CN110519848B - 一种认知中继无线传感器网络的联合资源分配方法 - Google Patents

Abstract

一种认知中继无线传感器网络的联合资源分配方法，属于无线通信技术领域。在基于SWIPT的认知中继无线传感器网络中，传感器子系统从主用户信号中收集能量，同时通过帮助转发主用户信号换取部分授权频谱的使用权，以传输自己的信号。该资源分配方法不但将传感器节点的功率分割比、发射功率分配与子载波分配进行联合优化分配，达到最大化传感器子系统吞吐量的目的，且同时也兼顾了主系统的目标速率要求。其优点是可以通过合理利用传感器节点收集到的能量并通过合理的调配子载波来实现传感器子系统吞吐量最大化，从而提高系统性能。

Description

一种认知中继无线传感器网络的联合资源分配方法

技术领域

本发明涉及一种认知中继无线传感器网络的联合资源分配方法，具体讲是一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，属于无线通信技术领域。

背景技术

随着5G时代的到来，无线传感器网络(WSN)由于其低功耗、低成本和自组织等特性在物联网等领域有着广泛的应用前景。通常，传统无线传感器网络工作在ISM(Industrial,Scientific,and Medical)频段，由于无线设备和服务的快速发展，使得该频段变得越来越拥挤。

通过将认知无线电(CR)技术引入到无线传感器网络中，构建一个认知无线传感器网络(CRSN)有助于解决上述频谱短缺问题。在认知无线传感器网络中，传感器通过帮助主用户转发数据来换取一部分授权频谱的使用权，用来发送自己的数据。但是，频谱的感知和切换会消耗额外的能量，传感器节点一般是电池供电，一旦遇到能量受限的情况，系统将无法正常工作。近年来，随着RF能量收集技术的发展，传感器节点可以从RF信号中收集能量以补充自身电池消耗。同时无线信息和功率传输(Simultaneous Wireless Information andPower Transfer,SWIPT)技术是RF能量收集技术的一种，它利用RF信号不仅携带信息还携带能量的特性，在接收端采用分离式的接收机结构，将接收到的信号按一定比例分成两路不同功率的信号流，同时进行信息译码和能量收集，将收集到的能量存储在自身电池中以供未来使用，可有效延长传感器网络的生命周期。

近些年来，研究人员在能量收集认知无线传感器网络的资源分配方面做了很多工作，致力于传感器子系统的吞吐量、能效等的提升，取得了丰硕的成果，极大的提高了系统性能。由Weidang Lu等人所写“Joint Resource Allocation for Wireless EnergyHarvesting Enabled Cognitive Sensor Networks”(无线能量收集认知传感器网络的联合资源分配)【IEEE Access,vol.6,pp.22480-22488,2018.】一文中讨论了在无线能量收集认知传感器网络中最大化认知网络传输速率的资源分配方式，它研究的传感器网络仅由一个认知传感器发射机和一个认知传感器接收机组成，且没有考虑信号传输过程中的子载波分配。在目前可查阅的资料中，仍然没有在能量收集认知传感器网络的资源分配中同时优化功率分割比、功率和子载波分配的先例。

发明内容

为了弥补现有研究存在的不足，本发明提供了一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，在保证主系统的目标速率要求的前提下，通过联合优化传感器节点的功率分割比、发射功率和子载波分配来最大化传感器子系统的传输速率。

本发明的技术方案如下：

一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，由以下认知中继无线传感器系统来实现：该系统包括主系统和传感器子系统，主系统包括一个主发射机PT和一个主接收机PR，传感器子系统包括M个传感器节点SN_m和一个簇头节点CH，其中传感器节点的集合用V＝{1,2,…,M}来表示，m∈V表示第m个传感器节点；主发射机与主接收机之间的通信要经过传感器子系统的中继，中继采用译码转发的方式；传感器节点处使用了同时无线信息和功率传输即SWIPT技术，在接收到主发射机的信号后，传感器节点会按一定的功率分割比将接收信号分成两路不同功率的信号流，比例为ρ的信号流用于信息译码，比例为1-ρ的信号流用于能量收集；系统中共有K个子载波，用集合S＝{1,2,…,K}表示，设

和

分别为在第k个子载波上主发射机PT到传感器节点SN_m链路、传感器节点SN_m到主接收机PR链路和传感器节点SN_m到簇头节点CH链路的信道功率增益，

和

分别为在第k个子载波上主发射机到传感器节点SN_m链路、传感器节点SN_m到主接收机链路和传感器节点SN_m到簇头节点CH链路的信道噪声，其中m∈V，k∈S，各链路对应的信号发射功率分别为

和

该联合资源分配方法的具体步骤如下：

1)计算主系统的传输速率

第一传输阶段，主发射机通过K个子载波向传感器网络发送信号，网络中的所有的传感器节点均能接收到所有子载波上的信号，在每个传感器节点处，接收到的信号按照一定的功率分割比被分为两路不同功率的信号流，比例为的ρ部分用于信息译码，因此，主发射机到各个传感器节点的总速率表示为：

其中

是由于整个传输时间被平均分给了两个传输阶段；ρ_m,k表示SN_m在第k个子载波上接收到的信号用于信息译码的功率分割比；

比例为1-ρ的部分用于能量收集，收集到的能量将用于下一阶段的数据传输，传感器节点SN_m收集到的能量表示为

其中，η表示能量收集转换效率；

第二传输阶段，传感器节点将接收到的信号进行重新编码并转发到主接收机，在此阶段将对子载波进行分配，分配给传感器节点SN_m的子载波集合表示为

满足

其中符号U表示对集合

求并集；SN_m分配给链路SN_m→PR和SN_m→CH的子载波集合分别表示

和

且有

主接收机处的总速率表示为：

经传感器网络中继的主系统的速率表示为：

r_P＝min{r₁,r₂} (4)

其中min{}表示取括号中两个值中的最小的一个；

2)计算传感器子系统的传输速率与传感器节点的发射功率

传感器子系统的传输速率表示为：

传感器节点SN_m的发射功率表示为：

3)确定优化问题

以最大化传感器子系统传输速率为目标函数，主系统目标速率、传感器节点收集的能量与发射功率限制为约束条件，构造如下优化问题：

其中

和

来表示子载波的分配情况，当

时，

表示子载波k被分配给SN_m用于SN_m→PR链路的数据传输，

时，

表示子载波k未被分配给SN_m用于SN_m→PR链路的数据传输；当

时，

表示子载波k被分配给SN_m用于SN_m→CH链路的数据传输；当

时，

表示子载波k未被分配给SN_m用于SN_m→CH链路的数据传输；R_T表示主系统的目标速率；(7)式中的subject to符号及其后面的式子为约束式，subject to表示为约束符号，符号maximize表示求最大值符号，maximize符号下的变量ρ,α,p为优化变量，其中ρ＝{ρ_m,k,m∈V,k∈S}表示功率分割比，

表示子载波分配，

表示功率分配；符号

表示对任意的m都要满足前面的条件；(7)式表示在约束式中对主系统目标速率、传感器节点收集的能量与发射功率进行限制的条件下，求解目标函数即符号maximize后的部分的最大值，该最大化问题在下面的描述中也称为原问题；

4)求解优化问题

经验证，上述优化问题是一个凸优化问题，故其存在唯一的最优解，利用拉格朗日对偶理论，建立起原最大化问题即原问题与一个最小化问题即对偶问题之间的关联关系，原问题具有强对偶性，通过求解对偶问题来求解原问题，原问题的拉格朗日函数为：

对偶函数为：

其中X:＝{ρ,α,p}表示优化变量的集合，

表示对偶因子的集合，其中符号:＝表示定义，λ,μ,β,

分别表示与(7)中四个限制条件对应的对偶因子，对偶函数对应的对偶问题如下：

即在对偶因子集合Λ≥0的约束条件下，通过优化Λ求解对偶函数D(Λ)的最小值，已知原问题具有强对偶性，通过对偶问题(10)式求得的最优值即为原问题的最优值，求解对偶问题最关键之处在于求解最优的对偶因子集合Λ^*，Λ^*的求解过程具体如下：

A)设置初始迭代次数t＝0，对偶因子初始值Λ(0)为非负实数，设定迭代精度；

B)当迭代次数为t时，用Λ(t)表示当前更新的对偶因子，基于当前对偶因子Λ(t)求解对偶函数公式(9)，利用Karush-Kuhn-Tucker条件得到对应的传感器节点SN_m在每个子载波上的最优功率分割比

最优发射功率

以及最优子载波分配变量

C)根据以下4式分别更新4种对偶因子：

其中符号[]⁺表示[]中的部分取非负值，s_λ(t)、s_μ(t)、s_β_m(t)、

分别表示相应对偶因子对应的迭代步长；

D)令Λ^*＝Λ(t+1)，若Λ^*满足设定的精度要求，则输出最优对偶因子集合Λ^*，否则，令t＝t+1，重复步骤B)和步骤C)，直到满足设定的精度要求；

5)根据得到的最优对偶因子集合Λ^*，计算得到各个传感器节点最优的功率分割比ρ^*、发射功率p^*和子载波分配变量α^*。

本发明提供了一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，在保证主系统的目标速率要求的前提下，通过联合优化传感器节点的功率分割比、发射功率和子载波分配来最大化传感器子系统的传输速率，提高了系统性能。

附图说明

图1是本发明中通信系统的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不限于此。

实施例：

本发明实施例如图1所示，一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，由以下认知中继无线传感器系统来实现：该系统包括主系统和传感器子系统，主系统包括一个主发射机PT和一个主接收机PR，传感器子系统包括M个传感器节点SN_m和一个簇头节点CH，其中传感器节点的集合用V＝{1,2,…,M}来表示，m∈V表示第m个传感器节点；主发射机与主接收机之间的通信要经过传感器子系统的中继，中继采用译码转发的方式；传感器节点处使用了同时无线信息和功率传输即SWIPT技术，在接收到主发射机的信号后，传感器节点会按一定的功率分割比将接收信号分成两路不同功率的信号流，比例为ρ的信号流用于信息译码，比例为1-ρ的信号流用于能量收集；系统中共有K个子载波，用集合S＝{1,2,…,K}表示，设

和

分别为在第k个子载波上主发射机PT到传感器节点SN_m链路、传感器节点SN_m到主接收机PR链路和传感器节点SN_m到簇头节点CH链路的信道功率增益，

和

分别为在第k个子载波上主发射机到传感器节点SN_m链路、传感器节点SN_m到主接收机链路和传感器节点SN_m到簇头节点CH链路的信道噪声，其中m∈V，k∈S，各链路对应的信号发射功率分别为

和

该联合资源分配方法的具体步骤如下：

1)计算主系统的传输速率

第一传输阶段，主发射机通过K个子载波向传感器网络发送信号，网络中的所有的传感器节点均能接收到所有子载波上的信号，在每个传感器节点处，接收到的信号按照一定的功率分割比被分为两路不同功率的信号流，比例为的ρ部分用于信息译码，因此，主发射机到各个传感器节点的总速率表示为：

其中

是由于整个传输时间被平均分给了两个传输阶段；ρ_m,k表示SN_m在第k个子载波上接收到的信号用于信息译码的功率分割比；

比例为1-ρ的部分用于能量收集，收集到的能量将用于下一阶段的数据传输，传感器节点SN_m收集到的能量表示为

其中，η表示能量收集转换效率；

第二传输阶段，传感器节点将接收到的信号进行重新编码并转发到主接收机，在此阶段将对子载波进行分配，分配给传感器节点SN_m的子载波集合表示为

满足

其中符号U表示对集合

求并集；SN_m分配给链路SN_m→PR和SN_m→CH的子载波集合分别表示

和

且有

主接收机处的总速率表示为：

经传感器网络中继的主系统的速率表示为：

r_P＝min{r₁,r₂} (4)

其中min{}表示取括号中两个值中的最小的一个；

2)计算传感器子系统的传输速率与传感器节点的发射功率

传感器子系统的传输速率表示为：

传感器节点SN_m的发射功率表示为：

3)确定优化问题

以最大化传感器子系统传输速率为目标函数，主系统目标速率、传感器节点收集的能量与发射功率限制为约束条件，构造如下优化问题：

其中

和

来表示子载波的分配情况，当

时，

表示子载波k被分配给SN_m用于SN_m→PR链路的数据传输，

时，

表示子载波k未被分配给SN_m用于SN_m→PR链路的数据传输；当

时，

表示子载波k被分配给SN_m用于SN_m→CH链路的数据传输；当

时，

表示子载波k未被分配给SN_m用于SN_m→CH链路的数据传输；R_T表示主系统的目标速率；(7)式中的subject to符号及其后面的式子为约束式，subject to表示为约束符号，符号maximize表示求最大值符号，maximize符号下的变量ρ,α,p为优化变量，其中ρ＝{ρ_m,k,m∈V,k∈S}表示功率分割比，

表示子载波分配，

表示功率分配；符号

表示对任意的m都要满足前面的条件；(7)式表示在约束式中对主系统目标速率、传感器节点收集的能量与发射功率进行限制的条件下，求解目标函数即符号maximize后的部分的最大值，该最大化问题在下面的描述中也称为原问题；

4)求解优化问题

经验证，上述优化问题是一个凸优化问题，故其存在唯一的最优解，利用拉格朗日对偶理论，建立起原最大化问题即原问题与一个最小化问题即对偶问题之间的关联关系，原问题具有强对偶性，通过求解对偶问题来求解原问题，原问题的拉格朗日函数为：

对偶函数为：

其中X:＝{ρ,α,p}表示优化变量的集合，

表示对偶因子的集合，其中符号:＝表示定义，λ,μ,β,

分别表示与(7)中四个限制条件对应的对偶因子，对偶函数对应的对偶问题如下：

即在对偶因子集合Λ≥0的约束条件下，通过优化Λ求解对偶函数D(Λ)的最小值，已知原问题具有强对偶性，通过对偶问题(10)式求得的最优值即为原问题的最优值，求解对偶问题最关键之处在于求解最优的对偶因子集合Λ^*，Λ^*的求解过程具体如下：

A)设置初始迭代次数t＝0，对偶因子初始值Λ(0)为非负实数，设定迭代精度；

B)当迭代次数为t时，用Λ(t)表示当前更新的对偶因子，基于当前对偶因子Λ(t)求解对偶函数公式(9)，利用Karush-Kuhn-Tucker条件得到对应的传感器节点SN_m在每个子载波上的最优功率分割比

最优发射功率

以及最优子载波分配变量

C)根据以下4式分别更新4种对偶因子：

其中符号[]⁺表示[]中的部分取非负值，s_λ(t)、s_μ(t)、s_β_m(t)、

分别表示相应对偶因子对应的迭代步长；

D)令Λ^*＝Λ(t+1)，若Λ^*满足设定的精度要求，则输出最优对偶因子集合Λ^*，否则，令t＝t+1，重复步骤B)和步骤C)，直到满足设定的精度要求；

5)根据得到的最优对偶因子集合Λ^*，计算得到各个传感器节点最优的功率分割比ρ^*、发射功率p^*和子载波分配变量α^*。

Claims (1)

1.一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法，由以下认知中继无线传感器系统来实现：该系统包括主系统和传感器子系统，主系统包括一个主发射机PT和一个主接收机PR，传感器子系统包括M个传感器节点SN_m和一个簇头节点CH，其中传感器节点的集合用V＝{1,2,…,M}来表示，m∈V表示第m个传感器节点；主发射机与主接收机之间的通信要经过传感器子系统的中继，中继采用译码转发的方式；传感器节点处使用了同时无线信息和功率传输即SWIPT技术，在接收到主发射机的信号后，传感器节点会按一定的功率分割比将接收信号分成两路不同功率的信号流，比例为ρ的信号流用于信息译码，比例为1-ρ的信号流用于能量收集；系统中共有K个子载波，用集合S＝{1,2,…,K}表示，设

和

分别为在第k个子载波上主发射机PT到传感器节点SN_m链路、传感器节点SN_m到主接收机PR链路和传感器节点SN_m到簇头节点CH链路的信道功率增益，

和

分别为在第k个子载波上主发射机到传感器节点SN_m链路、传感器节点SN_m到主接收机链路和传感器节点SN_m到簇头节点CH链路的信道噪声，其中m∈V，k∈S，各链路对应的信号发射功率分别为

和

该联合资源分配方法的具体步骤如下：

1)计算主系统的传输速率

第一传输阶段，主发射机通过K个子载波向传感器网络发送信号，网络中的所有的传感器节点均能接收到所有子载波上的信号，在每个传感器节点处，接收到的信号按照一定的功率分割比被分为两路不同功率的信号流，比例为的ρ部分用于信息译码，因此，主发射机到各个传感器节点的总速率表示为：

其中

是由于整个传输时间被平均分给了两个传输阶段；ρ_m,k表示SN_m在第k个子载波上接收到的信号用于信息译码的功率分割比；

比例为1-ρ的部分用于能量收集，收集到的能量将用于下一阶段的数据传输，传感器节点SN_m收集到的能量表示为

其中，η表示能量收集转换效率；

第二传输阶段，传感器节点将接收到的信号进行重新编码并转发到主接收机，在此阶段将对子载波进行分配，分配给传感器节点SN_m的子载波集合表示为

满足

其中符号U表示对集合

求并集；SN_m分配给链路SN_m→PR和SN_m→CH的子载波集合分别表示

和

且有

主接收机处的总速率表示为：

经传感器网络中继的主系统的速率表示为：

r_P＝min{r₁,r₂} (4)

其中min{}表示取括号中两个值中的最小的一个；

2)计算传感器子系统的传输速率与传感器节点的发射功率

传感器子系统的传输速率表示为：

传感器节点SN_m的发射功率表示为：

3)确定优化问题

以最大化传感器子系统传输速率为目标函数，主系统目标速率、传感器节点收集的能量与发射功率限制为约束条件，构造如下优化问题：

其中

和

来表示子载波的分配情况，当

时，

表示子载波k被分配给SN_m用于SN_m→PR链路的数据传输，

时，

表示子载波k未被分配给SN_m用于SN_m→PR链路的数据传输；当

时，

表示子载波k被分配给SN_m用于SN_m→CH链路的数据传输；当

时，

表示子载波k未被分配给SN_m用于SN_m→CH链路的数据传输；R_T表示主系统的目标速率；(7)式中的subject to符号及其后面的式子为约束式，subject to表示为约束符号，符号maximize表示求最大值符号，maximize符号下的变量ρ,α,p为优化变量，其中ρ＝{ρ_m,k,m∈V,k∈S}表示功率分割比，

表示子载波分配，

表示功率分配；符号

表示对任意的m都要满足前面的条件；(7)式表示在约束式中对主系统目标速率、传感器节点收集的能量与发射功率进行限制的条件下，求解目标函数即符号maximize后的部分的最大值，该最大化问题在下面的描述中也称为原问题；

4)求解优化问题

经验证，上述优化问题是一个凸优化问题，故其存在唯一的最优解，利用拉格朗日对偶理论，建立起原最大化问题即原问题与一个最小化问题即对偶问题之间的关联关系，原问题具有强对偶性，通过求解对偶问题来求解原问题，原问题的拉格朗日函数为：

对偶函数为：

其中X:＝{ρ,α,p}表示优化变量的集合，

表示对偶因子的集合，其中符号:＝表示定义，λ,μ,β,

分别表示与(7)中四个限制条件对应的对偶因子，对偶函数对应的对偶问题如下：

即在对偶因子集合Λ≥0的约束条件下，通过优化Λ求解对偶函数D(Λ)的最小值，已知原问题具有强对偶性，通过对偶问题(10)式求得的最优值即为原问题的最优值，求解对偶问题最关键之处在于求解最优的对偶因子集合Λ^*，Λ^*的求解过程具体如下：

A)设置初始迭代次数t＝0，对偶因子初始值Λ(0)为非负实数，设定迭代精度；

B)当迭代次数为t时，用Λ(t)表示当前更新的对偶因子，基于当前对偶因子Λ(t)求解对偶函数公式(9)，利用Karush-Kuhn-Tucker条件得到对应的传感器节点SN_m在每个子载波上的最优功率分割比

最优发射功率

以及最优子载波分配变量

C)根据以下4式分别更新4种对偶因子：

其中符号[]⁺表示[]中的部分取非负值，s_λ(t)、s_μ(t)、s_β_m(t)、

分别表示相应对偶因子对应的迭代步长；

D)令Λ^*＝Λ(t+1)，若Λ^*满足设定的精度要求，则输出最优对偶因子集合Λ^*，否则，令t＝t+1，重复步骤B)和步骤C)，直到满足设定的精度要求；

5)根据得到的最优对偶因子集合Λ^*，计算得到各个传感器节点最优的功率分割比ρ^*、发射功率p^*和子载波分配变量α^*。

Images