CN106412927A - 协同传输能量收集认知无线电网络最佳资源分配方法 - Google Patents
协同传输能量收集认知无线电网络最佳资源分配方法 Download PDFInfo
- Publication number
- CN106412927A CN106412927A CN201610828615.2A CN201610828615A CN106412927A CN 106412927 A CN106412927 A CN 106412927A CN 201610828615 A CN201610828615 A CN 201610828615A CN 106412927 A CN106412927 A CN 106412927A
- Authority
- CN
- China
- Prior art keywords
- secondary user
- energy
- channel
- user
- cognitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种协同传输能量收集认知无线电网络最佳资源分配方法,解决现有认知无线电资源分配策略无法满足能量收集需求和保证次级用户之间公平性的问题。实现步骤是:设置目标参数;初始化次级用户参数;次级用户参数迭代计算;次级用户感知时间迭代条件判断;得到最佳次级用户参数;完成协同传输能量收集绿色认知无线电网络的最佳资源分配。本发明在保证能量收集器的最小能量收集需求以及给次级用户提供更好的公平性的情况下,能快速获得最大公平性的信道分配、最佳感知时间和最佳功率分配;利用能量收集器对认知基站发送的射频信号能量收集,能量循环利用,提高使用效率;本发明计算复杂度低,具有工程化应用的前景。
Description
技术领域
本发明属于无线通信技术领域,涉及频谱感知共享保证公平性的最佳资源分配方案,具体是一种协同传输能量收集认知无线电网络最佳资源分配方法,用于无线通信的资源分配。
背景技术
近年来,移动设备数和人们对通信数据率的需求急剧地增长,使得有限的频谱资源日益拥挤。根据美国联邦通信委员会的统计资料,2012年到2015年,移动设备用户数从40.8亿增长到45.5亿。与此同时,自2009年到2014年,现有的蜂窝基站的数据业务量平均增长了12.5倍。另据欧洲联盟委员会第七架构规划(FP7)资料,预测到2020年,移动用户数将增长至76亿,每个用户平均每年需要的数据量从2012年的10GB增长至2020年的82GB。另一方面,为了满足更多的移动设备及更高的数据量需求,由通信和信息技术消耗的能量和释放的CO2量越来越多,导致温室效应变得更加严重。根据现有的数据显示,2013年,全球通信与信息技术消耗的能量占全年消耗的总能量的10%,释放的CO2量占全年CO2释放量的4%。据预测至2020年,由通信与信息技术释放的CO2量将增至全年CO2释放量的8%。
为了缓解全球温室效应问题,中国政府致力于推进加强节能,提高能效工作。在哥本哈根全球气候大会上,中国政府作出庄严承诺:争取到2020年中国单位GDP二氧化碳排放将比2005年下降40%到45%。在2016年3月份,国家发改委颁布了“十三五”发展规划,明确提出了建立天地一体化信息网络的目标。在此背景下,兑现单位GDP二氧化碳排放量的目标面临严峻挑战。因此,未来通信网络需要解决“连续广域覆盖”、“热点高容量”、“低时延高可靠性”和“低功耗大连接”四大基本问题。
作为解决频谱稀缺问题和降低温室效应有效技术之一,能量收集绿色认知无线电致力于高效利用能量的同时,在次级用户(也称之为非授权用户)对主用户(也称之为授权用户)造成的干扰在主用户可容忍的范围内,允许次级用户接入主用户频段进行信息传输。在能量收集绿色认知无线电网络中,最佳的资源分配方案既能在有限的功率下提供次级用户更高的传输率,又能更好地保护主用户传输质量。而且,在能量收集绿色认知无线电网络中,最佳资源分配方案可以降低网络的铺设成本,在获得经济绿色认知无线电网络的同时减少温室气体的排放。同时,最佳资源分配方案能在提供次级用户更好的用户体验的同时,满足能量收集器的能量收集需求。因此,在能量收集绿色认知无线电网络中,设计最佳的资源分配方案尤为重要。
现有的最佳资源分配策略主要针对以下两种机制进行设计:
1)机会频谱接入机制。机会频谱接入机制的思想是,次级用户在检测到主用户不存在情况下,次级用户使用主用户频段进行传输。在该机制下,次级用户需要准确快速的对主用户频段进行检测。由于现有的频谱感知技术不能达到完全准确的检测效果,当主用户不存在,但次级用户误判主用户存在时,次级用户会放弃使用该频段以保护主用户;而当主用户存在,但次级用户误判主用户不存在时,次级用户使用主用户频段进行传输,将对主用户产生干扰。因此最佳功率分配策略的设计在该机制中不仅能起到保护主用户的作用,而且能提供次级用户最大传输速率。
2)频谱共享机制。在频谱共享机制下,次级用户和主用户共享同一个频段,次级用户不需要对主用户状态进行检测。在该机制下,为了保证主用户的服务质量,次级用户需要最佳设计其发送功率。由于在频谱共享机制下,频谱效率更高且次级用户能获得更好的服务质量,因此在频谱共享机制下,设计最佳功率分配策略更为重要。
在传统的认知无线电下,现有的资源分配方法(1:S.Wang,Z.H.Zhou,M.Ge,andC.Wang,“Resource allocation for heterogeneous cognitive radio networks withimperfect spectrum sensing”IEEE J.Sel.Areas Commun.,vol.31,no.3,pp.464-475,Mar.2013.2:H.Zhang,J.Chun,X.Mao,and H.Chen,“Interference-limited resourceoptimization in cognitive radio femtocells with fairness and imperfectspectrum sensing”IEEE Trans.Veh.Technol.,vol.65,no.3,pp.1761-1771,Mar.2016.)是在给定的约束条件下,根据信道条件,通过调整信道分配及次级用户发送功率,达到使得次级用户获得最大容量的目标。此功率分配方法,只与约束条件、次级用户发送端到次级用户接收端、次级用户发送端到主用户接收端、主用户发送端到次级用户接收端的信道增益、主用户发送功率、次级用户接收端的噪声功率有关,而与能量收集需求无关。这种功率分配方法,由于没有考虑到能量收集器的能量收集需求和频谱感知性能的影响,使得其无法适用于能量收集绿色认知无线电网络。
现有的基于两种机制设计的最佳资源分配策略:机会频谱接入机制不仅要检测主用户的状态,而且在检测过程中还有可能出现判断错误,导致频谱资源浪费或对主用户的传输造成干扰;频谱共享机制,没有考虑到能量收集器的能量收集需求和频谱感知性能的影响,造成能量浪费。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种使次级用户更加公平,能量循环利用的基于频谱感知共享的适用于能量收集认知无线电网络的最佳资源分配方法,以满足能量收集器的能量需求,保证用户之间的公平性及最大化次级用户间最小吞吐量。
为实现上述目的,本发明采用了如下的技术方案:
本发明是一种协同传输能量收集绿色认知无线电网络最佳资源分配方法,运行在有认知基站、网络、认知用户构成的通信系统中,认知用户有主用户和次级用户,主用户至少有一个,次级用户至少有一个,主用户与次级用户均可作为目标,其特征在于,包括如下步骤:
(1)根据绿色认知无线电网络能量收集需求进行目标参数设置,认知用户根据绿色认知无线电网络设计目标设置目标检测概率帧长T,认知基站最大传输功率Pth,认知基站主用户最大可容忍的干扰功率PI,i>0,能量收集器的最小能量收集需求
(2)初始化次级用户参数,包括次级用户感知时间τ,参与次级用户迭代计算的迭代次数n,参与次级用户迭代计算的参数有信道空闲时次级用户发送功率信道传输信息时次级用户发送功率和信道分配初始化后迭代次数n=0;
(3)次级用户参数迭代计算,计算次级用户发送功率信道分配次级用户间最小吞吐量Γn,其中为信道指示,取值为0或1,0表示信道处于空闲状态,1表示信道处于通信状态,下标i为主用户序号,m为次级用户序号,n为迭代次数;
(4)迭代条件判断,对经过迭代后得到的次级用户感知时间τn进行判断,如果τn小于等于T,n加1,τ加1,返回步骤3继续迭代;反之,即τn大于T,执行步骤5;
(5)当次级用户感知时间τn大于T时,开始对得到的n个次级用户间所有吞吐量Γn进行比较,取其中最大的Γn值,作为次级用户之间最小吞吐量Γ,得到最佳次级用户参数;
(6)完成在保证能量收集器的最小能量收集需求的同时给次级用户提供更好的公平性的协同传输能量收集认知无线电网络的最佳资源分配。
本发明是基于协同传输的可用于能量收集绿色认知无线电系统中在保证能量收集需求下的最佳资源分配方案。其中限定了认知基站最大传输功率、认知基站主用户最大可容忍的干扰功率以及能量收集器的最小能量收集需求,经过迭代计算得到次级用户最佳发送功率,最佳信道分配,次级用户最佳感知时间以及次级用户之间最小吞吐量,是一种使次级用户更加公平,能量循环利用的基于频谱感知共享的适用于能量收集绿色认知无线电网络的最佳资源分配方法,同时能满足能量收集器的能量需求,保证用户之间的公平性及最大化次级用户间最小吞吐量。
与现有技术相比,本发明具有以下优点:
1、由于本发明对次级用户发送功率的约束,对能量收集器最小能量收集约束和对主用户干扰功率的约束,因此能比传统的最大化容量之和的资源分配策略提供基于感知频谱共享机制的绿色认知无线电网络中的次级用户更好的公平性。
2、由于本发明仅对次级用户的参数进行迭代计算,计算简单,能快速获得最大公平性下的信道分配,因此也能快速获得最佳感知时间和最佳功率分配策略。
3、由于本发明设置了能量收集器的最小能量收集需求,利用能量收集器对认知基站发送的射频信号进行能量收集,实现能量的循环利用,提高能量的使用效率。
4、本发明计算复杂度低,具有实际中广泛应用即工程化应用的前景。
附图说明
图1是本发明的实现流程框图;
图2是本发明在不同次级用户数下次级用户间最小吐吞量与感知时间关系曲线图;
图3是本发明与传统最大化次级用户容量之和框架下获得的吞吐量对比图;
