CN106603140A - 无线能量采集认知无线电的最优中继协作传输方法 - Google Patents

无线能量采集认知无线电的最优中继协作传输方法 Download PDF

Info

Publication number
CN106603140A
CN106603140A CN201611135662.5A CN201611135662A CN106603140A CN 106603140 A CN106603140 A CN 106603140A CN 201611135662 A CN201611135662 A CN 201611135662A CN 106603140 A CN106603140 A CN 106603140A
Authority
CN
China
Prior art keywords
quantum
user
optimal
cooperative
energy
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
Application number
CN201611135662.5A
Other languages
English (en)
Other versions
CN106603140B (zh
Inventor
高洪元
杜亚男
刘丹丹
刁鸣
李佳
张世铂
陈梦晗
张晓桐
苏雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201611135662.5A priority Critical patent/CN106603140B/zh
Publication of CN106603140A publication Critical patent/CN106603140A/zh
Application granted granted Critical
Publication of CN106603140B publication Critical patent/CN106603140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/14Relay systems
    • H04B7/15Active relay systems
    • H04B7/155Ground-based stations
    • H04B7/15592Adapting at the relay station communication parameters for supporting cooperative relaying, i.e. transmission of the same data via direct - and relayed path
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • H04B17/318Received signal strength
    • H04B17/327Received signal code power [RSCP]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • H04B17/336Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/391Modelling the propagation channel
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing 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)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供的是一种无线能量采集认知无线电的最优中继协作传输方法。首先,建立无线能量采集认知无线电的最优中继模型;然后,根据多种群协作量子粒子群搜索方法更新量子粒子的量子位置和速度,进而实现无线能量采集认知无线电的最优中继传输;最后,输出种群的全局最优量子位置,将其映射为全局最优位置,为无线能量采集认知无线的最优信能协同中继传输方案。本发明结合多种群协作量子粒子群搜索机制和认知无线电无线能量采集相关技术,设计了一种无线能量采集认知无线电的最优中继协作传输方法。其能够在满足主用户能量采集和传输的条件下,实现从用户的能量采集和传输。

