CN109951826A - 一种d2d多中继协同通信优化方法、系统及电子设备 - Google Patents
一种d2d多中继协同通信优化方法、系统及电子设备 Download PDFInfo
- Publication number
- CN109951826A CN109951826A CN201711391542.6A CN201711391542A CN109951826A CN 109951826 A CN109951826 A CN 109951826A CN 201711391542 A CN201711391542 A CN 201711391542A CN 109951826 A CN109951826 A CN 109951826A
- Authority
- CN
- China
- Prior art keywords
- energy
- relay node
- time slot
- value
- matrix
- 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.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及一种D2D多中继协同通信优化方法、系统及电子设备。优化方法包括：获取多中继协同通信系统的信道状态信息和能量状态信息；数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息以及所设置的初始化变量，分别计算各能量中继节点的波束成形因子以及时隙分割值；数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。本申请通过一个集中式的源节点在每个时隙开端根据每个能量中继节点的能量状态和信道状况信息计算出最优的系统工作策略，再将具体的工作策略通知各个能量中继节点，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的阈值，实现吞吐量最大化。
Description
技术领域
本申请涉及无线通信技术领域，特别涉及一种D2D多中继协同通信优化方法、系统及电子设备。
背景技术
时下兴起的设备到设备(Device-to-device,D2D)或物联网通信技术，支持密集部署的物联网设备之间的直接通信，满足更高速的信息传输，同时能够扩展网络覆盖面积并减小能耗。随着无线设备的高速发展，为无线设备充电以及更换电池，特别是在人类难以到达的环境，变得十分费时费力甚至不切实际。无线能量传输技术通过射频信号为无线设备提供能量，使得D2D网络中的各设备保持互联互通，从而降低大规模D2D网络的维护成本。但相较于传统的电池供电，通过无线能量传输技术收集到的射频能量是间断的、随机的，且容易受到环境的影响，稳定性较差，因此，无线能量传输技术仍然很难被广泛运用。
出于对单个D2D用户设备而言，其收集到的能量波动性较大，不足以满足无线通信的需求。密集部署的D2D用户设备为这个问题提供一个可行的解决方案。根据观察发现，D2D用户设备的能量收集速率是时变的且与所处位置有关，因此可以通过密集部署的D2D用户设备之间的相互合作来充分利用每个D2D用户设备收集到的能量，从而提高整个系统的吞吐量。
之前的相关研究提出了基于时隙切换或功率分配技术的单节点中继模型来应对这一问题。当存在多个中继节点时，研究人员提出了一个等概率的最优中继节点选择方案，以期有效利用各中继节点收集到的射频能量。进一步分析发现，最优中继选择方案受信道状况与中继能量收集能力的影响，其耦合关系较为复杂。
另一方面，密集部署的D2D用户设备会导致频谱空间拥挤同时对现有移动通信设备造成干扰。因此，多个D2D用户设备的协作传输需要精确控制它们的信号传输功率，使其对移动通信设备的干扰不会超过一个预设门限。之前的研究讨论了在完整信道状态信息条件下的功率约束条件，但是在现实生活中，由于测量误差以及D2D用户设备与移动通信设备之间缺乏协调，完整的信道状态信息很难即时获取。
综上所述，现有密集部署的D2D用户设备没有考虑除中继通信网络之外的其他移动通信设备。当信道信息未知的情况下，无法精确控制D2D用户设备的信号传输功率，不能保证对环境中其它移动通信设备的干扰低于预设门限。
发明内容
本申请提供了一种D2D多中继协同通信优化方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题，本申请提供了如下技术方案：
一种D2D多中继协同通信优化方法，包括：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
本申请实施例采取的技术方案还包括：所述步骤a还包括：根据所述信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵以及第二矩阵；其中，第一矩阵用于描述信号，第二矩阵用于描述噪声。
本申请实施例采取的技术方案还包括：在所述步骤b中，所述分别计算各能量中继节点的波束成形因子以及时隙分割值还包括：设置波束成形因子以及时隙分割值的初始化变量。
本申请实施例采取的技术方案还包括：在所述步骤b中，所述计算各能量中继节点的波束成形因子以及时隙分割值具体为：基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值。
本申请实施例采取的技术方案还包括：所述通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值具体包括：
步骤b1：将D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
设置移动通信设备的误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，代表随机变量z的概率分布，φ(t,x)为移动通信设备受到的干扰，t表示时隙分割值，x表示波束成形因子，为移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围， 是由每个能量中继节点波束成形系数组成的向量；代表信噪比γ的上限，表示分割的时隙中信号传递和能量收集时间之比，A为第一矩阵，B为第二矩阵，w表示各个能量中继节点的能量接收时间，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值；
为确定(t,γ)可行域的边界，初始化一个多边形集合Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值；
步骤b2：判断是否成立，如果成立，执行步骤b3；其中，k为迭代次数，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
步骤b3：设置k为k+1，并更新其中，zk是顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
步骤b4：判断zk∈Ω是否成立，如果成立，执行步骤b5；如果不成立，执行步骤b6；其中，zk为步骤b3得到的使得吞吐量r(v)具有最大值的顶点；
