CN110213826A - 一种非理想信道下异构携能通信网络鲁棒资源分配方法 - Google Patents

Abstract

本发明涉及异构无线网络中的资源分配技术领域，具体涉及一种非理想信道下异构携能通信网络鲁棒资源分配方法，包括：初始化系统参数；将系统最优能效模型转化为发射功率‑功率分流系数联合优化问题；通过最大概率机方法将含概率约束的非线性优化问题转化为凸问题；固定初始化功率流系数，利用拉格朗日对偶原理得到最优发射功率；固定最优发射功率，求得最佳功率分流系数，获得系统最佳分配方案；该方法不仅可以提高系统能效而且可以提高系统鲁棒性，在有效降低移动终端中断概率、提高数据传输稳定性等实际应用方面具有一定的指导意义。

Description

一种非理想信道下异构携能通信网络鲁棒资源分配方法

技术领域

本发明涉及异构无线网络中的资源分配技术领域，具体涉及一种非理想信道下异构携能通信网络鲁棒资源分配方法。

背景技术

随着通信技术的发展，无线流量飞速增长，用于无线通信过程中的能量消耗日益不容忽视。为降低温室气体排放，促进绿色通信发展，无线携能通信技术(SimultaneousWireless Information and Power Transfer，SWIPT)应运而生。SWIPT技术通过从周围环境无线电信号中吸收电磁波能量，给设备进行充电从而延长设备寿命，提高通信系统的能量效率。异构携能通信网络结合了SWIPT技术和异构无线网络的优势，在充分发挥异构网络灵活经济架构的同时，也使得系统的能量利用率提高，因此得到了广泛的关注。

由近期研究可知，仅利用异构携能网络，在巨大的能量消耗前仍旧是杯水车薪，因此需要对基站发射功率进行合理控制，对用户功率分流系数进行优化。因此在异构携能网络的基础上，对资源进行优化合理分配，对提高网络覆盖范围、减小通信盲区的同时，延长网络运行寿命、实现绿色通信起着重要的作用。

有鉴于此，本发明提供一种异构携能通信网络联合功率和信息系数分配的鲁棒资源分配算法。本发明考虑非完美信道状态信息，发射功率约束、用户中断概率约束和传输速率约束，对下行传输链路建立符合实际的网络模型和数学模型。将系统最优能效模型转化为发射功率-功率分流系数联合优化问题。通过最大概率机方法将含概率约束的非线性优化问题转化为凸问题，固定初始化功率流系数，利用拉格朗日对偶原理得到最优发射功率；固定最优发射功率，求得最佳功率分流系数，获得系统最佳分配方案。

发明内容

为达到上述目的，本发明提供一种非理想信道下异构携能通信网络鲁棒资源分配方法，如图1，包括：

S1：构建系统能效最大资源优化模型，并初始化系统参数；

S2：在系统能效最大资源优化模型中，固定初始功率分流系数，计算飞蜂窝用户的最优发射功率

S3：根据最优发射功率计算瞬时数据传输速率，并判断该瞬时数据传输速率是否低于用户所要求的最小门限值；若是，则进入S4；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S4：计算所用飞蜂窝用户最优发射功率的累加和，得到和功率，并判断和功率是否小于最大功率门限若是，则进入S5；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S5：计算飞蜂窝用户对宏用户的干扰功率并判断该功率是否小于宏用户接收机的最大干扰门限值若是，进入S6；否则，将最优发射功率置零，更新飞蜂窝用户并返回则S2；

S6：在系统能效最大资源优化模型中，固定飞蜂窝用户最优发射功率求得最优功率分流比系数ρ^opt，并更新拉格朗日乘子；

S7：判断当前迭代次数是否大于最大迭代次数，若是，则进步骤S8；否则，令迭代次数加1，返回S2；

S8、输出最优发射功率以及最优功率分流比特系数。

进一步的，初始化系统参数包括初始化干扰信道增益飞蜂窝基站直接信道增益g_i、临近飞蜂窝用户多址干扰信道增益h_n,i、信道噪声σ²、初始发射功率初始干扰功率I_i、算法收敛门限、功率分配系数初值ρ、迭代更新步长s、最大迭代次数T^max、宏蜂窝用户数M，飞蜂窝用户数N、飞蜂窝基站最大发射功率门限干扰门限飞蜂窝用户接收端最小速率值中断概率阈值ε、能量收集效率θ、电路损耗功率P_e。

进一步的，考系统能效最大资源优化模型包括：

C₄:0≤ρ≤1.

其中，η_EE为能量效率，为基站处的总功率消耗，ε_j为宏蜂窝用户j中断概率门限，ε_j＝[0,1]；约束条件C₁为飞蜂窝用户功率和与基站最大发射功率的关系，约束条件为判断干扰门限与飞蜂窝用户所受干扰大小关系，约束条件C₃飞蜂窝用户传输速率与最小传输速率值的大小关系，约束条件C₄约束功率分配系数的取值范围。

进一步的，基站处的总功率消耗表示为：

其中，表示飞蜂窝基站对飞蜂窝用户的实际总发射功率，Q_EH表示在能量收集器处所得的功率。

进一步的，固定初始功率分流系数，计算飞蜂窝用户的最优发射功率包括：在系统能效最大资源优化模型中，引入拉格朗日方程对偶分解法求解最优发射功率问题，构建拉格朗日方程，以拉格朗日乘子为优化变量的表达式表示为：

根据KKT条件，则最优发射功率表示为：

其中，λ、v_i和z_i分别是约束条件C₁、C₃和C₄所对应的非负拉格朗日乘子；[·]⁺表示为正数。

进一步的，固定飞蜂窝用户最优发射功率求得最优功率分流比系数ρ^opt包括固定已得发射功率构造以信息信号系数为优化变量的拉格朗日方程，以拉格朗日乘子为优化变量的对偶表达式为：

则可将最优功率分流比系数ρ^opt表示为：

进一步的，更新拉格朗日乘子包括：

z(t)＝[z(t-1)+s₄(ρ-1)]⁺；

其中，λ(t)表示第t次迭代的约束条件C₁的拉格朗日乘子，s₁表示约束条件C₁的步长；表示第t次迭代的约束条件的拉格朗日乘子，s₂表示约束条件的步长；ν_i(t)表示第t次迭代的约束条件C₃的拉格朗日乘子，s₃表示约束条件C₃的步长；z(t)表示第t次迭代的约束条件C₄的拉格朗日乘子，s₄表示约束条件C₄的步长。

本发明方法不仅可以在满足系统用户良好用户体验的基础，使基站能耗降低，还具有一定的稳定性，在有效提升系统能效，增加信号传输的抗干扰能力的方面具有重要的作用。

附图说明

图1为本发明的系统模型图；

图2为本发明的流程图；

图3为不同算法下能量效率的收敛性能对比图；

图4为不同算法下信道扰动参数对中断概率影响性能对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种非理想信道下异构携能通信网络鲁棒资源分配方法，包括：

S1：构建系统能效最大资源优化模型，并进行初始化；

S2：在系统能效最大资源优化模型中，固定初始功率分流系数，计算飞蜂窝用户的最优发射功率

S3：根据最优发射功率计算瞬时数据传输速率，并判断该瞬时数据传输速率是否低于用户所要求的最小门限值；若是，则进入S4；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S4：计算所用飞蜂窝用户最优发射功率的累加和，得到和功率，并判断和功率是否小于最大功率门限若是，则进入S5；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S5：计算飞蜂窝用户对宏用户的干扰功率并判断该功率是否小于宏用户接收机的最大干扰门限值若是，进入S6；否则，将最优发射功率置零，更新飞蜂窝用户并返回则S2；

S6：在系统能效最大资源优化模型中，固定飞蜂窝用户最优发射功率求得最优功率分流比系数ρ^opt，并更新拉格朗日乘子；

S7：判断当前迭代次数是否大于最大迭代次数，若是，则进步骤S8；否则，令迭代次数加1，返回S2；

S8、输出最优发射功率以及最优功率分流比特系数。

其中，初始化的系统参数的值包括初始化干扰信道增益飞蜂窝基站直接信道增益g_i、临近飞蜂窝用户多址干扰信道增益h_n,i、信道噪声σ²、初始发射功率初始干扰功率I_i、算法收敛门限、功率分配系数初值ρ、迭代更新步长s、最大迭代次数T^max、宏蜂窝用户数量m，飞蜂窝用户数量N、飞蜂窝基站最大发射功率门限干扰门限飞蜂窝用户接收端最小速率值中断概率阈值、能量收集效率θ、电路损耗功率P_e；初始化还包括初始化迭代次数，令迭代次数t＝1。

为了提高系统的鲁棒性，需要将系统的冗余性提前考虑到资源分配设计算法中来，本文假设在信道不确定性摄动存在的条件下，宏用户能够容忍一定的中断概率。因此基于干扰中断概率约束的鲁棒资源分配问题描述为

其中，ε_j∈[0,1]为宏蜂窝用户i的中断概率门限；约束条件C₁为飞蜂窝用户功率和与基站最大发射功率的关系，约束条件C₂为判断干扰门限与飞蜂窝用户所受干扰大小关系，约束条件C₃为飞蜂窝用户传输速率与最小传输速率值的大小关系，约束条件C₄为约束功率分配系数的取值范围。

由于C₂概率约束的引入，使得问题(1)是一个难以求解的NP-hard问题。

在实际的异构无线网络场景中，随着用户接入的动态变化、信道衰落的影响，得到这些随机参数的准确统计模型往往是难以实现的。因此，在此引入最小最大概率机方法来解随机参数概率分布模型未知的不确定性概率约束转化问题，则优化问题(1)式变为：

其中，表示转化后的干扰信道增益，表示为 与分别为的均值和方差。

利用丁克尔巴赫方法，可对非线性规划问题(2)进行有效处理，可将其转换为参数相减的形式即：

其中，A_i表示网络系统对该飞蜂窝用户的干扰增益，A_i＝I_i+∑_n≠i,i∈np_nh_n,i。

为了获得(2)式的解析解，需要将其转换成凸优化形式，得到如下可分解为两个等价的子问题的资源分配问题，最终系统能效最大资源优化模型可以表示为：

将优化问题(3)变成了可求解的凸优化形式后，本发明联合优化发射功率与信息信号系数，采用双循环变量法，将原优化问题分解成发射功率优化问题和信息信号系数优化问题这两个子问题。

针对发射功率优化问题，利用拉格朗日对偶原理。构建如下拉格朗日函数，

则以拉格朗日乘子为优化变量的表达式为：

其中，λ、v_i和z_i分别是约束条件C₁、C₃和C₄所对应的非负拉格朗日乘子。

假设存在最优解使得优化问题(3)式目标函数最优，且满足所有约束条件。根据KKT条件，可求得最优功率解如下：

其中，η_EE为能量效率，[·]⁺表示为正数；为使公式简化，令则飞蜂窝用户最优发射功率表示为：

根据求得的最优功率带入优化问题(3)式中，则重新构造以信息信号系数ρ为优化变量的拉格朗日函数如下：

则以拉格朗日乘子为优化变量的对偶表达式为：

利用KKT条件，得到

为简化所得公式，令可得

根据次梯度更新算法，得到拉格朗日因子的更新如下：

z(t)＝[z(t-1)+s₄(ρ-1)]⁺；

其中，s为步长，t表示迭代次数；λ(t)表示第t次迭代的约束条件C₁的乘子，s₁表示约束条件C₁的步长；表示第t次迭代的约束条件的乘子，s₂表示约束条件的步长；ν_i(t)表示第t次迭代的约束条件C₃的乘子，s₃表示约束条件C₃步长；z(t)表示第t次迭代的约束条件C₄乘子，s₄表示约束条件C₄的步长。

本发明考虑由宏蜂窝和飞蜂窝组成的两层异构无线网络下行传输模型，如图1，模型中有一个宏蜂窝基站服务m个宏蜂窝用户，一个飞蜂窝基站服务n个飞蜂窝用户。假设飞蜂窝用户设备具有SWIPT技术，通过提取接收信号的能量有效的向各种终端设备馈电，解决传统有线供电或电池供电能量受限的不足。本发明采用功率分流方案，在飞蜂窝用户接收机端，将接收到的信号分成两部分：信息解码信号和能量收集信号，并在信息解码器和能量收集器中共享。定义宏用户集合和飞蜂窝用户集合宏用户为授权用户是具有高的频谱使用优先级，因此飞蜂窝在共享频谱时，不能影响宏用户正常的通信质量。

下面结合仿真对本发明的应用效果作详细描述。

1)仿真条件

考虑下行异构携能网络，假设该网络由一个宏蜂窝网络和一个飞蜂窝网络组成，飞蜂窝网络中飞蜂窝用户数为2。直接信道增益和干扰信道增益，在一定范围内随机取值。基站发射功率阈值为1.5w，背景噪声功率σ²为10^-8w，干扰功率阈值为0.1w，中断概率阈值ε为0.2，能量收集效率θ为0.5，最小传输速率为2bps/Hz,电路损耗功率P_e取0.2w。

2)仿真结果

在本实施例中，图3给出了在不同的能效优化算法下，迭代次数和能量效率的关系图。其中，图3通过将本实施例中鲁棒能效优化算法，即MPM-鲁棒能效优化算法与伯恩斯坦鲁棒能效优化算法、MPM-鲁棒速率优化算法进行比较，可见所提鲁棒能效优化算法在各算法都逐渐趋于收敛值时有着更少的迭代次数，即收敛性最好。

图4给出了在不同的算法下，中断概率与不确定参数之间的关系图。其中，图4通过与非鲁棒能效优化算法、MPM-鲁棒速率优化算法的对比，可以看出，所提鲁棒能效优化算法相较其他算法有着较低的中断概率且远小于中断门限。图3和图4的实验结果显示本发明在快速有效地提高系统能效的同时，也可以有效地控制中断概率，保护飞蜂窝用户与宏蜂窝用户的服务质量，具有良好的鲁棒性。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种非理想信道下异构携能通信网络鲁棒资源分配方法，其特征在于，

S1：构建系统能效最大资源优化模型，并进行初始化；

S2：在系统能效最大资源优化模型中，固定初始功率分流系数，计算飞蜂窝用户的最优发射功率

S3：根据最优发射功率计算瞬时数据传输速率，并判断该瞬时数据传输速率是否低于用户所要求的最小门限值；若是，则进入S4；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S4：计算所有飞蜂窝用户最优发射功率的累加和，得到和功率，并判断和功率是否小于最大功率门限若是，则进入S5；否则，将最优发射功率置零，更新飞蜂窝用户并返回S2；

S5：计算飞蜂窝用户对宏用户的干扰功率并判断该功率是否小于宏用户接收机的最大干扰门限值若是，进入S6；否则，将最优发射功率置零，更新飞蜂窝用户并返回则S2；

S6：在系统能效最大资源优化模型中，固定飞蜂窝用户最优发射功率求得最优功率分流比系数ρ^opt，并更新系统能效最大资源优化模型中的拉格朗日乘子；

S7：判断当前迭代次数是否大于最大迭代次数，若是，则进步骤S8；否则，令迭代次数加1，返回S2；

S8、输出最优发射功率以及最优功率分流比特系数。

2.根据权利要求1所述的一种非理想信道下异构携能通信网络鲁棒资源分配方法，系统能效最大资源优化模型包括：

C₄:0≤ρ≤1.

其中，η_EE为能量效率，为基站处的总功率消耗，为飞蜂窝基站发送给第i个飞蜂窝用户的发射功率，ε_j为宏蜂窝用户j中断概率门限，ε_j＝[0,1]；飞蜂窝用户i的传输速率；为干扰门限；为飞蜂窝用户接收端最小速率值；ρ为功率分配系数初值；θ为能量收集效率；约束条件C₁为飞蜂窝用户功率和与基站最大发射功率的关系，约束条件为判断干扰门限与飞蜂窝用户所受干扰大小关系，约束条件C₃飞蜂窝用户传输速率与最小传输速率值的大小关系，约束条件C₄约束功率分配系数的取值范围。

3.根据权利要求2所述的一种非理想信道下异构携能通信网络鲁棒资源分配方法，其特征在于，基站处的总功率消耗表示为：

其中，表示飞蜂窝基站对飞蜂窝用户的实际总发射功率，Q_EH表示在能量收集器处所得的功率。

4.根据权利要求2所述的一种非理想信道下异构携能通信网络鲁棒资源分配方法，其特征在于，固定初始功率分流系数，计算飞蜂窝用户的最优发射功率包括：在系统能效最大资源优化模型中，引入拉格朗日方程对偶分解法求解最优发射功率问题，构建拉格朗日方程，以拉格朗日乘子为优化变量的表达式表示为：

根据KKT条件，则最优发射功率表示为：

其中，λ、v_i和z_i分别是系统能效最大资源优化模型中的四个约束条件C₁、C₃和C₄所对应的非负拉格朗日乘子；[·]⁺表示正数；g_i表示飞蜂窝基站直接信道增益；A_i表示网络系统对该飞蜂窝用户的干扰增益；σ²表示信道噪声。

5.根据权利要求2所述的一种非理想信道下异构携能通信网络鲁棒资源分配方法，其特征在于，固定飞蜂窝用户最优发射功率求得最优功率分流比系数ρ^opt包括固定已得发射功率构造以信息信号系数为优化变量的拉格朗日方程，以拉格朗日乘子为优化变量的对偶表达式为：

则可将最优功率分流比系数ρ^opt表示为：

其中，λ、v_i和z分别是系统能效最大资源优化模型中的四个约束条件C₁，C₃和C₄所对应的非负拉格朗日乘子；g_i表示飞蜂窝基站直接信道增益；A_i表示网络系统对该飞蜂窝用户的干扰增益；θ表示能量收集效率；σ²表示信道噪声；η_EE表示能量效率；[·]⁺表示正数。

6.根据权利要求4或5所述的一种非理想信道下异构携能通信网络鲁棒资源分配方法，其特征在于，更新拉格朗日乘子包括：

z(t)＝[z(t-1)+s₄(ρ-1)]⁺；

其中，λ(t)表示第t次迭代的约束条件C₁的拉格朗日乘子，s₁表示约束条件C₁的步长；表示第t次迭代的约束条件的拉格朗日乘子，s₂表示约束条件的步长；ν_i(t)表示第t次迭代的约束条件C₃的拉格朗日乘子，s₃表示约束条件C₃的步长；z(t)表示第t次迭代的约束条件C₄的拉格朗日乘子，s₄表示约束条件C₄的步长。