CN110213826B - 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

一种非理想信道下异构携能通信网络鲁棒资源分配方法 Download PDF

Info

Publication number
CN110213826B
CN110213826B CN201910424228.6A CN201910424228A CN110213826B CN 110213826 B CN110213826 B CN 110213826B CN 201910424228 A CN201910424228 A CN 201910424228A CN 110213826 B CN110213826 B CN 110213826B
Authority
CN
China
Prior art keywords
power
optimal
femtocell
user
constraint
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.)
Active
Application number
CN201910424228.6A
Other languages
English (en)
Other versions
CN110213826A (zh
Inventor
徐勇军
谷博文
李国权
陈前斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lingchuang Xingtong Technology Co ltd
Original Assignee
Shenzhen Lingchuang Xingtong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Lingchuang Xingtong Technology Co ltd filed Critical Shenzhen Lingchuang Xingtong Technology Co ltd
Priority to CN201910424228.6A priority Critical patent/CN110213826B/zh
Publication of CN110213826A publication Critical patent/CN110213826A/zh
Application granted granted Critical
Publication of CN110213826B publication Critical patent/CN110213826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • 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
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

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
Figure GDA0003535839060000021
S3：根据最优发射功率
Figure GDA0003535839060000022
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
Figure GDA0003535839060000023
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
Figure GDA0003535839060000024
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
Figure GDA0003535839060000025
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
Figure GDA0003535839060000026
求得最优功率分流比系数ρopt，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
Figure GDA0003535839060000027
飞蜂窝基站直接信道增益gi、临近飞蜂窝用户多址干扰信道增益hn,i、信道噪声σ2、初始发射功率
Figure GDA0003535839060000028
初始干扰功率Ii、算法收敛门限、功率分流系数初值ρ、迭代更新步长s、最大迭代次数Tmax、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
Figure GDA0003535839060000031
干扰门限
Figure GDA0003535839060000032
飞蜂窝用户接收端最小速率值
Figure GDA0003535839060000033
中断概率阈值ε、能量收集效率θ、电路损耗功率Pe。
进一步的，考系统能效最大资源优化模型包括：
Figure GDA0003535839060000034
Figure GDA0003535839060000035
Figure GDA0003535839060000036
Figure GDA0003535839060000037
C4:0≤ρ≤1.
其中，ηEE为能量效率，
Figure GDA0003535839060000038
为基站处的总功率消耗，εj为宏蜂窝用户j中断概率门限，εj＝[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
Figure GDA0003535839060000039
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约束功率分流系数的取值范围。
进一步的，基站处的总功率消耗
Figure GDA00035358390600000310
表示为：
Figure GDA00035358390600000311
其中，
Figure GDA00035358390600000312
表示飞蜂窝基站对飞蜂窝用户的实际总发射功率，QEH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
Figure GDA00035358390600000313
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：
Figure GDA00035358390600000314
根据KKT条件，则最优发射功率
Figure GDA00035358390600000315
表示为：
Figure GDA0003535839060000041
其中，λ、
Figure GDA0003535839060000042
vi和zi分别是约束条件C1、
Figure GDA0003535839060000043
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
Figure GDA0003535839060000044
求得最优功率分流比系数ρopt包括固定已得发射功率
Figure GDA0003535839060000045
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：
Figure GDA0003535839060000046
则可将最优功率分流比系数ρopt表示为：
Figure GDA0003535839060000047
进一步的，更新拉格朗日乘子包括：
Figure GDA0003535839060000048
Figure GDA0003535839060000049
Figure GDA00035358390600000410
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；
Figure GDA00035358390600000411
表示第t次迭代的约束条件
Figure GDA00035358390600000412
的拉格朗日乘子，s2表示约束条件
Figure GDA00035358390600000413
的步长；νi(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
Figure GDA0003535839060000051
S3：根据最优发射功率
Figure GDA0003535839060000052
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
Figure GDA0003535839060000053
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
Figure GDA0003535839060000054
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
Figure GDA0003535839060000061
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
Figure GDA0003535839060000062
求得最优功率分流比系数ρopt，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
Figure GDA0003535839060000063
飞蜂窝基站直接信道增益gi、临近飞蜂窝用户多址干扰信道增益hn,i、信道噪声σ2、初始发射功率
Figure GDA0003535839060000064
初始干扰功率Ii、算法收敛门限、功率分流系数初值ρ、迭代更新步长s、最大迭代次数Tmax、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
Figure GDA0003535839060000065
干扰门限
Figure GDA0003535839060000066
飞蜂窝用户接收端最小速率值
Figure GDA0003535839060000067
中断概率阈值、能量收集效率θ、电路损耗功率Pe；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
Figure GDA0003535839060000068
其中，εj∈[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为约束功率分流系数的取值范围。
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：
Figure GDA0003535839060000071
其中，
Figure GDA0003535839060000072
表示转化后的干扰信道增益，表示为
Figure GDA0003535839060000073
Figure GDA0003535839060000074
与
Figure GDA0003535839060000075
分别为
Figure GDA0003535839060000076
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
Figure GDA0003535839060000077
即：
Figure GDA0003535839060000078
其中，Ai表示网络系统对该飞蜂窝用户的干扰增益，Ai＝Ii+∑n≠i,i∈npnhn,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：
Figure GDA0003535839060000081
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，
Figure GDA0003535839060000082
则以拉格朗日乘子为优化变量的表达式为：
Figure GDA0003535839060000083
其中，λ、
Figure GDA0003535839060000084
vi和zi分别是约束条件C1、
Figure GDA0003535839060000085
C3和C4所对应的非负拉格朗日乘子。
假设存在最优解
Figure GDA0003535839060000086
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：
Figure GDA0003535839060000087
其中，ηEE为能量效率，[·]+表示为正数；为使公式简化，令
Figure GDA0003535839060000088
则飞蜂窝用户最优发射功率表示为：
Figure GDA0003535839060000091
根据求得的最优功率
Figure GDA0003535839060000092
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：
Figure GDA0003535839060000093
则以拉格朗日乘子为优化变量的对偶表达式为：
Figure GDA0003535839060000094
利用KKT条件，得到
Figure GDA0003535839060000095
为简化所得公式，令
Figure GDA0003535839060000096
可得
Figure GDA0003535839060000097
根据次梯度更新算法，得到拉格朗日因子的更新如下：
Figure GDA0003535839060000098
Figure GDA0003535839060000099
Figure GDA00035358390600000910
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；
Figure GDA0003535839060000101
表示第t次迭代的约束条件
Figure GDA0003535839060000102
的乘子，s2表示约束条件
Figure GDA0003535839060000103
的步长；νi(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
Figure GDA0003535839060000104
和飞蜂窝用户集合
Figure GDA0003535839060000105
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
Figure GDA0003535839060000106
为1.5w，背景噪声功率σ2为10-8w，干扰功率阈值
Figure GDA0003535839060000107
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
Figure GDA0003535839060000108
为2bps/Hz,电路损耗功率Pe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 (5)

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，系统能效最大资源优化模型包括：
Figure FDA0003535839050000011
Figure FDA0003535839050000012
Figure FDA0003535839050000013
Figure FDA0003535839050000014
C4:0≤ρ≤1.
其中，ηEE为能量效率，
Figure FDA0003535839050000015
为基站处的总功率消耗，
Figure FDA0003535839050000016
为飞蜂窝基站发送给第i个飞蜂窝用户的发射功率；
Figure FDA0003535839050000017
为飞蜂窝用户i的传输速率；
Figure FDA0003535839050000018
为干扰门限；
Figure FDA0003535839050000019
为飞蜂窝用户接收端最小速率值；ρ为功率分流系数初值；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
Figure FDA00035358390500000110
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约束功率分流系数的取值范围；Pe为电路损耗功率；Ai为网络系统对第i个飞蜂窝用户的干扰增益；
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
Figure FDA00035358390500000111
S3：根据最优发射功率
Figure FDA00035358390500000112
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
Figure FDA00035358390500000113
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
Figure FDA00035358390500000114
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
Figure FDA0003535839050000021
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
Figure FDA0003535839050000022
求得最优功率分流比系数
Figure FDA0003535839050000023
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.功率分流根据权利要求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，其特征在于，基站处的总功率消耗
Figure FDA0003535839050000024
表示为：
Figure FDA0003535839050000025
其中，
Figure FDA0003535839050000026
表示飞蜂窝基站对飞蜂窝用户的实际总发射功率，QEH表示在能量收集器处所得的功率。
3.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，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
Figure FDA0003535839050000027
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：
Figure FDA0003535839050000028
根据KKT条件，则最优发射功率
Figure FDA0003535839050000029
表示为：
Figure FDA00035358390500000210
其中，λ、
Figure FDA0003535839050000031
vi和zi分别是系统能效最大资源优化模型中的四个约束条件C1、
Figure FDA0003535839050000032
C3和C4所对应的非负拉格朗日乘子；[·]+表示正数；gi表示飞蜂窝基站直接信道增益；Ai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。
4.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，其特征在于，固定飞蜂窝用户最优发射功率
Figure FDA0003535839050000033
求得最优功率分流比系数ρopt包括固定已得发射功率
Figure FDA0003535839050000034
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：
Figure FDA0003535839050000035
则可将最优功率分流比系数ρopt表示为：
Figure FDA0003535839050000036
其中，λ、
Figure FDA0003535839050000037
vi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，
Figure FDA0003535839050000038
C3和C4所对应的非负拉格朗日乘子；gi表示飞蜂窝基站直接信道增益；Ai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；ηEE表示能量效率；[·]+表示正数。
5.根据权利要求3或4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：
Figure FDA0003535839050000039
Figure FDA00035358390500000310
Figure FDA00035358390500000311
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；
Figure FDA0003535839050000041
表示第t次迭代的约束条件
Figure FDA0003535839050000042
的拉格朗日乘子，s2表示约束条件
Figure FDA0003535839050000043
的步长；νi(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。
CN201910424228.6A 2019-05-21 2019-05-21 一种非理想信道下异构携能通信网络鲁棒资源分配方法 Active CN110213826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910424228.6A CN110213826B (zh) 2019-05-21 2019-05-21 一种非理想信道下异构携能通信网络鲁棒资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910424228.6A CN110213826B (zh) 2019-05-21 2019-05-21 一种非理想信道下异构携能通信网络鲁棒资源分配方法

Publications (2)

Publication Number Publication Date
CN110213826A CN110213826A (zh) 2019-09-06
CN110213826B true CN110213826B (zh) 2022-06-24

Family

ID=67788026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910424228.6A Active CN110213826B (zh) 2019-05-21 2019-05-21 一种非理想信道下异构携能通信网络鲁棒资源分配方法

Country Status (1)

Country Link
CN (1) CN110213826B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110602730B (zh) * 2019-09-19 2022-03-11 重庆邮电大学 基于无线携能的noma异构网络的资源分配方法
CN110602718B (zh) * 2019-10-09 2022-08-16 吉林大学 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统
CN110708711B (zh) * 2019-10-10 2022-03-11 重庆邮电大学 基于非正交多址接入的异构携能通信网络资源分配方法
CN111031600A (zh) * 2019-12-22 2020-04-17 贵州师范大学 簇飞行航天器ofdma网络分布式功率鲁棒性控制算法
CN111132342B (zh) * 2019-12-26 2022-06-10 中能浦慧(上海)能源技术有限公司 一种基于无线供电反向散射通信网络的多载波资源分配方法
CN111225363B (zh) * 2020-01-20 2024-01-05 深圳以正科技有限公司 基于非完美csi分布式d2d系统功率分配方法和装置
CN112054830B (zh) * 2020-08-13 2021-07-13 西安交通大学 一种针对硬件损伤的Massive MIMO信能同传系统优化方法
CN113365360A (zh) * 2021-06-17 2021-09-07 中山大学 结合信道状态的lte-a异构频谱传输资源分配优化方法
CN113473422B (zh) * 2021-07-21 2022-06-21 深圳市领创星通科技有限公司 一种面向b5g的无线携能d2d网络高效资源分配方法
CN113825159B (zh) * 2021-09-03 2024-02-27 芽米科技(广州)有限公司 基于智能反射面的无线携能通信系统鲁棒资源分配方法
CN114466390B (zh) * 2022-02-28 2024-06-04 西安交通大学 一种基于智能反射面辅助的swipt系统性能优化方法及系统
CN115149982A (zh) * 2022-05-17 2022-10-04 深圳市国电科技通信有限公司 多用户室内电力线通信的资源优化方法、系统和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105007585A (zh) * 2015-06-19 2015-10-28 西安电子科技大学 基于中断概率能效最大的功率分配方法
CN108848563A (zh) * 2018-06-25 2018-11-20 重庆邮电大学 一种协作noma系统下行链路基于能效的资源分配方法
CN108924938A (zh) * 2018-08-27 2018-11-30 南昌大学 一种用于无线充电边缘计算网络计算能效的资源分配方法
CN109039504A (zh) * 2018-09-14 2018-12-18 重庆邮电大学 基于非正交多址接入的认知无线电能效功率分配方法
CN109769257A (zh) * 2019-01-16 2019-05-17 重庆邮电大学 基于能效的异构网络鲁棒资源分配和时长混合优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7564820B2 (en) * 2003-11-21 2009-07-21 Motorola, Inc. Method and apparatus for resource allocation and scheduling

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105007585A (zh) * 2015-06-19 2015-10-28 西安电子科技大学 基于中断概率能效最大的功率分配方法
CN108848563A (zh) * 2018-06-25 2018-11-20 重庆邮电大学 一种协作noma系统下行链路基于能效的资源分配方法
CN108924938A (zh) * 2018-08-27 2018-11-30 南昌大学 一种用于无线充电边缘计算网络计算能效的资源分配方法
CN109039504A (zh) * 2018-09-14 2018-12-18 重庆邮电大学 基于非正交多址接入的认知无线电能效功率分配方法
CN109769257A (zh) * 2019-01-16 2019-05-17 重庆邮电大学 基于能效的异构网络鲁棒资源分配和时长混合优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Joint Optimization of EE and SE Considering Interference Threshold in Ultra-Dense Network;Xu Chen;《IEEEXplore》;20190722;全文 *
云无线接入网络高能效功率分配和波束成形联合优化算法;左加阔等;《电子与信息学报》;20180831(第12期);全文 *
认知蜂窝异构网络中能效优化的资源分配算法;庄陵等;《华中科技大学学报(自然科学版)》;20180323(第03期);全文 *

Also Published As

Publication number Publication date
CN110213826A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110213826B (zh) 一种非理想信道下异构携能通信网络鲁棒资源分配方法
CN110708711B (zh) 基于非正交多址接入的异构携能通信网络资源分配方法
Lee et al. Coverage and economy of cellular networks with many base stations
Torregoza et al. Joint power control, base station assignment, and channel assignment in cognitive femtocell networks
CN108495337B (zh) 基于noma的无线携能通信系统最大安全速率优化方法
Khan et al. Performance analysis of cloud radio access networks with distributed multiple antenna remote radio heads
CN111343704B (zh) 异构蜂窝网络中毫微微基站的联合休眠与功率控制方法
CN113708818B (zh) 一种智能反射面辅助的fdma通信系统的资源分配方法和装置
Ma et al. Spectrum allocation and power optimization for demand-side cooperative and cognitive communications in smart grid
CN104038945A (zh) 一种基于独立集的异构蜂窝网络能效优化方法
CN107276704B (zh) 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法
Ahamad et al. Interference mitigation in d2d communication underlying cellular networks: Towards green energy
Zhao et al. Joint optimization algorithm based on centralized spectrum sharing for cognitive radio
CN112788764A (zh) 针对noma超密集网络任务卸载和资源分配方法及系统
CN110139282B (zh) 一种基于神经网络的能量采集d2d通信资源分配方法
Zhao et al. Energy-efficient resource allocation for NOMA-based heterogeneous 5G mine internet of things
Zhou et al. ADMM based algorithm for eICIC configuration in heterogeneous cellular networks
CN110677176A (zh) 一种基于能量效率与频谱效率的联合折中优化方法
CN105900494B (zh) 无线网络中移动终端的节能方法
CN108650705B (zh) 一种能量利用率最大化的异构无线网络鲁棒功率控制方法
Liu et al. An iterative two-step algorithm for energy efficient resource allocation in multi-cell OFDMA networks
Al-Zahrani et al. Resource Allocation and Optimization in Device-to-Device Communication 5G Networks.
Swami et al. Analysis of downlink power control and cooperation scheme for two‐tier heterogeneous cellular network
Yuan et al. Secrecy outage probability of cognitive decode-and-forward relay networks
CN114423070A (zh) 一种基于d2d的异构无线网络功率分配方法及系统

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
TA01 Transfer of patent application right

Effective date of registration: 20220527

Address after: 518000 floor 25, block B, building 10, Shenzhen Bay science and technology ecological park, No. 10, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong

Applicant after: Shenzhen lingchuang Xingtong Technology Co.,Ltd.

Address before: 518000 708, Huiyi building, No. 9, Zhongxin Road, Taoyuan community, Dalang street, Longhua District, Shenzhen, Guangdong

Applicant before: Shenzhen Hongyue Information Technology Co.,Ltd.

Effective date of registration: 20220527

Address after: 518000 708, Huiyi building, No. 9, Zhongxin Road, Taoyuan community, Dalang street, Longhua District, Shenzhen, Guangdong

Applicant after: Shenzhen Hongyue Information Technology Co.,Ltd.

Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing

Applicant before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant