CN110167106A - 雾架构下基于基站选择的多用户资源分配方法 - Google Patents
雾架构下基于基站选择的多用户资源分配方法 Download PDFInfo
- Publication number
- CN110167106A CN110167106A CN201910463356.1A CN201910463356A CN110167106A CN 110167106 A CN110167106 A CN 110167106A CN 201910463356 A CN201910463356 A CN 201910463356A CN 110167106 A CN110167106 A CN 110167106A
- Authority
- CN
- China
- Prior art keywords
- energy
- rrh
- receiver
- indicate
- information
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
- H04W88/085—Access point devices with remote components
-
- 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)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种雾架构下基于基站选择的多用户资源分配方法,包括以下步骤:S1、计算能量接收机总的收割能量;S2、构建优化目标,以最大化能量接收机总的收割能量,同时保证每个信息接收机服务质量和最小吞吐量要求为目标,建立目标函数;S3、通过半正定松弛方法对目标函数进行松弛;S4、采用启发式优化算法对目标函数进行求解。本发明以最大化能量接收机的收割能量,同时满足信息接收机的吞吐量为要求建立优化问题,将系统中的RRH分为能量RRH和信息RRH,能量接收机不仅可以从信息信号中获取能量,还可以从专门的能量信号中获取能量,从而提高系统的能量效率,能够缓解前传链路容量负载,减少传输时延,增大网络收能增益。
Description
技术领域
本发明属于无线通信技术领域,特别涉及一种雾架构下基于基站选择的多用户资源分配方法。
背景技术
随着无线通信技术的迅猛发展,通信技术正在发生着日新月异的变化,人与人之间的通信变得更加的频繁,无线通信的网络架构变得越来越复杂,可接入终端也变得越来越多,因此,网络中的终端对能量的需求量也越来越大。传统无线通信系统的设备耗能主要依赖于可充电或可更换电池加以解决,花费较大且设备本身移动性受限。此外,电池技术在过去几十年中发展非常缓慢,并且在不久的将来,可用的电池容量也无法改善这种情况。为了解决无线通信中的能量需求与数能均衡等问题,数能一体化(Data and EnergyIntegrated Communication Networks,DEINs)应运而生。在数能一体化网络中,利用能量采集技术以及无线射频能量传输技术,将传统的无线网络中相互独立的无线信息传输(wireless information transfer,WIT)和无线能量传输(wireless energy transfer,WET)融合起来,实现数据和能量的协同传输,可以极大程度的缓解新一代网络带来的诸多能量问题。
信号速率和接收机处的采集能量可以通过增加发射信号功率而显著增加。然而,由于高增益信号与路径损耗相关,数据与能量同时传输(Simultaneous WirelessInformation and Power Transfer,SWIPT)系统的性能仍然受到发射机与接收机之间的距离限制。协作多点传输(Coordinated Multipoint,CoMP)技术是扩大服务范围、提高频谱效率和减轻干扰的重要技术。CoMP网络的一个部署场景是将基站的功能拆分成中央处理器(Central Processor,CP)和一组远程无线射频头(Remote Radio Head,RRH)。CP执行耗电且计算密集的基带信号处理,而RRH负责所有的射频操作,并通过回程链路(BackhaulLink)连接到CP。然而,实际上,当回程链路的容量有限时,由CP和RRH之间的信令交互将会引起巨大的信令开销与传输时延,使得全面协作不可行,并且也无法保证超低延迟需求。于是我们提出了一种基站选择策略,使得部分RRH参与内容通信,部分RRH参与能量通信,同时将存储能力从云端迁移到网络边缘,以缓解回程链路的容量负荷,实现低延迟服务。
D.Zhang等人在文献“Resource allocation for green cloud radio accessnetworks with hybrid energy supplies”中,研究了信息与能量同时传输的多点协作网络的资源分配算法,RRH经由容量受限的回程链路连接到CP以促进CoMP联合传输,同时CP将能量传递给RRH以实现高效的电网运作。另一方面,RRHs传输的信号可以被功率受限的接收机用于能量收集以延长其工作寿命。Binbin D等人在文献“Optimized Base-StationCache Allocation for Cloud Radio Access Network with Multicast Backhaul”中,通过研究最优缓存大小分配策略和最优波束设计,从缓存策略的角度降低内容传输时延。
上述工作,前者考虑的是RRH全面协作,后者假设每个用户只被一个RRH服务,两者均忽略了基站的选择对网络性能的影响。能量RRH与内容RRH相互制约关系。为保证能量用户获得较大的能量增益,需要选择更多的RRH作为能量RRH,以发送能量信号。而能量RRH发送的能量信号会对内容用户造成干扰,降低内容用户的吞吐量。同时,能量RRH增多意味着内容RRH减少,这将进一步降低内容用户的吞吐量。
发明内容
本发明的目的在于克服现有技术的不足,提供一种以最大化能量接收机的收割能量,同时满足信息接收机的吞吐量为要求建立优化问题,将系统中的RRH分为能量RRH和信息RRH,能量接收机不仅可以从信息信号中获取能量,还可以从专门的能量信号中获取能量,从而提高系统的能量效率,实现无线数能传输系统的性能优化的雾架构下基于基站选择的多用户资源分配方法。
本发明的目的是通过以下技术方案来实现的:雾架构下基于基站选择的多用户资源分配方法,包括以下步骤:
S1、计算能量接收机总的收割能量;
S2、构建优化目标,以最大化能量接收机总的收割能量,同时保证每个信息接收机的服务质量(QoS)和最小吞吐量要求为目标,建立目标函数;
S3、通过半正定松弛方法对目标函数进行松弛;
S4、采用启发式优化算法对目标函数进行求解。
进一步地,所述步骤S1具体实现方法为:第k个信息接收机的数据传输速率表示为:
Uk=log2(1+Γk) (1)
其中,Γk表示第k个信息接收机的信干噪比:
采用二进制变量d=[d1,d2,…,dN]T表示每个RRH工作的模式:如果di=1,表示第i个RRH工作在信息RRH模式;如果di=0,表示第i个RRH工作在能量RRH模式;表示|d|个信息RRH发送给第k个信息接收机的发射信号;表示个能量RRH发送给能量接收机的发射信号;表示第k个信息接收机与内容基站之间信道向量;表示第k个信息接收机与能量基站之间信道向量;σ2表示加性高斯白噪声的方差;k∈{1,…,K},m∈{1,…,M};上标H指矩阵的共轭转置;
第m∈{1,…,M}个能量接收机总的收割能量为:
表示第m个能量接收机与内容基站之间的信道向量;表示第m个能量接收机与能量基站之间的信道向量;μ∈(0,1)是接收到的射频能量转化为电能的能量转换效率。
进一步地,所述步骤S2具体实现方法为:建立目标函数为:
约束条件为:
C[fronthaul]≤C (5b)
||wE||2≤PE,all (5d)
表示信息接收机k提供信息信号的|d|个RRH的联合波束;wE表示为能量接收机提供能量信号的个RRH的联合波束;Uk表示第k个信息接收机的数据传输速率,U表示信息传输速率下限;C[fronthaul]表示网络中所有RRH消耗的前传链路容量,常数C表示前传链路能够容忍的最大容量消耗;PI,all和PE,all分别表示信息RRH和能量RRH总的发射功率限制;Pi和Pj分别表示每个信息RRH和能量RRH发射功率限制;i表示第i个信息RRH,表示第i个信息RRH发送给第k信息接收机的波束向量;j表示第j个能量RRH,wE,j表示第j个能量RRH发送给所有能量用户的波束向量。
进一步地,所述步骤S3具体实现方法为:定义 原优化问题重新整理如下:
目标函数为:
tr()函数表示求矩阵的迹;
约束条件为:
C[fronthaul]≤C (7b)
tr(WE)≤PE,all (7d)
将约束条件(7h)Rank(WI,k)≤1,Rank(WE)≤1,从优化问题中移除,从而对原问题进行松弛;因此,半正定松弛后的优化问题变为:
目标函数:
约束条件:(7a)~(7g)。
进一步地,所述步骤S4具体实现方法为:假设网络中信息基站的数量最多为cnt,则tnc为:
cnt=max(Nnon+Nis,L) (8)
其中表示没有缓存信息接收机请求内容的基站可以被选作信息基站的最大数量;Nis表示缓存有信息接收机请求内容的基站数目;
启发式算法的操作过程包括以下子步骤:
S41、定义输入和输出分别为:
输入:基站数目L,信息接收机数目K,能量接收机数目M,基站缓存矩阵R,吞吐量阈值U,前传链路容量阈值C,功率阈值PI,all,PE,all,Pi,Pj;
输出:基站选择策略d*,信息接收机最优波束能量接收机最后波束
S42、根据当前系统状态,计算可参与信息通信的最大信息RRH数量cnt;
S43、采用穷举搜索法计算当信息RRH的数量等于cnt时的最佳基站选择策略d*和最大收割能量Vbest;
S44、判断|d*|≥1并且Vbest≠-inf是否成立,若是则执行步骤S45;否则结束算法;
S45、初始化最优基站选择方案d′,最大收割能量V′best,i=1;
S46、如果i≤L,满足则令d=d*,di=0,利用CVX求解松弛后的优化问题,得到V′,执行步骤S47;否则执行步骤S49,其中,L表示RRH的总数量;
S47、判断V′best<V′是否成立,若是则令V′best=V′,d′=d,然后执行步骤S48;否则直接执行步骤S48;
S48、i=i+1,返回步骤S46;
S49、判断Vbest<V′best是否成立,若是则令Vbest=V′best,d*=d′;否则,返回步骤S44。
本发明的有益效果是:本发明将多个远程无线射频头(RRH)划分为信息RRH和能量RRH,信息RRH负责为信息接收机提供信息传输服务,能量RRH为能量接收机提供射频信号。以最大化能量接收机的收割能量,同时满足信息接收机的吞吐量为要求建立优化问题,将系统中的RRH分为能量RRH和信息RRH,能量接收机不仅可以从信息信号中获取能量,还可以从专门的能量信号中获取能量,从而提高系统的能量效率,经过优化的基站选择策略能够缓解前传链路容量负载,减少传输时延,增大网络收能增益,可以实现无线数能传输系统的性能优化。
附图说明
图1为本发明应用的系统或架构场景图;
图2为本发明的资源分配方法的流程图;
图3为本发明穷举算法和启发式算法性能比较图;
图4位本发明的不同基站选择方案下最大收割能量比较图;
图5为本发明的不同基站选择方案下时延代价比较图;
图6为本发明的不同基站选择方案下前传链路容量消耗比较。
具体实施方式
本发明提出了在雾架构下基于基站选择的多用户资源分配策略。在本发明中,将系统中的RRH分为能量RRH和信息RRH,能量接收机不仅可以从信息信号中获取能量,还可以从专门的能量信号中获取能量,从而提高系统的能量效率。
本发明应用的系统架构或场景如图1所示。考虑雾架构下的下行链路传输场景,其中有L个RRH,K个信息接收机(IR),M个能量接收机(ER),它们都工作在相同的频段。每个配备了NT>1根发射天线,并通过无线信道为每个移动用户提供服务。信息接收机和能量接收机都是单天线设备。在该场景中,我们假设RRH能够从BBU池接收充足的能量,能量接收机可以被视为处于空闲状态的信息接收机。能量接收机没有持续的电源供能,只能从RRH发射的射频信号中获取能量。所有的RRH都通过有限容量(C>0(bit/s/Hz))的前传链路连接到核心网中的基带单元池。除了远端服务器带有缓存装置,每个RRH都配备了本地缓存单元。与服务器端缓存区相比,RRH的本地缓存容量较小,只能存储有限个文件。本发明的重点关注于F-RAN的下行传输阶段。文件传输被分为两种方式传递:1)如果RRH在本地缓存了用户请求的内容,则RRH直接将文件传输给请求的用户;2)如果RRH本地缓存区没有用户请求的内容,RRH需要向服务器端请求用户需要的文件,然后将获取到的文件传输给请求的用户。
1、信道模型
假设信道是频率平坦衰落信道,每个RRH可以利用握手信号获得所有接收机的本地信道状态信息,然后每个RRH向CP提供本地信道状态信息以计算资源分配策略。定义和分别表示发送信息信号的RRH和发送能量信号的RRN的集合,并且有也就是说,RRH在任何时候要么属于信息RRH模式,要么属于能量RRH模式。下行链路信号模型可以看作多输入单输出(MISO)模型。第k个信息接收机IR和第m个能量接收机ER的接收信号分别表示为:
其中k∈{1,…,K},m∈{1,…,M}。
为方便讨论,引入二进制变量d=[d1,d2,…,dN]T表示每个RRH工作的模式。如果di=1,表示第i个RRH工作在信息RRH模式;如果di=0,表示第i个RRH工作在能量RRH模式。|d|表示向量d中非零元素的个数;表示向量d中零元素的个数。
表示|d|个信息RRH发送给第k个信息接收机的发射信号,表示个能量RRH发送给能量接收机的发射信号。表示第k个信息接收机与内容基站之间信道向量,表示第k个信息接收机与能量基站之间信道向量,表示第m个能量接收机与内容基站之间的信道向量,表示第m个能量接收机与能量基站之间的信道向量。其中nk和nm表示均值为0,方差为σ2的加性高斯白噪声,我们假设所有接收机的噪声方差都是相同的。
2、信号模型
在每个信号发送期间,K个独立的信号流被同时发送到K个信息接收机。RRH l∈{1,…,|d|}通过波束向量将信息信号进行编码,再发射给信息接收机k。为简单起见,我们定义第k信息接收机的联合波束
wI,k表示为信息接收机k提供信息信号的|d|个RRH的联合波束。那么xk可以表示为:
xk=wI,ksk (12)
在发送信息信号的同时,能量信号也将会发送给M个能量接收机。通过波束向量将能量信号进行编码,再发射给能量接收机。为简单起见,我们定义能量接收机的联合波束
wE表示为能量接收机提供能量信号的个RRH的联合波束。那么x′k可以表示为:
x′k=wEs′ (14)
其中是第i个信息接收机的数据符号,是能量接收机的数据符号,不失一般性,设E{|s′|2}=1。
3、文件缓存策略
表示用户可能请求的所有文件,每个文件的大小归一化为1。文件的流行程度可以根据用户请求的行为来衡量,这里我们假设文件被请求的概率服从Zipf分布,编号越小的文件流行程度越高。第f个文件被用户请求的概率为:
其中α是形状参数,与分布的倾斜程度有关。当α取较大值时,编号较小的文件被请求的概率较大。我们假定文件的流程程度在BBU中是已知的。
定义二进制缓存变量R∈{0,1}L×F,其中rl,f=1表示第f个文件缓存在第l个RRH。Fl(Fl<F)表示第l个RRH的缓存区大小,即表示它最多可以缓存的文件个数。为满足缓存容量限制,有如前所述,缓存策略通常跨越较大的时间尺度,因此在多个传输时隙上,我们可以将缓存策略视为固定不变的。
4、前传链路模型
整个网络的代价主要产生于前传链路容量的消耗。fk表示第k个信息接收机请求的文件。对于第l个RRH,如果文件fk缓存在它的本地缓存区,它可以直接将文件从本地缓存区取出发送给用户,而不会消耗前传链路的容量。如果文件fk没有在RRH的本地缓存区,那么它必须通过前传链路从BBU池中获取用户需要的文件。
网络中所有RRH消耗的前传链路容量可以表示为:
其中Rb表示文件传输速率。
下面结合附图进一步说明本发明的技术方案。
如图1所示,雾架构下基于基站选择的多用户资源分配方法,包括以下步骤:
S1、计算能量接收机总的收割能量;具体实现方法为:第k个信息接收机的数据传输速率表示为:
Uk=log2(1+Γk) (17)
其中,Γk表示第k个信息接收机的信干噪比:
采用二进制变量d=[d1,d2,…,dN]T表示每个RRH工作的模式:如果di=1,表示第i个RRH工作在信息RRH模式;如果di=0,表示第i个RRH工作在能量RRH模式;表示|d|个信息RRH发送给第k个信息接收机的发射信号;表示个能量RRH发送给能量接收机的发射信号;表示第k个信息接收机与内容基站之间信道向量;表示第k个信息接收机与能量基站之间信道向量;σ2表示加性高斯白噪声的方差;k∈{1,…,K},m∈{1,…,M};上标H指矩阵的共轭转置;
在本发明设计的场景中,信息信号既能够为内容接收机传递信息,又能够为能量接收机提供能量。除此之外,位于集合中的RRH还能够发送专门的射频信号为能量接收机供能。因此,能量接收机不仅能从信息RRH中获取能量,还能从能量RRH中获取能量。第m∈{1,…,M}个能量接收机总的收割能量为:
表示第m个能量接收机与内容基站之间的信道向量;表示第m个能量接收机与能量基站之间的信道向量;μ∈(0,1)是接收到的射频能量转化为电能的能量转换效率;假设μ是一个常数,对于所有的能量接收机都是相同的。此外,天线噪声功率相比于收割到的能量,可以忽略不计。
S2、构建优化目标,以最大化能量接收机总的收割能量,同时保证每个信息接收机的服务质量(QoS)和最小吞吐量要求为目标,建立目标函数;前传链路连接着RRH和BBU池,所有RRH共享前传链路带宽。建立目标函数为:
约束条件为:
C[fronthaul]≤C (21b)
||wE||2≤PE,all (21d)
目标函数反映了系统可以收割的总能量。约束条件(21a)确保了每个信息接收机的吞吐量满足阈值要求。表示信息接收机k提供信息信号的|d|个RRH的联合波束;wE表示为能量接收机提供能量信号的个RRH的联合波束;Uk表示第k个信息接收机的数据传输速率,U表示信息传输速率下限;C[fronthaul]表示网络中所有RRH消耗的前传链路容量,常数C表示前传链路能够容忍的最大容量消耗;PI,all和PE,all分别表示信息RRH和能量RRH总的发射功率限制;Pi和Pj分别表示每个信息RRH和能量RRH发射功率限制;i表示第i个信息RRH,表示第i个信息RRH发送给第k信息接收机的波束向量;j表示第j个能量RRH,wE,j表示第j个能量RRH发送给所有能量用户的波束向量。
S3、通过半正定松弛方法对目标函数进行松弛;具体实现方法为:定义 原优化问题重新整理如下:
目标函数为:
tr()函数表示求矩阵的迹;
约束条件为:
C[fronthaul]≤C (23b)
tr(WE)≤PE,all (23d)
将约束条件(23h)Rank(WI,k)≤1,Rank(WE)≤1,从优化问题中移除,从而对原问题进行松弛;因此,半正定松弛后的优化问题变为:
目标函数:
约束条件:(23a)~(23g)。
松弛后的优化问题是一个混合整数规划问题。当二进制向量d给定时,松弛后的优化问题变为凸优化问题,该问题很容易用CVX仿真工具求解。如果解WI,k和WE是一个秩1矩阵,那么松弛后的优化问题和原问题具有相同的最优解。否则,松弛后的优化问题的最优解是原问题最优解的下界。
松弛后的优化问题的解能够被证明以概率1满足秩1条件。
S4、采用启发式优化算法对目标函数进行求解。在本发明中,寻找最优的二进制向量d的最简单的方法是采用穷举搜索,但算法的复杂度会随着RRH数目的增加呈指数增长。因此,本发明设计了一种启发式优化算法以降低原优化问题的复杂度,具体实现方法为:假设网络中信息基站的数量最多为cnt,则cnt为:
cnt=max(Nnon+Nis,L) (24)
其中表示没有缓存信息接收机请求内容的基站可以被选作信息基站的最大数量;Nis表示缓存有信息接收机请求内容的基站数目;
启发式算法的操作过程包括以下子步骤:
S41、定义输入和输出分别为:
输入:基站数目L,信息接收机数目K,能量接收机数目M,基站缓存矩阵R,吞吐量阈值U,前传链路容量阈值C,功率阈值PI,all,PE,all,Pi,Pj;
输出:基站选择策略d*,信息接收机最优波束能量接收机最后波束
S42、根据当前系统状态,计算可参与信息通信的最大信息RRH数量cnt;
S43、采用穷举搜索法计算当信息RRH的数量等于cnt时的最佳基站选择策略d*和最大收割能量Vbest;
S44、判断|d*|≥1并且Vbest≠-inf是否成立,若是则执行步骤S45;否则结束算法;
S45、初始化最优基站选择方案d′,最大收割能量V′best,i=1;
S46、如果i≤L,满足则令d=d*,di=0,利用CVX求解松弛后的优化问题,得到V′,执行步骤S47;否则执行步骤S49,其中,L表示RRH的总数量;
S47、判断V′best<V′是否成立,若是则令V′best=V′,d′=d,然后执行步骤S48;否则直接执行步骤S48;
S48、i=i+1,返回步骤S46;
S49、判断Vbest<V′best是否成立,若是则令Vbest=V′best,d*=d′;否则,返回步骤S44。
首先,启发式算法根据公式(24)计算能够选作信息基站的最大数目cnt。当信息基站数目为cnt时,采用穷举法计算当前最优基站选择策略和最大收割能量Vbest。这个过程需要进行的迭代次数为基于当前最优基站选择方案d*,减少一个信息基站,采用穷举法计算当信息基站数为cnt-1时,最优基站选择方案d′和最大收割能量V′best。这个过程需要进行的迭代次数为cnt。重复上述过程,直到当前只剩一个信息基站或当前的信息基站数量无法满足当前吞吐量要求为止。
因此,可以得到采用启发式算法需要进行的迭代次数为:算法的复杂度近似为O(L2)。然而,采用穷举搜索需要进行的迭代次数为:2L,随着基站数目的增加,算法复杂度呈指数增长。
图3为穷举算法和启发式算法性能比较,从图中可以看出,启发式算法可以近似与穷举算法的最优解。
在图4、图5和图6中,比较了不同的RRH选择方案对收割能量、时延代价和前传链路容量消耗的影响。在仿真环境中,假设前传链路容量不受限制,从而研究不同的RRH选择方案对系统性能的影响。为了避免随机选择信息RRH和能量RRH引起仿真结果的抖动,每次迭代前只随机改变一次RRH的选择。换句话说,在每次迭代中,对于不同的吞吐量,RRH选择选择的方案保持一致。
在图4中可以看到,对RRH选择进行优化的方案能够收割最多的能量,而网络中只有信息RRH没有能量RRH的方案收割的能量最少。也就是说,将RRH划分为信息RRH和能量RRH有利于网络的能量获取。
在图5中比较了不同的RRH选择方案对传输时延的影响。仿真结果表明,对RRH选择进行优化的方案产生的时延最小,而网络中只有信息RRH的方案产生的传输时延最高。这是因为只有信息RRH的方案为了提高能量接收机的能量增益,倾向于激活更多的RRH作为信息RRH来为能量接收机提高能量信号,但是这将会恶化系统的传输时延和前传链路负载。
在图6中比较了不同的RRH选择方案对前传链路容量的影响。仿真结果表明,本发明所提出的RRH选择方案消耗最少的前传链路容量。并且,和只有信息RRH的方案相比,本设计所提出的方案将节省超过60%的前传链路容量。随着吞吐量增加,对RRH选择进行优化的方案消耗的前传链路容量逐渐增加。因为随着吞吐量增加,选择选择更多的RRH作为信息RRH以满足吞吐量的要求。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.雾架构下基于基站选择的多用户资源分配方法,其特征在于,包括以下步骤:
S1、计算能量接收机总的收割能量;
S2、构建优化目标,以最大化能量接收机总的收割能量,同时保证每个信息接收机的服务质量和最小吞吐量要求为目标,建立目标函数;
S3、通过半正定松弛方法对目标函数进行松弛;
S4、采用启发式优化算法对目标函数进行求解。
2.根据权利要求1所述的雾架构下基于基站选择的多用户资源分配方法,其特征在于,所述步骤S1具体实现方法为:第k个信息接收机的数据传输速率表示为:
Uk=log2(1+Γk) (1)
其中,Γk表示第k个信息接收机的信干噪比:
采用二进制变量d=[d1,d2,…,dN]T表示每个RRH工作的模式:如果di=1,表示第i个RRH工作在信息RRH模式;如果di=0,表示第i个RRH工作在能量RRH模式;表示|d|个信息RRH发送给第k个信息接收机的发射信号;表示个能量RRH发送给能量接收机的发射信号;表示第k个信息接收机与内容基站之间信道向量;表示第k个信息接收机与能量基站之间信道向量;σ2表示加性高斯白噪声的方差;k∈{1,…,K},m∈{1,…,M};上标H指矩阵的共轭转置;
第m∈{1,…,M}个能量接收机总的收割能量为:
表示第m个能量接收机与内容基站之间的信道向量;表示第m个能量接收机与能量基站之间的信道向量;μ∈(0,1)是接收到的射频能量转化为电能的能量转换效率。
3.根据权利要求1所述的雾架构下基于基站选择的多用户资源分配方法,其特征在于,所述步骤S2具体实现方法为:建立目标函数为:
约束条件为:
C[fronthaul]≤C (5b)
||wE||2≤PE,all (5d)
表示信息接收机k提供信息信号的|d|个RRH的联合波束;wE表示为能量接收机提供能量信号的个RRH的联合波束;Uk表示第k个信息接收机的数据传输速率,U表示信息传输速率下限;C[fronthaul]表示网络中所有RRH消耗的前传链路容量,常数C表示前传链路能够容忍的最大容量消耗;PI,all和PE,all分别表示信息RRH和能量RRH总的发射功率限制;Pi和Pj分别表示每个信息RRH和能量RRH发射功率限制;i表示第i个信息RRH,表示第i个信息RRH发送给第k信息接收机的波束向量;j表示第j个能量RRH,wE,j表示第j个能量RRH发送给所有能量用户的波束向量。
4.根据权利要求1所述的雾架构下基于基站选择的多用户资源分配方法,其特征在于,所述步骤S3具体实现方法为:定义 原优化问题重新整理如下:
目标函数为:tr()函数表示求矩阵的迹;
约束条件为:
C[fronthaul]≤C (7b)
tr(WE)≤PE,all (7d)
将约束条件(7h)从优化问题中移除,从而对原问题进行松弛;因此,半正定松弛后的优化问题变为:
目标函数:
约束条件:(7a)~(7g)。
5.根据权利要求1所述的雾架构下基于基站选择的多用户资源分配方法,其特征在于,所述步骤S4具体实现方法为:假设网络中信息基站的数量最多为cnt,则cnt为:
cnt=max(Nnon+Nis,L) (8)
其中表示没有缓存信息接收机请求内容的基站可以被选作信息基站的最大数量;Nis表示缓存有信息接收机请求内容的基站数目;
启发式算法的操作过程包括以下子步骤:
S41、定义输入和输出分别为:
输入:基站数目L,信息接收机数目K,能量接收机数目M,基站缓存矩阵R,吞吐量阈值U,前传链路容量阈值C,功率阈值PI,all,PE,all,Pi,Pj;
输出:基站选择策略d*,信息接收机最优波束能量接收机最后波束
S42、根据当前系统状态,计算可参与信息通信的最大信息RRH数量cnt;
S43、采用穷举搜索法计算当信息RRH的数量等于cnt时的最佳基站选择策略d*和最大收割能量Vbest;
S44、判断|d*|≥1并且Vbest≠-inf是否成立,若是则执行步骤S45;否则结束算法;
S45、初始化最优基站选择方案d′,最大收割能量V′best,i=1;
S46、如果i≤L,满足则令d=d*,di=0,利用CVX求解松弛后的优化问题,得到V′,执行步骤S47;否则执行步骤S49,其中,L表示RRH的总数量;
S47、判断V′best<V′是否成立,若是则令V′best=V′,d′=d,然后执行步骤S48;否则直接执行步骤S48;
S48、i=i+1,返回步骤S46;
S49、判断Vbest<V′best是否成立,若是则令Vbest=V′best,d*=d′;否则,返回步骤S44。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463356.1A CN110167106B (zh) | 2019-05-30 | 2019-05-30 | 雾架构下基于基站选择的多用户资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463356.1A CN110167106B (zh) | 2019-05-30 | 2019-05-30 | 雾架构下基于基站选择的多用户资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110167106A true CN110167106A (zh) | 2019-08-23 |
CN110167106B CN110167106B (zh) | 2020-06-26 |
Family
ID=67630514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910463356.1A Active CN110167106B (zh) | 2019-05-30 | 2019-05-30 | 雾架构下基于基站选择的多用户资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110167106B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131939A (zh) * | 2016-06-16 | 2016-11-16 | 电子科技大学 | 一种数能一体化通信网络的功率控制最优化方法 |
CN106231665A (zh) * | 2016-07-29 | 2016-12-14 | 电子科技大学 | 数能一体化网络中基于rrh动态模式切换的资源分配方法 |
CN106330608A (zh) * | 2016-08-25 | 2017-01-11 | 电子科技大学 | 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 |
US20170142023A1 (en) * | 2015-11-18 | 2017-05-18 | The Rubicon Project, Inc. | Networked system for interconnecting sensor-based devices |
US20170188391A1 (en) * | 2015-12-28 | 2017-06-29 | Samsung Electronics Co., Ltd | Methods and apparatus for resource collision avoidance in vehicle to vehicle communication |
CN108632767A (zh) * | 2018-04-10 | 2018-10-09 | 清华大学 | 异构网络协同多播的传输方法及装置 |
CN109451584A (zh) * | 2018-11-28 | 2019-03-08 | 电子科技大学 | 一种多天线数能一体化通信网络的最大化上行吞吐量方法 |
CN109818662A (zh) * | 2019-03-12 | 2019-05-28 | 电子科技大学 | 全双工云接入数能一体化网络中混合波束成形方法 |
-
2019
- 2019-05-30 CN CN201910463356.1A patent/CN110167106B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170142023A1 (en) * | 2015-11-18 | 2017-05-18 | The Rubicon Project, Inc. | Networked system for interconnecting sensor-based devices |
US20170188391A1 (en) * | 2015-12-28 | 2017-06-29 | Samsung Electronics Co., Ltd | Methods and apparatus for resource collision avoidance in vehicle to vehicle communication |
CN106131939A (zh) * | 2016-06-16 | 2016-11-16 | 电子科技大学 | 一种数能一体化通信网络的功率控制最优化方法 |
CN106231665A (zh) * | 2016-07-29 | 2016-12-14 | 电子科技大学 | 数能一体化网络中基于rrh动态模式切换的资源分配方法 |
CN106330608A (zh) * | 2016-08-25 | 2017-01-11 | 电子科技大学 | 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 |
CN108632767A (zh) * | 2018-04-10 | 2018-10-09 | 清华大学 | 异构网络协同多播的传输方法及装置 |
CN109451584A (zh) * | 2018-11-28 | 2019-03-08 | 电子科技大学 | 一种多天线数能一体化通信网络的最大化上行吞吐量方法 |
CN109818662A (zh) * | 2019-03-12 | 2019-05-28 | 电子科技大学 | 全双工云接入数能一体化网络中混合波束成形方法 |
Non-Patent Citations (6)
Title |
---|
JIE HU: "Integrated Data and Energy Communication Network A Comprehensive Survey", 《IEEE COMMUNICATIONS SURVEYS & TUTORIALS》 * |
KUN YANG: "Joint Energy Minimization and Resource Allocation in C-RAN with Mobile Cloud", 《IEEE TRANSACTIONS ON CLOUD COMPUTING》 * |
KUN YANG: "Social-Aware Edge Caching in Fog Radio Access Networks", 《IEEE ACCESS》 * |
SUN MAO: "Utility-Optimal Resource Allocation in Energy Harvesting Powered C-RAN", 《IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 * |
吴凡,杨鲲: "Fair Energy Efficient Resource Allocation Based on Queue Balancing in Data and Energy Integrated Communication Networks", 《CONFERENCE ON COMPUTER COMMUNICATIONS WORKSHOPS》 * |
吴凡: "绿色无线网络资源分配关键技术研究", 《中国硕博士论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110167106B (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1917388B (zh) | 分布式天线系统及其通信方法 | |
CN108834080B (zh) | 异构网络中基于多播技术的分布式缓存和用户关联方法 | |
CN107135469B (zh) | 一种分布式用户接入方法 | |
CN111586646B (zh) | 一种蜂窝网络中联合上下信道的d2d通信的资源分配方法 | |
Dinh et al. | Joint location and beamforming design for cooperative UAVs with limited storage capacity | |
CN108449150A (zh) | 基于无线电地图信息的星地干扰协调方法、装置及设备 | |
Mukhlif et al. | Energy harvesting for efficient 5G networks | |
CN107809795B (zh) | D2d异构无线通信网络中基于时间反演的抗干扰方法 | |
Han et al. | Joint cache placement and content delivery in satellite-terrestrial integrated C-RANs | |
Christopoulos et al. | Cellular-broadcast service convergence through caching for CoMP cloud RANs | |
CN117318071B (zh) | 一种基于高速无线传输网络的电力负荷调控系统及方法 | |
Alameer et al. | Resource cost balancing with caching in C-RAN | |
CN110167106A (zh) | 雾架构下基于基站选择的多用户资源分配方法 | |
CN108234090B (zh) | 一种大规模mimo系统中跨层优化设计方法 | |
CN105848267A (zh) | 基于能耗最小化的串行能量采集方法 | |
Jaafar et al. | Caching optimization for D2D-assisted heterogeneous wireless networks | |
CN106301501B (zh) | 一种联合编码调制的即时数据传输优化方法 | |
Shi et al. | Delay optimal beamformer design for cache-enabled wireless backhaul networks | |
Wu et al. | Content delivery design for cache-aided cloud radio access network to achieve low latency | |
Guo et al. | Wireless energy harvesting and information processing in cooperative wireless sensor networks | |
Liu et al. | Energy efficiency analysis of dense small cell networks with caching at base stations | |
Wang et al. | Performance analysis and optimization of caching placement in heterogeneous wireless networks | |
NaseriTehrani et al. | Resource allocation for irs-enabled secure multiuser multi-carrier downlink urllc systems | |
Wang et al. | Joint and competitive caching designs in large-scale multi-tier wireless multicasting networks | |
Liu et al. | On the improvement of scaling laws for wireless ad hoc networks with physical layer caching |
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 |