CN108541001A

CN108541001A - 一种用于能量可收集双向协作通信的中断率优化算法

Info

Publication number: CN108541001A
Application number: CN201810257834.9A
Authority: CN
Inventors: 胡洋; 邱成润; 陈彦
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2018-03-27
Filing date: 2018-03-27
Publication date: 2018-09-14
Anticipated expiration: 2038-03-27
Also published as: CN108541001B

Abstract

本发明公开了一种用于能量可收集双向协作通信的中断率优化算法，属于绿色通信技术领域。本发明所述算法包括如下步骤：(1)初始化变量；(2)测量当前信道功率与收集能量；(3)计算防止中止发生所需要的能量阈值；(4)中继求解优化问题；(5)更新电池与虚拟队列信息。本发明所述方法利用李雅普诺夫优化，对连续参数的能量可收集协作通信作优化，帮助协作中继有效的分配随机收集到的能量，更有效地降低了期望中止概率，保证了协作通信网络期望的吞吐量。

Description

一种用于能量可收集双向协作通信的中断率优化算法

技术领域

本发明属于绿色通信技术领域，具体涉及一种用于能量可收集双向协作通信的中断率优化算法。

背景技术

协作通信在无线通信系统中有多种应用，主要有固定中继的协作通信(协作MIMO)和用户终端间的协作通信(多用户协作)两种方式。另外，在多跳条无线通信网络中，为提高传输速率，提出了多用户协作分集即多个用户相互协作从而实现类似MIMO的传输方案以获得分集增益。而目前非常热门的无线中继技术的重要理论基础也包含协作通信理论，本算法便是基于能量可收集的无线中继协作通信模型。

能量可收集技术在无线传感器网络中有着很广泛的应用。因为WSN中每个传感器节点大小有限，造成电池的大小容量有限，没有办法存储很多的能量。而更换电池也很麻烦，因为传感器很小，并且大多分布在室外。所以，使用一个可以收集能量的传感器与一个能充电的电池就能够解决这一难题。然而由于自然界的可再生能量存在不稳定，随机性等特点，并且无线信道也具有独立同分布随机性，如何有效地分配收集的能量使得收益最大化便成了一个很重要的问题。

在解决能量可收集的无线通信中的在线算法中，马尔科夫决策过程(Markov-decision-process，MDP)是最常用的算法。MDP首先将整个随机事件集合分成有限个状态元素，然后通过随机事件状态(信道、电池、可收集能量)的分布概率求出其转换概率，最后通过马尔可夫链求解。因为我们求的是期望平均目标函数，所以马尔科夫链包含了无数个项，此时MDP借助贝尔曼公式，只对前有限项进行运算，然后选取优化解。然而MDP也存在数项不足：(1)MDP需要将参数离散化成状态表示，之后选取的解在一个状态内都是相同的。所以如果状态选取过少，得到的解就离最优差距很大；如果状态选取过多，则可能导致维数爆炸，使算法复杂度急速增加；(2)贝尔曼公式本身也是一种近似；(3)如果单位能量选取高于平均能量收集率，则得到的效果边界会比问题本身的边界要差；(4)由于单位能量的存在，当SNR很高时会造成浪费。

中断概率其实是链路容量的另一种表达方式，当链路容量不能满足所要求的用户速率时，就会产生中断事件，这个事件呈概率分布的，取决于链路的平均信噪比及其信道衰落分布模型。优化中断概率实际上是对吞吐量Throughput的另一种优化方式。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种参数连续化，复杂度低的用于能量可收集双向协作通信的中断率优化算法，保证平均的网络吞吐量，帮助协作中继有效率的分配从外界收集到的能量，其中考虑的协作协议为Decode-and-forward与Amplify-and-forward。

本发明所提出的技术问题是这样解决的：

一种用于能量可收集双向协作通信的中断率优化算法，包括以下步骤：

步骤1.初始化变量：策略周期T、电池容量bmax、电池平均能量阈值δ、发射端功率P_S、发射端A到发射端B的吞吐量阈值R₁、发射端B到发射端A的吞吐量阈值R₂、初始电池能量b(1)、初始虚拟队列B(1)、权重V、平均噪音N₀、协作协议(AF/DF)；

步骤2.发射端A与发射端B发射信号到中继，感应器测量当前发射端A到中继的信道功率γ₁(t)、发射器B到中继的信道功率γ₂(t)与当前时刻t收集到的总能量EH(t)；

步骤3.中继通过当前信息计算防止中止发生所需要的阈值能量，AF协议能量阈值和DF协议能量阈值的具体表达式为：

步骤4.中继求解优化问题：

argminJ(ω(t))＝ω²(t)-2b(t)ω(t)+2B(t)ω(t)+2V·P(ω(t))

s.t. 0≤ω(t)≤b(t)

其中J(·)为优化目标函数，ω(t)为当前t时刻的发射能量，b(t)为当前t时刻的电池能量，B(t)为当前t时刻的虚拟队列值；中止概率函数P(ω(t))的具体表达式为：

其中，为发射能量阈值，当前协议为AF协议时，当前协议为DF协议时，

根据上述优化问题，最优解ω^*(t)有以下三种情形：

情形1.当或时，ω^*(t)＝0；

情形2.当或或

时，ω^*(t)＝b(t)-B(t)；

情形3.当或

时，

步骤5.更新电池与虚拟队列信息：

b(t+1)＝min{bmax,b(t)-ω^*(t)+EH(t)}

B(t+1)＝max{0,B(t)-b(t+1)+δ}

令t+1，进入下一次策略周期，返回至步骤2。

本发明的有益效果是：

本发明所述算法利用李雅普诺夫优化，对连续参数的能量可收集协作通信作优化，帮助协作中继有效的分配随机收集到的能量，更有效地降低了期望中止概率，保证了协作通信网络期望的期望吞吐量。与现有技术的MDP相比，本算法具有如下优点：

(1)算法复杂度小，不需要进行离散化，也不需要运算前进行打表，运算时复杂度比MDP小；

(2)SNR低时效果与MDP接近，SNR高时效果优于MDP；

(3)分集阶数持续等于一，SNR增大时中断概率会一直下降而不会收敛到一个值；

(4)将原问题转换为drift-plus-penalty的形式，并且对drift-plus-penalty做了简化，只优化其上界；进一步分析优化上界时发现所得解只有可能是三种情况，大大降低运算复杂度。

附图说明

图1为本发明所述算法基于的系统模型图；

图2为本发明所述算法的流程图；

图3为AF协议下性能仿真比较图；

图4为DF协议下性能仿真比较图；

具体实施方式

下面结合附图和实施例对本发明进行进一步的说明。

本实施例提供一种用于能量可收集双向协作通信的中断率优化算法，本实施例验证了能量可收集双向协作通信中，不同的信噪比情况下下，本算法对期望停机概率的优化效果。在试验中，我们使用了真实的太阳能数据，是由美国Elizabeth university的测量站测量的，日期为2010～2012年的6月。太阳能电池板的大小为4cm^2，收集效率为20％，电池容量设定大小为35*12*T mJ。两个发射端的发送功率都设定为35mW，两条发送路的吞吐率阈值都设为2。无线信道我们假设为遵循瑞利分布，并且多普勒频率为0.05。一次策略周期T设为300秒。两条链路的信道功率是独立的，但期望均值设为相同，实验中信噪比从0dB变化到40dB,间隔为5dB。其基于的系统模型图如图1所示，算法流程图如图2所示，包括以下步骤：

步骤1.初始化变量：策略周期T、电池容量bmax、平均能量阈值δ、发射端功率P_S、发射端A到发射端B的吞吐量阈值R₁、发射端B到发射端A的吞吐量阈值R₂、初始电池能量b(1)、初始虚拟队列B(1)、权重V、平均噪音N₀、协作协议(AF/DF)；

步骤4.中继求解优化问题：

argminJ(ω(t))＝ω²(t)-2b(t)ω(t)+2B(t)ω(t)+2V·P(ω(t))

s.t. 0≤ω(t)≤b(t)

其中J(·)为优化目标函数，ω(t)为当前t时刻的发射能量，b(t)为当前t时刻的电池能量，B(t)为当前t时刻的虚拟队列；中止概率函数P(ω(t))的具体表达式为：

根据上述优化问题，最优解ω^*(t)有以下三种情形：

情形1.当或时，ω^*(t)＝0；

情形2.当或或

时，ω^*(t)＝b(t)-B(t)；

情形3.当或

时，

步骤5.更新电池与虚拟队列信息：

b(t+1)＝min{bmax,b(t)-ω^*(t)+EH(t)}

B(t+1)＝max{0,B(t)-b(t+1)+δ}

令t+1，进入下一次策略周期，返回至步骤2。

仿真效果如图3、4所示，其中AF协议下提出的算法比MDP有明显的优化，在DF协议下在当SNR比较高的时候提出的算法比起MDP具有明显的优势。并且本算法的分集阶数持续为1，也就是说随着SNR下降本算法得到的停机概率必会继续减小。这说明本算法比起MDP有着更好的效果，至于算法复杂度也比MDP小的多。

Claims

1.一种用于能量可收集双向协作通信的中断率优化算法，其特征在于，包括以下步骤：

步骤1.初始化变量：策略周期T、电池容量bmax、电池平均能量阈值δ、发射端功率P_S、发射端A到发射端B的吞吐量阈值R₁、发射端B到发射端A的吞吐量阈值R₂、初始电池能量b(1)、初始虚拟队列B(1)、权重V、平均噪音N₀、协作协议；

步骤4.中继求解优化问题：

arg min J(ω(t))＝ω²(t)-2b(t)ω(t)+2B(t)ω(t)+2V·P(ω(t))

s.t.0≤ω(t)≤b(t)

根据上述优化问题，最优解ω^*(t)有以下三种情形：

情形1.当或时，ω^*(t)＝0；

情形2.当或或

时，ω^*(t)＝b(t)-B(t)；

情形3.当或

时，

步骤5.更新电池与虚拟队列信息：

b(t+1)＝min{bmax,b(t)-ω^*(t)+EH(t)}

B(t+1)＝max{0,B(t)-b(t+1)+δ}

令t+1，进入下一次策略周期，返回至步骤2。

2.根据权利要求1所述的用于能量可收集双向协作通信的中断率优化算法，其特征在于，所述协作协议为AF/DF协议。

3.根据权利要求1所述的用于能量可收集双向协作通信的中断率优化算法，其特征在于，策略周期T＝300s。

4.根据权利要求1所述的用于能量可收集双向协作通信的中断率优化算法，其特征在于，发射端功率P_S＝35mW。

5.根据权利要求1所述的用于能量可收集双向协作通信的中断率优化算法，其特征在于，R₁＝R₂＝2bit/s。