量收集功率(p)约束下的分布式算法迭代收敛性能比较，固定R＝1.0×10⁶bps，N＝4.本实验用于说明本方法的收敛特性。

图5为本发明仿真实验中不同的信息接收速率(R)约束下的分布式算法迭代性能比较，固定ω＝0.6W，N＝4.本实验用于说明本方法的收敛特性。

图6为本发明仿真实验中不同用户组数目(N)系统的迭代性能比较，固定R＝1.0×10⁶bps，ω＝0.6W.本实验用于说明本方法的收敛特性。

图7为本发明仿真实验的基本流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

(一)系统模型举例

本系统为SWIPT系统，其系统模型如图1所示。系统包含N个用户组，每个用户组包含源节点s_i(i＝1，2，...，N)、ID节点u_i(在本实例中，假设ID节点数目为1)、EH节点e_i(在本实例中，假设EH节点数目为1)。源节点s_i的目标是向相应的ID节点u_i发射信号，以及向EH节点e_i发送能量。所有节点都配置单天线或者多天线，这N组用户使用相同的信道。u_i节点和e_i节点同时接收信号并分别进行ID和EH，此模式即信息与能量同时传输。如图1所示，源节点s_i与u_j(j＝1，2，...，N)、e_k(k＝1，2，...，N)之间的信道增益分别表示为h_ijD、h_ikE。

在SWIPT系统中需要权衡ID节点的信息接收速率以及EH节点的能量收集功率值。对于节点u_i，只有同组源节点s_i的信号为有用信号，其他信号包括自然噪声、电路噪声以及其他源节点的信号s_-i＝(s₁ ... s_i-1 s_i+1 ... s_N)对于u_i都是干扰，即其信干噪比(Signalto Interference plus Noise Ratio，SINR)与s_i的发射功率正相关，与s_-i中各发射功率负相关。节点e_i则不同，所有能被其检测到的信号都可以作为其EH的来源，所以能量收集功率与每个发射端的发射功率大小正相关。

(二)问题描述举例

对于ID节点u_i，其收到的信号为

$y_{iD}=\underset{j=1}{\overset{N}{\Σ}}{h}_{jiD}\sqrt{p_j}{x}_j+n_{iD},---\left(1\right)$

其中y_iD为u_i接收到的信号量，h_jiD为从源节点s_j到接收节点u_i的信道增益，x_j为源节点s_j发送的单位符号，p_j为源节点s_j发送信号的功率，n_iD为节点u_i收到信号中的除s＝(s₁... s_N)之外的噪声。故第i用户组中u_i的SINR为

${\mathrm{SINR}}_i=\frac{h_{ii}^2{p}_i}{{\Σ}_{j=1,j\≠i}^N{h}_{jiD}^2{p}_j+{\mathrm{\σ}}_{iD}^2},---\left(2\right)$

其中为噪声n_iD的功率。

根据SINR我们可以得到第i用户组中u_i的信息接收速率为

R_i＝W*log₂(1+SINR_i)，(3)

其中W为带宽。

对于EH节点e_i，其收到的信号为

$y_{iE}=\underset{k=1}{\overset{N}{\Σ}}{h}_{kiE}\sqrt{p_k}{x}_k+n_{iE},---\left(4\right)$

其中y_iE为e_i接收到的信号量，h_kiE为源节点s_k到接收节点e_i的信道增益，x_k为源节点s_k发送的单位符号，p_k为源节点s_k发送信号的功率，n_iE为节点e_i收到信号中的除s＝(s₁... s_N)之外的噪声。故第i用户组中e_i的能量收集功率为

$Q_i=\underset{k=1}{\overset{N}{\Σ}}{\mathrm{\ηh}}_{kiE}^2{p}_k+{\mathrm{\σ}}_{iE}^2,---\left(5\right)$

其中η为EH能量转换效率因子。

对于这个多用户干扰系统，本专利的问题也即研究目标是：通过合理安排每个发射端s的功率，在每个u_i满足最小信息接收速率值约束和每个e_i满足最小能量收集功率值约束的条件下，最小化每个源节点的发射功率，即最小化每个s_i的p_i值。这样可以减少能量耗费也可以提高无线频谱效率。

