CN112218313B - 一种基于能量调度的通信系统及其通信吞吐量优化方法 - Google Patents
一种基于能量调度的通信系统及其通信吞吐量优化方法 Download PDFInfo
- Publication number
- CN112218313B CN112218313B CN202010987098.XA CN202010987098A CN112218313B CN 112218313 B CN112218313 B CN 112218313B CN 202010987098 A CN202010987098 A CN 202010987098A CN 112218313 B CN112218313 B CN 112218313B
- Authority
- CN
- China
- Prior art keywords
- energy
- mode
- hybrid
- time frame
- throughput
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 83
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 42
- ZOJBYZNEUISWFT-UHFFFAOYSA-N allyl isothiocyanate Chemical compound C=CCN=C=S ZOJBYZNEUISWFT-UHFFFAOYSA-N 0.000 claims description 68
- 230000001364 causal effect Effects 0.000 claims description 42
- 238000003306 harvesting Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013468 resource allocation Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 108091006146 Channels Proteins 0.000 description 40
- 238000012441 weak partitioning chromatography Methods 0.000 description 6
- 239000011155 wood-plastic composite Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- 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)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于能量调度的通信系统及其通信吞吐量优化方法,该系统包括功率信标、混合发射机和混合接收机;PB发射的RF信号向HT提供载波信号或者能量;在一个时间帧内,HT根据自身的能量状态和传输信道的状态采用EH,BC或者AIT中的一种工作方式。HT有EH,BC和AIT三种工作方式,由HT的三种工作方式构成七种系统的工作模式,在一个时间帧内,通信系统根据HT的能量状态和信道状态选择其中一种工作模式进行通信。本发明在HT引进可充电电池,进而实现系统能量调度;且HT在每个时间帧可以更加灵活地执行EH、BC、AIT三种工作方式。
Description
技术领域
本发明涉及无线网络通信技术领域,具体涉及一种基于能量调度的通信系统及其通信吞吐量优化方法。
背景技术
目前在无线网络中,无线供电通信(Wireless Powered Communication,WPC)通常是采集后传输(Harvest Then Transmit,HTT)的方式,简称HTT通信,发射机会先耗费一定的时间从外界射频(Radio Frequency,RF)源采集足够的能量(储存于可充电电池中),再利用这部分能量进行有源信息传输(Information Transfer,IT),若采集的能量不足,会导致通信中断,进而影响信息传输的实时性。尽管依靠着电池的能量,WPC可以达到较高的吞吐量和较长的传输距离,但是电路消耗的能量比较高。反向散射通信(BackscatterCommunication,BCC)是一项比较前沿的技术,通过借助外界RF信号和负载调制来进行无源IT,与WPC不同,BCC的电路能耗很低(比WPC的电路能耗低几个数量级),所以不需要采集很多的能量,因此采集能量的时间可以忽略不计,因此在BCC中,发射机可以实时反射入射的RF信号来进行无源IT。尽管电路能耗低,但是BCC十分依赖外界的RF信号,若外界RF信号微弱或者发射机无法接收到外界的RF信号时,BCC实现的吞吐量比较低并且有可能通信中断。因此,WPC和BCC这两种通信方式可以结合应用到无线通信网络中,很好地进行优势互补。因此,目前已经有相关的研究是关于WPC和BCC结合的,这种混合通信的通信协议是:将一个时间帧分成三个时隙,分别用于进行能量采集(Energy Harvesting,EH),反向散射(Backscattering,BC)和主动信息传输(Active Information Transfer,AIT)。发射机在第一个时隙执行EH方式采集的能量在当前时间帧用尽,无线通信系统通过联合优化三个时隙的分配以及AIT的发射功率分配,来优化混合通信系统的吞吐量。目前现有无线通信系统存在两个缺点:
①能量效率低。现有技术中,在一个时间帧内,不管当前时间帧信道质量好坏,发射机都不储存采集的能量,并会消耗所有的能量用于提供电路工作和执行AIT进行信息传输,即发射机都只能使用一个时间帧内所采集的能量,无法使用其他时间帧采集的能量。如果在信道条件质量差的情况下还坚持进行AIT,那么无线混合反向散射通信网络(WirelessHybrid BackscatterCommunication Network,WHBCN)即使在能量充足的前提下,也无法实现良好的性能(高的吞吐量),即混合发射机无法有效地利用能量进行信息传输。
②WHBCN中混合发射机(Hybrid Transmitter,HT)的工作方式受限,不灵活。现有技术中,将一个时间帧内分成三个时隙,分别对应进行EH,BC,AIT。但这样的工作不灵活,无法根据不同的信道质量来灵活分配HT在每个时间帧的工作方式。例如,在信道质量良好的情况下,实际上更适用在整个时间帧内只进行EH,为其他时间帧进行AIT提供足够能量,而不是无视信道质量,在这个时间帧内HT依然进行EH,BC和AIT这三种工作方式。
综上,行业内急需研发一种进行能量调度以能有效地提高能量利用效率,且工作方式灵活的无线通信系统或者方法。
发明内容
本发明的目的是为了克服以上现有技术存在的不足,提供了一种基于能量调度的通信系统及其通信吞吐量优化方法。
本发明的目的通过以下的技术方案实现:
一种基于能量调度的通信系统,包括:功率信标(Power Beacon,PB)、混合发射机(Hybrid Transmitter,HT)和混合接收机(Hybrid Receiver,HR);考虑一个包括I个时间帧的时间周期,I≥2;功率信标发射的RF信号向混合发射机提供载波信号或者能量;在一个时间帧的某一时刻,混合发射机根据自身的能量状态和传输信道的状态采用能量采集,反向散射或者有源信息传输中的任一种工作方式;当混合发射机执行能量采集方式时,混合发射机从功率信标获取能量;当混合发射机执行反向散射方式或者有源信息传输方式时,混合发射机与混合接收机进行通信,进行信息传输;由混合发射机的三种工作方式组合成七种系统工作模式,在一个时间帧内,通信系统根据混合发射机的能量状态和信道状态选择其中一种工作模式进行通信。
优选地,HT包括存储器、可充电电池、微控制器、能量采集模块、有源IT模块和BC模块,HR包括正交解调器和反向散射解调器;
能量采集模块接收PB发送的能量,并将能量储存在可充电电池,当微控制器检测可充电电池的能量高于预设能量阈值,则控制有源IT模块采用AIT方式和HR进行通信,进行信息传输。当微控制器检测到功率信标的载波信号高于预设信号阈值,则控制BC模块采用BC方式和HR进行通信,将HT的信息调制到功率信标的RF信号上,传输给HR。正交解调器用于解调混合发射机使用AIT方式传输过来的信息,反向散射解调器用于解调混合发射机使用BC方式传输过来的信息。存储器用于存储需要传输的信息。
优选地,由HT的EH,BC和AIT三种工作方式组合成的七种系统工作模式,分别为EH模式、BC模式、AIT模式、EH-BC模式、EH-AIT模式、BC-AIT模式、EH-BC-AIT模式。
一种基于能量调度的通信系统的通信吞吐量优化方法,包括:
S1,建立基于一个时间周期内的WHBCN系统模型;WHBCN系统为权利要求1-3任意一项的混合反向散射通信吞吐量优化系统;
S2,建立WHBCN系统模型对应的吞吐量优化问题;吞吐量优化问题为多阶段的决策问题;
S3,使用动态规划(Dynamics programming,DP)优化框架算法求解吞吐量优化问题,得到混合反向散射通信吞吐量优化系统的最优吞吐量。
优选地,使用DP优化框架算法求解吞吐量优化问题的步骤包括:
第i个时间帧的工作模式表达为如下:
其中,θm(i)∈{0,1}是模式选择指示变量,若为1,则表示选择了该工作模式,若为0则表示没有选择该工作模式;表示其中一种工作模式,tEH(i),tBC(i),tAIT(i)分别代表在一个时间帧中EH,BC和AIT所占的时隙。WHBCN系统模型对应的吞吐量优化问题表达为:
其中E{·}代表了在所有g(i)下的吞吐量的期望,g(i)表示信道状态,Rm(i)表示在第m种工作模式下的吞吐量;
假设定义第i个时间帧开始的能量为s(i),第i个时间帧系统的能量调度约束为:
Ec(i)≤min{s(i)+EH(i),Bmax} (3)
其中Bmax为可充电电池的容量,Ec(i),EH(i)分别表示第i个时间帧HT消耗的能量和采集的能量;
综上所述,WHBCN系统模型对应的吞吐量优化问题为:
s.t.(1),(3) (4b)
θm(i)∈{0,1},∑m∈Mθm(i)=1 (4c)
其中,t(i)=[tEH(i),tBC(i),tAIT(i)],分别表示模式选择指示变量,反向散射系数,发射功率和三个时隙的集合。
基于非因果CSI得到的离线方案结果作为理论上界;
基于因果CSI得到的在线方案作为系统的实际的最优吞吐量;其中基于非因果CSI得到的离线方案结果作为理论上界的步骤如下:
假定已知一个时间周期内的非因果CSI,WHBCN系统模型对应的吞吐量优化问题为:
为了在一个时间周期内最大化系统的吞吐量,HT必须消耗所有可用的能量进行发射,因此,最后一个时间帧的能量约束表示为:
EC(I)≤min{EH(I)+s(I),Bmax} (6)
对于能量约束等效写为:
EC(i)≤min{EH(i)+s(i)-s(i+1),Bmax} (7)
因为在第i个时间帧的时候,并不清楚第i+1个时间帧会分配到多少能量,所以s(i+1)也是一个优化变量,并且s(i+1)∈[0,Bmax];因此令Ψ'(i)=Ψ(i)∪s(i+1),i∈I',所以根据DP理论,公式(5)可以写为:
s.t.(1),(4c),(7) (8b)
s.t.(1),(4c),(6),for i=I (9b)
其中公式(8a)、(8b)、(9a)、(9b)均称为贝尔曼方程,(9a)、(9b)分别是公式(8a)、(8b)的特殊情况;
为了达到WHBCN系统模型的最佳工作模式决策的标准,通过以下计算得到不同工作模式得到的U*(s(i),i),即:
s.t.EC,m(i)≤min{EH,m(i)+s(i)-s(i+1),Bmax} (10b)
tm(i)=T (10c)
其中,Ψ'm(i)=Ψm(i)∪s(i+1),Ψb(i)=α(i),Ψc(i)=pAIT(i),Ψd(i)={α(i),t(i)},Ψe(i)={pAIT(i),t(i)},Ψf(i)=Ψg(i)={pAIT(i),α(i),t(i)};
所以混合反向散射通信吞吐量优化系统第i个时间帧最优的工作模式通过以下得到:
求解公式(10a)、(10b)、(10c)和(11),确定出混合反向散射通信吞吐量优化系统在每个时间帧最优的工作模式;
优选地,求解公式(10a)、(10b)、(10c)和(11)的具体步骤包括:
将电池的能量离散化,即
将公式(10a)、(10b)、(10c)和(11)进行层分解,变成子问题和主要问题,子问题为:
s.t.(10b),(10c) (12b)
主要问题为:
其中,子问题(12a)、(12b)中,是给定s(i+1)来求解/>然后基于获得的/>用暴力搜索的方法求解主要问题(13),通过子问题(12a)、(12b)和主要问题(13)的求解,通过两个步骤来实现问题(11),从而取得最优决策。
优选地,求解子问题(12a)、(12b)的步骤包括:
进行变量替换,从而将非凸问题转化为凸问题,令PAIT(i)=tAIT(i)pAIT(i),将替换变量插入到子问题(12a)、(12b)中,得到此时的可达速率;能量采集,能量消耗和时隙分配都会改变成:Rm(i),EC,m(i),EH,m(i),/>所以,子问题(12a)、(12b)对应的各种工作模式的优化问题通过变量替换之后,都变成凸问题来求解,因为EH模式是整个时间帧进行能量采集,所以可达速率为0,BC模式和AIT模式有闭式解,不需要进行替换,直接得到优化变量的表达,即/>和而EH-BC模式、EH-AIT模式、BC-AIT模式、EH-BC-AIT模式则需要转化成凸问题,表达如下:
s.t.EC,m(i)≤min{EH,m(i)+s(i)-s(i+1),Bmax} (14b)
将非凸问题转化为凸问题之后,通过软件工具包CVX求解;因此,通过求解公式(14a)、(14b)和(14c),进而求解贝尔曼方程,最后得出每个时间帧的最优决策。
本发明相对于现有技术具有以下的优点和效果:
1、比起现有技术,本发明在HT引进可充电电池,进而实现系统的能量调度;
2、在一个时间帧内,HT根据自身能量的状态和传输信道的状态执行EH,BC和AIT三种工作方式中的一种,HT执行EH方式,即HT从功率信标处获取能量;HT执行BC或者AIT方式,即HT与混合接收机进行通信,将信息传输给HR。HT有EH,BC和AIT这三种工作方式,由HT的三种工作方式可构成七种系统的工作模式,在一个时间帧内,该通信系统根据能量状态和信道状态选择其中一种工作模式进行工作。因此,HT在每个时间帧可以更加灵活地执行EH、BC、AIT三种工作方式;
3、因为引入了能量调度,本发明建立的优化问题是多阶段决策问题,使用DP框架将该优化问题转化成单阶段决策问题,使得优化问题便于求解。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明的基于能量调度的WHBCN系统模型图。
图2是本发明的基于能量调度的通信系统的通信吞吐量优化方法的示意流程图。
图3(a)是本发明的EH模式示意图。
图3(b)是本发明的BC模式示意图。
图3(c)是本发明的AIT模式示意图。
图3(d)是本发明的EH-BC模式示意图。
图3(e)是本发明的EH-AIT模式示意图。
图3(f)是本发明的BC-AIT模式示意图。
图3(g)是本发明的EH-BC-AIT模式示意图。
图4是本发明的基于能量调度的WHBCN系统算法流程图。
图5是本发明的系统吞吐量随着PB与HT之间距离的变化曲线图。
图6是本发明的系统吞吐量随着HT与HR之间距离的变化曲线图。
图7是本发明的系统吞吐量随着PB发射功率的变化曲线图。
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。
参见图1,一种基于能量调度的通信系统,包括:功率信标(Power Beacon,PB)、混合发射机(Hybrid Transmitter,HT)和混合接收机(Hybrid Receiver,HR);考虑一个包括I个时间帧的时间周期,I≥2;PB发射的RF信号向HT提供载波信号或者能量;在一个时间帧内,HT根据自身的能量状态和传输信道的状态采用EH,BC或者AIT中的一种工作方式。HT执行EH方式,即HT从功率信标获取能量;HT执行BC或者AIT方式,即HT与HR进行通信,进行信息传输。HT有EH,BC和AIT三种工作方式,由HT的三种工作方式构成七种系统的工作模式,在一个时间帧内,通信系统根据发射机的能量状态和信道状态选择其中一种工作模式进行通信。
其中,HT包括可充电电池、微控制器、能量采集模块、有源IT模块和BC模块,HR包括正交解调器和反向散射解调器;能量采集模块接收功率信标发送的能量,并将能量储存在可充电电池,当微控制器检测可充电电池的能量高于预设能量阈值,则控制有源IT模块采用AIT方式和混合接收机进行通信,进行信息传输。当微控制器检测到功率信标的载波信号高于预设信号阈值,则控制BC模块采用BC方式和混合接收机进行通信,将HT的信息调制到功率信标的RF信号上,传输给HR。正交解调器用于解调混合发射机使用AIT方式传输过来的信息,反向散射解调器用于解调HT使用BC方式传输过来的信息。值得注意的是,因为HT只配有一根天线,所以不能同时执行EH,BC和AIT,这意味着HT需要在这三种工作方式中切换。
需要说明的是,AIT方式是有源信息传输(有源IT),发送信息的能量需要自身的电池提供;BC方式是无源信息传输(无源IT),发送信息的能量不需要自身电池提供,而是借助外界的RF信号进行负载调制通信。一个时间周期包括多个时间帧(通常假设每个时间帧的长度相同,为T),一个时间帧可以分为多个时隙(这些时隙之间的长度不一定相同)。非因果CSI是指在一个时间周期的信息传输开始前,每个时间帧的CSI已知;因果CSI是指每个时间帧只知道当前时间帧的CSI,不知道其他时间帧的CSI。
在本实施例,参见图3(a)、3(b)、3(c)、3(d)、3(e)、3(f)和3(g),由发射机的EH,BC和AIT三种工作方式组合成的七种系统工作模式,分别为EH模式、BC模式、AIT模式、EH-BC模式、EH-AIT模式、BC-AIT模式、EH-BC-AIT模式。在每个时间帧中,系统可根据信道状态和能量状态从七种工作模式中自由选择其中一种。HT到HR的信息传输可以划分为一个时间周期(包括I个时间帧),每个时间帧的持续长度都为T。由于HT带有可充电电池,因此当RF源与HT的信道质量良好时,可以在一个时间帧的持续时间内连续采集能量并储存,而当RF信号丰富或者可充电电池的能量充足时,HT可以在一个时间帧的持续时间内进行BC或者AIT来传输信息。因为本发明考虑到能量调度,所以当HT在进行AIT时,并不一定会消耗电池所有的可用能量,可能会保留一些能量用于未来时间帧的信息传输。所以,根据CSI和ESI,HT可自适应选择EH,BC和AIT三种工作方式,所以每个时间帧的结构可以有七种设计,分别对应基于能量调度WHBCN的七种工作模式,表示为
综上,HT能够根据不同时间帧之间的CSI和ESI来自适应执行不同的工作方式,并进行能量调度,有效地提高系统的能量效率并提高WHBCN的吞吐量,实现高性能、低能耗的通信性能。
此外,参见图2,本发明还提供一种基于能量调度的通信系统的通信吞吐量优化方法,基于能量调度的通信系统的通信吞吐量优化方法是一个多阶段的决策问题;但多阶段决策问题往往是由于阶段与阶段之间是耦合的,难以直接求解。本发明是使用DP框架来把多阶段决策问题转化为单阶段决策问题。但是又由于单阶段决策问题是随机规划问题,还是很难直接求解,所以会使用到凸优化和层分解的数学方法把非凸的问题转化成凸问题来求解;由于涉及无线信道的随机性,所以本发明会提供基于非因果CSI得到的离线方案结果作为理论上界和基于因果CSI得到的在线方案作为真正的计算结果。基于能量调度的通信系统的通信吞吐量优化方法具体步骤如下:
假设所考虑的WHBCN信道是准静态衰落信道,即信道增益在每个时间帧中保持恒定,但从一个时间帧到另一个时间帧独立变化。令第i个时间帧PB和HT之间的信道增益、HT和HR之间的信道增益分别为gBT(i)和gTR(i),假设HR处的高斯白噪声的方差为所以令令g(i)={gBT(i),gTR(i)},其中时间帧的集合为/>
HT在每个时间帧灵活地执行EH,BC和AIT三种工作方式,所以系统可在每个时间帧中从七种工作模式中自由选择其中一种。其中,七种工作模式表示为令tEH(i),tBC(i),tAIT(i)分别为第i个时间帧分配给EH,BC和AIT的时隙,定义θm(i)∈{0,1}为第i个时间帧系统工作模式的指示变量,其中m∈M,i∈I。如果系统在第i个时间帧以模式m工作,则θm(i)=1,否则θm(i)=0。七种工作模式阐述如下表:
表1
模式a | tBC(i)=tAIT(i)=0,tEH(i)=T |
模式b | tEH(i)=tAIT(i)=0,tBC(i)=T |
模式c | tBC(i)=tEH(i)=0,tAIT(i)=T |
模式d | tEH(i)+tBC(i)=T,tAIT(i)=0 |
模式e | tEH(i)+tAIT(i)=T,tBC(i)=0 |
模式f | tBC(i)+tAIT(i)=T,tEH(i)=0 |
模式g | tEH(i)+tBC(i)+tAIT(i)=T |
所以,第i个时间帧的工作模式可以统一表达为如下:
其中,θm(i)∈{0,1}是模式选择指示变量,若为1,则表示选择了该工作模式,若为0则表示没有选择该工作模式;表示工作模式,tEH(i),tBC(i),tAIT(i)分别代表一个时间帧中EH,BC和AIT所占的时隙。由于系统在每一个时间帧只能以一种模式进行工作,因此有∑m∈Mθm(i)=1。与现有技术相比,本发明的HT可以根据CSI和ESI更灵活地选择工作方式,并且可以调度不同时间帧之间的能量。因此本发明所提的新通信协议设计具有更大的自由度来工作,可大大提高系统的吞吐量性能。
接下来,建立适合于上述系统的多阶段决策系统的吞吐量优化问题,并使用DP优化框架来求解该问题,最后可优化系统吞吐量。具体步骤如下:
由于本发明的目的是让系统在每个时间帧根据CSI和ESI来自由选择工作模式,并进行能量调度,所以系统会考虑在一个时间周期内的工作,从而建立对应的系统长期平均吞吐量优化问题,可以认为一个时间帧就是一个阶段,所以本发明建立的优化问题是一个多阶段的决策问题;但多阶段决策问题往往是由于阶段与阶段之间是耦合的,难以直接求解。本发明是使用DP框架来把多阶段决策问题转化为单阶段决策问题。但是又由于单阶段决策问题是随机规划问题,还是很难直接求解,所以会使用到凸优化和层分解的数学方法把非凸的问题转化成凸问题来求解;由于涉及无线信道的随机性,所以本发明会提供基于非因果CSI得到的离线方案结果作为理论上界和基于因果CSI得到的在线方案作为真正的计算结果。下表2为描述系统的一些变量表示:
表2
因为不同的工作模式对应不同的能量采集、能量消耗、时隙分配等,同时也会导致不同的吞吐量公式表达,但是HT的EH、BC、AIT这三种工作方式是系统七种工作模式的基准,因此,先使用下表3来描述HT的三种工作方式:
表3
有了上述对HT三种工作方式的基准表达,接下来就描述系统七种工作模式。令Rm(i)、EC,m(i)、EH,m(i)和tm(i)分别为第i个时间帧HT采用工作模式m时的吞吐量、消耗的能量,采集的能量和时隙。下表4为系统七种工作模式的表达:
表4
通过使用指示变量统一表达系统第i个时间帧的可达速率,采集的能量,消耗的能量和时隙分配,分别表示为 和那么系统的吞吐量表达为:
其中E{·}代表了在所有g(i)下吞吐量的期望,g(i)表示信道状态,Rm(i)表示第i个时间帧的吞吐量。
假设定义第i个时间帧开始的能量为s(i),基于以上的分析,可以得出第i个时间帧系统的能量调度约束为:
Ec(i)≤min{s(i)+EH(i),Bmax} (3)
其中Bmax为可充电电池的容量,Ec(i),EH(i)分别表示第i个时间帧混合发射机消耗的能量和采集的能量。
综上所述,WHBCN系统模型对应的吞吐量优化问题为:
s.t.(1),(3) (4b)
θm(i)∈{0,1},∑m∈Mθm(i)=1 (4c)
其中,t(i)=[tEH(i),tBC(i),tAIT(i)],分别表示模式选择指示变量,反向散射系数,发射功率和时隙的集合。
由于本发明中基于能量调度的WHBCN无线信道的随机性,问题(4)(公式(4a)、(4b)和(4c))是一个随机规划问题,因此,这个问题很难解决。假设问题(4)的简化形式中,每个时间周期的开始已经知道一个时间周期中所有的CSI(非因果CSI)。但是因为是非因果CSI的话,得出的结果是不切实际的,因为实际生活中不可能提前知道一个时间周期所有的CSI,不能将非因果CSI用于问题(4),但是可以通过这样推导得出问题(4)的理论上界值。若要真正求解问题(4),可以使用近似DP的方法求解,系统仅仅在每个时间帧开始时知道当前时间帧的CSI(因果CSI),可以利用FSMC模型来求解,即用一组量化的信道增益来表示实际的信道增益。通过FSMC模型,可以遵循非因果CSI的求解方法,使用量化的信道增益来实现工作模式和资源分配的最佳决策。
(1)已知非因果CSI,求出优化问题的上界。由于已经知道一个时间周期中的非因果CSI,因此问题(4)可以改写为以下的确定性问题:
Rm(i)表示在第m种工作模式下的吞吐量;
在问题(5)中,因为不同时间帧中的工作模式选择和资源分配相关联,所以问题(5)仍然是很难解决的,为了解决该问题,引入能量状态,即sI=[s(1),s(2),...,s(I)],用于跟踪一个时间周期内的能量调度,为了在一个周期内最大化系统的吞吐量,HT必须消耗所有可用的能量进行发射,因此,最后一个时间帧的能量约束应该表示为:
EC(I)≤min{EH(I)+s(I),Bmax}(6)
对于能量约束可以等效写为:
EC(i)≤min{EH(i)+s(i)-s(i+1),Bmax}(7)
因为在第i个时间帧的时候,并不清楚第i+1个时间帧会分配到多少能量,所以s(i+1)也是一个优化变量,并且s(i+1)∈[0,Bmax]。因此令Ψ'(i)=Ψ(i)∪s(i+1),i∈I',所以根据DP理论,问题(5)可以写为:
s.t.(1),(4c),(7) (8b)
s.t.(1),(4c),(6),for i=I (9b)
在DP理论中,(8)(包括(8a)和(8b))和(9)(包括(9a)和(9b))称为贝尔曼方程,可以通过反向归纳法求解,也就是说。从最后一个开始,即U*(s(I),I)开始,一直计算知道U*(s(1),1),一次求解一个时间帧。可以看出,(9)是(8)的特殊情况,所以出于简化,后面仅提供(8)的求解推导。为了达到基于能量调度的WHBCN的最佳工作模式决策的标准,可以通过以下计算得到不同工作模式得到的U*(s(i),i),即:
s.t.EC,m(i)≤min{EH,m(i)+s(i)-s(i+1),Bmax} (10b)
tm(i)=T (10c)
其中,Rm(i),EC,m(i),EH,m(i),tm(i)在前文有描述,在此不赘述,Ψ'm(i)=Ψm(i)∪s(i+1),Ψb(i)=α(i),Ψc(i)=pAIT(i),Ψd(i)={α(i),t(i)},Ψe(i)={pAIT(i),t(i)},Ψf(i)=Ψg(i)={pAIT(i),α(i),t(i)}。/>
所以系统第i个时间帧最优的工作模式可以通过以下得到:
通过求解(10a)、(10b)、(10c)和(11),可以确定系统在每个时间帧最优的工作模式(即,最佳决策)。但是在这些问题中,s(i+1)是一个连续的优化变量,而且每种工作模式对应的优化问题包含了s(i+1)和第i个时间帧的其他优化变量,所以能量调度约束被耦合在相邻时间帧中,导致无法直接求解得到最佳决策。所以,为了求解上述的问题,电池的能量需要离散化,即这样一来,就可以基于有限能量状态做出关于s(i+1)的最佳决策。此外,为了求解每种工作对应的问题,可以将问题(10)(包含公式(10a)、(10b)、(10c))进行层分解,变成子问题和主要问题,这可以有效解决耦合的约束,如下表示:
子问题:
s.t.(10b),(10c) (12b)主要问题:
其中,子问题(12)(包含公式(12a)、(12b))中,是给定s(i+1)来求解/>然后基于获得的/>用暴力搜索的方法求解主要问题(13),通过子问题(12)和主要问题(13)的求解,可以通过两个步骤来实现问题(11),从而取得最优决策。
主要问题(13)比较容易求解,但由于子问题(12)是非凸的,所以以下注重求解子问题(12)。为了求解子问题(12)对应的各中工作模式的优化问题,需要进行变量替换,从而将非凸问题转化为凸问题,令PAIT(i)=tAIT(i)pAIT(i),将替换变量插入到子问题(12)中,可以得到此时的可达速率,能量采集,能量消耗和时隙分配都会改变,变成:Rm(i),EC,m(i),EH,m(i),/>所以,子问题(12)对应的各种工作模式的优化问题通过变量替换之后,都可以变成凸问题来求解,因为模式a是整个时间帧进行能量采集,所以可达速率为0,b,c有闭式解,不需要进行替换,可以直接得到优化变量的表达,即和/>而模式d,e,f,g则需要转化成凸问题,表达如下:
s.t.EC,m(i)≤min{EH,m(i)+s(i)-s(i+1),Bmax} (14b)
将非凸问题转化为凸问题之后,可以通过一些软件工具包求解(例如CVX)。因此,通过求解(14)(包括公式(14a)、(14b)和(14c)),进而求解贝尔曼方程,最后可以得出每个时间帧的最优决策。
以上的求解方法,就是具有非因果CSI的具有能量调度WHBCN系统联合优化工作模式选择和资源分配的优化算法,求得的结果可作为实际具有能量调度WHBCN系统的理论上界。
(2)已知因果CSI,求出实际的优化问题。但真正的通信系统不可能知道非因果CSI的,只能知道因果CSI,即在时间帧传输之前,HT仅仅知道当前时间帧的CSI,而不能知道后续时间帧的CSI,所以基于非因果CSI的求解方法,可使用近似DP方法来解决(4)(包括公式(4a)、(4b)和(4c))中基于因果CSI的随机规划问题。所以问题(4)可以写为如下的贝尔曼方程:
s.t.(1),(4c),(7)(15b)
s.t.(1),(4c),(6),for i=I (16b)
其中,
因为因果CSI只知道当前时间帧的CSI,所以无法像非因果CSI那样求解,可以基于信道分布的知识,通过FSMC模型,用量化信道增益来表示实际信道增益来求解。可以遵循非因果CSI的方法,可以使用量化的信道增益来实现关于系统工作模式和资源分配的最佳决策,建立查询表。查询表记录最佳的决策以及对应的CSI和ESI,那么在真正计算的时候,可以通过将实际信道增益映射到根据因果CSI建立的查询表来获得当前的最佳决策。在本发明中,采用均等稳态概率的FSMC模型来量化信道增益,信道表示为N个离散信道值,将gBT(i)和gTR(i)分别量化表示为和/>令和/>因为信道增益遵循一阶马尔科夫模型,所以系统获得信道的稳态概率/>和/>并且有令/>根据非因果CSI的表达,用V(i)代替g(i),得到因果CSI里面的各种表达,所以将因果CSI的子问题和主要问题写成:
s.t.(1),(4c),(7) (18b)
s.t.(1),(4c),(6),for i=I (19b)
遵循和非因果CSI一样的方法可以求解因果CSI的问题,所以(18)(包括公式(18a)、(18b))和(19)((19a)和(19b)(19a)和(19b))可以很好地解决,在此就不赘述。求解(18)和(19)之后,可以建立一个查询表,记录着最佳决策和对应的资源分配。所以,真正在计算一个时间周期的系统吞吐量是分三步进行的:①首先,HT在第i个时间帧传输开始时,将CSI(即g(i))映射到V(i);②然后,基于当前能量状态s(i),找到查询表中对应的条目;③最后,求解涉及的工作模式对应的子问题;通过这三步,确定系统的工作模式及其资源分配,即为混合反向散射通信吞吐量优化系统的最优吞吐量。
实验数据
本发明的实验是通过仿真软件MATLAB来实现的,进行仿真前预设置的仿真参数如表5所示:
表5
其中“纯BC模式”对应本发明中的模式b,“纯HTT模式”对应模式e。
图5描述了系统吞吐量随dBT的变化曲线,其中包含理论上界和其他对比方案。可以看出,无论是哪一种方案,当dBT增大时,系统吞吐量性能都会降低,这符合的现实情况。①在系统可进行能量调度的情况下,本发明得到的吞吐量性能是最好的。由于BC电路能耗和AIT电路能耗不同,所以纯BC模式和纯HTT模式适用于不同的应用场景:当dBT很小时,HT从PB处采集的能量相对较多,HT会选择纯HTT模式,实现更高的系统吞吐量,当dBT很大时,HT从PB处源采集的能量相对较少,不利于AIT,HT会选择BC模式,维持系统的通信。②系统没有能量调度时,纯BC模式的吞吐量性能比有能量调度时的稍低。随着dBT越来越大,HT采集的能量也越来越少,无能量调度的纯BC模式的吞吐量性能与有能量调度时的吞吐量差距会逐渐变大;纯HTT模式不适用于低功耗的应用场景,若HT没有储存能量的可充电电池,系统就无法进行能量调度,能量效率低下,那纯HTT模式实现的吞吐量性能就非常差。
图6描述了系统吞吐量随dTR的变化曲线,其中包含理论上界和其他对比方案。当dTR变量变化时,由于BC模块中较低的电路能耗,特别是当dTR较小时,纯BC模式优于纯HTT模式。但是,当dTR增大时,纯BC模式所实现的吞吐量会迅速下降,而纯HTT方法所实现的吞吐量会略有下降。这表明纯HTT中的AIT可以通过基于时变CSI自适应地调度能量来应对信道质量下降,但是无源的纯BC模式无法实现这一点。与纯HTT和纯BC仅适用于某些dTR值不同,具有能量调度功能的混合通信通过将BC和AIT的优势整合,显示了其对所有dTR的优势。
图7描述了系统吞吐量随PB的发射功率PB的变化曲线,其中包括理论上界和其他对比方案。当PB很大(例如,PB从25dBm到35dBm变化)时,通过在其他五种方案上的能量调度与混合通信实现的吞吐量增益更加显着。例如,当PB=35dBm时,具有能量调度功能的混合通信比具有能量调度功能的纯HTT可获得约30%的吞吐量增益。然而,当PB很小(例如,PB在5dBm到20dBm之间变化)时,具有能量调度的混合通信的吞吐量性能几乎与具有能量调度的纯BC实现的吞吐量性能相同。这表明,即使PB很小,即使采用能量调度的混合通信,网络也几乎始终与BC一起工作。
因此,比起现有技术,本系统更有效地利用能量,工作模式的选择具有灵活性,并能有效提高WHBCN的吞吐量,实现高性能、低能耗的通信性能。具体为:
首先从能量利用效率来讲,最好的现有技术由于只考虑单个时间帧系统的工作情况,能量的利用效率低下。但是无线通信的信道具有很强的随机性,这就导致了系统无法保证HT采集的能量是多还是少,而且无论HT采集的能量多还是少,系统都要求HT在这个时间帧将能量使用完毕,假设当HT到HR的信道质量非常差,尽管HT使用很多的能量进行AIT,系统的吞吐量也不高,当HT到HR的信道质量非常好,但HT可能采集能量非常少,这时候系统的吞吐量也不高。所以基于这个缺点,本发明在HT处引入可充电电池,HT可以将采集的能量储存起来,不需要在当前时间帧全部使用完毕,可根据信道质量灵活地降能量用于后续的时间帧,从而有效地提高系统的能量使用效率;
其次从HT的工作方式灵活性来讲,最好的现有技术在一个时间帧内系统是需要执行EH、BC、AIT三种工作方式的,这样的系统是十分不灵活的。本发明不需要在一个时间帧内固定HT执行这三种工作方式,因为假设PB到HT的信道质量非常好,这时候是适合HT在整个时间帧进行能量采集,尽可能采集足够多的能量,用于后续时间帧的AIT,提高系统的吞吐量;假设PB发射的RF信号很强,HT可以选择整个时间帧进行BC以提高系统的吞吐量。所以本发明中HT的工作方式是十分灵活的。
上述具体实施方式为本发明的优选实施例,并不能对本发明进行限定,其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于能量调度的通信系统的通信吞吐量优化方法,其特征在于,包括:
S1,建立基于一个时间周期的无线混合反向散射通信网络系统模型;所述无线混合反向散射通信网络系统包括:功率信标、混合发射机和混合接收机;
考虑一个包括I个时间帧的时间周期,I≥2;功率信标发射的RF信号向混合发射机提供载波信号或者能量;在一个时间帧的某一时刻,混合发射机根据自身的能量状态和传输信道的状态采用能量采集,反向散射或者有源信息传输中的任一种工作方式;当混合发射机执行能量采集方式时,混合发射机从功率信标获取能量;当混合发射机执行反向散射方式或者有源信息传输方式时,混合发射机与混合接收机进行通信,进行信息传输;由混合发射机的三种工作方式组合成七种系统工作模式,在一个时间帧内,通信系统根据混合发射机的能量状态和信道状态选择其中一种工作模式进行通信;所述混合发射机包括存储器、可充电电池、微控制器、能量采集模块、有源IT模块和BC模块,混合接收机包括正交解调器和反向散射解调器;
所述能量采集模块接收功率信标发送的能量,并将能量储存在可充电电池,当微控制器检测可充电电池的能量高于预设能量阈值,则控制有源IT模块采用有源信息传输方式和混合接收机进行通信,进行信息传输;当微控制器检测到功率信标的载波信号高于预设信号阈值,则控制BC模块采用反向散射方式和混合接收机进行通信,将混合发射机的信息调制到功率信标的RF信号上,传输给混合接收机;正交解调器用于解调混合发射机使用有源信息传输方式传输过来的信息,反向散射解调器用于解调混合发射机使用反向散射方式传输过来的信息;存储器用于存储需要传输的信息;
所述无线混合反向散射通信网络系统由混合发射机的能量采集,反向散射和有源信息传输三种工作方式组合而成七种系统工作模式,分别为能量采集模式、反向散射模式、有源信息传输模式、能量采集-反向散射模式、能量采集-有源信息传输模式、反向散射-有源信息传输模式、能量采集-反向散射-有源信息传输模式;
S2,建立无线混合反向散射通信网络系统模型对应的吞吐量优化问题;吞吐量优化问题为多阶段决策问题;
S3,使用动态规划优化框架算法求解吞吐量优化问题,得到混合反向散射通信吞吐量优化系统的最优吞吐量;
使用所述动态规划优化框架算法求解吞吐量优化问题的步骤包括:
第i个时间帧的工作模式表达为如下:
其中,θm(i)∈{0,1}是模式选择指示变量,若为1,则表示该工作模式被选择,若为0则表示没有选择该工作模式;表示工作模式,tEH(i),tBC(i),tAIT(i)分别代表一个时间帧中能量采集,反向散射和有源信息传输的时间,T表示一个时间帧的时长;
无线混合反向散射通信网络系统模型对应的吞吐量优化问题表达为:
其中,E{·}代表了一个时间周期I个时间帧的吞吐量的数学期望,g(1)表示一个时间周期内的第一个时间帧的信道状态,Rm(i)表示第i个时间帧在第m种工作模式下的吞吐量;
假设定义第i个时间帧开始的能量为s(i),第i个时间帧系统的能量调度约束为:
Ec(i)≤min{s(i)+EH(i),Bmax} (3)
其中,Bmax为可充电电池的容量,Ec(i),EH(i)分别表示第i个时间帧中混合发射机消耗的能量和采集的能量;
综上所述,无线混合反向散射通信网络系统模型对应的吞吐量优化问题为:
s.t.(1),(3) (4b)
θm(i)∈{0,1},∑m∈Μθm(i)=1 (4c)
其中,t(i)=[tEH(i),tBC(i),tAIT(i)]分别表示模式选择指示变量θm(i),反向散射系数α(i),发射功率pAIT(i)和时隙t(i)构成的集合;
基于非因果CSI得到的离线方案结果作为理论上界;
基于因果CSI得到的在线方案作为系统的实际的最优吞吐量;其中基于非因果CSI得到的离线方案结果作为理论上界的步骤如下:
假定已知一个时间周期内的非因果CSI,无线混合反向散射通信网络系统模型对应的吞吐量优化问题为:
为了在一个时间周期内最大化系统的吞吐量,混合发射机必须在这一个时间周期内消耗所有可用的能量进行信息发射,因此,最后一个时间帧的能量约束表示为:
EC(I)≤min{EH(I)+s(I),Bmax} (6)
对于能量约束等效写为:
EC(i)≤min{EH(i)+s(i)-s(i+1),Bmax} (7)
因为在第i个时间帧的时候,并不清楚第i+1个时间帧会分配到多少能量,所以s(i+1)也是一个优化变量,并且s(i+1)∈[0,Bmax];因此令Ψ'(i)=Ψ(i)∪s(i+1),i∈I',所以根据动态规划理论,公式(5)改写为:
s.t.(1),(4c),(7) (8b)
s.t.(1),(4c),(6),for i=I (9b)
其中公式(8a)、(8b)、(9a)、(9b)均称为贝尔曼方程,(9a)、(9b)分别是公式(8a)、(8b)的特殊情况;
其中,U*(s(i),i)指的是第i个时间帧的吞吐量最优值,U*(s(I),I)表示的是一个时间周期的最后一个时间帧(即第I个时间帧)的吞吐量最优值;
为了达到无线混合反向散射通信网络系统模型的最佳工作模式决策的标准,通过以下计算得到不同工作模式得到的U*(s(i),i),即:
s.t.EC,m(i)≤min{EH,m(i)+s(i)-s(i+1),Bmax} (10b)
tm(i)=T (10c)
其中,Ψ'm(i)=Ψm(i)∪s(i+1),Ψb(i)=α(i),Ψc(i)=pAIT(i),Ψd(i)={α(i),t(i)},Ψe(i)={pAIT(i),t(i)},Ψf(i)=Ψg(i)={pAIT(i),α(i),t(i)};
所以混合反向散射通信吞吐量优化系统在第i个时间帧中最优的工作模式通过以下得到:
求解公式(10a)、(10b)、(10c)和(11),确定混合反向散射通信吞吐量优化系统在每个时间帧最优的工作模式。
2.根据权利要求1所述的通信吞吐量优化方法,其特征在于,求解公式(10a)、(10b)、(10c)和(11)的具体步骤包括:
将电池的能量离散化,即
将公式(10a)、(10b)、(10c)和(11)进行层分解,变成子问题和主要问题,子问题为:
s.t.(10b),(10c) (12b)
主要问题为:
其中,子问题(12a)、(12b)中,是给定s(i+1)来求解/>然后基于获得的/>用暴力搜索的方法求解主要问题(13),通过子问题(12a)、(12b)和主要问题(13)的求解,通过两个步骤来求解问题(11),从而取得最优决策。
3.根据权利要求2所述的通信吞吐量优化方法,其特征在于,求解子问题(12a)、(12b)的步骤包括:
需要进行变量替换,从而将非凸问题转化为凸问题,令PAIT(i)=tAIT(i)pAIT(i),将替换变量插入到子问题(12a)、(12b)中,得到此时的可达速率,能量采集,能量消耗和时隙分配都会改写成:/>所以,子问题(12a)、(12b)对应的各种工作模式的优化问题通过变量替换之后,都变成凸问题来求解,因为能量采集模式是代表混合发射机在整个时间帧都进行能量采集,所以可达速率为0,反向散射模式和有源信息传输模式有闭式解,不需要进行变量替换,直接得到优化变量的表达,即和/>而能量采集-反向散射模式、能量采集-有源信息传输模式、反向散射-有源信息传输模式、能量采集-反向散射-有源信息传输模式对应的优化问题则需要转化成凸问题,表达如下:
将非凸问题转化为凸问题之后,通过软件工具包CVX求解;因此,通过求解公式(14a)、(14b)和(14c),进而求解贝尔曼方程,最后得出每个时间帧的最优决策。
4.根据权利要求3所述的通信吞吐量优化方法,其特征在于,基于因果CSI得到的在线方案作为系统的实际的最优吞吐量的步骤包括:
基于非因果CSI的求解方法,使用近似动态规划方法来解决(4a)、(4b)和(4c)中基于因果CSI的随机规划问题;所以问题(4a)、(4b)和(4c)改写为如下的贝尔曼方程:
s.t.(1),(4c),(7) (15b)
s.t.(1),(4c),(6),for i=I (16b)
其中,
采用均等稳态概率的有限状态马尔科夫信道模型来量化信道增益,信道表示为N个离散信道值,将gBT(i)和gTR(i)分别量化表示为和令θBT(i)∈ΞBT(i)和/>因为信道增益遵循一阶马尔科夫模型,所以系统获得信道的稳态概率/>和并且有/>令/>根据非因果CSI的表达,用V(i)代替g(i),得到因果CSI里面的各种变量和公式的表达,所以将因果CSI的子问题和主要问题写成:
s.t.(1),(4c),(7)(18b)
s.t.(1),(4c),(6),fori=I(19b)
遵循和非因果CSI一样的方法求解因果CSI的问题;求解(18a)、(18b)、(19a)和(19b)之后,建立一个查询表,记录着最佳决策和对应的资源分配;
计算一个时间周期的系统吞吐量是分三步进行:①首先,HT在第i个时间帧传输开始时,将CSI(即g(i))映射到V(i);②然后,基于当前能量状态s(i),找到查询表中对应的条目;③最后,求解涉及的工作模式对应的子问题;通过这三步,确定系统的工作模式及其资源分配,即为混合反向散射通信吞吐量优化系统的最优吞吐量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987098.XA CN112218313B (zh) | 2020-09-18 | 2020-09-18 | 一种基于能量调度的通信系统及其通信吞吐量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987098.XA CN112218313B (zh) | 2020-09-18 | 2020-09-18 | 一种基于能量调度的通信系统及其通信吞吐量优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112218313A CN112218313A (zh) | 2021-01-12 |
CN112218313B true CN112218313B (zh) | 2023-08-25 |
Family
ID=74050011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010987098.XA Active CN112218313B (zh) | 2020-09-18 | 2020-09-18 | 一种基于能量调度的通信系统及其通信吞吐量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112218313B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113115426B (zh) * | 2021-03-26 | 2022-06-14 | 华南理工大学 | 能量收集无线系统的在线功率分配方法、系统及介质 |
CN113347728B (zh) * | 2021-06-23 | 2022-12-06 | 西安邮电大学 | 反向散射网络吞吐量优化方法、装置及存储介质 |
CN113660628B (zh) * | 2021-08-16 | 2023-04-07 | 同济大学 | 一种针对地下无线供能传感网络吞吐量优化方法 |
CN113645644B (zh) * | 2021-09-16 | 2024-04-05 | 浙江工业大学 | 一种反向散射辅助无线供能通信系统吞吐量优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964751A (zh) * | 2018-07-30 | 2018-12-07 | 太原理工大学 | 一种利用环境rf无线充电的通信设备间的通信方法 |
CN110536318A (zh) * | 2019-06-20 | 2019-12-03 | 南京邮电大学 | 无线供电通信网络混合用户方案系统及吞吐量的优化方法 |
CN111385010A (zh) * | 2018-12-29 | 2020-07-07 | 深圳先进技术研究院 | 多模混合物联网及其无源中继协作式无线数据传输控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8116391B2 (en) * | 2006-05-26 | 2012-02-14 | Wi-Lan Inc. | Quantization of channel state information in multiple antenna systems |
-
2020
- 2020-09-18 CN CN202010987098.XA patent/CN112218313B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964751A (zh) * | 2018-07-30 | 2018-12-07 | 太原理工大学 | 一种利用环境rf无线充电的通信设备间的通信方法 |
CN111385010A (zh) * | 2018-12-29 | 2020-07-07 | 深圳先进技术研究院 | 多模混合物联网及其无源中继协作式无线数据传输控制方法 |
CN110536318A (zh) * | 2019-06-20 | 2019-12-03 | 南京邮电大学 | 无线供电通信网络混合用户方案系统及吞吐量的优化方法 |
Non-Patent Citations (1)
Title |
---|
基于能量采集认知无线网中的资源分配方案研究;龙彦;张晓倩;方旭明;何蓉;;通信学报(09);71-79 * |
Also Published As
Publication number | Publication date |
---|---|
CN112218313A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112218313B (zh) | 一种基于能量调度的通信系统及其通信吞吐量优化方法 | |
Mao et al. | An optimal energy allocation algorithm for energy harvesting wireless sensor networks | |
US20220407592A1 (en) | Multi-carrier resource allocation method based on wireless-powered backscatter communication network | |
Gunduz et al. | Designing intelligent energy harvesting communication systems | |
Gündüz et al. | Two-hop communication with energy harvesting | |
Yang et al. | Energy efficient resource allocation for mobile-edge computation networks with NOMA | |
Wen et al. | Throughput maximization for ambient backscatter communication: A reinforcement learning approach | |
Wang et al. | Throughput maximization in wireless powered communication networks with energy saving | |
Wang et al. | Cognitive backscatter NOMA networks with multi-slot energy causality | |
Janatian et al. | Optimal offloading strategy and resource allocation in SWIPT-based mobile-edge computing networks | |
Bacinoglu et al. | Finite horizon online lazy scheduling with energy harvesting transmitters over fading channels | |
He et al. | On maximizing max–min source rate in wireless-powered Internet of Things | |
Beitollahi et al. | Multi-frame scheduling for federated learning over energy-efficient 6g wireless networks | |
Iqbal et al. | Throughput maximization for full duplex wireless powered communication networks | |
Ding et al. | Dynamic spectrum allocation for energy harvesting-based underlaying D2D communication | |
Yu et al. | Task delay minimization in wireless powered mobile edge computing networks: A deep reinforcement learning approach | |
Toorchi et al. | Fast and low-complexity reinforcement learning for delay-sensitive energy harvesting wireless visual sensing systems | |
Ding et al. | Cross-layer resource allocation in NOMA systems with dynamic traffic arrivals | |
Iqbal et al. | Optimal on-off transmission schemes for full duplex wireless powered communication networks | |
Li et al. | Real-time optimal resource allocation in multiuser mobile edge computing in digital twin applications with deep reinforcement learning | |
Han et al. | Auction-based energy-spectrum trading in green cognitive cellular networks | |
Jaiswal et al. | Green computing in heterogeneous internet of things: Optimizing energy allocation using SARSA-based reinforcement learning | |
Sun et al. | Channel selection and power control for D2D communication via online reinforcement learning | |
He et al. | Online scheduling for energy minimization in wireless powered mobile edge computing | |
Saied et al. | Resource management based on reinforcement learning for D2D communication in cellular networks |
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 |