CN111245484B - 一种用于无线能量传输网络的多维资源联合调度优化方法 - Google Patents

Abstract

本发明公开了一种用于无线能量传输网络的多维资源联合调度优化方法，目的是优化发送波束形成、接收合并比例、用户调度和时间分配方案，以最大限度地提高用户的上行链路公平性吞吐量,该网络中混合接入点装配有多天线，并以全双工模式工作,本发明实际考虑系统全双工带来的自干扰，在进行问题求解的同时采用迫零消除的方法将其抵消，最终不仅达到了优化系统上行公平性吞吐量的目的，还克服了远近效应问题。

Description

一种用于无线能量传输网络的多维资源联合调度优化方法

技术领域

本发明属于无线功率传输技术领域，具体涉及一种用于无线能量传输网络的多维资源联合调度优化方法。

背景技术

随着5G时代的到来，大规模物联网产生，其发展迅速，应用领域又涉及方方面面，有效推动了如工业、农业、安保等基础设施领域的发展，使得有限的资源被更加合理分配。人们的日常生活已离不开互联网，未来物联网在各种应用的广泛进步必然使网络设备的能耗成倍增加，据Statista研究部预测，至2025年，全球将有754.4亿台设备加入物联网。而2020年至2030年的十年时间内，物联网设备将从750亿增长到超过1000亿,国际数据公司预测，机器和传感器等物联网设备预计将在2025年产生79.4ZB数据,数百亿个物联网设备工作需要大量能量，而现有的电池供电方案由于其充电时的活动局限性和电池寿命等问题给物联网的实现带来巨大挑战，此外，大量电池的使用和替换不可避免地招致材料浪费、高昂维护费、环境污染等多重问题。

为弥补物联网设备的能源短缺问题，研究人员不断探索崭新领域以达到为大量微型设备提供无间断能源的目的，因此一系列无线功率传输(WPT)技术被提出。感应耦合和磁共振耦合技术已被一些知名移动公司，如苹果、华为等，用来为其手机产品无线充电。然而，以上两种技术只能满足离无线充电器几毫米远的设备的能量需求，很显然，其并不适用于为远程物联网设备提供能源。

相比之下，射频(RF)信号能够远距离传播，因而可以为远程物联网设备提供灵活可控的无线功率，物联网设备的使用寿命得以大大延长，维护成本显著降低，然而，在RF频带中进行WPT可能会对传统的无线信息传输(WIT)造成过度的干扰。因此，为了同时满足设备的通信和充电要求，需仔细协调WPT和WIT，这是无线能量传输网络(WPCN)的一大研究重点，另外，由于设备从RF信号中收割到的能量有限，如何高效地利用能量成为无线能量传输网络中的又一重要研究方向，动态资源优化调度就是通过优化系统中的多维资源实现整个系统在有限能量的情况下的性能最优。目前，该类网络中的波束形成、时间调度、功率分配等已被大量讨论以最大限度地提高系统吞吐量、吞吐速率。

近年来，随着WPCN研究的不断深入，多天线技术以其在吞吐量和可靠性方面的优越性得到了广泛的应用，此外，高效、快速的全双工(FD)模式也被引入以提高系统总体传输性能，因此，多天线辅助的FD-WPCN以其高时间效率和空间自由度将该领域研究推向新的高潮。

发明内容

为了克服现有技术的不足，本发明提供一种实现全双工辅助的多天线、多用户无线能量传输网络中多维资源调度的最优，在具体的实施方案中实际考虑全双工带来的干扰并对其进行迫零消除，同时提出联合发射波束形成、接收合并比例、时间分配、用户调度的多维资源调度最优化方法，在克服远近效应的同时寻求用户上行公平性吞吐量的近似最优解的用于无线能量传输网络的多维资源联合调度优化方法。

本发明解决其技术问题所采用的技术方案是：

一种用于无线能量传输网络的多维资源联合调度优化方法，包括以下步骤：

步骤S1、确定网络模型；

步骤S2、确定MAC层模型；

步骤S3、考虑无线信道的路径损耗，确定信道模型；

步骤S4、根据上述模型，分别量化下行无线功率传输和上行无线信息传输；

步骤S5、根据量化的用户上行吞吐量、收割能量等，利用香农公式，确定最终的优化问题；

步骤S6、根据优化目标表达式及其约束条件解决发射波束形成、接收合并比例、用户调度和时间分配的优化问题。

进一步地，步骤S1具体包括以下分步骤：

步骤S11、建立无线能量传输网络的混合接入点(H-AP)模型；

步骤S12、建立无线能量传输网络的多用户模型。

进一步地，步骤S4具体包括以下分步骤：

步骤S41、下行无线功率传输，引入发射波束形成、用户调度矩阵、高斯白噪声信号，确定被用户接收的下行能量信号、收割功率和能量；

步骤S42、上行无线信息传输,引入接收合并比例、自干扰噪声信号、高斯白噪声信号，确定被混合接入点的接收天线所接收的上行数据信号、上行单个用户吞吐量，以及自干扰功率。

进一步地，步骤S6具体包括以下分步骤：

步骤S61、优化问题有四个，第一个优化问题是混合接入点的发射波束形成设计，第二个优化问题是接收合并比例设计，第三个优化问题是用户调度方案设计，第四个优化问题是时间分配方法设计；

步骤S62、分析子第一个优化问题、第二个优化问题，提出算法求得最优解；

步骤S63、分析子第三个优化问题，提出最优用户调度算法求得最优解；

步骤S64、分析子第四个优化问题，提出时间分配算法求得最优解；

步骤S65、利用四步迭代的块坐标下降算法依次迭代这四个优化问题，得到最优波束形成、接收合并比例、用户调度和时间分配，求得最优上行公平性吞吐量。

本发明的有益效果是：本发明包括发射波束形成、接收合并比例、用户调度和时间分配四个部分，实际考虑全双工给混合接入点带来的自干扰并对其进行迫零消除，不仅提高了多用户无线能量传输网络的用户上行公平性吞吐量，同时还完美克服了系统的远近效应问题。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明的流程图；

图2为本发明的无线能量传输网络模型示意图；

图3为本发明无线能量传输网络中混合接入点和用户设备的帧结构图。

具体实施方式

参照图1至图3，一种用于无线能量传输网络的多维资源联合调度优化方法，具体包括以下步骤：

步骤S1、确定网络模型，

该步骤具体包括以下分步骤：

步骤S11、假设WPCN(无线能量传输网络)中有一个以全双工模式工作的混合接入点(H-AP)，装配有N_t根发射天线和N_r根接收天线，其发射下行调制RF信号给所有用户设备(UEs)，同时接收来自所有用户设备(UEs)的上行数据信号，由于发射的下行RF信号也会被其自身的接收天线所接收，从而对接收的数据信号造成干扰，因此，有必要考虑消除自干扰信号，如图2所示,；

步骤S12、假设系统中存在K个所有用户设备(UEs)，他们均为单天线且无源，并装配有短放电周期的超级电容器，如图2所示，其仅以收割来自混合接入点(H-AP)的RF信号作为唯一的能量来源，并以此支撑上行数据传输，由于超级电容器无法长时间存储能量，因此UEs(用户设备)在每帧的上行数据传输中均会耗尽其收割的所有能量,需要特别说明的是,UEs是指所有用户设备，而UE代表其中一台用户设备。

步骤S2、确定MAC层模型。

混合接入点(H-AP)在MAC层(MAC层属于专业名词)采用传统的时分多址(TDMA)协议，在整个帧中广播能量，而所有用户设备(UEs)的操作在时域中被时隙化，典型的帧内结构由两个阶段组成,如图3所示，两个阶段分别是时长T_c的控制阶段和时长T_t的传输阶段，因此，单个传输帧的持续时间为T＝T_c+T_t。

在控制阶段执行控制信令交换，以实现以下功能：

(1)信道估计，由UE发送的导频被H-AP接收和处理以提取单个用户设备(UE)和混合接入点(H-AP)之间的上行链路信道状态信息(CSI)，利用时分双工(TDD)系统的信道互易性，上行链路的CSI也可以看作是相应下行链路的CSI,；

(2)资源调度，依赖于所获取的CSI，混合接入点(H-AP)可以执行资源调度方案以最大化公平吞吐量，然后，它通知单个用户设备(UE)其用户调度策略和分配的时隙的持续时间；

(3)同步，必须精确同步混合接入点(H-AP)和单个用户设备(UE),混合接入点(H-AP)的时钟信息被广播到单个用户设备(UE)，后者调整其本地时钟以彼此同步。

传输阶段被划分为一系列上行链路时隙，表示为t＝{t_i|i＝0，1，2，...，K}，用于支持下行链路WPT和上行链路WIT,传输阶段混合接入点(H-AP)和UE的详细操作如图3所示,并且总结如下：混合接入点(H-AP)在整个传输帧中发射RF能量信号以完成能量传输,UE采用“先收割后传输”的协议,其中U_i表示排列在i时隙中的用户首先在时隙t₀，t₁，...，t_i-1期间获取能量，然后在时隙t_i期间上传其数据，并在接下来的时隙进入休眠状态。

步骤S3、考虑无线信道的路径损耗，确定信道模型；

H-AP和UE之间的无线信道服从独立块衰落，帧内的信道系数保持不变，但它们随传输帧的不同而变化，此外，H-AP和U_i之间的远场路径损耗Ω_i表示为Ω_i＝Ω₀(d_i/d₀)^α，其中，d_i为H-AP和U_i之间的距离，d₀表示发射天线的近场范围，在该范围内，路径损耗的幂律无效，从发射天线传播到d₀的RF信号的路径损耗被表示为Ω₀，路径损耗指数为α，H-AP和U_i之间的下行信道系数由

表示，上行信道系数则为1×N_rh_ul，i。

步骤S4、根据上述模型，分别量化下行无线功率传输和上行无线信息传输，

该步骤具体包括以下分步骤：

步骤S41、下行无线功率传输，首先定义K×K0-1用户调度矩阵G，G_i，j＝1表示U_i在t_j上传数据，G_i，j＝0表示收割能量或休眠，不失一般性，假设H-AP发送调制复符号x_D，满足E[x_Dx_D ^*]＝1，其中x_D ^*是x_D的共轭值，设P_t为H-AP发射功率，N_t×1向量w_t是H-AP标准化发射波束形成，n₀是平均值为零，方差为

的高斯分布噪声，因此被U_i接收的下行能量信号为

当G_i，j＝1，被U_i收割的功率和所接收的能量分别为

为能量转换效率。

步骤S42、上行无线信息传输，当G_i，j＝1，U_i的传输功率为P_Ui＝E_Di，j/t_j，设x_Ui为满足E[x_Uix_Ui ^*]＝1的调制复符号，N_r×1向量W_r是H-AP标准化接收合并比，n_si是自干扰噪声，H_SI是N_t×N_r自干扰信道系数复矩阵，因此，H-AP接收天线所接收的信号可表示为

其中自干扰噪声

因此,由归一化合并器W_r合并后的信号可表示为

自干扰功率即可表示为

步骤S5、根据量化的用户上行吞吐量、收割能量等，利用香农公式，确定最终的优化问题。

U_i在时隙t_j传输数据的上行吞吐量可以列式为

因此，上行公平性吞吐量最大化的目标问题列为：

tr(S_t)≤1

tr(S_r)≤l

P_SI＝0

G_i，j＝0or1，

其中S_r分别为w_t、w_r的半正定松弛——

步骤S6、根据优化目标表达式及其约束条件解决发射波束形成、接收合并比例、用户调度和时间分配的优化问题，

该步骤具体包括以下分步骤：

步骤S61、优化问题有四个，第一个优化问题是混合接入点的发射波束形成设计，第二个优化问题是接收合并比例设计，第三个优化问题是用户调度方案设计，第四个优化问题是时间分配方法设计，以下分步骤将依次量化子问题，并分析求解；

步骤S62、第一个优化问题、第二个优化问题的目标函数及约束条件可表示为：

tr(S_t)≤1

P_SI＝0，

tr(S_r)≤1

P_SI＝0，

由于第一个优化问题、第二个优化问题均为易解的凸问题，因此可以通过现有工具包解决，

具体解决步骤如下:

初始化参数S_r(或S_t)，t，G；

将第一个优化问题或第二个优化问题的目标函数及约束条件放入CVX工具包(CVX工具包是斯坦福的教授Stephen P.Bold等人开发的一个基于Matlab的凸优化工具包)；

运行CVX工具包，获取

(或

)，

步骤S63、第三个优化问题解决用户调度问题，子问题量化如下：

G_i，j＝0or1，

由于第三个优化问题中的离散矩阵G，使得第三个优化问题是一个非凸问题，因此，定义权重矩阵H_f表示每个用户在所有不同时隙上传数据时的吞吐量，具体表示如下：

第三个优化问题的目标在于寻求最优的G，使得最优公平性吞吐量最大，该问题可转述为：在H_f中寻求K个

他们分别位于不同行不同列，使得这组

中的最小值在所有方案中最大，为此，引入一系列参数。

n表示已固定上传时隙的用户数；R_min表示当前H_f中的最小值；R_left表示H_f的行或列中仅存的一个非∞值，相应的，i，j表示R_min或R_left在H_f中的横、纵坐标位置；N_row，N_col表示H_f的行和列中剩余的非∞值的个数，并用k，l分别表示两者的行；R_fopt记录所搜寻出的每个用户的上行吞吐量，即最优公平性吞吐量为其中的最小值。

输入：S_r，S_t，t；

初始化参数：n，i，j，k，l，R_min，R_left←0；R_fopt，N_row，N_col←元素全为0的K维向量；G←元素全0的K×K矩阵；

求得H_f；

当n＜K,

寻求R_min，并标记其在H_f中的坐标位置(i，j)；

更新

获取N_row，N_col；

当

n←n+1；

记录R_left，并标记其在H_f中的坐标位置(i，j)；

更新H_f(i，：)←∞，H_f(：，j)←∞，G(i，j)←1，R_fopt(i)←R_left；

更新N_row，N_col；

中的最小值，G^*即最优用户调度，

为求得的最优公平性吞吐量；

步骤S64、子问题第四个优化问题解决时间分配问题，其可表示为：

为简化计算，特将第四个优化问题采用分步法求解，第一步假设系统中仅包含一个用户U₁，第二步假设系统包含两个用户，且用户顺序为{U₁，U₂}，第三步依次类推至K个用户，为简化公式，定义用户U_i增益为:

系统中仅包含一个用户U₁时，第四个优化问题可改写成如下形式:

s.t.t₀+t₁≤T_t，

由于公式(P6)是凸问题，可通过拉格朗日乘子法列出拉格朗日函数及KKT条件，通过计算，可得(P6)系统平均吞吐率为

其中

且

可由(1+z₁)log(1+z₁)-z₁＝γ₁通过二分法求得。

(1)当系统中包含两个用户{U₁，U₂}，第四个优化问题可改写成如下所示，

τ₁+t₂≤T_t，

其中，τ₁＝t₀+t₁，观察公式(P7)，可得知第四个优化问题仍为一个凸问题，即通过拉格朗日乘子法可求得该问题的最优解，经过对其拉格朗日函数和KKT条件的推导，可得该系统的最优平均吞吐率为

其中，

且

可由

通过二分法求得。

(2)当系统中包含K个用户{U₁，U₂，...，U_K}，通过(2)可推理得，系统最优平均吞吐率为

同样的，

τ_K-1＝t₀+t₁+...+t_K-1且

可由

通过二分法求得。

此时，第四个优化问题解决，可求得最优时间分配：

步骤S65、利用四步迭代的块坐标下降算法依次迭代第一个优化问题、第二个优化问题、第三个优化问题、第四个优化问题，最终得到最优波束形成、接收合并比例、用户调度和时间分配，求得最优上行公平性吞吐量,由于最优结果是通过多次迭代获取，因此定义preTh，Th分别表示上一次迭代求得的最优上行公平性吞吐量和当前最优上行公平性吞吐量，具体算法实施如下。

输入：下行信道增益H_d，上行信道增益H_u，自干扰信道增益H_SI，误差容限ε；

初始化参数：

G←E；preTh←-1；Th←0；

当Th-preTh＞ε,

preTh←Th；

计算第一个优化问题，更新S_t和Th←R_Uf；

计算第二个优化问题，更新S_r和Th←R_Uf；

计算第三个优化问题，更新G和Th←R_Uf；

计算第四个优化问题，更新t和Th←R_Uf；

得到

以上的实施方式不能限定本发明创造的保护范围，专业技术领域的人员在不脱离本发明创造整体构思的情况下，所做的均等修饰与变化，均仍属于本发明创造涵盖的范围之内。

Claims (3)

1.一种用于无线能量传输网络的多维资源联合调度优化方法，其特征在于，包括以下步骤：

步骤S1、确定网络模型；

步骤S2、确定MAC层模型；

步骤S3、考虑无线信道的路径损耗，确定信道模型；

步骤S4、根据网络模型、MAC层模型以及信道模型，分别量化下行无线功率传输和上行无线信息传输；

步骤S5、根据量化的用户上行吞吐量、收割能量等，利用香农公式，确定最终的优化问题；

步骤S6、根据优化目标表达式及其约束条件解决发射波束形成、接收合并比例、用户调度和时间分配的优化问题；

所述步骤S4具体包括以下分步骤：

步骤S41、下行无线功率传输，引入发射波束形成、用户调度矩阵、高斯白噪声信号，确定被用户接收的下行能量信号、收割功率和能量；

步骤S42、上行无线信息传输，引入接收合并比例、自干扰噪声信号、高斯白噪声信号，确定被混合接入点的接收天线所接收的上行数据信号、上行单个用户吞吐量，以及自干扰功率。

2.根据权利要求1所述的用于无线能量传输网络的多维资源联合调度优化方法，其特征在于，所述步骤S1具体包括以下分步骤：

步骤S11、建立无线能量传输网络的混合接入点模型；

步骤S12、建立无线能量传输网络的多用户模型。

3.根据权利要求1所述的用于无线能量传输网络的多维资源联合调度优化方法，其特征在于，所述步骤S6具体包括以下分步骤：

步骤S61、优化问题有四个，第一个优化问题是混合接入点的发射波束形成设计，第二个优化问题是接收合并比例设计，第三个优化问题是用户调度方案设计，第四个优化问题是时间分配方法设计；

步骤S62、分析第一个优化问题、第二个优化问题，提出算法求得最优解；

步骤S63、分析第三个优化问题，提出最优用户调度算法求得最优解；

步骤S64、分析第四个优化问题，提出时间分配算法求得最优解；

步骤S65、利用四步迭代的块坐标下降算法依次迭代这四个优化问题，得到最优波束形成、接收合并比例、用户调度和时间分配，求得最优上行公平性吞吐量。

Images