Description

无线能量采集认知无线电的最优中继协作传输方法
技术领域
本发明涉及一种无线能量采集认知无线电的中继协作传输作方法,具体是在满足主用户能量采集和传输要求的条件下,从用户实现能量采集和信息的最大传输的方法。
背景技术
随着无线通信技术的快速发展,频谱和能量都成为紧缺资源。如何使无线通信系统在采集无线能量的同时高效利用频谱资源,并为从用户提供更多的通信机会和更大的数据传输量成为急需解决的难题。
近两年,无线能量采集和信能协同传输技术越来越受到重视,因为无线能量采集技术被广泛视为一种可实现“绿色通信”的自供能技术。因为无线信号在携带信息的同时也携带了能量,这样环境中的各种干扰信号的能量也将会通过能量采集技术被有效使用。因此,认知无线电中的信能协同传输技术有重要的应用价值。Qian Zhang等在IEEECommunications Magazine上发表的“Cooperative relay to improve diversity incognitive radio networks”给出了一个简单的无线网络,选择频谱丰富的节点作为中继节点,进而提高合作中继的性能,但是此方法只考虑了合作中继传输并没有使用无线能量采集技术,因此还可进一步的发展和提高。
发明内容
本发明的目的在于提供一种联合获得最优的时间分配与能量分配,在满足主用户数据传输的条件下寻求系统的最大数据传输速率,且主从用户通过无线能量采集实现自供能的无线能量采集认知无线电的最优中继协作传输方法。
本发明的目的是这样实现的:
步骤一,建立无线能量采集认知无线电的最优中继协作模型;
在每个时隙间隔为T的合作模式里,对于主用户和从用户每个时隙都被分成三部分,表示如下:
(1)在时间间隔(0,ρ1T],主用户采取非合作方式传输自己的数据,从用户从环境的无线信号中采集能量,从用户采集的能量为Xsρ1T,其中ρ1代表从用户用于能量采集的时间占有率,Xs指的是非合作传输阶段从用户的能量采集率,与此同时,主用户在非合作传输阶段完成Rpρ1T的数据传输;
(2)在时间间隔(ρ1T,(ρ1+2ρ2)T],其中ρ2代表中继传输两阶段中每个阶段中继传输时间占有率,在合作通信的持续时间是2ρ2T,主用户和从用户合作中继传输主用户的数据,剩余能量为Xsρ1T-2ρ2Tws,遵守DF协议,采用时分的方法;在(ρ1T,(ρ12)T],主用户发射机传输数据到作为中继的从用户发射机和作为目的机的主用户接收机,在((ρ12)T,(ρ1+2ρ2)T],从用户发射机中继传输主用户数据到主用户接收机,主用户从环境信号进行无线能量采集;
(3)在时间间隔((ρ1+2ρ2)T,T],当主用户传输完它的数据并且授权信道被让出,从用户开始传输它自己的数据,Xsρ1T-2ρ2Tws的能量被用于从用户数据传输,并且从用户一定耗尽在该时隙所采集的能量去传输数据,主用户从环境信号进行无线能量采集;
第一个时隙主用户能量来自于电池存储的能量,在此之后的其他时隙的主用户能量来自于上一个时隙的能量采集,Rp代表主用户的瞬时非合作传输速率,其表达式为其中γp代表主用户发射机和接收机间的信道功率增益和噪声功率比,代表前一个时隙从用户用于能量采集的的时隙片段占总时间的比率,代表前一个时隙中继传输两阶段中每个阶段中继传输时间占有率,代表前一个时隙主用户的能量采集率;Rc代表主用户的瞬时合作传输速率,其表达式为 其中γs代表主用户发射机和从用户发射机间的信道功率增益和噪声功率比,ws代表从用户分配给协作中继的功率,rp代表从用户发射机和主用户接收机的信道功率增益和噪声功率比;从用户的瞬时非合作传输速率为其中rs代表从用户发射机和接收机间的信道功率增益和噪声功率比,每个时隙主用户和从用户所获得最大吞吐量分别为max{Rpt=[ρ1Rp+2ρ2Rc]}和max{Rst=[1+(1-ρ1-2ρ2)Rs]},约束条件为Xsρ1-2ρ2ws≥0,1-ρ1-2ρ2≥0,ws≥0,其中Qpmin为主用户在每个时隙的最小目标传输速率;
步骤二,初始化量子粒子群,有I个种群,每个种群中有H个量子粒子,第t代第i个种群中第h个量子粒子的量子位置表示为1≤i≤I,其相应的速度为每个量子粒子所搜索到的局部最优量子位置记做其中分别表示第t代第i个种群中第h个量子粒子的量子位置、速度和局部最优量子位置的第d维,在量子位的定义域内随机产生,其中1≤h≤H和d=1,2,3;
步骤三,计算每个种群中每个量子粒子的量子位置所对应位置适应度,将第t代第i个种群中第h个量子粒子量子位置映射为位置 其中ld是第d维变量的下界,ud是第d维变量的上界,第t代第i个种群中第h个量子粒子量子位置的适应性通过其对应位置的适应度进行度量,则适应度函数设置为其中b∈{1,2,3};针对不同的优化目标从以下适应度函数中选择相应的适应度函数: 为每个时隙所获得主用户吞吐量,其中 每个时隙所获得从用户吞吐量 每个时隙所获得总吞吐量其中, 适应度值越大代表位置和相应的量子位置越好,把全局最优量子位置记做
步骤四,针对第i个种群第h个量子粒子,对于第d维速度更新过程如下:其中,c1和c2为控制最大搜索步长的加速系数;为[0,1]间的均匀随机数;ωt为加权系数,表示为ωt=ωmax-t(ωmaxmin)/tmax,另外,对于速度通过下式完成速度限制,其中,vd,max为第d维的速度上限;根据不同的状态可以从三种不同演进规则中选择一个得到新的量子位置,当时使用规则一更新其量子位置,当时使用规则二更新其量子位置,其他情况根据规则三更新其量子位置。
规则一:第i个种群第h个量子粒子根据量子粒子量子位置的均值更新其量子位置。量子旋转角第d维的更新方式为其中为均值为0方差为1的高斯随机数,c3为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为
规则二,根据全局最优量子位置和量子位置均值更新第i个种群第h个量子粒子的量子位置。对于第d维量子位,其对应的量子旋转角为 其中为[0,1]间的均匀随机数,为均值为0方差为1的高斯随机数,c4为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为
规则三:第i个种群第h个量子粒子根据其局部最优量子位置和全局最优量子位置所确定的速度去更新其量子位置。对于第d维量子位,根据模拟的量子旋转门得到的新量子位为
步骤五,将量子位置映射为位置 1≤i≤I,h=1,2,...,H,计算所有新产生量子位置的适应度,更新每个种群的每个量子粒子的局部最优量子位置和全局最优量子位置
步骤六,如果进化没有终止,令t=t+1,返回步骤四,否则,终止迭代,输出种群的全局最优量子位置,将其映射为位置,作为无线能量采集认知无线的最优信能协同中继传输方案。
本发明针对现有能量采集认知无线电系统在无线能量采集和信能协同传输过程中遇到的问题,将能量采集信息传输与时隙分配和中继合作结合起来,提出无线能量采集认知无线电的最优中继协作传输方法,该方法旨在联合获得最优的时间分配与能量分配,在满足主用户数据传输的条件下,寻求系统的最大数据传输速率,且主从用户通过无线能量采集实现自供能。
本发明的无线能量采集认知无线电的最优信能协同传输方案,在满足主用户所需吞吐量的条件下,寻求系统的最优无线能量采集时间和从用户的最大吞吐量,通过无线信息和能量协同传输实现认知无线电系统的主从用户自供能,而无需额外的能源供应给装置。
本发明设计了无线能量采集认知无线电系统的最优合作中继的信息和能量合作传输方法,为有效求解最优中继传输方案,本发明设计了协同演进的量子粒子群搜索机制,相比于已有的无线能量采集认知无线电中继的传输方法,本发明专利具有以下优点:
(1)本发明提出新的时隙结构和最优合作策略,综合考虑主从用户的能量采集、频谱利用和系统的最大吞吐量。
(2)本发明可以保证在满足主用户数据传输的同时,最大化从用户的吞吐量,并且主从用户都可通过无线能量采集实现自供能。
(3)本发明将模拟量子旋转门的连续量子粒子群搜索机制和种群协作等思想进行结合,设计了求解连续问题的多种群协同演进量子粒子群方法,可以为其他工程问题求解提供新方法。
附图说明
图1无线能量采集认知无线电的最优中继传输示意图。
图2时隙结构示意图。
图3主从用户吞吐量和从与用户能量采集率之间的关系。
图4从用户吞吐量与从用户能量采集率之间的关系。
图5三种不同方法主从用户吞吐量和与rs之间的关系比较。
图6三种不同方法从用户吞吐量与rs之间的关系比较。
图7不同从用户采集率下主从用户吞吐量和与不同rp之间的关系比较。
