CN110225533B - NB-IoT无线能量分配方法、装置、计算机设备及存储介质 - Google Patents

NB-IoT无线能量分配方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110225533B
CN110225533B CN201910366204.XA CN201910366204A CN110225533B CN 110225533 B CN110225533 B CN 110225533B CN 201910366204 A CN201910366204 A CN 201910366204A CN 110225533 B CN110225533 B CN 110225533B
Authority
CN
China
Prior art keywords
iot
efficiency
model
optimization model
spectrum efficiency
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
CN201910366204.XA
Other languages
English (en)
Other versions
CN110225533A (zh
Inventor
陶国庆
伍沛然
夏明华
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.)
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
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 National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN201910366204.XA priority Critical patent/CN110225533B/zh
Publication of CN110225533A publication Critical patent/CN110225533A/zh
Application granted granted Critical
Publication of CN110225533B publication Critical patent/CN110225533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • 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

本申请涉及一种NB‑IoT无线能量分配方法、装置、计算机设备和存储介质。方法包括：根据获取的NB‑IoT系统的特征信息，构建NB‑IoT系统的频谱效率模型；根据频谱效率模型，建立对应的总效率优化模型；总效率优化模型以多个NB‑IoT终端的频谱效率最大作为目标函数，约束条件包括：NB‑IoT系统与共用载波的LTE系统之间的干扰指标和NB‑IoT系统下行调制方式对应的最大频谱效率指标；对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，确定无线能量最优分配策略。采用本方法能够通过建立与NB‑IoT相结合的无线能量传输模型，并根据该模型分析无线通信中的功率分配策略，得到最优的资源分配方案，保证了NB‑IoT系统终端具有稳定可靠的能量来源，利用率高。

Description

NB-IoT无线能量分配方法、装置、计算机设备及存储介质
技术领域
本申请涉及通信技术领域，特别是涉及一种NB-IoT无线能量分配方法、装置、计算机设备和存储介质。
背景技术
物联网(Internet of Things，IoT)是互联网、传统电信网等信息承载体，让所有能行使独立功能的普通物体实现互联互通的网络。窄带物联网(Narrow Band Internet ofThings，NB-IoT)为万物互联网络的一个重要分支。NB-IoT构建于蜂窝网络，只消耗180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络，以降低部署成本、实现平滑升级。
物联网设备多数由电池供应能量，电池的续航能力限制了系统的应用场景和终端的生命周期，而且较低的能量利用率也有违绿色通信(green communication)的宗旨。无线能量传输技术(wireless power transfer，WPT)是通过天线接收环境中的电磁波信号，并通过整流电路将其转化为可供自身使用的电能的一种技术。无线携能通信(SimultaneousWireless Information and Power Transfer，SWIPT)技术使用新的通信传输机制，同时进行信号和能量的传输，即在与无线设备进行信息交互的同时，为无线设备提供能量，能够解决一些无线网络中能量受限的问题。
正交频分多址Orthogonal Frequency Division Multiple Access(OFDMA)是无线通讯系统的标准，是一种多址技术。OFDMA作为OFDM(Orthogonal Frequency DivisionMultiplexing，正交频分复用技术)技术的演进，旨在将OFDM和FDMA技术结合，是一种在利用OFDM对信道进行父载波化后，于部分子载波上加载传输数据的传输技术。
当前，由于不存在和NB-IoT相结合的无线能量传输模型，基于OFDMA的无线能量传输系统在设计时也没有考虑SWIPT系统本身调制解调方式的限制，以及其对其他通信系统可能造成的干扰影响，故而，有必要开发一种将SWIPT技术应用于NB-IoT下行OFDMA的能量传输系统以建立“绿色”的物联网络，且该系统的资源分配和功率分割策略也有待优化和完善。
发明内容
基于此，有必要针对上述技术问题，提供一种NB-IoT无线能量分配方法、装置、计算机设备和存储介质。
一方面，本发明实施例提供一种NB-IoT无线能量分配方法，所述方法包括：
获取NB-IoT系统的特征信息；所述NB-IoT系统包括多个NB-IoT终端；
根据所述NB-IoT系统的特征信息，构建所述NB-IoT系统的频谱效率模型；所述NB-IoT系统的频谱效率模型根据所述多个NB-IoT终端的分频谱效率模型确定；
建立所述频谱效率模型的优化模型，作为总效率优化模型；所述总效率优化模型以所述多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：所述NB-IoT系统与共用载波的LTE系统之间的干扰指标和所述NB-IoT系统下行调制方式对应的最大频谱效率指标；
对所述总效率优化模型进行求解，当得到所述目标函数的最大值时，获取所述总效率优化模型中参数变量的值，根据所述参数变量的值，确定无线能量最优分配策略。
另一方面，本发明实施例提供一种NB-IoT无线能量分配装置，所述装置包括：
特征获取模块，用于获取NB-IoT系统的特征信息；所述NB-IoT系统包括多个NB-IoT终端；
频谱效率模型构建模块，用于根据所述NB-IoT系统的特征信息，构建所述NB-IoT系统的频谱效率模型；所述NB-IoT系统的频谱效率模型根据所述多个NB-IoT终端的分频谱效率模型确定；
总效率优化模型建立模块，用于建立所述频谱效率模型的优化模型，作为总效率优化模型；所述总效率优化模型以所述多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：所述NB-IoT系统与共用载波的LTE系统之间的干扰指标和所述NB-IoT系统下行调制方式对应的最大频谱效率指标；
分配策略生成模块，用于对所述总效率优化模型进行求解，当得到所述目标函数的最大值时，获取所述总效率优化模型中参数变量的值，根据所述参数变量的值，确定无线能量最优分配策略。
再一方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种NB-IoT无线能量分配方法的步骤。
再一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一种NB-IoT无线能量分配方法的步骤。
上述技术方案中的一个技术方案具有如下优点或有益效果：该方法为根据获取的NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；并根据频谱效率模型，建立对应的总效率优化模型；该总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标；对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略；通过建立与NB-IoT相结合的无线能量传输模型，并根据该模型分析无线通信中的功率分配策略，得到最优的资源分配方案，即使得频谱效率最大化，保证了NB-IoT系统终端具有稳定可靠的能量来源，利用率高。
附图说明
图1为一个实施例中NB-IoT无线能量分配方法的应用环境图；
图2为一个实施例中NB-IoT无线能量分配方法的示意性流程图；
图3为另一个实施例中NB-IoT无线能量分配方法的示意性流程图；
图4为一个实施例中NB-IoT无线能量分配装置的示意性结构图；
图5为一个实施例中计算机设备的内部结构图。
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，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请提供的NB-IoT无线能量分配方法，可以应用于如图1所示的应用环境中。其中，包括NB-IoT基站、LTE基站、LTE终端和NB-IoT终端，其中，NB-IoT终端可以是包含多台NB-IoT终端的一个NB-IoT终端群组，也可以是单台NB-IoT终端，图1以一个NB-IoT终端群组为例，包括多台NB-IoT终端，各NB-IoT终端分别通过阿拉伯数字进行标识，即从1到U(下文延用)；NB-IoT基站和LTE基站均可向LTE终端和NB-IoT终端发射无线射频信号。
在一个实施例中，如图2所示，提供了一种NB-IoT无线能量分配方法，以该方法应用于图1中的NB-IoT无线能量分配系统(下文简称NB-IoT系统)为例进行说明，包括以下步骤：
S201，获取NB-IoT系统的特征信息；NB-IoT系统包括多个NB-IoT终端。
S202，根据NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；NB-IoT系统的频谱效率模型根据多个NB-IoT终端的分频谱效率模型确定。
其中，NB-IoT系统的特征信息可理解为NB-IoT系统收发机的特征信息，收发机指的是NB-IoT系统中的NB-IoT基站和NB-IoT终端。
在其中一个实施例中，NB-IoT系统的特征信息包括：NB-IoT系统采用的是LTE带内的部署模式，与LTE系统共用载波内的资源块。如图1所示，在下行OFDMA链路中，基站(NB-IoT基站和LTE基站)向用户终端(NB-IoT终端和LTE终端)发送广播信号，NB-IoT终端的数量为U，NB-IoT系统总带宽和载波数分别为W和Nc。NB-IoT基站的信号功率、NB-IoT基站与NB-IoT终端间的频域信道响应系数，以及NB-IoT基站与LTE终端之间的频域信道响应系数分别为Pk,u、Hk,u和Gk,u，其中k表示子载波序号(k＝1,…,Nc)，u表示用户序号(u＝1,…,U)。
NB-IoT终端的设计结构采用经典的功率分割(Power Splitting，PS)能量收集电路。射频信号经过天线接收被转化成电信号，叠加噪声之后被功率分割电路分成两部分：其中一部分用于能量收集(Energy Harvesting，EH)，能量占用比例为β，β∈(0,1)，另一部分用于信息解码(Information Decoding，ID)，能量占比为(1-β)。
由上述的NB-IoT系统的特征信息，即可得到NB-IoT终端u在子载波k上的解码信号
Figure BDA0002048272830000051
和能量信号
Figure BDA0002048272830000052
分别可以表示为
Figure BDA0002048272830000053
Figure BDA0002048272830000054
其中lu和gu分别表示NB-IoT终端u的路径损耗和阴影效应，sk,u表示频域发射信号，
Figure BDA0002048272830000055
和
Figure BDA0002048272830000056
是均值为0方差分别为
Figure BDA0002048272830000057
和
Figure BDA0002048272830000058
的加性高斯白噪声，且分别表示天线噪声和信号处理噪声。其中，
Figure BDA0002048272830000059
相对于天线噪声的干噪比为Isp。
Figure BDA00020482728300000510
表示来自LTE系统的未知干扰信号，其平均干扰能量大小为
Figure BDA00020482728300000511
此项表示带内部署模式下，LTE系统对NB-IoT系统干扰的影响程度。
Figure BDA00020482728300000512
可通过实际测量得出，大小用相对于天线噪声的干噪比ILTE表示。
因此，NB-IoT终端u在子载波k上收集的能量为
Figure BDA00020482728300000513
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；由此可见，载波分配因子xk,u为二进制值，
Figure BDA00020482728300000514
通过上述的能量模型即可构建NB-IoT系统的频谱效率模型。
S204，建立频谱效率模型的优化模型，作为总效率优化模型；总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标。
其中，NB-IoT系统与共用载波的LTE系统之间的干扰指标指的是，为了保证LTE系统不受影响，NB-IoT系统对其在180kHz资源块上的总干扰容限值不能超过规定的阈值。
NB-IoT系统下行调制方式对应的最大频谱效率指标指的是NB-IoT系统下行调制方式为正交相移键控(Quadrature Phase Shift Keying，QPSK)，其最大频谱效率为M bps/Hz；在一个实施例中，M＝2。
S206，对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
此处，总效率优化模型的目标函数的最大值即其全局最优解；参数变量可根据实际情况进行选取。
本发明上述实施例中，执行主体可为NB-IoT基站，当然也可根据实际情况进行选择和变更。
上述实施例的NB-IoT无线能量分配方法中，通过根据NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；并根据频谱效率模型，建立对应的总效率优化模型；该总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标；采用次梯度迭代寻优算法对总效率优化模型进行求解，得到目标函数的全局最优解；通过建立与NB-IoT相结合的无线能量传输模型，并根据该模型分析无线通信中的功率分配策略，得到最优的资源分配方案，即使得频谱效率最大化，保证了NB-IoT系统终端具有稳定可靠的能量来源，利用率高。
在一些实施例中，S202具体包括：根据NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型。
具体地，在一些实施例中，上述的根据NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型的步骤，包括：
根据
Figure BDA0002048272830000071
得到每个NB-IoT终端在对应的子载波上的信干噪比；
根据
Figure BDA0002048272830000072
得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
其中，k表示子载波序号(k＝1,…,Nc)；u表示NB-IoT终端的序号(u＝1,…,U)；Rk,u表示NB-IoT终端u在子载波k上的分频谱效率模型；SINRk,u表示NB-IoT终端u在子载波k上的信干噪比；lu表示NB-IoT终端u的路径损耗；gu表示NB-IoT终端u的阴影效应；Hk,u表示NB-IoT系统收发机间的频域信道响应系数；βu表示NB-IoT终端u接收的能量中用于能量收集的占用比例，βu∈(0,1)；
Figure BDA0002048272830000073
表示天线噪声的方差；
Figure BDA0002048272830000074
表示信号处理噪声的方差；
Figure BDA0002048272830000075
表示LTE系统的平均干扰能量；Bw＝W/Nc表示子载波带宽；Γk,u表示NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子；
上述的将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型的步骤，包括：
根据
Figure BDA0002048272830000076
和
Figure BDA0002048272830000077
得到NB-IoT系统的频谱效率模型；
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；Rtot表示NB-IoT系统的频谱效率模型。
在一些实施例中，S204具体包括：根据频谱效率模型，建立对应的效率非凸性优化模型；根据凸优化算法，将效率非凸性优化模型转化为效率凸性优化模型；根据拉格朗日对偶分解算法和效率凸性优化模型，建立对应的总效率优化模型。
需要说明的是，非凸性优化模型中可能含有连续的变量和离散的二进制变量，属于混合二进制整型规划问题。同时，目标函数的非凸性也增加了求解的难度。为了高效地求解上述优化问题，可引入新的变量，从而将原优化问题转化为关于新变量的联合凸优化问题。此外，还可将约束条件中的变量变成连续的优化变量，上述变量松弛操作不会影响优化问题的最优解，保证了结果的准确性和优化的高效性。
在一些实施例中，上述的根据拉格朗日对偶分解算法和效率凸性优化模型，建立对应的总效率优化模型的步骤，包括：根据拉格朗日对偶分解算法和效率凸性优化模型，得到效率对偶优化模型；将效率对偶优化模型进行拆分，得到局部优化子模型和全局优化子模型；根据局部优化子模型，得到对应的局部最优变量；根据局部最优变量，更新全局优化子模型，并将新的全局优化子模型作为对应的总效率优化模型。该方法易于控制，可实行性强。
在一些实施例中，S206具体包括：采用次梯度迭代算法对总效率优化模型中的拉格朗日乘子的变化量进行求解；直到拉格朗日乘子的变化量不超过设定阈值，求解结束，得到总效率优化模型的目标函数的全局最优解，此时多个NB-IoT终端的频谱效率最大当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
在另一些实施例中，总效率优化模型由多个NB-IoT终端的分效率优化模型叠加得到；其中，若u表示NB-IoT终端的序号(u＝1,…,U)，每个分效率优化模型均以NB-IoT终端u的频谱效率最大作为目标函数，约束条件包括：NB-IoT终端u与共用载波的LTE系统之间的干扰指标和NB-IoT终端u下行调制方式对应的最大频谱效率指标；
每个分效率优化模型中均包括βu参数，βu参数表示NB-IoT终端u接收的能量中用于能量收集的占用比例；每个分效率优化模型均根据对应的NB-IoT终端的分频谱效率模型建立，每个分效率优化模型的目标函数的全局最优解均通过优化βu参数进行求解；
针对βu参数进行优化，以得到分效率优化模型的目标函数的全局最优解的步骤，包括：
S301、获取βu参数的初始值；
S302、将当前βu参数代入NB-IoT终端u对应的分效率优化模型，对分效率优化模型进行求解，得到NB-IoT终端u对应的分效率优化模型的目标函数的初始全局最优解；
S303、根据初始全局最优解和NB-IoT终端u的最低功率需求量，得到新的βu参数；
S304、判断新的βu参数与前一βu参数的差值是否满足预设条件；若是，将优化得到的新的βu参数代入NB-IoT终端u对应的分效率优化模型，得到NB-IoT终端u对应的分效率优化模型的目标函数的全局最优解；若否，将新的βu参数作为当前βu参数，并返回执行S302。
在一个具体的实施方式中，本申请基于上述的NB-IoT系统下行的总频谱效率，以最大化NB-IoT系统下行的频谱效率为优化目标，将此优化问题记为P1，效率非凸性优化模型为
Figure BDA0002048272830000091
约束条件为：
Figure BDA0002048272830000092
Figure BDA0002048272830000093
Figure BDA0002048272830000094
Figure BDA0002048272830000095
Figure BDA0002048272830000096
Figure BDA0002048272830000097
Figure BDA0002048272830000098
其中，C1表示NB-IoT基站端对所有用户分配的功率之和不能超过NB-IoT基站的总功率限制Ptot；C2表示为保证LTE系统不受影响，NB-IoT系统对其在180kHz资源块上的总干扰容限值不能超过规定的阈值，记为Imax；C3中κ为能量收集电路的能量转化效率，此约束条件表示NB-IoT每个终端所收集的最小功率要求不小于
Figure BDA0002048272830000101
Figure BDA0002048272830000102
是保证终端正常通信的最低功率；C4表示在任意时刻，每个子载波只能被一个终端使用；C5表示子载波分配因子xk,u为二进制值；C6表示每个子载波的峰值功率受实际系统限制，其中Ppeak,k＝4Ptot/Nc；C7表示NB-IoT系统下行调制方式为QPSK，其最大频谱效率为Mbps/Hz，M＝2；
把问题P1的最优解记为
Figure BDA0002048272830000103
把问题P1仅在约束条件C1-C5下的优化模型记为P2，此时最优解记为
Figure BDA0002048272830000104
根据凸优化算法，将上述的效率非凸性优化模型转化为效率凸性优化模型，即
Figure BDA0002048272830000105
约束条件：
Figure BDA0002048272830000106
其中，
Figure BDA0002048272830000107
Figure BDA0002048272830000108
Figure BDA0002048272830000109
Figure BDA00020482728300001010
Figure BDA00020482728300001011
Figure BDA00020482728300001012
其中，C3中，
Figure BDA00020482728300001013
可用于图3的算法中。从目标函数的形式可以看到，xk,u≠0；当xk,u→0+时，目标函数的极值为0。
由凸优化的相关理论可知，优化问题(8)的拉格朗日方程为：
Figure BDA0002048272830000111
其中，λ,η,ξ,μ为对应约束条件的拉格朗日乘子。
此时，根据拉格朗日对偶分解算法和效率凸性优化模型，得到效率对偶优化模型，即
Figure BDA0002048272830000112
通过拉格朗日对偶分解，将上述效率对偶优化模型分解成两个子模型：子模型1(局部优化子模型)是对拉格朗日方程关于
Figure BDA0002048272830000113
的最大值求解问题，即求解给定拉格朗日乘子下的局部最优资源分配策略；子模型2(全局优化子模型)是对拉格朗日方程关于λ,η,ξ,μ的最小值求解问题。求解两个子模型的方法为：当拉格朗日乘子为固定值时，对子模型1运用KKT条件计算出局部最优变量；然后采用次梯度(Sub-Gradient)迭代的方法更新子模型2中的各项拉格朗日乘子。当迭代过程收敛的时候，效率凸性优化模型的最大值和效率对偶优化模型的最小值相同。此时对偶差额(Duality Gap)为0。
对上述的拉格朗日方程求关于
Figure BDA0002048272830000117
的偏导可得
Figure BDA0002048272830000114
令
Figure BDA0002048272830000115
可以得到问题P2中
Figure BDA0002048272830000116
的表达式为：
Figure BDA0002048272830000121
其中，[x]+表示max(0,x)。
因此，问题P1的最优解
Figure BDA0002048272830000122
为
Figure BDA0002048272830000123
其中，
Figure BDA0002048272830000124
Figure BDA0002048272830000125
类似地，对上述的拉格朗日方程求关于xk,u的偏导可得：
Figure BDA0002048272830000126
Figure BDA0002048272830000127
由此可以得到xk,u的最优值表达式为：
Figure BDA0002048272830000128
其中，
Figure BDA0002048272830000129
可以理解为系统分配子载波时的边际效益。子载波分配的原则是，将载波k分配给具有最大边际效益的终端u。
子模型1中的
Figure BDA00020482728300001210
和
Figure BDA00020482728300001211
得解之后，接下来应用次梯度迭代的方法求拉格朗日乘子λ,η,ξ,μ，
Figure BDA0002048272830000131
Figure BDA0002048272830000132
Figure BDA0002048272830000133
Figure BDA0002048272830000134
其中l为迭代次数，
Figure BDA0002048272830000135
为步长，此处固定步长为一个很小的值。
根据以上分析，对偶问题求解过程见下述算法1。
Figure BDA0002048272830000136
根据以上的分析，对于能量收集和信息解码，NB-IoT终端的功率分割因子都为一个固定的值。这样带来的问题是：当功率分割因子β较大时，NB-IoT终端可能会收集过多的能量，造成剩余能量的浪费。同时，分配到信号处理端的信号能量减少，会降低终端的频谱效率。相反，当功率分割因子β偏小时，终端收集的能量可能不满足最小能量收集的要求，这个最小能量是维持终端正常运行的必要条件。因此，合适的功率分割因子β对提升系统的性能至关重要。
下面提出一种迭代的方法来搜索各个终端β的最优值。
如图3的算法流程图，当β的值一定时，使用算法1中的算法优化得到最优的资源分配结果之后，系统会在每个终端恰好满足基本的能量需求的基础上，重新确定不同用户的β值，接着继续使用算法1中的算法优化资源配置，然后重复以上过程，直到β的值稳定为止。
本方案旨在将SWIPT技术应用于NB-IoT下行OFDMA系统以建立“绿色”的物联网络。由于NB-IoT裁剪自LTE-FDD系统，在LTE带内部署模式下，需要综合考虑协议对下行传输调制和解调阶数的限制，以及对同频LTE带内信号的干扰限制等因素。如前，现有技术无法满足这些新的要求，本方案将建立符合NB-IoT带内部署场景下的信号模型，通过拉格朗日对偶函数法和交替优化迭代法来计算最优的资源分配和功率分割策略。
应该理解的是，对于前述的各方法实施例，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，方法实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于与上述实施例中的NB-IoT无线能量分配方法相同的思想，本文还提供一种NB-IoT无线能量分配装置。
在一个实施例中，如图4所示，提供了一种NB-IoT无线能量分配装置，包括：特征获取模块400、频谱效率模型构建模块401、总效率优化模型建立模块402和分配策略生成模块403，其中：
特征获取模块400，用于获取NB-IoT系统的特征信息；NB-IoT系统包括多个NB-IoT终端；
频谱效率模型构建模块401，用于根据NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；NB-IoT系统的频谱效率模型根据多个NB-IoT终端的分频谱效率模型确定；
总效率优化模型建立模块402，用于建立频谱效率模型的优化模型，作为总效率优化模型；总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标；
分配策略生成模块403，用于对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
在一些实施例中，频谱效率模型构建模块401，具体用于：根据NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型。
在一些实施例中，频谱效率模型构建模块401，具体用于：
根据
Figure BDA0002048272830000151
得到每个NB-IoT终端在对应的子载波上的信干噪比；
根据
Figure BDA0002048272830000152
得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
其中，k表示子载波序号(k＝1,…,Nc)；u表示NB-IoT终端的序号(u＝1,…,U)；Rk,u表示NB-IoT终端u在子载波k上的分频谱效率模型；SINRk,u表示NB-IoT终端u在子载波k上的信干噪比；lu表示NB-IoT终端u的路径损耗；gu表示NB-IoT终端u的阴影效应；Hk,u表示NB-IoT系统收发机间的频域信道响应系数；βu表示NB-IoT终端u接收的能量中用于能量收集的占用比例，βu∈(0,1)；
Figure BDA0002048272830000153
表示天线噪声的方差；
Figure BDA0002048272830000161
表示信号处理噪声的方差；
Figure BDA0002048272830000162
表示LTE系统的平均干扰能量；Bw＝W/Nc表示子载波带宽；Γk,u表示NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子；
将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型的步骤，包括：
根据
Figure BDA0002048272830000163
和
Figure BDA0002048272830000164
得到NB-IoT系统的频谱效率模型；
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；Rtot表示NB-IoT系统的频谱效率模型。
在一些实施例中，总效率优化模型建立模块402，具体用于：根据频谱效率模型，建立对应的效率非凸性优化模型；根据凸优化算法，将效率非凸性优化模型转化为效率凸性优化模型；根据拉格朗日对偶分解算法和效率凸性优化模型，建立对应的总效率优化模型。
在一些实施例中，总效率优化模型建立模块402，具体用于：根据拉格朗日对偶分解算法和效率凸性优化模型，得到效率对偶优化模型；将效率对偶优化模型进行拆分，得到局部优化子模型和全局优化子模型；根据局部优化子模型，得到对应的局部最优变量；根据局部最优变量，更新全局优化子模型，并将新的全局优化子模型作为对应的总效率优化模型。
在一些实施例中，分配策略生成模块403，具体用于：采用次梯度迭代算法对总效率优化模型中的拉格朗日乘子的变化量进行求解；直到拉格朗日乘子的变化量不超过设定阈值，求解结束，得到总效率优化模型的目标函数的全局最优解，此时多个NB-IoT终端的频谱效率最大当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
在一些实施例中，总效率优化模型由多个NB-IoT终端的分效率优化模型叠加得到；其中，若u表示NB-IoT终端的序号(u＝1,…,U)，每个分效率优化模型均以NB-IoT终端u的频谱效率最大作为目标函数，约束条件包括：NB-IoT终端u与共用载波的LTE系统之间的干扰指标和NB-IoT终端u下行调制方式对应的最大频谱效率指标；
每个分效率优化模型中均包括βu参数，βu参数表示NB-IoT终端u接收的能量中用于能量收集的占用比例；每个分效率优化模型均根据对应的NB-IoT终端的分频谱效率模型建立，每个分效率优化模型的目标函数的全局最优解均通过优化βu参数进行求解；
此时，分配策略生成模块403，具体包括：
分效率优化模型求解模块，用于对每个分效率优化模型进行求解，将得到的目标函数的最大值进行叠加，得到总效率优化模型的目标函数的最大值；当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略；
且分效率优化模型求解模块具体包括：
βu初始值获取模块，用于获取βu参数的初始值；
初始分配策略生成模块，用于将当前βu参数代入NB-IoT终端u对应的分效率优化模型，对分效率优化模型进行求解，得到NB-IoT终端u对应的分效率优化模型的目标函数的初始全局最优解；
新的βu参数获取模块，用于根据初始全局最优解和NB-IoT终端u的最低功率需求量，得到新的βu参数；
判断模块，用于判断新的βu参数与前一βu参数的差值是否满足预设条件；若是，将优化得到的新的βu参数代入NB-IoT终端u对应的分效率优化模型，得到NB-IoT终端u对应的分效率优化模型的目标函数的全局最优解；若否，将新的βu参数作为当前βu参数，并向上述的初始分配策略生成模块发送一通知信息。
关于NB-IoT无线能量分配装置的具体限定可以参见上文中对于NB-IoT无线能量分配方法的限定，在此不再赘述。上述NB-IoT无线能量分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于系统中的处理器中，也可以以软件形式存储于系统中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
此外，上述示例的NB-IoT无线能量分配装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将NB-IoT无线能量分配装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是NB-IOT基站内的控制器设备等，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储NB-IOT无线能量分配数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种NB-IOT无线能量分配方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种NB-IOT无线能量分配方法。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取NB-IoT系统的特征信息；NB-IoT系统包括多个NB-IoT终端；
根据NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；NB-IoT系统的频谱效率模型根据多个NB-IoT终端的分频谱效率模型确定；
建立频谱效率模型的优化模型，作为总效率优化模型；总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标；
对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据公式：
Figure BDA0002048272830000191
其中，
Figure BDA0002048272830000192
得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
其中，k表示子载波序号(k＝1,…,Nc)；u表示NB-IoT终端的序号(u＝1,…,U)；Rk,u表示NB-IoT终端u在子载波k上的分频谱效率模型；SINRk,u表示NB-IoT终端u在子载波k上的信干噪比；lu表示NB-IoT终端u的路径损耗；gu表示NB-IoT终端u的阴影效应；Hk,u表示NB-IoT系统收发机间的频域信道响应系数；βu表示NB-IoT终端u接收的能量中用于能量收集的占用比例，βu∈(0,1)；
Figure BDA0002048272830000193
表示天线噪声的方差；
Figure BDA0002048272830000201
表示信号处理噪声的方差；
Figure BDA0002048272830000202
表示LTE系统的平均干扰能量；Bw＝W/Nc表示子载波带宽；Γk,u表示NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子；
处理器执行计算机程序时还实现以下步骤：
根据公式
Figure BDA0002048272830000203
其中，
Figure BDA0002048272830000204
得到NB-IoT系统的频谱效率模型；
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；Rtot表示NB-IoT系统的频谱效率模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据频谱效率模型，建立对应的效率非凸性优化模型；根据凸优化算法，将效率非凸性优化模型转化为效率凸性优化模型；根据拉格朗日对偶分解算法和效率凸性优化模型，建立对应的总效率优化模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据拉格朗日对偶分解算法和效率凸性优化模型，得到效率对偶优化模型；将效率对偶优化模型进行拆分，得到局部优化子模型和全局优化子模型；根据局部优化子模型，得到对应的局部最优变量；根据局部最优变量，更新全局优化子模型，并将新的全局优化子模型作为对应的总效率优化模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用次梯度迭代算法对总效率优化模型中的拉格朗日乘子的变化量进行求解；直到拉格朗日乘子的变化量不超过设定阈值，求解结束，得到总效率优化模型的目标函数的全局最优解，此时多个NB-IoT终端的频谱效率最大。
在一个实施例中，总效率优化模型由多个NB-IoT终端的分效率优化模型叠加得到；其中，若u表示NB-IoT终端的序号(u＝1,…,U)，每个分效率优化模型均以NB-IoT终端u的频谱效率最大作为目标函数，约束条件包括：NB-IoT终端u与共用载波的LTE系统之间的干扰指标和NB-IoT终端u下行调制方式对应的最大频谱效率指标；每个分效率优化模型中均包括βu参数，βu参数表示NB-IoT终端u接收的能量中用于能量收集的占用比例；每个分效率优化模型均根据对应的NB-IoT终端的分频谱效率模型建立，每个分效率优化模型的目标函数的全局最优解均通过优化βu参数进行求解；处理器执行计算机程序时还实现以下步骤：
S301、获取βu参数的初始值；
S302、将当前βu参数代入NB-IoT终端u对应的分效率优化模型，对分效率优化模型进行求解，得到NB-IoT终端u对应的分效率优化模型的目标函数的初始全局最优解；
S303、根据初始全局最优解和NB-IoT终端u的最低功率需求量，得到新的βu参数；
S304、判断新的βu参数与前一βu参数的差值是否满足预设条件；若是，将优化得到的新的βu参数代入NB-IoT终端u对应的分效率优化模型，得到NB-IoT终端u对应的分效率优化模型的目标函数的全局最优解；若否，将新的βu参数作为当前βu参数，并返回执行S302。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取NB-IoT系统的特征信息；NB-IoT系统包括多个NB-IoT终端；
根据NB-IoT系统的特征信息，构建NB-IoT系统的频谱效率模型；NB-IoT系统的频谱效率模型根据多个NB-IoT终端的分频谱效率模型确定；
建立频谱效率模型的优化模型，作为总效率优化模型；总效率优化模型以多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：NB-IoT系统与共用载波的LTE系统之间的干扰指标和NB-IoT系统下行调制方式对应的最大频谱效率指标；
对总效率优化模型进行求解，当得到目标函数的最大值时，获取总效率优化模型中参数变量的值，根据参数变量的值，确定无线能量最优分配策略。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；将多个子载波对应的分频谱效率模型进行叠加，得到NB-IoT系统的频谱效率模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：
根据公式：
Figure BDA0002048272830000221
其中，
Figure BDA0002048272830000222
得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
其中，k表示子载波序号(k＝1,…,Nc)；u表示NB-IoT终端的序号(u＝1,…,U)；Rk,u表示NB-IoT终端u在子载波k上的分频谱效率模型；SINRk,u表示NB-IoT终端u在子载波k上的信干噪比；lu表示NB-IoT终端u的路径损耗；gu表示NB-IoT终端u的阴影效应；Hk,u表示NB-IoT系统收发机间的频域信道响应系数；βu表示NB-IoT终端u接收的能量中用于能量收集的占用比例，βu∈(0,1)；
Figure BDA0002048272830000223
表示天线噪声的方差；
Figure BDA0002048272830000224
表示信号处理噪声的方差；
Figure BDA0002048272830000225
表示LTE系统的平均干扰能量；Bw＝W/Nc表示子载波带宽；Γk,u表示NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子；
计算机程序被处理器执行时实现以下步骤：
根据公式
Figure BDA0002048272830000226
其中，
Figure BDA0002048272830000227
得到NB-IoT系统的频谱效率模型；
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；Rtot表示NB-IoT系统的频谱效率模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据频谱效率模型，建立对应的效率非凸性优化模型；根据凸优化算法，将效率非凸性优化模型转化为效率凸性优化模型；根据拉格朗日对偶分解算法和效率凸性优化模型，建立对应的总效率优化模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据拉格朗日对偶分解算法和效率凸性优化模型，得到效率对偶优化模型；将效率对偶优化模型进行拆分，得到局部优化子模型和全局优化子模型；根据局部优化子模型，得到对应的局部最优变量；根据局部最优变量，更新全局优化子模型，并将新的全局优化子模型作为对应的总效率优化模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：采用次梯度迭代算法对总效率优化模型中的拉格朗日乘子的变化量进行求解；直到拉格朗日乘子的变化量不超过设定阈值，求解结束，得到总效率优化模型的目标函数的全局最优解，此时多个NB-IoT终端的频谱效率最大。
在一个实施例中，总效率优化模型由多个NB-IoT终端的分效率优化模型叠加得到；其中，若u表示NB-IoT终端的序号(u＝1,…,U)，每个分效率优化模型均以NB-IoT终端u的频谱效率最大作为目标函数，约束条件包括：NB-IoT终端u与共用载波的LTE系统之间的干扰指标和NB-IoT终端u下行调制方式对应的最大频谱效率指标；每个分效率优化模型中均包括βu参数，βu参数表示NB-IoT终端u接收的能量中用于能量收集的占用比例；每个分效率优化模型均根据对应的NB-IoT终端的分频谱效率模型建立，每个分效率优化模型的目标函数的全局最优解均通过优化βu参数进行求解；计算机程序被处理器执行时实现以下步骤：
S301、获取βu参数的初始值；
S302、将当前βu参数代入NB-IoT终端u对应的分效率优化模型，对分效率优化模型进行求解，得到NB-IoT终端u对应的分效率优化模型的目标函数的初始全局最优解；
S303、根据初始全局最优解和NB-IoT终端u的最低功率需求量，得到新的βu参数；
S304、判断新的βu参数与前一βu参数的差值是否满足预设条件；若是，将优化得到的新的βu参数代入NB-IoT终端u对应的分效率优化模型，得到NB-IoT终端u对应的分效率优化模型的目标函数的全局最优解；若否，将新的βu参数作为当前βu参数，并返回执行S302。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
本文实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及的“多个”是指两个或两个以上。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种NB-IoT无线能量分配方法，其特征在于，所述方法包括：
获取NB-IoT系统的特征信息；所述NB-IoT系统包括多个NB-IoT终端；
根据所述NB-IoT系统的特征信息，构建所述NB-IoT系统的频谱效率模型；所述NB-IoT系统的频谱效率模型根据所述多个NB-IoT终端的分频谱效率模型确定；根据子载波带宽、NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子、功率分割因子以及各NB-IoT终端在各子载波上的信干噪比得到所述NB-IoT终端的分频谱效率模型；
建立所述频谱效率模型的优化模型，作为总效率优化模型；所述总效率优化模型以所述多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：所述NB-IoT系统与共用载波的LTE系统之间的干扰指标和所述NB-IoT系统下行调制方式对应的最大频谱效率指标；
对所述总效率优化模型进行求解，当得到所述目标函数的最大值时，获取所述总效率优化模型中参数变量的值，根据所述参数变量的值，确定无线能量最优分配策略。
2.根据权利要求1所述的方法，其特征在于，所述根据所述NB-IoT系统的特征信息，构建所述NB-IoT系统的频谱效率模型的步骤，包括：
根据所述NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
将多个所述子载波对应的分频谱效率模型进行叠加，得到所述NB-IoT系统的频谱效率模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述NB-IoT系统的特征信息，得到每个NB-IoT终端在对应的子载波上的分频谱效率模型的步骤，包括：
根据公式：
Figure FDA0002616135990000011
其中，
Figure FDA0002616135990000012
得到每个NB-IoT终端在对应的子载波上的分频谱效率模型；
其中，k表示子载波序号；u表示NB-IoT终端的序号；Rk,u表示NB-IoT终端u在子载波k上的分频谱效率模型；SINRk,u表示NB-IoT终端u在子载波k上的信干噪比；lu表示NB-IoT终端u的路径损耗；gu表示NB-IoT终端u的阴影效应；Hk,u表示NB-IoT系统收发机间的频域信道响应系数；βu表示NB-IoT终端u接收的能量中用于能量收集的占用比例，βu∈(0,1)；
Figure FDA0002616135990000021
表示天线噪声的方差；
Figure FDA0002616135990000022
表示信号处理噪声的方差；
Figure FDA0002616135990000023
表示LTE系统的平均干扰能量；Bw＝W/Nc表示子载波带宽；Γk,u表示NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子；
所述将多个所述子载波对应的分频谱效率模型进行叠加，得到所述NB-IoT系统的频谱效率模型的步骤，包括：
根据公式
Figure FDA0002616135990000024
其中，
Figure FDA0002616135990000025
得到所述NB-IoT系统的频谱效率模型；
其中，xk,u表示载波分配因子；xk,u＝1，表示子载波k被NB-IoT终端u使用；xk,u＝0则表示未被使用；Rtot表示所述NB-IoT系统的频谱效率模型；U表示NB-IoT终端的数量；W为NB-IoT系统的总带宽；Nc为NB-IoT系统的载波数；Pk,u表示NB-IoT基站的信号功率。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述建立所述频谱效率模型的优化模型，作为总效率优化模型的步骤，包括：
根据所述频谱效率模型，建立对应的效率非凸性优化模型；
根据凸优化算法，将所述效率非凸性优化模型转化为效率凸性优化模型；
根据拉格朗日对偶分解算法和所述效率凸性优化模型，建立所述频谱效率模型的优化模型，作为总效率优化模型。
5.根据权利要求4所述的方法，其特征在于，所述根据拉格朗日对偶分解算法和所述效率凸性优化模型，建立所述频谱效率模型的优化模型的步骤，包括：
根据拉格朗日对偶分解算法和所述效率凸性优化模型，得到效率对偶优化模型；
将所述效率对偶优化模型进行拆分，得到局部优化子模型和全局优化子模型；
根据所述局部优化子模型，得到对应的局部最优变量；
根据所述局部最优变量，更新所述全局优化子模型，并将新的全局优化子模型作为所述频谱效率模型的优化模型。
6.根据权利要求5所述的方法，其特征在于，所述对所述总效率优化模型进行求解的步骤，包括：
采用次梯度迭代算法对所述总效率优化模型中的拉格朗日乘子的变化量进行求解；
直到所述拉格朗日乘子的变化量不超过设定阈值，求解结束，得到所述总效率优化模型的目标函数的全局最优解，此时所述多个NB-IoT终端的频谱效率最大。
7.根据权利要求1所述的方法，其特征在于，所述总效率优化模型由所述多个NB-IoT终端的分效率优化模型叠加得到；其中，若u表示NB-IoT终端的序号，则NB-IoT终端u的所述分效率优化模型以NB-IoT终端u的频谱效率最大作为目标函数，且约束条件包括：NB-IoT终端u与共用载波的LTE系统之间的干扰指标和NB-IoT终端u下行调制方式对应的最大频谱效率指标；
NB-IoT终端u的所述分效率优化模型中包括βu参数，βu参数表示NB-IoT终端u接收的能量中用于能量收集的占用比例；NB-IoT终端u的所述分效率优化模型根据NB-IoT终端u的分频谱效率模型建立，NB-IoT终端u的所述分效率优化模型的目标函数的全局最优解通过优化βu参数进行求解；
所述对所述总效率优化模型进行求解的步骤还包括：
对βu参数进行优化，以得到所述分效率优化模型的目标函数的全局最优解的步骤，该步骤包括：
S301、获取βu参数的初始值；
S302、将当前βu参数代入NB-IoT终端u对应的分效率优化模型，对所述分效率优化模型进行求解，得到NB-IoT终端u对应的分效率优化模型的目标函数的初始全局最优解；
S303、根据所述初始全局最优解和NB-IoT终端u的最低功率需求量，得到新的βu参数；
S304、判断新的βu参数与前一βu参数的差值是否满足预设条件；若是，将新的βu参数代入NB-IoT终端u对应的分效率优化模型，得到NB-IoT终端u对应的分效率优化模型的目标函数的全局最优解；若否，将新的βu参数作为当前βu参数，并返回执行S302。
8.一种NB-IoT无线能量分配装置，其特征在于，所述装置包括：
特征获取模块，用于获取NB-IoT系统的特征信息；所述NB-IoT系统包括多个NB-IoT终端；
频谱效率模型构建模块，用于根据所述NB-IoT系统的特征信息，构建所述NB-IoT系统的频谱效率模型；所述NB-IoT系统的频谱效率模型根据所述多个NB-IoT终端的分频谱效率模型确定；根据子载波带宽、NB-IoT系统在不同调制方案下实际频谱效率与理想信道容量之间的差异因子、功率分割因子以及各NB-IoT终端在各子载波上的信干噪比得到所述NB-IoT终端的分频谱效率模型；
总效率优化模型建立模块，用于建立所述频谱效率模型的优化模型，作为总效率优化模型；所述总效率优化模型以所述多个NB-IoT终端的频谱效率最大作为目标函数，约束条件包括：所述NB-IoT系统与共用载波的LTE系统之间的干扰指标和所述NB-IoT系统下行调制方式对应的最大频谱效率指标；
分配策略生成模块，用于对所述总效率优化模型进行求解，当得到所述目标函数的最大值时，获取所述总效率优化模型中参数变量的值，根据所述参数变量的值，确定无线能量最优分配策略。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910366204.XA 2019-05-05 2019-05-05 NB-IoT无线能量分配方法、装置、计算机设备及存储介质 Active CN110225533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910366204.XA CN110225533B (zh) 2019-05-05 2019-05-05 NB-IoT无线能量分配方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910366204.XA CN110225533B (zh) 2019-05-05 2019-05-05 NB-IoT无线能量分配方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110225533A CN110225533A (zh) 2019-09-10
CN110225533B true CN110225533B (zh) 2020-10-20

Family

ID=67820267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910366204.XA Active CN110225533B (zh) 2019-05-05 2019-05-05 NB-IoT无线能量分配方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110225533B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113241861B (zh) * 2021-05-21 2022-11-18 薛明 一种多负载动态无线供电阵列式发射线圈空间排布方法
CN113709857B (zh) * 2021-08-26 2022-10-11 中山大学 一种窄带物联网系统下行同步预处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105072632A (zh) * 2015-08-26 2015-11-18 东南大学 一种mimo分布式基站系统中能量效率最优化的方法
CN108235421A (zh) * 2017-12-22 2018-06-29 广州供电局有限公司 能量效率优化方法和装置
CN109168197A (zh) * 2018-08-27 2019-01-08 重庆邮电大学 基于异构小蜂窝网络能量采集效率最大化的功率分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170318620A1 (en) * 2016-04-28 2017-11-02 Mediatek Inc. Connected Mode Discontinuous Reception for Narrow Band Internet of Things

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105072632A (zh) * 2015-08-26 2015-11-18 东南大学 一种mimo分布式基站系统中能量效率最优化的方法
CN108235421A (zh) * 2017-12-22 2018-06-29 广州供电局有限公司 能量效率优化方法和装置
CN109168197A (zh) * 2018-08-27 2019-01-08 重庆邮电大学 基于异构小蜂窝网络能量采集效率最大化的功率分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种用于5G IOT通信的能量效率方案;陈发堂等;《电子技术应用》;20171130;第43卷(第11期);第2-6页 *
基于NOMA物联网通信的能效优化;陈发堂等;《电子技术应用》;20180731;第44卷(第7期);第117-121页 *

Also Published As

Publication number Publication date
CN110225533A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
Liu et al. Green relay assisted D2D communications with dual batteries in heterogeneous cellular networks for IoT
CN107087305B (zh) 一种基于能量收集的终端直通通信资源管理方案
CN112333717A (zh) 计及电力多业务需求的5g接入网切片资源分配方法及装置
Kim et al. Joint opportunistic subchannel and power scheduling for relay-based OFDMA networks with scheduling at relay stations
Lv et al. Throughput maximization and fairness assurance in data and energy integrated communication networks
CN106793047B (zh) 一种上行功率控制方法及基站
CN110225533B (zh) NB-IoT无线能量分配方法、装置、计算机设备及存储介质
Shajaiah et al. An efficient multi-carrier resource allocation with user discrimination framework for 5g wireless systems
CN102869018A (zh) 认知无线电中保证通信连续性的信道和功率联合分配方法
CN110941675A (zh) 一种基于深度学习的无线供能边缘计算延迟优化方法
Nguyen et al. Multi-UAV trajectory control, resource allocation, and NOMA user pairing for uplink energy minimization
CN114287145A (zh) 在多载波动态频谱共享下的基于强化学习的无线电接入技术间负载平衡
Nguyen et al. Joint computation offloading and resource allocation in cloud based wireless HetNets
US20100091729A1 (en) Distributed message-passing based resource allocation in wireless systems
KR20200047421A (ko) 밀리미터파 초고밀도 네트워크를 위한 사용자 연계 및 전력 할당 방법
He et al. Energy-efficient power allocation maximization with mixed group sum power bound and QoS constraints
Khuntia et al. QOS aware channel and power allocation scheme for D2D enabled cellular networks
Chand et al. Energy efficient radio resource management for heterogeneous wireless network using CoMP
WO2019217244A1 (en) Reference signal transmission scheme for non-orthogonal multiple access systems
CN110691383B (zh) 一种资源分配方法及装置
Ansere et al. Optimal power distribution algorithm for energy efficient IoT-NOMA enabled networks
Thakur et al. An energy and cost aware framework for cell selection and energy cooperation in rural and remote femtocell networks
Korrai et al. Dynamic resource assignment for heterogeneous services in 5G downlink under imperfect CSI
CN111372268B (zh) 一种超密集网络中联合无线资源管理与任务卸载优化方法
CN109672997B (zh) 一种基于能量收集的工业物联网多维资源联合优化算法

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