CN109819509B - 一种能量收集解码-转发中继系统的功率在线控制方法 - Google Patents

Abstract

本发明公开了一种能量收集解码‑转发中继系统的功率在线控制方法，中继节点采用解码转发协议，配备数据缓存器，并配备能量收集设备，转发的能量来自于收集的能量。本发明在能量收集量随机变化，信道为随机衰落信道，且它们的统计信息均未知的条件下，利用Lyapunov优化框架将优化问题转换为最小化“漂移加惩罚”上界进行求解,得到了功率控制问题的闭式解。本发明提出的功率控制方案是一种在线方案，不需要任何能量到达、信道特性的统计信息，仅依赖于系统的当前信道衰减系数、电池电量等状态信息。

Description

一种能量收集解码-转发中继系统的功率在线控制方法

技术领域

本发明属于信息通信领域，具体是利用Lyapunov优化框架来设计一种在线的功率分配方案来实现信息的能量的高效利用和信息的高效传输。

背景技术

随着无线网络技术的快速发展，网络的规模不断扩大，网络中的能量消耗在快速增大。绿色通信是一种节能减排、减少资源浪费，降低对环境危害的新的通信理念。绿色通信主要包括两个方面：开源，节流。节流主要针对降低通信网络的能耗问题，通过设计有效的传输协议，合理分配网络资源来降低网络的功率消耗。开源就是寻找更多的绿色能源，利用这些绿色能源给网络中能量受限节点提供能量，一方面可延长节点的寿命，另一方面可降低对环境的危害。能量收集(Energy harvesting，EH)是收集环境中各种形式的能量转换为可被系统利用的电能的一种供电方式，这些能源主要包括太阳能、电磁能、热能、风能等。一些无线网络，如无线传感器网络，网络节点常采用电池供电，由于电池器件和尺寸的限制，电池储存的电量有限。当节点的电池电量耗尽时，需要对电池进行充电或者更换。由于传感器部署范围大、部署位置随机，更换电池费用较高，甚至无法更换。在这种情况下，能量收集技术为无线节点能量供应问题提供了有效的解决途径。由于从环境中收集能量存在不稳定性，加之电池容量有限，能量收集通信系统中，对能量的调度使用、发送功率的控制问题较常规能量供应系统更为复杂，对系统性能的影响也更大，是当前无线网络研究中的一个热点问题。能量收集通信系统中，根据发射机是否事先知道一段时间内能量到达和信道状态信息，功率控制算法可分为离线控制算法和在线控制算法两大类。在线算法由能量到达或信道状态变化触发，传输策略的决策依赖于过去时隙和当前时隙的能量收集状态和信道状态。离线算法中的发射机对能量收集过程和数据到达率有充分的了解，即发射机在传输之前已经知道今后一段时间内能量收集的情况，以及信道状态的变化情况，不满足输入输出间的因果性。离线算法是该领域大多数关于能量收集通信系统中的能量调度问题的研究工作的起点。由于离线算法是在已知未来能量和信道的状态信息对功率控制进行优化，一般具有较好的性能，常作为评估在线算法性能的参考。文献[Gunduz D,DevillersB.Two-hop communication with energy harvesting[C]//IEEE InternationalWorkshop on Computational Advances in Multi-sensor Adaptive Processing(CAMSAP).IEEE,2011,201-204.]研究源和中继节点能够从环境中获取能量的两跳中继网络模型的功率控制问题。文献假设能量到达的时刻和数量已知，分析了中继分别采用半双工和全双工模式时，以最大化给定时间内传输的数据量为目标，对源节点和中继的功率进行优化。在实际场景下，信道是随机衰落信道，能量的到达过程也是一个随机过程，要获取信道状态信息和能量到达过程的统计信息比较困难，提前获得信道和能量收集的情况更是不可能，因此离线方案实际上是不能实用的。Lyapunov优化理论从队列稳定性出发，根据当前系统所处的状态做决策，并不需要有关系统状态的先验知识，计算复杂度低，容易实施。文献[Dong M,Li W,Amirnavaei F.Online joint power control for two-hop wirelessrelay networks with energy harvesting[J].IEEE Transactions on SignalProcessing,2018,66(2):463-478]研究包含源节点和中继节点为能量收集节点的两跳放大转发中继网络，联合设计源和中继节点的在线功率控制策略，在能量收集和电池特性约束下，最大化长期时间平均速率。文献将优化问题转化为利用Lyapunov框架优化求解的、仅依赖于当前能量到达量、电池和信道状态的在线优化问题，并最终得到源和中继节点的发送功率的闭式解。本发明信道是随机衰落信道，能量的到达过程也随机中，Lyapunov优化框架适于本发明。使用Lyapunov方法时，约束条件可以构造为虚队列，优化过程中通过保持虚队列的稳定来满足约束条件。应用Lyapunov框架求解优化问题时，首先需要由网络中队列的长度建立一个Lyapunov函数，然后得到Lyapunov函数的漂移，通过使漂移最小化来保持队列稳定的问题。对于优化对象，则可以构造惩罚项，通过使惩罚项最小化来完成优化。

