CN112702792A - 基于gfdm的无线携能网络上下行链路资源联合分配方法 - Google Patents

Abstract

本发明公开了一种基于GFDM的无线携能网络上下行链路资源联合分配方法。各用户在下行链路中采用功率分割接收机结构对接收信号进行信息解码与能量收集，而后将收集到的能量用于上行链路信息传输。通过对上下行链路GFDM子载波与子符号分配、功率分配与功率分割因子的分配，在满足收集能量与发射总功率约束下最大化上下行链路的加权可达和速率。为解决此非凸优化问题，分别采用拉格朗日对偶法、次梯度法与贪婪算法进行求解上下行功率分配和功率分割因子的联合优化。本发明均优于固定子载波分配算法。本发明有效实现基于GFDM的无线携能网络上下行链路子载波、子符号、功率与功率分割因子的多资源优化分配。

Description

基于GFDM的无线携能网络上下行链路资源联合分配方法

技术领域

本发明属于信息与通信工程技术领域，提出了基于广义频分复用(GFDM)的无线携能通信(SWIPT)网络中上下行链路的资源联合分配优化算法。首先，针对下行链路，各SWIPT用户接收基站的信息后采用功率分割(PS)接收机结构完成信息解码(ID)和能量收集(EH)，而后将收集到的能量用于上行链路信息传输。通过对上下行链路GFDM子载波与子符号分配、功率分配与功率分割因子的分配，在满足收集能量与发射总功率约束下最大化上下行链路的加权可达和速率。为了解决此非凸优化问题，分别采用拉格朗日对偶法、次梯度法与贪婪算法进行求解。仿真结果表明，无论加权系数如何，所提方案均优于固定子载波分配算法。在加权系数较大的情况下，它优于传统启发式算法。

背景技术

由于通信网络中许多节点都是能量受限的，节点的生命周期取决于电池的生命周期，这就使得设备需要频繁的充电或者更换电池。然而，在某些情况下的节点(例如人体内部使用的传感器、放置在墙壁内的设备或放置在有毒环境中的节点)，充电和更换电池的操作代价非常昂贵。对此，一些研究者考虑节点设备能够从自然环境中获得能量，比如传统的可再生能源(太阳能/风能)，但是这些传统的可再生能源受到环境的限制，随机性较大且不易稳定获得。利用电磁波传输信息较为稳定，同时无线电波能量是一种潜在的绿色能源，然而利用电磁波传输信息的过程中存在能量收集效率低下的问题，导致电磁波传输信息没有快速发展。近年来，研究人员注意到，电磁波本身具备一定的能量，能被一些设备收集加以利用，同时无线射频信号(Radio Frequency,RF)借助电磁波可以传递信息，因此作为电磁波之一的无线射频信号具备了信息和能量同时传输的特点。随着能量收集技术的发展，能量转换效率和利用率已经得到了巨大的提升，人们看到了无线信息传输(WirelessInformation Transmission,WIT)和无线能量传输(Wireless Power Transmission,WPT)同时进行传输的可能性。无线携能通信(Simultaneous Wireless Information and PowerTransfer,SWIPT)为能量受限的网络节点提供了能量收集的新方法，实现了信息和能量的同时传输，但是，存在着信息传输和能量收集的折衷问题。在不同的目标(如保障网络能效、最大化网络吞吐量等)下如何合理分配SWIPT网络的资源，已经成为了SWIPT网络的一个研究热点。

正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)是广泛采用的一种多载波调制技术，它具有良好的抗多径信道干扰能力，同时能允许多用户接入。作为其的扩展，广义频分复用(Generalized Frequency Division Multiplexing,GFDM)具有较小的带外(Out of Band,OOB)辐射、较低的时延、较高的频谱效率和非严格时间同步等优点，非常适用于物联网、触觉互联网和工业自动化等应用场景。相比于OFDM，GFDM具有带外辐射低、频谱利用率高、时间同步不严格等优点。同时在GFDM中，由子载波和子符号组成了二维的块结构用来传输信息数据。GFDM可以根据不同的场景进行子载波和子符号的分配，以实现更灵活的参数调整，这种灵活性启发了基于GFDM模型的统一多载波框架的设计与实现。

发明内容

本发明针对无线携能通信网络，在满足一定能量约束的情况下最大化SWIPT网络上下行链路信息速率，提出了一种基于GFDM的无线携能网络上下行链路资源联合分配方法。

本发明的技术方案包括以下步骤：

步骤1、场景假设与建模。

假设SWIPT网络的频带被分为K个子载波，每个子载波包含M个子符号。用集合

表示子载波集合，用集合

表示子符号集合，同时第k个子载波和第m个子符号组成第(k,m)个资源块，每个资源块只能分配给一个用户，一个用户可以有多个资源块。假设p_D,k,m和p_U,k,m分别代表在下行链路和上行链路第(k,m)个资源块的分配功率，同时0≤p_D,k,m≤P_D,max,0≤p_U,k,m≤P_U,max,

其中P_D,max,P_U,max分别代表上下行链路中每个资源块的最大分配功率。设第n个用户在第(k,m)个资源块上下行的信道系数分别为h_D,n,k,m,h_U,n,k,m。

在下行链路中，第k个子载波和第m个子符号组成第(k,m)个资源块。因此下行链路中，第(k,m)个资源块的可达信息速率为：

其中，分配函数

该函数表示将第(k,m)资源块分配给具有最佳信道状态信息的SWIPT用户。h_{D,Γ(k,m),k,m}为第n个用户在第(k,m)个资源块下行的信道系数,p_D,k,m代表在下行链路第(k,m)个资源块的分配功率,

为下行链路中第(k,m)个资源块的噪声功率，α_Γ(k,m)为第Γ(k,m)个资源块的功率分割因子。

下行链路的总可达信息速率为：

同样的第n个用户收集的能量可以表示为：

其中ξ表示能量转换效率。

与下行链路相似的在上行链路中：第(k,m)个资源块的可达信息速率为：

同样地，上行链路的总可达信息速率为：

联合资源分配的目的是在受到EH和发射功率约束的情况下，最大化下行链路和上行链路信道中的加权总和ID率。优化问题可以表述如下：

其中，P_tot表示BS的总发射功率，E_min表示所要求的最小收集能量，并且w∈(0,1)表示上行链路和下行链路可达速率之间的归一化加权系数。显然，当w＝0,w＝1分别代表两个仅考虑上行链路或下行链路速率的特殊情况。

步骤2、GFDM资源块分配策略。

在分配功率和功率分割因子给定的情况下，上下行的可达速率只与信道增益有关，因此要使信息速率最大，只需要将第(k,m)资源块分配给具有最佳信道状态信息的SWIPT用户。因此可以考虑使用贪婪算法对每个用户进行分配，即针对下行链路或上行链路中的每个资源块将其分配给最佳信道状态信息的SWIPT用户，因此上下行的分配函数可以表示为：

步骤3、优化节点功率分割因子。

在给定分配功率{p_D,k,m},{p_U,k',m'},分配函数{Γ(k,m)}，{Γ(k',m')}时，优化问题(6)是凸优化问题，可以将优化问题重新表述为：

结合约束条件可以求出，最优的功率分割因子为：

步骤4、功率优化分配。

考虑在给定最优功率分割因子{α_n}和分配函数{Γ(k,m)},{Γ(k',m')}的情况下，优化问题(6)可以利用拉格朗日对偶法求解。拉格朗日对偶函数可以表示为：

其中，μ是与总功率约束相关的非负拉格朗日乘数，λ_n是关于下行链路能量收集约束的非负拉格朗日乘数，τ_n并且是关于上行链路能量约束的非负拉格朗日乘数。拉格朗日对偶函数可以从公式(10)导出为：

因此，该问题最终可以写成以下Lagrange对偶函数：

上面的优化问题满足KKT条件，最优上行功率和下行功率可以分别由(13)和(14)计算得到：

拉格朗日对偶函数是拉格朗日乘数的线性函数，因此问题(12)是凸问题。可以通过基于次梯度的方法来解决优化问题。拉格朗日乘数的增量可以写成:

因此，可以沿负子梯度方向更新子梯度，如下所示:

其中v₁,v₂,v₃表示次梯度的非负步长。

综上，一种基于GFDM的无线携能网络上下行链路资源联合分配方法具体如下：

(1).初始化拉格朗日乘子μ,{λ_n},{τ_n}，功率分割因子α_n，以及功率分配{p_D,k,m}，{p_U,n,k',m'}；

(2).循环，直到Δμ,{Δλ_n},{Δτ_n}收敛；

a)计算资源块分配函数Γ(k,m)；Γ(k',m')；

b)根据式(13)，(14)计算上下行链路功率分配{p_D,k,m}，{p_U,n,k',m'}；

c)根据式(9)，计算功率分割因子α_n；

d)根据式(15),(16)，更新拉格朗日乘子；

(3).结束循环；

(4).返回最优的

{Γ(k,m)}；{Γ(k',m')}。

本发明有益效果如下：

本发明公开了一种基于GFDM的无线携能网络上下行链路资源联合分配方法。各用户在下行链路中采用功率分割接收机结构对接收信号进行信息解码与能量收集，而后将收集到的能量用于上行链路信息传输。通过对上下行链路GFDM子载波与子符号分配、功率分配与功率分割因子的分配，在满足收集能量与发射总功率约束下最大化上下行链路的加权可达和速率。为了解决此非凸优化问题，分别采用拉格朗日对偶法、次梯度法与贪婪算法进行求解上下行功率分配和功率分割因子的联合优化。仿真结果表明，无论加权系数如何，所提方案均优于固定子载波分配算法。在加权系数较大的情况下，它优于传统启发式算法。本发明可以有效实现基于GFDM的无线携能网络上下行链路子载波、子符号、功率与功率分割因子的多资源优化分配。

附图说明

图1为基于GFDM的SWIPT网络场景图

图2为具有不同加权系数的和信息速率与总发射功率的关系。

图3为使用不同算法的和信息速率与总发射功率之间的关系。

图4为不同加权系数下所提出的算法和固定功率分割算法的下行链路信息速率跟总发射功率的关系。

图5为在P_tot＝100mW情况下，和信息率与最小收获能量之间的关系。

图6为和信息率与功率分割因子的关系。

具体实施方式

图1为基于GFDM的SWIPT网络场景图。该场景由一个基站(Base Station,BS)和多个SWIPT用户组成。SWIPT用户具备能量收集功能，其用于上行链路发送信号的能量只来源于基站发射的信号。同时基站配备N根天线，而网络中其他节点均只有单根天线。假设节点之间的通信链路均服从瑞利衰落，同时各节点完全知道所有的信道状态信息。在下行链路中，每个用户采用基于功率分割接收机结构。其中，图1(a)为下行链路天线选择方案图。下行传输天线选择(Transmission Antenna Selection，TAS)方案在BS处实现。通过TAS方案为一个SWIPT用户选择一个最优天线。每个天线只能分配给一个SWIPT用户，即每个SWIPT用户只接收来自所分配的最优发射天线的信息。图(b)为具有PS接收器结构的SWIPT用户。

图2给出了具有不同加权系数的和信息速率与总发射功率的关系。显然，和信息速率随着总发射功率的增加而增加，但是对于较大的权重值，其和速率增加的更快。值得注意的是，当时w＝0，和信息速率几乎和总发射功率没有关系。这是因为在这种特殊情况下，和信息速率只取决于上行链路的信息速率，而上行的发射功率来源于下行链路的能量收集，其中存在能量转换等消耗，因此上行链路的发射功率增加的会更加缓慢，导致上行链路的信息速率增加缓慢。

图3给出了使用不同算法的和信息速率与总发射功率之间的关系。可以看出，对于较大的加权系数，所提算法明显优于其他两种算法。然而，当加权系数较小时，所提出的算法优于“固定子载波算法”，但稍劣于“启发式算法”。主要的原因可能是当加权系数较小时，意味着更加侧重于上行链路的信息速率。但上行链路的发射功率来源于下行链路的能量收集，这会导致每个用户在上行链路的发射功率总体差别不大，但是根据所提算法，在上行链路中，可能会有一个用户分配的资源块数远大于另一个用户，导致在上行链路中每个资源块分配的功率会小于“启发式算法”。因此，当上行链路发射功率较低时，具有更多资源块的SWIPT用户将被分配较少的功率，这导致上行链路信息速率的降低，从而导致整个网络的和速率下降。

图4给出了不同加权系数下所提出的算法和固定功率分割算法的下行链路信息速率跟总发射功率的关系。对于固定功率分割因子算法，固定功率分配因子为α＝0.5。由于所提法可以更新功率分配因子以获得最佳功率分配，因此在相同的加权系数情况下，该算法明显优于固定功率分配因子算法。

图5给出了在P_tot＝100mW情况下，和信息率与最小收获能量之间的关系。如图所示，当加权系数w＝0.3时，总ID率随最小收获能量的增加而增加。对于加权系数w＝0.7，和信息率随最小收获能量的增加而降低。这与优化目标是一致的，因为当加权系数较小时更加注重上行链路的信息速率，上行链路的信息速率会随着最小收集能量的增加而增加，所以会导致整体网络信息速率的增加。而加权系数较大，主要关注下行链路的信息速率，最小收集能量约束的增加会导致下行链路中用于信息解码的功率减小，导致整体的网络信息速率的较小。

图6给出了和信息率与功率分割因子的关系，其中所有SWIPT用户都使用相同的功率分割因子。可以从图中看出，当加权系数为w＝0.3时，和信息率随功率分割因子的增加而增加。当加权系数为w＝0.7时，和信息率随功率分割因子的降低而增加。这是因子在加权系数较小情况下，网络的和速率由上行链路的信息速率控制同时功率分割因子的增加意味着在下行链路中会收获更多的能量，这更有利于上行链路的信息速率的增加。

本技术领域中的普通技术人员应当认识到，以上实施例仅是用来说明本发明，而并非作为对本发明的限定，只要在本发明的范围内，对以上实施例的变化、变型都将落在本发明的保护范围。

Claims (6)

1.基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于包括以下步骤：

步骤1、场景假设与建模；

步骤2、GFDM资源块分配策略；

步骤3、节点功率分割因子优化；

步骤4、功率优化分配。

2.如权利要求1所述一种基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于步骤1具体如下：

假设SWIPT网络的频带被分为K个子载波，每个子载波包含M个子符号；用集合K＝{1,2,3,...,K}表示子载波集合，用集合M＝{1,2,3,...,M}表示子符号集合，同时第k个子载波和第m个子符号组成第(k,m)个资源块^[61]，每个资源块只能分配给一个用户，用户可以有多个资源块；假设p_D,k,m和p_U,k,m分别代表在下行链路和上行链路第(k,m)个资源块的分配功率，同时0≤p_D,k,m≤P_D,max,0≤p_U,k,m≤P_U,max,k∈K,m∈M其中P_D,max,P_U,max分别代表上下行链路中每个资源块的最大分配功率；假设第n个用户在第.(k,m).个资源块上下行的信道系数分别为h_D,n,k,m,h_U,n,k,m；

在下行链路中，第k个子载波和第m个子符号组成第(k,m)个资源块；因此下行链路中，第(k,m)个资源块的可达信息速率为：

其中，分配函数

该函数表示将第(k,m)资源块分配给具有最佳信道状态信息的SWIPT用户；h_{D,Γ(k,m),k,m}为第n个用户在第(k,m)个资源块下行的信道系数,p_D,k,m代表在下行链路第(k,m)个资源块的分配功率,

为下行链路中第(k,m)个资源块的噪声功率，α_Γ(k,m)为第Γ(k,m)个资源块的功率分割因子；

下行链路的总可达信息速率为：

同样的第n个用户的收集的能量可以表示为：

其中ξ表示能量转换效率；

与下行链路相似的在上行链路中：第(k,m)个资源块的可达信息速率为：

同样地，上行链路的总可达信息速率为：

联合资源分配的目的是在受到EH和发射功率约束的情况下，最大化下行链路和上行链路信道中的加权总和ID率；优化问题可以表述如下：

其中P_tot表示BS的总发射功率，E_min表示所要求的最小收集能量，并且w∈(0,1)表示上行链路和下行链路可达速率之间的归一化加权系数；显然，当w＝0,w＝1分别代表两个仅考虑上行链路或下行链路速率的特殊情况。

3.如权利要求1所述的基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于步骤2具体如下：

考虑使用贪婪算法对每个用户进行分配，即针对下行链路或上行链路中的每个资源块将其分配给最佳信道状态信息的SWIPT用户，因此分配函数表示为：

4.如权利要求1所述的一种基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于步骤3具体如下：

在给定分配功率{p_D,k,m},{p_U,k',m'},分配函数{Γ(k,m)}，{Γ(k',m')}时，优化问题(6)是凸优化问题，将优化问题重新表述为：

结合约束条件能够求出，最优的功率分割因子为：

5.如权利要求1所述的一种基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于步骤4具体如下：

考虑在给定最优功率分割因子{α_n}和分配函数{Γ(k,m)},{Γ(k',m')}的情况下，优化问题(6)利用拉格朗日对偶法求解；拉格朗日对偶函数可以表示为：

其中，μ是与总功率约束相关的非负拉格朗日乘数，λ_n是关于下行链路能量收集约束的非负拉格朗日乘数，τ_n并且是关于上行链路能量约束的非负拉格朗日乘数；拉格朗日对偶函数可以从公式(10)导出为：

因此，该问题最终可以写成以下Lagrange对偶函数：

上面的优化问题满足KKT条件，最优上行和下行功率分别由(13)和(14)计算得到：

拉格朗日对偶函数是拉格朗日乘数的线性函数，因此问题(12)是凸问题；通过基于次梯度的方法来解决优化问题；拉格朗日乘数的增量可以写成：

因此，可以沿负子梯度方向更新子梯度，如下所示:

其中v₁,v₂,v₃表示次梯度的非负步长。

6.如权利要求5所述的一种基于GFDM的无线携能网络上下行链路资源联合分配方法，其特征在于步骤4实现流程如下：

(1).初始化拉格朗日乘子μ,{λ_n},{τ_n}，功率分割因子α_n，以及功率分配{p_D,k,m}，{p_U,n,k',m'}；

(2).循环，直到Δμ,{Δλ_n},{Δτ_n}收敛；

a)计算资源块分配函数Γ(k,m)；Γ(k',m')；

b)根据式(13)，(14)计算上下行链路功率分配{p_D,k,m}，{p_U,n,k',m'}；

c)根据式(9)，计算功率分割因子α_n；

d)根据式(15),(16)，更新拉格朗日乘子；

(3).结束循环；

(4).返回最优的

Images