CN108521672B - 一种分布式无线能量和信息传输系统的资源分配方法 - Google Patents

Abstract

本发明公开了一种分布式无线能量和信息传输系统的资源分配方法，所述分布式无线能量和信息传输系统包括1个计算中心，M个RRHs，S个用户单元，包括如下步骤：M个RRHs同时发送射频信号对S个用户进行充电；RRH‑用户单元的上行链路上，用户单元利用在下行链路上接收的能量以时分多址的方式给离用户单元最近的RRH传输信息；RRHs接收的用户信息以时分多址方式发送给计算中心。本发明使系统在满足RRHs的功率约束以及计算中心、RRHs、用户单元的因果约束的条件下，获得最大的吞吐量。

Description

一种分布式无线能量和信息传输系统的资源分配方法

技术领域

本发明属于无线通信领域，具体涉及一种分布式无线能量和信息传输系统的资源分配方法，更具体涉及一种基于交换方向乘子法(Alternating Direction Method ofMultipliers,ADMM)算法的分布式无线能量和信息传输系统的资源分配方法。

背景技术

在大规模传感器网络中，手动为能量耗尽的传感器节点更换电池是不现实，且难以实现的。传统的太阳能和风能等可再生能源无法为传感器提供稳定的能量供应。除了传统的太阳能、风能以外，传递通信信号的电磁波本身也是能量的携带者。利用通信设备发射的电磁波为低功耗的传感器节点或通信终端进行无线充电是解决传感器节点能量供应问题的有效方法。

目前对无线信息和能量同传技术的研究多集中在对“集中式”网络结构的研究上，即一个通信基站发射电能，直接为分布于一定范围内的通信终端充电。由于无线电能随传输距离的增加而急剧衰减，距离基站远的用户无法获得较高的能量采集效率。另外，距离基站远的用户往往要消耗更多的能量来发送信息。因此，这种“集中式”的无线能量供应将使距离基站较远的用户遭受“双远近效应”的影响。

目前的研究工作大多采用传统的集中式天线系统，当用户数量增加时，集中式天线系统很难满足用户对速率和能量的要求。在满足所有数据和能量约束的条件下，如何通过有效地算法进行无线资源分配使得系统的信息传输速率最大化具有重要意义。

发明内容

本发明的目的在于弥补上述现有技术的不足，提出一种分布式无线能量和信息传输系统的资源分配方法，本发明使系统在满足RRHs的功率约束以及计算中心、RRH、用户单元的因果约束的条件下，获得最大吞吐量。

本发明采用的技术方案为一种分布式无线能量和信息传输系统的动态资源分配方法，所述分布式无线能量和信息传输系统包括1个计算中心，M个远端接入单元(RRHs，remote radio heads)，S个用户单元，包括如下步骤：

(1)M个RRHs同时发送射频信号对S个用户进行充电，每个用户接收的能量

为

式中，T₁为RRHs对用户充电的时长，P_Em为第m 个RRH在传输能量时的射频信号功率，m＝1,2,3……,M，每个RRH都与K_m个用户关联，K_m为第m个RRH所关联的用户数集，所有RRH关联的用户数集互异，所述用户数集的并集为总用户数集S：

k_m为用户集合K_m中的用户，

为第m个RRH和第k_m个用户间的下行链路上的信道增益， k_m＝1,2,3……,K_m；

(2)RRH-用户单元的上行链路上，用户单元利用在下行链路上接收的能量以时分多址的方式给离用户单元最近的RRH传输信息；

(3)RRH接收的用户信息以时分多址方式发送给计算中心。

进一步的，所述步骤(2)中，

式中，B_s为用户发送的数据常量，

为用户的发送功率，

为用户的发送时间，

为上行链路的信道增益信噪比。

进一步的，所述步骤(3)中，每个RRH需要向计算中心传输其下所有用户发送的比特数之和K_mB_s bits，满足：

K_mB_s-T'_m log(1+g_mP_Dm)≤0，式中，P_Dm为第m个RRH的信息发送功率，T_m′为第m个RRH的信息发送时间，g_m为第m个RRH到计算中心之间的信道增益信噪比。

进一步的，还包括步骤(4)：所述分布式无线能量和信息传输系统在上行链路的传输速率为

在满足能量受限的情况下，对

五个参数进行优化，以实现所述传输速率的最大化：已知网络中所有的信道状态信息，计算中心基于ADMM算法将动态资源分配问题分成三个子问题进行迭代求解，其第k次迭代形式如下：

z_m ^k+1＝T'_m ^k+1(P_Dm ^k+1-P_t)+T₁P_Em ^k+1-T₁P_t+z_m ^k (3)

式中，z_m为扩展拉格朗日乘子。上述子问题(1)和子问题(2)中

为增强的扩展拉格朗日函数，具体形式见具体实施方案。通过最优性条件求解子问题(1)和(2)，可得到的非线性方程组分别为

式中，λ_m m＝1,……M为子问题(1)的拉格朗日乘子,ρ为增强的拉格朗日参数， P_t为RRH的平均功率，变量

式中，

为子问题(2)的拉格朗日乘子,变量

非线性方程由不动点迭代法求得数值解，上述基于ADMM的迭代算法完成后，解出最优结果

最后计算中心将得到的最优结果以广播的形式通知RRH和用户。

本发明的有益效果为：

本发明提出了在分布式系统中的无线能量和信息传输方案。通过最优的功率和时间分配，在满足用户能量需求的条件下，最大化系统的传输速率。通过 ADMM算法求解优化问题，降低了算法的实现复杂度，有利于算法在系统中的实现。

附图说明

图1为本发明的系统模型图；

图2为系统时间分配示意图；

图3(a)为中心处理单元-远端接入单元部分上行链路示意图，图3(b)为中心处理单元-远端接入单元部分下行链路部分；

图4为远端接入单元-用户单元部分；

图5是本发明算法流程图；

图6是不动点迭代法的算法流程图；

图7是本发明中原始残差关于迭代次数的关系图；

图8是本发明中对偶残差关于迭代次数的关系图；

图9是本发明在不同个数RRH情况下最大信息传输速率关于平均功率的关系图。

具体实施方式

如图1所示，我们所考虑的系统包括1个计算中心，M个RRHs，S个用户单元。为解决无线能量与信息传输系统中的“双远近效应”问题，本发明在无线能量与信息传输系统中采用分布式天线系统结构。分布式天线系统被认为是未来移动通信的关键技术。本发明中，多个RRHs分布在一个较大的范围内，所有的 RRHs以无线的方式与计算中心相连。相比于有线连接方式，无线方式能够规避需要铺设光纤或者同轴电缆所产生的费用，从而降低成本，增加实用性。与传统集中式天线系统相比，分布式天线系统可以使RRHs尽可能靠近无线用户终端，从而提高能量传输效率和信息传输速率。整个系统完成能量和信息传输需要三个阶段(如图2所示)。

前两个阶段为RRH-用户单元上行阶段(如图3( a) 所示)和RRH-用户单元下行阶段(如图3( b) 所示)。在T₁时间内，分布在一定范围内的M个RRHs同时发送射频信号对该范围内的所有用户进行充电，即该范围的每个用户都可以接收来自各个RRH发送的能量。RRHs发送功率为P_Em的射频信号实现对该范围内所有用户的充电。对于每个用户单元而言，它们接收的能量可以表示为

在第二阶段，用户使用接收的能量

来给其最近的RRH发送B_sbits信息。为了防止用户间信息传输的相互干扰，所有用户在上行链路上采用时分多址的方式发送信息。根据能量守恒定理，用户单元发送的能量不能超过其接收的能量，即满足

基于信道容量理论,我们可以知道RRH-用户单元部分信息传输必须满足以下不等式：

计算中心-RRH(如图4所示)完成第三个阶段，实现两个单元间的信息传输。计算中心和各个RRHs间同样通过时分多址的方式传输信息。RRHs接收的用户信息通过无线的方式发送给计算中心。计算中心除了负责接收和处理来自用户的信息，也负责整个系统的无线资源的分配从而使系统信息传输速率最大化。 RRHs接收来自邻近的K_m个用户的信息，所以每个RRH都有K_mB_sbits信息需要发送。信息发送过程满足以下不等式：

K_mB_s-T'_mlog(1+g_mP_Dm)≤0m＝1,2,3……,M (4)

RRHs消耗的能量包括两部分：一部分用于向用户单元发送充电射频能量 T₁P_Em，另一部分能量消耗于向计算中心发送信息的能量T_m'P_Dm。令P_t表示RRH 的平均功率限制，即：

T'_m(P_Dm-P_t)+T₁(P_Em-P_t)＝0m＝1,2,……M (5)

综上所述，在满足能量约束条件下的传输速率最大化问题可以表示为

K_mB_s-T'_mlog(1+g_mP_Dm)≤0m＝1,2,3……,M (6d)

T'_m(P_Dm-P_t)+T₁(P_Em-P_t)＝0 (6e)

为了得到一个更简单的表达式，本发明中将目标函数(6a)转化为一个等价表达式：

有上述可知条件约束(6b)、(6d)非凸,为了解决这个问题，本发明中采用新的变量

和

来代替原来的变量，得到的新表达式为：

式子(6e1)(6c1)是仿射的。式子(6b1),(6d1)可以证明是凸的。

通过对限制条件和目标函数的等价代换，我们可以数学模型(6)转化成下面的一个凸优化问题:

由于该优化问题的变量过多，很难用一般的方法求解，在本发明中应用 ADMM算法来求解该问题。我们将优化变量

分成两个部分：

和

我们应用ADMM算法将(7)分成三个子问题进行求解。首先我们定义两个闭式的凸集，其中R^m×n指m×n维的向量空间：

是定义在凸集Π₁、Π₂上的指示函数，其表达式如下所示:

由此，我们可以将(7)转化为便与应用ADMM算法的形式：

因为指示函数是闭式的、凸的，所以目标函数也是闭式的、凸的。这个形式适用于ADMM算法框架，接下来我们应用ADMM算法解决问题(6)。

我们将(8)式转换为一个增强的扩展拉格朗日函数：

其中，z_m(m＝1,2,3……,M)称为扩展对偶变量或扩展拉格朗日乘子，ρ为增强的拉格朗日参数，ρ＞0。优化问题(7)可以按照ADMM算法框架迭代更新得到解决，第k+1次迭代形式如下：

当以下条件满足时，迭代程序停止：

||r^k+1||₂≤ε^pri,||s^k+1||₂≤ε^dual

其中

为在第k+1次的对偶残差，

为在第k+1次的原始残差。ε^pri＞0和ε^dual＞0是原始和对偶可行情况的容忍值。这些容忍值可以由以下准则进行计算：

接下来，我们详细介绍如何根据(10)式进行分步迭代计算。从(10)式中，我们可以很容易看出当

和

更新以后，z_m的更新非常容易计算。所以接下来本发明主要介绍如何更新

和

A.

的更新

这节详细介绍如何更新式子(10a)中的

根据指示函数的定义，可以看出

是下列优化问题的解：

(11)式是一个凸优化问题，我们可以得到它的拉格朗日对偶函数为

λ∈R是拉格朗日乘子。因为(9)式具有强对偶性，我们应用KKT条件求解最优解，可以得到以下式子：

其中变量x^*表示满足条件的最优值。从(13)式我们可知，当λ_m＝0时，等式(13a)不成立。因为λ_m≥0,所以我们可以得出λ_m＞0。在KKT条件中，我们有

因为λ_m＞0，所以我们可以得到

由(13)、(14)和(15)，我们可以列出如下非线性方程组

从上述方程组中可以看出T'_m、λ_m、

都是关于P_Dm的方程，可以采用不动点迭代法进行非线性方程的求解(不动点迭代算法参见图6)。通过等价变换可以得出

给定初始值P_Dm ⁽⁰⁾后，可构造迭代计算公式

通过迭代计算可知序列{P_Dm ^(k)}收敛的极限值为方程的解，从而计算出 T'_m、λ_m、

的解。

B.

的更新

在这节中，我们详细介绍变量

的更新。子问题B可以写成如下形式：

(16)的限制条件在上面已经被证明是凸的，所以这个问题也应用KKT方程求解。式子(16)的拉格朗日对偶函数可以表示为如下形式:

式中，

为拉格朗日乘子。

根据KKT条件，我们可以得到以下式子：

从式子(18b)中，我们可以得出

否则等式不成立。因为

所以

大于0。为了同时满足式子(18c)，我们可以得出

也大于0。根据 KKT方程中的互补松弛性条件，我们可以得出：

根据式子(18)和(19)，我们可以计算出以下结论：

上述方程组也可以通过不动点迭代算法实现(算法参见图6)，

P_Em、

都可以看作关于

的式子，将上述方程等价代换可得

构造迭代计算公式

求出

序列收敛的极限值，再计算出

P_Em、

可以得到方程的解。

通过对

和

更新的详细介绍，我们可以迭代地进行计算得出式子(7)的最优值。具体的算法流程参见图5。通过图5中的算法，我们可以在限制条件内最小化信息传输时间，从而最大化信息吞吐量使得系统无线资源分配得到优化。

将上述系统在matlab环境中进行仿真，可以得到该算法的原始残差关于迭代次数的关系图(参见图7)和对偶残差关于迭代次数的关系图(参见图8)。我们比较本发明的系统在不同平均功率下的最大信息传输速率变化情况。仿真中假定该系统下总用户数S＝24，每个阶段充电时长T1＝60s，每个用户每次需要发送的信息数为1Kbits。我们假定该系统信道带宽为10MHz，AWGN信道的加性高斯白噪声的功率谱密度为-150dBm/Hz。所有信道存在小尺度衰落，表示为

服从复高斯分布。路径损耗模型服从Kd^-α，其中K＝0.01为路径损耗因子，d代表相对距离，α＝2为路径损耗指数。能量传输的下行信道增益为

用于信息传输的两个上行信道增益信噪比为

通过上述信道模型，我们计算平均功率为 6dB～40dB时，该系统的最大信息传输速率随平均功率的变化情况。仿真中比较不同数目RRH情况下最大信息传输速率的变化情况(参见图9)。从图9中我们可以看出对于同一数目RRH，系统的平均功率越大，最大信息传输速率越大。当平均功率相同的情况下，提高RRH的数目也可以显著增加最大信息传输速率。相比于传统集中式结构来说(即RRH＝1的情况)，分布式结构的采用可以有效减少传输时间，吞吐量。仿真证明，本发明提出的结构模型能够有效提高系统性能，系统应用的ADMM算法可以在较短迭代次数内收敛，该系统能够更好更快的实现动态资源分配以及最大化系统吞吐量。

Claims (3)

1.一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述分布式无线能量和信息传输系统包括1个计算中心，M个RRHs，S个用户单元，包括如下步骤：

(1)M个RRHs同时发送射频信号对S个用户进行充电，每个用户接收的能量

为

式中，T₁为RRH对用户充电的时长，P_Em为第m个RRH在传输能量时的射频信号功率，m＝1,2,3……,M，每个RRH都与K_m个用户关联，K_m为第m个RRH所关联的用户数集，所有RRH关联的用户数集互异，所述用户数集的并集为总用户数集S：

k_m为用户集合K_m中的用户，

为第m个RRH和第k_m个用户间的下行链路上的信道增益，k_m＝1,2,3……,K_m；

(2)RRH-用户单元的上行链路上，用户单元利用在下行链路上接收的能量以时分多址的方式给离用户单元最近的RRH传输信息：

式中，B_s为每个用户发送的数据常量，

为用户k_m的发送功率，

为用户k_m的发送时间，

为用户k_m的上行链路信道增益信噪比；

(3)RRHs接收的用户信息以时分多址方式发送给计算中心：每个RRH需要向计算中心传输其下所有用户发送的比特数之和K_mB_sbits，满足：

K_mB_s-T'_m log(1+g_mP_Dm)≤0，式中，P_Dm为第m个RRH的信息发送功率，T_m′为第m个RRH的信息发送时间，g_m为第m个RRH到计算中心之间的信道增益信噪比；

(4)所述分布式无线能量和信息传输系统在上行链路的传输速率为

在满足能量受限的情况下，对

五个参数进行优化，以实现所述传输速率的最大化：已知网络中所有的信道状态信息，计算中心基于ADMM算法将资源分配问题分成三个子问题进行迭代求解，其第k次迭代形式如下：

z_m ^k+1＝T'_m ^k+1(P_Dm ^k+1-P_t)+T₁P_Em ^k+1-T₁P_t+z_m ^k 子问题(3)

式中，z_m为扩展拉格朗日乘子，所述子问题(1)和子问题(2)中

为增强的扩展拉格朗日函数，通过最优性条件求解子问题(1)和(2)，得到非线性方程组分别为

式中，λ_m为子问题(1)的拉格朗日乘子,ρ为增强的拉格朗日参数，P_t为RRH的平均功率，变量

式中，

为子问题(2)的拉格朗日乘子，变量

非线性方程由不动点迭代法求得数值解，所述基于ADMM的迭代算法完成后，解出最优结果

最后计算中心将得到的最优结果以广播的形式通知RRHs和用户。

2.根据权利要求1所述的一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述子问题(1)的非线性方程组通过等价变换得出：

给定初始值P_Dm ⁽⁰⁾后，构造迭代计算公式

序列{P_Dm ^(k)}收敛的极限值为方程的解，从而计算出T'_m、λ_m、

的解。

3.根据权利要求1所述的一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述子问题(2)的非线性方程组通过等价变换得出：

构造迭代计算公式

求出

序列收敛的极限值，再计算出

P_Em、

得到方程的解。

Images