CN111447662B - 一种无线供电反向散射网络能效优化方法 - Google Patents

Abstract

本发明涉及一种无线供电反向散射网络能效优化方法，属于反向散射通信技术领域，包括构建基于正交频分多址接入技术的无线供电反向散射网络资源分配模型；分析当前系统传输特性，满足基站发射功率以及收集能量约束下，构建联合优化功率分配、时间分配、反射系数、能量分配系数的能效最大化问题；基于Dinkelbach方法处理所提出的分式规划模型，分解为多个单变量求解的子问题，并分别求得闭式解；利用变量代换的方法，将多变量耦合的非凸问题转化为可以求解的凸优化问题；基于拉格朗日对偶理论和KKT条件，求得所优化变量的全局最优解。本发明在能效方面相较于现有技术有较大提升。

Description

一种无线供电反向散射网络能效优化方法

技术领域

本发明属于反向散射通信技术领域，涉及一种无线供电反向散射网络能效优化方法。

背景技术

随着物联网(Internet of Things,IoT)技术的发展，海量无线设备节点接入到物联网中，极大的提升了通信传输速率。但由于设备电池容量，巨大的设备维护成本与通信系统能量消耗问题变得尤为严重。随着绿色通信技术的发展，对无线通信网络的能耗也提出了更高的要求。因此，如何在提高传输速率的同时最大程度减小网络能耗是一个亟待解决的关键科学问题。

反向散射通信(Backscatter communications)技术和无线供电通信(Wirelesspowered communications)技术被认为是解决无线通信节点设备能量短缺的有效技术。具体来讲，反向散射网络是由一个射频能量源、一个接收端和一个反射节点组成；其中，反射节点具有低功耗、低成本的特点，并可以调制来自射频能量源的信号并将其反射给目的接收机。因此，通过反向散射通信可以提高网络的传输范围。从另一个层面讲，无线供电通信技术可以通过收集周围的电磁能量并储存起来从而提高设备的运行寿命，是一种有效的低功耗绿色通信技术。因此基于无线供电的反向散射通信一方面避免了网络覆盖范围不足带来的传输速率低下的问题，另一方面也避免了设备供给所带来的能量消耗。此外，考虑正交频分多址技术(orthogonal frequency-division multiple access)与无线供电反向散射网络的结合也是为进一步提升传输效率和数据速率，拓宽反向散射网络的应用范围。

资源分配是无线通信网络中的关键技术，即通过调整用户或基站的发射功率、载波分配等方法来提高用户的服务质量。与传统的蜂窝网络的资源分配问题不同，反向散射通信网络资源分配问题，不仅仅需要考虑功率控制，同时需要优化反射时间、反射系数等参数。由于这类参数与传输功率在信噪比中存在耦合关系，使得这类资源分配问题的求解变得尤为复杂，而现有基于交替迭代的算法，无法求得全局最优解。同时现有研究主要集中在系统传输速率的提升，而没有综合考虑系统的能量消耗。为了平衡传输速率与系统消耗的关系，对反向散射网络的能效问题的研究是十分有必要的。因此，关于反向散射通信网络的资源分配问题还需要进一步研究与完善。

发明内容

有鉴于此，本发明的目的在于提供一种无线供电反向散射网络能效优化方法，既对反向散射通信网络内的数据传输速率、设备电路运行能量需求提供保障，同时还可以最大化提升系统的能效。

为达到上述目的，本发明提供如下技术方案：

一种无线供电反向散射网络能效优化方法，包括如下步骤：

S1：构建基于正交频分多址接入技术的无线供电反向散射网络；

S2：分析系统传输特性，构建联合优化传输功率、传输时间、反射系数、能量分配系数的能效最大化模型；

S3：采用Dinkelbach方法将分式形式的能效模型转化为分子与分母相减的形式，利用分离变量的方法，将优化问题分解为关于数据传输功率和能量分配系数两个单变量求解的子问题，分别求得闭式解后代入原优化问题；

S4：基于变量替换的方法，将多变量耦合的问题进行解耦，将优化问题转化为一个凸优化问题；

S5：基于拉格朗日对偶原理以及KKT条件，求得所需参数解析解；利用迭代原理，依次获得满足算法精度的优化变量全局最优解，此时所得到的分配方案即为最优分配方案。

进一步，步骤S1中所述基于正交频分多址接入技术的无线供电反向散射网络包括一个基站，一个接收器和一个反向散射设备，所述反向散射设备包括信号反射模块、能量收集模块和信号发射模块；假设基站和接收器都有持续的能量供应源，但反向散射设备为无源器件，且基站与接收器相距较远，忽略基站与接收器的传输干扰；

系统完整的传输时间包括数据反向散射阶段和数据传输阶段；在数据反向散射阶段，基站将信号发送到反向散射设备，反向散射设备在反射信号给接收器的同时收集能量；在数据传输阶段，分配一部分收集能量用于反向散射设备向接收器的数据传输，以提高传输速率；从接收器处接收到的信号由两部分组成，一部分为反向散射设备反射基站信号到接收器的反射信号，另一部分为反向散射设备到接收器的数据传输信号；假设总带宽B分为K个正交子载波，每个子载波的带宽为B_e＝B/K，每个子载波服从平坦衰落，引入索引集

表示K个正交子载波。

进一步，步骤S2中所述分析系统传输特性，其内容包括：

数据反向散射阶段，首先基站通过子载波k向反向散射设备发送信号s_k(t)，满足于E[|s_k(t)|²]＝1，则反向散射设备接收到信号y(t)表示为：

其中，p_k表示子载波k上从基站到反向散射设备的发射功率；

表示子载波k上从基站到反向散射设备的信道增益；n(t)表示反向散射设备接收端的噪音，即

由于基站的发射功率受到供电设备硬件系统的限制，不可能提供无限大的传输功率，因此基站的发射功率满足如下形式的最大发射功率条件，

其中，P_max表示基站最大发射功率；

根据反向散射网络的反射特性，通过反射系数θ(0＜θ≤1)将反向散射设备接收信号分为两部分，则

表示用于调制和反射来自基站的信号，剩余部分

用于无线能量收集；

因此，在数据反向散射阶段，收集到的能量E_eh表示为：

E_eh＝τηP₀(1-θ)

其中，τ表示能量收集的时间；η表示能量收集的效率；

设备收集的能量由能量分配系数ρ分为两部分，一部分用于供应数据传输阶段的传输能量，表示为ρE_eh；另一部分用于维持设备运行的电路消耗，表示为E_eh(1-ρ)；由于数据传输阶段的传输功率受限于数据反向散射阶段内所分配收集的能量，因此数据传输阶段的传输功率需要满足，

其中，T_dt表示数据传输时间；P_k表示子载波k上反向散射设备到接收器的数据传输功率；

为了延长反向散射设备运转周期，需要分配足够的能量来维持设备运行时的电路消耗，因此分配的能量需要满足：

(1-ρ)E_eh≥p_c

其中，p_c为设备运行的电路功耗，p_c＝p_eT_bc+p_dT；p_e表示反向散射设备调制和接收信号的电路消耗功率；p_d表示反向散射设备反射和传输信号的电路消耗功率；

数据反向散射阶段，根据香农定理，从反向散射设备到接收器的反向散射数据速率R_bc表示为：

其中，T_bc表示反向散射时间；

表示子载波k上从反向散射设备到接收器的信道增益；σ_k表示子载波k上的干扰噪声功率，满足于σ_k＝σ²/K；

数据传输阶段，从反向散射设备到接收器的传输数据速率R_dt表示为：

其中，κ表示能量转化效率；

因此，总传输速率表示为：

R_total＝R_bc+R_dt

考虑系统功率传输消耗和设备电路消耗，系统的实际功率消耗表示为：

因此，系统的能效表示为：

进一步，步骤S2中所述构建能效最大化模型表示为：

s.t.C₁:τηP₀(1-ρ)(1-θ)≥p_c

C₃:T_bc+T_dt＝T

C₅:τ≤T_bc

C₆:0＜θ≤1

C₇:0≤ρ≤1

C₈:p_k≥0,P_k≥0,T_bc≥0,T_dt≥0,τ≥0

其中，

表示优化的变量为T_A，P_A，ρ，τ，θ，目标为最大化问题；T_A＝[T_bc,T_dt]和P_A＝[p_k,P_k]分别为时间分配和功率分配的变量集；T表示系统传输时隙；约束条件C₁和C₂是关于最小能量收集的约束，C₁用于限制所分配电路消耗能量的下限，C₂用于限制数据传输功率的上限；约束条件C₃用于表示系统传输的时间；约束条件C₄用于限制最大基站最大传输功率；约束条件C₅用于限制能量收集的时间；约束条件C₆和C₇分别用于表示反射系数和能量分配系数；约束条件C₈表示所优化的变量均为非负数。

进一步，步骤S3具体包括以下步骤：

S31：基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式；

S32：根据S31所转换优化问题，分解出关于数据传输功率的子问题，并得到关于该参数的闭式解；

S33：将S32所得关于数据传输功率的闭式解，代入S31所得到的优化问题，分解出能量分配系数的子问题，并得到关于该参数的闭式解；

S34：将S32以及S33所得参数闭式解代入到S31所得优化问题中，得到等价的优化问题。

进一步，步骤S31中所述基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式，表示为：

s.t.C₁～C₈

步骤S32中所述分离数据传输功率子问题表示为：

s.t.C₂

定义

依据注水算法原理，最优数据传输功率闭式解，表示为：

步骤S33所述代入数据传输功率闭式解，所分离收集能量分配系数子问题表示为：

s.t.C₁,C₇

其中，

经计算，最优能量分配系数闭式解，表示为：

最优能量收集时间表示为：

τ^*＝T_bc

步骤S34中所述代入所求闭式解，新的优化问题表示为：

其中，d_k＞0表示数据传输阶段信噪比的下限。

进一步，在步骤S4中，定义适当的变量代换，令D_k＝T_dtd_k，p_k,1＝T_bcp_k和p_k,2＝θp_k,1，将耦合变量进行解耦，转换后的凸优化问题表示为：

进一步，步骤S5中，基于拉格朗日对偶原理，构建拉格朗日函数，对于给定的系统能效，得到其对偶问题，过程包括：所述凸优化问题拉格朗日方程表示为：

其中，

给定系统能效η_E，所述拉格朗日方程对偶问题表示为：

s.t.λ≥0,β_k≥0

其中，对偶函数为：

其中，α和β_k分别为约束条件C₄与C₁₀的非负拉格朗日乘子；L(·)表示拉格朗日函数；D(·)表示对偶函数。

进一步，步骤S5中，根据拉格朗日方程以及对偶问题，利用KKT条件，所述最优参数的求解公式包括：

其中，

进一步，步骤S5中，迭代更新过程包括：代入所得解析解至所述拉格朗日方程中得：

基于梯度下降法，所述各参数迭代求解表达式表示为：

其中，

为α关于方程

的偏导数，表示为

为p_k,1关于方程

的偏导数，表示为

为β_k关于方程

的偏导数，表示为

为T_dt关于方程

的偏导数，表示为

[·]⁺＝max[0,·]；t表示迭代次数；ΔT，Δp，Δα和Δβ是相应的迭代步长；

设定合适的算法收敛精度，得到满足该精度下的参数全局最优解。基于p_k,1和p_k,2的关系，将最优反射系数

基站的最优分配功率

同样地，代入所求得参数，根据所得闭式解可以分别计算最优数据分配功率

和最优能量分配系数ρ^*。

本发明的有益效果在于：本发明结合了无线供电技术与反向散射通信两者的优势，即在提升能量效率，节约能源等方面，提出了基于正交频分多址接入技术的无线供电反向散射网络中，在满足基站发射功率阈值以及收集能量的约束前提下，构建了发射功率、传输时间、反射系数和能量分配系数联合优化的多变量非线性资源分配算法；利用Dinkelbach方法和变量分离的方法，将所提优化问题转化为可求解的凸优化问题；通过拉格朗日对偶理论和梯度更新方法，求得参数全局最优解，从而实现能效最大化的资源分配方案。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明实施例所构建的无线供电反向散射系统模型图；

图2为本发明提供的最大能效模型的求解方案流程图；

图3为本发明方法与不同算法的能效收敛性能对比图；

图4为本发明方法系统能效与基站最大发射功率门限之间的关系图；

图5为本发明方法系统能效与不同子载波个数之间的关系图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1、图2所示，本实施例提供了一种无线供电反向散射网络能效优化方法，使用该方法能够在满足基站发射功率以及能量收集的需求，同时能够大化系统的能量效率，并且可以合理对系统的传输时间、功率分配和反射系数进行优化，有效提高系统的能源利用率。实施例包括以下步骤：

S1:构建基于正交频分多址接入技术的无线供电反向散射网络；

S2:分析系统传输特性，构建联合优化传输功率、传输时间、反射系数、能量分配系数的能效最大化模型；

S3:采用Dinkelbach方法将分式形式的能效模型转化为分子与分母相减的形式，利用分离变量的方法，将优化问题分解为关于数据传输功率和能量分配系数两个单变量求解的子问题，分别求得闭式解后代入原优化问题；

S4:基于变量替换的方法，将多变量耦合的问题进行解耦，将优化问题转化为一个凸优化问题。

S5:基于拉格朗日对偶原理以及KKT条件，求得所需参数解析解；利用迭代原理，可依次获得满足算法精度的优化变量全局最优解；此时所得到的分配方案即为最优分配方案。

所述S1中基于正交频分多址接入技术的无线供电反向散射网络包括：一个基站，一个接收器和一个反向散射设备，该设备含有信号反射模块、能量收集模块和信号发射模块。假设基站和接收器都有稳定的能量供应源，反向散射设备为无源器件。假设基站与接收器相距较远，因此基站与接收器之间的传输干扰可以忽略。系统完整的传输时间分为两部分，分别为数据反向散射阶段和数据传输阶段；在数据反向散射阶段，基站将信号发送到反向散射设备，反向散射设备在反射信号给接收器的同时收集能量；在数据传输阶段，分配一部分收集能量用于反向散射设备向接收器的数据传输，以提高传输速率。因此，从接收器处接收到的信号由两部分组成，一部分为由反向散射设备反射基站信号到接收器的反射信号，另一部分为反向散射设备到接收器的数据传输信号。假设总带宽B分为K个正交子载波，每个子载波的带宽为B_e＝B/K。每个子载波服从平坦衰落。引入索引集

表示K个正交子载波。

所述S2中分析系统传输特性，其内容包括：

数据反向散射阶段，首先基站通过子载波k向反向散射设备发送信号s_k(t)，满足于E[|s_k(t)|²]＝1，则反向散射设备接收到信号y(t)可表示为：

其中，p_k表示子载波k上从基站到反向散射设备的发射功率；

表示子载波k上从基站到反向散射设备的信道增益；n(t)表示反向散射设备接收端的噪音，即

由于基站的发射功率受到供电设备硬件系统的限制，不可能提供无限大的传输功率，因此基站的发射功率满足如下形式的最大发射功率条件，

其中，P_max表示基站最大发射功率。

根据反向散射网络的反射特性，通过反射系数θ(0＜θ≤1)将反向散射设备接收信号分为两部分，则

表示用于调制和反射来自基站的信号，剩余部分

用于无线能量收集。

因此，在数据反向散射阶段，收集到的能量E_eh可以表示为：

E_eh＝τηP₀(1-θ)

其中，τ表示能量收集的时间；η表示能量收集的效率；

设备收集的能量由能量分配系数ρ分为两部分，一部分用于供应数据传输阶段的传输能量，表示为ρE_eh；另一部分用于维持设备运行的电路消耗，表示为E_eh(1-ρ)。由于数据传输阶段的传输功率受限于数据反向散射阶段内所分配收集的能量，因此数据传输阶段的传输功率需要满足，

其中，T_dt表示数据传输时间；P_k表示子载波k上反向散射设备到接收器的数据传输功率。

为了延长反向散射设备运转周期，需要分配足够的能量来维持设备运行时的电路消耗，因此分配的能量需要满足，

(1-ρ)E_eh≥p_c

其中，p_c为设备运行的电路功耗，p_c＝p_eT_bc+p_dT；p_e表示反向散射设备调制和接收信号的电路消耗功率；p_d表示反向散射设备反射和传输信号的电路消耗功率。

数据反向散射阶段，根据香农定理，从反向散射设备到接收器的反向散射数据速率R_bc可以表示为：

其中，T_bc表示反向散射时间；

表示子载波k上从反向散射设备到接收器的信道增益；σ_k表示子载波k上的干扰噪声功率，满足于σ_k＝σ²/K。

数据传输阶段，从反向散射设备到接收器的传输数据速率R_dt表示为：

其中，κ表示能量转化效率。

因此，总传输速率表示为：

R_total＝R_bc+R_dt

考虑系统功率传输消耗和设备电路消耗，系统的实际功率消耗可表示为：

因此，系统的能效表示为：

则能效最大化模型可以建立为：

s.t.C₁:τηP₀(1-ρ)(1-θ)≥p_c

C₃:T_bc+T_dt＝T

C₅:τ≤T_bc

C₆:0＜θ≤1

C₇:0≤ρ≤1

C₈:p_k≥0,P_k≥0,T_bc≥0,T_dt≥0,τ≥0

其中，

表示优化的变量为T_A，P_A，ρ，τ，θ，目标为最大化问题；T_A＝[T_bc,T_dt]和P_A＝[p_k,P_k]分别为时间分配和功率分配的变量集；T表示系统传输时隙。约束条件C₁和C₂是关于最小能量收集的约束，前者用于限制所分配电路消耗能量的下限，后者用于限制数据传输功率的上限；约束条件C₃用于表示系统传输的时间；约束条件C₄用于限制最大基站最大传输功率；约束条件C₅用于限制能量收集的时间；约束条件C₆和C₇分别用于表示反射系数和收集能量分配系数；约束条件C₈表示所优化的变量均为非负数。

所述S3包括：

S3.1:基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式；

S3.2:根据S3.1所转换优化问题，分解出关于数据传输功率的子问题，并得到关于该参数的闭式解；

S3.3:将S3.2所得关于数据传输功率的闭式解，带入S3.1所得到的优化问题，分解出能量分配系数的子问题，并得到关于该参数的闭式解；

S3.4:将S3.2以及S3.3所得参数闭式解带入到S3.1所得优化问题中，得到等价的优化问题。

所述S3.1中基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式，表示为：

s.t.C₁～C₈

所述S3.2所分离关于数据传输功率子问题表示为：

s.t.C₂；

其闭式解求解过程如下：

依据注水算法原理，传输功率可表示为：

其中，

[x]⁺＝max[0,x]。

拉格朗日乘子μ满足以下等式

则μ可以表示为：

其中，

则最优数据传输功率闭式解表示为

S3.3将数据传输功率闭式解代入所转化优化式中，分离出收集能量分配系数子问题，表示为：

s.t.C₁,C₇

其中，

其闭式解求解过程如下：

定义函数

则该函数驻点表示为：

依据约束条件C₁，可得出

因此能量分配系数闭式解可表示为：

经过线性分析讨论，可得出最优收集能量分配系数和最优能量收集时间闭式解，分别表示为：

τ^*＝T_bc

S3.4将所求闭式解代入优化问题中，则优化问题转变为：

其中，d_k＞0表示数据传输阶段信噪比的下限。基于约束条件C₁₀的约束关系，可得出反射系数

因此，约束条件C₉和C₁₀可以合并为约束条件C₁₀。

所述S4中定义适当的变量代换，令D_k＝T_dtd_k，p_k,1＝T_bcp_k和p_k,2＝θp_k,1，将耦合变量进行解耦，转换后的凸优化问题表示为：

所述S5利用拉格朗日对偶理论，构建拉格朗日函数，对于给定的系统能效，得到其对偶问题，过程包括：所述凸优化问题拉格朗日方程表示为：

其中，

给定系统能效η_E，所述拉格朗日方程对偶问题表示为：

s.t.λ≥0,β_k≥0

其中，对偶函数为：

其中，α和β_k分别为约束条件C₄与C₁₀的非负拉格朗日乘子；L(·)表示拉格朗日函数；D(·)表示对偶函数。

所述S5中根据拉格朗日方程以及对偶问题，利用KKT条件，所述最优参数的求解公式包括：

其中，

所述S5中迭代更新过程包括：将所求解析解代入所述拉格朗日方程中，可得：

基于梯度下降法，所述各参数迭代求解表达式表示为：

其中，

为α关于方程

的偏导数，表示为

为p_k,1关于方程

的偏导数，表示为

为β_k关于方程

的偏导数，表示为

为T_dt关于方程

的偏导数，表示为

[·]⁺＝max[0,·]；t表示迭代次数；ΔT，Δp，Δα和Δβ是相应的迭代步长。

设定合适的算法收敛精度，即可得到满足该精度下的参数全局最优解。基于p_k,1和p_k,2的关系，将最优反射系数

基站的最优分配功率

同样地，代入所求得参数，可以分别计算最优数据分配功率

和最优能量分配系数ρ^*。

本实施例既可以满足对高传输速率的保证，又可以满足能量收集的需求，以此前提下，最大化系统能效，优化网络内的资源配置。本发明可以使无线供电反向散射网络中的接收器获得高速的数据流量服务，同时具有一定的能量收集功能，可以节约系统资源，延长反向散射设备使用周期与寿命，从而提高资源利用率。

如图3所示，本发明通过不同算法系统能效收敛情况对比图，表明本发明所提算法与所对比算法都具有良好的收敛性能，但本发明所提出的算法，相较于单一反向散射算法与单一能量收集算法，具有更好的系统能效。其原因在于本发明所提算法兼具了这两种单一算法的优势，弥补了对能量利用不足的缺点，提升了传输速率。

如图4所示，本发明通过不同算法系统能效与基站最大发射功率门限关系的对比，即通过与单一反向散射算法与单一能量收集算法比较，表明本发明所提算法有着更好的能效性能。其原因在于本发明所提算法对无线能量和传输时间更充分的利用，提高了传输效率。

如图5所示，本发明通过所构建网络中的子载波个数，来对系统能效加以观察。从子载波个数对系统网络能效影响来看，随着子载波个数的增加，可以系统的能效随之增加。其原因在于随着子载波个数的增加，接收器可以利用更多的频谱资源来提升传输效率。故而本发明算法考虑基于正交频分多支接入技术的网络可以在一定程度上增加系统的能效。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种无线供电反向散射网络能效优化方法，其特征在于：包括如下步骤：

S1：构建基于正交频分多址接入技术的无线供电反向散射网络；

S2：分析系统传输特性，构建联合优化传输功率、传输时间、反射系数、能量分配系数的能效最大化模型；

步骤S2中所述分析系统传输特性，其内容包括：

数据反向散射阶段，首先基站通过子载波k向反向散射设备发送信号s_k(t)，满足于E[|s_k(t)|²]＝1，则反向散射设备接收到信号y(t)表示为：

其中，p_k表示子载波k上从基站到反向散射设备的发射功率；

表示子载波k上从基站到反向散射设备的信道增益；n(t)表示反向散射设备接收端的噪音，即

由于基站的发射功率受到供电设备硬件系统的限制，不可能提供无限大的传输功率，因此基站的发射功率满足如下形式的最大发射功率条件，

其中，P_max表示基站最大发射功率；

根据反向散射网络的反射特性，通过反射系数θ(0＜θ≤1)将反向散射设备接收信号分为两部分，则

表示用于调制和反射来自基站的信号，剩余部分

用于无线能量收集；

因此，在数据反向散射阶段，收集到的能量E_eh表示为：

E_eh＝τηP₀(1-θ)

其中，τ表示能量收集的时间；η表示能量收集的效率；

设备收集的能量由能量分配系数ρ分为两部分，一部分用于供应数据传输阶段的传输能量，表示为ρE_eh；另一部分用于维持设备运行的电路消耗，表示为E_eh(1-ρ)；由于数据传输阶段的传输功率受限于数据反向散射阶段内所分配收集的能量，因此数据传输阶段的传输功率需要满足，

其中，T_dt表示数据传输时间；P_k表示子载波k上反向散射设备到接收器的数据传输功率；

为了延长反向散射设备运转周期，需要分配足够的能量来维持设备运行时的电路消耗，因此分配的能量需要满足：

(1-ρ)E_eh≥p_c

其中，p_c为设备运行的电路功耗，p_c＝p_eT_bc+p_dT；p_e表示反向散射设备调制和接收信号的电路消耗功率；p_d表示反向散射设备反射和传输信号的电路消耗功率；

数据反向散射阶段，根据香农定理，从反向散射设备到接收器的反向散射数据速率R_bc表示为：

其中，T_bc表示反向散射时间；

表示子载波k上从反向散射设备到接收器的信道增益；σ_k表示子载波k上的干扰噪声功率，满足于σ_k＝σ²/K；

数据传输阶段，从反向散射设备到接收器的传输数据速率R_dt表示为：

其中，κ表示能量转化效率；

因此，总传输速率表示为：

R_total＝R_bc+R_dt

考虑系统功率传输消耗和设备电路消耗，系统的实际功率消耗表示为：

因此，系统的能效表示为：

步骤S2中所述构建能效最大化模型表示为：

s.t.C₁:τηP₀(1-ρ)(1-θ)≥p_c

C2：

C₃:T_bc+T_dt＝T

C4：

C₅:τ≤T_bc

C₆:0＜θ≤1

C₇:0≤ρ≤1

C₈:p_k≥0,P_k≥0,T_bc≥0,T_dt≥0,τ≥0

其中，

表示优化的变量为T_A，P_A，ρ，τ，θ，目标为最大化问题；T_A＝[T_bc,T_dt]和P_A＝[p_k,P_k]分别为时间分配和功率分配的变量集；T表示系统传输时隙；约束条件C₁和C₂是关于最小能量收集的约束，C₁用于限制所分配电路消耗能量的下限，C₂用于限制数据传输功率的上限；约束条件C₃用于表示系统传输的时间；约束条件C₄用于限制最大基站最大传输功率；约束条件C₅用于限制能量收集的时间；约束条件C₆和C₇分别用于表示反射系数和能量分配系数；约束条件C₈表示所优化的变量均为非负数；

S3：采用Dinkelbach方法将分式形式的能效模型转化为分子与分母相减的形式，利用分离变量的方法，将优化问题分解为关于数据传输功率和能量分配系数两个单变量求解的子问题，分别求得闭式解后代入原优化问题；

S4：基于变量替换的方法，将多变量耦合的问题进行解耦，将优化问题转化为一个凸优化问题；

S5：基于拉格朗日对偶原理以及KKT条件，求得所需参数解析解；利用迭代原理，依次获得满足算法精度的优化变量全局最优解，此时所得到的分配方案即为最优分配方案。

2.根据权利要求1所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S1中所述基于正交频分多址接入技术的无线供电反向散射网络包括一个基站，一个接收器和一个反向散射设备，所述反向散射设备包括信号反射模块、能量收集模块和信号发射模块；假设基站和接收器都有持续的能量供应源，但反向散射设备为无源器件，且基站与接收器相距较远，忽略基站与接收器的传输干扰；

系统完整的传输时间包括数据反向散射阶段和数据传输阶段；在数据反向散射阶段，基站将信号发送到反向散射设备，反向散射设备在反射信号给接收器的同时收集能量；在数据传输阶段，分配一部分收集能量用于反向散射设备向接收器的数据传输，以提高传输速率；从接收器处接收到的信号由两部分组成，一部分为反向散射设备反射基站信号到接收器的反射信号，另一部分为反向散射设备到接收器的数据传输信号；假设总带宽B分为K个正交子载波，每个子载波的带宽为B_e＝B/K，每个子载波服从平坦衰落，引入索引集

表示K个正交子载波。

3.根据权利要求1所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S3具体包括以下步骤：

S31：基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式；

S32：根据S31所转换优化问题，分解出关于数据传输功率的子问题，并得到关于该参数的闭式解；

S33：将S32所得关于数据传输功率的闭式解，代入S31所得到的优化问题，分解出能量分配系数的子问题，并得到关于该参数的闭式解；

S34：将S32以及S33所得参数闭式解代入到S31所得优化问题中，得到等价的优化问题。

4.根据权利要求3所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S31中所述基于Dinkelbach方法，将所构建分式模型，转化为分子分母相减形式，表示为：

s.t.C₁～C₈

步骤S32中所述分解数据传输功率子问题表示为：

s.t.C₂

定义

依据注水算法原理，最优数据传输功率闭式解，表示为：

步骤S33所述代入数据传输功率闭式解，所分离收集能量分配系数子问题表示为：

s.t.C₁,C₇

其中，

经计算，最优能量分配系数闭式解，表示为：

最优能量收集时间表示为：

τ^*＝T_bc

步骤S34中所述代入所求闭式解，新的优化问题表示为：

C₁₀：

其中，d_k＞0表示数据传输阶段信噪比的下限。

5.根据权利要求1所述的无线供电反向散射网络能效优化方法，其特征在于：在步骤S4中，定义适当的变量代换，令D_k＝T_dtd_k，p_k,1＝T_bcp_k和p_k,2＝θp_k,1，将耦合变量进行解耦，转换后的凸优化问题表示为：

6.根据权利要求1所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S5中，基于拉格朗日对偶原理，构建拉格朗日函数，对于给定的系统能效，得到其对偶问题，过程包括：所述凸优化问题拉格朗日方程表示为：

其中，

给定系统能效η_E，所述拉格朗日方程对偶问题表示为：

s.t.λ≥0,β_k≥0

其中，对偶函数为：

其中，α和β_k分别为约束条件C₄与C₁₀的非负拉格朗日乘子；L(·)表示拉格朗日函数；D(·)表示对偶函数。

7.根据权利要求6所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S5中，根据拉格朗日方程以及对偶问题，利用KKT条件，所述最优参数的求解公式包括：

其中，

8.根据权利要求7所述的无线供电反向散射网络能效优化方法，其特征在于：步骤S5中，迭代更新过程包括：代入所得解析解至所述拉格朗日方程中得：

基于梯度下降法，所述各参数迭代求解表达式表示为：

其中，

为α关于方程

的偏导数，表示为

为p_k,1关于方程

的偏导数，表示为

为β_k关于方程

的偏导数，表示为

为T_dt关于方程

的偏导数，表示为

[·]⁺＝max[0,·]；t表示迭代次数；ΔT，Δp，Δα和Δβ是相应的迭代步长；

设定合适的算法收敛精度，得到满足该精度下的参数全局最优解，基于p_k,1和p_k,2的关系，将最优反射系数

基站的最优分配功率

代入所求得参数，根据所得闭式解分别计算最优数据分配功率

和最优能量分配系数ρ^*。

Images