CN111132299B - 中继系统的资源分配方法和装置 - Google Patents

中继系统的资源分配方法和装置 Download PDF

Info

Publication number
CN111132299B
CN111132299B CN201911245223.3A CN201911245223A CN111132299B CN 111132299 B CN111132299 B CN 111132299B CN 201911245223 A CN201911245223 A CN 201911245223A CN 111132299 B CN111132299 B CN 111132299B
Authority
CN
China
Prior art keywords
throughput
boundary value
optimal
vector
coefficient
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
CN201911245223.3A
Other languages
English (en)
Other versions
CN111132299A (zh
Inventor
刘志伟
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.)
Sun Yat Sen University
Original Assignee
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201911245223.3A priority Critical patent/CN111132299B/zh
Publication of CN111132299A publication Critical patent/CN111132299A/zh
Application granted granted Critical
Publication of CN111132299B publication Critical patent/CN111132299B/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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
    • 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
    • H04W52/38—TPC being performed in particular situations
    • H04W52/46—TPC being performed in particular situations in multi hop networks, e.g. wireless relay networks

Landscapes

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

Abstract

本申请涉及一种中继系统的资源分配方法、装置、计算机设备和存储介质。方法包括：采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；将能量收集信号所占的比值，记为功率分割系数，以及，将对中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；根据功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型；输入功率分割系数的初始上边界值、初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，得到优化结果参数。采用本方法能够在中继节点无源工作的基础上，最大化中继系统的源端到终端的吞吐量。