图8不同从用户采集率下从用户吞吐量与不同rp之间的关系。
具体实施方式
下面举例对本发明做更详细的描述。
结合图1,本发明的无线能量采集认知无线电的最优中继协作传输方法主要包括如下步骤:
步骤一,建立无线能量采集认知无线电的最优中继协作模型。
一个时隙模式运行的合作认知无线电系统由一个主用户系统和一个从用户系统组成,主用户系统包括一个主用户发射机(PT)和一个主用户接收机(PR),从用户系统包括一个从用户发射机(ST)和一个从用户接收机(SR)。主用户有授权信道的使用权,优先传输它的数据到它的接收机。主用户有确定数量的数据储存在缓存中。在每个时隙,主用户使用授权信道去传输它的数据,当所有的主用户数据传输完后,主用户开始沉默,授权信道被空出。相对照主用户,从用户没有任何授权信道,为避免冲突它只有当授权信道被主用户空出时才被允许使用。而且自供应能量的主从用户可以从环境信号中采集能量从而不需要固定的能量供应。在每个时隙,从用户要分出一小部分时间专门用于能量采集,然后将采集的能量用于数据传输。在此认知无线电系统,当主用户使用授权信道时,从用户是没有权利使用授权信道去传输数据的,只有信道被主用户空出时,从用户才可使用。在新的合作策略里,当主用户传输数据时,从用户可以作为一个合作中继去协作传输主用户的数据,这样就会使主用户快速传输完它的数据,而从用户相应的就会有更多的机会去传输它自己的数据。通过该方式,即使在原来主用户需要一直垄断授权信道的情况下,需要从用户作为协作中继去加快传输主用户的数据,从而挤出时间获得传输自己数据机会。在每个时隙间隔为T的合作模式里,对于主用户和从用户每个时隙都被分成三部分,可表示如下:
(1)在时间间隔(0,ρ1T],主用户采取非合作方式传输自己的数据,从用户从环境的无线信号中采集能量。从用户采集的能量为Xsρ1T,其中ρ1代表从用户用于能量采集的时间占有率,Xs指的是非合作传输阶段从用户的能量采集率,与此同时,主用户在非合作传输阶段完成Rpρ1T的数据传输。
(2)在时间间隔(ρ1T,(ρ1+2ρ2)T],其中ρ2代表中继传输两阶段中每个阶段中继传输时间占有率,在合作通信的持续时间是2ρ2T,主用户和从用户合作中继传输主用户的数据,剩余能量为Xsρ1T-2ρ2Tws,遵守DF(Decode-and-Forward)协议,采用时分的方法。在(ρ1T,(ρ12)T],主用户发射机传输数据到从用户发射机(作为中继)和主用户接收机(作为目的机),在((ρ12)T,(ρ1+2ρ2)T],从用户发射机中继传输主用户数据到主用户接收机,主用户从环境信号进行无线能量采集。
(3)在时间间隔((ρ1+2ρ2)T,T],当主用户传输完它的数据并且授权信道被让出,从用户开始传输它自己的数据,Xsρ1T-2ρ2Tws的能量被用于从用户数据传输,并且从用户一定耗尽在该时隙所采集的能量去传输数据,主用户从环境信号进行无线能量采集。
第一个时隙主用户能量来自于电池存储的能量,在此之后的其他时隙的主用户能量来自于上一个时隙的能量采集。Rp代表主用户的瞬时非合作传输速率,其表达式为其中γp代表主用户发射机和接收机间的信道功率增益和噪声功率比,代表前一个时隙从用户用于能量采集的的时隙片段占总时间的比率,代表前一个时隙中继传输两阶段中每个阶段中继传输时间占有率,代表前一个时隙主用户的能量采集率;Rc代表主用户的瞬时合作传输速率,其表达式为 其中γs代表主用户发射机和从用户发射机间的信道功率增益和噪声功率比,ws代表从用户分配给协作中继的功率,rp代表从用户发射机和主用户接收机的信道功率增益和噪声功率比;从用户的瞬时非合作传输速率为其中rs代表从用户发射机和接收机间的信道功率增益和噪声功率比。每个时隙主用户和从用户所获得最大吞吐量分别为max{Rpt=[ρ1Rp+2ρ2Rc]}和max{Rst=[1+(1-ρ1-2ρ2)Rs]},约束条件为Xsρ1-2ρ2ws≥0,1-ρ1-2ρ2≥0,ws≥0,其中Qpmin为主用户在每个时隙的最小目标传输速率。
步骤二,初始化量子粒子群,有I个种群,每个种群中有H个量子粒子,第t代第i个种群中第h个量子粒子的量子位置表示为1≤i≤I,其相应的速度为至今为止每个量子粒子所搜索到的局部最优量子位置记做其中分别表示第t代第i个种群中第h个量子粒子的量子位置、速度和局部最优量子位置的第d维,在量子位的定义域内随机产生,其中1≤h≤H和d=1,2,3。