图4是本发明在不同需求下不同的能量收集器个数获得的次级用户间最小吐吞量的对比图。
具体实施方式
近年来,移动设备数和人们对通信数据率的需求急剧增长,使得有限的频谱资源日益拥挤,同时为了满足更多的移动设备及更高的数据量需求,由通信和信息技术消耗的能量、释放的CO2量越来越多,导致温室效应变得更加严重。每个移动设备消耗的能量和释放的CO2的减少都有助于缓解温室效应,为了缓解全球温室效应问题,需要在频谱共享中寻求最佳的分配方法分配有限的频谱资源,尽量减少能量的损失以及温室气体的排放。
现有的最佳资源分配方案,只是根据信道条件,通过调整信道分配及次级用户发送功率,使得次级用户获得最大容量。即不能保障次级用户的公平性,也不能满足通信网络低功耗的需求问题,没有做到对能量的循环利用,针对此问题,本发明展开了探讨与研究,提出了一种不需要对主用户进行检测,能够更好地解决这一问题的协同传输能量收集认知无线电网络最佳资源分配方法。
下面结合附图对本发明详细说明
实施例1
本发明是一种协同传输能量收集认知无线电网络最佳资源分配方法,运行在有认知基站、网络、认知用户构成的通信系统中,认知用户有主用户和次级用户,主用户至少有一个,次级用户至少有一个,主用户与次级用户均可作为目标,参见图1,包括如下步骤:
(1)根据绿色认知无线电网络能量收集需求进行目标参数设置,认知用户根据绿色认知无线电网络设计目标设置目标检测概率帧长T,认知基站最大传输功率Pth,认知基站主用户最大可容忍的干扰功率PI,i>0,能量收集器的最小能量收集需求
本例中,将绿色认知无线电网络的帧长度设置T为120毫秒;目标检测概率的设置取决于网络中对主用户传输质量的保护程度,如果主用户传传输质量需要很好的保护,目标检测概率设置趋近于1,可将目标检测概率设置为0.9;认知基站的最大传输功率Pth设置为12dB;主用户最大可容忍干扰功率设置为-12dB;能量收集器的最小能量收集需求约束根据网络的需求进行设置,通过调整最小能量收集需求,可以起到调整认知用户获得的吐吞量和能量收集器收集到的能量之间的权衡,可将能量收集器最小能量收集需求设置为1dB。
(2)初始化次级用户参数,包括次级用户感知时间τ,参与次级用户迭代计算的迭代次数n,参与次级用户迭代计算的参数有信道空闲时次级用户发送功率信道传输信息时次级用户发送功率和信道分配初始化后迭代次数n=0;
本例中,次级用户感知时间τ的选择取决于网络设计对复杂度的要求,如果网络对复杂度要求高,则感知时间取得间隔大些,能起到降低算法复杂度的作用,为获得最佳感知时间,次级用户初始化感知时间设置不宜过长,将其设置为τ=1毫秒,且每次迭代感知时间步长设置为1毫秒,这样才能保证不会因为初始化感知时间过长,使得经过迭代无法获得最佳的感知时间。
(3)次级用户参数迭代计算,计算次级用户发送功率信道分配次级用户间最小吞吐量Γn,其中为信道指示,取值为0或1,0表示信道处于空闲状态,1表示信道处于通信状态,下标i为主用户序号,m为次级用户序号,n为迭代次数;
因为次级用户参数迭代计算只包括三项次级用户的参数,通过迭代计算,能快速得到次级用户发送功率信道分配以及次级用户之间最小吞吐量Γn,以便之后进行选择最佳的次级用户参数。从整体上也提高了本发明的运行速度。
(4)迭代条件判断,即次级用户感知时间迭代条件判断;对经过迭代后得到的次级用户感知时间τn进行判断,如果τn小于等于T,n加1,τ加1,返回步骤3继续迭代。反之,即τn大于T,执行下一步即步骤5;
T为绿色认知无线电网络的帧长度,迭代计算应该一直进行,直至到达一帧的结尾,通过对这一帧的计算结果进行比较,才能准确得到次级用户的最佳参数。
(5)得到最佳次级用户参数,当次级用户感知时间τn大于T时,开始对得到的n个次级用户间所有吞吐量Γn进行比较,取其中最大的Γn值,作为次级用户之间最小吞吐量Γ,得到最佳次级用户参数;
本例中,对迭代计算得到的结果进行比较,得到最佳次级用户参数,保证用户之间的公平性及最大化次级用户间最小吞吐量,获得最大公平性下的信道分配策略。
(6)完成协同传输能量收集认知无线电网络的最佳资源分配,完成在保证能量收集器的最小能量收集需求的同时给次级用户提供更好的公平性的协同传输能量收集认知无线电网络的最佳资源分配。
由于本发明是一种协同传输能量收集认知无线电网络最佳资源分配方法,因此不仅能给次级用户提供更好的公平性,还能保证在满足能量收集器最小能量收集需求的情况下,提高能量的使用效率,获得次级用户最佳感知时间和次级用户之间的最小吞吐量。更重要的是加强节能,提高能效,通过能量收集器对能量的收集实现能量的循环利用,为缓解全球温室效应问题做出贡献。
实施例2
协同传输能量收集认知无线电网络最佳资源分配方法同实施例1,其中步骤(1)中的最小能量收集需求需满足:主用户最大可容忍的干扰功率PI,i约束条件为:认知基站最大传输功率Pth约束为:式中,信道分配约束ρi,m为: 为第k个能量收集器最小收集能量需求、PI,i为认知基站对第i个主用户最大可容忍的干扰功率,Pth为认知基站最大传输功率。
本发明直接对能量收集器最小能量收集进行了约束,对主用户最大可容忍的干扰功率进行了约束和对认知基站最大传输功率进行了约束,因此与传统的最大化容量之和的资源分配策略相比,协同传输能量收集认知无线电网络最佳资源分配策略能提供给次级用户更好的公平性。
实施例3
协同传输能量收集认知无线电网络资源分配方法同实施例1-2,其中步骤(3)中的具体迭代计算过程包括有:
(3.1)计算在次级用户给定感知时间τn时的次级用户发送功率计算包
括:
其中,ζ为能量转换因子,gi,m为认知基站在第i个信道给第m个次级用户发送信息的信道功率增益,hi,k为第k个能量收集器在第i个信道采集能量的信道功率增益,zi,m为主基站在第i个信道传输信息对第m个次级用户造成的干扰的信道功率增益,qi认知基站在第i个信道传输信息对主用户造成的干扰的信道功率增益,为主基站给第i个主用户接收机发送信息的恒定发送功率,表示第m个次级用户接收端的噪声方差,为信道指示表示,取值为0或者1,0表示信道空闲,1表示信道在传输信息,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·,ν,μk,ωi,λm,分别对应最大传输功率约束,最小能量收集需求,最大干扰功率约束和最小吞吐量的拉格朗日乘子,和为概率,表示如下:
其中,Pr(H0,i)为主机站在第i个信道空闲概率,Pr(H1,i)为主机站在第i个信道传输信息概率,Pfa,i(τn)为在感知时间τn下的虚警概率。其中,为中间变量。
(3.2)计算在次级用户给定感知时间τn时的信道分配
其中,表示第i个信道分配给了第m个次级用户,否则表示第i个信道未分配给第m个次级用户,和分别表示为
(3.3)计算在次级用户给定感知时间τn时的次级用户间最小吞吐量Γn:
本例中,gi,m、hi,k、zi,m、qi均是信道增益,均服从指数分布,将gi,m的均值设置为1,将hi,k的均值设置为1,将qi的均值设置为0.1,将zi,m的均值设置为0.1。子信道个数N和能量收集器的个数K可根据需求进行设置。通过多次迭代,计算得到感知时间下的n个次级用户发送功率最佳信道分配次级用户之间最小吞吐量Γn。
实施例4
协同传输能量收集认知无线电网络最佳资源分配方法同实施例1-3,其中步骤(5)中的次级用户最佳参数的获得包括有:
5.1当次级用户感知时间τn大于T时,开始对得到的n个次级用户间所有吞吐量Γn进行比较,取其中最大的Γn值,作为次级用户之间最小吞吐量Γ;
5.2次级用户之间最小吞吐量Γ对应的n值作为参考基数,该n值对应的τn即为最大的最佳感知时间τopt;该n值对应的次级用户发送功率即为次级用户最佳发送功率该n值对应的信道分配即为最佳子信道分配ρi,m。
经过比较后得到次级用户最佳发送功率最佳信道分配ρi,m,次级用户最佳感知时间τopt和次级用户之间最大化最小吞吐量Γ。将本发明得到的技术参数用于基于感知频谱共享能量收集绿色认知无线电网络中,完成协同传输能量收集认知无线电网络的最佳资源分配。最主要的是本发明的技术方案能在满足能量收集器最小能量收集需求的情况下,对认知基站发送的射频信号进行能量收集,实现能量的循环利用,也能提高能量的使用效率,还保证了次级用户更好的公平性,快速获得最大公平性下的信道分配策略。
下面给出一个完整的例子,对本发明进一步详细说明
实施例5
本发明是一种协同传输能量收集认知无线电网络最佳资源分配方法,假设绿色认知无线电网络的帧长度设置T为80毫秒,次级用户频谱感知抽样频率设置为5兆赫兹,假设子信道个数个数设置为:N=4,即次级用户数为4,能量收集器的个数设置为:K=3,认知用户数设置为M=2,即主用户数为2,能量转换效率设置为0.9,主用户在每个信道空闲概率设置为:Pr(H0,i)=0.8,认知基站接收到主机站在每个信道的信噪比分别设置为-10dB、-12dB、-14dB、-16dB,认知用户和能量收集器端的噪声方差设置为1。认知基站的最大传输功率设置为10dB,主用户最大干扰功率设置为-10dB,能量收集器最小能量收集需求为0dB。gi,m、hi,k、qi和zi,m为瑞利信道下功率增益,服从指数分布,均值分别设置为1、1、0.1和0.1,信道实现次数设置为104。
协同传输能量收集认知无线电网络最佳资源分配方法同实施例1-4,参照图1,本发明的实现步骤如下:
步骤1,认知用户设置目标参数。
认知用户根据绿色认知无线电网络设计目标设置目标检测概率帧长T,最大传输功率Pth,主用户最大可容忍的干扰功率PI,i>0,能量收集器的最小能量收集需求
目标检测概率的设置取决于网络中对主用户传输质量的保护程度,如果主用户传传输质量需要很好的保护,目标检测概率设置趋近于1,能量收集器的最小能量收集需求约束根据网络的需求进行设置,通过调整最小能量收集需求,可以起到调整认知用户获得的吐吞量和能量收集器收集到的能量之间的权衡。
步骤2,初始化次级用户参数,包括次级用户感知时间τ,参与次级用户迭代计算的迭代次数n。
次级用户感知时间τn的选择取决于网络设计对复杂度的要求,如果网络对复杂度要求高,则感知时间取得间隔大些,能起到降低算法复杂度的作用,但可能导致次级用户获得的最小吞吐量降低。
本实例中次级用户初始化感知时间设置为τn=1毫秒,每次迭代感知时间步长设置为1毫秒;当n=0时,τ0=1;当n=1时,τ1=2;当n=2时,τ2=3;以此类推......