Description

中继系统的资源分配方法和装置
技术领域
本申请涉及无线通信技术领域，特别是涉及一种中继系统的资源分配方法、装置、计算机设备和存储介质。
背景技术
无线信息与能量同时传输(simultaneous wireless information and powertransfer，SWIPT)技术是一种用于解决无线通信网络中传感器节点能量受限问题的先进技术。传统的点对点系统中的SWIPT在长距离传输下受路径损耗影响非常严重，因此常常会考虑在源端与终端间部署多个中继节点，即部署协作中继系统，来延伸传输距离并提高信息和能量传输性能。
然而现有的方法中，中继节点都需要电源设备给中继节点供电，但在实际应用中，当中继节点较多时，经常更换电源或充电将耗费大量的人力和物力，使得中继系统的使用受到限制。采用SWIPT技术使中继节点可从信号中获取能量，从而解决这一问题。但是另一方面，由于使用SWIPT技术将接收的信号转化为能量信号，系统源端传输至终端的有效信息，即吞吐量也将减少。
因此，现有的中继系统信息传输方法存在给中继节点供电麻烦，系统源端到终端的吞吐量无法保证的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现中继节点无源工作并最大化源端至终端吞吐量的中继系统的资源分配方法、装置、计算机设备和存储介质。
一种中继系统的资源分配方法，所述方法包括：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量。
一种中继系统的资源分配装置，所述装置包括：
信号分割模块，用于采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
参数确定模块，用于将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
模型构建模块，用于根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
结果生成模块，用于输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、以及预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量。
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以下步骤：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量。
上述中继系统的资源分配方法、装置、计算机设备和存储介质，通过采用功率分割协议将接收信号分割为能量收集信号和信息传输信号，通过能量收集信号给中继节点提供能量，无需外部电源设备提供能量，实现中继节点的无源工作。通过对功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型，并输入功率分割系数的初始上边界值、初始下边界值、预设的系数收敛精度、黄金分割比例、以及预设的吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，得到优化结果参数，通过优化结果参数实现所述源端至所述终端的吞吐量的最大化。从而，实现在中继节点无源工作的基础上，通过对时隙划分矢量和功率分配矢量的联合优化，得到最优资源分配方案，以最大化多跳中继系统的源端到终端的吞吐量。
附图说明
图1为一个实施例中中继系统的系统模型图；
图2为一个实施例中中继系统的资源分配方法的流程示意图；
图3为一个实施例中中继系统的系统时间帧结构示意图；
图4为一个实施例中中继系统的资源分配装置的结构框图；
图5为一个实施例中中继系统源端到终端的吞吐量与中继节点数量的关系图；
图6为一个实施例中中继系统与点对点传输系统的吞吐量对比结果图；
图7为一个实施例中本申请的时隙优化方案与等时隙划分方案的吞吐量对比结果图；
图8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。
本申请提供的中继系统的资源分配方法，可以应用于如图1所示的多跳译码转发中继系统中，图中R0表示源端，RN+1表示终端，R1、R2至RN表示中继节点。其中，源端R0在N个中继节点的协助下与终端RN+1进行通信；fn表示节点Rn与Rn+1之间的信道系数。
在一个实施例中，如图2所示，提供了一种中继系统的资源分配方法，以该方法应用于图1中的中继节点为例进行说明，包括以下步骤：
步骤S202，采用功率分割协议将接收信号分割为能量收集信号和信息传输信号。
其中，功率分割协议表示将接收信号按一定功率比例分为两部分，一部分用于信息接收，一部分用于能量接收。
具体实现中，中继节点的接收机采用功率分割协议，射频信号经过天线接收，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，能量占用比例记为λ，λ∈(0,1)，另一部分用于信息处理，能量占比则为(1-λ)。
步骤S204，将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量。
具体实现中，在将信号分成两部分后，将用于能量收集的信号所占的比例，用λ表示，记为功率分割系数。根据图1，节点Rn处的接收信号可表示为
Figure BDA0002307337130000051
其中，Pn-1和sn-1分别表示节点Rn-1的发射功率和传输信号，Pn,i和zn,i分别表示节点Rn处第i个干扰源的发射功率和干扰信号，wn,a为加性高斯白噪声，其均值为0，方差为
Figure BDA0002307337130000052
节点Rn处收集到的能量为：
Figure BDA0002307337130000053
其中，η为能量转换效率。
将中继系统源端R0至终端RN+1的信息传输时间进行划分的参数，记为时隙划分矢量，用
Figure BDA0002307337130000054
表示。如图3所示，表示整个中继系统的时间帧结构，一个长度为T的时间帧被划分为N+1个时隙，其中，节点Rn分配的信息传输时间为tn。
将对节点的发射功率进行分配的参数，记为功率分配矢量，用
Figure BDA0002307337130000055
表示。计算所述时隙划分矢量和所述功率分配矢量的乘积，作为能量分配矢量，其中，在发射信号时，节点发射信号所消耗的能量不能高于此节点收集到的总能量。
步骤S206，根据功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型；优化数学模型用于对源端至终端的吞吐量进行优化。
其中，吞吐量指单位时间单位带宽内中继系统源端至终端成功地传送数据的数量(以比特测量)，用Re2e表示，单位为比特/秒/赫兹。
具体实现中，以最大化多跳译码转发中继系统的源端至终端的吞吐量为优化目标，将此优化问题记为P1，则可将该优化数学模型表示为：
Figure BDA0002307337130000061
其中，λ表示功率分割系数；
Figure BDA0002307337130000062
表示时隙划分矢量；
Figure BDA0002307337130000063
Figure BDA0002307337130000064
表示功率分配矢量。
其中，
Figure BDA0002307337130000065
表示所有时隙的时间和不能超过源端至终端信息传输的总时间T；Pntn≤En(λ,tn-1,Pn-1)表示中继节点发射信号所消耗的能量不能超过该节点收集到的总能量；P0≤Pmax表示源端R0的实际发射功率不能超过最大发射功率。对问题P1的求解，即是求在满足这些条件时，使吞吐量达到最大化的λ、
Figure BDA0002307337130000066
的取值。
步骤S208，输入功率分割系数的初始上边界值、功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、吞吐量的初始上边界值和吞吐量的初始下边界值，得到优化结果参数；优化结果参数用于最大化吞吐量。
具体实现中，优化数学模型是关于功率分割系数、时隙划分矢量和功率分配矢量三个变量的优化模型，可通过先固定其中一个变量，求解另外两个变量，进而得到另一个变量的方法，求解该优化数学模型。更具体地，首先输入功率分割系数的初始上边界值、初始下边界值，系数收敛精度和黄金分割比例，得到在吞吐量最大化时的最优功率分割系数；进一步根据得到的最优功率分割系数、输入吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，计算得到最优时隙划分矢量，和最优功率分配矢量。所述优化结果参数可以包括：最优功率分割系数、最优时隙划分矢量和最优功率分配矢量，根据优化结果参数，实现中继系统源端至终端吞吐量的最大化。
实际应用中，上述优化数学模型P1中，优化变量
Figure BDA0002307337130000067
耦合在一起，因此P1是一个联合非凸问题。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，引入新的变量
Figure BDA0002307337130000071
使变量
Figure BDA0002307337130000072
解耦，将变量
Figure BDA0002307337130000073
记为能量分配矢量。在获得功率分割系数后，先通过算法计算得到最优能量分配矢量，进而根据功率分配矢量和能量分配矢量的关系式得到最优功率分配矢量。
上述中继系统的资源分配方法中，通过采用功率分割协议将接收信号分割为能量收集信号和信息传输信号，通过能量收集信号给中继节点提供能量，无需外部电源设备提供能量，实现中继节点的无源工作。通过对功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型，并输入功率分割系数的初始上边界值、初始下边界值、预设的收敛精度、黄金分割比例、以及预设的吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，得到优化结果参数，通过优化结果参数实现吞吐量的最大化。从而，实现在中继节点无源工作的基础上，通过对时隙划分矢量和功率分配矢量的联合优化，得到最优资源分配方案，以最大化多跳中继系统的源端到终端的吞吐量。
在一个实施例中，构建优化数学模型的步骤之后，包括：计算时隙划分矢量和功率分配矢量的乘积，作为能量分配矢量；确定能量分配矢量的表达式和时隙划分矢量的表达式，以及，搜索最优功率分割系数；根据最优功率分割系数和能量分配矢量的表达式，计算最优能量分配矢量；根据最优功率分割系数和时隙划分矢量的表达式，计算最优时隙划分矢量。
具体实现中，在获得最优功率分割系数后，将最优功率分割系数分别代入最优时隙划分矢量的表达式和最优能量分配矢量的表达式中，通过迭代算法计算最优时隙划分矢量
Figure BDA0002307337130000074
和最优能量分配矢量
Figure BDA0002307337130000075
本实施例中，通过搜索最优功率分割系数，进而将最优功率分割系数代入最优时隙划分矢量的表达式中，可得到最优时隙划分矢量；将最优功率分割系数代入最优能量分配矢量的表达式中，得到最优能量分配矢量，简化了优化数学模型的求解过程，在实际应用中，还可以通过其他方式求解上述优化数学模型。
首先，需要说明的是：在求解上述优化数学模型时，引入新的变量
Figure BDA0002307337130000081
使变量
Figure BDA0002307337130000082
解耦的同时，还引入新的松弛变量
Figure BDA0002307337130000083
作为每一跳吞吐量Rn的下界，由此则可以将原优化数学模型P1等价转化为如下优化数学模型P2：
Figure BDA0002307337130000084
当固定功率分割系数λ时，P2是关于变量
Figure BDA0002307337130000085
的联合凸问题，因此问题P2可以分解为两个子问题进行求解，分别是：固定功率分割系数的联合时隙划分-能量分配问题P2.1，固定时隙划分和能量分配的功率分割系数优化问题P2.2。
对于问题P2.1，在给定
Figure BDA0002307337130000086
值时，问题P2.1转化为一个凸的可行性问题P3：
Figure BDA0002307337130000087
则问题P2.1的求解可以转化为寻找存在可行解的最优
Figure BDA0002307337130000088
其中，最优
Figure BDA0002307337130000089
可以用二分法进行搜索得到。问题P3的拉格朗日函数为
Figure BDA00023073371300000810
其中，
Figure BDA00023073371300000811
为拉格朗日对偶变量，记为第二对偶变量。则问题P3的对偶函数可表示为：
Figure BDA00023073371300000812
为了便于对问题P3进行求解，可以通过求解问题P3的对偶问题，进而得到问题P3的解。其中，问题P3的对偶问题可以写作
Figure BDA0002307337130000091
类似的，问题P4的拉格朗日函数为
Figure BDA0002307337130000092
其中，ω,
Figure BDA0002307337130000093
和τ均为对偶变量，记为第一对偶变量。由于问题P3是一个凸问题，因此可以使用KKT条件来得到问题P3的最优时隙划分矢量的表达式和最优能量分配矢量的表达式，如下所示：
Figure BDA0002307337130000094
Figure BDA0002307337130000095
其中，
Figure BDA0002307337130000096
表达式中的参数定义为：
Figure BDA0002307337130000097
Figure BDA0002307337130000098
W(x)为Lambert W函数，以及
Figure BDA0002307337130000099
接下来应用次梯度迭代法对第一对偶变量ω,
Figure BDA00023073371300000910
和τ和第二对偶变量
Figure BDA00023073371300000911
进行更新，以得到最优第一对偶变量和最优第二对偶变量，更新公式如下：
Figure BDA0002307337130000101
Figure BDA0002307337130000102
Figure BDA0002307337130000103
Figure BDA0002307337130000104
其中，l为迭代次数，δ为迭代步长。
在一个实施例中，在固定功率分割系数时，优化数学模型的优化问题转化为联合时隙划分-能量分配问题；在固定吞吐量时，固定功率分割系数的联合时隙划分-能量分配问题转化为关于时隙划分矢量和能量分配矢量的凸的可行性问题；根据给定的功率分割系数，计算最优能量分配矢量和最优时隙划分矢量的步骤，包括：初始化时隙划分矢量和能量分配矢量；初始化第一对偶变量和第二对偶变量；将给定的功率分割系数分别代入能量分配矢量的表达式和时隙划分矢量的表达式，对时隙划分矢量和能量分配矢量进行迭代，得到迭代后时隙划分矢量和迭代后能量分配矢量；当第一对偶变量收敛时，将得到的迭代后时隙划分矢量作为最优时隙划分矢量，以及，将得到的迭代后能量分配矢量作为最优能量分配矢量；第一对偶变量为凸的可行性问题的对偶问题的对偶变量。
具体实现中，首先初始化时隙划分矢量
Figure BDA0002307337130000105
和能量分配矢量
Figure BDA0002307337130000106
以及第二对偶变量，然后进入迭代过程，将功率分割系数代入最优时隙划分矢量的表达式和最优能量分配矢量的表达式进行计算，直至第一对偶变量ω,
Figure BDA0002307337130000107
和τ收敛，将此时的时隙划分矢量作为最优时隙划分矢量，以及，将此时的能量分配矢量作为最优能量分配矢量。本实施例的具体算法过程可表示为：
初始化
Figure BDA0002307337130000108
和ω≥0,
Figure BDA0002307337130000109
τ≥0；
repeat
根据最优时隙划分矢量和最优能量分配矢量的表达式计算
Figure BDA00023073371300001010
根据ω,
Figure BDA00023073371300001011
和τ的迭代公式更新ω,
Figure BDA00023073371300001012
和τ；
untilω,
Figure BDA00023073371300001013
和τ收敛；
本实施例，通过迭代算法，即可计算得到最优时隙划分矢量和最优能量分配矢量。采用所获得的最优时隙划分矢量对中继系统进行时隙划分，采用最优能量分配矢量使中继在可以发射信号的同时，消耗最少的能量。
在一个实施例中，在得到最优时隙划分矢量和最优能量分配矢量的步骤之后，还包括：对第二对偶变量进行迭代；第二对偶变量为凸的可行性问题的对偶变量；计算关于第二对偶变量的对偶函数值；若对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量上边界值进行更新；若对偶函数值小于0，则根据第二对偶变量的表达式更新第二对偶变量，直至第二对偶变量收敛至最优值，并将最优值记为最优第二对偶变量。
具体实现中，根据上述实施例可知，根据给定的第二对偶变量
Figure BDA0002307337130000111
和最优时隙划分矢量和最优能量分配矢量，计算关于第二对偶变量的对偶函数值：
Figure BDA0002307337130000112
Figure BDA0002307337130000113
若
Figure BDA0002307337130000114
说明上述问题P3不可解，因此用公式
Figure BDA0002307337130000115
Figure BDA0002307337130000116
更新Rmax值，跳出此循环；若
Figure BDA0002307337130000117
则根据
Figure BDA0002307337130000118
的更新公式进行迭代。对每次更新后的
Figure BDA0002307337130000119
值重新计算函数值
Figure BDA00023073371300001110
并进行是否
Figure BDA00023073371300001111
的判断，重复此过程，直至
Figure BDA00023073371300001112
值收敛至最优值
Figure BDA00023073371300001113
此过程可用算法表示为：
repeat
if
Figure BDA00023073371300001114
then
更新
Figure BDA00023073371300001115
break；
else
根据第二对偶变量
Figure BDA00023073371300001116
的表达式更新
Figure BDA00023073371300001117
endif
until
Figure BDA00023073371300001118
收敛至
Figure BDA00023073371300001119
本实施例中，通过对
Figure BDA00023073371300001120
值的更新，得到最优第二对偶变量
Figure BDA00023073371300001121
进而便于之后根据最优第二对偶变量
Figure BDA00023073371300001122
确定中继系统源端至终端的最优吞吐量。
在一个实施例中，在确定最优第二对偶变量后，确定最优吞吐量的步骤包括：确定吞吐量收敛精度、吞吐量的初始上边界值及吞吐量的初始下边界值；对吞吐量的初始上边界值和初始下边界值进行迭代，得到迭代后吞吐量上边界值和迭代后吞吐量下边界值；当迭代后吞吐量上边界值与迭代后吞吐量下边界值之差的绝对值小于吞吐量收敛精度时，将迭代后吞吐量上边界值记为最优吞吐量上边界值，将迭代后吞吐量下边界值记为最优吞吐量下边界值；将最优吞吐量上边界值与最优吞吐量下边界值之和的一半，作为最优吞吐量。
在一个实施例中，对吞吐量的初始上边界值和初始下边界值进行迭代的步骤，包括：将最优第二对偶变量代入对偶函数，计算最优对偶函数值；若最优对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量的初始上边界值进行更新；若最优对偶函数值小于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量下边界值，对吞吐量的初始下边界值进行更新。
具体实现中，在获得最优时隙划分矢量和最优能量分配矢量后，上述固定功率分割系数的联合时隙划分-能量分配优化问题，即确定最优吞吐量的算法过程可表示为：
输入：功率分割系数λ，系数收敛精度∈，步长δ，吞吐量的初始上边界值Rmax，吞吐量的初始下边界值Rmin；
输出：最优时隙划分矢量
Figure BDA0002307337130000121
最优能量分配矢量
Figure BDA0002307337130000122
最优源端到终端吞吐量
Figure BDA0002307337130000123
repeat
计算
Figure BDA0002307337130000124
初始化
Figure BDA0002307337130000125
repeat
初始化
Figure BDA0002307337130000126
和ω≥0,
Figure BDA0002307337130000127
τ≥0；
repeat
根据最优时隙划分矢量和最优能量分配矢量的表达式计算
Figure BDA0002307337130000128
根据ω,
Figure BDA0002307337130000131
和τ的更新公式进行迭代；
untilω,
Figure BDA0002307337130000132
和τ收敛；
if
Figure BDA0002307337130000133
then
更新
Figure BDA0002307337130000134
break；
else
根据第二对偶变量
Figure BDA0002307337130000135
的更新公式进行迭代；
endif
until
Figure BDA0002307337130000136
收敛至
Figure BDA0002307337130000137
if
Figure BDA0002307337130000138
then
更新
Figure BDA0002307337130000139
else
更新
Figure BDA00023073371300001310
endif
until|Rmax-Rmin|<∈；
return
Figure BDA00023073371300001311
其中，在判断
Figure BDA00023073371300001312
时，说明目标吞吐量值太大，问题P3无解，因此用公式
Figure BDA00023073371300001313
替换吞吐量的上边界值Rmax，以减小Rmax的值；若
Figure BDA00023073371300001314
说明问题P3可解，目标吞吐量值可以达到，但该值未必是最优的，因此，需要将吞吐量增大，以寻找最优的吞吐量，直到找到存在可行解的最大目标吞吐量，作为最优吞吐量。
上述实施例，给出了计算最优时隙划分矢量、最优能量分配矢量和最优吞吐量的具体实现算法。首先，固定吞吐量和第二对偶变量，求得最优时隙划分矢量和最优能量分配矢量；进一步，对第二对偶变量进行迭代，求得最优第二对偶变量；最后，对吞吐量进行迭代，求得最优吞吐量。其中，对于每一个固定的功率分割系数λ，都可以用该算法求得最优的时隙划分和能量分配方法。
在一个实施例中，搜索最优功率分割系数的步骤，包括：确定功率分割系数的初始上边界值和初始下边界值，以及，确定系数收敛精度和黄金分割比例；基于黄金分割搜索方法对功率分割系数的初始上边界值和初始下边界值进行迭代，得到迭代后系数上边界值和迭代后系数下边界值；当迭代后系数上边界值和迭代后系数下边界值之差的绝对值小于系数收敛精度时，停止迭代，并将迭代后系数上边界值作为最优系数上边界值，以及，将迭代后系数下边界值作为最优系数下边界值；计算最优系数上边界值和最优系数下边界值之和的一半，作为最优功率分割系数。
其中，黄金分割搜索是一种通过不断缩小单峰函数的最值的已知范围，从而找到最值的方法。通过迭代确定一个包含最优解的区间，通过选择误差控制区间的长度，直至最后得到的区间长度小于设定的收敛精度。
具体实现中，将功率分割系数的初始下边界值，用λlow表示；将功率分割系数的初始上边界值，用λhigh表示；收敛精度用∈表示；黄金分割比例用G表示。采用表达式λlow+(1-G)(λhigh-λlow)更新功率分割系数的初始上边界值，采用表达式λlow+G(λhigh-λlow)更新功率分割系数的初始上边界值，直至得到的迭代后上边界值与迭代后下边界值的差值小于收敛精度。
实际应用中，获得最优功率分割系数的黄金分割搜索算法过程如下：
输入：初始下边界值λlow＝0和初始上边界值λhigh＝1，收敛精度∈＝10-3，黄金分割比例
Figure BDA0002307337130000141
输出：最优功率分割系数λopt；
repeat
更新λmin←λlow+(1-G)(λhigh-λlow)；
更新λmax←λlow+G(λhigh-λlow)；
根据固定功率分割系数时确定最优吞吐量的算法计算最优
Figure BDA0002307337130000142
和
Figure BDA0002307337130000143
if
Figure BDA0002307337130000144
then
更新λhigh←λmax；
else
更新λlow←λmin；
endif
until|λhigh-λlow|<∈；
return
Figure BDA0002307337130000151
本实施例中，通过先确定功率分割系数的初始上边界值和初始下边界值，进而采用黄金分割方法对初始上边界值和初始下边界值进行迭代，可以获得全局最优的功率分割系数，便于之后计算最优时隙划分矢量和最优能量分配矢量。
应该理解的是，虽然图2的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，图2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中继系统的资源分配方法相同的思想，本发明还提供中继系统的资源分配装置，该装置可用于执行上述中继系统的资源分配方法。为了便于说明，中继系统的资源分配装置实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
在一个实施例中，如图4所示，提供了一种中继系统的资源分配装置，包括：信号分割模块402、参数确定模块404、模型构建模块406和结果生成模块408，其中：
信号分割模块402，用于采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
参数确定模块404，用于将能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
模型构建模块406，用于根据功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型；优化数学模型用于对源端至终端的吞吐量进行优化；
结果生成模块408，用于输入功率分割系数的初始上边界值、功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、以及预设的吞吐量收敛精度、吞吐量的初始上边界值和吞吐量的初始下边界值，得到优化结果参数；优化结果参数用于最大化源端至终端的吞吐量。
在一个实施例中，上述装置还包括：
能量分配矢量计算模块，用于计算时隙划分矢量和功率分配矢量的乘积，作为能量分配矢量；
第一表达式确定模块，用于确定能量分配矢量的表达式和时隙划分矢量的表达式，以及，搜索最优功率分割系数；
最优能量分配矢量计算模块，用于根据最优功率分割系数和能量分配矢量的表达式，计算最优能量分配矢量；
最优时隙划分矢量计算模块，用于根据最优功率分割系数和时隙划分矢量的表达式，计算最优时隙划分矢量。
在一个实施例中，上述确定模块具体用于：
确定功率分割系数的初始上边界值和初始下边界值，以及，确定系数收敛精度和黄金分割比例；
基于黄金分割搜索方法对功率分割系数的初始上边界值和初始下边界值进行迭代，得到迭代后系数上边界值和迭代后系数下边界值；
当迭代后系数上边界值和迭代后系数下边界值之差的绝对值小于系数收敛精度时，停止迭代，并将迭代后系数上边界值作为最优系数上边界值，以及，将迭代后系数下边界值作为最优系数下边界值；
计算最优系数上边界值和最优系数下边界值之和的一半，作为最优功率分割系数。
在一个实施例中，在固定功率分割系数时，优化数学模型的优化问题转化为联合时隙划分-能量分配问题；在固定吞吐量时，固定功率分割系数的联合时隙划分-能量分配问题转化为关于时隙划分矢量和能量分配矢量的凸的可行性问题；上述最优能量分配矢量计算模块和最优时隙划分矢量计算模块，具体用于：
初始化时隙划分矢量和能量分配矢量；
将最优功率分割系数分别代入能量分配矢量的表达式和时隙划分矢量的表达式，对时隙划分矢量和能量分配矢量进行迭代，得到迭代后时隙划分矢量和迭代后能量分配矢量；
当第一对偶变量收敛时，将得到的迭代后时隙划分矢量作为最优时隙划分矢量，以及，将得到的迭代后能量分配矢量作为最优能量分配矢量；第一对偶变量为凸的可行性问题的对偶问题的对偶变量。
在一个实施例中，上述装置还包括：
第二表达式确定模块，用于确定第二对偶变量的表达式；第二对偶变量为凸的可行性问题的对偶变量；
函数值计算模块，用于计算关于第二对偶变量的对偶函数值；
边界值更新模块，用于若对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量上边界值进行更新；
最优值确定模块，用于若对偶函数值小于0，则根据第二对偶变量的表达式更新第二对偶变量，直至第二对偶变量收敛至最优值，并将最优值记为最优第二对偶变量。
在一个实施例中，上述装置还包括：
吞吐量参数确定模块，用于确定吞吐量收敛精度、吞吐量的初始上边界值及初始下边界值；
吞吐量迭代模块，用于对吞吐量的初始上边界值和初始下边界值进行迭代，得到迭代后吞吐量上边界值和迭代后吞吐量下边界值；
吞吐量边界值确定模块，用于当迭代后吞吐量上边界值与迭代后吞吐量下边界值之差的绝对值小于吞吐量收敛精度时，将迭代后吞吐量上边界值记为最优吞吐量上边界值，将迭代后吞吐量下边界值记为最优吞吐量下边界值；
最优吞吐量确定模块，用于将最优吞吐量上边界值与最优吞吐量下边界值之和的一半，作为最优吞吐量。
在一个实施例中，上述吞吐量迭代模块具体用于：
将最优第二对偶变量代入对偶函数，计算最优对偶函数值；
若最优对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对初始吞吐量上边界值进行更新；
若最优对偶函数值小于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量下边界值，对初始吞吐量下边界值进行更新。
需要说明的是，本发明的中继系统的资源分配装置与本发明的中继系统的资源分配方法一一对应，在上述中继系统的资源分配方法的实施例阐述的技术特征及其有益效果均适用于中继系统的资源分配装置的实施例中，具体内容可参见本发明方法实施例中的叙述，此处不再赘述，特此声明。
此外，上述中继系统的资源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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
为了更好地理解上述方法，本申请比较了不同的发射功率和不同的中继节点数量下，系统源端到终端吞吐量的变化曲线。同时，为了体现本申请资源分配算法的优越性还将仿真结果与平均时隙划分进行了对比分析。仿真的实验参数如下表1所示，其中，有用信道和干扰信道都服从Nakagami-m分布，并考虑中继节点等距地放置在源端与终端之间，则有dn＝dSD/(N+1)，其中，dn为节点Rn和Rn+1之间的距离，dSD为源端与终端之间的距离。表1中第一列表示仿真参数，第二列表示与仿真参数相对应的数学符号，第三列表示参数值，如噪声功率的数学符号为
Figure BDA0002307337130000191
参数值为0 dB。
Figure BDA0002307337130000192
表1
图5比较了在不同的源端最大发射功率Pmax下，系统源端到终端的吞吐量与中继数量N的关系。从图中我们可以看到，随着Pmax增加，系统吞吐量也随之增加，因为中继系统的中继节点是无源的设置，源端所能提供的功率越大，整个中继系统可以使用的能量就越大。另一方面，对于相同的Pmax，可以观察到随着N增加，系统吞吐量同样增长，这是因为加入更多的中继节点可以减小每一跳之间的路径损耗，因此提高了系统的吞吐量。
图6比较了不同的源端最大发射功率Pmax下，多跳译码转发中继系统与点对点(point-to-point,P2P)系统的吞吐量对比，图中MH(multi-hop)代表本系统，用实线表示，P2P代表点对点传输系统，用虚线表示。首先可以观察到，当Pmax较小时，例如Pmax＝10 dB，对于不同的中继数量，P2P系统的吞吐量都比本系统要低，这是因为此时系统发射功率过小，受路径损耗的影响非常严重。随着Pmax逐渐增大，路径损耗的影响逐渐被抵消，P2P系统吞吐量也随之提高，但通过部署更多的中继节点，本系统仍然可以获得比P2P系统更高的吞吐量。此图也通过对比表明本系统可以有效地提高传输距离。
图7比较了本时隙优化方案与等时隙划分方案的吞吐量对比，图中JTEA(jointtime and energy allocation)代表本时隙优化方案，用实线表示，ETA(equal timeallocation)代表等时隙划分方案，用虚线表示。在进行等时隙划分时，我们将整个时隙平均得分配给每个节点，即tn＝T/(N+1)。从图中可以观察到，在不同的Pmax和中继数量N下，本时隙优化方案都比ETA方案的吞吐量更高，因为本方案是联合优化的最优解，而后者只进行了能量分配的优化。同时可以观察到，随着中继数量的增加，本时隙优化方案对比ETA方案的吞吐量增益也随之增大，这就说明在传统的协作中继系统中加入能量收集技术后，时隙划分的优化对系统性能影响非常大，也验证了本时隙优化方案的优越性。
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服务器，其内部结构图可以如图8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中继系统的资源分配产生的数据。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中继系统的资源分配方法。
本领域技术人员可以理解，图8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，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型；优化数学模型用于对源端至终端的吞吐量进行优化；
输入功率分割系数的初始上边界值、初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，得到优化结果参数；优化结果参数用于最大化吞吐量。
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：计算时隙划分矢量和功率分配矢量的乘积，作为能量分配矢量；确定能量分配矢量的表达式和时隙划分矢量的表达式，以及，计算最优功率分割系数；根据最优功率分割系数和能量分配矢量的表达式，计算最优能量分配矢量；根据最优功率分割系数和时隙划分矢量的表达式，计算最优时隙划分矢量。
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：确定功率分割系数的初始上边界值和初始下边界值，以及，确定系数收敛精度和黄金分割比例；基于黄金分割搜索方法对功率分割系数的初始上边界值和初始下边界值进行迭代，得到迭代后系数上边界值和迭代后系数下边界值；当迭代后系数上边界值和迭代后系数下边界值之差的绝对值小于系数收敛精度时，停止迭代，并将迭代后系数上边界值作为最优系数上边界值，以及，将迭代后系数下边界值作为最优系数下边界值；计算最优系数上边界值和最优系数下边界值之和的一半，作为最优功率分割系数。
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：初始化时隙划分矢量和能量分配矢量；将最优功率分割系数分别代入能量分配矢量的表达式和时隙划分矢量的表达式，对时隙划分矢量和能量分配矢量进行迭代，得到迭代后时隙划分矢量和迭代后能量分配矢量；当第一对偶变量收敛时，将得到的迭代后时隙划分矢量作为最优时隙划分矢量，以及，将得到的迭代后能量分配矢量作为最优能量分配矢量；第一对偶变量为凸的可行性问题的对偶问题的对偶变量。
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：确定第二对偶变量的表达式；第二对偶变量为凸的可行性问题的对偶变量；计算关于第二对偶变量的对偶函数值；若对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量上边界值进行更新；若对偶函数值小于0，则根据第二对偶变量的表达式更新第二对偶变量，直至第二对偶变量收敛至最优值，并将最优值记为最优第二对偶变量。
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：确定吞吐量收敛精度、吞吐量的初始上边界值及初始下边界值；对吞吐量的初始上边界值和初始下边界值进行迭代，得到迭代后吞吐量上边界值和迭代后吞吐量下边界值；当迭代后吞吐量上边界值与迭代后吞吐量下边界值之差的绝对值小于吞吐量收敛精度时，将迭代后吞吐量上边界值记为最优吞吐量上边界值，将迭代后吞吐量下边界值记为最优吞吐量下边界值；将最优吞吐量上边界值与最优吞吐量下边界值之和的一半，作为最优吞吐量。
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：将最优第二对偶变量代入对偶函数，计算最优对偶函数值；若最优对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量的初始上边界值进行更新；若最优对偶函数值小于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量下边界值，对吞吐量的初始下边界值进行更新。
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：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据功率分割系数、时隙划分矢量和功率分配矢量构建优化数学模型；优化数学模型用于对源端至终端的吞吐量进行优化；
输入功率分割系数的初始上边界值、初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、吞吐量的初始上边界值和初始下边界值，得到优化结果参数；优化结果参数用于最大化吞吐量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算时隙划分矢量和功率分配矢量的乘积，作为能量分配矢量；确定能量分配矢量的表达式和时隙划分矢量的表达式，以及，计算最优功率分割系数；根据最优功率分割系数和能量分配矢量的表达式，计算最优能量分配矢量；根据最优功率分割系数和时隙划分矢量的表达式，计算最优时隙划分矢量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定功率分割系数的初始上边界值和初始下边界值，以及，确定系数收敛精度和黄金分割比例；
基于黄金分割搜索方法对功率分割系数的初始上边界值和初始下边界值进行迭代，得到迭代后系数上边界值和迭代后系数下边界值；当迭代后系数上边界值和迭代后系数下边界值之差的绝对值小于系数收敛精度时，停止迭代，并将迭代后系数上边界值作为最优系数上边界值，以及，将迭代后系数下边界值作为最优系数下边界值；计算最优系数上边界值和最优系数下边界值之和的一半，作为最优功率分割系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：初始化时隙划分矢量和能量分配矢量；将最优功率分割系数分别代入能量分配矢量的表达式和时隙划分矢量的表达式，对时隙划分矢量和能量分配矢量进行迭代，得到迭代后时隙划分矢量和迭代后能量分配矢量；当第一对偶变量收敛时，将得到的迭代后时隙划分矢量作为最优时隙划分矢量，以及，将得到的迭代后能量分配矢量作为最优能量分配矢量；第一对偶变量为凸的可行性问题的对偶问题的对偶变量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定第二对偶变量的表达式；第二对偶变量为凸的可行性问题的对偶变量；计算关于第二对偶变量的对偶函数值；若对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对吞吐量上边界值进行更新；若对偶函数值小于0，则根据第二对偶变量的表达式更新第二对偶变量，直至第二对偶变量收敛至最优值，并将最优值记为最优第二对偶变量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定吞吐量收敛精度、吞吐量的初始上边界值及初始下边界值；对吞吐量的初始上边界值和初始下边界值进行迭代，得到迭代后吞吐量上边界值和迭代后吞吐量下边界值；当迭代后吞吐量上边界值与迭代后吞吐量下边界值之差的绝对值小于吞吐量收敛精度时，将迭代后吞吐量上边界值记为最优吞吐量上边界值，将迭代后吞吐量下边界值记为最优吞吐量下边界值；将最优吞吐量上边界值与最优吞吐量下边界值之和的一半，作为最优吞吐量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将最优第二对偶变量代入对偶函数，计算最优对偶函数值；若最优对偶函数值大于等于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量上边界值，对初始吞吐量上边界值进行更新；若最优对偶函数值小于0，则将吞吐量上边界值和吞吐量下边界值之和的一半，作为新的吞吐量下边界值，对初始吞吐量下边界值进行更新。
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，所述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(read-onlymemory,ROM)、可编程ROM(programmable PROM)、可擦除可编程ROM(erasableprogrammable ROM,EPROM)、电可擦除可编程ROM(electrically erasable programmableROM,EEPROM)或闪存。易失性存储器可包括随机存取存储器(random-access memory,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(staticRAM,SRAM)、动态RAM(dynamic RAM,DRAM)、同步DRAM(synchronous DRAM,SDRAM)、双数据率SDRAM(double data rate SDRAM,DDRSDRAM)、增强型SDRAM(enhanced SDRMA,ESDRAM)、同步链路DRAM(synchlink DRAM,SLDRAM)、存储器总线直接RAM(rambus direct RAM,RDRAM)、直接存储器总线动态RAM(direct RDRAM,DRDRAM)、以及存储器总线动态RAM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。
以上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)

1.一种中继系统的资源分配方法，其特征在于，所述方法包括：
采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量，所述优化结果参数包括最优功率分割系数、最优时隙划分矢量和最优功率分配矢量。
2.根据权利要求1所述的方法，其特征在于，所述构建优化数学模型的步骤之后，包括：
计算所述时隙划分矢量和所述功率分配矢量的乘积，作为能量分配矢量；
确定所述能量分配矢量的表达式和所述时隙划分矢量的表达式，以及，搜索最优功率分割系数；
根据所述最优功率分割系数和所述能量分配矢量的表达式，计算最优能量分配矢量；
根据所述最优功率分割系数和所述时隙划分矢量的表达式，计算最优时隙划分矢量。
3.根据权利要求2所述的方法，其特征在于，所述搜索最优功率分割系数的步骤，包括：
确定所述功率分割系数的初始上边界值和初始下边界值，以及，确定所述系数收敛精度和所述黄金分割比例；
基于黄金分割搜索方法对所述功率分割系数的初始上边界值和初始下边界值进行迭代，得到迭代后系数上边界值和迭代后系数下边界值；
当所述迭代后系数上边界值和所述迭代后系数下边界值之差的绝对值小于所述系数收敛精度时，停止迭代，并将所述迭代后系数上边界值作为最优系数上边界值，以及，将所述迭代后系数下边界值作为最优系数下边界值；
计算所述最优系数上边界值和所述最优系数下边界值之和的一半，作为所述最优功率分割系数。
4.根据权利要求2所述的方法，其特征在于，在固定所述功率分割系数时，所述优化数学模型的优化问题转化为联合时隙划分-能量分配问题；在固定所述吞吐量时，所述固定所述功率分割系数的联合时隙划分-能量分配问题转化为关于所述时隙划分矢量和所述能量分配矢量的凸的可行性问题；所述根据所述最优功率分割系数，计算所述最优能量分配矢量和所述最优时隙划分矢量的步骤，包括：
初始化所述时隙划分矢量和所述能量分配矢量；
将所述最优功率分割系数分别代入所述能量分配矢量的表达式和所述时隙划分矢量的表达式，对所述时隙划分矢量和所述能量分配矢量进行迭代，得到迭代后时隙划分矢量和迭代后能量分配矢量；
当第一对偶变量收敛时，将得到的迭代后时隙划分矢量作为最优时隙划分矢量，以及，将得到的迭代后能量分配矢量作为最优能量分配矢量；所述第一对偶变量为所述凸的可行性问题的对偶问题的对偶变量。
5.根据权利要求4所述的方法，其特征在于，在得到所述最优时隙划分矢量和所述最优能量分配矢量的步骤之后，还包括：
确定第二对偶变量的表达式；所述第二对偶变量为所述凸的可行性问题的对偶变量；
计算关于所述第二对偶变量的对偶函数值；
若所述对偶函数值大于等于0，则将所述吞吐量的初始上边界值和所述吞吐量的初始下边界值之和的一半，作为新的吞吐量上边界值，对所述吞吐量的初始上边界值进行更新；
若所述对偶函数值小于0，则根据所述第二对偶变量的表达式更新所述第二对偶变量，直至所述第二对偶变量收敛至最优值，并将最优值记为最优第二对偶变量。
6.根据权利要求5所述的方法，其特征在于，在确定所述最优第二对偶变量后，确定最优吞吐量的步骤包括：
确定所述吞吐量收敛精度、所述吞吐量的初始上边界值及所述吞吐量的初始下边界值；
对所述吞吐量的初始上边界值和所述吞吐量的初始下边界值进行迭代，得到迭代后吞吐量上边界值和迭代后吞吐量下边界值；
当所述迭代后吞吐量上边界值与所述迭代后吞吐量下边界值之差的绝对值小于所述吞吐量收敛精度时，将所述迭代后吞吐量上边界值记为最优吞吐量上边界值，将所述迭代后吞吐量下边界值记为最优吞吐量下边界值；
将所述最优吞吐量上边界值与所述最优吞吐量下边界值之和的一半，作为最优吞吐量。
7.根据权利要求6所述的方法，其特征在于，对所述吞吐量的初始上边界值和所述吞吐量的初始下边界值进行迭代的步骤，包括：
将所述最优第二对偶变量代入所述对偶函数，计算最优对偶函数值；
若所述最优对偶函数值大于等于0，则将所述吞吐量的初始上边界值和所述吞吐量的初始下边界值之和的一半，作为新的吞吐量上边界值，对所述吞吐量的初始上边界值进行更新；
若所述最优对偶函数值小于0，则将所述吞吐量的初始上边界值和所述吞吐量的初始下边界值之和的一半，作为新的吞吐量下边界值，对所述吞吐量的初始下边界值进行更新。
8.一种中继系统的资源分配装置，其特征在于，所述装置包括：
信号分割模块，用于采用功率分割协议将接收信号分割为能量收集信号和信息传输信号；
参数确定模块，用于将所述能量收集信号所占的比值，记为功率分割系数，以及，将中继系统源端至终端的信息传输时间进行划分的参数记为时隙划分矢量，将对节点的发射功率进行分配的参数记为功率分配矢量；
模型构建模块，用于根据所述功率分割系数、所述时隙划分矢量和所述功率分配矢量构建优化数学模型；所述优化数学模型用于对所述源端至所述终端的吞吐量进行优化；
结果生成模块，用于输入所述功率分割系数的初始上边界值、所述功率分割系数的初始下边界值、预设的系数收敛精度、黄金分割比例、以及预设的吞吐量收敛精度、所述吞吐量的初始上边界值和所述吞吐量的初始下边界值，得到优化结果参数；所述优化结果参数用于最大化所述源端至所述终端的吞吐量，所述优化结果参数包括最优功率分割系数、最优时隙划分矢量和最优功率分配矢量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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。
CN201911245223.3A 2019-12-06 2019-12-06 中继系统的资源分配方法和装置 Active CN111132299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911245223.3A CN111132299B (zh) 2019-12-06 2019-12-06 中继系统的资源分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911245223.3A CN111132299B (zh) 2019-12-06 2019-12-06 中继系统的资源分配方法和装置

Publications (2)

Publication Number Publication Date
CN111132299A CN111132299A (zh) 2020-05-08
CN111132299B true CN111132299B (zh) 2021-06-29

Family

ID=70497776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911245223.3A Active CN111132299B (zh) 2019-12-06 2019-12-06 中继系统的资源分配方法和装置

Country Status (1)

Country Link
CN (1) CN111132299B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111586614B (zh) * 2020-05-11 2022-02-11 吉林大学 联合目的节点权重进行优化协作网络信息和能量传输的方法
CN111740794B (zh) * 2020-06-04 2021-07-09 中山大学 一种多用户能量收集认知无线电系统
CN112087721B (zh) * 2020-08-10 2023-06-27 浙江工业大学 一种反向散射辅助的无线供能通信网络的节点间通信方法
CN112423379B (zh) * 2020-12-14 2024-02-06 北京中电飞华通信有限公司 一种基于noma-mec的资源分配方法及装置
CN114665997A (zh) * 2022-03-01 2022-06-24 电子科技大学 一种基于无线数能同传的协同中继资源分配方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104507144A (zh) * 2015-01-08 2015-04-08 重庆邮电大学 无线携能中继网络联合中继选择及资源分配方法
CN105307271A (zh) * 2015-11-02 2016-02-03 江苏科技大学 吞吐量最大化的多天线通信系统循环能量采集方法
CN105517049A (zh) * 2015-12-07 2016-04-20 华南理工大学 一种无线中继节点工作量的分配方法
CN106304164A (zh) * 2016-08-12 2017-01-04 梁广俊 一种基于能量采集协作通信系统的联合资源分配方法
CN106961322A (zh) * 2017-02-28 2017-07-18 南京邮电大学 基于信息和能量同时无线传输的ofdm中继网络资源分配方法
CN107277925A (zh) * 2017-05-08 2017-10-20 西安电子科技大学 基于信息和能量传输的能量采集协作网络资源分配方法
CN107317618A (zh) * 2017-06-23 2017-11-03 广西大学 速率自适应功率分离中继协议
CN107659967A (zh) * 2017-08-25 2018-02-02 浙江工业大学 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法
CN110113797A (zh) * 2019-05-17 2019-08-09 中国科学技术大学 一种节点选择方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104507144A (zh) * 2015-01-08 2015-04-08 重庆邮电大学 无线携能中继网络联合中继选择及资源分配方法
CN105307271A (zh) * 2015-11-02 2016-02-03 江苏科技大学 吞吐量最大化的多天线通信系统循环能量采集方法
CN105517049A (zh) * 2015-12-07 2016-04-20 华南理工大学 一种无线中继节点工作量的分配方法
CN106304164A (zh) * 2016-08-12 2017-01-04 梁广俊 一种基于能量采集协作通信系统的联合资源分配方法
CN106961322A (zh) * 2017-02-28 2017-07-18 南京邮电大学 基于信息和能量同时无线传输的ofdm中继网络资源分配方法
CN107277925A (zh) * 2017-05-08 2017-10-20 西安电子科技大学 基于信息和能量传输的能量采集协作网络资源分配方法
CN107317618A (zh) * 2017-06-23 2017-11-03 广西大学 速率自适应功率分离中继协议
CN107659967A (zh) * 2017-08-25 2018-02-02 浙江工业大学 一种集能型无线中继网络吞吐量最大化的可再生能量优化方法
CN110113797A (zh) * 2019-05-17 2019-08-09 中国科学技术大学 一种节点选择方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Cooperative Relaying with Energy Harvesting: Performance Analysis Using Extreme Value Theory;Zhiwei Liu等;《2019 IEEE 89th Vehicular Technology Conference (VTC2019-Spring)》;20190627;全文 *
Throughput Analysis of a Hybridized Power-Time Splitting Based Relaying Protocol for Wireless Information and Power Transfer in Cooperative Networks;FESTUS KEHINDE OJO 等;《IEEE Access》;20180418;全文 *
Wireless Information and Power Transfer for Multirelay-Assisted Cooperative Communication;Yuan Liu;《IEEE COMMUNICATIONS LETTERS》;20160225;全文 *
功率分裂的无线信息与能量同传中继方案的优化;董明昊等;《重庆邮电大学学报（自然科学版）》;20171129;全文 *

Also Published As

Publication number Publication date
CN111132299A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111132299B (zh) 中继系统的资源分配方法和装置
WO2021139537A1 (zh) 一种工业物联网中基于功率控制和资源分配的任务卸载方法
Ye et al. Resource allocation in backscatter-assisted wireless powered MEC networks with limited MEC computation capacity
Guo et al. Online learning based computation offloading in MEC systems with communication and computation dynamics
Khan et al. Learning-based resource allocation for backscatter-aided vehicular networks
CN112105062B (zh) 时敏条件下移动边缘计算网络能耗最小化策略方法
CN110167176B (zh) 一种基于分布式机器学习的无线网络资源分配方法
Garcia et al. Low-complexity PSO-based resource allocation scheme for cooperative non-linear SWIPT-enabled NOMA
CN115175220B (zh) 基于无人机自组网的通信资源分配方法及装置
Giri et al. Deep Q-learning based optimal resource allocation method for energy harvested cognitive radio networks
Baidas Joint relay assignment and energy‐efficiency maximization in energy‐harvesting downlink/uplink clustered nonorthogonal multiple‐access networks
Gao et al. SWIPT-based energy scheduling for solar-powered WSN in full-duplex mode
Müller et al. Computation offloading in wireless multi-hop networks: Energy minimization via multi-dimensional knapsack problem
Wei et al. Enabling dense machine-to-machine communications through interference-controlled clustering
Huang et al. DTMR: delay-aware traffic admission, mode selection, and resource allocation for D2D communication
Guo et al. On relay node placement and assignment for two-tiered wireless networks
CN105392172B (zh) 一种建立通信连接的方法及装置
TW201637494A (zh) 在協作無線網路中指定回載鏈之方法
Kim et al. RL-based transmission completion time minimization with energy harvesting for time-varying channels
CN113242560B (zh) 一种upf部署与ue调度多阶段规划方法、装置及设备
Breschi et al. Construction of a minimum energy broadcast backbone with bounded delay in heterogeneous wireless sensor networks
CN114025429B (zh) 时间优化的多信道时隙重用调度方法
Hu et al. Semantic-Oriented Resource Allocation for Multi-Modal UAV Semantic Communication Networks
Ahmad et al. Radio resource management for device to device communication using S and V shaped transfer functions
Cang et al. Joint User Scheduling and Resource Optimization in MEC Networks with Asynchronous Computing

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