更具体的研究的目标即最小化每个s_i的发射功率问题，可以建模为优化问题

$\begin{array}{cc}\underset{p_i}{\min imize}& p_i\\ subjectto& R_t\≥{\mathrm{\γ}}_t,\\ & Q_t\≥{\mathrm{\ω}}_t,\\ & 0\≤p_t\≤p_t^{\max },t=1,2,\mathrm{...},i,\mathrm{...}N.\end{array},---\left(6\right)$

其中γ_t为节点u_t信息接收速率R_t的最小约束，ω_t为节点e_t能量收集功率Q_t的最小约束，为源节点s_t发射功率p_t的最大约束。

(三)解决方案举例

为了简化问题，我们首先将问题(6)的形式进行转换。对于R_t≥γ_t，详细表达式

W*log₂(1+SINR_i)≥γ_t， (7)

$\frac{h_{ttD}^2{p}_t}{{\mathrm{\Σ}}_{j=1,j\≠t}^N{h}_{jtD}^2{p}_j+{\mathrm{\σ}}_{tD}^2}\≥2^{\frac{{\mathrm{\γ}}_t}{W}}-1,---\left(8\right)$

$p_t-\frac{2^{\frac{{\mathrm{\γ}}_t}{W}}-1}{h_{ttD}^2}(\underset{j=1,j\≠t}{\overset{N}{\Σ}}{h}_{jtD}^2{p}_j+{\mathrm{\σ}}_{tD}^2)\≥0.---\left(9\right)$

对于的Q_t≥ω_t，详细表达式

$\underset{k=1}{\overset{N}{\Σ}}{\mathrm{\ηh}}_{ktE}^2{p}_k+{\mathrm{\σ}}_{iE}^2\≥{\mathrm{\ω}}_t,---\left(10\right)$

$p_t-\frac{1}{h_{ttE}^2}(\frac{{\mathrm{\ω}}_t-{\mathrm{\σ}}_{iE}^2}{\mathrm{\η}}-\underset{k=1,k\≠t}{\overset{N}{\Σ}}{h}_{ktE}^2{p}_k)\≥0.---\left(11\right)$

这样将问题(6)变换为

$\begin{array}{cc}\underset{p_i}{\min imize}& p_i\\ subjectto& p_t-\frac{2^{\frac{{\mathrm{\γ}}_t}{W}}-1}{h_{ttD}^2}(\underset{j=1,j\≠t}{\overset{N}{\Σ}}{h}_{jtD}^2{p}_j+{\mathrm{\σ}}_{tD}^2)\≥0,\\ & p_t-\frac{1}{h_{ttE}^2}(\frac{{\mathrm{\ω}}_t-{\mathrm{\σ}}_{iE}^2}{\mathrm{\η}}-\underset{k=1,k\≠t}{\overset{N}{\Σ}}{h}_{ktE}^2{p}_k)\≥0,\\ & 0\≤p_t\≤p_t^{\max },t=1,2,\mathrm{...},i,\mathrm{...}N.\end{array}.---\left(12\right)$

观察(12)中的三个约束条件，皆为线性空间，所以(12)的约束域是凸集(ConvexSet)，同时这个约束域也是紧致(Compact)的。

问题(12)是对每个节点u_i的优化问题，我们可以将其等价的变换为如下策略非合作博弈(Strategic Non-cooperative Game)，这个博弈是广义纳什均衡问题(GeneralizedNash Equilibrium Problem，GNEP)，如下

G＝<A，Γ，f>， (13)

其中A＝{1，2，...，N}， 即博弈G的策略集Γ是一个耦合(Coupled)的凸且紧致(Convex andCompact)的集合，博弈G的支付函数(Payoff Function)这里选用的是这样选择是为了在不影响问题的性质(在此定义域内求p_t的最小化问题等价于求的最大化问题)的条件下使得其形式便于后继的分析转换。

在(13)中建立的博弈G是一个严格势博弈(Exact Potential Game)，它的一个势博弈函数是

$F\left(P\right)={\mathrm{\&Sigma;}}_{p_t\&Element;P}log(p_t^{\max }-p_t),t\&Element;A,---\left(14\right)$

对于每一个p_t∈A而言F是严格凸(Strict Convex)函数。

观察发现，如果问题(6)可行，则博弈(14)的策略集Γ是紧致的。另外Γ是凸的，则此博弈的纳什均衡存在，这也意味着问题(6)可以得到求解。

通过在策略集Γ上最大化(Maximize)博弈G的严格势函数F，得到的最大值所对应的点将成为G的纯策略(Pure-strategy)纳什均衡，也即(6)、(13)的最优解。

将博弈G的支付函数替换为其的一个严格势函数F后得到博弈

G_P＝<A，Γ，F>， (15)

G_P与G的不同在于支付函数f被替换为F。博弈G_P被称为博弈G的一致博弈(Coordination Game)，G_P与G具有一致的纳什均衡集。由此我们可以通过求G_P的纳什均衡而得出要求的G的纳什均衡。

这个均衡结果即为(二)中问题的解决方案。

(四)实现算法举例

步骤0：设置系统参数。

步骤1：设置k＝0，通过一个合适的初始点以及一个合适的规则化系数μ＞0初始化设置跳转到步骤3.

步骤2：如果p^k+1满足终止条件||p^k+1-p^k||²≤ε，结束此过程并输出最终结果(k+1，p^k+1)。其中ε是根据需求选择的终止条件的值。

否则设置k＝k+1以及

步骤3：for i＝1，2，...，N

计算通过计算

$\begin{array}{cc}\underset{p_i^{k+1}}{\max imize}& F_i\left(p_i^{k+1}\right)+\mathrm{\&mu;}\left|\right|p_i^{k+1}-p_i^k|{|}^2\\ subjectto& p_i^{k+1}\&Element;{\mathrm{\&Gamma;}}_i\left(p_{-i}\right)\end{array}---\left(16\right)$

更新

end

更新

步骤4：设置设置跳转到步骤2.

(五)仿真的说明

对于系统的信道状况，仿真中假设信道衰落因子是ce＝3，节点之间的基础距离为baseD＝2，系统中各节点的距离关系如图1，即s_i与s_i-1、s_i+1、u_i、e_i的距离都为2，s_i-1或s_i+1与u_i、e_i的距离都为则信道的大尺度衰落为信道的小尺度衰落为独立同分布的0均值，单位方差的复高斯随机变量。初始化规整化因子μ＝2.

针对图2、图3：在比较分布式算法和中心算法的仿真中设置用户组数目N＝4，EH以及ID的噪声分别u_i的最大发射功率p^max＝40dBm，信道带宽W＝10⁶Hz，EH的能量转化效率η＝0.9，算法的终止条件ε＝10^-6.简便起见，在仿真中设置：EH节点的约束值相同，ID节点的约束值相同。

针对图4、图5、图6：在说明分布式方法的收敛特性的仿真中，与上述图2、图3所不同的参数变化分别为：图4固定R＝1.0×10⁶bps，N＝4；图5固定ω＝0.6W，N＝4；图6固定R＝1.0×10⁶bps，ω＝0.6W.

(六)仿真分析与结论

图2至图6给出了计算机仿真结果。图2、图3这两组与中心算法对比的仿真结果充分说明本发明提出的分布式算法具有接近中心算法的可靠性。图4、图5、图6分别仿真不同变量的变化：信息接收速率约束、能量收集功率约束、不同用户组数目，对算法的收敛速度的影响。可以发现，这些变量的变化对收敛速度影响较小，在不同的变量变化下，都会经过20次左右的迭代达到收敛。仿真结果表明本发明提出的优化信息与能量同时传输无线通信系统能耗与频谱效率的分布式方法的结果良好，而其迭代收敛速度较快，即方法既可靠也可行，所以此方法是有效的。

上述结果说明本方法实现了：在满足系统信息接收速率约束以及能量收集功率约束下，经过每个源节点单独计算以及分布式运算，最小化系统能耗，同时最小化发射功率也使得系统最小化频谱的使用，这样对其他同频无线通信干扰最小，即最大化系统频谱效率。

以上实施方式仅用于说明本发明，而非对本发明的限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种优化信息与能量同时传输通信能耗与频谱效率优化问题的建模：

(1)原问题为：

$\begin{array}{cc}\underset{p_i}{\min imize}& p_i\\ subjectto& R_t\&GreaterEqual;{\mathrm{\&gamma;}}_t,\\ & Q_t\&GreaterEqual;{\mathrm{\&omega;}}_t,\\ & 0\&le;p_t\&le;p_t^{\max },t=1,2,\mathrm{...},i,\mathrm{...}N.\end{array};$

(2)变换(1)中问题为：

$\begin{array}{cc}\underset{p_i}{\min imize}& p_i\\ subjectto& p_t-\frac{2^{\frac{{\mathrm{\&gamma;}}_t}{W}}-1}{h_{ttD}^2}(\underset{j=1,j\&NotEqual;t}{\overset{N}{\&Sigma;}}{h}_{jtD}^2{p}_j+{\mathrm{\&sigma;}}_{tD}^2)\&GreaterEqual;0,\\ & p_t-\frac{1}{h_{ttE}^2}(\frac{{\mathrm{\&omega;}}_t-{\mathrm{\&sigma;}}_{iE}^2}{\mathrm{\&eta;}}-\underset{k=1,k\&NotEqual;t}{\overset{N}{\&Sigma;}}{h}_{ktE}^2{p}_k)\&GreaterEqual;0,\\ & 0\&le;p_t\&le;p_t^{\max },t=1,2,\mathrm{...},i,\mathrm{...}N.\end{array}$

(3)变换(2)中问题为博弈：

G＝<A，Γ，f>，

其中A＝{1，2，...，N}，

(4)变换(3)中问题为势博弈：

G_P＝<A，Γ，F>，其中其他同(3)。

2.根据权利要求1的结果，实施一种优化信息与能量同时传输通信能耗与频谱效率的方法，其方案为：

(1)本系统根据实际需求以及系统设备的特点而设置每个节点的门限参数，即源节点的最大发射功率、ID节点的最小信息接收速率以及EH节点的最小接收功率等；

(2)每个源节点检测当前的系统环境，以获得源节点与每个ID节点和EH节点之间的信道参数；

(3)所有源节点根据(1)(2)中的参数约束，随机生成一组合适(满足约束条件)的初始功率分配方案；

(4)所有源节点相互交换自己所要希望的发射功率值，每个源节点根据其他源节点的功率值计算、评估自己的希望的发射功率值；

(5)重复(4)的分布式计算过程直到本次计算所得到的值和上一次的差距小于目标门限值，则得到最优的发射功率分配方案。

3.根据权利要求2的方案，具体实施的一种算法是：

步骤0：设置系统参数；

步骤1：设置k＝0，通过一个合适的初始点以及一个合适的规则化系数μ＞0初始化设置跳转到步骤3；

步骤2：如果p^k+1满足终止条件||p^k+1-p^k||²≤ε，结束此过程并输出最终结果(k+1，p^k+1)，其中ε是根据需求选择的终止条件的值；

否则设置k＝k+1以及

步骤3：for i＝1，2，...，N

计算通过计算

$\begin{array}{cc}\underset{p_i^{k+1}}{\max imize}& F_i\left(p_i^{k+1}\right)+\mathrm{\&mu;}\left|\right|p_i^{k+1}-p_i^k|{|}^2\\ subjectto& p_i^{k+1}\&Element;{\mathrm{\&Gamma;}}_i\left(p_{-i}\right)\end{array}$

更新

end

更新

步骤4：设置设置跳转到步骤2。