步骤b5：设置全局最优的下界最优解z*＝zk，并执行b7；
步骤b6：运用二分法找到zk在集合Ω上的映射ok＝skzk，若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界即则设置下界最优解z*＝ok；其中，为第k次迭代时的比例因子，r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
步骤b7：判断是否成立，如果成立，返回步骤b3；如果不成立，执行步骤b8；
步骤b8：根据最优解z*获取各能量中继节点的波束成形因子x以及时隙分割值t；其中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，即此时的联合变量(t,γ)的值，γ和x具有的对应关系为根据该对应关系计算出各能量中继节点的波束成形因子x以及时隙分割值t。
本申请实施例采取的技术方案还包括：在所述步骤b6中，所述运用二分法找到zk在集合Ω上的映射ok＝skzk具体为：
目标函数：γk为第k次迭代时的信噪比，X为秩1矩阵，X＝xxT，xxT表示向量x与其转置xT的乘积，M,v分别为两个对偶变量；
约束条件(1)：Tr(∑ZM)≤vη；Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
约束条件(2)：D(·)表示一个对角矩阵，是一个将所有非对角线上元素均设为0的对角矩阵，代表中继节点能量采集速率的映射，c表示各个能量中继节点的能量收集速率，tk是第k次迭代时的时隙分割值；
约束条件(3)：其中，I为单位矩阵；
如果则设置下界最优解z*＝ok；
根据构造新的多边形集合 Vk+1为多边形集合上的顶点集，ok}为被从Vk中移除的顶点集，Vk+1代表新生成的顶点集，新生成的顶点集中新的顶点为ei是第i个元素为“1”的单位向量。
本申请实施例采取的技术方案还包括：在所述步骤c中，所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点具体为：数据发送端将计算得到的波束成形因子、时隙分割值以及待转发信息一起分别传输至对应的能量中继节点，所述能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，并根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对移动通信设备的干扰不高于噪声容忍门限值以及误差容忍门限值ε。
本申请实施例采取的另一技术方案为：一种D2D多中继协同通信优化系统，包括数据发送端、能量中继节点、数据接收端以及移动通信设备；所述数据发送端包括：
数据获取模块：用于获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
迭代优化模块：用于基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
数据传输模块：用于将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
本申请实施例采取的技术方案还包括：所述数据发送端还包括矩阵计算模块，所述矩阵计算模块用于根据所述信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵以及第二矩阵；其中，第一矩阵用于描述信号，第二矩阵用于描述噪声。
本申请实施例采取的技术方案还包括：所述数据发送端还包括初始化模块，所述初始化模块用于设置波束成形因子以及时隙分割值的初始化变量。
本申请实施例采取的技术方案还包括：所述迭代优化模块计算各能量中继节点的波束成形因子以及时隙分割值具体为：基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值。
本申请实施例采取的技术方案还包括：所述迭代优化模块具体包括：
集合构成单元：用于D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
设置移动通信设备的误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，代表随机变量z的概率分布，φ(t,x)为移动通信设备受到的干扰，t表示时隙分割值，x表示波束成形因子，为移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围，代表信噪比γ的上限，是由每个能量中继节点波束成形系数组成的向量；表示分割的时隙中信号传递和能量收集时间之比，A为第一矩阵，B为第二矩阵，w表示各个能量中继节点的能量接收时间，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值；
为确定(t,γ)可行域的边界，初始化一个多边形集合Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值；
第一判断单元：用于判断是否成立，如果成立，通过顶点更新单元更新顶点；其中，k为迭代次数，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
顶点更新单元：用于设置k为k+1，并更新r(v)；其中，zk是顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
第二判断单元：用于判断zk∈Ω是否成立，如果成立，通过最优解单元获取最优解；如果不成立，通过半正定规划求解单元求解第k次迭代时的比例因子并获取最优解；其中，zk为使得吞吐量r(v)具有最大值的顶点；
最优解单元：用于设置全局最优的下界最优解z*＝zk；
半正定规划求解单元：用于运用二分法找到zk在集合Ω上的映射ok＝skzk，若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界，即则设置下界最优解z*＝ok；其中，Sk为第k次迭代时的比例因子，r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
第三判断单元：用于判断是否成立，如果成立，通过顶点更新单元重新更新顶点；如果不成立，通过联合变量计算单元计算波束成形因子x以及时隙分割值t；
联合变量计算单元：用于根据最优解z*获取各能量中继节点的波束成形因子x以及时隙分割值t；其中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，即此时的联合变量(t,γ)的值，γ和x具有的对应关系为根据该对应关系计算出各能量中继节点的波束成形因子x以及时隙分割值t。
本申请实施例采取的技术方案还包括：所述半正定规划求解单元运用二分法找到zk在集合Ω上的映射ok＝skzk具体为：
目标函数：γk为第k次迭代时的信噪比，X为秩1矩阵，X＝xxT，xxT表示向量x与其转置xT的乘积，M,v分别为两个对偶变量；
约束条件(1)：Tr(∑zM)≤vη；Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
约束条件(2)：D(·)表示一个对角矩阵，是一个将所有非对角线上元素均设为0的对角矩阵，c表示各个能量中继节点的能量收集速率，代表中继节点能量采集速率的映射，tk是第k次迭代时的时隙分割值；
约束条件(3)：其中，I为单位矩阵；
如果则设置下界最优解z*＝ok；
根据构造新的多边形集合 Vk+1为多边形集合上的顶点集， 为被从Vk中移除的顶点集，Vk+1代表新生成的顶点集，新生成的顶点集中新的顶点为ei是第i个元素为“1”的单位向量。
本申请实施例采取的技术方案还包括：所述数据传输模块将波束成形因子以及时隙分割值分别传输至对应的能量中继节点具体为：数据发送端将计算得到的波束成形因子、时隙分割值以及待转发信息一起分别传输至对应的能量中继节点，所述能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，并根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对移动通信设备的干扰不高于噪声容忍门限值以及误差容忍门限值ε。
本申请实施例采取的又一技术方案为：一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述D2D多中继协同通信优化方法的以下操作：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的D2D多中继协同通信优化方法、系统及电子设备通过一个集中式的源节点在每个时隙开端根据每个能量中继节点的能量状态和信道状况信息计算出最优的系统工作策略，再将具体的工作策略通知各个能量中继节点，运用鲁棒优化在克服不确定信道状态信息带来的不利影响的同时，利用密集部署的D2D用户设备之间的协同收益，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的阈值，实现了D2D多中继协同通信系统吞吐量最大化，让系统在复杂的信道环境下具有了更强的适应性，进一步提升了系统的可靠性。
附图说明
图1是本申请实施例的D2D多中继协同通信优化方法的流程图；
图2为D2D多中继协同通信系统示意图；
图3是本申请实施例的D2D多中继协同通信优化系统的结构示意图；
图4为干扰的能量约束下系统性能示意图；
图5是本申请实施例提供的D2D多中继协同通信优化方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，是本申请实施例的D2D多中继协同通信优化方法的流程图。本申请实施例的D2D多中继协同通信优化方法包括以下步骤：
步骤100：获取D2D多中继协同通信系统的信道状态信息和能量状态信息，并根据信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵A＝HSgH以及第二矩阵
在步骤100中，如图2所示，为D2D多中继协同通信系统示意图。D2D多中继协同通信系统包括数据发送端、多个能量中继节点、数据接收端以及其他移动通信设备，在每个时隙开始时，数据发送端和各能量中继节点分别提交信道状态信息以及能量状态信息，图2中，hn表示数据发送端到各能量中继节点之间的信道状态信息，gn表示各能量中继节点到数据接收端之间的信道状态信息，zn表示各能量中继节点到其他移动通信设备之间的信道状态信息。由数据发送端作为一个集中式的源节点，源节点根据各个能量中继节点的信道状态信息和能量状态信息计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵A＝HSgH以及第二矩阵其中，第一矩阵A＝HSgH用于描述信号，H为常数矩阵，Sg＝代表信道g的一种统计特性，表示在概率分布上做统计平均，ggT描述信道g的一个秩1矩阵。第二矩阵用于描述噪声，T为常数矩阵，D(·)表示一个对角矩阵，其对角元素为括号中所给向量，代表信道g的另一种统计特性，g○g表示信道的哈达玛积。定义T＝D(c其中“○”代表哈达马乘积， 为每个能量中继节点能量收集速率所组成的向量， 以及分别表示由数据发送端到第n个能量中继节点、由第n个能量中继节点到数据接收端以及由第n个能量中继节点到其他移动通信设备的信道，N为能量中继节点的数目。
步骤200：设置波束成形因子以及时隙分割值的初始化变量；
在步骤200中，设置波束成形因子以及时隙分割值的初始化变量具体包括：
步骤201：设置其中，k为迭代次数，k的初始值为0，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
步骤202：分别设置移动通信设备的噪声容忍门限值以及误差容忍门限值ε；
步骤203：分别设置各个能量中继节点的能量接收时间w以及转发信息信号时间t；
步骤204：设置各个能量中继节点的波束成形因子x以及矩阵X＝xxT；其中，xxT表示向量x与其转置xT的乘积；
步骤205：设置各个能量中继节点的能量收集速率c以及cs；
步骤206：分别设置单位矩阵I、对偶变量M和v。
步骤300：基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，源节点通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值；
在步骤300中，本申请通过一个集中式的源节点在每个时隙开端根据每个能量中继节点当前的能量状态和信道状况信息计算出最优的系统工作策略(即各能量中继节点的波束成形因子以及能量收集与信息传递的时隙分割策略)，再将具体的工作策略通知各个能量中继节点，算法运用鲁棒最优化技术克服信道估计带来的不确定性，从而实现最大化系统通信吞吐量的目的。将求解最优吞吐量的问题通过数学处理描述为一个单调优化的数学问题(将其描述为一个联合优化变量问题，变量为波束成形因子和时隙分割值)，由于该优化问题很难解，所以采用迭代求解半正定规划问题的方式去逼近这个单调优化问题的最优解，即，在约束条件下可获得最优吞吐量时，计算出各能量中继节点的波束成形因子x(x和γ之间有对应关系，实际过程是先算出γ，然后进一步得出x)和时隙分割值t。
具体地，源节点通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值包括以下步骤：
步骤301：将D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
1、设置误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，数学符号代表随机变量z的概率分布，φ(t,x)为其他移动通信设备受到的干扰，为其他移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围，代表信噪比γ的上限，其值由式计算得到，是由每个能量中继节点波束成形系数组成的向量。表示分割的时隙中信号传递和能量收集时间之比，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值。
2、为确定(t,γ)可行域的边界，初始化一个多边形集合(POLYBLOCK)Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值。与此同时，多边形集合定义为由有限个方块集合(BOX)构成的包集，方块集合[a,b]的定义是指满足a＜z＜b的任意z∈Rn构成的集合，其中，Rn为实数域。
步骤302：判断是否成立，即判断全局最优的上界和下界之差是否不小于误差容忍门限值ε，如果成立，执行步骤303；
步骤303：设置k为k+1，并更新zk表示顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
步骤304：判断zk∈Ω是否成立，如果成立，执行步骤305；如果不成立，执行步骤306；其中zk为步骤303中得到的使得吞吐量r(v)具有最大值的顶点，Ω为(t,γ)构成的可行集；
步骤305：设置全局最优的下界最优解z*＝zk，并执行步骤307；其中，r(zk)表示在顶点集Vk-1中取点zk时，可获得的最大吞吐量；
步骤306：运用二分法找到zk在集合Ω上的映射ok＝skzk，并获取最优解；其中，ok为zk在集合Ω上的映射，sk为第k次迭代时的比例因子；
具体来说，通过解以下半正定规划问题得到sk：
1、目标函数：zk为上一步得到的使得吞吐量r(v)具有最大值的顶点，γk为第k次迭代时的信噪比；X为方便计算引进的秩1矩阵，X＝xxT；
2、约束条件(1)：Tr(∑ZM)≤vη；其中，Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
3、约束条件(2)：其中，M和v分别是两个对偶变量，求解优化问题过程中的数学变换，无实际意义；是一个将所有非对角线上元素均设为0的对角矩阵，代表中继节点能量采集速率的映射，tk是第k次迭代时的时隙分割值。如果得到的最优解矩阵X*的秩为1，则可通过特征值分解得到波束成形系数的最优解x*；
4、约束条件(3)：其中，I为单位矩阵；
5、若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界即如果则设置下界最优解z*＝ok；r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
6、根据构造新的多边形集合 其中，Vk+1为多边形集合上的顶点集， 为被从Vk中移除的顶点集，Vk +1代表新生成的顶点集，而新生成的顶点集中新的顶点为其中ei是第i个元素为“1”的单位向量。
步骤307：判断是否成立，即全局最优的上界与下界之差是否不小于误差容忍门限值ε，如果成立，返回步骤303；如果不成立，执行步骤308；
步骤308：根据最优解z*得到各能量中继节点的波束成形因子x以及时隙分割值t；
在步骤308中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，也即此时的联合变量(t,γ)的值。联合变量(t,γ)由联合变量(t,x)引申而来，γ和x具有的对应关系为于是可以根据该对应关系计算出联合变量(t,x)的值，即各能量中继节点的波束成形因子x以及时隙分割值t。
步骤400：将计算得到的波束成形因子、时隙分割值以及待转发信息一起传输至各个对应的能量中继节点，各个能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的噪声容忍门限值以及误差容忍门限值ε。
请参阅图3，是本申请实施例的D2D多中继协同通信优化系统的结构示意图。本申请实施例的D2D多中继协同通信优化系统包括数据发送端、能量中继节点、数据接收端以及其他移动通信设备，其中，能量中继节点的数量为2个以上。在每个时隙开始时，数据发送端和各个能量中继节点分别提交信道状态信息以及能量状态信息，数据发送端作为一个集中式的源节点，根据各个能量中继节点的信道状态信息和能量状态信息计算各个能量中继节点的波束成形因子以及时隙分割值，再将波束成形因子以及时隙分割值传输至各个对应的能量中继节点，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的阈值，实现了D2D多中继协同通信系统吞吐量最大化。
具体地，数据发送端包括数据获取模块、矩阵计算模块、初始化模块、迭代优化模块和数据传输模块；
数据获取模块：用于获取D2D多中继协同通信系统的信道状态信息和能量状态信息；其中，获取的信道状态信息分别包括：数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息以及各能量中继节点到其他移动通信设备之间的信道状态信息，具体如图2所示，hn表示数据发送端到各能量中继节点之间的信道状态信息，gn表示各能量中继节点到数据接收端之间的信道状态信息，zn表示各能量中继节点到其他移动通信设备之间的信道状态信息。
矩阵计算模块：用于根据信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵A＝HSgH以及第二矩阵其中，第一矩阵A＝HSgH用于描述信号，H为常数矩阵，代表信道g的一种统计特性，表示在概率分布上做统计平均，ggT描述信道g的一个秩1矩阵。第二矩阵用于描述噪声，T为常数矩阵，D(·)表示一个对角矩阵，其对角元素为括号中所给向量，代表信道g的另一种统计特性，g○g表示信道的哈达玛积。定义 其中“○”代表哈达马乘积，为每个能量中继节点能量收集速率所组成的向量，以及z分别表示由数据发送端到第n个能量中继节点、由第n个能量中继节点到数据接收端以及由第n个能量中继节点到其他移动通信设备的信道，N为能量中继节点的数目。
初始化模块：用于设置波束成形因子以及时隙分割值的初始化变量；其中，设置的初始化变量具体包括：
1、设置其中，k为迭代次数，k的初始值为0，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
2、分别设置移动通信设备的噪声容忍门限值以及误差容忍门限值ε；
3、分别设置各个能量中继节点的能量接收时间w以及转发信息信号时间t；
4、设置各个能量中继节点的波束成形因子x以及矩阵X＝xxT；其中，xxT表示向量x与其转置xT的乘积；
5、设置各个能量中继节点的能量收集速率c以及cs；其中，代表中继节点能量采集速率的映射；
6、分别设置单位矩阵I、对偶变量M和v。
迭代优化模块：用于基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值；其中，本申请通过一个集中式的源节点在每个时隙开端根据每个能量中继节点当前的能量状态和信道状况信息计算出最优的系统工作策略(即各能量中继节点的波束成形因子以及能量收集与信息传递的时隙分割策略)，再将具体的工作策略通知各个能量中继节点，算法运用鲁棒最优化技术克服信道估计带来的不确定性，从而实现最大化系统通信吞吐量的目的。将求解最优吞吐量的问题通过数学处理描述为一个单调优化的数学问题(将其描述为一个联合优化变量问题，变量为波束成形因子和时隙分割值)，由于该优化问题很难解，所以采用迭代求解半正定规划问题的方式去逼近这个单调优化问题的最优解，即，在约束条件下可获得最优吞吐量时，计算出各能量中继节点的波束成形因子x(x和γ之间有对应关系，实际过程是先算出γ，然后进一步得出x)和时隙分割值t。
具体地，迭代优化模块包括集合构成单元、第一判断单元、顶点更新单元、第二判断单元、最优解单元、半正定规划求解单元、第三判断单元和联合变量计算单元；
集合构成单元：用于将D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
设置误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，数学符号代表随机变量z的概率分布，φ(t,x)为其他移动通信设备受到的干扰，为其他移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围，代表信噪比γ的上限，其值由式计算得到，是由每个能量中继节点波束成形系数组成的向量。表示分割的时隙中信号传递和能量收集时间之比，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值。
为确定(t,γ)可行域的边界，初始化一个多边形集合(POLYBLOCK)Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值。与此同时，多边形集合定义为由有限个方块集合(BOX)构成的包集，方块集合[a,b]的定义是指满足a＜z＜b的任意z∈Rn构成的集合，其中，Rn为实数域。
第一判断单元：用于判断是否成立，即判断全局最优的上界和下界之差是否不小于误差容忍门限值ε，如果成立，通过顶点更新单元更新顶点；
顶点更新单元：用于设置k为k+1，并更新r(v)；zk表示顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
第二判断单元：用于判断zk∈Ω是否成立，如果成立，通过最优解单元获取最优解；如果不成立，通过半正定规划求解单元求解第k次迭代时的比例因子并获取最优解；其中zk为上一步得到的使得吞吐量r(v)具有最大值的顶点；
最优解单元：用于设置全局最优的下界最优解z*＝zk；其中，r(zk)表示在顶点集Vk-1中取点zk时，可获得的最大吞吐量；
半正定规划求解单元：用于运用二分法找到zk在集合Ω上的映射ok＝skzk，并获取最优解；其中，ok为zk在集合Ω上的映射，sk为第k次迭代时的比例因子；具体来说，通过解以下半正定规划问题得到sk：
1、目标函数：zk为上一步得到的使得吞吐量r(v)具有最大值的顶点，γk为第k次迭代时的信噪比；X为方便计算引进的秩1矩阵，X＝xxT；
2、约束条件(1)：Tr(∑ZM)≤vη；其中，Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
3、约束条件(2)：其中，M和v分别是两个对偶变量，求解优化问题过程中的数学变换，无实际意义；是一个将所有非对角线上元素均设为0的对角矩阵。如果得到的最优解矩阵X*的秩为1，则可通过特征值分解得到波束成形系数的最优解x*；
4、约束条件(3)：其中，I为单位矩阵；
5、若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界即如果则设置下界最优解z*＝ok，r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
6、根据构造新的多边形集合 其中，Vk+1为多边形集合上的顶点集， 为被从Vk中移除的顶点集，Vk +1代表新生成的顶点集，而新生成的顶点集中新的顶点为其中ei是第i个元素为“1”的单位向量。
第三判断单元：用于判断是否成立，即全局最优的上界与下界之差是否不小于误差容忍门限值ε，如果成立，通过顶点更新单元重新更新zk；如果不成立，通过联合变量计算单元计算波束成形因子x以及时隙分割值t；
联合变量计算单元：用于根据最优解z*得到各能量中继节点的波束成形因子x以及时隙分割值t。其中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，也即此时的联合变量(t,γ)的值。联合变量(t,γ)由联合变量(t,x)引申而来，γ和x具有的对应关系为 于是可以根据该对应关系计算出联合变量(t,x)的值，即各能量中继节点的波束成形因子x以及时隙分割值t。
数据传输模块：用于将计算得到的波束成形因子、时隙分割值以及待转发信息一起传输至各个对应的能量中继节点，各个能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的噪声容忍门限值以及误差容忍门限值ε。
本申请经过软件仿真，验证了在对其他移动通信设备的干扰不高于设定门限的前提下，可实现D2D多中继协同通信系统的鲁棒性能最大化。如图4所示，为干扰的能量约束下系统性能示意图。在不同的干扰概率η下，系统最佳吞吐量随着能量收集速率c的增加而趋于稳定值，当放松干扰概率η的约束时，系统最佳吞吐量明显上升。
图5是本申请实施例提供的D2D多中继协同通信优化方法的硬件设备结构示意图，如图5所示，该设备包括一个或多个处理器以及存储器。以一个处理器为例，该设备还可以包括：输入系统和输出系统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息，以及产生信号输入。输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任一方法实施例的以下操作：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行以下操作：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行以下操作：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
本申请实施例的D2D多中继协同通信优化方法、系统及电子设备通过一个集中式的源节点在每个时隙开端根据每个能量中继节点的能量状态和信道状况信息计算出最优的系统工作策略，再将具体的工作策略通知各个能量中继节点，运用鲁棒优化在克服不确定信道状态信息带来的不利影响的同时，利用密集部署的D2D用户设备之间的协同收益，使得数据接收端具有最佳接收的同时，对其他移动通信设备的干扰不高于设定的阈值，实现了D2D多中继协同通信系统吞吐量最大化，让系统在复杂的信道环境下具有了更强的适应性，进一步提升了系统的可靠性。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种D2D多中继协同通信优化方法，其特征在于，包括：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
2.根据权利要求1所述的D2D多中继协同通信优化方法，其特征在于，所述步骤a还包括：根据所述信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵以及第二矩阵；其中，第一矩阵用于描述信号，第二矩阵用于描述噪声。
3.根据权利要求2所述的D2D多中继协同通信优化方法，其特征在于，在所述步骤b中，所述分别计算各能量中继节点的波束成形因子以及时隙分割值还包括：设置波束成形因子以及时隙分割值的初始化变量。
4.根据权利要求3所述的D2D多中继协同通信优化方法，其特征在于，在所述步骤b中，所述计算各能量中继节点的波束成形因子以及时隙分割值具体为：基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值。
5.根据权利要求4所述的D2D多中继协同通信优化方法，其特征在于，所述通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值具体包括：
步骤b1：将D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
设置移动通信设备的误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，代表随机变量z的概率分布，φ(t,x)为移动通信设备受到的干扰，t表示时隙分割值，x表示波束成形因子，为移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围，代表信噪比γ的上限，是由每个能量中继节点波束成形系数组成的向量；表示分割的时隙中信号传递和能量收集时间之比，A为第一矩阵，B为第二矩阵，w表示各个能量中继节点的能量接收时间，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值；
为确定(t,γ)可行域的边界，初始化一个多边形集合Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值；
步骤b2：判断是否成立，如果成立，执行步骤b3；其中，k为迭代次数，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
步骤b3：设置k为k+1，并更新其中，zk是顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
步骤b4：判断zk∈Ω是否成立，如果成立，执行步骤b5；如果不成立，执行步骤b6；其中，zk为步骤b3得到的使得吞吐量r(v)具有最大值的顶点；
步骤b5：设置全局最优的下界最优解z*＝zk，并执行b7；
步骤b6：运用二分法找到zk在集合Ω上的映射ok＝skzk，若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界即则设置下界 最优解z*＝ok；其中，Sk为第k次迭代时的比例因子，r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
步骤b7：判断是否成立，如果成立，返回步骤b3；如果不成立，执行步骤b8；
步骤b8：根据最优解z*获取各能量中继节点的波束成形因子x以及时隙分割值t；其中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，即此时的联合变量(t,γ)的值，γ和x具有的对应关系为根据该对应关系计算出各能量中继节点的波束成形因子x以及时隙分割值t。
6.根据权利要求5所述的D2D多中继协同通信优化方法，其特征在于，在所述步骤b6中，所述运用二分法找到zk在集合Ω上的映射ok＝skzk具体为：
目标函数：γk为第k次迭代时的信噪比，X为秩1矩阵，X＝xxT，xxT表示向量x与其转置xT的乘积，M，v分别为两个对偶变量；
约束条件(1)：Tr(∑ZM)≤νη；Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
约束条件(2)：D(·)表示一个对角矩阵，是一个将所有非对角线上元素均设为0的对角矩阵，代表中继节点能量采集速率的映射，c表示各个能量中继节点的能量收集速率，tk是第k次迭代时的时隙分割值；
约束条件(3)：v≥0,其中，I为单位矩阵；
如果则设置下界最优解z*＝ok；
根据构造新的多边形集合Vk+1为多边形集合上的顶点集，为被从Vk中移除的顶点集，Vk+1代表新生成的顶点集，新生成的顶点集中新的顶点为 ei是第i个元素为“1”的单位向量。
7.根据权利要求1至6任一项所述的D2D多中继协同通信优化方法，其特征在于，在所述步骤c中，所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点具体为：数据发送端将计算得到的波束成形因子、时隙分割值以及待转发信息一起分别传输至对应的能量中继节点，所述能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，并根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对移动通信设备的干扰不高于噪声容忍门限值以及误差容忍门限值ε。
8.一种D2D多中继协同通信优化系统，其特征在于，包括数据发送端、能量中继节点、数据接收端以及移动通信设备；所述数据发送端包括：
数据获取模块：用于获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
迭代优化模块：用于基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
数据传输模块：用于将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
9.根据权利要求8所述的D2D多中继协同通信优化系统，其特征在于，所述数据发送端还包括矩阵计算模块，所述矩阵计算模块用于根据所述信道状态信息和能量状态信息分别计算与D2D用户设备能量收集速率和信道状态相关的第一矩阵以及第二矩阵；其中，第一矩阵用于描述信号，第二矩阵用于描述噪声。
10.根据权利要求9所述的D2D多中继协同通信优化系统，其特征在于，所述数据发送端还包括初始化模块，所述初始化模块用于设置波束成形因子以及时隙分割值的初始化变量。
11.根据权利要求10所述的D2D多中继协同通信优化系统，其特征在于，所述迭代优化模块计算各能量中继节点的波束成形因子以及时隙分割值具体为：基于设置的初始化变量以及与D2D用户设备能量收集速率和信道状态相关的第一矩阵和第二矩阵，通过迭代求解半正定规划问题逼近单调优化问题的最优解，计算各能量中继节点的波束成形因子以及时隙分割值。
12.根据权利要求11所述的D2D多中继协同通信优化系统，其特征在于，所述迭代优化模块具体包括：
集合构成单元：用于D2D多中继协同通信优化问题描述为一个联合优化变量时隙分割t和信噪比γ，并计算最优吞吐量的问题：
设置移动通信设备的误差容忍门限值ε为10-5，Ω为(t,γ)构成的集合：
在上述公式中：
表示在信道z条件下，信号干扰φ(t,x)大于噪声容忍门限值的最大概率不高于设定的阈值η，表示在信道z条件下的最大概率，代表随机变量z的概率分布，φ(t,x)为移动通信设备受到的干扰，t表示时隙分割值，x表示波束成形因子，为移动通信设备对干扰的噪声容忍门限值；
表示信噪比γ的变化范围，代表信噪比γ的上限，是由每个能量中继节点波束成形系数组成的向量；表示分割的时隙中信号传递和能量收集时间之比，A为第一矩阵，B为第二矩阵，w表示各个能量中继节点的能量接收时间，Θ表示时隙分割值t和波束成形因子x组成的联合变量的一组取值；
为确定(t,γ)可行域的边界，初始化一个多边形集合Pk及其顶点集Vk，使得多边形集合P0足以覆盖整个可行集Ω，并设P0的顶点集V0为其中γmax为当且x∈[0,1]时γ的最大可能值；
第一判断单元：用于判断是否成立，如果成立，通过顶点更新单元更新顶点；其中，k为迭代次数，为第k次迭代后产生的全局最优的上界，为第k次迭代后产生的全局最优的下界；
顶点更新单元：用于设置k为k+1，并更新其中，zk是顶点集Vk-1中使得吞吐量r(v)具有最大值的顶点，Vk-1为第k-1次迭代后的顶点集，v是顶点集Vk中的一个点，代表一组联合变量(t,γ)，r(v)代表自变量为v时的吞吐量；
第二判断单元：用于判断zk∈Ω是否成立，如果成立，通过最优解单元获取最优解；如果不成立，通过半正定规划求解单元求解第k次迭代时的比例因子并获取最优解；其中，zk为使得吞吐量r(v)具有最大值的顶点；
最优解单元：用于设置全局最优的下界最优解z*＝zk；
半正定规划求解单元：用于运用二分法找到zk在集合Ω上的映射ok＝skzk，若zk在集合Ω上的映射ok使得此时的吞吐量不小于下界，，即 则设置下界最优解z*＝ok；其中，Sk为第k次迭代时的比例因子，r(ok)表示当自变量取ok时的吞吐量；否则，更新顶点集Vk并构建新的多边形集合
第三判断单元：用于判断是否成立，如果成立，通过顶点更新单元重新更新顶点；如果不成立，通过联合变量计算单元计算波束成形因子x以及时隙分割值t；
联合变量计算单元：用于根据最优解z*获取各能量中继节点的波束成形因子x以及时隙分割值t；其中，最优解z*即顶点集VK中使得吞吐量r(v)最大的顶点v，即此时的联合变量(t,γ)的值，γ和x具有的对应关系为 根据该对应关系计算出各能量中继节点的波束成形因子x以及时隙分割值t。
13.根据权利要求12所述的D2D多中继协同通信优化系统，其特征在于，所述半正定规划求解单元运用二分法找到zk在集合Ω上的映射ok＝skzk具体为：
目标函数：γk为第k次迭代时的信噪比，X为秩1矩阵，X＝xxT，xxT表示向量x与其转置xT的乘积，M,v分别为两个对偶变量；
约束条件(1)：Tr(∑ZM)≤vη；Tr(·)表示矩阵迹函数，是关于信道z的二阶矩矩阵，νη表示二者乘积；
约束条件(2)：D(·)表示一个对角矩阵，是一个将所有非对角线上元素均设为0的对角矩阵，代表中继节点能量采集速率的映射，c表示各个能量中继节点的能量收集速率，tk是第k次迭代时的时隙分割值；
约束条件(3)：v≥0,其中，I为单位矩阵；
如果则设置下界最优解z*＝ok；
根据构造新的多边形集合Vk+1为多边形集合上的顶点集，为被从Vk中移除的顶点集，Vk+1代表新生成的顶点集，新生成的顶点集中新的顶点为 ei是第i个元素为“1”的单位向量。
14.根据权利要求8至13任一项所述的D2D多中继协同通信优化系统，其特征在于，所述数据传输模块将波束成形因子以及时隙分割值分别传输至对应的能量中继节点具体为：数据发送端将计算得到的波束成形因子、时隙分割值以及待转发信息一起分别传输至对应的能量中继节点，所述能量中继节点根据时隙分割值决定能量收集、信息接收和信息转发时隙的分割比例，并根据波束成形因子对待转发信息进行波束成形后传输至对应的数据接收端，使得数据接收端具有最佳接收的同时，对移动通信设备的干扰不高于噪声容忍门限值以及误差容忍门限值ε。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述1至7任一项所述的D2D多中继协同通信优化方法的以下操作：
步骤a：获取多中继协同通信系统的信道状态信息和能量状态信息，其中，所述信道状态信息包括数据发送端到各能量中继节点之间的信道状态信息、各能量中继节点到数据接收端之间的信道状态信息、各能量中继节点到移动通信设备之间的信道状态信息；
步骤b：所述数据发送端基于多中继协同通信系统的信道状态信息和能量状态信息，分别计算各能量中继节点的波束成形因子以及时隙分割值；
步骤c：所述数据发送端将波束成形因子以及时隙分割值分别传输至对应的能量中继节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711391542.6A CN109951826A (zh) | 2017-12-20 | 2017-12-20 | 一种d2d多中继协同通信优化方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711391542.6A CN109951826A (zh) | 2017-12-20 | 2017-12-20 | 一种d2d多中继协同通信优化方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109951826A true CN109951826A (zh) | 2019-06-28 |
Family
ID=67004568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711391542.6A Pending CN109951826A (zh) | 2017-12-20 | 2017-12-20 | 一种d2d多中继协同通信优化方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109951826A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023030020A1 (zh) * | 2021-09-06 | 2023-03-09 | 中兴通讯股份有限公司 | 信号中继、指示方法、装置、中继节点、第一网元及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106304111A (zh) * | 2016-08-12 | 2017-01-04 | 梁广俊 | 基于能量采集中继站的异构蜂窝网络功率指派方法 |
| US20170142766A1 (en) * | 2015-11-17 | 2017-05-18 | Electronics And Telecommunications Research Institute | Method and apparatus for controlling access of terminal equipment in wireless communication system |
| CN109151946A (zh) * | 2017-06-28 | 2019-01-04 | 中国科学院深圳先进技术研究院 | 基于能量收集的协作中继传输方法、系统及多天线发送端 |
-
2017
- 2017-12-20 CN CN201711391542.6A patent/CN109951826A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170142766A1 (en) * | 2015-11-17 | 2017-05-18 | Electronics And Telecommunications Research Institute | Method and apparatus for controlling access of terminal equipment in wireless communication system |
| CN106304111A (zh) * | 2016-08-12 | 2017-01-04 | 梁广俊 | 基于能量采集中继站的异构蜂窝网络功率指派方法 |
| CN109151946A (zh) * | 2017-06-28 | 2019-01-04 | 中国科学院深圳先进技术研究院 | 基于能量收集的协作中继传输方法、系统及多天线发送端 |
Non-Patent Citations (2)
| Title |
|---|
| SHIMIN GONG: "Distributionally_Robust_Collaborative_Beamforming_in_D2D_Relay_Networks_With_Interference_Constraints", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
| SHIMIN GONG: "Robust Relay Beamforming in Device-to-Device Networks with Energy Harvesting Constraints", 《2016 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023030020A1 (zh) * | 2021-09-06 | 2023-03-09 | 中兴通讯股份有限公司 | 信号中继、指示方法、装置、中继节点、第一网元及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tran et al. | Federated learning over wireless networks: Optimization model design and analysis | |
| Zou et al. | Adaptive localization in dynamic indoor environments by transfer kernel learning | |
| Wang et al. | Device-free wireless sensing in complex scenarios using spatial structural information | |
| Bisio et al. | Smart probabilistic fingerprinting for WiFi-based indoor positioning with mobile devices | |
| CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
| CN109212476B (zh) | 一种基于ddpg的rfid室内定位算法 | |
| Xue et al. | A survey of beam management for mmWave and THz communications towards 6G | |
| CN116187483A (zh) | 模型训练方法、装置、设备、介质和程序产品 | |
| CN106257849B (zh) | 基于多目标量子萤火虫搜索机制的频谱感知方法 | |
| Bacciu et al. | Federated reservoir computing neural networks | |
| Yan et al. | Deep reinforcement learning based offloading for mobile edge computing with general task graph | |
| WO2021068194A1 (zh) | 天线信号处理模型的训练方法、装置、天线及存储介质 | |
| Wei et al. | A data preprocessing method for deep learning-based device-free localization | |
| Wei et al. | Enriching indoor localization fingerprint using a single AC-GAN | |
| CN109951826A (zh) | 一种d2d多中继协同通信优化方法、系统及电子设备 | |
| CN108919182B (zh) | 一种wifi环境下基于支撑集及期望最大化的目标定位方法 | |
| CN114828045A (zh) | 网络优化方法、装置、电子设备及计算机可读存储介质 | |
| Singh et al. | Wireless powered communication network optimization using PSO-CS algorithm | |
| CN106921985A (zh) | 一种超密集网络的自组织优化方法及装置 | |
| Zhang et al. | Robust transmission power management for remote state estimation with wireless energy harvesting | |
| Wang et al. | The optimism principle: A unified framework for optimal robotic network deployment in an unknown obstructed environment | |
| Zhang et al. | Deep reinforcement learning based scheduling strategy for federated learning in sensor-cloud systems | |
| Chen et al. | Age of semantics in cooperative communications: To expedite simulation towards real via offline reinforcement learning | |
| Jiang et al. | Dynamic spectrum access for femtocell networks: A graph neural network based learning approach | |
| CN113615277B (zh) | 一种基于神经网络的功率分配方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |