CN108012318A - 一种采用随机能量收集技术提高双向中继网络性能的方法 - Google Patents
一种采用随机能量收集技术提高双向中继网络性能的方法 Download PDFInfo
- Publication number
- CN108012318A CN108012318A CN201710785489.1A CN201710785489A CN108012318A CN 108012318 A CN108012318 A CN 108012318A CN 201710785489 A CN201710785489 A CN 201710785489A CN 108012318 A CN108012318 A CN 108012318A
- Authority
- CN
- China
- Prior art keywords
- relaying
- power
- mdp
- source node
- relay
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/22—TPC being performed according to specific parameters taking into account previous information or commands
- H04W52/226—TPC being performed according to specific parameters taking into account previous information or commands using past references to control power, e.g. look-up-table
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
- H04B7/15528—Control of operation parameters of a relay station to exploit the physical medium
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
- H04B7/15592—Adapting at the relay station communication parameters for supporting cooperative relaying, i.e. transmission of the same data via direct - and relayed path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/46—TPC being performed in particular situations in multi hop networks, e.g. wireless relay networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种采用随机能量收集技术提高双向中继网络性能的方法,包括以下步骤:1)采用随机EH技术建立混合双向双中继网络;2)构建混合TWDR网络的空时传输协议;3)建立中继节点R1的MDP模型;4)根据中继R1的MDP模型求解中继R1的最优能量调度策略,再根据中继R1的最优能量调度策略构建中继R1的动态功率分配表;5)在每个MDP决策周期,估计中继R1的系统状态,然后根据中继R1的系统状态查找中继R1的动态功率分配表,得该MDP决策周期中中继R1的最优发射功率,然后根据中继R1的最优发射功率完成混合TWDR网络的通信,该方法能够有效的提高网络中两个源节点之间信息传输的可靠性。
Description
技术领域
本发明属于无线通信技术领域,涉及一种采用随机能量收集技术提高双向中继网络性能的方法。
背景技术
双向中继(Two-Way Relay,TWR)通信网络是无线协作通信中的一种新型网络架构,也是近年来协作通信研究的热点领域。在基本的TWR网络中,包含两个源节点和一个中继节点。所有的无线节点均采用传统的固定电源(例如:大容量蓄电池,电力线等)供电,工作在半双工方式,并且都只配置一根天线。两个源节点之间没有直达无线链路,它们通过中继节点同时进行双向信息交互。整个信息交互过程分为两阶段——多向接入(MultipleAccess,MA)和广播(Broadcast,BC),中继R通常使用译码转发(Decode and Forward,DF)或放大转发(Amplify and Forward,AF)协议进行信号转发,最终两个源节点均可获得对方发送的信息。因此,TWR网络具有较高的传输效率和信道利用率,受到广泛关注。
在实际应用中,为了提升基本TWR网络在无线衰落信道中的传输可靠性,通常采用两种传统的方法:增加中继节点的天线数目,或者配置多个中继节点同时进行信号转发。但是,在低成本、低功耗的无线通信网络中,例如:无线传感器网络,受到资源和成本的限制,无法采用增加中继节点天线数目的方法提升网络的传输性能。另外,当无线网络缺少足够多的固定电源为通信节点供电时,在TWR网络中配置多个传统中继节点的方法也不可行。
针对基本TWR网络面临的这个实际问题,能量收集(Energy Harvesting,EH)通信技术是一种切实可行的解决方案。EH通信技术是指在无线通信网络中无线节点从自然环境中的可再生能源收集能量并用于无线信号发送,例如:太阳能、风能、热能等。因此,在基本TWR网络中,可以额外配置一个具有EH功能的中继节点来协助源节点实现双向信息交互,既提升了TWR网络的传输可靠性,又解决了通信网络中资源和成本等因素的限制问题。
相对于传统的通信技术,EH通信技术主要研究可再生能源在无线通信网络中高效利用的问题。根据能量到达信息的因果性,EH技术主要分为确知EH和随机EH两大类:在确知EH技术中,EH无线节点能够提前获知能量到达信息,包括到达时间与到达量,因此确知EH技术适用于能够准确或近似预测能量到达信息的场景;在随机EH技术中,由于EH节点无法提前获知能量到达信息,因此需要将能量到达信息建模为随机过程。由于从自然界可再生能源中收集的能量具有较强的不确定性和随机性,因此相对于确知EH技术,随机EH技术更加符合自然界中能量收集的实际情况。同时,现有EH技术在通信网络使用过程中,如果EH通信节点不能有效利用收集到的随机能量用于无线信号的发送,则会导致网络传输可靠性能偏低的问题。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种采用随机能量收集技术提高双向中继网络性能的方法,该方法能够有效地提高网络中两个源节点之间信息传输的可靠性和PEP性能。
为达到上述目的,本发明所述的采用随机能量收集技术提高双向中继网络性能的方法包括以下步骤:
1)采用随机EH技术建立混合双向双中继网络,其中,所述混合双向双中继网络包括源节点A、源节点B、中继R1以及中继R2,其中,源节点A、源节点B及中继R2均采用固定电源供电,中继R1为EH通信节点,中继R1设置有用于供电的太阳能发电系统,中继R1及中继R2能够同时协助源节点A及源节点B进行双向信息交互;
2)构建混合双向双中继网络的空时传输协议;
3)建立中继R1的MDP模型,其中,所述中继R1的MDP模型包括中继R1的系统状态空间、中继R1的行动空间、以及中继R1的系统状态转移概率及收益函数;
4)根据中继R1的MDP模型求解中继R1的最优能量调度策略,再根据中继R1的最优能量调度策略构建中继R1的系统状态与最优发射功率之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为中继R1的动态功率分配表;
5)将中继R1的最优能量调度策略及其对应的动态功率分配表存储于中继R1中,在每个MDP决策周期,估计中继R1的系统状态,然后根据中继R1的系统状态查找中继R1的动态功率分配表,得该MDP决策周期中中继R1的最优发射功率,然后根据中继R1的最优发射功率完成混合双向双中继网络的通信。
太阳能发电系统包括太阳能面板及蓄电池,中继R1采用先收集-再存储-后使用的能量管理模型,设该能量管理模型的能量管理周期为TM,在当前能量管理周期TM中,太阳能面板收集太阳能进行发电,并将太阳能面板产生的电存储于蓄电池中,以供中继R1在下一个能量管理周期TM中使用,同时设定中继R1中太阳能发电系统与无线传输模块之间相互独立,中继R1能够同时进行电能的收集及信息的发送;当蓄电池处于充满电状态时,太阳能面板所产生的电则被丢弃。
步骤2)的具体操作为:
在混合双向双中继网络中,中继R1及中继R2均依次采用空时网络编码及放大转发协议转发信号,其中,每个传输周期均包含MA阶段及BC阶段,MA阶段及BC阶段均包括L=2个时隙,具体包括以下步骤:
2a)源节点A及源节点B同时在L=2个时隙分别发送L个符号,中继Rl(l∈{1,2})接收到的信号向量为:
其中,及分别表示中继Rl与源节点A及源节点B之间的信道衰落系数,PS表示源节点A及源节点B的发射功率,sa=[sa1,sa2]和sb=[sb1,sb2]分别表示源节点A及源节点B发送的信号向量,表示中继Rl的AWGN噪声向量,服从分布
2b)中继Rl对接收到的信号向量进行线性变换及放大处理,其中,放大处理后的信号βl和θl分别表示中继Rl的信号放大系数及STNC编码向量,θl=[θl1,θl2]T具有单位范数,且θl满足式(2)所示的可识别条件:
STNC编码向量通过L×L阶范德蒙矩阵进行定义,因此STNC编码向量θl中的元素θln=ejπ(4l-1)(n-1)/(2L),l,n∈{1,2};中继R1采用可变增益法对线性变换后的信号进行放大,其中,中继R1对信号进行放大过程中的放大系数β1为:
其中,表示中继R1的发射功率,及分别表示链路A-R1的信道增益及B-R1的信道增益,同时,中继R2采用固定增益法对信号进行放大,中继R2对信号进行放大过程中的放大系数β2为:
其中,表示中继R2的发射功率;
2c)中继R1及中继R2在两个时隙中分别发送经过线性变换及放大后的信号其中,源节点A接收到中继Rl发送过来的信号为:
其中,表示源节点A的AWGN噪声,服从分布源节点A从接收到的混叠信号中减去自身发送的信号后,得待检测的信号为:
同理,得源节点B待检测的信号
还包括:
源节点A根据在两个时隙中接收到的信号向量使用ML准则对源节点B发送的信号向量sb进行联合译码,得
设以及
根据式(2)中的STNC可识别条件得:αl>0,再将式(3)及式(4)带入式(8),得:
其中,及分别表示链路A-R2及B-R2的信道增益,根据函数在信道增益及条件下源节点A的瞬时PEP为:
根据Q函数的性质则式(11)可以转换为:
其中,及分别表示中继R1及中继R2对瞬时PEP的贡献量。
源节点A、源节点B及中继R2均为无线节点,在信息传输过程中,源节点A、源节点B及中继R2发射功率为固定的;由于中继R1为具有EH功能的无线节点,中继R1能够将收集到的太阳能存储在蓄电池中,然后用于无线信号的发送,因此中继R1的发射功率与太阳能EH状态、电池电量及无线信道衰落情况相关;同时中继R1采用随机EH技术,使用随机EH模型对收集到的太阳能进行建模,因此采用马尔科夫决策过程对中继R1进行系统建模,得MDP模型,然后根据MDP模型求解中继R1的最优能量调度策略。
中继R1的系统状态空间及中继R1的行动空间的计算过程为:
设四维的系统状态空间其中,符号×表示笛卡尔积,集合表示太阳能EH状态集,集合表示中继R1的电池状态集,集合及分别表示链路A-R1及链路B-R1的信道状态集,则随机变量表示中继R1的系统随机状态;同时,定义集合为中继R1的行动空间,行动代表中继R1的发射功率;在一个MDP决策周期中,中继R1的系统状态及行动保持不变;
在MDP模型中,当中继R1的功率行动时,则在MDP决策周期中中继R1的发射功率其中,PU表示中继R1的基本发射功率,EU为基本能量单元EU;当功率行动a=0时,中继R1在相应的MDP决策周期中保持静默;
将蓄电池的容量均匀划分为Nb个等级,蓄电池状态表示蓄电池中的可用电量,当蓄电池的状态时,蓄电池中的可用电量为bEU;
使用具有Nc个状态的马尔可夫链对无线信道进行建模,其中,与中继R1相关的两个无线链路的瞬时信道增益及被Nc-1个阈值量化成Nc个区间;当信道增益属于第i个区间[Γi,Γi+1)时,则对应的信道状态i∈{0,1,…,Nc-1}。
中继R1的功率消耗分为静态功率消耗及动态功率消耗,在MDP系统中,使用中继功率行动表示中继R1的动态功率消耗;中继R1的静态功率消耗相对固定,因此设置中继R1在一个MDP决策周期中所消耗的静态能量为ρEU,其中,表示静态功率消耗因子;同时由于中继R1采用先收集-再存储-后使用的能量管理模型,则蓄电池的状态从当前状态b转移到下一状态b′的转移关系可以表示为:
b′=min(b-a-κρ+q,Nb-1) (13)
其中,a表示在当前MDP决策周期中的功率行动,q表示在当前MDP决策周期中收集到的基本能量单元EU的数量,κ表示静态功率消耗系数,其中,当b≤ρ时,κ=0;当b>ρ时,κ=1;当中继R1功率行动为a时,蓄电池的状态转移概率在太阳能EH状态e下可以表达为:
其中,式(14)的第一项表示蓄电池状态未满,式(14)的第二项代表蓄电池状态已满;
由于无线信道衰落状态与太阳能EH状态、电池状态相互独立,则当中继R1的功率行动为a时,系统从状态s=(e,f,g,b)转移到状态s′=(e′,f′,g′,b′)的转移概率Pa(s′|s)表示为:
所述动态功率消耗为用于无线信号发送所消耗的功率,动态功率消耗受到太阳能获取状态及无线信道衰落的影响,静态功率消耗包括中继R1的基带电路功率消耗及信号接收电路所消耗的功率,静态功率消耗的数值为设定的常数。
根据式(12)得混合双向双中继TWDR网络的PEP由与决定,同时与MDP系统的状态及功率行动相关,则MDP系统的收益函数定义为:在系统状态及行动的条件下中继R1对网络PEP的贡献量Ra(s),其中,
设源节点及中继R2的发射功率分别为PS=MPU和M为源节点的功率指数,根据公式(9)得为:
其中:基本信噪比
步骤4)的具体操作为:
在MDP系统中,策略表示在给定系统状态下中继R1的功率行动,MDP系统的目标为在任意系统状态s下找到中继R1的最优能量调度策略π*(s),使其在无限域中的期望折扣收益最优,其中,无限域期望折扣收益Vπ(s0)为:
其中,s0表示初始状态,表示在策略π下的期望值,λ表示折扣因子,λ的取值范围为(0,1),R(·)表示MDP系统的收益函数;当λ取值接近于1时,则式(18)中的无限域期望折扣收益等效于长期平均收益,即,
由于MDP系统的收益函数为中继R1对网络PEP的贡献量,则最优能量调度策略π*能够使得TWDR网络的长期平均PEP性能最优;
设MDP系统中马尔可夫链的随机状态重复出现,则最优能量调度策略π*满足贝尔曼方程:
根据式(21)及式(22)通过数值迭代算法求解贝尔曼方程,其中,
其中,n表示算法迭代次数,当所对应的数值V(s)恒定不变时,则认为迭代算法收敛,根据迭代的结果,得最优能量调度策略π*为:
根据最优能量调度策略π*,得中继R1的每一个系统状态均对应一个最优功率行动,使MDP系统的长期平均收益最优,则建立中继R1的系统状态与最优功率行动之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为动态功率分配表。
步骤5)中在每个MDP决策周期,估计中继R1的系统状态,所述中继R1的系统状态包括中继R1与源节点A之间的无线信道状态、中继R1与源节点B之间的无线信道状态、中继R1的电池状态SB及太阳能EH状态SE。
本发明具有以下有益效果:
本发明所述的采用随机能量收集技术提高双向中继网络性能的方法在具体操作时,根据太阳能发电系统收集的能量的随机特点以及无线信道的衰落特性,通过构建中继R1的MDP模型,然后根据中继R1的MDP模型计算中继R1的最优能量调度策略,以提高两个源节点之间信息传输的可靠性。另外,本发明根据中继R1的最优能量调度策略构建中继R1的动态功率分配表,然后在每个MDP决策周期中,根据中继R1的最优发射功率完成混合TWDR网络的通信,相对于传统典型的贪婪策略及经济策略,本发明中混合TWDR网络的PEP性能更优。
附图说明
图1为基本TWR网络模型;
图2为混合TWDR网络模型;
图3为采用STNC的TWDR网络空时传输协议示意图;
图4为EH中继系统的MDP模型;
图5为随机太阳能EH模型图;
图6为求解贝尔曼方程的数值迭代算法流程图;
图7为EH中继的动态功率分配表结构示意图;
图8为本发明与基本TWR网络的PEP性能仿真图;
图9为本发明在不同EH系统参数配置下的PEP性能仿真图;
图10为采用不同能量调度策略的混合TWDR网络的PEP性能仿真图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
本发明所述的采用随机能量收集技术提高双向中继网络性能的方法包括以下步骤:
1)采用随机EH技术建立混合双向双中继(TWDR)网络,其中,所述混合双向双中继网络包括源节点A、源节点B、中继R1以及中继R2,其中,源节点A、源节点B及中继R2均采用固定电源供电,中继R1为EH通信节点,中继R1设置有用于供电的太阳能发电系统,中继R1及中继R2能够同时协助源节点A及源节点B进行双向信息交互;
2)构建混合双向双中继网络的空时传输协议;
3)建立中继R1的MDP模型,其中,所述中继R1的MDP模型包括中继R1的系统状态空间、中继R1的行动空间、以及中继R1的系统状态转移概率及收益函数;
4)根据中继R1的MDP模型求解中继R1的最优能量调度策略,再根据中继R1的最优能量调度策略构建中继R1的系统状态与最优发射功率之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为中继R1的动态功率分配表;
5)将中继R1的最优能量调度策略及其对应的动态功率分配表存储于中继R1中,在每个MDP决策周期,估计中继R1的系统状态,然后根据中继R1的系统状态查找中继R1的动态功率分配表,获得该MDP决策周期中中继R1的最优发射功率,然后根据中继R1的最优发射功率完成混合TWDR网络的通信。
太阳能发电系统包括太阳能面板及蓄电池,中继R1采用先收集-再存储-后使用的能量管理模型,设该能量管理模型的能量管理周期为TM,在当前能量管理周期TM中,太阳能面板收集太阳能进行发电,并将太阳能面板产生的电存储于蓄电池中,以供中继R1在下一个能量管理周期TM中使用,同时设定中继R1中太阳能发电系统与无线传输模块之间相互独立,中继R1能够同时进行电能的收集及信息的发送;当蓄电池处于充满电状态时,太阳能面板所产生的电则被丢弃。
相对于确知EH技术,随机EH技术更加符合自然界中能量收集的实际情况,因此使用随机EH模型对中继R1的太阳能收集状况进行建模,该随机EH模型是一个具有Ne=4个状态的混合高斯隐马尔可夫链,不同状态代表不同的太阳辐射强度,如图5所示。当太阳能EH状态时,中继R1在单位面积太阳能面板上收集到的太阳能功率Ph服从高斯分布因此,中继R1在一个能量管理周期TM中收集到的太阳能量为Eh=PhTMΩη,其中,Ω表示太阳能电池面板面积,η表示能量转换效率;在实际应用中,中继R1收集到的太阳能首先以基本能量单元EU进行量化,然后存储到蓄电池中用于无线信号传输;在太阳能EH状态e下收集到的基本能量单元数量Q的概率可以表示为P(Q=q|SE=e)for q∈{0,1,…,∞},其代表了中继R1的EH能力;
中继R1的功率消耗分为静态功率消耗及动态功率消耗,所述动态功率消耗为用于无线信号发送所消耗的功率,动态功率消耗受到太阳能获取状态及无线信道衰落的影响,静态功率消耗包括中继R1的基带电路功率消耗及信号接收电路所消耗的功率,静态功率消耗的数值为设定的常数;
步骤2)的具体操作为:
在混合TWDR网络中,中继R1及中继R2均依次采用STNC(空时网络编码)及AF(放大转发)协议转发信号,其中,每个传输周期均包含MA阶段及BC阶段,MA阶段及BC阶段均包括L=2个时隙,具体包括以下步骤:
2a)源节点A及源节点B同时在L=2个时隙分别发送L个符号,中继Rl(l∈{1,2})接收到的信号向量为:
其中,及分别表示中继Rl与源节点A及源节点B之间的信道衰落系数,PS表示源节点A及源节点B的发射功率,sa=[sal,sa2]和sb=[sb1,sb2]分别表示源节点A及源节点B发送的信号向量,表示中继Rl的AWGN噪声向量,服从分布
2b)中继Rl对接收到的信号向量进行线性变换及放大处理,其中,放大处理后的信号βl和θl分别表示中继Rl的信号放大系数及STNC编码向量,θl=[θl1,θl2]T具有单位范数,且θl满足式(2)所示的可识别条件:
STNC编码向量通过L×L阶范德蒙矩阵进行定义,因此STNC编码向量θl中的元素θln=ejπ(4l-1)(n-1)/(2L),l,n∈{1,2};中继R1采用可变增益法对线性变换后的信号进行放大,其中,中继R1对信号进行放大过程中的放大系数β1为:
其中,表示中继R1的发射功率,及分别表示链路A-R1的信道增益及B-R1的信道增益,同时,中继R2采用固定增益法对信号进行放大,中继R2对信号进行放大过程中的放大系数β2为:
其中,表示中继R2的发射功率;
2c)中继R1及中继R2在两个时隙中分别发送经过线性变换及放大后的信号其中,源节点A接收到中继Rl发送过来的信号为:
其中,表示源节点A的AWGN噪声,服从分布源节点A从接收到的混叠信号中减去自身发送的信号后,得待检测的信号为:
同理,源节点B得待检测的信号
本发明还包括:
源节点A根据在两个时隙中接收到的信号向量使用ML准则对源节点B发送的信号向量sb进行联合译码,得
设以及
根据式(2)中的STNC可识别条件得:αl>0,再将式(3)及式(4)带入式(8),得:
其中,及分别表示链路A-R2及B-R2的信道增益,根据函数在信道增益及条件下源节点A的瞬时PEP为:
根据Q函数的性质则式(11)可以转换为:
其中,及分别表示中继R1及中继R2对瞬时PEP的贡献量。
步骤4)中求解中继R1的最优能量调度策略的原理为:源节点A、源节点B及中继R2均为无线节点,在信息传输过程中,源节点A、源节点B及中继R2发射功率为固定的;由于中继R1为具有EH功能的无线节点,中继R1能够将收集到的太阳能存储在蓄电池中,然后用于无线信号的发送,因此中继R1的发射功率与太阳能EH状态、电池电量及无线信道衰落情况相关;同时中继R1采用随机EH技术,使用随机EH模型对收集到的太阳能进行建模,因此采用马尔科夫决策过程(MDP)对EH中继进行系统建模,得MDP模型,然后根据MDP模型求解中继R1的最优能量调度策略。
步骤3)中继R1的系统状态空间及中继R1的行动空间的计算过程为:
设四维的系统状态空间其中,符号×表示笛卡尔积,集合表示太阳能EH状态集,集合表示中继R1的电池状态集,集合及分别表示链路A-R1及链路B-R1的信道状态集,则随机变量表示中继R1的系统随机状态;同时,定义集合为中继R1的行动空间,行动代表中继R1的发射功率;在一个MDP决策周期中,中继R1的系统状态及行动保持不变;
在MDP模型中,当中继R1的功率行动时,则在MDP决策周期中中继R1的发射功率其中,PU表示中继R1的基本发射功率,EU为基本能量单元EU;当功率行动a=0时,中继R1在相应的MDP决策周期中保持静默;
将蓄电池的容量均匀划分为Nb个等级,蓄电池状态表示蓄电池中的可用电量,当蓄电池的状态时,蓄电池中的可用电量为bEU;
使用具有Nc个状态的马尔可夫链对无线信道进行建模,其中,与中继R1相关的两个无线链路的瞬时信道增益及被Nc-1个阈值量化成Nc个区间;当信道增益属于第i个区间[Γi,Γi+1)时,则对应的信道状态i∈{0,1,…,Nc-1}。
步骤3)中计算中继R1的系统状态转移概率的具体操作为:
中继R1的功率消耗分为静态功率消耗及动态功率消耗,在MDP系统中,使用中继功率行动表示中继R1的动态功率消耗;中继R1的静态功率消耗相对固定,因此设置中继R1在一个MDP决策周期中所消耗的静态能量为ρEU,其中,表示静态功率消耗因子;同时由于中继R1采用先收集-再存储-后使用的能量管理模型,则蓄电池的状态从当前状态b转移到下一状态b′的转移关系可以表示为:
b′=min(b-a-κρ+q,Nb-1) (13)
其中,a表示在当前MDP决策周期中的功率行动,q表示在当前MDP决策周期中收集到的基本能量单元EU的数量,κ表示静态功率消耗系数,其中,当b≤ρ时,κ=0;当b>ρ时,κ=1;当中继R1功率行动为a时,蓄电池的状态转移概率在太阳能EH状态e下可以表达为:
其中,式(14)的第一项表示蓄电池状态未满,式(14)的第二项代表蓄电池状态已满;
由于无线信道衰落状态与太阳能EH状态、电池状态相互独立,则当中继R1的功率行动为a时,系统从状态s=(e,f,g,b)转移到状态s′=(e′,f′,g′,b′)的转移概率Pa(s′|s)表示为:
所述动态功率消耗为用于无线信号发送所消耗的功率,动态功率消耗受到太阳能获取状态及无线信道衰落的影响,静态功率消耗包括中继R1的基带电路功率消耗及信号接收电路所消耗的功率,静态功率消耗的数值为设定的常数。
步骤3)中中继R1的系统收益函数的计算过程为:
根据式(12)得混合双向双中继TWDR网络的PEP由与决定,同时与MDP系统的状态及功率行动相关,则MDP系统的收益函数定义为:在系统状态及行动的条件下中继R1对网络PEP的贡献量Ra(s),其中,
设源节点及中继R2的发射功率分别为PS=MPU和M为源节点的功率指数,根据公式(9)得为:
其中:基本信噪比
步骤4)的具体操作为:
在MDP系统中,策略表示在给定系统状态下中继R1的功率行动,MDP系统的目标为在任意系统状态s下找到中继R1的最优能量调度策略
π*(s),使其在无限域中的期望折扣收益最优,其中,无限域期望折扣收益Vπ(s0)为:
其中,s0表示初始状态,表示在策略π下的期望值,λ表示折扣因子,λ的取值范围为(0,1),R(·)表示MDP系统的收益函数;当λ取值接近于1时,则式(18)中的无限域期望折扣收益等效于长期平均收益,即,
由于MDP系统的收益函数为中继R1对网络PEP的贡献量,则最优能量调度策略π*能够使得TWDR网络的长期平均PEP性能最优;
设MDP系统中马尔可夫链的随机状态重复出现,则最优能量调度策略π*满足贝尔曼方程:
根据式(21)及式(22)通过数值迭代算法求解贝尔曼方程,其中,
其中,n表示算法迭代次数,当所对应的数值V(s)恒定不变时,则认为迭代算法收敛,根据迭代的结果,得最优能量调度策略π*为:
根据最优能量调度策略π*,得中继R1的每一个系统状态均对应一个最优功率行动,使MDP系统的长期平均收益最优,则建立中继R1的系统状态与最优功率行动之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为动态功率分配表,具体如图7所示,其中,中继R1的系统随机状态的最大数目为
N=Ne*Nb*Nc*Nc。
步骤5)中在每个MDP决策周期,估计中继R1的系统状态,所述中继R1的系统状态包括中继R1与源节点A之间的无线信道状态中继R1与源节点B之间的无线信道状态中继R1的电池状态SB及太阳能EH状态SE。
在每个MDP决策周期的开始阶段,中继R1可以通过基于训练序列的信道估计方法计算无线链路A-R1和B-R1的信道增益,然后根据MDP模型中信道增益阈值确定无线链路A-R1和B-R1的信道衰落状态及
中继R1可以直接获取自身所装备的电池的电量状态,然后按照MDP模型中系统状态的定义确定电池状态SB。
中继R1使用置信概率法确定当前MDP决策周期中的太阳能EH状态SE,具体的,首先,中继R1根据贝叶斯准则,基于前一MDP决策周期中SE的置信概率计算当前MDP决策周期内SE的置信概率,即,
其中,表示当前MDP决策周期中太阳能EH状态SE=j的置信概率,表示前一MDP决策周期中太阳能EH状态SE=i的置信概率,aij表示太阳能EH状态SE从i转移到j的状态转移概率,x(t)表示中继R1在当前MDP决策周期中收集到的太阳能辐射量,表示太阳能EH状态SE=j且太阳能辐射量为x的概率密度,然后中继R1在置信概率集合的基础上,根据不同状态值的发生概率,随机确定在当前MDP决策周期内太阳能EH状态SE的取值。
仿真实验
使用蒙特卡罗方法计算混合TWDR网络源节点的PEP性能;由于中继R1发射功率与收集到的随机能量有关,因此不可能随意设置,在仿真实验中以1mW为基准定义归一化的SNR来考察PEP性能,混合TWDR网络和MDP模型中的参数如表1所示:
表1
参考图8,当源节点的发射功率相同时,本发明的PEP性能明显优于基本TWR网络,其原因在于:相对于基本TWR网络,混合TWDR网络额外配置了一个中继R1,中继R1能够收集太阳能并协助两个源节点进行双向信息交互,并且中继R1采用最优能量调度策略,因此,两个源节点之间的信息传输可靠性得到显著提高。同时,在混合TWDR网络中,增大源节点的功率指数M,提高源节点的发射功率,有效提升混合TWDR网络的PEP性能。
表2列出了EH中继系统中四种典型的参数配置,每种参数配置对应一组太阳能面板面积Ω及静态功率因子ρ。参考图9,在静态功率因子ρ相同的情况下,增大太阳能面板面积Ω可以显著提升混合TWDR网络的PEP性能,其原因位于,增大太阳能面板面积Ω,EH中继在相同时间内可以收集到更多的太阳能用于无线传输,因此可以提升EH中继的发射功率。同时,在相同的太阳能收集能力下,增大EH中继的静态功率因子ρ,则会减小EH中继的动态功率消耗,从而导致混合TWDR网络的PEP性能下降。
表2
配置索引(Config.Index) | Ω(cm2) | ρ |
1 | 1 | 0 |
2 | 2 | 0 |
3 | 2 | 1 |
4 | 2 | 2 |
参考图10,两种近视策略在确定EH中继的发射功率时不考虑系统随机状态:在贪婪策略(Greedy Policy)中,EH中继将消耗电池中所有能量用于当前策略周期中的数据传输;在经济策略(Economical Policy)中,EH中继在整个策略周期中只消耗最小的发射功率。因此可以看出,当EH中继采用本发明时,混合TWDR网络的PEP性能明显优于其他两种对比策略。
Claims (10)
1.一种采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,包括以下步骤:
1)采用随机EH技术建立混合双向双中继网络,其中,所述混合双向双中继网络包括源节点A、源节点B、中继R1以及中继R2,其中,源节点A、源节点B及中继R2均采用固定电源供电,中继R1为EH通信节点,中继R1设置有用于供电的太阳能发电系统,中继R1及中继R2能够同时协助源节点A及源节点B进行双向信息交互;
2)构建混合双向双中继网络的空时传输协议;
3)建立中继R1的MDP模型,其中,所述中继R1的MDP模型包括中继R1的系统状态空间、中继R1的行动空间、以及中继R1的系统状态转移概率及收益函数;
4)根据中继R1的MDP模型求解中继R1的最优能量调度策略,再根据中继R1的最优能量调度策略构建中继R1的系统状态与最优发射功率之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为中继R1的动态功率分配表;
5)将中继R1的最优能量调度策略及其对应的动态功率分配表存储于中继R1中,在每个MDP决策周期,估计中继R1的系统状态,然后根据中继R1的系统状态查找中继R1的动态功率分配表,得该MDP决策周期中中继R1的最优发射功率,然后根据中继R1的最优发射功率完成混合双向双中继网络的通信。
2.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,太阳能发电系统包括太阳能面板及蓄电池,中继R1采用先收集-再存储-后使用的能量管理模型,设该能量管理模型的能量管理周期为TM,在当前能量管理周期TM中,太阳能面板收集太阳能进行发电,并将太阳能面板产生的电存储于蓄电池中,以供中继R1在下一个能量管理周期TM中使用,同时设定中继R1中太阳能发电系统与无线传输模块之间相互独立,中继R1能够同时进行电能的收集及信息的发送;当蓄电池处于充满电状态时,太阳能面板所产生的电则被丢弃。
3.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,步骤2)的具体操作为:
在混合双向双中继网络中,中继R1及中继R2均依次采用空时网络编码及放大转发协议转发信号,其中,每个传输周期均包含MA阶段及BC阶段,MA阶段及BC阶段均包括L=2个时隙,具体包括以下步骤:
2a)源节点A及源节点B同时在L=2个时隙分别发送L个符号,中继Rl(l∈{1,2})接收到的信号向量为:
其中,及分别表示中继Rl与源节点A及源节点B之间的信道衰落系数,PS表示源节点A及源节点B的发射功率,sa=[sa1,sa2]和sb=[sb1,sb2]分别表示源节点A及源节点B发送的信号向量,表示中继Rl的AWGN噪声向量,服从分布
2b)中继Rl对接收到的信号向量进行线性变换及放大处理,其中,放大处理后的信号βl和θl分别表示中继Rl的信号放大系数及STNC编码向量,θl=[θl1,θl2]T具有单位范数,且θl满足式(2)所示的可识别条件:
STNC编码向量通过L×L阶范德蒙矩阵进行定义,因此STNC编码向量θl中的元素θln=ej π(4l-1)(n-1)/(2L),l,n∈{1,2};中继R1采用可变增益法对线性变换后的信号进行放大,其中,中继R1对信号进行放大过程中的放大系数β1为:
其中,表示中继R1的发射功率,及分别表示链路A-R1的信道增益及B-R1的信道增益,同时,中继R2采用固定增益法对信号进行放大,中继R2对信号进行放大过程中的放大系数β2为:
其中,表示中继R2的发射功率;
2c)中继R1及中继R2在两个时隙中分别发送经过线性变换及放大后的信号其中,源节点A接收到中继Rl发送过来的信号为:
其中,表示源节点A的AWGN噪声,服从分布源节点A从接收到的混叠信号中减去自身发送的信号后,得待检测的信号为:
同理,源节点B得待检测的信号
4.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,还包括:
源节点A根据在两个时隙中接收到的信号向量使用ML准则对源节点B发送的信号向量sb进行联合译码,得
设以及
根据式(2)中的STNC可识别条件得:αl>0,再将式(3)及式(4)带入式(8),得:
其中,及分别表示链路A-R2及B-R2的信道增益,根据函数在信道增益及条件下源节点A的瞬时PEP为:
根据Q函数的性质则式(11)可以转换为:
其中,及分别表示中继R1及中继R2对瞬时PEP的贡献量。
5.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,
源节点A、源节点B及中继R2均为无线节点,在信息传输过程中,源节点A、源节点B及中继R2发射功率为固定的;由于中继R1为具有EH功能的无线节点,中继R1能够将收集到的太阳能存储在蓄电池中,然后用于无线信号的发送,因此中继R1的发射功率与太阳能EH状态、电池电量及无线信道衰落情况相关;同时中继R1采用随机EH技术,使用随机EH模型对收集到的太阳能进行建模,因此采用马尔科夫决策过程对中继R1进行系统建模,得MDP模型,然后根据MDP模型求解中继R1的最优能量调度策略。
6.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,中继R1的系统状态空间及中继R1的行动空间的计算过程为:
设四维的系统状态空间其中,符号×表示笛卡尔积,集合表示太阳能EH状态集,集合表示中继R1的电池状态集,集合及分别表示链路A-R1及链路B-R1的信道状态集,则随机变量表示中继R1的系统随机状态;同时,定义集合为中继R1的行动空间,行动代表中继R1的发射功率;在一个MDP决策周期中,中继R1的系统状态及行动保持不变;
在MDP模型中,当中继R1的功率行动时,则在MDP决策周期中中继R1的发射功率其中,PU表示中继R1的基本发射功率,EU为基本能量单元EU;当功率行动a=0时,中继R1在相应的MDP决策周期中保持静默;
将蓄电池的容量均匀划分为Nb个等级,蓄电池状态表示蓄电池中的可用电量,当蓄电池的状态时,蓄电池中的可用电量为bEU;
使用具有Nc个状态的马尔可夫链对无线信道进行建模,其中,与中继R1相关的两个无线链路的瞬时信道增益及被Nc-1个阈值量化成Nc个区间;当信道增益属于第i个区间[Γi,Γi+1)时,则对应的信道状态i∈{0,1,…,Nc-1}。
7.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,
中继R1的功率消耗分为静态功率消耗及动态功率消耗,在MDP系统中,使用中继功率行动表示中继R1的动态功率消耗;中继R1的静态功率消耗相对固定,因此设置中继R1在一个MDP决策周期中所消耗的静态能量为ρEU,其中,表示静态功率消耗因子;同时由于中继R1采用先收集-再存储-后使用的能量管理模型,则蓄电池的状态从当前状态b转移到下一状态b′的转移关系可以表示为:
b′=min(b-a-κρ+q,Nb-1) (13)
其中,a表示在当前MDP决策周期中的功率行动,q表示在当前MDP决策周期中收集到的基本能量单元EU的数量,κ表示静态功率消耗系数,其中,当b≤ρ时,κ=0;当b>ρ时,κ=1;当中继R1功率行动为a时,蓄电池的状态转移概率在太阳能EH状态e下可以表达为:
其中,式(14)的第一项表示蓄电池状态未满,式(14)的第二项代表蓄电池状态已满;
由于无线信道衰落状态与太阳能EH状态、电池状态相互独立,则当中继R1的功率行动为a时,系统从状态s=(e,f,g,b)转移到状态s′=(e′,f′,g′,b′)的转移概率Pa(s′|s)表示为:
所述动态功率消耗为用于无线信号发送所消耗的功率,动态功率消耗受到太阳能获取状态及无线信道衰落的影响,静态功率消耗包括中继R1的基带电路功率消耗及信号接收电路所消耗的功率,静态功率消耗的数值为设定的常数。
8.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,
根据式(12)得混合双向双中继TWDR网络的PEP由与决定,同时与MDP系统的状态及功率行动相关,则MDP系统的收益函数定义为:在系统状态及行动的条件下中继R1对网络PEP的贡献量Ra(s),其中,
设源节点及中继R2的发射功率分别为PS=MPU和M为源节点的功率指数,根据公式(9)得为:
其中,基本信噪比
9.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,步骤4)的具体操作为:
在MDP系统中,策略表示在给定系统状态下中继R1的功率行动,MDP系统的目标为在任意系统状态s下找到中继R1的最优能量调度策略π*(s),使其在无限域中的期望折扣收益最优,其中,无限域期望折扣收益Vπ(s0)为:
其中,s0表示初始状态,表示在策略π下的期望值,λ表示折扣因子,λ的取值范围为(0,1),R(·)表示MDP系统的收益函数;当λ取值接近于1时,则式(18)中的无限域期望折扣收益等效于长期平均收益,即,
由于MDP系统的收益函数为中继R1对网络PEP的贡献量,则最优能量调度策略π*能够使得TWDR网络的长期平均PEP性能最优;
设MDP系统中马尔可夫链的随机状态重复出现,则最优能量调度策略π*满足贝尔曼方程:
根据式(21)及式(22)通过数值迭代算法求解贝尔曼方程,其中,
其中,n表示算法迭代次数,当所对应的数值V(s)恒定不变时,则认为迭代算法收敛,根据迭代的结果,得最优能量调度策略π*为:
根据最优能量调度策略π*,得中继R1的每一个系统状态均对应一个最优功率行动,使MDP系统的长期平均收益最优,则建立中继R1的系统状态与最优功率行动之间的对应关系,然后将中继R1的系统状态与最优功率行动之间的对应关系作为动态功率分配表。
10.根据权利要求1所述的采用随机能量收集技术提高双向中继网络性能的方法,其特征在于,步骤5)中在每个MDP决策周期,估计中继R1的系统状态,所述中继R1的系统状态包括中继R1与源节点A之间的无线信道状态、中继R1与源节点B之间的无线信道状态、中继R1的电池状态SB及太阳能EH状态SE。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710785489.1A CN108012318B (zh) | 2017-08-31 | 2017-08-31 | 一种采用随机能量收集技术提高双向中继网络性能的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710785489.1A CN108012318B (zh) | 2017-08-31 | 2017-08-31 | 一种采用随机能量收集技术提高双向中继网络性能的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108012318A true CN108012318A (zh) | 2018-05-08 |
CN108012318B CN108012318B (zh) | 2019-08-09 |
Family
ID=62051665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710785489.1A Active CN108012318B (zh) | 2017-08-31 | 2017-08-31 | 一种采用随机能量收集技术提高双向中继网络性能的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108012318B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900269A (zh) * | 2018-06-08 | 2018-11-27 | 华北电力大学(保定) | 无线和电力线双媒质协作通信系统的误码率性能分析方法 |
CN109195216A (zh) * | 2018-09-13 | 2019-01-11 | 长安大学 | 一种适用于双向中继通信网络源节点的随机能量调度方法 |
CN111641974A (zh) * | 2020-04-10 | 2020-09-08 | 阳光学院 | 一种基于5g小型蜂窝混合再生能源网络的方法和存储设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454990A (zh) * | 2016-12-12 | 2017-02-22 | 广西师范大学 | 一种考虑能量传输的中继选择方法 |
CN106877919A (zh) * | 2017-01-03 | 2017-06-20 | 华侨大学 | 基于最优用户选择的功率分配能量采集中继安全通信方法 |
CN107041005A (zh) * | 2017-02-28 | 2017-08-11 | 南京邮电大学 | 基于能量协作的双向认知中继网络资源分配方法 |
-
2017
- 2017-08-31 CN CN201710785489.1A patent/CN108012318B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454990A (zh) * | 2016-12-12 | 2017-02-22 | 广西师范大学 | 一种考虑能量传输的中继选择方法 |
CN106877919A (zh) * | 2017-01-03 | 2017-06-20 | 华侨大学 | 基于最优用户选择的功率分配能量采集中继安全通信方法 |
CN107041005A (zh) * | 2017-02-28 | 2017-08-11 | 南京邮电大学 | 基于能量协作的双向认知中继网络资源分配方法 |
Non-Patent Citations (1)
Title |
---|
丁长文等: "能量收集双向中继网络的高能效联合中继选择和功率分配算法", 《电子学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900269A (zh) * | 2018-06-08 | 2018-11-27 | 华北电力大学(保定) | 无线和电力线双媒质协作通信系统的误码率性能分析方法 |
CN108900269B (zh) * | 2018-06-08 | 2021-02-02 | 华北电力大学(保定) | 无线和电力线双媒质协作通信系统的误码率性能分析方法 |
CN109195216A (zh) * | 2018-09-13 | 2019-01-11 | 长安大学 | 一种适用于双向中继通信网络源节点的随机能量调度方法 |
CN109195216B (zh) * | 2018-09-13 | 2019-10-08 | 长安大学 | 一种适用于双向中继通信网络源节点的随机能量调度方法 |
CN111641974A (zh) * | 2020-04-10 | 2020-09-08 | 阳光学院 | 一种基于5g小型蜂窝混合再生能源网络的方法和存储设备 |
CN111641974B (zh) * | 2020-04-10 | 2023-06-20 | 阳光学院 | 一种基于5g小型蜂窝混合再生能源网络的方法和存储设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108012318B (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Powering mobile networks with green energy | |
Zhai et al. | Simultaneous wireless information and power transfer at 5G new frequencies: Channel measurement and network design | |
CN107171701B (zh) | 一种MassiveMIMO系统基于混合能量采集的功率分配方法 | |
CN105451343A (zh) | 一种基于能量采集的多中继网络资源分配方法 | |
CN101784107B (zh) | 无线mimo网络中基于非合作重复博弈的功率调度方法 | |
CN108012318B (zh) | 一种采用随机能量收集技术提高双向中继网络性能的方法 | |
CN105188106A (zh) | 一种无线能量传输供电的中继系统的能量合作方法 | |
Liu et al. | Subchannel and resource allocation in cognitive radio sensor network with wireless energy harvesting | |
CN108541001B (zh) | 一种用于能量可收集双向协作通信的中断率优化方法 | |
CN108923898B (zh) | 硬件损伤下无线能量传输的大规模mimo系统能效优化方法 | |
CN111446992B (zh) | 无线供电大规模mimo网络中的最大化最小能效资源分配方法 | |
Wan et al. | AHP based relay selection strategy for energy harvesting wireless sensor networks | |
CN103139864A (zh) | 认知协作中继转发方法及系统 | |
CN110312269A (zh) | 一种基于能量-信息权衡传输的无线携能通信系统及其方法 | |
CN102769890A (zh) | 基于均匀分簇和数据聚合的无线传感器网络路由方法 | |
Li et al. | A novel energy-balanced routing algorithm in energy harvesting sensor networks | |
Ko et al. | Energy utilization-aware operation control algorithm in energy harvesting base stations | |
CN103491577A (zh) | 一种协同通信系统的中继选择方法 | |
He et al. | Optimizing information freshness in RF-powered multi-hop wireless networks | |
CN109272167B (zh) | 一种基于uudn和q神经网络的绿色能量合作方法 | |
CN108650710B (zh) | 基于混合多址接入的无线供能通信网络的资源分配方法 | |
CN108462975A (zh) | D2d无线供电通信网络中功率与时间联合分配方法 | |
Elhabyan et al. | A full area coverage guaranteed, energy efficient network configuration strategy for 3d wireless sensor networks | |
CN101742529A (zh) | 无线协作网络中中继分配和合作维持方法 | |
Huang et al. | A high-throughput wireless-powered relay network with joint time and power allocations |
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 |