步骤三,计算每个种群中每个量子粒子的量子位置所对应位置适应度,将第t代第i个种群中第h个量子粒子量子位置映射为位置 其中,d=1,2,3,ld是第d维变量的下界,ud是第d维变量的上界。第t代第i个种群中第h个量子粒子量子位置的适应性可通过其对应位置的适应度进行度量,则适应度函数设置为其中b∈{1,2,3},针对不同的优化目标可从以下适应度函数中选择相应的适应度函数: 为每个时隙所获得主用户吞吐量,其中每个时隙所获得从用户吞吐量 每个时隙所获得总吞吐量 其中, 适应度值越大代表位置和相应的量子位置越好,把全局最优量子位置记做
步骤四,针对第i(1≤i≤I)个种群第h(1≤h≤H)个量子粒子,对于第d(d=1,2,3)维速度更新过程如下:其中,c1和c2为控制最大搜索步长的加速系数;为[0,1]间的均匀随机数;ωt为加权系数,它可以表示为ωt=ωmax-t(ωmaxmin)/tmax,另外,对于速度需要通过下式完成速度限制,其中,vd,max为第d(d=1,2,3)维的速度上限。根据不同的状态可以从三种不同演进规则中选择一个得到新的量子位置,当时使用规则一更新其量子位置,当时使用规则二更新其量子位置,其他情况根据规则三更新其量子位置。
规则一:第i个种群第h个量子粒子根据量子粒子量子位置的均值更新其量子位置。量子旋转角第d维的更新方式为其中为均值为0方差为1的高斯随机数,c3为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为d=1,2,3。
规则二,根据全局最优量子位置和量子位置均值更新第i个种群第h个量子粒子的量子位置。对于第d维量子位,其对应的量子旋转角为 其中为[0,1]间的均匀随机数,为均值为0方差为1的高斯随机数,c4为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为
规则三:第i个种群第h个量子粒子根据其局部最优量子位置和全局最优量子位置所确定的速度去更新其量子位置。对于第d维量子位,根据模拟的量子旋转门得到的新量子位为
步骤五,将量子位置映射为位置 1≤i≤I,h=1,2,...,H,计算所有新产生量子位置的适应度,更新每个种群的每个量子粒子的局部最优量子位置和全局最优量子位置
步骤六,如果进化没有终止(通常由预先设定的最大迭代次数决定),令t=t+1,返回步骤四,否则,终止迭代,输出种群的全局最优量子位置,将其映射为位置,作为无线能量采集认知无线的最优信能协同中继传输方案。
仿真中假设无线能量采集认知无线电最优中继传输模型中,每个时隙的时间设为T=1,ws∈[10,200],对于多种群协同演进量子粒子群,种群个数I=3,每个群体规模为H=100,最大迭代次数为100,惩罚因子λ=10-5,ωmax=0.9,ωmin=0.1,c1=c2=2。仿真做对比的两种方法来自于文献“Yin S,Zhang E,Qu Z,Yin L,Li S.Optimal cooperativestrategy in cognitive radio systems with energy harvesting”,其中非合作中继方法记做NCP,合作中继方法记做CP,主用户能量供应率为100,其他系统参数设置与本专利所提方法相同。
图3和图4设置的系统参数γp=0.4,γs=100,rp=200,rs=0.4,Xs=30:3:60。图3代表主从用户吞吐量和从与用户能量采集率之间的关系,图4代表从用户吞吐量与从用户能量采集率之间的关系。
图5和图6设置的系统参数和变量要求为:γp=0.4,γs=110,rp=200,rs=10:3:40,Xs=40。图5代表3种不同方法主从用户吞吐量和与rs之间的关系比较,图6代表3种不同方法从用户吞吐量和与rs之间的关系比较。
图7和图8设置的系统参数和变量要求为:γp=1,γs=200,rp=50:10:150,rs=0.4,Xs=30,35,40,45。图7代表不同从用户采集率下主从用户吞吐量和与不同rp之间的关系比较,图8不同从用户采集率下从用户吞吐量与不同rp之间的关系。

Claims (3)

1.一种无线能量采集认知无线电的最优中继协作传输方法,其特征是:
步骤一,建立无线能量采集认知无线电的最优中继协作模型;
在每个时隙间隔为T的合作模式里,对于主用户和从用户每个时隙都被分成三部分,表示如下:
(1)在时间间隔(0,ρ1T],主用户采取非合作方式传输自己的数据,从用户从环境的无线信号中采集能量,从用户采集的能量为Xsρ1T,其中ρ1代表从用户用于能量采集的时间占有率,Xs指的是非合作传输阶段从用户的能量采集率,与此同时,主用户在非合作传输阶段完成Rpρ1T的数据传输;
(2)在时间间隔(ρ1T,(ρ1+2ρ2)T],其中ρ2代表中继传输两阶段中每个阶段中继传输时间占有率,在合作通信的持续时间是2ρ2T,主用户和从用户合作中继传输主用户的数据,剩余能量为Xsρ1T-2ρ2Tws,遵守DF协议,采用时分的方法;在(ρ1T,(ρ12)T],主用户发射机传输数据到作为中继的从用户发射机和作为目的机的主用户接收机,在((ρ12)T,(ρ1+2ρ2)T],从用户发射机中继传输主用户数据到主用户接收机,主用户从环境信号进行无线能量采集;
(3)在时间间隔((ρ1+2ρ2)T,T],当主用户传输完它的数据并且授权信道被让出,从用户开始传输它自己的数据,Xsρ1T-2ρ2Tws的能量被用于从用户数据传输,并且从用户一定耗尽在该时隙所采集的能量去传输数据,主用户从环境信号进行无线能量采集;
第一个时隙主用户能量来自于电池存储的能量,在此之后的其他时隙的主用户能量来自于上一个时隙的能量采集,Rp代表主用户的瞬时非合作传输速率,其表达式为其中γp代表主用户发射机和接收机间的信道功率增益和噪声功率比,代表前一个时隙从用户用于能量采集的的时隙片段占总时间的比率,代表前一个时隙中继传输两阶段中每个阶段中继传输时间占有率,代表前一个时隙主用户的能量采集率;Rc代表主用户的瞬时合作传输速率,其表达式为 其中γs代表主用户发射机和从用户发射机间的信道功率增益和噪声功率比,ws代表从用户分配给协作中继的功率,rp代表从用户发射机和主用户接收机的信道功率增益和噪声功率比;从用户的瞬时非合作传输速率为其中rs代表从用户发射机和接收机间的信道功率增益和噪声功率比,每个时隙主用户和从用户所获得最大吞吐量分别为max{Rpt=[ρ1Rp+2ρ2Rc]}和max{Rst=[1+(1-ρ1-2ρ2)Rs]},约束条件为Xsρ1-2ρ2ws≥0,1-ρ1-2ρ2≥0,ws≥0,其中Qpmin为主用户在每个时隙的最小目标传输速率;
步骤二,初始化量子粒子群,有I个种群,每个种群中有H个量子粒子,第t代第i个种群中第h个量子粒子的量子位置表示为1≤i≤I,其相应的速度为每个量子粒子所搜索到的局部最优量子位置记做其中分别表示第t代第i个种群中第h个量子粒子的量子位置、速度和局部最优量子位置的第d维,在量子位的定义域内随机产生,其中1≤h≤H和d=1,2,3;
步骤三,计算每个种群中每个量子粒子的量子位置所对应位置适应度,将第t代第i个种群中第h个量子粒子量子位置映射为位置 其中ld是第d维变量的下界,ud是第d维变量的上界,第t代第i个种群中第h个量子粒子量子位置的适应性通过其对应位置的适应度进行度量,则适应度函数设置为其中b∈{1,2,3};
步骤四,针对第i个种群第h个量子粒子,对于第d维速度更新过程如下:其中,c1和c2为控制最大搜索步长的加速系数;为[0,1]间的均匀随机数;ωt为加权系数,表示为ωt=ωmax-t(ωmaxmin)/tmax,另外,对于速度通过下式完成速度限制,其中,vd,max为第d维的速度上限;
步骤五,将量子位置映射为位置1≤i≤I,h=1,2,...,H,计算所有新产生量子位置的适应度,更新每个种群的每个量子粒子的局部最优量子位置和全局最优量子位置
步骤六,如果进化没有终止,令t=t+1,返回步骤四,否则,终止迭代,输出种群的全局最优量子位置,将其映射为位置,作为无线能量采集认知无线的最优信能协同中继传输方案。
2.根据权利要求1所述的无线能量采集认知无线电的最优中继协作传输方法,其特征是:步骤三中,针对不同的优化目标从以下适应度函数中选择相应的适应度函数:为每个时隙所获得主用户吞吐量,其中每个时隙所获得从用户吞吐量每个时隙所获得总吞吐量其中, 适应度值越大代表位置和相应的量子位置越好,把全局最优量子位置记做
3.根据权利要求1或2所述的无线能量采集认知无线电的最优中继协作传输方法,其特征是:步骤四中,根据不同的状态从三种不同演进规则中选择一个得到新的量子位置,当时使用规则一更新其量子位置,当时使用规则二更新其量子位置,其他情况根据规则三更新其量子位置;
规则一:第i个种群第h个量子粒子根据量子粒子量子位置的均值更新其量子位置,量子旋转角第d维的更新方式为其中为均值为0方差为1的高斯随机数,c3为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为
规则二,根据全局最优量子位置和量子位置均值更新第i个种群第h个量子粒子的量子位置,对于第d维量子位,其对应的量子旋转角为其中为[0,1]间的均匀随机数,为均值为0方差为1的高斯随机数,c4为[0,1]间比例因子,根据模拟的量子旋转门得到的新量子位为
规则三:第i个种群第h个量子粒子根据其局部最优量子位置和全局最优量子位置所确定的速度去更新其量子位置,对于第d维量子位,根据模拟的量子旋转门得到的新量子位为
CN201611135662.5A 2016-12-12 2016-12-12 无线能量采集认知无线电的最优中继协作传输方法 Active CN106603140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611135662.5A CN106603140B (zh) 2016-12-12 2016-12-12 无线能量采集认知无线电的最优中继协作传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611135662.5A CN106603140B (zh) 2016-12-12 2016-12-12 无线能量采集认知无线电的最优中继协作传输方法

Publications (2)

Publication Number Publication Date
CN106603140A true CN106603140A (zh) 2017-04-26
CN106603140B CN106603140B (zh) 2019-07-16

Family

ID=58599107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611135662.5A Active CN106603140B (zh) 2016-12-12 2016-12-12 无线能量采集认知无线电的最优中继协作传输方法

Country Status (1)

Country Link
CN (1) CN106603140B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454604A (zh) * 2017-08-22 2017-12-08 哈尔滨工程大学 认知中继网络的量子化学反应优化多中继选择方法
CN107592674A (zh) * 2017-09-11 2018-01-16 哈尔滨工程大学 一种信能协同传输的ofdm中继网络资源分配方法
CN110855387A (zh) * 2019-11-15 2020-02-28 西安居正知识产权运营管理有限公司 一种无线网络协作传输的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2103058B1 (en) * 2006-12-11 2010-09-29 New Jersey Institute of Technology Method and system for stable throughput of cognitive radio with relaying capabilities
CN104202789A (zh) * 2014-08-08 2014-12-10 杭州电子科技大学 兼顾能量有效性与传输可靠性的认知中继节点选择方法
CN105025547A (zh) * 2015-07-17 2015-11-04 广州大学 能量采集节点网络的中继选择和功率分配方法
CN105451343A (zh) * 2015-11-24 2016-03-30 南京邮电大学 一种基于能量采集的多中继网络资源分配方法
CN105744629A (zh) * 2016-04-02 2016-07-06 南京邮电大学 一种基于中继选择的能量采集中继系统时间优化分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2103058B1 (en) * 2006-12-11 2010-09-29 New Jersey Institute of Technology Method and system for stable throughput of cognitive radio with relaying capabilities
CN104202789A (zh) * 2014-08-08 2014-12-10 杭州电子科技大学 兼顾能量有效性与传输可靠性的认知中继节点选择方法
CN105025547A (zh) * 2015-07-17 2015-11-04 广州大学 能量采集节点网络的中继选择和功率分配方法
CN105451343A (zh) * 2015-11-24 2016-03-30 南京邮电大学 一种基于能量采集的多中继网络资源分配方法
CN105744629A (zh) * 2016-04-02 2016-07-06 南京邮电大学 一种基于中继选择的能量采集中继系统时间优化分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGYUAN GAO,WALEED EJAZ,MINHO JO: "Cooperative Wireless Energy Harvesting and Spectrum Sharing in 5G Networks", 《IEEE ACCESS》 *
SIXING YIN,ETC.: "Optimal Cooperation Strategy in Cognitive Radio Systems with Energy Harvesting", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107454604A (zh) * 2017-08-22 2017-12-08 哈尔滨工程大学 认知中继网络的量子化学反应优化多中继选择方法
CN107454604B (zh) * 2017-08-22 2020-12-04 哈尔滨工程大学 认知中继网络的量子化学反应优化多中继选择方法
CN107592674A (zh) * 2017-09-11 2018-01-16 哈尔滨工程大学 一种信能协同传输的ofdm中继网络资源分配方法
CN110855387A (zh) * 2019-11-15 2020-02-28 西安居正知识产权运营管理有限公司 一种无线网络协作传输的方法

Also Published As

Publication number Publication date
CN106603140B (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
Zhou et al. Energy-efficient edge computing service provisioning for vehicular networks: A consensus ADMM approach
Zhao et al. A reinforcement learning method for joint mode selection and power adaptation in the V2V communication network in 5G
CN109639377A (zh) 基于深度强化学习的频谱资源管理方法
Wu et al. Velocity-adaptive access scheme for MEC-assisted platooning networks: Access fairness via data freshness
CN106603140B (zh) 无线能量采集认知无线电的最优中继协作传输方法
CN110035559B (zh) 一种基于混沌q-学习算法的竞争窗口大小智能选择方法
CN107454604B (zh) 认知中继网络的量子化学反应优化多中继选择方法
CN113316154A (zh) 一种授权和免授权d2d通信资源联合智能分配方法
CN105050191B (zh) 基于时延QoS与公平的多用户安全认知网络资源分配方法
CN112153744B (zh) 一种icv网络中物理层安全资源分配方法
Elsayed et al. Deep reinforcement learning for reducing latency in mission critical services
Zhang et al. A load-based hybrid MAC protocol for underwater wireless sensor networks
CN111163531B (zh) 一种基于ddpg的非授权频谱占空比共存方法
CN103002457A (zh) 短距离共存系统中干扰共存模型及冲突时间分析方法
Xu et al. Play it by ear: Context-aware distributed coordinated anti-jamming channel access
CN104618912B (zh) 基于频谱感知的异构认知无线网络资源分配方法
Wang et al. Joint spectrum access and power control in air-air communications-a deep reinforcement learning based approach
CN114126021A (zh) 一种基于深度强化学习的绿色认知无线电的功率分配方法
Liu et al. Robust power control for clustering-based vehicle-to-vehicle communication
Cho et al. Cooperative and non-cooperative ALOHA games with channel capture
CN107426748A (zh) 一种无线网络控制系统中多传感器估计性能方法
CN103369681B (zh) 蜂窝网中多用户参与的m2m通信资源分配方法
Oklander et al. Modeling and analysis of system dynamics and state estimation in cognitive radio networks
Tian An Intelligent Optimization Method for Wireless Communication Network Resources Based on Reinforcement Learning
CN110012473A (zh) 基于群体智能移动代理协作感知方法、认知无线网络系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant