CN113038510B - 基于agm不等式变换的swipt与noma系统能量效率最优化方法 - Google Patents

基于agm不等式变换的swipt与noma系统能量效率最优化方法 Download PDF

Info

Publication number
CN113038510B
CN113038510B CN202110268424.6A CN202110268424A CN113038510B CN 113038510 B CN113038510 B CN 113038510B CN 202110268424 A CN202110268424 A CN 202110268424A CN 113038510 B CN113038510 B CN 113038510B
Authority
CN
China
Prior art keywords
energy efficiency
optimization
convex
follows
agm
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
CN202110268424.6A
Other languages
English (en)
Other versions
CN113038510A (zh
Inventor
程贤龙
李从改
刘锋
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime 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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202110268424.6A priority Critical patent/CN113038510B/zh
Publication of CN113038510A publication Critical patent/CN113038510A/zh
Application granted granted Critical
Publication of CN113038510B publication Critical patent/CN113038510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，其特征在于包括：(1)构建多用户下行信道；(2)合理构造数学优化模型；(3)非凸模型向凸模型转变；(4)进行迭代求解，迭代停止条件为前后两次系统的能量效率差在误差范围内；(5)得出最终的能量效率最优解和此条件下的波束形成矩阵以及功率分割因子。该方法收敛速度快，性能优越。

Description

基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法
技术领域
本发明涉及一种基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法。
背景技术
近些年来，5G移动通信技术的快速发展引起了学术界和工业界的极大关注。5G通信带来了无线数据服务的爆炸式增长，与此同时，随着信息传输速率的提高，无线通信系统的功率消耗也日益严重。因此，无线通信系统的能量效率问题逐渐成为行业关注的焦点。一方面，遵循可持续发展的理念，平衡低功耗和大数据速率之间的矛盾具有重要意义。另一方面，移动物联网设备的应用越来越广泛，许多设备需要较高的信息速率才能保证正常运行，对于能量有限的设备，能量效率也是非常重要的。
而无线携能通信(SWIPT)技术被认为是一种可以改善无线通信系统频谱效率和能源效率的有效技术。SWIPT旨在通过实现信息和能量的同时传输来延长设备的电池寿命以及提供系统其他的功率开销。而非正交多址接入(NOMA)是5G移动通信的一项重要技术，能有效提高频谱效率和信息速率。因此，二者的结合对于无线通信的能量效率来说具有重要的意义。因此，我们研究了拥有SWIPT结构的NOMA系统的能量效率最优化方法。
目前对于NOMA系统的能量效率最优化研究也很多，但是很多研究都是采用对拉格朗日函数进行梯度搜索的方法去求解能量效率的最大值，这种方法的缺点如下：
(1)拉格朗日函数的偏导求解困难。梯度搜索方法需要求出拉格朗日函数的偏导数，作为后续梯度搜索的方向控制，但是，在NOMA系统中，目标函数和约束项组成的拉格朗日函数是非常复杂的，因此求偏导带来的巨大计算难度，是不符合实际要求的；
(2)梯度搜索方法的不确定性。由于起始点搜索点、搜索步长、误差范围等因素的人为设定，会导致搜索的结果与实际情况出现偏差。人为设置的起始点，由于不确定离最终位置的距离，会对搜索的时间长度产生很大影响，而搜索步长和误差范围，则会对最终的精读产生影响，因此，梯度搜索方法虽然能找到实际结果的近似解，但是也存在着许多问题，因此可以改进。
发明内容
本发明要解决的技术问题是提供一种基于SWIPT结构的NOMA无线通信系统的能量效率最优化方法，该方法收敛速度快，性能优越。
为了实现上述发明目的，本发明采用下述技术方案：
本发明提供的一种基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，包括：
(1)构建多用户下行信道：构建基站服务K个用户的下行无线通信系统，其中基站和每个用户处分别装配有n和1个天线；
(2)构造数学优化模型如下：
P1：
Figure GDA0003881539440000021
Figure GDA0003881539440000022
Figure GDA0003881539440000023
Figure GDA0003881539440000024
ρk≥0 (12e)
ρk≤1 (12f)
||wk||2≥0 (12g)
(3)将非凸模型向凸模型转变，具体为：对功率分割因子ρ和波束形成矩阵w采用分层算法，以下约束集的优化变量是γ、w或者γ、ρ，不可避免的存在着变量耦合，导致非凸：
Figure GDA0003881539440000025
通过AGM不等式变形，将以上非凸集合转变为：
Figure GDA0003881539440000031
在上式中，参数a的初值是人为设定的，用于后面的迭代，至此，已经完成了对耦合变量的解耦，上式中不再存在变量的耦合，也符合凸约束的形式，因此，非凸集合成功转变为凸集；
接着，采用DinkerBach变形、整体替换、半定松弛方法，将问题P1转化为如下所示：
P5：
Figure GDA0003881539440000032
Figure GDA0003881539440000033
Figure GDA0003881539440000034
Figure GDA0003881539440000035
Figure GDA0003881539440000036
Tr(Wk)≥0 (21f)
Wk＞＝0 (21g)
其中，AGM不等式的形式如下所示：
x·y≤(ax)2+(y/a)2≤2z；
当且仅当a＝y/x时，等式成立；对照优化问题P5中的约束(21b)，可变形为：
Figure GDA0003881539440000037
上式已符合AGM不等式的基本形式，因此，可以变形为：
Figure GDA0003881539440000038
接着，原优化问题P5可重新表示为P6：
P6：
Figure GDA0003881539440000041
Figure GDA0003881539440000042
Figure GDA0003881539440000043
Figure GDA0003881539440000044
Figure GDA0003881539440000045
Tr(Wk)≥0 (25f)
Wk＞＝0 (25g)
至此，当a的给定，且对W和ρ采用分层计算的时候，优化问题P6中的(25b)约束已经成功转变为了凸集，而(25a,25c-f)均为凸集，目标函数也是一个凸函数，用凸优化软件进行求解；
(4)进行迭代求解，迭代停止条件为前后两次系统的能量效率差在误差范围内；
(5)得出最终的能量效率最优解和此条件下的波束形成矩阵以及功率分割因子。
作为本发明进一步的改进：所述凸优化软件包括CVX和CVXPY。
作为本发明进一步的改进：所述步骤(5)求最优W的算法过程如下：
Figure GDA0003881539440000046
Figure GDA0003881539440000051
上述算法中更新a^(n+1)的公式如下所示：
Figure GDA0003881539440000052
求最优ρ的算法过程如下：
Figure GDA0003881539440000053
至此，最优的W和ρ均已求出，接着对其做联合优化，算法过程如下：
Figure GDA0003881539440000054
Figure GDA0003881539440000061
算法1中更新λ^(n)的公式如下：
Figure GDA0003881539440000062
首先，将原问题的两个优化变量W和ρ分层，先按照算法1优化W，再将其结果作为初始变量代入算法2，求出最优的ρ，这是第一次整体迭代，算出这次迭代后的能量效率值，与前一次比较即初始设为0的情形，如果误差在最大允许误差范围内，则表示能量效率已经收敛，即为所求的最大能量效率，近似解，在误差允许范围内，已经是非常逼近真实最优解了。
作为本发明进一步的改进：所述步骤(5)在一次仿真中，求得的波束形成矩阵和功率分割因子如下：
w＝[[4.29095824+0.j,-1.34084415-2.28393525j,-1.34084415+2.28393525j,1.63465259+0.j],[2.44674414+0.j,2.34228526+1.73924978j,2.34228526-1.73924978j,3.47861983+0.j],[3.12046666+0.j,-1.42712104-2.59163549j,-1.42712104+2.59163549j,2.80510983+0.j]]
ρ＝[0.026,0.024,0.024]。
与现有的技术相比较，本发明提供的一种基于SWIPT结构的NOMA无线通信系统的能量效率最优化方法的优点如下：
(1)该方法的收敛速度快。传统的梯度搜索方法在收敛速度方面较慢，存在着不足，而本发明所涉及的优化方法，在收敛速度方面有着明显的优势。
(2)方法性能优越。从附图2中可以看出，利用本发明所提出的优化方法求得的能量效率是大于梯度搜索方法的，因此，根据更接近实际情况下的能量效率去求出此情况的波束形成矩阵和功率分割因子，能更好的去指导实际情况中的设备配置。即本方法的性能与传统线性搜索方法相比较在性能上有着更大的优势。
(3)方法易实施。本方法在计算复杂度方面，避免了求复杂函数的偏导等一系列问题，而且方法的时间复杂度也低于梯度搜索方法，二者比较如下：
Figure GDA0003881539440000071
其中，K是系统的用户数量，ε是迭代误差允许范围，从上表中可以看出，本发明所提出方法的时间复杂度要明显低于传统的梯度搜索方法。
附图说明
图1为本发明提供的一种基于SWIPT的NOMA无线通信系统的能量效率最优化方法的收敛效果图。
图2为本发明提供的一种基于SWIPT的NOMA无线通信系统的能量效率最优化方法与传统梯度搜索方法的性能比较图。
具体实施方式
以下通过具体实施例对本发明提供的一种基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法做进一步更详细的说明：
实施例1
请参见图1和图2所示，本实施例的基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，包括：
(1)构建多用户下行信道，构建基站服务K个用户的下行无线通信系统，其中基站和每个用户处分别装配有n和1个天线；
(2)合理构造数学优化模型，所述无线通信系统的能量效率最优化问题构建数学优化模型如下：
P1：
Figure GDA0003881539440000081
Figure GDA0003881539440000082
Figure GDA0003881539440000083
Figure GDA0003881539440000084
ρk≥0 (12e)
ρk≤1 (12f)
||wk||2≥0 (12g)
上述公式是根据系统建模所得出的，包含了整个系统的详细要求；
构造数学优化模型的要求：构建数学优化模型，需满足SWIPT结合NOMA的无线通信系统的QoS，即服务质量要求，需保证系统的最小信息速率要求，最小收集能量要求，最大发射功率限制等，因此，所构建的系统模型才是合理的。在这些条件的约束下，去最大化系统的能量效率，就可以解决此问题；
在本发明中，现存的常规解决方法是利用拉格朗日函数对偶搜索进行处理，此方法计算复杂度高，实施困难。而本发明所提出的方法，在计算复杂度上具有很大的优势。本发明的技术难点在于系统模型中的非凸约束集如何通过数学方法转换成凸约束集，在本发明所研究的能量效率最优化求解过程中，对功率分割因子ρ和波束形成矩阵w采用分层算法，以下约束集的优化变量是γ、w或者γ、ρ，不可避免的存在着变量耦合，导致非凸：
Figure GDA0003881539440000085
传统方法是求其整个优化问题的拉格朗日对偶函数，然后做梯度搜索，绕过此非凸问题，但是却带来了计算复杂度的急剧上升。本实施例通过AGM不等式变形，将以上非凸集合转变为：
Figure GDA0003881539440000091
在上式中，参数a的初值是人为设定的，用于后面的迭代，至此，已经完成了对耦合变量的解耦，上式中不再存在变量的耦合，也符合凸约束的形式，因此，非凸集合成功转变为凸集。这一点是本领域技术人员不容易想到的，而在本发明中，巧妙利用AGM不等式，引入辅助因子，采取迭代的方法，成功的将非凸约束转换成了凸约束，解决了此问题。
所述步骤(3)将非凸模型向凸模型转变，采用DinkerBach变形、整体替换、半定松弛方法，采用DinkerBach方法，引入辅助因子λ，将原问题的分式规划变为线性规划：
P2：
Figure GDA0003881539440000092
s.t.(12b)-(12g)
后期通过算法3对这个λ进行迭代求出最优解。现在的问题是，P2中w、ρ的二次项导致了问题的非凸，我们采用半定松弛方法，将其转变为迹的形式，解决这种非凸性，问题P2也就能转变为P3：
P3：
Figure GDA0003881539440000093
s.t.log2(1+SINRk)≥Rmin (19b)
Figure GDA0003881539440000094
Figure GDA0003881539440000095
ρk≥0 (19e)
ρk≤1 (19f)
Tr(Wk)≥0 (19g)
Wk＞＝0 (19h)
R(Wk)＝1 (19i)
二次项的非凸问题解决了，但是由于P3中的约束(19i)，这个秩1约束还是会导致非凸，根据半定松弛的思想，去掉这个秩1约束，原问题即可变形为：
P4：
Figure GDA0003881539440000101
Figure GDA0003881539440000102
s.t.(19b)-(19h)
秩1约束去掉后，最后求出的结果W，需要通过特征值分解或者高斯随机化求出w。然后采用整体替换的思想，把目标函数中复杂部分做整体替换，结果如下P5所示：
P5：
Figure GDA0003881539440000103
Figure GDA0003881539440000104
Figure GDA0003881539440000105
Figure GDA0003881539440000106
Figure GDA0003881539440000107
Tr(Wk)≥0 (21f)
Wk＞＝0 (21g)
上述公式是采用已有的DinkelBach、半定松弛等方法进行变形处理的，重点是后面的算法，该种算法是技术人员的智慧型贡献劳动。由于本领域人员习惯性按照梯度搜索去求最优解，而基本不会去按照这种思路做，并且常规梯度搜素的复杂度比本发明的方法要高。本领域的其他方法在解决该问题上复杂度较高，而本发明的方法在复杂度方面有很大优势；
其中，AGM不等式的形式如下所示：
x·y≤(ax)2+(y/a)2≤2z
当且仅当a＝y/x时，等式成立，对照优化问题P5中的约束(21b)，可变形为：
Figure GDA0003881539440000111
上式已符合AGM不等式的基本形式，因此，可以变形为：
Figure GDA0003881539440000112
接着，原优化问题P5可重新表示为P6：
P6：
Figure GDA0003881539440000113
Figure GDA0003881539440000114
Figure GDA0003881539440000115
Figure GDA0003881539440000116
Figure GDA0003881539440000117
Tr(Wk)≥0 (25f)
Wk＞＝0 (25g)
至此，当a的给定，且对W和ρ采用分层计算的时候，优化问题P6中的(25b)约束已经成功转变为了凸集，而(25a,25c-f)均为凸集，目标函数也是一个凸函数，此问题便可以用专业的凸优化软件包括CVX、CVXPY等进行求解，最后，接着需要对a进行迭代，即步骤(4)：分别优化Wk和ρk时，P6已经符合凸优化的基本形式，通过标准的凸优化工具求解，最后，对其中的辅助变量a^(n)进行迭代；
求最优W的算法过程如下：
Figure GDA0003881539440000121
上述算法中更新a^(n+1)的公式如下所示：
Figure GDA0003881539440000122
所述步骤(5)具体为：最终能求得本方法的最优解，求最优ρ的算法过程如下：
Figure GDA0003881539440000123
Figure GDA0003881539440000131
至此，最优的W和ρ均已求出，对其做联合优化，算法过程如下：
Figure GDA0003881539440000132
算法1中更新λ^(n)的公式如下：
Figure GDA0003881539440000133
首先，将原问题的两个优化变量W和ρ分层，先按照算法1优化W，再将其结果作为初始变量代入算法2，求出最优的ρ，这是第一次整体迭代，算出这次迭代后的能量效率值，与前一次比较即初始设为0的情形，如果误差在最大允许误差范围内，则表示能量效率已经收敛，即为所求的最大能量效率-近似解，在误差允许范围内，已经是非常逼近真实最优解了。
其中，算法复杂度分析：
Figure GDA0003881539440000134
Figure GDA0003881539440000141
上述公式是采用AGM不等式进行变形处理的结果，现存的技术是有这个不等式，但是没人把它用在这，这里应用这个公式，需要对其中引入的辅助因子进行迭代，而现存的方法都把注意点放在了拉格朗日对偶函数上，缺少对这个的关注，所以没有人去这么处理，并设计一个双层迭代算法去解决这个问题。
以及最优解条件下的基站处波束形成矩阵和用户处功率分割比：
w＝[[4.29095824+0.j,-1.34084415-2.28393525j,-1.34084415+2.28393525j,1.63465259+0.j],[2.44674414+0.j,2.34228526+1.73924978j,2.34228526-1.73924978j,3.47861983+0.j],[3.12046666+0.j,-1.42712104-2.59163549j,-1.42712104+2.59163549j,2.80510983+0.j]]
ρ＝[0.026,0.024,0.024]；
该方法实现了NOMA系统的能量效率最优化，并且避免了梯度搜索方法的计算复杂度和搜索精度的不稳定性，而且方法的性能也优于传统的梯度搜索方法。本实施例的仿真结果见附图1和附图2。附图1是本发明所提出的方法的收敛效果图，从图1中可以看出，本发明所提出的方法具有良好的收敛性；附图2是本发明所提出的方法和传统方法的性能比较图，从图2中可以看出，本发明所提出的方法在收敛速度和效果两方面都优于传统的拉格朗日函数梯度搜索方法。
应当理解，这些实施例的用途仅用于说明本发明而非意欲限制本发明的保护范围。此外，也应理解，在阅读了本发明的技术内容之后，本领域技术人员可以对本发明作各种改动、修改和/或变型，所有的这些等价形式同样落于本申请所附权利要求书所限定的保护范围之内。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (4)

1.基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，其特征在于包括：
(1)构建多用户下行信道：构建基站服务K个用户的下行无线通信系统，其中基站和每个用户处分别装配有n和1个天线；
(2)构造数学优化模型如下：
Figure FDA0003881539430000011
Figure FDA0003881539430000012
Figure FDA0003881539430000013
Figure FDA0003881539430000014
ρk≥0 (12e)
ρk≤1 (12f)
||wk||2≥0 (12g)(3)将非凸模型向凸模型转变，具体为：对功率分割因子ρ和波束形成矩阵w采用分层算法，以下约束集的优化变量是γ、w或者γ、ρ，不可避免的存在着变量耦合，导致非凸：
Figure FDA0003881539430000015
通过AGM不等式变形，将以上非凸集合转变为：
Figure FDA0003881539430000016
在上式中，参数a的初值是人为设定的，用于后面的迭代，至此，已经完成了对耦合变量的解耦，上式中不再存在变量的耦合，也符合凸约束的形式，因此，非凸集合成功转变为凸集；
接着，采用DinkerBach变形、整体替换、半定松弛方法，将问题P1转化为如下所示：
Figure FDA0003881539430000021
Figure FDA0003881539430000022
Figure FDA0003881539430000023
Figure FDA0003881539430000024
Figure FDA0003881539430000025
Tr(Wk)≥0 (21f)
Wk＞＝0 (21g)
其中，AGM不等式的形式如下所示：
x·y≤(ax)2+(y/a)2≤2z；
当且仅当a＝y/x时，等式成立；对照优化问题P5中的约束(21b)，可变形为：
Figure FDA0003881539430000026
上式已符合AGM不等式的基本形式，因此，可以变形为：
Figure FDA0003881539430000027
接着，原优化问题P5可重新表示为P6：
Figure FDA0003881539430000028
Figure FDA0003881539430000029
Figure FDA00038815394300000210
Figure FDA0003881539430000031
Figure FDA0003881539430000032
Tr(Wk)≥0 (25f)
Wk＞＝0 (25g)
至此，当a的给定，且对W和ρ采用分层计算的时候，优化问题P6中的(25b)约束已经成功转变为了凸集，而(25a,25c-f)均为凸集，目标函数也是一个凸函数，用凸优化软件进行求解；
(4)进行迭代求解，迭代停止条件为前后两次系统的能量效率差在误差范围内；
(5)得出最终的能量效率最优解和此条件下的波束形成矩阵以及功率分割因子。
2.根据权利要求1所述的基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，其特征在于：所述凸优化软件包括CVX和CVXPY。
3.根据权利要求1所述的基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，其特征在于：所述步骤(5)求最优W的算法过程如下：
Figure FDA0003881539430000033
Figure FDA0003881539430000041
上述算法中更新a^(n+1)的公式如下所示：
Figure FDA0003881539430000042
求最优ρ的算法过程如下：
Figure FDA0003881539430000043
至此，最优的W和ρ均已求出，接着对其做联合优化，算法过程如下：
Figure FDA0003881539430000044
Figure FDA0003881539430000051
算法1中更新λ^(n)的公式如下：
Figure FDA0003881539430000052
首先，将原问题的两个优化变量W和ρ分层，先按照算法1优化W，再将其结果作为初始变量代入算法2，求出最优的ρ，这是第一次整体迭代，算出这次迭代后的能量效率值，与前一次比较即初始设为0的情形，如果误差在最大允许误差范围内，则表示能量效率已经收敛，即为所求的最大能量效率，近似解，在误差允许范围内，已经是非常逼近真实最优解了。
4.根据权利要求1所述的基于AGM不等式变换的SWIPT与NOMA系统能量效率最优化方法，其特征在于：所述步骤(5)在一次仿真中，求得的波束形成矩阵和功率分割因子如下：
w＝[[4.29095824+0.j,-1.34084415-2.28393525j,-1.34084415+2.28393525j,1.63465259+0.j],[2.44674414+0.j,2.34228526+1.73924978j,2.34228526-1.73924978j,3.47861983+0.j],[3.12046666+0.j,-1.42712104-2.59163549j,-1.42712104+2.59163549j,2.80510983+0.j]]
ρ＝[0.026,0.024,0.024]。
CN202110268424.6A 2021-03-12 2021-03-12 基于agm不等式变换的swipt与noma系统能量效率最优化方法 Active CN113038510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110268424.6A CN113038510B (zh) 2021-03-12 2021-03-12 基于agm不等式变换的swipt与noma系统能量效率最优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110268424.6A CN113038510B (zh) 2021-03-12 2021-03-12 基于agm不等式变换的swipt与noma系统能量效率最优化方法

Publications (2)

Publication Number Publication Date
CN113038510A CN113038510A (zh) 2021-06-25
CN113038510B true CN113038510B (zh) 2022-11-15

Family

ID=76469986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110268424.6A Active CN113038510B (zh) 2021-03-12 2021-03-12 基于agm不等式变换的swipt与noma系统能量效率最优化方法

Country Status (1)

Country Link
CN (1) CN113038510B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015182890A1 (ko) * 2014-05-28 2015-12-03 엘지전자 주식회사 에너지 효율성의 최적화를 통한 신호 전송 방법 및 기지국
CN106788634A (zh) * 2017-01-13 2017-05-31 上海海事大学 多小区mimo干扰信道中的鲁棒收发机设计方法
CN107318169A (zh) * 2017-06-27 2017-11-03 山东大学 一种swipt‑idma系统中基于不完全信道状态信息的功率与时分因子联合分配方法
WO2018119673A1 (zh) * 2016-12-27 2018-07-05 深圳先进技术研究院 中继携能通信系统及其传输速率优化方法和装置
CN108770007A (zh) * 2018-05-22 2018-11-06 华南理工大学 基于noma的无线携能通信系统多目标优化方法
CN109041196A (zh) * 2018-08-09 2018-12-18 华南理工大学 Noma携能通信系统中基于能效最大化的资源联合分配方法
CN110708711A (zh) * 2019-10-10 2020-01-17 重庆邮电大学 基于非正交多址接入的异构携能通信网络资源分配方法
CN111431568A (zh) * 2020-03-09 2020-07-17 南京航空航天大学 一种毫米波noma上行通信系统中联合功率分配和波束成形设计方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015182890A1 (ko) * 2014-05-28 2015-12-03 엘지전자 주식회사 에너지 효율성의 최적화를 통한 신호 전송 방법 및 기지국
WO2018119673A1 (zh) * 2016-12-27 2018-07-05 深圳先进技术研究院 中继携能通信系统及其传输速率优化方法和装置
CN106788634A (zh) * 2017-01-13 2017-05-31 上海海事大学 多小区mimo干扰信道中的鲁棒收发机设计方法
CN107318169A (zh) * 2017-06-27 2017-11-03 山东大学 一种swipt‑idma系统中基于不完全信道状态信息的功率与时分因子联合分配方法
CN108770007A (zh) * 2018-05-22 2018-11-06 华南理工大学 基于noma的无线携能通信系统多目标优化方法
CN109041196A (zh) * 2018-08-09 2018-12-18 华南理工大学 Noma携能通信系统中基于能效最大化的资源联合分配方法
CN110708711A (zh) * 2019-10-10 2020-01-17 重庆邮电大学 基于非正交多址接入的异构携能通信网络资源分配方法
CN111431568A (zh) * 2020-03-09 2020-07-17 南京航空航天大学 一种毫米波noma上行通信系统中联合功率分配和波束成形设计方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Energy Efficiency Optimization for NOMA With SWIPT;Jie Tang等;《IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING》;20190207;全文 *
SWIPT-Enabled Full-Duplex NOMA Networks With Full and Partial CSI;Jingxian Liu等;《IEEE TRANSACTIONS ON GREEN COMMUNICATIONS AND NETWORKING》;20200303;全文 *
云无线接入网络高能效功率分配和波束成形联合优化算法;左加阔等;《电子与信息学报》;20180831(第12期);全文 *
基于SWIPT的毫米波大规模MIMO-NOMA系统下安全能效资源优化;赵飞等;《通信学报》;20201231(第08期);全文 *
无线供能网络中数据收集的能量效率最大化方案;葛海江等;《电信科学》;20191231(第12期);全文 *

Also Published As

Publication number Publication date
CN113038510A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
Qi et al. Robust beamforming for NOMA-based cellular massive IoT with SWIPT
Ding et al. NOMA meets finite resolution analog beamforming in massive MIMO and millimeter-wave networks
Shao et al. Cooperative activity detection: Sourced and unsourced massive random access paradigms
CN108234101B (zh) 能效最大化导频信号设计方法及大规模多天线系统
CN110519833B (zh) 一种基于mec的noma窄带物联网的系统能耗最小化方法
Zhang et al. Energy efficiency maximization for device-to-device communication underlaying cellular networks on multiple bands
Yu et al. Power allocation for energy efficiency optimization in multi-user mmWave-NOMA system with hybrid precoding
CN109412661A (zh) 一种大规模mimo系统下的用户分簇方法
He et al. Joint user scheduling and beamforming design for multiuser MISO downlink systems
US20220076134A1 (en) Two-stage deep learning based secure precoder for information and artificial noise signal in non-orthogonal multiple access system
Adam et al. Energy-efficient power allocation in downlink multi-cell multi-carrier NOMA: Special deep neural network framework
CN113038510B (zh) 基于agm不等式变换的swipt与noma系统能量效率最优化方法
Yuan et al. Latency-critical downlink multiple access: A hybrid approach and reliability maximization
CN107104711A (zh) 一种大规模非正交多接入方法
Zhang et al. A local-ratio-based power control approach for capacitated access points in mobile edge computing
Chen et al. Outage probability region and optimal power allocation for uplink SCMA systems
Tang et al. Reconsidering design of multi-antenna NOMA systems with limited feedback
CN116545810B (zh) 多用户无线功率通信网络最大化吞吐量方法、装置及介质
Jing et al. Transceiver beamforming for over-the-air computation in massive MIMO systems
Zhang et al. Discerning and enhancing the weighted sum-rate maximization algorithms in communications
Fu et al. Optimal power allocation for the downlink of cache-aided NOMA systems
CN109104768B (zh) 一种基于模拟退火算法的非正交多址接入联合带宽和速率分配方法
CN108064070B (zh) 一种用于大规模mimo多小区网络的用户接入方法
Chen et al. Mixed max-and-min fractional programming for wireless networks
Tian et al. Hierarchical federated learning with adaptive clustering on non-IID data

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