CN109089271B - 一种混合能量供能的无线协同网络资源随机分配方法 - Google Patents

一种混合能量供能的无线协同网络资源随机分配方法 Download PDF

Info

Publication number
CN109089271B
CN109089271B CN201811079764.9A CN201811079764A CN109089271B CN 109089271 B CN109089271 B CN 109089271B CN 201811079764 A CN201811079764 A CN 201811079764A CN 109089271 B CN109089271 B CN 109089271B
Authority
CN
China
Prior art keywords
relay node
time slot
energy
data
above formula
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.)
Active
Application number
CN201811079764.9A
Other languages
English (en)
Other versions
CN109089271A (zh
Inventor
陈志刚
陈雪寒
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.)
Hunan Xigua Network Technology Co ltd
Original Assignee
Central South 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 Central South University filed Critical Central South University
Priority to CN201811079764.9A priority Critical patent/CN109089271B/zh
Publication of CN109089271A publication Critical patent/CN109089271A/zh
Application granted granted Critical
Publication of CN109089271B publication Critical patent/CN109089271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • 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)
  • Mobile Radio Communication Systems (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明提供了一种混合能量供能的无线协同网络资源随机分配方法，包括步骤：S1：获取无线协同网络的系统状态信息，分析得到无线协同网络中的长期平均优化问题，并对所述长期平均优化问题建立优化模型；S2：通过预设优化理论，将所述长期平均优化问题转化为多个单时隙的子问题；S3：对所述子问题进行分析求解，获取最优资源分配方案；S4：根据所述最优资源分配方案，对所述无线协同网络的系统状态进行更新。本发明通过收集环境的绿色能量，并通过混合能量对无线协同网络系统进行供能，既达到节能的目的，又能够保证系统数据传输的稳定性，保障系统数据的最坏传输延迟，并根据实时系统状态，对系统资源进行最优分配。

Description

一种混合能量供能的无线协同网络资源随机分配方法
技术领域
本发明涉及计算机网络通讯技术领域，尤其涉及一种混合能量供能的无 线协同网络资源随机分配方法。
背景技术
无线协同网络(Wireless Cooperative Network)通过引入中继节点用 于协助源节点和目的节点之间的通信，由于可以增大传输范围、提高系统容量、 可靠性以及能量效率，近年来受到了工业界和学术界的密切关注。
然而，随着数据流量需求的急剧增加，能量问题变得更加棘手，能量收 集(Energyharvesting，EH)技术为解决能量问题提供了新的思路，通过EH， 无线设备可以从环境中获取绿色能源，如太阳能、风能等，从而延长网络的寿 命。但是环境中的绿色能源强依赖于天气和地理位置，是不可控的，所以无 法确保为系统提供稳定的服务质量。
为了克服可再生资源的不稳定性，同时享受可再生资源的环境友好性， 考虑由混合能量源无线协同网络，也就是可再生能量与传统能量共存。无线设 备既可以通过EH进行能量收集，同时可以从电网中购买能量。
尽管混合能量源供能的无线网络更加地能量有效，但也面临着一些挑战。 首先，EH过程的随机性和电网能量价格的动态性使得能量管理成为挑战。因 此，应尽量在能量价格低的时候买进，以维持后续的操作；其次，在很多场景 下，特别是事件驱动型的网络，网络延迟是一个很重要的性能。中继节点需要 在一定的时间期限内把数据传输至目的节点。由于事件发生率和信道状态的随 机性，结合能量的约束，延迟敏感型的数据传输调度成为的另一个挑战。
公开号为CN101790204A的中国专利公开了一种多用户协作通信中兼顾信 道条件和业务状态的中继选择方法，先对网络各用户引入能体现业务突发性和 自相似特点的业务到达模型，再综合考虑各用户业务的不同QoS要求，根据当 前的实时信道条件和业务状态，当信道条件满足最小传输速率要求所对应的信 噪比阈值时，选用直接传输方式。该发明根据信道条件以及业务状态，保证传 输效能，但对于通过混合能量功能的无线设备，其不能解决不同能量对无线设 备的约束问题以及在不同的能量供能的情况下，确保最低延迟以获取最优长期 平均网络效益。
发明内容
本发明要解决的技术问题目的在于提供一种混合能量供能的无线协同网 络资源随机分配方法，用以解决无线协同网络在混合能量供能的情况下，无法 有效控制系统数据传输的延迟时间以及最大化网络效用的问题。
为了解决上述问题，本发明采用的技术方案如下：
一种混合能量供能的无线协同网络资源随机分配方法，包括步骤：
S1：获取无线协同网络的系统状态信息，分析得到无线协同网络中的长期 平均优化问题，并对所述长期平均优化问题建立优化模型；
S2：通过预设优化理论，将所述长期平均优化问题转化为多个单时隙的子 问题；
S3：对所述子问题进行分析求解，获取最优资源分配方案；
S4：根据所述最优资源分配方案，对所述无线协同网络的系统状态进行更 新。
进一步的，所述子问题包括能量管理、采样率管理、丢包控制以及信道和 功率分配问题。
进一步的，所述步骤S1具体包括步骤：
获取在时隙为t+1时所述无线协同网络中继节点n的数据队列长度 Dn,k(t+1)以及能量队列长度En(t+1)
Dn,k(t+1)＝[Dn,k(t)-Zn,k(t)-dn,k(t)]++An,k(t)
Figure BDA0001801623290000021
上式中，k表示第k个目的节点，An,k(t)表示时隙t内中继节点n接收的数 据量，dn,k(t)表示时隙t内中继节点n丢弃的数据量，
Figure BDA0001801623290000031
表示时隙t内中继节点n转发至目的节点k 的数据量，
Figure BDA0001801623290000032
和
Figure BDA0001801623290000033
分别表示时隙t时中继节点n与目的节点k之间通 过信道x通信时的信噪比和传输功率，
Figure BDA0001801623290000034
表示信道x分配给中继节点n与目 的节点k之间的传输概率，en(t)和bn(t)分别表示中继节点n在时隙t内从环境中收集的能量和从电网中购买的电量，W为系统总带宽，n∈N，k∈K,N为所述 无线协同网络中继节点数量，K为所述无线协同网络目的节点数量；
构造虚拟队列：
Vn,k(t+1)＝[Vn,k(t)+Sn,k(t)(vn,k-Zn,k(t))-dn,k(t)-Jn,k(t)rmax]+，
并设置数据在数据队列中的最长停留时间Πmax。如果数据队列和虚拟队 列的长度分别存在上限
Figure BDA0001801623290000035
和
Figure BDA0001801623290000036
即
Figure BDA0001801623290000037
和
Figure BDA0001801623290000038
就可以实现
Figure BDA0001801623290000039
上式中，
Figure BDA00018016232900000310
vn,k表 示虚报达到率，rmax为最大信道容量，n表示第n个中继节点，k表示第k个 目的节点；
获取最大化长期平均网络效用
Figure BDA00018016232900000311
Figure BDA00018016232900000312
上式中，
Figure BDA00018016232900000313
ρ和η为权重因子，
Figure BDA00018016232900000314
为预设系数，c(t)表示时刻t时的电网能量价格；
建立网络效用优化模型，
Figure BDA00018016232900000315
C1：
Figure BDA0001801623290000041
C2：
Figure BDA0001801623290000042
C3：bn(t)≤bmax,n∈N；
C4：
Figure BDA0001801623290000043
n∈N,k∈K,x∈X；
C5：
Figure BDA0001801623290000044
n∈N,k∈K,x∈X；
C6：
Figure BDA0001801623290000045
C7：
Figure BDA0001801623290000046
上式中，bmax为最大购电量，pmax为最大传输功率，C1和C2为信道分配 约束，C3为购电约束，C4为中继节点传输功率约束，C5为信道容量约束，C6 为中继节点处能量消耗约束，C7表示数据队列稳定约束。
进一步的，所述预设优化理论为李雅普诺夫优化理论。
进一步的，所述步骤S2具体包括：
构造李雅普诺夫函数：
Figure BDA0001801623290000047
上式中，Bn为中继节点n的电池容量；
构造李雅普诺夫偏移Δ(t)＝L(t+1)-L(t)，并将所述李雅普诺夫偏移Δ(t)与优化目标函数结合：
Δ(t)-HG(t)≤R+ΘH(t)，
上式中，H为李雅普诺夫参数，用于均衡队列的稳定以及系统效用最大 化，R为预设常数，ΘH(t)表达式为：
Figure BDA0001801623290000051
上式中，W为系统总带宽，H为李雅普诺夫参数，η为权重因子，根据所述 ΘH(t)中变量的线性结构，将所述长期平均优化问题转化为多个子问题。
进一步的，能量管理子问题分析求解包括步骤：
计算第n个中继节点在时隙t内的购电量
Figure BDA0001801623290000052
Figure BDA0001801623290000053
上式中，H为李雅普诺夫参数，Bn(t)表示中继节点n在时隙t开始时的 电池容量，η为权重因子，。
进一步的，采样率管理子问题分析求解包括步骤：
根据以下公式求解在时隙t内传输至每个中继节点的目的节点为k的数据 量：
Figure BDA0001801623290000054
上式中，H为李雅普诺夫参数，
Figure BDA0001801623290000055
为中继节点n接收的需要发送至目的 节点k的最大数据量；
根据所述数据量
Figure BDA0001801623290000056
得到源节点在时隙t刚开始产生的传送至目的节 点k的最优数据量为
Figure BDA0001801623290000057
进一步的，丢包控制子问题分析求解包括步骤：
根据公式求解每个中继节点在时隙t时的最优丢包量：
Figure BDA0001801623290000061
上式中，H为李雅普诺夫参数，ρ与
Figure BDA0001801623290000065
为预设常数，dmax为单位时间槽 内最大丢包率。
进一步的，信道和功率分配子问题分析求解包括步骤：
根据公式求解各个中继节点的最优传输功率：
Figure BDA0001801623290000062
上式中，W为系统总带宽，Bn能量队列最大长度；
基于所述最优传输功率，获取最优传输的中继节点：
Figure BDA0001801623290000063
上式中，
Figure BDA0001801623290000064
表示时隙t时中继节点n与目的节点k之间通过信道x通信 时的最优传输功率；
通过所述最优传输的中继节点，基于匈牙利算法求解最优的信道分配方 案。
采用本发明，通过收集环境的绿色能量，采用混合能量对系统进行供能， 能够充分的提高能量的利用率，又能确保系统性能的可靠性；且能够基于实时 的系统状态信息，对系统状态进行更新，以达到对系统资源的合理管理，最大 化系统的长期时间平均网络效用，保障系统的最坏传输延迟；同时通过设置约 束模型，能够确保无线协同网络系统的中继节点数据队列以及能量队列的有界 性。
附图说明
图1是本发明一个实施方式提供的一种混合能量供能的无线协同网络资 源随机分配方法流程图；
图2是本发明一个实施方式提供的H值对时间平均网络效用的影响；
图3是本发明一个实施方式提供的数据队列长度的时隙动态图；
图4是本发明一个实施方式提供的虚拟队列长度的时隙动态图；
图5是本发明一个实施方式提供的能量队列长度的时隙动态图；
图6是本发明一个实施方式提供的虚报到达率对最坏延迟的影响示意图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步 的描述，但本发明并不限于这些实施例。
实施例一
参考图1，本实施例提供了一种混合能量供能的无线协同网络资源随机分 配方法，包括步骤：
S1：获取无线协同网络的系统状态信息，分析得到无线协同网络中的长 期平均优化问题，并对所述长期平均优化问题建立优化模型；
S2：通过预设优化理论，将所述长期平均优化问题转化为多个单时隙的 子问题；
S3：对所述子问题进行分析求解，获取最优资源分配方案；
S4：根据所述最优资源分配方案，对所述无线协同网络的系统状态进行 更新。
本实施例中，无线协同网络中具有1个源节点，N个中继节点和K个目的 节点，网络数据从源节点发送至各个中继节点，再由中继节点发送至目的节点， 数据在各个节点中传输，从而形成不同的信道，而数据在传输过程中，受系统 状态的影响，产生各种不同的问题，例如传输延迟、丢包等，同时，本实施例 中，无线协同网络是基于正交频分多址时隙系统，即运行时间被划分为多个单 位时隙t∈T＝{1，2，3…}，总的运行带宽W被均分为X个正交信道。其中，在 一个时隙内，每一个正交信道最多只能分配给一个中继节点进行通信，一个中 继节点最多只能与一个目的节点进行通信。
本实施例中，每个中继节点都具有从环境中收集绿色能量的功能，其中， 绿色能量包括太阳能、风能等，这些绿色能量依赖于环境，具有不稳定性以及 不可控性，中继节点通过收集绿色能量，供给至中继节点的无线设备，同时， 也可以从电网中购买电能作为能量供给。
本实施例中，混合能量包括从电网购买的电能以及从环境中收集的绿色 能量。
本实施例中，无线协同网络的系统状态信息包括系统购电量、源节点数 据采集量、丢包率、信道分配、中继节点传输功率、数据传输延迟、数据队列 长度等。
步骤S1中，长期平均优化问题定义为数据在无线协同网络中传输时出现 的各种问题，并对各种问题进行长期的优化以达到最优的网络效用而产生的长 期平均优化问题，例如，长期平均优化问题包括如何对系统购电量长期优化以 节省成本、如何实现数据传输信道的最优分配、如何优化数据丢包量等。
本实施例中，还包括步骤：
获取在时隙为t+1时所述无线协同网络中继节点n的数据队列长度 Dn,k(t+1)以及能量队列长度En(t+1)
Dn,k(t+1)＝[Dn,k(t)-Zn,k(t)-dn,k(t)]++An,k(t)
Figure BDA0001801623290000081
上式中，k表示第k个目的节点，An,k(t)表示时隙t内中继节点n接收的数 据量，dn,k(t)表示时隙t内中继节点n丢弃的数据量，
Figure BDA0001801623290000082
表示时隙t内中继节点n转发至目的节点k 的数据量，
Figure BDA0001801623290000083
和
Figure BDA0001801623290000084
分别表示时隙t时中继节点n与目的节点k之间通过信 道x通信时的信噪比和传输功率，en(t)和bn(t)分别表示中继节点n在时隙t内从 环境中收集的能量和从电网中购买的电量，其中，所述无线协同网络包括1 个源节点、N个中继节点以及K个目的节点；
构造虚拟队列：
Vn,k(t+1)＝[Vn,k(t)+Sn,k(t)(vn,k-Zn,k(t))-dn,k(t)-Jn,k(t)rmax]+，
并设置数据在数据队列中的最长停留时间Πmax。如果数据队列和虚拟队 列的长度分别存在上限
Figure BDA0001801623290000091
和
Figure BDA0001801623290000092
即
Figure BDA0001801623290000093
和
Figure BDA0001801623290000094
就可以实现
Figure BDA0001801623290000095
上式中，
Figure BDA0001801623290000096
vn,k表 示虚报达到率，rmax为最大信道容量，n表示第n个中继节点，k表示第k个目 的节点；
获取最大化长期平均网络效用
Figure BDA0001801623290000097
上式中，
Figure BDA0001801623290000098
ρ和η为权 重因子，c(t)表示时刻t时的电网能量价格；
建立网络效用优化模型，
Figure BDA0001801623290000099
C1：
Figure BDA00018016232900000910
C2：
Figure BDA00018016232900000911
C3：bn(t)≤bmax,n∈N；
C4：
Figure BDA00018016232900000912
n∈N,k∈K,x∈X；
C5：
Figure BDA00018016232900000913
n∈N,k∈K,x∈X；
C6：
Figure BDA0001801623290000101
C7：
Figure BDA0001801623290000102
上式中，C1和C2为信道分配约束，
Figure BDA0001801623290000103
表示信道x分配给中继节点n 与目的节点k之间的传输，C3为购电约束，C4为中继节点传输功率约束，C5 为信道容量约束，C6为中继节点处能量消耗约束，C7表示数据队列稳定约束。
其中，每一个中继节点都有一个数据队列和能量队列，用于分别存储接收 到的数据和收集已经从电网购买的能量，中继节点根据数据队列，依次将数据 传输至其它节点，而数据队列的长度决定了数据在队列中的停留时间，停留时 间越长，则表示数据传输延迟较高。
通过网络效用优化模型，对信道分配、中继节点购电量、中继节点传输功 率、信道容量、中继节点处能量消耗、数据队列稳定等进行约束，从而达到最 大化长期平均网络效用。
步骤S2中，预设优化理论为李雅普诺夫优化理论。
本实施例中，步骤S2还包括具体包括步骤：
构造李雅普诺夫函数：
Figure BDA0001801623290000104
上式中，Bn为中继节点n的电池容量；
构造李雅普诺夫偏移Δ(t)＝L(t+1)-L(t)，并将所述李雅普诺夫偏移Δ(t)与优化目标函数结合：
Δ(t)-HG(t)≤R+ΘH(t)，
上式中，H为李雅普诺夫参数，用于均衡队列的稳定以及系统效用最大化， R为一个常数，ΘH(t)表达式为：
Figure BDA0001801623290000111
根据所述ΘH(t)中变量的线性结构，将所述长期平均优化问题转化为多个子问题。
其中，子问题包括能量管理、采样率管理、丢包控制以及信道和功率分 配问题。
本实施例中，采样率管理子问题分析求解包括步骤：
根据以下公式求解在时隙t内传输至每个中继节点的目的节点为k的数据 量：
Figure BDA0001801623290000112
根据所述数据量
Figure BDA0001801623290000113
得到源节点在时隙t刚开始产生的传送至目的节点 k的最优数据量为
Figure BDA0001801623290000114
本实施例中，丢包控制子问题分析求解包括步骤：
根据公式求解每个中继节点在时隙t时的最优丢包量：
Figure BDA0001801623290000115
本实施例中，信道和功率分配子问题分析求解包括步骤：
根据公式求解各个中继节点的最优传输功率：
Figure BDA0001801623290000116
基于所述最优传输功率，获取最优传输的中继节点：
Figure BDA0001801623290000117
通过所述最优传 输的中继节点，基于匈牙利算法求解最优的信道分配方案。
通过上述求解得到时间槽t内的购电量、源节点的数据采集量、丢包率、 信道分配和中继节点的传输功率，对无线协同网络进行更新，从而实现最大化 长期平均网络效用。
需要了解的是，在无线协同网络长期工作时，求解时间槽t内的数据之 后，需要再对下一个时间槽t1内的数据进行求解，如此循环。
本实施例通过利用李雅普诺夫优化理论对长期平均优化问题进行转化， 将长期平均优化问题转化为单个时隙内的能量管理、采样率管理、丢包控制、 信道和功率分配问题，使得系统只需要进行分析求解，得到当前时隙的系统状 态信息，例如能量收集状况、信道状态、电网能量价格、数据队列和能量队列 的长度，就能获取当前时刻的最优资源分配方案，从而对系统状态进行更新， 从而实现最大化长期平均网络效用。
实施例二
本实施例在实施例一的基础上，利用Matlab进行模拟仿真，并得到相应 的实验结果，可参考图2至图6。
本实施例中，无线协同网络由1个源节点、10个中继节点和25个目的节 点组成，其中，源节点与目的节点之间的距离为10至20米，每个中继节点的 最大传输功率pmax＝40W，系统总带宽W为100MHZ，均匀的划分为X＝32 个正交信道，信道增益
Figure RE-GDA0001842772340000121
均匀分布于[5,14]且服从独立同分布，噪声 功率为N0＝10-10W/HZ，信道容量的最大值为rmax＝20Mbps，权重因子为 1/32，电网的电量价格满足正态分布N(3,3),中继节点可以从环境中收集的电量在[0,90]满足均匀分布，ρ＝1，
Figure RE-GDA0001842772340000122
单位时间槽内最大丢包率为 dmax＝1Mbps，以及vn,k＝0.5。
本申请中，网络系统中能量队列最大长度为：
Bn＝W(Dmax+Vmax)·rmax/ln2+pmax，
数据队列最大长度为
Figure BDA0001801623290000123
虚拟队列的最大长度为
Figure BDA0001801623290000131
长期时间平均网络效用
Figure BDA0001801623290000132
为：
Figure BDA0001801623290000133
其中，G*为网络效用的最优值，Amax最大接收数据量，v为虚拟队列常 数，通过增大李雅普诺夫参数H值的大小来减少网络效用近似值与最优值之间 的差距，相应的，中继节点处数据队列的长度也会随之增大。
参考图2，图2示出了李雅普诺夫参数H值大小对网络效用的影响，从图 中可以看出时间平均网络效用随着H值的增大而增大，但是增长率随着H值的 增大而减少。这是因为李雅普诺夫参数H用于实现系统稳定和网络增益最大化 之间的均衡，较大的H值意味着提出的算法更关注网络效用的最大化。因此， 网络效用会随着H值的增大而增大。但随着H的增大，数据队列和能量队列越 长，那么就需要购买更多的能量要进行数据传输，所以效用增长率减少。
参考图3，图3为数据队列长度的时隙动态图，可以看出数据队列的长度 随着时间的推移呈现先增长后减少最后达到稳定状态的趋势。由于刚开始中继 节点没有足够的能量进行数据传输，所以数据队列上升，当中继节点有足够的 能量进行数据传输时，数据队列中的数据量减少且最后趋于稳定。
参考图4以及图5，从图中可以看出，虚拟队列和能量队列最终随着时隙 t的变化都趋向于稳定状态，从而确保系统的稳定性。
参考图6，图6为虚报到达率对最坏延迟的影响示意图，最坏延迟随着虚 报到达率的增大而减少，可以通过调节虚包到达率来控制延迟，确保系统中数 据的最坏延迟。
通过混合能量对无线系统网络系统进行供能，提高了环境能量的利用率， 同时能够确保系统性能的可靠性，且能够根据系统当前状态信息，对系统资源 进行最优化的管理分配，达到最大化的长期时间平均网络效用，确保系统数据 传输的最坏延迟。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所 属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充 或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书 所定义的范围。

Claims (6)

1.一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，包括步骤：
S1：获取无线协同网络的系统状态信息，分析得到无线协同网络中的长期平均优化问题，并对所述长期平均优化问题建立优化模型；
S2：通过预设优化理论，将所述长期平均优化问题转化为多个单时隙的子问题；
S3：对所述子问题进行分析求解，获取最优资源分配方案；
S4：根据所述最优资源分配方案，对所述无线协同网络的系统状态进行更新；所述子问题包括能量管理、采样率管理、丢包控制以及信道和功率分配问题；
所述步骤S1具体包括步骤：
获取在时隙为t+1时所述无线协同网络中继节点n的数据队列长度Dn,k(t+1)以及能量队列长度En(t+1)
Dn,k(t+1)＝[Dn,k(t)-Zn,k(t)-dn,k(t)]++An,k(t)
Figure FDA0003168002060000011
上式中，k表示第k个目的节点，An,k(t)表示时隙t内中继节点n接收的需要发送至目的节点k的数据量，dn,k(t)表示时隙t内中继节点n丢弃的需要发送至目的节点k的数据量，
Figure FDA0003168002060000012
表示时隙t内中继节点n转发至目的节点k的数据量，
Figure FDA0003168002060000013
和
Figure FDA0003168002060000014
分别表示时隙t时中继节点n与目的节点k之间通过信道x通信时的信噪比和传输功率，
Figure FDA0003168002060000015
表示信道x分配给中继节点n与目的节点k之间的传输概率，en(t)和bn(t)分别表示中继节点n在时隙t内从环境中收集的能量和从电网中购买的电量，W为系统总带宽，n∈N，k∈K,N为所述无线协同网络中继节点数量，K 为所述无线协同网络目的节点数量；
构造虚拟队列：
Vn,k(t+1)＝[Vn,k(t)+Sn,k(t)(vn,k-Zn,k(t))-dn,k(t)-Jn,k(t)rmax]+，
并设置数据在数据队列中的最长停留时间Πmax；如果数据队列和虚拟队列的长度分别存在上限
Figure FDA0003168002060000021
和
Figure FDA0003168002060000022
即
Figure FDA0003168002060000023
和
Figure FDA0003168002060000024
就可以实现
Figure FDA0003168002060000025
上式中，
Figure FDA0003168002060000026
vn,k表示虚包达到率，rmax为最大信道容量，n表示第n个中继节点，k表示第k个目的节点；
获取最大化长期平均网络效用
Figure FDA0003168002060000027
上式中，
Figure FDA0003168002060000028
ρ和η为权重因子，
Figure FDA0003168002060000029
为预设系数，c(t)表示时刻t时的电网能量价格；
建立网络效用优化模型，
Figure FDA00031680020600000210
Figure FDA00031680020600000211
Figure FDA00031680020600000212
C3：bn(t)≤bmax,n∈N；
Figure FDA00031680020600000213
Figure FDA0003168002060000031
Figure FDA0003168002060000032
Figure FDA0003168002060000033
上式中，bmax为最大购电量，pmax为最大传输功率，C1和C2为信道分配约束，C3为购电约束，C4为中继节点传输功率约束，C5为信道容量约束，C6为中继节点处能量消耗约束，C7表示数据队列稳定约束；
所述步骤S2具体包括：
构造李雅普诺夫函数：
Figure FDA0003168002060000034
上式中，Bn为中继节点n的电池容量；
构造李雅普诺夫偏移Δ(t)＝L(t+1)-L(t)，并将所述李雅普诺夫偏移Δ(t)与优化目标函数结合：
Δ(t)-HG(t)≤R+ΘH(t)，
上式中，H为李雅普诺夫参数，用于均衡队列的稳定以及系统效用最大化，R为预设常数，ΘH(t)表达式为：
Figure FDA0003168002060000035
上式中，W为系统总带宽，H为李雅普诺夫参数，η为权重因子，根据所述ΘH(t)中变量的线性结构，将所述长期平均优化问题转化为多个子问题。
2.根据权利要求1所述的一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，所述预设优化理论为李雅普诺夫优化理论。
3.根据权利要求1所述的一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，能量管理子问题分析求解包括步骤：
计算第n个中继节点在时隙t内的购电量
Figure FDA0003168002060000041
Figure FDA0003168002060000042
上式中，H为李雅普诺夫参数，Bn(t)表示中继节点n在时隙t开始时的电池容量，η为权重因子。
4.根据权利要求1所述的一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，采样率管理子问题分析求解包括步骤：
根据以下公式求解在时隙t内传输至每个中继节点的目的节点为k的数据量：
Figure FDA0003168002060000043
上式中，H为李雅普诺夫参数，
Figure FDA0003168002060000044
为中继节点n接收的需要发送至目的节点k的最大数据量；
根据所述数据量
Figure FDA0003168002060000045
得到源节点在时隙t刚开始产生的传送至目的节点k的最优数据量为
Figure FDA0003168002060000046
5.根据权利要求1所述的一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，丢包控制子问题分析求解包括步骤：
根据公式求解每个中继节点在时隙t时的最优丢包量：
Figure FDA0003168002060000047
上式中，H为李雅普诺夫参数，ρ与
Figure FDA0003168002060000048
为预设常数，dmax为单位时间槽内最大丢包率。
6.根据权利要求1所述的一种混合能量供能的无线协同网络资源随机分配方法，其特征在于，信道和功率分配子问题分析求解包括步骤：
根据公式求解各个中继节点的最优传输功率：
Figure FDA0003168002060000051
上式中，W为系统总带宽，Bn能量队列最大长度；
基于所述最优传输功率，获取最优传输的中继节点：
Figure FDA0003168002060000052
上式中，
Figure FDA0003168002060000053
表示时隙t时中继节点n与目的节点k之间通过信道x通信时的最优传输功率；
通过所述最优传输的中继节点，基于匈牙利算法求解最优的信道分配方案。
CN201811079764.9A 2018-09-17 2018-09-17 一种混合能量供能的无线协同网络资源随机分配方法 Active CN109089271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811079764.9A CN109089271B (zh) 2018-09-17 2018-09-17 一种混合能量供能的无线协同网络资源随机分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811079764.9A CN109089271B (zh) 2018-09-17 2018-09-17 一种混合能量供能的无线协同网络资源随机分配方法

Publications (2)

Publication Number Publication Date
CN109089271A CN109089271A (zh) 2018-12-25
CN109089271B true CN109089271B (zh) 2021-12-14

Family

ID=64841660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811079764.9A Active CN109089271B (zh) 2018-09-17 2018-09-17 一种混合能量供能的无线协同网络资源随机分配方法

Country Status (1)

Country Link
CN (1) CN109089271B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109618312B (zh) * 2019-01-18 2020-09-22 华北电力大学 一种面向d2d中继网络的低复杂度在线资源分配优化算法
CN109819509B (zh) * 2019-01-30 2021-09-10 重庆邮电大学 一种能量收集解码-转发中继系统的功率在线控制方法
CN110213766B (zh) * 2019-05-14 2022-05-03 重庆邮电大学 能量收集安全传输系统中基于Lyapunov框架的在线功率控制方法
CN110177351B (zh) * 2019-05-28 2020-10-30 中南大学 一种用于低占空比无线传感器网络的高效数据传输方法
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
CN111107645B (zh) * 2019-12-16 2022-10-18 东南大学 一种均衡长期能效和网络稳定性的c-ran系统资源分配方法
CN111935824B (zh) * 2020-05-29 2023-01-31 洛阳师范学院 无线资源分配策略更新方法、装置、设备及存储介质
CN112333809B (zh) * 2020-10-28 2023-03-31 重庆邮电大学 一种基于Lyapunov框架的能量收集中继安全传输在线功率控制方法
CN113133106B (zh) * 2021-03-26 2022-08-30 广州大学 一种基于存储辅助的多跳中继传输方法、装置及终端设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101127657A (zh) * 2007-07-16 2008-02-20 江南大学 自主移动传感器网络动态建模与控制技术
CN104735800A (zh) * 2015-03-07 2015-06-24 浙江理工大学 一种异构无线传感网络中最差时延感知跨层优化方法
CN106559491A (zh) * 2016-11-30 2017-04-05 南京邮电大学 一种基于改进的李雅普诺夫优化的云业务上行调度方法
CN106714293A (zh) * 2016-12-30 2017-05-24 山东大学 基于QoS要求含能量收集节点的中继网络资源分配方法
WO2017161148A1 (en) * 2016-03-17 2017-09-21 University Of Florida Research Foundation, Incorporated Method for congestion relief with network coding
WO2017176542A1 (en) * 2016-04-08 2017-10-12 Alcatel-Lucent Usa Inc. Optimal dynamic cloud network control
CN107273184A (zh) * 2017-06-14 2017-10-20 沈阳师范大学 一种基于云端大数据迁移和处理成本的优化算法
CN107682880A (zh) * 2017-09-13 2018-02-09 中南大学 一种云无线接入网络的资源分配方法
CN107708214A (zh) * 2017-09-30 2018-02-16 重庆邮电大学 基于李雅普诺夫的网络效用最大化虚拟资源分配方法
CN108430104A (zh) * 2018-03-07 2018-08-21 北京科技大学 一种能量效率优化和资源分配的方法及其系统
CN108462996A (zh) * 2018-03-07 2018-08-28 北京科技大学 一种非正交多址网络资源分配方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101127657A (zh) * 2007-07-16 2008-02-20 江南大学 自主移动传感器网络动态建模与控制技术
CN104735800A (zh) * 2015-03-07 2015-06-24 浙江理工大学 一种异构无线传感网络中最差时延感知跨层优化方法
WO2017161148A1 (en) * 2016-03-17 2017-09-21 University Of Florida Research Foundation, Incorporated Method for congestion relief with network coding
WO2017176542A1 (en) * 2016-04-08 2017-10-12 Alcatel-Lucent Usa Inc. Optimal dynamic cloud network control
CN106559491A (zh) * 2016-11-30 2017-04-05 南京邮电大学 一种基于改进的李雅普诺夫优化的云业务上行调度方法
CN106714293A (zh) * 2016-12-30 2017-05-24 山东大学 基于QoS要求含能量收集节点的中继网络资源分配方法
CN107273184A (zh) * 2017-06-14 2017-10-20 沈阳师范大学 一种基于云端大数据迁移和处理成本的优化算法
CN107682880A (zh) * 2017-09-13 2018-02-09 中南大学 一种云无线接入网络的资源分配方法
CN107708214A (zh) * 2017-09-30 2018-02-16 重庆邮电大学 基于李雅普诺夫的网络效用最大化虚拟资源分配方法
CN108430104A (zh) * 2018-03-07 2018-08-21 北京科技大学 一种能量效率优化和资源分配的方法及其系统
CN108462996A (zh) * 2018-03-07 2018-08-28 北京科技大学 一种非正交多址网络资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Joint Energy Cooperation and Resource Allocation in C-RANs with Hybrid Energy Sources;Yadong Li etc.;《2017 IEEE/CIC International Conference on Communications in China (ICCC)》;20171230;全文 *
Resource Allocation for Green Cloud Radio Access Networks With Hybrid Energy Supplies;Deyu Zhang etc.;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20180228;摘要、第1-7节 *

Also Published As

Publication number Publication date
CN109089271A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN109089271B (zh) 一种混合能量供能的无线协同网络资源随机分配方法
CN108063830B (zh) 一种基于mdp的网络切片动态资源分配方法
Li et al. Energy-efficient joint congestion control and resource optimization in heterogeneous cloud radio access networks
Han et al. Powering mobile networks with green energy
Qiu et al. Lyapunov optimization for energy harvesting wireless sensor communications
Sharma et al. Optimal energy management policies for energy harvesting sensor nodes
CN109831808B (zh) 一种基于机器学习的混合供电c-ran的资源分配方法
CN107359927B (zh) 一种eh能量收集协作通信网络中继选择方法
Zhai et al. Leakage-aware dynamic resource allocation in hybrid energy powered cellular networks
CN103582100B (zh) 一种在动态能量获取下的ofdma下行系统的动态资源分配方法
CN110798858A (zh) 基于代价效率的分布式任务卸载方法
Tutuncuoglu et al. Communicating using an energy harvesting transmitter: Optimum policies under energy storage losses
Liu et al. Robust data collection for energy-harvesting wireless sensor networks
CN109672570A (zh) 一种流量自适应的水声认知传感器网络多址接入方法
Gong et al. Energy-aware resource allocation for energy harvesting wireless communication systems
CN109272167B (zh) 一种基于uudn和q神经网络的绿色能量合作方法
He et al. Optimizing information freshness in RF-powered multi-hop wireless networks
CN109787737B (zh) 一种基于混合能量采集的多用户资源优化方法
Huang et al. Quality-aware video streaming for green cellular networks with hybrid energy sources
CN106330608B (zh) 在数能一体化通信网络中上行用户吞吐量公平性优化方法
Sun et al. Energy consumption optimisation based on mobile edge computing in power grid internet of things nodes
Ju et al. Adaptive clustering for Internet of battery-less things
Yang et al. An energy‐efficient scheme for multirelay cooperative networks with energy harvesting
Yang et al. Predictive two-timescale resource allocation for VoD services in fast moving scenarios
Wang et al. An optimal energy-efficient transmission design for SWIPT systems in WSNs

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240108

Address after: No. 1126, New Times Business Plaza, No. 161, Section 1, Furong Middle Road, Dongfeng Road Street, Kaifu District, Changsha City, Hunan Province 410000

Patentee after: Hunan Xigua Network Technology Co.,Ltd.

Address before: 410004 Railway Campus of Central South University, 22 Shaoshan South Road, Changsha City, Hunan Province

Patentee before: CENTRAL SOUTH University