步骤3,次级用户迭代计算最佳发送功率
(3.1)次级用户计算给定感知时间τn下的发送功率
其中ζ为能量转换因子,gi,m为认知基站在第i个信道给第m个次级用户发送信息的信道功率增益,hi,k为第k个能量收集器在第i个信道采集能量的信道功率增益,zi,m为主基站在第i个信道传输信息对第m个次级用户造成的干扰的信道功率增益,qi认知基站在第i个信道传输信息对主用户造成的干扰的信道功率增益,为主基站给第i个主用户接收机发送信息的恒定发送功率,表示第m个次级用户接收端的噪声方差,为指示表示,取值为0或者1,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·,ν,μk,ωi,λm,分别对应最大传输功率约束,最小能量收集需求,最大干扰功率约束和最小吞吐量的拉格朗日乘子,和为概率,表示如下:
其中Pr(H0,i)为主机站在第i个信道空闲概率,Pr(H1,i)为主机站在第i个信道传输信息概率,Pfa,i(τn)为在感知时间τn下的虚警概率;
根据每次衰落状态下的发送功率的计算表达式,可以看到每次衰落状态的发送功率能自适应的根据信道状态情况调整发送功率,从而能达到在各种衰落状态下,次级用户间在最大最小公平性下获得的吞吐量最大。
步骤4,根据信道空闲时次级用户最佳发送功率经过迭代后计算得到的最佳信道分配ρi,m,次级用户最佳感知时间τopt和次级用户之间最小吞吐量Γ。
(4.1)次级用户计算给定感知时间τn下的信道分配
其中表示第i个信道分配给了第m个次级用户,否则表示第i个信道未分配给第m个次级用户,和分别表示为:
由信道分配策略可以看出,当认知用户的信道状态信息相对较差时获得的信道机会越多,这样保证了次级用户间的公平性;
(4.2)次级用户计算给定感知时间τn下的次级用户间最小吞吐量Γn:
及判断感知时间τn是否小于T;
(4.3)如果τn小于T,则继续迭代;反之,比较Γn,得到对应最大的最佳感知时间τopt,最佳发送功率和最佳子信道分配ρi,m。
本发明经过迭代计算得到次级用户最佳发送功率,最佳信道分配,次级用户最佳感知时间以及次级用户之间最小吞吐量,本发明的最佳资源分配方案能在提供次级用户更好的用户体验的同时,满足能量收集器的能量收集需求,保证用户之间的公平性及最大化次级用户间最小吞吐量。同时,利用能量收集器进行能量收集,实现能量的循环利用,也能提高能量的使用效率。
下面通过仿真,再对本发明详细说明
实施例6
协同传输能量收集认知无线电网络最佳资源分配方法同1-5,本发明的性能效果可以通过以下仿真进一步说明:
仿真条件
绿色认知无线电网络的帧长度设置T为100毫秒,次级用户频谱感知抽样频率设置为6兆赫兹,目标检测概率设置为0.9,子信道个数和能量收集器的个数分别设置为:N=6和K=2,能量转换效率设置为0.9,主用户在每个信道空闲概率设置为:Pr(H0,i)=0.8,认知基站接收到主机站在每个信道的信噪比分别设置为-20dB、-15dB、-19dB、-12dB、-16dB和-18dB,认知用户和能量收集器端的噪声方差设置为1。认知基站的最大传输功率设置为10dB,主用户最大干扰功率设置为-10dB,能量收集器最小能量收集需求为0dB。gi,m、hi,k、qi和zi,m为瑞利信道下功率增益,服从指数分布,均值分别设置为1、1、0.1和0.1,信道实现次数设置为104。
仿真内容
仿真1:对采用本发明,次级用户间在不同感知时间获得的最小吞吐量进行对比,结果如图2所示。图2中“M=2”表示本发明在次级用户数为2情况下,次级用户间获得的最小吞吐量;“M=3”表示本发明在次级用户数为3情况下,次级用户间获得的最小吞吐量;“M=4”表示本发明在次级用户数为4情况下,次级用户间获得的最小吞吐量。
仿真结果
参见图2,表示在次级用户数“M=2”时,次级用户间获得的最小吞吐量曲线,表示在次级用户数“M=3”时,次级用户间获得的最小吞吐量曲线,表示在次级用户数“M=4”时,次级用户间获得的最小吞吐量曲线。在次级用户数M分别为2、3、4时,随着感知时间的增加,得到的次级用户间最小吞吐量的变化曲线变化趋势基本一致:在感知时间τ<5时,随着感知时间的增加,次级用户间最小吞吐量随之增加;在感知时间τ>5时,随着感知时间的增加,次级用户间最小吞吐量变化很小;且在感知时间τ=5时,都得到一个最佳的感知时间,使得次级用户间最小吞吐量最大。而且,当感知时间相等时,随着次级用户数的增多,次级用户间获得的最小吞吐量随之减少。
实施例7
协同传输能量收集认知无线电网络最佳资源分配方法同1-5,仿真条件同实施例6。
仿真2:将采用本发明获得的次级用户吞吐量,和传统基于频谱感知频谱共享能量收集绿色认知无线电网络最大认知用户吐吞量之和的最佳资源分配策略获得的次级用户吞吐量进行对比,结果如图3所示。
图3a中是M=2的情况下,传统方法与本发明方法分别对次级用户总吞吐量的对比、次级用户最大吞吐量的对比、次级用户最小吞吐量的对比。
图3b中是M=3的情况下,传统方法与本发明方法分别对次级用户总吞吐量的对比、次级用户最大吞吐量的对比、次级用户最小吞吐量的对比。
无论在图3a中还是在图3b中,数柱“1”表示采用传统基于频谱感知频谱共享能量收集绿色认知无线电网络最大认知用户吐吞量之和的最佳资源分配策略获得的所有次级用户吞吐量之和,即传统方法获得的次级用户总吞吐量,数柱“2”表示采用本发明获得的所有次级用户吞吐量之和;数柱“3”表示采用传统基于频谱感知频谱共享能量收集绿色认知无线电网络最大认知用户吐吞量之和的最佳资源分配策略获得的次级用户间最大吞吐量,数柱“4”表示采用本发明获得的次级用户间最大吞吐量;数柱“5”表示采用传统基于频谱感知频谱共享能量收集绿色认知无线电网络最大认知用户吐吞量之和的最佳资源分配策略获得的次级用户间最小吞吐量,数柱“6”表示采用本发明获得的次级用户间最小吞吐量。
仿真结果
参见图3a和图3b,数柱1与数柱2比较,可见在次级用户数相同时,传统方法总的吞吐量大于本发明总的吞吐量,数柱3与数柱4比较,可见传统方法次级用户间最大吞吐量也大于本发明次级用户间最大吞吐量,数柱5与数柱6比较,可见传统方法次级用户间最小吞吐量小于本发明次级用户间最小吞吐量。从数柱1与数柱2比较与数柱3与数柱4比较以及数柱5与数柱6比较,可知传统方法总的吞吐量以及次级用户间最大吞吐量都比本发明大,但是传统方法次级用户间最小吞吐量却比本发明小,即本发明最大化了次级用户间的最小吞吐量,保证了次级用户的公平性。因此本发明虽然不能最大化网络吞吐量之和以及次级用户间最大吞吐量,但能保证次级用户间的最大公平性,而传统方法不能保证次级用户间的公平性。
参见图3,将图3a和图3b进行对比,图3a中数柱与图3b中对应数柱比较,随着次级用户数的增加两种方法总的吞吐量都是随之增加的,但是两种方法次级用户间最大吞吐量与两种方法次级用户间最小吞吐量都是随之减少的。
实施例8
协同传输能量收集认知无线电网络最佳资源分配方法同1-5,仿真条件同实施例6。
仿真3:在不同能量收集器数及不同能量收集需求下采用本发明获得的最小吞吐量进行对比,参见图4,图4中“K=2”表示本发明在能量收集器数为2情况下,次级用户间获得的最小吞吐量;“K=3”表示本发明在能量收集器数为3情况下,次级用户间获得的最小吞吐量;“K=4”表示本发明在能量收集器数为4情况下,次级用户间获得的最小吞吐量。
仿真结果
参见图4,在能量收集器数K分别为2、3、4时,随着能量收集器的最小能量收集需求的增加,得到的次级用户间最小吞吐量的变化曲线变化趋势基本一致,表明本发明的运行时稳定和趋于一致的。在感知时间时,随着能量收集器的最小能量收集需求的增加,次级用户间最小吞吐量变化很小,基本保持不变;在感知时间时,随着能量收集器的最小能量收集需求的增加,次级用户间最小吞吐量逐渐减小;且在能量收集器的最小能量收集需求时,都得使得次级用户间最小吞吐量最大。而且,当能量收集器的最小能量收集需求相等时,随着能量收集器数的增多,次级用户间获得的最小吞吐量随之减少。
次级用户间获得的最小吞吐量随能量收集器的个数的增加而减少,随能量收集器的能量收集需求的增大而减少。这说明了在基于感知频谱共享能量收集绿色认知无线电网络中,能量收集器间能量收集需求和次级用户间最小吞吐量之间存在权衡。
综合上述仿真结果和分析,本发明所提出的基于频谱感知共享的最佳资源分配方案,能保证次级用户间的公平性,而且所提方案复杂度低,这使得该发明在实际中能更好的得到应用。
简而言之,本发明公开的一种协同传输能量收集认知无线电网络最佳资源分配方法,解决现有认知无线电网络资源分配策略无法满足能量收集需求和保证次级用户之间公平性的问题。实现步骤是:设置目标参数;初始化次级用户参数;次级用户参数迭代计算;次级用户感知时间迭代条件判断;得到最佳次级用户参数;完成协同传输能量收集认知无线电网络的最佳资源分配。本发明在保证能量收集器的最小能量收集需求以及给次级用户提供更好的公平性的情况下,能快速获得最大公平性的信道分配、最佳感知时间和最佳功率分配;利用能量收集器对认知基站发送的射频信号能量收集,实现能量的循环利用,提高能量的使用效率;本发明计算复杂度低,具有工程化应用的前景。
Claims (4)
1.一种协同传输能量收集绿色认知无线电网络最佳资源分配方法,其特征在于,包括如下步骤:
(1)根据绿色认知无线电网络能量收集需求进行目标参数设置,认知用户根据绿色认知无线电网络设计目标设置目标检测概率帧长T,认知基站最大传输功率Pth,认知基站主用户最大可容忍的干扰功率PI,i>0,能量收集器的最小能量收集需求θk>0;
(2)初始化次级用户参数,包括次级用户感知时间τ,参与次级用户迭代计算的迭代次数n,参与次级用户迭代计算的参数有信道空闲时次级用户发送功率信道传输信息时次级用户发送功率和信道分配初始化后迭代次数n=0;
(3)次级用户参数迭代计算,计算次级用户发送功率信道分配次级用户间最小吞吐量Γn,其中为信道指示,取值为0或1,0表示信道处于空闲状态,1表示信道处于通信状态,下标i为主用户序号,m为次级用户序号,n为迭代次数;
(4)迭代条件判断,对经过迭代后得到的次级用户感知时间τn进行判断,如果τn小于等于T,n加1,τ加1,返回步骤3继续迭代;反之,即τn大于T,执行步骤5;
(5)当次级用户感知时间τn大于T时,开始对得到的n个次级用户间所有吞吐量Γn进行比较,取其中最大的Γn值,作为次级用户之间最小吞吐量Γ,得到最佳次级用户参数;
(6)完成在保证能量收集器的最小能量收集需求的同时给次级用户提供更好的公平性的协同传输能量收集绿色认知无线电的最佳资源分配。
2.根据权利要求1所述的协同传输能量收集绿色认知无线电最佳资源分配方法,其特征在于,其中步骤(1)中的最小能量收集需求θk需满足:主用户最大可容忍的干扰功率PI,i约束条件为:认知基站最大传输功率Pth约束为:式中,信道分配约束ρi,m为:θk为第k个能量收集器最小收集能量需求、PI,i为认知基站对第i个主用户最大可容忍的干扰功率,Pth为认知基站最大传输功率。
3.根据权利要求1所述的协同传输能量收集绿色认知无线电最佳资源分配方法,其特征在于,其中步骤(3)中的具体迭代计算包括有:
(3.1)计算在次级用户给定感知时间τn时的次级用户发送功率计算包括:
其中,ζ为能量转换因子,gi,m为认知基站在第i个信道给第m个次级用户发送信息的信道功率增益,hi,k为第k个能量收集器在第i个信道采集能量的信道功率增益,zi,m为主基站在第i个信道传输信息对第m个次级用户造成的干扰的信道功率增益,qi认知基站在第i个信道传输信息对主用户造成的干扰的信道功率增益,Pi PU为主基站给第i个主用户接收机发送信息的恒定发送功率,表示第m个次级用户接收端的噪声方差,为信道指示表示,取值为0或者1,0表示信道空闲,1表示信道在传输信息,[·]+表示取0和·之中较大者,即若·为负值,则取0,若·为正值,则取·,ν,μk,ωi,λm,分别对应最大传输功率约束,最小能量收集需求,最大干扰功率约束和最小吞吐量的拉格朗日乘子,和为概率,表示如下:
其中,Pr(H0,i)为主机站在第i个信道空闲概率,Pr(H1,i)为主机站在第i个信道传输信息概率,Pfa,i(τn)为在感知时间τn下的虚警概率。其中,为中间变量。
(3.2)计算在次级用户给定感知时间τn时的信道分配
其中,表示第i个信道分配给了第m个次级用户,否则表示第i个信道未分配给第m个次级用户,和分别表示为
(3.3)计算在次级用户给定感知时间τn时的次级用户间最小吞吐量Γn:
4.根据权利要求1所述的协同传输能量收集绿色认知无线电最佳资源分配方法,其特征在于,其中步骤(5)中的次级用户最佳参数的获得包括有:
5.1开始对得到的n个次级用户间所有吞吐量Γn进行比较,取其中最大的Γn值,作为次级用户之间最小吞吐量Γ,获得最大化的次级用户之间最小吞吐量;
5.2次级用户之间最小吞吐量Γ对应的n值作为参考基数,该n值对应的τn即为最大的最佳感知时间τopt;该n值对应的次级用户发送功率即为次级用户最佳发送功率该n值对应的信道分配即为最佳子信道分配ρi,m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828615.2A CN106412927B (zh) | 2016-09-19 | 2016-09-19 | 协同传输能量收集认知无线电网络最佳资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828615.2A CN106412927B (zh) | 2016-09-19 | 2016-09-19 | 协同传输能量收集认知无线电网络最佳资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106412927A true CN106412927A (zh) | 2017-02-15 |
CN106412927B CN106412927B (zh) | 2019-06-21 |
Family
ID=57996653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610828615.2A Active CN106412927B (zh) | 2016-09-19 | 2016-09-19 | 协同传输能量收集认知无线电网络最佳资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106412927B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465471A (zh) * | 2017-07-18 | 2017-12-12 | 西安电子科技大学 | 协作感知中基于公平和节能的认知用户选择方法 |
CN108882378A (zh) * | 2018-08-30 | 2018-11-23 | 华北电力大学(保定) | 一种时间资源分配方法 |
CN109194424A (zh) * | 2018-08-15 | 2019-01-11 | 重庆邮电大学 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
CN109361483A (zh) * | 2018-10-12 | 2019-02-19 | 南京邮电大学 | 一种主用户最小速率需求下的认知无线供能网络资源分配方法 |
CN109379705A (zh) * | 2018-12-29 | 2019-02-22 | 浙江大学 | 一种基于位置信息的功率分配方法 |
CN110166274A (zh) * | 2018-03-19 | 2019-08-23 | 西安电子科技大学 | 一种无线携能的noma协作网络功率优化方法 |
CN110225537A (zh) * | 2019-06-12 | 2019-09-10 | 宁波大学 | 基于无线能量收集的协作无线网络功率分配方法 |
CN110312314A (zh) * | 2019-06-12 | 2019-10-08 | 宁波大学 | 基于无线能量收集的协作无线网络子信道及功率分配方法 |
CN110381589A (zh) * | 2019-06-12 | 2019-10-25 | 宁波大学 | 基于无线能量收集的协作无线网络子信道功率分配方法 |
CN110381590A (zh) * | 2019-06-12 | 2019-10-25 | 宁波大学 | 一种基于无线能量收集的无线网络子信道功率分配方法 |
CN114071482A (zh) * | 2021-11-11 | 2022-02-18 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320178A (zh) * | 2014-10-17 | 2015-01-28 | 南京航空航天大学 | 基于同步感知和传输的能量捕获认知无线电通信方法 |
WO2015040351A1 (en) * | 2013-09-18 | 2015-03-26 | Toshiba Research Europe Limited | Wireless device and method |
CN104507091A (zh) * | 2014-12-16 | 2015-04-08 | 西安交通大学 | 认知无线电网络中基于互惠受益的能量协作方法 |
CN104883741A (zh) * | 2015-04-09 | 2015-09-02 | 南京邮电大学 | 一种认知无线电网络的资源分配算法 |
CN105307181A (zh) * | 2015-09-30 | 2016-02-03 | 西安电子科技大学 | 用于绿色认知无线电安全能效最佳功率的分配方法 |
CN105792218A (zh) * | 2016-02-25 | 2016-07-20 | 中山大学 | 具有射频能量收集能力的认知无线电网络的优化方法 |
-
2016
- 2016-09-19 CN CN201610828615.2A patent/CN106412927B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015040351A1 (en) * | 2013-09-18 | 2015-03-26 | Toshiba Research Europe Limited | Wireless device and method |
CN104320178A (zh) * | 2014-10-17 | 2015-01-28 | 南京航空航天大学 | 基于同步感知和传输的能量捕获认知无线电通信方法 |
CN104507091A (zh) * | 2014-12-16 | 2015-04-08 | 西安交通大学 | 认知无线电网络中基于互惠受益的能量协作方法 |
CN104883741A (zh) * | 2015-04-09 | 2015-09-02 | 南京邮电大学 | 一种认知无线电网络的资源分配算法 |
CN105307181A (zh) * | 2015-09-30 | 2016-02-03 | 西安电子科技大学 | 用于绿色认知无线电安全能效最佳功率的分配方法 |
CN105792218A (zh) * | 2016-02-25 | 2016-07-20 | 中山大学 | 具有射频能量收集能力的认知无线电网络的优化方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465471B (zh) * | 2017-07-18 | 2020-08-11 | 西安电子科技大学 | 协作感知中基于公平和节能的认知用户选择方法 |
CN107465471A (zh) * | 2017-07-18 | 2017-12-12 | 西安电子科技大学 | 协作感知中基于公平和节能的认知用户选择方法 |
CN110166274A (zh) * | 2018-03-19 | 2019-08-23 | 西安电子科技大学 | 一种无线携能的noma协作网络功率优化方法 |
CN109194424A (zh) * | 2018-08-15 | 2019-01-11 | 重庆邮电大学 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
CN109194424B (zh) * | 2018-08-15 | 2021-03-23 | 重庆邮电大学 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