无线通信系统中，信号在传输过程中随着传输距离的增加，信号功率按指数规律下降。在发送机和接收机间设置中继进行信号的转发，是改善信号传输质量、延长传输距离、降低发送端能量消耗的有效途径。另外，当发射机和接收机间存在较大尺寸的障碍物时，会形成严重的阴影衰落。当接收机位于阴影衰落区域内时信号衰落严重，即使是二者距离并不太远时也可能无法正常通信。此时，在发送机和接收机中间直接设置一个中继可消除阴影衰落，有效提升接收信号的质量。中继的设置位置对传输性能有较大的影响，实际场景下中继可能需要设置在常规供电困难的地理位置，需要采用电池供电。而如无线传感器网络这样的网络中，节点则基本上都采用电池供电。当中继节点数量众多时，电池的更换或充电需要耗费大量的人力和财力。中继节点通过收集环境中的能量供电是解决其电源供应的有效手段。

发明内容

本发明的目的在于基于Lyapunov优化框架给出一种在线的功率控制方法，该方法不需依赖信道状态信息和能量收集过程的统计信息，实现复杂度较低。

在中继节点通过收集的能量供电的三节点两跳解码转发中继系统中，在保持中继节点数据缓冲器中数据队列长度和电池电量稳定的条件下，根据系统当前和过去的状态信息对源节点和中继节点的功率进行控制，使系统平均传输速率最大的同时降低源节点的平均功耗。

为了实现上述目的本发明采用如下技术方案：重构优化问题时，利用Lyapunov优化将系统优化问题转换为仅依赖于系统因果信息的凸优化问题。在中继节点满足电池电量状态稳定和数据队列稳定的条件下，对源节点的发送功率和中继节点处的信号转发功率进行控制，使源节点的平均能耗最小化和中继平均转发速率最大化。

本发明的具体步骤如下：

(1)分析信号传输的整个过程，得到功率控制优化问题的数学模型；信号传输为源节点、中继节点和目的节点间的三节点两跳解码转发：包括第一跳，源节点发送信息到中继节点，中继节点对接收到的信号进行译码，并将译码得到的数据存储在数据缓冲器中，第二跳，中继节点利用电池中的能量将缓存的数据重新编码后转发到目的节点；

(2)运用Lyapunov优化框架将所述数学模型中的优化问题转换为分别在源节点和中继节点的功率控制优化问题；

(3)源节点根据当前中继节点数据队列的状态和源-中继信道状态，控制其发送功率，在满足数据队列稳定的条件下，最小化源节点平均消耗的能量；

(4)中继节点根据电池的电量状态和中继-目的信道状态，控制其发送功率，在保持电池储存的电量稳定的条件下，最大化中继转发的平均速率。

具体地，步骤(1)所述功率控制优化问题的数学模型为数据队列和电池电量的更新公式以及功率控制的优化目标函数和约束条件。

具体地，步骤(2)利用Lyapunov优化理论将复杂的系统优化问题转换为仅依赖于系统因果信息的凸优化问题，而且单独在源节点和中继节点进行优化处理。

具体地，步骤(3)采用凸优化求解方法，得到每时隙源节点转发功率与当前源-中继间信道系数、中继节点数据缓冲区队列长度，以及过去时隙速率平均值的关系的函数。源节点的发送功率需充分考虑数据队列的状态，当数据队列长度较大时，适当降低发送功率；而当数据队列长度较小时，适当提高发送功率。

具体地，步骤(4)采用凸优化求解方法，得到每时隙源节点转发功率与当前源-中继间信道系数、中继节点数据缓冲区队列长度，以及过去时隙速率平均值的关系的函数，在保持电池储存的电量稳定的条件下，获得中继节点的转发功率。

进一步，本发明中在系统运行过程中，仅需要将当前的信道系数、中继节点缓冲器数据长度、电池电量、过去时隙的平均速率等数据代入步骤(3)(4)得到的函数即可得到源节点和中继节点的发送功率值。

进一步，采用Lyapunov优化框架和联合凸优化求解得到的功率解仅依赖于系统的因果信息。

相比较离线注水功率控制方案，本发明利用Lyapunov优化框架提出了一种在线功率控制方案，而且功率控制仅需知道当前时隙收集的能量和信道衰落因子，不要求知道其统计信息，降低了计算过程的复杂度。相比较已有的在线功率控制的方案，本发明提出的方案性收敛快，且仅依赖系统的因果信息，具有实际价值。

附图说明

图1为本发明的系统模型；

图2为本发明提出的算法可实现的系统速率与采用其他方案的可实现的系统速率的对比；

图3为本发明提出的算法源节点平均功率与采用其他方案的源节点平均功率的对比；

图4为本发明提出的算法的系统中队列的状态的仿真结果；

图5为本发明提出的算法的平均速率的仿真结果；

图6本发明提出的算法平均收集的能量和平均消耗的能量的仿真结果；

图7为采用不同的λ值时，本发明提出的算法系统可实现的平均传输速率的仿真结果；

图8为本发明提出的算法中参数V₁对系统性能影响的仿真结果；

图9为本发明提出的算法中参数V₂对系统性能影响的仿真结果；

图10为本发明提出的算法中E_max对系统可实现的平均传输速率影响的仿真结果；

图11为本发明提出的算法中Q_max对系统可实现的平均传输速率影响的仿真结果；

具体实施方式

结合附图对本发明做以下详细分析。系统模型由一个源节点、一个中继节点和一个目的节点组成，如图1所示。源节点和目的节点有连续的电量供应，中继节点由于地理位置限制，采用从环境中获取能量并转换为电能存储在容量有限的电池里，供数据转发使用。中继节点处配置一个数据缓冲器。信息从源节点传输到目的节点分为两个阶段。第一跳，源节点以合适的功率发送信息到中继节点，中继节点对接收到的信号进行译码，并将译码得到的数据存储在数据缓冲器中。第二跳，中继利用电池中的能量将缓存的数据重新编码后转发到目的节点。假设信道系数在一个时隙的时间T_s内保持不变，T_s表示一个时隙的长度，时隙之间信道独立随机变化。

第一跳，源节点发送信息，中继节点接收信息，接收到的信号为

其中P_S(t)为源节点的发送功率，0≤P_S(t)≤P_Smax，P_Smax为源节点最大功率，h(t)表示t时隙源节点到中继节点的信道系数，x(t)为源节点发送的功率归一化信号，n_R(t)为中继处的噪声，服从均值为0、方差为

的高斯分布。令

为第一跳归一化信道增益。第一跳的传输速率为

R₁(t)＝log₂(1+P_S(t)γ₁(t)) (2)

中继处采用解码转发协议，假设转发的信号为x_R(t)，且满足E(|x_R(t)|²)＝1，E(·)表示对求变量统计平均，E(|x_R(t)|²)＝1表示x_R(t)功率为1。则目的节点的接收信号为

其中P_R(t)为中继节点的转发功率，满足0≤P_R(t)≤P_Rmax约束，P_Rmax为中继节点最大功率，g(t)表示t时隙中继节点到目的节点的信道系数，n_D(t)为目的节点的噪声，服从均值为0、方差为

的高斯分布。令

为第二跳归一化信道增益。第二跳的传输速率为

R₂(t)＝log₂(1+P_R(t)γ₂(t)) (4)

假设中继节点在时隙t收集并储存到电池中的电量为E_s(t)，满足约束E_s(t)≤E_cmax，E_cmax为电池每时隙允许的最大充电量。根据可充电电池的特性，假设T_sP_Rmax≥E_cmax，即最大充电速率小于最大放电速率。E_b(t)表示时隙t电池中存储的电量，且满足0≤E_b(t)≤E_max，E_max为电池的最大存储电量。电池状态的更新方程为

E_b(t+1)＝min(E_b(t)-T_sP_R(t)+E_s(t),E_max) (5)

考虑能量的因果性，当前时隙收集的能量只能在后续的时隙中使用，相应每时隙中继转发功率还需满足T_sP_R(t)≤E_b(t)，即每时隙消耗的能量不能超过电池中当前所存储的电量。

用Q(t)表示中继节点处数据队列的长度。数据队列的长度是由流入的数据量和流出的数据量来共同决定的，数据队列长度的更新方程为

Q(t+1)＝min((Q(t)-T_sR₂(t))⁺+T_sR₁(t),Q_max) (6)

其中，(a)⁺＝max(a,0)，Q_max为数据缓冲器的容量，即数据队列长度的最大值。

根据系统模型，需要在每个时隙根据系统状态

在满足电池电量状态稳定和数据队列稳定的条件下，对源节点的发送功率和中继节点处的信号转发功率进行控制，使源节点的平均能耗最小化和中继平均转发速率最大化。

数据队列的稳定决定于数据的流入速率和流出速率，即第1跳和第2跳的传输速率。第1跳的传输速率由源节点的发送功率和信道状态h(t)决定，第2跳的传输速率则由中继节点的发送功率和信道状态g(t)决定。而对于中继的电池状态，若要保持电池储存的电量的稳定性，即从长期来看，应满足存储进电池的电量等于电池放电的电量，也即应将收集到的能量都用于数据的转发。因此，分别在源节点和中继节点处求解：

(1)源节点根据当前中继节点数据队列的状态和源-中继信道状态，控制其发送功率，在满足数据队列稳定的条件下，最小化源节点平均消耗的能量。

(2)中继节点根据电池的电量状态和中继-目的信道状态，控制其发送功率，在保持电池储存的电量稳定的条件下，最大化中继转发的平均速率。

数据队列的稳定由控制源节点的发送功率来实现，而电池电量的稳定由控制中继节点的发送功率来实现。两节点在满足数据队列或电池电量稳定的约束下，根据信道状态设置适当的发送功率，最大化能量效率。

综上所述，两个优化问题为：

s.t.C11:0≤P_S(t)≤P_Smax (7)

C12:Q(t)稳定

s.t.C21:0≤P_R(t)≤P_Rmax

C22:T_sP_R(t)≤E_b(t) (8)

C23:T_sR₂(t)≤Q(t)

C24:E_b(t)稳定

上式中E(·)表示对变量求统计平均。

对P1进行分析，首先定义一个虚队列

A₁为一个常数，表示数据队列长度的偏移量。

定义：源节点Lyapunov函数：

定义：源节点Lyapunov漂移定义为

定义：源节点Lyapunov“漂移加惩罚”

Δ₁(t)+V₁E[P_S(t)|s(t)] (11)

定理：源节点Lyapunov“漂移加惩罚”存在上界

其中

当P_S(t)＝_xP_ams,γ₁(t_x)_am＝γ时，R₁(t)取得最大值，为R_1max。同理，当P_R(t)＝P_rmax,γ₂(t)＝γ_max时，R₂(t)取得最大值，为R_2max。A₁为数据队列的偏移，

表示是从起始时刻到t时隙的R₂(t)的平均值，参数V₁＞0是漂移和惩罚之间的权重。

在每个时隙，信道的状态信息、数据队列状态已知，可将上式中期望运算去掉。此外，R₂(t)由中继节点确定，采用上一时隙的值，从而将P1改写为

s.t.0≤P_S(t)≤P_Smax

令

对P_S(t)求导，可得到一阶导数和二阶导数分别为

令J′(P_S(t))＝0，求得极值点为

发送功率的最优值必然在极值点、发送功率取值范围的最大值和最小值间取得。下面根据

的取值情况进行讨论。

(1)当

时，J′(P_S(t))恒大于0，J(P_S(t))是关于P_S(t)的单调递增函数，而发送功率的最小值为0，所以当P_S(t)＝0时，J(P_S(t))取得最小值。因此，源节点的最优功率值为

(2)当

时，J″(P_S(t))＞0，J(P_S(t))是关于P_S(t)的下凸函数。根据凸函数性质，最优值点一定是极值点，且只有一个极值点。但还需要考虑极值点是否在发送功率允许的范围内，因此，若

则

则

否则，

可将三种情况下功率最优值用统一用

来表示。

此外，由于数据缓存区有最大容量的限制，所以当前时隙源节点发送的数据量不应该超过数据缓存区的剩余空间，即应满足T_sR₁(t)≤Q_max-Q(t)。若不满足，则令T_sR₁(t)＝Q_max-Q(t)，求解出相应的发送功率作为最优解，即

综上所述，P1的解总结为

对中继节点进行类似的处理，先将限制条件C23移去，构造一个虚队列，

A₂＞0是一个常数，表示能量队列的偏移。

定义：中继节点处的Lyapunov函数

定义：中继节点Lyapunov漂移定义

Δ₂(t)＝E[(L₂(t+1)-L₂(t))|s(t)] (20)

定义：中继节点Lyapunov“漂移加惩罚”

Δ₂(t)-V₂E[R₂(t)|s(t)] (21)

定理：中继节点Lyapunov“漂移加惩罚”存在上界

其中

因为在每个时隙，信道的状态信息、能量队列状态为已知，所以可将上式中的期望符号去掉，单独在每个时隙中进行优化，可将上式改写为

令

J₂(P_R(t))对P_R(t)进行求导，分别得到其一阶导数和二阶导数，为

令J′₂(P_R(t))＝0，求得极值点为

下面根据

的取值情况对中继节点最优功率的解进行讨论：

(1)当

J′₂(P_R(t))恒小于0，J₂(P_R(t))是关于P_R(t)的单调递减函数，所以当中继发送功率取最大值P_Rmax时，J₂(P_R(t))取得最小值，因此最优的中继转发功率为

J″₂(P_R(t))＞0，J₂(P_R(t))是关于P_R(t)的下凸函数。根据下凸函数的性质，存在极值点

使J₂(P_R(t))取得最小值。因为0≤P_R(t)≤P_Rmax，所以当

最优解为

当

可将三种情况下功率最优值用统一用

来表示。

此外，由于能量因果性的约束，当前使用的能量不能超过当前电池中的可用能量。所以当优化得到的功率值使P_R(t)T_s＞E_b(t)时，令P_R(t)T_s＝E_b(t)，解出

可得到P2b的解，为

由P2b得到的解(27)式不一定满足P2，因为在求解时移去了约束条件C23，还需将(27)式带入约束条件C23看是否满足，即当前时隙中转发的数据量应小于当前缓冲区存储的数据量，T_slog₂(1+P_R(t)γ₂(t))≤Q(t)。若满足，优化问题P2的解为(27)式；若不满足约束条件C23，则应设置转发功率使当前时隙内中继转发的数据量等于当前数据队列的长度，即T_slog₂(1+P_R(t)γ₂(t))＝Q(t)，解出P_R(t)：

综上可得到P2的解为

下面将结合附图，对本发明做进一步的详细描述。仿真中，能量收集过程服从复合泊松分布，能量到达率为0.5单位/时隙，每个单位能量是在[0,0.3J]范围内均匀分布。电池容量的最大值为E_max＝20J，每时隙电池最大的充电量为E_cmax＝0.3J，P_Rmax＝P_Smax＝0.5W，每时隙的长度T_s＝1s。信道为瑞利衰落信道，信道衰落系数在一个时隙内保持不变，在时隙间独立随机变化。假设信道的平均归一化增益为E[γ₁(t)]＝E[γ₂(t)]＝5dB，信道的归一化信噪比超过5dB的概率为0.01，所以得到最大的信道增益为γ_max＝11.6dB。数据队列的最大值为Q_max＝10bit，

对比方案：(1)贪婪算法：每个时隙中继的转发功率按电池中可用电量的最大值进行设置，即将当前电池中存储的电量全部用完。(2)半贪婪算法：每个时隙中继的转发功率按电池中可用电量的一半进行设置，即使用当前电池电量的一半用于本时隙的信息发送，保留一半的电量。(3)离线注水算法：在传输开始之前就已经获得整个传输过程中信道的状态和能量的收集情况，然后根据传输过程中收集的总能量得到信号发送平均功率(将收集的能量全部用完)，然后在此平均功率约束下，根据各时隙的信道状态采用注水算法计算得到各时隙中继的发送功率，最大化平均转发速率。这三种算法的源节点的发送功率均设置为

即或者以最大功率发送，或者以填满中继数据缓冲器的速率对应的功率进行发送，取其中的小者。

图2给出了本发明提出的算法可实现的系统速率与采用其他方案的可实现的系统速率的对比。在仿真中参数设置为

从图中可以看出，本发明提出算法的传输速率优于贪婪算法和半贪婪算法，次优于离线注水算。此外，还可以得到算法的收敛与电池的初始状态无关。

图3是给出了在仿真5000个时隙下，仿真参数为Q_max＝10bit，

V₁＝10，V₂＝1.5，E_max＝20J,E_b(0)＝E_max条件下本发明提出的算法的源节点平均功率与采用其他方案的源节点功率的对比。可以看到注水算法的源节点功率消耗最大，其次是半贪婪算法和贪婪算法，本发明提出的算法的源节点功耗最小。

图4是系统中队列状态随时隙的变化的仿真结果。可以看出，仿真开始后很短一段时间过后，本发明算法的数据队列平均长度和和电池的电量平均值就会稳定在某个值附近。

图5是本发明提出的平均速率的仿真结果，可以看到，除开始时有少许差异外，两跳的平均传输速率保持一致，也就意味着数据队列的平均流入量等于平均流出量，所以数据队列长度能够保持稳定。

图6给出了从仿真开始到当前时隙中继节点平均收集的能量和消耗的能量的仿真结果，可见，刚开始平均消耗的能量较大，这是因为仿真时设置电池的初始电量为电池的最大容量，因此中继节点分配的转发功率较大，相应地传输速率也加大。随着时隙数的增加，中继节点平均消耗的能量逐渐趋同平均收集的能量，最终二者相同，表示收集的能量全部用于转发信息，能量队列最终保持稳定。

图7给出了在仿真5000个时隙下中继平均传输速率与能量到达率λ的关系。可以明显地得到，随着λ增加，中继平均传输速率也逐渐增加。因为λ增加使平均收集的到能量增加，中继处的转发功率也增加，所以系统的传输速率增加。

图8、图9分别给出了参数V₁和V₂对系统性能的影响的仿真结果。仿真参数设置为E_max＝20J，E_b(0)＝E_max，Q_max＝10bit，

V₁∈(0,15],V₂∈(0,3]。队列的波动定义为从第一时隙末到仿真最后时隙的队列长度的标准差，相应的数据队列波动为从第一时隙末到仿真最后时隙的数据队列长度的标准差；电池电量的波动为从第一时隙末到仿真最后时隙电池电量长度的标准差。从图8可以得到，源节点的平均功率随着V₁增大而减小。因为V₁取值越大，表示优化算法更注重与优化系统的性能，即是源节点处能耗的最小化。而数据队列的波动则随着V₁的增大而增大。图9显示中继平均传输速率随V₂增大而增大，最终趋于稳定。V₂增大，表示更注重优化中继的传输速率，所以中继节点的传输速率有所增加，但是V₂增大，会使得能量队列的长度波动增大，即是电池电量状态波动增大。

图10给出了在E_b(0)＝E_max，Q_max＝10bit，

条件下系统平均传输速率与E_max之间的关系。从图中可以得到，本发明提出的算法的性能随着电池容量的增大而急剧增大，最终收敛。离线注水算法设计时认为电池容量无限制，因此速率设置时无溢出的限制，所以电池容量增加对其性能没有影响。贪婪算法和半贪婪算法的性能随着电池容量的增大有小幅度的增大，因为储存的能量多，可使用的能量也变多。

图11给出了在E_max＝20J，E_b(0)＝E_max，

条件下系统传输速率与Q_max之间的关系。从图中可以得到，本发明提出的算法的传输速率随着数据缓冲器容量的增大而提高，最终收敛。贪婪算法和半贪婪算法的性能变化趋势与本文算法类似，而离线注水算法的性能与数据队列长度无关，这是因为该算法设计时认为缓冲器容量无限大，传输速率的设置不受数据因果性和缓冲器溢出的限制。

Claims (6)

1.能量收集解码-转发中继系统的功率在线控制方法，其特征在于，包括以下步骤：

(1)分析信号传输的整个过程，得到功率控制优化问题的数学模型；信号传输为源节点、中继节点和目的节点间的三节点两跳解码转发：包括第一跳，源节点发送信息到中继节点，中继节点对接收到的信号进行译码，并将译码得到的数据存储在数据缓冲器中，第二跳，中继节点利用电池中的能量将缓存的数据重新编码后转发到目的节点；

所述功率控制优化问题的数学模型为数据队列和电池电量的更新公式以及功率控制的优化目标函数和约束条件；具体为：

电池状态的更新方程为

E_b(t+1)＝min(E_b(t)-T_sP_R(t)+E_s(t),E_max)

数据队列长度的更新方程为

Q(t+1)＝min((Q(t)-T_sR₂(t))⁺+T_sR₁(t),Q_max)

数据队列的稳定由控制源节点的发送功率来实现，而电池电量的稳定由控制中继节点的发送功率来实现，两个优化问题分别为：

P1：

s.t.C11:0≤P_S(t)≤P_Smax

C12:Q(t)稳定

P2：

s.t.C21:0≤P_R(t)≤P_Rmax

C22:T_sP_R(t)≤E_b(t)

C23:T_sR₂(t)≤Q(t)

C24:E_b(t)稳定

上式中，T_s表示一个时隙的长度，P_R(t)为中继节点的转发功率，E_s(t)表示中继节点在时隙t收集并储存到电池中的电量，E_cmax为电池每时隙允许的最大充电量，E_b(t)表示时隙t电池中存储的电量，Q(t)表示中继节点处数据队列的长度，Q_max为数据缓冲器的容量，R₁(t)为第一跳的传输速率，R₂(t)为第二跳的传输速率，(a)⁺＝max(a,0)；

(2)运用Lyapunov优化框架将所述数学模型中的优化问题转换为分别在源节点和中继节点的功率控制优化问题；

所述转换后的优化问题为：

P1b:

s.t.0≤P_S(t)≤P_Smax

P2b:

s.t.C1:0≤P_R(t)≤P_Rmax

C2:T_sP_R(t)≤E_b(t)

优化问题P1b中，定义虚队列

A₁为一个常数，参数V₁＞0是漂移和惩罚之间的权重，P_S(t)为源节点的发送功率，

表示从起始时刻到t时隙的R₂(t)的平均值，

优化问题P2b中，构造虚队列

A₂＞0是一个常数，表示能量队列的偏移；

(3)源节点根据当前中继节点数据队列的状态和源-中继信道状态，控制其发送功率，在满足数据队列稳定的条件下，最小化源节点平均消耗的能量；

(4)中继节点根据电池的电量状态和中继-目的信道状态，控制其发送功率，在保持电池储存的电量稳定的条件下，最大化中继转发的平均速率。

2.根据权利要求1所述能量收集解码-转发中继系统的功率在线控制方法，其特征在于：步骤(2)所述Lyapunov优化框架将系统优化问题转换为仅依赖于当前系统状态的凸优化问题。

3.根据权利要求1或2所述能量收集解码-转发中继系统的功率在线控制方法，其特征在于：所述步骤(3)采用凸优化求解方法，得到每时隙源节点转发功率与当前源-中继间信道系数、中继节点数据缓冲区队列长度，以及过去时隙速率平均值的关系的函数，在满足数据队列稳定的条件下，获得源节点的最优功率值

4.根据权利要求3所述能量收集解码-转发中继系统的功率在线控制方法，其特征在于：所述源节点的最优功率值

为

为虚队列，

A₁表示数据队列长度的偏移量，Q(t)表示中继节点处数据队列的长度，

表示是从起始时刻到t时隙的R₂(t)的平均值,参数V₁＞0是漂移和惩罚之间的权重,γ₁(t)为第一跳归一化信道增益，P_Smax为源节点的最大功率限制，Q_max为数据缓冲器的容量。

5.根据权利要求1或2所述能量收集解码-转发中继系统的功率在线控制方法，其特征在于：所述步骤(4)采用凸优化求解方法，得到每时隙中继节点转发功率与当前中继-目的节点间信道系数和中继节点电池电量关系的函数，在保持电池储存的电量稳定的条件下，获得中继节点的转发功率P_R(t)。

6.根据权利要求5所述能量收集解码-转发中继系统的功率在线控制方法，其特征在于：所述中继节点的转发功率P_R(t)为

参数V₂＞0是漂移和惩罚之间的权重，P_Rmax为中继节点的最大功率限制，E_b(t)表示时隙t电池中存储的电量，γ₂(t)为第二跳归一化信道增益，

为虚队列，

A₂＞0表示能量队列的偏移。

Images