CN110708716B - 一种基于多天线能量捕获的短包通信传输性能分析方法 - Google Patents

一种基于多天线能量捕获的短包通信传输性能分析方法 Download PDF

Info

Publication number
CN110708716B
CN110708716B CN201910800105.8A CN201910800105A CN110708716B CN 110708716 B CN110708716 B CN 110708716B CN 201910800105 A CN201910800105 A CN 201910800105A CN 110708716 B CN110708716 B CN 110708716B
Authority
CN
China
Prior art keywords
energy
service
source node
transmission
probability
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
CN201910800105.8A
Other languages
English (en)
Other versions
CN110708716A (zh
Inventor
赵伟
骆亚菲
王斌
鲍慧
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201910800105.8A priority Critical patent/CN110708716B/zh
Publication of CN110708716A publication Critical patent/CN110708716A/zh
Application granted granted Critical
Publication of CN110708716B publication Critical patent/CN110708716B/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
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/20—Circuit arrangements or systems for wireless supply or distribution of electric power using microwaves or radio frequency waves
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/40—Circuit arrangements or systems for wireless supply or distribution of electric power using two or more transmitting or receiving devices
    • 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)
  • Power Engineering (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于多天线能量捕获的短包通信传输系统性能分析的方法。该方法基于多天线的无线能量传输技术应用到短包通信场景下，利用源节点捕获到的能量进行信息发送；首先推导出每个用户的块错误概率的近似闭合表达式。其次通过分析服务过程的累积服务容量，得到时延边界，计算出未准确传输的概率，综合分析未准确传输及准确传输的时延违背概率，进而分析整个系统的时延性能。

Description

一种基于多天线能量捕获的短包通信传输性能分析方法
技术领域
本发明属于无线通信领域，尤其涉及第五代蜂窝移动通信中超可靠低时延应用场景。
背景技术
随着无线设备变得越来越小，能源效率越来越高，能量收集正在成为为低功耗无线设备供电的潜在技术。由于射频信号可以同时携带信息和能量，这使得无线能量传输成为一种特别有吸引力的技术。如今，大多数无线设备是通过电缆或更换电池进行供电，这限制了能量的可持续性、无线通信的可移动性。在实践中，有线充电和电池更换可能不可行或招致许多无线应用程序的高成本，例如人类身体中植入的医疗器械。此外，有线充电和电池更新缩短无线移动设备的工作时间。因此，无线能量传输作为一种辅助技术，以一种相对简单、可靠的方式使得能量受限节点能够获取能量并发送信息，允许几乎无限期地延长其寿命。
但是，由于本质上较小的数据有效载荷、低延迟要求和缺乏能源资源来支持更长的传输，与大多数为互联网接入设计的无线系统相比，能量收集通信系统将会专门使用短数据包。同时，与传统的长分组传输不同，机器类通信是通过具有非常短的大小的突发分组来实现的。为了满足机器类通信的要求，第五代蜂窝移动通信提出了超可靠低时延应用场景。
物联网快速的发展，要求未来推出的无线通信系统必须支持更多的连接设备，同时对延迟和可靠性有严格要求。由于射频信号的严重功率损耗，基于射频信号的无线能量传输的主要挑战是从能量发射器到能量接收器距离上的能量传递效率的显着衰减。如何为潜在的大量物联网节点供电并维持其不间断运行是一项重大挑战。
发明内容
(一)要解决的技术问题
为了保证无线能量捕获系统的可靠性，本发明公开了无线通信系统中一种基于多天线能量捕获的短包通信传输方法，并在此基础上进行了性能分析。通过在能量发射器和能量接收器任意一处或者两者都配备多个天线来提高能量传输效率。能量发射器上的多个天线有助于通过数字波束成形或所谓的能量波束成形技术将发射的无线能量聚焦到能量接收器的方向，而能量接收器处的多个天线增加了接收射频信号能量收集的有效孔径面积，两者都领先显着提高能量转移效率。并在此基础上采用随机网络演算的方式分析该系统下的时延违背概率，以便能够更好地了解该系统下的性能。
(二)技术方案
为解决上述技术问题，本发明公开了无线通信系统中一种基于多天线能量捕获的短包通信传输方法，包括如下步骤：
步骤A，在多天线能量捕获短包通信系统中，为能量发射器和源节点配置多个天线，利用源节点捕获到的能量进行信息发送，根据实际需求构建了所述系统模型,并计算信道增益矩阵；
步骤B，根据步骤A的系统模型和信道增益矩阵，计算源节点捕获的能量并对其进行优化得到能量捕获的最大值，然后计算信息传输阶段的发射功率，并得到用户的信噪比以及最大可实现速率；
步骤C，计算系统的错误概率；
步骤D，利用随机网络演算的方法，求得系统的累积到达服务量及系统的传输速率；
步骤E，推导出未准确传输的概率，综合分析未准确传输及准确传输的时延违背概率，进而分析整个系统的时延性能。
其中，步骤A具体包括：
A1，将多天线技术应用到无线能量捕获短包传输系统中，系统由能量发射器ET、源节点S和K个用户组成。由于节点能量受限，用户都配备单天线，并分布于不同的位置，分别用U1,U2,…,UK表示；其中用户只配置一根接收天线，源节点S配置两个天线阵列，分别进行能量捕获(NEH)和信息传输(NID)。能量发射器ET配置M根天线。源节点S的能量捕获过程和信息传输过程是同时进行的，源节点S通过ET发出的RF信号进行能量收集，进而利用捕获的能量与用户U进行信息传输。
A2，对步骤A1的系统模型，计算能量捕获阶段和无线信息传输阶段的信道增益矩阵
Figure RE-GDA0002308827660000031
其中，步骤B具体包括：
B1，首先考虑在ET处的能量波束成形，假设在ET处一共有d个能量波束，1≤d≤M。ET处传输的能量信号为
Figure RE-GDA0002308827660000032
其中，
Figure RE-GDA0002308827660000033
是第i个传输波束成形向量，si是相应的能量信号。在ET处的传输协方差矩阵为
Figure RE-GDA0002308827660000034
(·)H代表着矩阵的共轭转置；
B2，由步骤B1得到的协方差矩阵，可以求出源节点捕获的能量 PE＝E(||Hx||2)＝ηtr(GS)，其中，η为能量捕获效率，tr代表矩阵运算的迹；H为能量发射器到源节点之间的MIMO信道矩阵，
Figure RE-GDA0002308827660000035
计算得到的源节点捕获的能量通过优化的方法得到能量捕获的最大值pE *＝ηPλ1。P为能量传输的传输功率，λ1为矩阵G的最大的特征值，λ1服从Tracy-Widom分布。
B3，假设源节点S捕获到的能量全部用于与用户U1,U2,…,UK的信息传输，没有其他的能量消耗,因此源节点S信息传输发射功率为PS＝PE，用户UK的接收信号
Figure RE-GDA0002308827660000036
其中
Figure RE-GDA0002308827660000037
为S与Uk之间的NID×1信道矢量，Ωk为路径衰落，gk为信道小尺度衰落向量，
Figure RE-GDA0002308827660000038
nk～CN(0，σ2)为加性高斯白噪声；
Figure RE-GDA0002308827660000039
为S的1×NID预编码矩阵；vk,k＝1,2,…,K为信息xk的一个1×NID波束成形矢量，||vk||＝1；βk为xk的功率分配系数，
Figure RE-GDA0002308827660000041
xk为源节点S 给用户Uk传输的信息。
B4，当传输者完全知道信道矩阵
Figure RE-GDA0002308827660000042
可得波束成形矢量
Figure RE-GDA0002308827660000043
其中，
Figure RE-GDA0002308827660000044
(·)-1是矩阵的求逆运算。J＝diag(b1,…,bK)是V的列向量的单位2范数可推出bk概率密度函数为
Figure RE-GDA0002308827660000045
其中， m＝NID-K+1。因此，Uk的瞬时信噪比(Signal-to-Noise Ratio,SNR)为
Figure RE-GDA00023088276600000419
求得平均信噪比
Figure RE-GDA0002308827660000046
并得到多天线短包信息传输系统的最大可实现速率
Figure RE-GDA0002308827660000047
其中
Figure RE-GDA0002308827660000048
Figure RE-GDA0002308827660000049
为冗余项；Q-1(·)为高斯函数，Q的反函数
Figure RE-GDA00023088276600000410
其中，步骤C具体包括：
C1，根据源节点与用户的空间分布和迫零波束成形方法得到每个用户的信噪比累积分布函数
Figure RE-GDA00023088276600000411
其概率密度函数为
Figure RE-GDA00023088276600000412
其中，
Figure RE-GDA00023088276600000413
C2，利用高斯函数近似的方法，推导出每个用户的块错误概率
Figure RE-GDA00023088276600000414
其中
Figure RE-GDA00023088276600000415
求得近似块错误概率为
Figure RE-GDA00023088276600000416
其中高斯近似函数为
Figure RE-GDA00023088276600000417
其中，
Figure RE-GDA00023088276600000418
其中，步骤D具体包括：
D1：利用互补累积分布函数(Complementary Cumlative Distribution，CCDF) 法对系统的排队时延进行分析。CCDF法是一种基于随机网络演算的性能分析方法。S(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure RE-GDA0002308827660000051
D2：寻找随机到达曲线刻画业务累积到达量A(s,t)的包络上边界，寻找随机服务曲线刻画系统累积服务量S(s,t)的包络下边界。然后，利用所得到随机到达曲线和随机服务曲线推导得到业务的时延边界分布。
D3：随机过程X在时间区间(s,t]内的累积量的矩母函数为E[eθX(s,t)]，其中θ为自由优化参数。若存在有限常量C满足下式：
Figure RE-GDA0002308827660000052
则称随机过程X具有有限矩母函数。当信息的到达过程为独立同分布过程，则到达曲线和服务曲线为
Figure RE-GDA0002308827660000053
两个包的到达间隔以参数
Figure RE-GDA0002308827660000054
指数分布。假设每个包含有kbits信息。因此，到达曲线为
Figure RE-GDA0002308827660000055
在时间区间[0,t)系统的累积服务量为S(t)＝R*(n,ε)t。因此，系统的服务曲线为：
Figure RE-GDA0002308827660000056
D4，εth为S与Uk信息传输的最大块错误概率。根据B4以及D3可以得出，此时系统的信息传输速率为
Figure RE-GDA0002308827660000057
累积服务量为
Figure RE-GDA0002308827660000058
其中，步骤E具体包括：
E1：对于两个随机过程X和Y，它们的最小加卷积定义为
Figure RE-GDA0002308827660000059
当t<0时，
Figure RE-GDA00023088276600000510
A(s,t)、A(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure RE-GDA00023088276600000511
对于A(s,t)、S(s,t)和D(s,t)的关系式，存在τ0使的 D(s,t)＝A(s,τ0)+S(τ0,t)成立，当τ0＝s时，表示这段时间内业务到达率始终大于系统的服务速率，此时离开量D(s,t)＝S(τ0,t)；当s<τ0<t时，表示在时间段(s,τ0]内，业务到达率始终小于系统的服务速率，在时间段(τ0,t]内，业务到达率始终大于系统的服务速率；当τ0＝t时，表示这段时间内业务到达率始终小于系统的服务速率，此时离开量D(s,t)＝A(s,τ0)。
E2：我们假设Ak(t)和Dk(t)是对立的。d为系统可容忍的最大时延。因此，用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}。由于事件{Wk(t)>d}的发生意味着事件Ak(t)>Dk(t+d)的发生，两个事件存在关系
Figure RE-GDA0002308827660000061
则时延的违背概率为
Figure RE-GDA0002308827660000062
E3：根据D3所得的到达曲线和服务曲线，求得时延违背概率的上界
Figure RE-GDA0002308827660000063
其中，用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}，时延违背概率界限随着θ的增加而减小，这意味着用更大的θ可以实现更严格的界限。但是，θ需要满足以下条件：
Figure RE-GDA0002308827660000064
因此，最优的θ为θ*＝max{θ:α0≤β0}，其中，
Figure RE-GDA0002308827660000065
相应的时延违背概率的上界为
Figure RE-GDA0002308827660000066
E4：当S捕获的能量不足时，用户U的块错误概率ε不能满足ε≤εth的要求，我们令Pout表示给定目标错误εth，捕获的能量不足以满足U对γ需求的概率 Pout＝Pr{εk>εth}，给定目标错误εth，则就确定了Uk最小的信噪比
Figure RE-GDA0002308827660000067
Figure RE-GDA0002308827660000068
Figure RE-GDA0002308827660000069
E5：总的时延违背概率p＝(1-Pout)Pd+Pout，根据E3和E4可以得出
Figure RE-GDA00023088276600000610
其中令
Figure RE-GDA00023088276600000611
(三)有益效果
本发明通过在能量发射器和能量接收器任意一处或者两者都配备多个天线来提高能量传输效率。能量发射器上的多个天线有助于通过数字波束成形或所谓的能量波束成形技术将发射的无线能量聚焦到能量接收器的方向，而能量接收器处的多个天线增加了接收射频信号能量收集的有效孔径面积，两者都领先显着提高能量转移效率。也就是说，本发明利用了射频信号的特点，以及多天线技术的空间资源实现复用增益和分集增益，不仅提高了能量传输效率，缩短了能量收集时间，还降低了错误概率，提高了系统的可靠性。并对于该系统进行性能分析，更好地减少系统的错误概率以及时延违背概率。
附图说明
图1本发明实施例的方法流程图；
图2本发明实施例的方法中系统模型；
图3本发明实施例的方法中信噪比SNR V.S.用户k的块错误概率；
图4本发明实施例的方法中时延违背概率V.S.时延需求之间的关系。
具体实施方式
在本发明提供的基于多天线能量捕获的短包通信传输方法的性能分析，无线能量捕获的短包传输系统配置多天线，能够利用空间维度提高能量传输效率并有效降低时延；块错误概率能够直接表征系统的可靠性、有效性以及能量捕获效率。针对此系统，本研究利用源节点捕获到的能量进行信息发送；根据源节点与用户的空间分布和迫零波束成形方法得到每个用户的信噪比累积分布函数，并利用高斯函数近似的方法，推导出每个用户的块错误概率的近似闭合表达式。其次通过分析服务过程的累积服务容量，得到时延边界，计算出未准确传输的概率，综合分析未准确传输及准确传输的时延违背概率，进而分析整个系统的时延性能。仿真结果验证了所推导的块错误概率与信噪比SNR之间的关系，以及时延需求与时延违背概率之间的关系。
如图1所示，对本发明做进一步说明。
系统建模过程的具体步骤如下：
步骤A，在多天线能量捕获短包通信系统中，为能量发射器和源节点配置多个天线，利用源节点捕获到的能量进行信息发送，根据实际需求构建了所述系统模型,并计算信道增益矩阵；
步骤B，根据步骤A的系统模型和信道增益矩阵，计算源节点捕获的能量并对其进行优化得到能量捕获的最大值，然后计算信息传输阶段的发射功率，并得到用户的信噪比以及最大可实现速率；
步骤C，计算系统的错误概率；
步骤D，利用随机网络演算的方法，求得系统的累积到达服务量及系统的传输速率；
步骤E，推导出未准确传输的概率，综合分析未准确传输及准确传输的时延违背概率，进而分析整个系统的时延性能。
其中，步骤A具体包括：
A1，将多天线技术应用到无线能量捕获短包传输系统中，系统由能量发射器ET、源节点S和K个用户组成。由于节点能量受限，用户都配备单天线，并分布于不同的位置，分别用U1,U2,…,UK表示；其中用户只配置一根接收天线，源节点S配置两个天线阵列，分别进行能量捕获(NEH)和信息传输(NID)。能量发射器ET配置M根天线。源节点S的能量捕获过程和信息传输过程是同时进行的，源节点S通过ET发出的RF信号进行能量收集，进而利用捕获的能量与用户U进行信息传输。
A2，对步骤A1的系统模型，计算能量捕获阶段和无线信息传输阶段的信道增益矩阵
Figure RE-GDA0002308827660000081
其中，步骤B具体包括：
B1，首先考虑在ET处的能量波束成形，假设在ET处一共有d个能量波束，1≤d≤M。ET处传输的能量信号为
Figure RE-GDA0002308827660000082
其中，
Figure RE-GDA0002308827660000083
是第i个传输波束成形向量，si是相应的能量信号。在ET处的传输协方差矩阵为
Figure RE-GDA0002308827660000091
(·)H代表着矩阵的共轭转置；
B2，由步骤B1得到的协方差矩阵，可以求出源节点捕获的能量 PE＝E(||Hx||2)＝ηtr(GS)，其中，η为能量捕获效率，tr代表矩阵运算的迹；H为能量发射器到源节点之间的MIMO信道矩阵，
Figure RE-GDA0002308827660000092
计算得到的源节点捕获的能量通过优化的方法得到能量捕获的最大值pE *＝ηPλ1。P为能量传输的传输功率，λ1为矩阵G的最大的特征值，λ1服从Tracy-Widom分布。
B3，假设源节点S捕获到的能量全部用于与用户U1,U2,…,UK的信息传输，没有其他的能量消耗,因此源节点S信息传输发射功率为PS＝PE，用户UK的接收信号
Figure RE-GDA0002308827660000093
其中
Figure RE-GDA0002308827660000094
为S与Uk之间的NID×1信道矢量，Ωk为路径衰落，gk为信道小尺度衰落向量，
Figure RE-GDA0002308827660000095
nk～CN(0，σ2)为加性高斯白噪声；
Figure RE-GDA0002308827660000096
为S的1×NID预编码矩阵；vk,k＝1,2,…,K为信息xk的一个 1×NID波束成形矢量，||vk||＝1；βk为xk的功率分配系数，
Figure RE-GDA0002308827660000097
xk为源节点S 给用户Uk传输的信息。
B4，当传输者完全知道信道矩阵
Figure RE-GDA0002308827660000098
可得波束成形矢量
Figure RE-GDA0002308827660000099
其中，
Figure RE-GDA00023088276600000910
(·)-1是矩阵的求逆运算。J＝diag(b1,…,bK)是V的列向量的单位2范数可推出bk概率密度函数为
Figure RE-GDA00023088276600000911
其中， m＝NID-K+1。因此，Uk的瞬时信噪比(Signal-to-Noise Ratio,SNR)为
Figure RE-GDA00023088276600000912
求得平均信噪比
Figure RE-GDA00023088276600000913
并得到多天线短包信息传输系统的最大可实现速率
Figure RE-GDA00023088276600000914
其中
Figure RE-GDA00023088276600000915
Figure RE-GDA00023088276600000916
为冗余项；Q-1(·)为高斯函数，Q的反函数
Figure RE-GDA00023088276600000917
其中，步骤C具体包括：
C1，根据源节点与用户的空间分布和迫零波束成形方法得到每个用户的信噪比累积分布函数
Figure RE-GDA0002308827660000101
其概率密度函数为
Figure RE-GDA0002308827660000102
其中，
Figure RE-GDA0002308827660000103
C2，利用高斯函数近似的方法，推导出每个用户的块错误概率
Figure RE-GDA0002308827660000104
其中
Figure RE-GDA0002308827660000105
求得近似块错误概率为
Figure RE-GDA0002308827660000106
其中高斯近似函数为
Figure RE-GDA0002308827660000107
其中，
Figure RE-GDA0002308827660000108
其中，步骤D具体包括：
D1：利用互补累积分布函数(Complementary Cumlative Distribution，CCDF) 法对系统的排队时延进行分析。CCDF法是一种基于随机网络演算的性能分析方法。S(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure RE-GDA0002308827660000109
D2：寻找随机到达曲线刻画业务累积到达量A(s,t)的包络上边界，寻找随机服务曲线刻画系统累积服务量S(s,t)的包络下边界。然后，利用所得到随机到达曲线和随机服务曲线推导得到业务的时延边界分布。
D3：随机过程X在时间区间(s,t]内的累积量的矩母函数为E[eθX(s,t)]，其中θ为自由优化参数。若存在有限常量C满足下式：
Figure RE-GDA00023088276600001010
则称随机过程X具有有限矩母函数。当信息的到达过程为独立同分布过程，则到达曲线和服务曲线为
Figure RE-GDA0002308827660000111
两个包的到达间隔以参数
Figure RE-GDA0002308827660000112
指数分布。假设每个包含有kbits信息。因此，到达曲线为
Figure RE-GDA0002308827660000113
在时间区间[0,t)系统的累积服务量为S(t)＝R*(n,ε)t。因此，系统的服务曲线为：
Figure RE-GDA0002308827660000114
D4，εth为S与Uk信息传输的最大块错误概率。根据B4以及D3可以得出，此时系统的信息传输速率为
Figure RE-GDA0002308827660000115
累积服务量为
Figure RE-GDA0002308827660000116
其中，步骤E具体包括：
E1：对于两个随机过程X和Y，它们的最小加卷积定义为
Figure RE-GDA0002308827660000117
当t<0时，
Figure RE-GDA0002308827660000118
A(s,t)、A(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure RE-GDA0002308827660000119
对于A(s,t)、S(s,t)和D(s,t)的关系式，存在τ0使的 D(s,t)＝A(s,τ0)+S(τ0,t)成立，当τ0＝s时，表示这段时间内业务到达率始终大于系统的服务速率，此时离开量D(s,t)＝S(τ0,t)；当s<τ0<t时，表示在时间段(s,τ0]内，业务到达率始终小于系统的服务速率，在时间段(τ0,t]内，业务到达率始终大于系统的服务速率；当τ0＝t时，表示这段时间内业务到达率始终小于系统的服务速率，此时离开量D(s,t)＝A(s,τ0)。
E2：我们假设Ak(t)和Dk(t)是对立的。d为系统可容忍的最大时延。因此，用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}。由于事件{Wk(t)>d}的发生意味着事件Ak(t)>Dk(t+d)的发生，两个事件存在关系
Figure RE-GDA00023088276600001110
则时延的违背概率为
Figure RE-GDA00023088276600001111
E3：根据D3所得的到达曲线和服务曲线，求得时延违背概率的上界
Figure RE-GDA00023088276600001112
其中，
用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}，时延违背概率界限随着θ的增加而减小，这意味着用更大的θ可以实现更严格的界限。但是，θ需要满足以下条件：
Figure RE-GDA0002308827660000121
因此，最优的θ为θ*＝max{θ:α0≤β0}，其中，
Figure RE-GDA0002308827660000122
相应的时延违背概率的上界为
Figure RE-GDA0002308827660000123
E4：当S捕获的能量不足时，用户U的块错误概率ε不能满足ε≤εth的要求，我们令Pout表示给定目标错误εth，捕获的能量不足以满足U对γ需求的概率 Pout＝Pr{εk>εth}，给定目标错误εth，则就确定了Uk最小的信噪比
Figure RE-GDA0002308827660000124
Figure RE-GDA0002308827660000125
Figure RE-GDA0002308827660000126
E5：总的时延违背概率p＝(1-Pout)Pd+Pout，根据E3和E4可以得出
Figure RE-GDA0002308827660000127
其中令
Figure RE-GDA0002308827660000128
下面具体介绍本发明的方案：
发明人发现，超可靠低时延通信(Ultra-reliable and Low-latencyCommunication，URLLC)对可靠性和时延具有严格的要求；故需要采用短数据包进行传输；同时在URLLC下，通常，设备大多是能量受限的，由能量有限的电池供电，并且定期更换电池可能是非常昂贵或不切实际的，尤其是当设备部署在恶劣环境中或嵌入人体中时。因此，需要采用能量捕获(Energy Harvesting，EH)的方式获取能量，以供数据传输。由于射频(Radio-Frequency， RF)信号支持较长的传输距离并可以同时携带信息和能量，使无线能量传输 (Wireless Energy Transmission，WET)成为一种特别有吸引力的EH技术。它使能量受限的节点能够获取能量并接收信息，从而几乎无限期地延长它们的寿命。因此，WET在URLLC中是优选的。
在无线能量捕获的短包传输系统性能分析中，包括了诸如能量供应概率、中断概率、时延以及传输速率、错误概率等方面的研究；在短包传输情况下，更合适的可靠性能分析是给定块长度下的错误概率，即块错误概率，以及准确传输信息引入的时延，现有文章导出了给定分组块长度和编码率的错误概率，并发现随着系统的块长度减小，PEP增加。已有文献分别在时分多址接入和破零波束成形情景下研究了多用户短包传输系统的块错误概率，并分别对块长度分配和功率分配系数进行优化，使系统的总块错误概率最小化。但是目前对时延性能的研究非常有限。同时随机的能量收集过程和有限的能量收集量是能量收集通信系统的基本特点，使时延性能的分析更加困难。随机网络演算作为被学术界广泛认可的性能分析工具，在这个问题的解答上具有很大的潜力。因此，本发明利用随机网络演算理论对无线能量捕获的短包传输系统的时延性能进行研究。
香农容量不适用于短数据包场景。香农容量意味着当使用足够长的分组时可以实现任意低误差概率，即引入足够长的延迟。但是在短包通信场景中，错误概率不能忽略。同时，系统采用短数据包传输，其能量捕获的效率较低，直接影响系统的可靠性和能量捕获所用时间。多天线技术能够利用空间资源，实现复用增益，提高短数据包传输系统的最大可实现速率(Maximal Achievable Rate，MAR)进而降低传输时延；同时也可以实现分集增益，从而降低系统的块错误概率(Packet Error Probability，PEP)。在能量捕获方面，文献在能量发射器(Energy Transmitter，ET)和能量接收器(Energy Receiver， ER)配置多个天线，ET利用多个天线，通过波束成形技术将发射的无线能量聚焦到ER的方向，而ER的多个天线增加了接收能量收集的面积，能够有效提高能量捕获效率，进而提高短数据包传输系统的数据传输性能。本发明把多天天线技术引入到无线能量捕获的短包传输系统，提高系统的可靠性和时延。
本发明研究了一个无线能量捕获的短包传输系统的块错误概率和块错误概率约束下的时延性能。在该系统中，源节点通过无线能量传输由能量发送器(ET)供电，并使用收集的能量与用户进行信息传输。本研究首先推导出每个用户的块错误概率的近似闭合表达式，然后利用随机网络演算理论研究了基于块错误概率约束的排队时延性能。在时延性能的研究中，本发明首先分析服务过程的累积服务容量得到时延边界，同时考虑信息未准确传输引起的时延，最终推导出给定目标时延的时延违背概率。仿真结果验证了块错误概率和时延违背概率闭合表达式的正确性，同时进一步分析了无线供电通信系统的性能。
本发明提供的方法具体如下：
1系统模型
如图2所示的系统模型，考虑一个无线能量传输系统，节点利用捕获到的能量进行信息传输，系统包括能量发射器ET、源节点S、K个用户U1,U2,…,UK组成，其中用户只配置一根接收天线，源节点S配置两个天线阵列，分别进行能量捕获(NEH)和信息传输(NID)，能量发射器ET配置M根天线。源节点S的能量捕获过程和信息传输过程是同时进行的，源节点S通过ET发出的RF信号进行能量收集，进而利用捕获的能量与用户U进行信息传输。
2.1能量捕获(ENERGY HARVESTING)
首先考虑在ET处的能量波束成形，假设在ET处一共有d个能量波束， 1≤d≤M。ET处传输的能量信号为
Figure RE-GDA0002308827660000141
其中，ωi∈CM×1是第i个传输波束成形向量，si是相应的能量信号。在ET处的传输协方差矩阵为
Figure RE-GDA0002308827660000142
P为ET的传输功率，E(||x||2)＝tr(S)≤P。
Figure RE-GDA0002308827660000143
为ET到S之间的MIMO 信道矩阵，
Figure RE-GDA0002308827660000144
根据能量捕获准则，源节点S的捕获功率
PE＝E(||Hx||2)＝ηtr(GS) (2)
其中：η为能量捕获效率。
假设ET完全知道信道状态信息(channel state information，CSI)，通过最大化ET的传输能量获取最优的能量波束成形矢量
Figure RE-GDA0002308827660000145
ηtr(GS)
s.t.S≥0,tr(S)≤P (3)
现有文献已经求得问题(3)的最优解。因此采用的最优波束成型矢量为
Figure RE-GDA0002308827660000146
其中，υ1为G的最大特征向量所对应的特征向量。此时，源节点S的最大捕获功率为
PE *＝ηPλ1 (5)
由文献可知G的最大特征值λ1服从Tracy-Widom分布。∑T和∑R分别表示M×M 维发射天线之间和NEH×NEH维接收天线之间的相关矩阵，则H的协方差矩阵为
Figure RE-GDA0002308827660000151
即
Figure RE-GDA0002308827660000152
假设相关仅仅存在于发射端，即∑R＝I。λ1的累积分布函数
Figure RE-GDA0002308827660000153
和概率密度函数
Figure RE-GDA0002308827660000154
分别为
Figure RE-GDA0002308827660000155
Figure RE-GDA0002308827660000156
其中，det[·]表示矩阵的行列式，以及
Figure RE-GDA0002308827660000157
矩阵Δ(x)和Θ(x)的元素分别为
Figure RE-GDA0002308827660000158
Figure RE-GDA0002308827660000159
μj为∑T为特征值，0<μ1<μ2<…<μM。
2.2信息传输(DATA TRANSMISSION)
假设源节点S捕获到的能量全部用于与用户U1,U2,…,UK的信息传输，没有其他的能量消耗，因此，源节点S信息传输发射功率为
pS＝pE (11)
源节点S利用捕获到的能量与用户U1,U2,…,UK进行信息传输，其中，用户Uk的接收信号为
Figure RE-GDA00023088276600001510
Figure RE-GDA00023088276600001511
其中，
Figure RE-GDA00023088276600001512
为S与Uk之间的NID×1信道矢量，Ωk为路径衰落，gk为信道小尺度衰落向量，
Figure RE-GDA00023088276600001513
nk～CN(0，σ2)为加性高斯白噪声；
Figure RE-GDA0002308827660000161
为S的1×NID预编码矩阵；vk,k＝1,2,…,K为信息xk的一个1×NID波束成形矢量，||vk||＝1；βk为xk的功率分配系数，
Figure RE-GDA0002308827660000162
xk为源节点S给用户Uk传输的信息。
Figure RE-GDA0002308827660000163
其中，
Figure RE-GDA0002308827660000164
J＝diag(b1,…,bK)是V的列向量的单位2范数通过文献[1][8] 可知bkPDF为
Figure RE-GDA0002308827660000165
其中，m＝NID-K+1。因此，Uk的瞬时信噪比(Signal-to-Noise Ratio,SNR)为
Figure RE-GDA0002308827660000166
为了更好的反映用户的传输性能，需要求得其平均SNR
Figure RE-GDA0002308827660000167
Figure RE-GDA0002308827660000168
香农容量不适用于短数据包场景。香农容量意味着当使用足够长的分组时可以实现任意低误差概率，即引入足够长的延迟。在短分组的情况下，更合适的度量是给定块长度n和错误概率ε下的最大可实现速率。现有文献已经推导出单天线短包信息传输系统的最大可实现速率
Figure RE-GDA0002308827660000169
其中，
Figure RE-GDA00023088276600001610
为由香农定理得到的信道容量；
Figure RE-GDA00023088276600001611
为信道散度；
Figure RE-GDA00023088276600001612
为冗余项；Q-1(·)为高斯函数Q的反函数
Figure RE-GDA00023088276600001613
得到多天线短包信息传输系统的最大可实现速率R*(n,ε)
Figure RE-GDA00023088276600001614
2.3随机网络演算
由于能量收集过程和能量消耗过程均具有较强的随机性，同时对高通信质量要求和多元化服务需求，排队论已经无法满足分析的需要，因此，利用互补累积分布函数(Complementary Cumlative Distribution，CCDF)法对系统的排队时延进行分析。CCDF法是一种基于随机网络演算的性能分析方法。假设 A(t)为时间区间(0,t)的信息到达量，并且A(t)服从独立同分布。
定义1：对于两个随机过程X和Y，它们的最小加卷积定义为
Figure RE-GDA0002308827660000171
当t<0时，
Figure RE-GDA0002308827660000172
A(s,t)、S(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure RE-GDA0002308827660000173
对于A(s,t)、S(s,t)和D(s,t)的关系式，存在τ0使的D(s,t)＝A(s,τ0)+S(τ0,t)成立，当τ0＝s时，表示这段时间内业务到达率始终大于系统的服务速率，此时离开量 D(s,t)＝S(τ0,t)；当s<τ0<t时，表示在时间段(s,τ0]内，业务到达率始终小于系统的服务速率，在时间段(τ0,t]内，业务到达率始终大于系统的服务速率；当τ0＝t时，表示这段时间内业务到达率始终小于系统的服务速率，此时离开量 D(s,t)＝A(s,τ0)。
3性能分析
3.1系统服务特性
基于随机网络演算的性能分析过程主要分为以下两步：
首先，寻找随机到达曲线刻画业务累积到达量A(s,t)的包络上边界，寻找随机服务曲线刻画系统累积服务量S(s,t)的包络下边界。然后，利用所得到随机到达曲线和随机服务曲线推导得到业务的时延边界分布。
定义2：随机过程X在时间区间(s,t]内的累积量的矩母函数为E[eθX(s,t)]，其中θ为自由优化参数。若存在有限常量C满足下式：
Figure RE-GDA0002308827660000174
则称随机过程X具有有限矩母函数。
当信息的到达过程为独立同分布过程，则到达曲线和服务曲线为
Figure RE-GDA0002308827660000175
两个包的到达间隔以参数
Figure RE-GDA0002308827660000181
指数分布。假设每个包含有k bits信息。因此，到达曲线为
Figure RE-GDA0002308827660000182
在时间区间[0,t)系统的累积服务量为
S(t)＝R*(n,ε)t (25)
因此，系统的服务曲线为：
Figure RE-GDA0002308827660000183
3.2块错误概率
假设εk为用户Uk的错误概率。当n>100时，在准静态衰落信道中，εk可以近似为
Figure RE-GDA0002308827660000184
由于高斯函数极为复杂，求解较难，因此从高斯函数的近似形式着手，求得εk的闭合表达式。进一步得到高斯函数近似
Figure RE-GDA0002308827660000185
其中，
Figure RE-GDA0002308827660000186
公式(17)已经得出Uk的SNR，进一步得到用户Uk的SNR的累积分布函数(Cumulativedistribution function，CDF)
Figure RE-GDA0002308827660000187
因此，其概率密度函数(Probability density function，PDF)为
Figure RE-GDA0002308827660000188
其中，
Figure RE-GDA0002308827660000189
因此，公式(31)可以表示为
Figure RE-GDA0002308827660000191
(a)用到了公式(28)中的高斯函数近似，其中，
Figure RE-GDA0002308827660000192
得到用户U的块错误概率近似表达式为
Figure RE-GDA0002308827660000193
3.3块错误概率约束下的时延
εth为S与Uk信息传输的最大块错误概率。此时系统的信息传输速率和累积服务量分别为
Figure RE-GDA0002308827660000194
Figure RE-GDA0002308827660000195
我们假设Ak(t)和Dk(t)是对立的(并且两者具有独立的平稳增量/服从什么分布)，d为系统可容忍的最大时延。因此，用户k的排队时延Wk(t)为
Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)} (33)
由于事件{Wk(t)>d}的发生意味着事件Ak(t)>Dk(t+d)的发生，两个事件存在关系
Figure RE-GDA0002308827660000196
因此，
Pr{Wk(t)>d}≤Pr{Ak(t)>Dk(t+d)} (34)
根据公式(21)，得到
Figure RE-GDA0002308827660000197
进而利用到达曲线和服务曲线得到
Figure RE-GDA0002308827660000201
令
Figure RE-GDA0002308827660000202
Xk＝Ak(k-1,k)，进一步可以得到E(Vs+1|V1,V2,…,Vs)≤Vs。因此，时延违背概率上界限为
Figure RE-GDA0002308827660000203
另外，延迟违反概率界限随着θ的增加而减小，这意味着用更大的θ可以实现更严格的界限。但是，θ需要满足以下条件
Figure RE-GDA0002308827660000204
因此，最优的θ为
θ*＝max{θ:α0≤β0} (39)
其中，
Figure RE-GDA0002308827660000205
进而，相应的时延违背概率的上界为
Figure RE-GDA0002308827660000206
当S捕获的能量不足时，用户U的块错误概率ε不能满足ε≤εth的要求，我们令Pout表示：给定目标错误εth，捕获的能量不足以满足U对γ需求的概率
Pout＝Pr{εk>εth} (41)
当给定目标错误εth，则就确定了Uk最小的SNR
Figure RE-GDA0002308827660000207
则存在以下关系
Figure RE-GDA0002308827660000208
通过公式(5)(6)(11)可以得到
Figure RE-GDA0002308827660000209
因此
Figure RE-GDA00023088276600002010
令
Figure RE-GDA00023088276600002011
因此
Figure RE-GDA00023088276600002012
总的时延违背概率
p＝(1-Pout)Pd+Pout (46)
注：在这里我们取公式(40)等号，带入(46)中，最后得到
Figure RE-GDA0002308827660000211
4仿真分析
在本节中，我们给出了研究无线通信系统的PEP和PEP约束延迟的数值结果。除另有说明外，所采用的各项有关参数的数值如下：能量发射器ET的发射功率PE＝30dBm。能量捕获效率η＝0.5,总用户K＝3，功率分配系数βk＝1/3,
Figure RE-GDA0002308827660000212
传输的信息量k＝256bit，路径损耗系数ω＝3、噪声功率
Figure RE-GDA0002308827660000213
为了描述路径衰落的影响，信道衰落模型为
Figure RE-GDA0002308827660000214
其中传输距离dk＝100，路径损耗系数ω＝3。同时，假设ET与S间的距离为12m。
在图3中，我们绘制了用户的PEP与信噪比的关系图。在图3中，我们发现用户的PEP受信噪比、天线数量和WIT块长度的影响。并发现它与上述三个参数中的任何一个成反比关系，比如，在给定天线数目和信噪比的情况下，PEP随着WIT长度的减小而增大。因此，可以通过增加信噪比SNR、天线数目NID和WIT分组长度来降低用户的PEP，从而提高系统的可靠性。
图4给出了在NID＝4,n＝500，εk≤εth条件下，时延违背概率的上界与时延需求之间的关系。可以看出，最大块错误概率εth的值越大，时延性能越差，这是符合预期的，因为信息传输速率受块错误概率的影响，εth越大，信息传输速率越小，进而系统的累积离开量减少，因此在该阶段到达的数据包等待时延越长，这导致了时延性能的恶化。
5总结
本发明研究了无线能量捕获的短包传输系统的块错误概率和延迟性能。在该系统中，源节点通过无线能量传输由能量发送器供电，并使用收集的能量与用户进行信息传输。本研究首先推导出每个用户的块错误概率的近似闭合表达式，然后利用随机网络演算理论研究了基于块错误概率约束的排队时延性能。在时延性能的研究中，本发明首先分析服务过程的累积服务容量得到时延边界，同时考虑信息未准确传输引起的时延，最终推导出给定目标时延的时延违背概率。仿真结果验证了块错误概率和时延违背概率闭合表达式的正确性，同时进一步分析了无线供电通信系统的性能。
本说明书中各个部分采用递进的方式描述，每个部分重点说明的都是与其他部分的不同之处，各个部分之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本申请中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本申请所示的实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.基于多天线能量捕获的短包通信传输性能分析方法，其特征在于，其具体包括如下步骤：
步骤A，在多天线能量捕获短包通信系统中，为能量发射器和源节点配置多个天线，利用源节点捕获到的能量进行信息发送，根据实际需求构建了系统模型,并计算信道增益矩阵；
步骤B，根据步骤A的系统模型和信道增益矩阵，计算源节点捕获的能量并对其进行优化得到能量捕获的最大值，然后计算信息传输阶段的发射功率，并得到用户的信噪比以及最大可实现速率；
步骤C，计算系统的错误概率；
步骤D，利用随机网络演算的方法，求得系统的累积到达服务量及系统的传输速率；
步骤E，推导出未准确传输的概率，综合分析未准确传输及准确传输的时延违背概率，进而分析整个系统的时延性能；
其中，步骤A具体包括：
A1，将多天线技术应用到无线能量捕获短包传输系统中，系统由能量发射器ET、源节点S和K个用户组成，由于节点能量受限，用户都配备单天线，并分布于不同的位置，分别用U1,U2,…,UK表示；其中用户只配置一根接收天线，源节点S配置两个天线阵列，分别进行能量捕获(NEH)和信息传输(NID)，能量发射器ET配置M根天线，源节点S的能量捕获过程和信息传输过程是同时进行的，源节点S通过ET发出的RF信号进行能量收集，进而利用捕获的能量与用户U进行信息传输；
A2，对步骤A1的系统模型，计算能量捕获阶段和无线信息传输阶段的信道增益矩阵
Figure FDA0003863510930000011
其中，步骤B具体包括：
B1，首先考虑在ET处的能量波束成形，假设在ET处一共有d个能量波束，1≤d≤M，ET处传输的能量信号为
Figure FDA0003863510930000021
其中，
Figure FDA0003863510930000022
是第i个传输波束成形向量，si是相应的能量信号，在ET处的传输协方差矩阵为
Figure FDA0003863510930000023
(γ)H代表着矩阵的共轭转置；
B2，由步骤B1得到的协方差矩阵，可以求出源节点捕获的能量PE＝E(||Hx||2)＝ηtr(GS)，其中，η为能量捕获效率，tr代表矩阵运算的迹；H为能量发射器到源节点之间的MIMO信道矩阵，
Figure FDA0003863510930000024
计算得到的源节点捕获的能量通过优化的方法得到能量捕获的最大值pE *＝ηPλ1，P为能量传输的传输功率，λ1为矩阵G的最大的特征值，λ1服从Tracy-Widom分布；
B3，假设源节点S捕获到的能量全部用于与用户U1,U2,…,UK的信息传输，没有其他的能量消耗，因此源节点S信息传输发射功率为PS＝PE，用户UK的接收信号
Figure FDA0003863510930000025
其中
Figure FDA0003863510930000026
为S与Uk之间的NID×1信道矢量，Ωk为路径衰落，gk为信道小尺度衰落向量，
Figure FDA0003863510930000027
nk～CN(0，σ2)为加性高斯白噪声；
Figure FDA0003863510930000028
为S的1×NID预编码矩阵；vk,k＝1,2,…,K为信息xk的一个1×NID波束成形矢量，||vk||＝1；βk为xk的功率分配系数，
Figure FDA0003863510930000029
xk为源节点S给用户Uk传输的信息；
B4，当传输者完全知道信道矩阵
Figure FDA00038635109300000210
可得波束成形矢量
Figure FDA00038635109300000211
其中，
Figure FDA00038635109300000212
(γ)-1是矩阵的求逆运算，J＝diag(b1,…,bK)是V的列向量的单位2范数可推出bk概率密度函数为
Figure FDA00038635109300000213
其中，m＝NID-K+1，因此，Uk的瞬时信噪比(Signal-to-Noise Ratio,SNR)为
Figure FDA00038635109300000214
求得平均信噪比
Figure FDA00038635109300000215
并得到多天线短包信息传输系统的最大可实现速率
Figure FDA00038635109300000216
其中
Figure FDA00038635109300000217
Figure FDA00038635109300000218
为冗余项；Q-1(·)为高斯函数，Q的反函数
Figure FDA00038635109300000219
其中，步骤C具体包括：
C1，根据源节点与用户的空间分布和迫零波束成形方法得到每个用户的信噪比累积分布函数
Figure FDA0003863510930000031
其概率密度函数为
Figure FDA0003863510930000032
其中，
Figure FDA0003863510930000033
C2，利用高斯函数近似的方法，推导出每个用户的块错误概率
Figure FDA0003863510930000034
其中
Figure FDA0003863510930000035
求得近似块错误概率为
Figure FDA0003863510930000036
其中高斯近似函数为
Figure FDA0003863510930000037
其中，
Figure FDA0003863510930000038
其中，步骤D具体包括：
D1：利用互补累积分布函数(Complementary Cumlative Distribution，CCDF)法对系统的排队时延进行分析，CCDF法是一种基于随机网络演算的性能分析方法，S(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure FDA0003863510930000039
D2：寻找随机到达曲线刻画业务累积到达量A(s,t)的包络上边界，寻找随机服务曲线刻画系统累积服务量S(s,t)的包络下边界，然后，利用所得到随机到达曲线和随机服务曲线推导得到业务的时延边界分布；
D3：随机过程X在时间区间(s,t]内的累积量的矩母函数为E[eθX(s,t)]，其中θ为自由优化参数，若存在有限常量C满足下式：
Figure FDA00038635109300000310
则称随机过程X具有有限矩母函数，当信息的到达过程为独立同分布过程，则到达曲线和服务曲线为
Figure FDA0003863510930000041
两个包的到达间隔以参数
Figure FDA0003863510930000042
指数分布，假设每个包含有kbits信息，因此，到达曲线为
Figure FDA0003863510930000043
在时间区间[0,t)系统的累积服务量为S(t)＝R*(n,ε)t，因此，系统的服务曲线为：
Figure FDA0003863510930000044
D4，εth为S与Uk信息传输的最大块错误概率，根据B4以及D3可以得出，此时系统的信息传输速率为
Figure FDA0003863510930000045
累积服务量为
Figure FDA0003863510930000046
其中，步骤E具体包括：
E1：对于两个随机过程X和Y，它们的最小加卷积定义为
Figure FDA0003863510930000047
当t<0时，
Figure FDA0003863510930000048
A(s,t)、A(s,t)和D(s,t)分别为系统在时间区间(s,t]内信息累积到达量、服务量和离开量，它们的关系为
Figure FDA0003863510930000049
对于A(s,t)、S(s,t)和D(s,t)的关系式，存在τ0使的D(s,t)＝A(s,τ0)+S(τ0,t)成立，当τ0＝s时，表示这段时间内业务到达率始终大于系统的服务速率，此时离开量D(s,t)＝S(τ0,t)；当s<τ0<t时，表示在时间段(s,τ0]内，业务到达率始终小于系统的服务速率，在时间段(τ0,t]内，业务到达率始终大于系统的服务速率；当τ0＝t时，表示这段时间内业务到达率始终小于系统的服务速率，此时离开量D(s,t)＝A(s,τ0)；
E2：假设Ak(t)和Dk(t)是对立的，d为系统可容忍的最大时延，因此，用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}，由于事件{Wk(t)>d}的发生意味着事件Ak(t)>Dk(t+d)的发生，两个事件存在关系
Figure FDA00038635109300000410
则时延的违背概率为
Figure FDA00038635109300000411
；
E3：根据D3所得的到达曲线和服务曲线，求得时延违背概率的上界
Figure FDA0003863510930000051
其中，用户k的排队时延Wk(t)为Wk(t)＝inf{d≥0:Ak(0,t)≤Dk(0,t+d)}，时延违背概率界限随着θ的增加而减小，这意味着用更大的θ可以实现更严格的界限，但是，θ需要满足以下条件：
Figure FDA0003863510930000052
因此，最优的θ为θ*＝max{θ:α0≤β0}，其中，
Figure FDA0003863510930000053
相应的时延违背概率的上界为
Figure FDA0003863510930000054
E4：当S捕获的能量不足时，用户U的块错误概率ε不能满足ε≤εth的要求，我们令Pout表示给定目标错误εth，捕获的能量不足以满足U对γ需求的概率Pout＝Pr{εk>εth}，给定目标错误εth，则就确定了Uk最小的信噪比
Figure FDA0003863510930000055
Figure FDA0003863510930000056
E5：总的时延违背概率p＝(1-Pout)Pd+Pout，根据E3和E4可以得出
Figure FDA0003863510930000057
其中令
Figure FDA0003863510930000058
CN201910800105.8A 2019-08-28 2019-08-28 一种基于多天线能量捕获的短包通信传输性能分析方法 Active CN110708716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910800105.8A CN110708716B (zh) 2019-08-28 2019-08-28 一种基于多天线能量捕获的短包通信传输性能分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910800105.8A CN110708716B (zh) 2019-08-28 2019-08-28 一种基于多天线能量捕获的短包通信传输性能分析方法

Publications (2)

Publication Number Publication Date
CN110708716A CN110708716A (zh) 2020-01-17
CN110708716B true CN110708716B (zh) 2023-02-17

Family

ID=69193989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910800105.8A Active CN110708716B (zh) 2019-08-28 2019-08-28 一种基于多天线能量捕获的短包通信传输性能分析方法

Country Status (1)

Country Link
CN (1) CN110708716B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112492627B (zh) * 2020-12-08 2023-05-12 哈尔滨工业大学（深圳） 后到先服务通信系统、发射端设备、介质及性能优化方法
CN112616157B (zh) * 2020-12-11 2024-03-08 大连大学 基于网络演算的无线多跳Mesh网络端到端时延上界获取方法
CN113938252B (zh) * 2021-08-23 2023-04-25 华北电力大学（保定） 一种降低时延违约概率的传输方法
CN115001986B (zh) * 2022-05-06 2023-10-27 河北华万电子科技有限公司 基于新能源控制plc通信时延与中断概率估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108882378A (zh) * 2018-08-30 2018-11-23 华北电力大学（保定） 一种时间资源分配方法
CN109067488A (zh) * 2018-07-13 2018-12-21 吉林大学 基于能量累积的信息与能量双向传输系统性能的优化方法
CN109151946A (zh) * 2017-06-28 2019-01-04 中国科学院深圳先进技术研究院 基于能量收集的协作中继传输方法、系统及多天线发送端
CN109379226A (zh) * 2018-10-22 2019-02-22 电子科技大学 一种结合预测控制系统的短包传输方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190058242A1 (en) * 2017-08-21 2019-02-21 Joseph Akwo Tabe Energy harvesting substrate network and communication apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151946A (zh) * 2017-06-28 2019-01-04 中国科学院深圳先进技术研究院 基于能量收集的协作中继传输方法、系统及多天线发送端
CN109067488A (zh) * 2018-07-13 2018-12-21 吉林大学 基于能量累积的信息与能量双向传输系统性能的优化方法
CN108882378A (zh) * 2018-08-30 2018-11-23 华北电力大学（保定） 一种时间资源分配方法
CN109379226A (zh) * 2018-10-22 2019-02-22 电子科技大学 一种结合预测控制系统的短包传输方法

Also Published As

Publication number Publication date
CN110708716A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN110708716B (zh) 一种基于多天线能量捕获的短包通信传输性能分析方法
Chen et al. Robust transmission for reconfigurable intelligent surface aided millimeter wave vehicular communications with statistical CSI
CN110855335B (zh) 基于功率与速率联合优化的下行虚拟mimo-noma方法
Choi et al. Two-stage analog combining in hybrid beamforming systems with low-resolution ADCs
CN108923898B (zh) 硬件损伤下无线能量传输的大规模mimo系统能效优化方法
CN106972880B (zh) 一种基于swipt技术的发送端及中继的低复杂度联合预编码方法
WO2021249515A1 (zh) 信道信息反馈方法、通信装置及存储介质
Liu et al. Two-timescale hybrid compression and forward for massive MIMO aided C-RAN
CN104702390A (zh) 分布式压缩感知信道估计中的导频分配方法
Hong et al. Wireless power transfer for distributed estimation in wireless passive sensor networks
CN107566305A (zh) 一种低复杂度的毫米波系统信道估计方法
JP2012533952A (ja) Ｍｕ−ｍｉｍｏ通信システムの送信機のためのプリコーディング方法
CN111132333B (zh) 无线供电网络中基于时间反演的时间分配装置及方法
CN108512579B (zh) 基于eh-mimo通信系统的天线选择方法
Jaiswal et al. Green computing in IoT: Time slotted simultaneous wireless information and power transfer
US20140348256A1 (en) Method of grouping transmitter-receiver pairs for communicating over a communications network
WO2015182890A1 (ko) 에너지 효율성의 최적화를 통한 신호 전송 방법 및 기지국
CN106788631A (zh) 一种基于局部校准的大规模mimo互易性校准方法
Rajput et al. Bayesian learning-based linear decentralized sparse parameter estimation in MIMO wireless sensor networks relying on imperfect CSI
CN108337024B (zh) 一种基于能量采集的大规模mimo系统能效优化方法
CN112888020A (zh) 一种基于时间反演的无线电网络用户数据传输方法
CN101969324A (zh) 一种信号中继传输方法、装置及系统
CN107733488B (zh) 一种大规模mimo系统中注水功率分配改进方法及系统
Thakur et al. Performance analysis of energy-efficient multi-cell massive MIMO system
CN101800610B (zh) 估计信道质量的方法和装置

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