CN108882378A (zh) * | 2018-08-30 | 2018-11-23 | 华北电力大学(保定) | 一种时间资源分配方法 |
CN108882378B (zh) * | 2018-08-30 | 2023-04-07 | 华北电力大学(保定) | 一种时间资源分配方法 |
CN109361483A (zh) * | 2018-10-12 | 2019-02-19 | 南京邮电大学 | 一种主用户最小速率需求下的认知无线供能网络资源分配方法 |
CN109361483B (zh) * | 2018-10-12 | 2021-03-26 | 南京邮电大学 | 一种主用户最小速率需求下的认知无线供能网络资源分配方法 |
CN109379705A (zh) * | 2018-12-29 | 2019-02-22 | 浙江大学 | 一种基于位置信息的功率分配方法 |
CN110381590A (zh) * | 2019-06-12 | 2019-10-25 | 宁波大学 | 一种基于无线能量收集的无线网络子信道功率分配方法 |
CN110381589A (zh) * | 2019-06-12 | 2019-10-25 | 宁波大学 | 基于无线能量收集的协作无线网络子信道功率分配方法 |
CN110312314A (zh) * | 2019-06-12 | 2019-10-08 | 宁波大学 | 基于无线能量收集的协作无线网络子信道及功率分配方法 |
CN110225537A (zh) * | 2019-06-12 | 2019-09-10 | 宁波大学 | 基于无线能量收集的协作无线网络功率分配方法 |
CN110381589B (zh) * | 2019-06-12 | 2023-08-08 | 广西智能交通科技有限公司 | 基于无线能量收集的协作无线网络子信道功率分配方法 |
CN110381590B (zh) * | 2019-06-12 | 2023-12-26 | 南京和电科技有限公司 | 一种基于无线能量收集的无线网络子信道功率分配方法 |
CN110312314B (zh) * | 2019-06-12 | 2023-12-29 | 航天中电(重庆)微电子有限公司 | 基于无线能量收集的协作无线网络子信道及功率分配方法 |
CN114071482A (zh) * | 2021-11-11 | 2022-02-18 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
CN114071482B (zh) * | 2021-11-11 | 2024-03-26 | 浙江工业大学 | 一种认知无线电网络中AoI约束下的网络吞吐量优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106412927B (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106412927A (zh) | 协同传输能量收集认知无线电网络最佳资源分配方法 | |
CN107947878B (zh) | 一种基于能效和谱效联合优化的认知无线电功率分配方法 | |
CN101951307B (zh) | 在CoMP下的小区协作集的选择方法 | |
CN103220052B (zh) | 一种认知无线电中检测频谱空洞的方法 | |
CN102056177B (zh) | 协作多点传输技术中协作节点选择及无线资源调度方法 | |
CN103369542B (zh) | 基于博弈论的同频异构网络功率分配方法 | |
CN101626585A (zh) | 无线网络的网络干扰评估方法、动态信道分配方法和设备 | |
CN109347609A (zh) | 下行noma通信系统中基于动态swipt的协作传输方法 | |
CN105407535B (zh) | 一种基于约束马尔可夫决策过程的高能效资源优化方法 | |
CN107248896B (zh) | 一种d2d通信联合模式选择和比例公平调度优化方法 | |
CN105813209A (zh) | 基于能量采集的蜂窝网络下的d2d通信动态频谱分配方法 | |
CN107172704A (zh) | 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 | |
CN105101383B (zh) | 基于频谱共享能效最大的功率分配方法 | |
CN103384174A (zh) | 多用户多天线协作频谱感知检测概率优化方法 | |
CN101729164B (zh) | 无线资源分配方法和认知无线电用户设备 | |
CN102238580A (zh) | 一种prach检测的方法和设备 | |
CN108990160A (zh) | 一种基于改进蝙蝠算法的5g通信系统容量优化方法 | |
CN105007585B (zh) | 基于中断概率能效最大的功率分配方法 | |
CN101466119B (zh) | 认知无线电中基于博弈论的公共信道的建立方法 | |
CN102946611A (zh) | 基于禁忌搜索的密集无线局域网多维资源分配方法 | |
CN103428843B (zh) | 一种兼顾近远域用户效用的功率协调方法 | |
CN103957565B (zh) | 分布式无线网络中基于目标sinr的资源分配方法 | |
CN108495367B (zh) | 一种基于Lyapunov的多运营商LTE-U双频段资源配置方法 | |
CN105813217B (zh) | 同时同频全双工用户快速分簇调度方法 | |
CN102547795B (zh) | 自适应频谱感知调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180531 Address after: No. 2 Taibai Road, Xi'an, Shaanxi Province, Shaanxi Applicant after: Xidian University Applicant after: XI'AN CETC XIDIAN UNIVERSITY RADAR TECHNOLOGY COLLABORATIVE INNOVATION RESEARCH INSTITUTE CO., LTD. Address before: 710071 Taibai South Road, Yanta District, Xi'an, Shaanxi Province, No. 2 Applicant before: Xidian University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |