CN109769254B - 一种基于加权公平的认知无线供电网络资源分配方法 - Google Patents

Abstract

本发明提出一种基于加权公平的认知无线供电网络资源分配方法，该方法采用两段协议，即每个时隙分为两个阶段，第一阶段次用户接入主用户的授权频段进行数据传输，而主用户在所有的子载波上对次用户传输的信号利用射频能量收集技术收集能量，以供下一阶段的传输使用；第二阶段，主用户与次用户利用不同的子载波同时进行数据传输。该方法在只知道当前信道增益的前提下，在主用户的能量因果约束、主用户的目标数据量约束以及次用户的传输功率约束下，以最大化主用户和次用户的加权传输数据量为目标，对时隙、子载波和功率进行优化分配。

Description

一种基于加权公平的认知无线供电网络资源分配方法

技术领域

本发明涉及无线通信技术领域，尤其是一种基于加权公平的认知无线供电网络资源分配方法，该方法在尽量保证主用户传输质量的同时优化次用户的性能。

背景技术

近年来，随着无线通信技术的飞速发展，人们对宽带的需求日益增加，然而频谱资源却日渐紧缺。为了缓解这一矛盾，一方面，人们开发了新的无线频谱进行通信，如毫米波；另一方面，提高频谱资源利用率可以缓解频谱资源的压力，如调制技术和编码技术。认知无线电技术属于第二类，在认知无线电中，主用户占用某个授权频段，次用户动态地搜索这些授权频段中的空闲频段，在保证主用户服务质量的前提条件下接入空闲频段进行数据传输。认知无线电技术充分利用了空闲频段，提高了频谱利用率。除了频谱利用率外，能量利用率的提高也是人们一直以来关注的问题。无线供电技术采用非物理接触的电能传输方式对设备进行供电，无线电广播在发射信息时，大部分的能量都四散在了空中，而这项技术便采用一种非放射性的场来聚集这些能量。无线供电技术不仅提高了能量利用率，还摆脱了设备与电源接触充电的限制，使得供电更加灵活方便。

本发明提出了一种基于加权公平的认知无线供电网络资源分配方法，采用了一个两阶段协议，在第一阶段，次用户接入主用户的授权频段进行数据传输，而主用户从次用户传输的射频信号中收集能量。在第二阶段，主用户与次用户利用不同的子载波同时进行数据传输。假设只知道当前的信道增益，本发明在尽量满足主用户服务质量要求的前提下优化次用户的性能，以最大化主用户和次用户的加权传输数据量为目标，提出了一种基于加权公平的资源分配方法，对网络中的时隙、子载波以及功率进行优化分配。

发明内容

发明目的：本发明针对认知无线供电网络，假设只知道当前信道增益，提出了一种在尽量满足主用户服务需求的前提下，优化次用户性能的资源分配方法。

技术方案：本发明提出的技术方案为：

一种基于加权公平的认知无线供电网络资源分配方法，所述认知无线供电网络包括：一对主用户和一对次用户，所述一对主用户包括主发射机和主接收机，而所述一对次用户包括次发射机和次接收机；所述认知无线供电网络总频谱带宽被平分为N个子载波，这N个子载波的集合记为

整个传输过程分为M个时隙，这M个时隙的集合记为M；

该方法包括步骤：

(1)参数设置：每个时隙分为两个阶段，记时隙j的第一阶段所占比例为

第二阶段所占比例为

时隙j的第一阶段，次用户接入主用户的授权频段进行数据传输，次用户在第i个子载波上的传输功率为

而主用户在所有的子载波上对次用户传输的信号利用射频能量收集技术收集能量，以供下一阶段的传输使用；时隙j的第二阶段，主用户与次用户利用不同的子载波同时进行数据传输，记主用户在第i个子载波上的传输功率为

次用户在第i个子载波上的传输功率为

(2)在获取当前信道增益的前提下，为每个时隙构建优化问题模型P1：

P1：

问题模型P1满足约束条件C1至C6：

C1:

C2：

C3：

C4：

C5:

C6:

其中，P表示次用户在时隙j上的最大总传输功率，ζ表示能量收集效率，D_j表示主用户在时隙j传输的数据量，

其中，σ²为噪声功率；ω_p表示主用户的加权因子，ω_s表示次用户的加权因子；

表示次用户在时隙j上传输的数据量，

(3)初始化j＝1；

(4)对时隙j，求解问题模型P1，得到

的解，依次为

(5)将前j个时隙的主用户的传输数据量D_j相加，判断主用户前j个时隙的传输总数据量是否达到预设的目标数据量D，如果达到则计算

转入步骤(6)，否则，更新j＝j+1，返回步骤(4)；

(6)对时隙

构建优化问题模型P2：

P2:

优化问题模型P2满足约束条件C7至C13：

C7:

C8:

C9：

C10：

C11：

C12:

C13:

通过求解优化问题模型P2，对时隙

重新进行资源分配，得到分配结果：

(7)对于时隙

至M，在每个时隙将资源全部分配给次用户，即给定

然后对每个时隙，在次用户总传输功率约束下，以最大化次用户的传输数据量为目标问题构建优化问题模型P3：

优化问题模型P3满足约束条件C14：

求解问题模型P3，得到时隙

至M中次用户的传输功率，记为

(8)根据步骤(1)至(7)的计算结果，得到各时隙的资源分配方案：

当满足

时，时隙j的资源分配方案为：

当满足

时，时隙j的资源分配方案为：

进一步的，所述求解问题模型P1的方法包括依次执行的步骤S1至S4：

S1：初始化

假设时隙j第二阶段的所有子载波都分配给次用户，即

设置

S2：将

代入问题模型P1，求解问题模型P1，得到

和

的值；

S3：将步骤S2得到的

和

代入问题模型P1，求解问题模型P1，得到

的值；

求解的步骤包括：

S3-1：令

将

代入问题模型P1，然后采用拉格朗日对偶法或内点法求解问题模型P1，得到

和

的值；

S3-2：构建问题模型P4：

问题模型P4满足约束条件C2：

C2：

其中，

为时隙j的第二阶段分配给次用户的子载波的集合，

S3-3：将步骤S3-1得到的

和

的值代入问题模型P4，然后通过经典注水法求解问题模型P4，得到

的值；

S4：重复执行步骤S2至S3，直至问题模型P1收敛。

进一步的，所述求解问题模型P2的方法包括依次执行的步骤S5至S8：

S5：初始化

假设在时隙

的第二阶段所有子载波都分配给次用户，即

设置

S6：将

代入问题模型P2，求解问题模型P2，得到

和

的值；

S7：将步骤S6得到的

和

代入问题模型P2，求解问题模型P2，得到

的值；

求解的步骤包括：

S7-1：令

将

代入问题模型P2，然后采用拉格朗日对偶法或内点法求解问题模型P2，得到

和

的值；

S7-2：构建问题模型P5：

P5：

问题模型P5满足约束C8:

其中，

为时隙

的第二阶段分配给次用户的子载波的集合，

S7-3：将步骤S7-1得到的

和

的值代入问题模型P5，然后通过经典注水法求解问题模型P5，得到

的值；

S8：重复执行步骤S6至S7，直至问题模型P5收敛。

有益效果：与现有技术相比，本发明具有以下优势：

本发明提出的基于加权公平的认知无线供电网络资源分配方法通过设置主次用户的加权因子，满足了主用户的服务质量要求，同时也可以动态地调节主次用户的公平性，使得次用户的速率接近于已知所有信道增益的资源分配方案。

附图说明

图1为本发明的流程原理图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明设计的基于加权公平的认知无线供电网络资源分配方法考虑的场景如下：在认知无线供电网络中，有一对次用户(次发射机和次接收机)和一对主用户(主发射机和主接收机)，次用户与主用户共享N个子载波，这N个子载波的集合记为

传整个传输过程分为M个时隙，这M个时隙的集合记为M；

该场景中的参数设置如下：每个时隙分为两个阶段，记时隙j的第一阶段所占比例为

第二阶段所占比例为

时隙j的第一阶段，次用户接入主用户的授权频段进行数据传输，次用户在第i个子载波上的传输功率为

而主用户在所有的子载波上对次用户传输的信号利用射频能量收集技术收集能量，以供下一阶段的传输使用；时隙j的二阶段，主用户与次用户利用不同的子载波同时进行数据传输，记主用户在第i个子载波上的传输功率为

次用户在第i个子载波上的传输功率为

在每个时隙的每一阶段，次用户的最大传输功率都为P。主用户的服务质量要求主用户在M个时隙内的传输数据量达到目标数据量D，故主用户的目标数据量约束为

其中D_j表示主用户在第j个时隙的传输数据量，

，σ²为噪声功率。主用户的能量因果约束为：

其中，

表示主用户在时隙j的第一阶段收集到的能量，ζ表示能量收集效率。

表示次用户在时隙j上传输的数据量，

的表达式为：

本发明假设只知道当前信道增益，在主用户的能量因果约束、主用户的目标数据量约束以及次用户的传输功率约束下，以最大化主用户和次用户的加权传输数据量为目标，对时隙、子载波和功率进行优化分配。

由于只知道当前时隙的信道增益，不知道未来的时隙的信道增益，无法对M个时隙的资源进行整体优化，需要依次对每个时隙进行单独优化。具体步骤如下：

步骤1：对每一个时隙j，j∈[1,M]；在主用户的能量因果约束与次用户的传输功率约束下，以最大化主用户和次用户的加权传输数据量为目标问题，构建优化问题模型P1：

P1：

问题模型P1满足约束条件C1至C6：

C1:

C2：

C3：

C4：

C5:

C6:

在构建问题模型P1时，为了保证主用户在M个时隙内传输的数据量达到目标数据量D，需要动态地调节主用户的加权因子ω_p。如果主用户的数据量无法达到D，则可以增加主用户的加权因子ω_p，直到达到目标数据量要求为止；如果主用户达到目标数据量，次用户就可以降低ω_p以改善其性能，ω_s表示次用户的加权因子。在上述模型P1中，ω_p和ω_s均为预先设置好的，能够保证主用户在M个时隙内传输的数据量达到目标数据量D。优化问题P1中，约束C1，C2为次用户在时隙j每个阶段的传输功率约束，表示分别在时隙j的每个阶段中，次用户的传输功率不能超过最大总传输功率P；约束C3表示在时隙j的第二阶段，一个子载波只能分配给主用户或次用户使用；约束C4为主用户的能量因果约束，表示主用户在时隙j第二阶段消耗的能量不能大于其在时隙j第一阶段累积收集的能量；约束C5、C6表示时隙j的第一、第二阶段时长总和归一化为1。

步骤2：初始化j＝1；

步骤3：对时隙j，求解问题模型P1，得到

的解，依次为

求解过程包括步骤S1至S4：

S1：初始化

假设时隙j第二阶段的所有子载波都分配给次用户，即

设置

S2：将

代入问题模型P1，求解问题模型P1，得到

和

的值；该问题属于线性规划问题，可采用内点法求解；

S3：将步骤S2得到的

和

代入问题模型P1，求解问题模型P1，得到

的值；

求解的步骤包括：

S3-1：令

将

代入问题模型P1，该问题是凸问题，可用拉格朗日对偶法或内点法求解，得到

和

的值；

S3-2：构建问题模型P4：

P4：

问题模型P4满足约束条件C2：

C2：

其中，

为时隙j的第二阶段分配给次用户的子载波的集合，

S3-3：将步骤S3-1得到的

和

的值代入问题模型P4，该问题是凸问题，可通过经典注水法求解问题模型P4，得到

的值；

S4：重复执行步骤S2至S3，直至P1的目标问题函数(主用户与次用户的加权传输数据量)收敛。

步骤4：将前j个时隙的主用户的传输数据量D_j相加，判断主用户前j个时隙的传输总数据量是否达到预设的目标数据量D，如果达到则计算

转入步骤5，否则，更新j＝j+1，返回步骤3；

步骤5：对时隙

构建优化问题模型P2：

P2:

优化问题模型P2满足约束条件C7至C13：

C7:

C8:

C9：

C10：

C11：

C12:

C13:

通过求解优化问题模型P2，对时隙

重新进行资源分配，得到分配结果：

求解P2的步骤依次执行的步骤S5至S8：

S5：初始化

假设在时隙

的第二阶段所有子载波都分配给次用户，即

设置

S6：将

代入问题模型P2，求解问题模型P2，得到

和

的值；

S7：将步骤S6得到的

和

代入问题模型P2，求解问题模型P2，得到

的值；

求解的步骤包括：

S7-1：令

将

代入问题模型P2，然后采用拉格朗日对偶法或内点法求解问题模型P2，得到

和

的值；

S7-2：构建问题模型P5：

P5：

问题模型P5满足约束C8:

其中，

为时隙

的第二阶段分配给次用户的子载波的集合，

S7-3：将步骤S7-1得到的

和

的值代入问题模型P5，然后通过经典注水法求解问题模型P5，得到

的值；

S8：重复执行步骤S6至S7，直至问题模型P5的目标问题(次用户传输数据量)收敛。

步骤6：对于时隙

至M，在每个时隙将资源全部分配给次用户，即给定

然后对每个时隙，在次用户总传输功率约束下，以最大化次用户的传输数据量为目标问题构建优化问题模型P3：

优化问题模型P3满足约束条件C14：

C14:

求解问题模型P3，得到时隙

至M中次用户的传输功率，记为

步骤7：根据步骤1至步骤6的计算结果，得到各时隙的资源分配方案：

当满足

时，时隙j的资源分配方案为：

当满足

时，时隙j的资源分配方案为：

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于加权公平的认知无线供电网络资源分配方法，其特征在于，所述认知无线供电网络包括：一对主用户和一对次用户，所述一对主用户包括主发射机和主接收机，而所述一对次用户包括次发射机和次接收机；所述认知无线供电网络总频谱带宽被平分为N个子载波，这N个子载波的集合记为

整个传输过程分为M个时隙；

该方法包括步骤：

(1)参数设置：每个时隙分为两个阶段，记时隙j的第一阶段所占比例为

第二阶段所占比例为

时隙j的第一阶段，次用户接入主用户的授权频段进行数据传输，次用户在第i个子载波上的传输功率为

而主用户在所有的子载波上对次用户传输的信号利用射频能量收集技术收集能量，以供下一阶段的传输使用；时隙j的第二阶段，主用户与次用户利用不同的子载波同时进行数据传输，记主用户在第i个子载波上的传输功率为

次用户在第i个子载波上的传输功率为

(2)在获取当前信道增益的前提下，为每个时隙构建优化问题模型P1：

P1：

问题模型P1满足约束条件C1至C6：

C1：

C2：

C3：

C4：

C5：

C6：

其中，P表示次用户在时隙j上的最大总传输功率，ζ表示能量收集效率，D_j表示主用户在时隙j传输的数据量，

其中，σ²为噪声功率；ω_p表示主用户的加权因子，ω_s表示次用户的加权因子；

表示次用户在时隙j上传输的数据量，

(3)初始化j＝1；

(4)对时隙j，求解问题模型P1，得到

的解，依次为

(5)将前j个时隙的主用户的传输数据量D_j相加，判断主用户前j个时隙的传输总数据量是否达到预设的目标数据量D，如果达到则计算

转入步骤(6)，否则，更新j＝j+1，返回步骤(4)；

(6)对时隙

构建优化问题模型P2：

P2：

优化问题模型P2满足约束条件C7至C13：

C7：

C8：

C9：

C10：

C11：

C12：

C13：

通过求解优化问题模型P2，对时隙

重新进行资源分配，得到分配结果：

(7)对于时隙

至M，在每个时隙将资源全部分配给次用户，即给定

然后对每个时隙，在次用户总传输功率约束下，以最大化次用户的传输数据量为目标问题构建优化问题模型P3：

P3：

优化问题模型P3满足约束条件C14：

C14：

求解问题模型P3，得到时隙

至M中次用户的传输功率，记为

(8)根据步骤(1)至(7)的计算结果，得到各时隙的资源分配方案：

当满足

时，时隙j的资源分配方案为：

当满足

时，时隙j的资源分配方案为：

所述求解问题模型P1的方法包括依次执行的步骤S1至S4：

S1：初始化

假设时隙j第二阶段的所有子载波都分配给次用户，即

设置

S2：将

代入问题模型P1，求解问题模型P1，得到

和

的值；

S3：将步骤S2得到的

和

代入问题模型P1，求解问题模型P1，得到

的值；

求解的步骤包括：

S3-1：令

将

代入问题模型P1，然后采用拉格朗日对偶法或内点法求解问题模型P1，得到

和

的值；

S3-2：构建问题模型P4：

P4：

问题模型P4满足约束条件C2：

C2：

其中，

为时隙j的第二阶段分配给次用户的子载波的集合，

S3-3：将步骤S3-1得到的

和

的值代入问题模型P4，然后通过经典注水法求解问题模型P4，得到

的值；

S4：重复执行步骤S2至S3，直至问题模型P1收敛；

所述求解问题模型P2的方法包括依次执行的步骤S5至S8：

S5：初始化

假设在时隙

的第二阶段所有子载波都分配给次用户，即

设置

S6：将

代入问题模型P2，求解问题模型P2，得到

和

的值；

S7：将步骤S6得到的

和

代入问题模型P2，求解问题模型P2，得到

的值；

求解的步骤包括：

S7-1：令

将

代入问题模型P2，然后采用拉格朗日对偶法或内点法求解问题模型P2，得到

和

的值；

S7-2：构建问题模型P5：

P5：

问题模型P5满足约束C8：

其中，

为时隙

的第二阶段分配给次用户的子载波的集合，

S7-3：将步骤S7-1得到的

和

的值代入问题模型P5，然后通过经典注水法求解问题模型P5，得到

的值；

S8：重复执行步骤S6至S7，直至问题模型P5收敛。

Images