CN113115426A - 能量收集无线系统的在线功率分配方法、系统及介质 - Google Patents
能量收集无线系统的在线功率分配方法、系统及介质 Download PDFInfo
- Publication number
- CN113115426A CN113115426A CN202110330667.8A CN202110330667A CN113115426A CN 113115426 A CN113115426 A CN 113115426A CN 202110330667 A CN202110330667 A CN 202110330667A CN 113115426 A CN113115426 A CN 113115426A
- Authority
- CN
- China
- Prior art keywords
- energy
- throughput
- time slot
- optimal
- difference
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009826 distribution Methods 0.000 title claims abstract description 20
- 238000003306 harvesting Methods 0.000 title claims description 26
- 238000005265 energy consumption Methods 0.000 claims abstract description 34
- 230000007774 longterm Effects 0.000 claims abstract description 33
- 238000012546 transfer Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 21
- 238000004891 communication Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
Abstract
本发明公开了一种能量收集无线系统的在线功率分配方法、系统及介质,其中方法包括以下步骤:将能量离散化划分为能量单元;根据能量单元获取每个时隙接收的能量转移概率;根据能量转移概率确定采集能量和长期期望吞吐量的关系式;根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和。本发明避免因为能量采集的随机性带来的吞吐量损失;另外,把复杂度从以往的与时隙长度相关转为与时间无关的电池容量划分程度相关,因此在考虑长期情况时算法复杂度降低了很多,极大地提升运算速度,可广泛应用于无线通信技术领域。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种能量收集无线系统的在线功率分配方法、系统及介质。
背景技术
如今,信息技术已经渗透到人类生产生活的方方面面。无线网络已经从一个简单的手机通信网络逐渐发展成为一个无处不在的网络,可以在任何时间、任何地点提供任何人或物体之间的通信。例如,在近年来备受关注的物联网中,大量的无线通信节点将被放置在环境监测预测、车辆信息采集、工厂安全监控等各种场景中。
能量收集(EH)已被提出作为延长无线网络寿命的可行解决方案。EH的一种来源来自可再生自然资源,例如来自于太阳和风。与传统的稳定能源不同,EH具有内在的随机性,实时采集到的能量具有因果性。将消耗能量适应于随机能量收集传输方案的研究引起了人们的关注。
发明内容
为至少一定程度上解决现有技术中存在的技术问题之一,本发明的目的在于提供一种能量收集无线系统的在线功率分配方法、系统及介质。
本发明所采用的技术方案是:
一种能量收集无线系统的在线功率分配方法,包括以下步骤:
将能量离散化划分为能量单元;
根据能量单元获取每个时隙接收的能量转移概率;
根据能量转移概率确定采集能量和长期期望吞吐量的关系式;
根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;
其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和;当前时隙消耗能量包括当前时隙的电池状态和采集的能量期望;
其中,能量收集无线系统包括发送能量的基站、带有电池的能量接收机和信息接收机,能量接收机用于接收并存储基站发送的能量,以及发送信息至信息接收机。
进一步,所述关系式为:
进一步,所述能量转移概率通过以下其中一种方法或方法的组合获得:
利用信道状态转移和能量传输波束推导得到;或,
利用历史统计信息求得;或,
利用深度学习方法求得。
进一步,所述根据关系式求解每个时隙最优的能量消耗的步骤,包括以下约束条件:
将消耗能量的影响划分为当前的影响和未来的影响;
相邻电池状态的最优能量消耗相差为零或一个能量单元;
相邻电池状态的长期期望吞吐量的差值不随时间变化;
相邻电池状态的长期期望吞吐量的差值为以下两个值中的最大值:其中一个是当前时刻相邻最优能量消耗的吞吐量的差值,另一个是下一时刻起未来相邻电池状态期望吞吐量的差值。
进一步,所述根据关系式求解每个时隙最优的能量消耗,包括:
定义不同电池状态的长期期望吞吐量差值为:ΔF(bm|Et)=F(bm|Et)-F(bm-1|Et),根据约束条件,获得:
ΔF(bm|Et)=max{I(ci+1)-I(ci),a(bm-i+1|Et)-a(bm-i|Et)}
其中,I(ci+1)-I(ci)是当前时刻相邻最优能量消耗的吞吐量的差值,a(bm-i+1|Et)-a(bm-i|Et)是下一时刻起未来相邻电池状态期望吞吐量的差值;
初始化吞吐量差值ΔF(bm|ek)=I(cm)-I(cm-1),其中m=1,…,M;k=1,…,K;
根据初始化的吞吐量差值计算不同收获能量的长期期望吞吐量差值;
根据获得的长期期望吞吐量差值计算不同电池状态和收获能量的最优消耗。
进一步,所述不同收获能量的长期期望吞吐量差值的计算公式为:
进一步,所述根据获得的长期期望吞吐量差值计算不同电池状态和收获能量的最优消耗,包括:
A、初始化i=1;
B、令k=1到K,m=1到M:
B1、计算a(bm|ek)-a(bm-1|ek);
B2、更新ΔF(bm|ek)为ΔF′(bm|ek),如果ΔF′(bm|ek)=I(ci)-I(ci-1),i=i+1;
B3、在电池状态和采集能量固定下最优消耗Copt(bm|ek)=ci;
C、如果|ΔF(bm|Et)-ΔF′(bm|Et)|2>th,重复计算步骤B。
本发明所采用的另一技术方案是:
一种能量收集无线系统的在线功率分配系统,包括:
能量划分模块,用于将能量离散化划分为能量单元;
概率计算模块,用于根据能量单元获取每个时隙接收的能量转移概率;
建立关系模块,用于根据能量转移概率确定采集能量和长期期望吞吐量的关系式;
能量分配模块,用于根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;
其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和;当前时隙消耗能量包括当前时隙的电池状态和采集的能量期望;
其中,能量收集无线系统包括发送能量的基站、带有电池的能量接收机和信息接收机,能量接收机用于接收并存储基站发送的能量,以及发送信息至信息接收机。
本发明所采用的另一技术方案是:
一种能量收集无线系统的在线功率分配系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上所述方法。
本发明所采用的另一技术方案是:
一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。
本发明的有益效果是:本发明提供一种在线分配方案,避免因为能量采集的随机性带来的吞吐量损失;另外,把复杂度从以往的与时隙长度相关转为与时间无关的电池容量划分程度相关,因此在考虑长期情况时算法复杂度降低了很多,极大地提升运算速度。
附图说明
为了更清楚地说明本发明实施例或者现有技术中的技术方案,下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员而言,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1是本发明实施例中一种能量收集无线系统的在线功率分配方法的步骤流程图;
图2是本发明实施例中能量收集无线系统的模型图;
图3是本发明实施例中长时隙框架下的不同算法平均吞吐量比较曲线;
图4是本发明实施例中隙帧长度为400个时隙下,随着时隙帧数的增加,不同算法平均吞吐量曲线图;
图5是本发明实施例中马尔可夫EH模型下随电池容量变化的2000个时隙的平均吞吐量示意图;
图6是本发明实施例中在时隙帧长度为40个时隙下,电池状态分别为10u时的平均吞吐量示意图;
图7是本发明实施例中在时隙帧长度为40个时隙下,电池状态分别为30u时的平均吞吐量示意图;
图8是本发明实施例中在时隙帧长度为40个时隙下,电池状态分别为50u时的平均吞吐量示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右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,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
对于快速衰落的信道,很难获得准确的瞬时CSI,因为当信道相干时间较短时,发射机处获得的瞬时CSI会很快过时。因此,利用随天线参数和周围环境而变化的长期信道统计数据是更实际的解决方案。在本实施例中,假设信息信道遵循双相关信道模型,该模型的传输相关矩阵和接收相关矩阵长期保持不变,并提出了一种长期的低复杂度功率在线分配策略。
本实施例提出一种能量收集无线系统的在线功率分配方案,用于分配不同时隙时能量接收机用于发送信息的能量。如图2所示,所述能量收集无线系统包括:用于发送能量的基站(Base Station,BS),带有电池的能量接收机(Energy receiver,ER)(能量接收机可以利用电池中的能量来发送数据)以及信息接收机(Information receiver,IR)。基站发送能量给ER并存到电池中,ER消耗电池中的能量发送信息。ER发送CSI给IR,然后IR根据统计CSI在码本中选择最优预编码,并将预编码码本索引反馈给ER。ER根据反馈的索引在码本中选择相应的预编码进行发送信息。
如图1所示,基于上述的能量收集无线系统,本实施例提供的一种在线功率分配方法,由能量接收机执行,包括以下步骤:
S1、将能量离散化划分为能量单元。
把能量离散化划分为多个能量单元,每个能量单元为u。分别将电池在每个时隙储存的能量,每个时隙消耗的能量以及每个时隙收获的能量记为Bt∈{0,b1,b2,…,bm},Ct∈{0,c1,c2,…,cM}以及Et∈{0,e1,e2,…,eK}。其中,bi=ci=ei=i*u=ui,且K<M。
其中,每个时隙之间电池能量的关系为Bt+1=min{Bt–Ct+Et,Bmax}。
S2、根据能量单元获取每个时隙接收的能量转移概率。
假设每个时刻收获到的能量服从一阶马尔科夫过程,即当前时刻获得的能量只与上一个时刻获得能量有关。计算每个时刻的收获的能量到达概率p(Et=ek),以及能量转移概率p(Et=ek|Et-1),该能量转移概率可用于计算数学期望。计算消耗不同单位能量可以获得的期望吞吐量,记为I(Ct)。
其中,计算能量到达概率方法可以包括以下其中之一:
利用蒙特卡罗法模拟多组实验,统计每个时刻的能量到达的概率以及下一时刻到达的能量与当前时刻到达的能量的转移概率;
其中,利用两个时隙之间的信道存在的Markov的关系求解每个时刻的能量到达的概率以及下一时刻到达的能量与当前时刻到达的能量的转移概率。
其中,计算能量转移概率方法可以包括以下其中之一:
1)利用信道状态转移和能量传输波束推导得到。
2)利用以往统计信息求得。
3)利用深度学习等方法求得。
其中期望吞吐量至少可以包括以下其中之一:
针对高斯输入统计信道求得的吞吐量;
针对有限符号输入统计信道求得的吞吐量。
S3、根据能量转移概率确定采集能量和长期期望吞吐量的关系式。
建立电池状态,采集能量和长期期望吞吐量的关系式:
上述公式表示当前时隙的电池状态和采集的能量期望获得的吞吐量可以表示为,当前时隙消耗能量可以获得的吞吐量以及下个时隙期望获得的吞吐量的和。
其中,为了方便起见并且不会导致歧义,可以令
S4、根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量。
基于采集能量和长期期望吞吐量的关系式,还包括以下约束条件:相邻电池状态的最优能量消耗相差一个或零个单元;相邻电池状态的长期期望的差值不随时间变化;求解每个时隙最优的能量消耗,建立电池状态和采集能量与最优的能量消耗的关系;相邻电池状态的长期期望吞吐量的差值可以为以下两个值中的最大值:其中一个是当前时刻相邻最优能量消耗的吞吐量的差值;另一个是下一时刻起未来相邻电池状态期望吞吐量的差值。每个时隙时,可以通过采集的能量和当前的电池状态来获取最优的能量消耗,ER消耗相应的能量给IR发送信息。
具体求解最优能量消耗的步骤如下:
步骤一:定义不同电池状态的长期期望吞吐量差值为:ΔF(bm|Et)=F(bm|Et)-F(bm-1|Et),根据约束条件可得:
ΔF(bm|Et)=max{I(ci+1)-I(ci),a(bm-i+1|Et)-a(bm-i|Et)}。
其中,I(ci+1)-I(ci)是当前时刻相邻最优能量消耗的吞吐量的差值,而a(bm-i+1|Et)-a(bm-i|Et)是下一时刻起未来相邻电池状态期望吞吐量的差值。
步骤二:初始化吞吐量差值ΔF(bm|ek)=I(cm)-I(cm-1),其中m=1,…,M;k=1,…,K。
步骤三:计算不同收获能量的长期期望吞吐量差值:
步骤四:计算不同电池状态和收获能量的最优消耗。
1)初始化i=1。
2)令k=1到K,m=1到M:
i.根据步骤三计算a(bm|ek)-a(bm-1|ek);
ii.根据步骤一更新ΔF(bm|ek)为ΔF′(bm|ek),如果ΔF′(bm|ek)=I(ci)-I(ci-1),i=i+1;
iii.在电池状态和采集能量固定下最优消耗Copt(bm|ek)=ci。
3)如果|ΔF(bm|Et)-ΔF′(bm|Et)|2>th,重复计算步骤2)。
本实施例的仿真结果使用仿真软件Matlab实现。为了说明该本实施例方法的优越性,通过比较了4种方法。比较算法:(1)本实施例提出的最优在线算法,表示为OAP;(2)最优的离线算法,表示为OLA;(3)传统的动态规划在线算法,用DP表示;(4)贪婪算法,将每个时隙内的所有能量消耗殆尽,记为GA。
从图3中可以看出,在长时隙(长时间统计状态不变)框架下,本实施例提出的算法和动态规划算法的性能几乎相同。这说明本实施例的算法可以得到最好的结果性能在长时隙框架,然而当时隙较长时,本实施例提出的最优算法的复杂度比DP算法的复杂度小得多。当短时隙(统计状态不变相对较短)框架下,OAP的性能较差。这是因为在每一帧的末尾,电池的能量耗尽了。但是,本实施例的算法考虑了未来的能量并进行存储,造成了能量的浪费。
图4显示了时隙帧长度为400个时隙下,随着时隙帧数的增加,不同算法吞吐量的平均值。从图中可以看出,在一开始OAP的性能比DP稍差,在数帧过后,OAP开始接近并反超DP。这是因为在每一帧的结束时,OAP并没有消耗所有的能量,而是将其保存到将来,因此性能可能在一开始稍微差一些。
电池容量对算法的性能有重要影响。如果电池容量越大,可以存储更多的能量以获得更好的性能,但同时也会带来计算复杂度的增加。在实际生产中,平衡性能和开销是需要考虑的重要因素。图5显示了马尔可夫EH模型下增加电池容量的2000个时隙的平均吞吐量。在图中,我们假设最大采集能量Emax=3u。可以看出每种算法的性能都随着电池容量的增加而增加,并最终趋于稳定。其中,当电池容量较小时,OAP的性能相对较DP差,但随着电池容量的增加,当电池容量为20和35时,OAP性能超过DP。
图6、图7和图8分别表示在时隙帧长度为40个时隙下,电池状态分别为10u、30u、50u时的平均吞吐量,其中Emax=5u。与图5不同的是,它们是基于帧的,即不同帧之间的传输系数是不同的。当电池容量为10u时,OAP和DAP的性能甚至不如GA,到30u时,它们的性能接近DP。当电池容量达到50u时,OAP的性能十分接近OLA的性能。
综上所述,本实施例与现有技术相比,具有如下有益效果:
(1)本发明提出一种低复杂度的长期动态分配方案,与以往的方案相比,本方案给出了一种在线分配方案,避免因为能量采集的随机性带来的吞吐量损失。
(2)与传统的在线方案相比,本发明考虑了统计状态信息来降低算法的复杂度,且该算法把复杂度从以往的与时隙长度相关转为与时间无关的电池容量划分程度相关,因此在考虑长期情况时算法复杂度降低了很多,运算速度有了很大的提升。
本实施例还提供了一种能量收集无线系统的在线功率分配系统,包括:
能量划分模块,用于将能量离散化划分为能量单元;
概率计算模块,用于根据能量单元获取每个时隙接收的能量转移概率;
建立关系模块,用于根据能量转移概率确定采集能量和长期期望吞吐量的关系式;
能量分配模块,用于根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;
其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和;当前时隙消耗能量包括当前时隙的电池状态和采集的能量期望;
其中,能量收集无线系统包括发送能量的基站、带有电池的能量接收机和信息接收机,能量接收机用于接收并存储基站发送的能量,以及发送信息至信息接收机。
本实施例的一种能量收集无线系统的在线功率分配系统,可执行本发明方法实施例所提供的一种能量收集无线系统的在线功率分配方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本实施例还提供了一种能量收集无线系统的在线功率分配系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现图1所示方法。
本实施例的一种能量收集无线系统的在线功率分配系统,可执行本发明方法实施例所提供的一种能量收集无线系统的在线功率分配方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本申请实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
本实施例还提供了一种存储介质,存储有可执行本发明方法实施例所提供的一种能量收集无线系统的在线功率分配方法的指令或程序,当运行该指令或程序时,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种能量收集无线系统的在线功率分配方法,其特征在于,包括以下步骤:
将能量离散化划分为能量单元;
根据能量单元获取每个时隙接收的能量转移概率;
根据能量转移概率确定采集能量和长期期望吞吐量的关系式;
根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;
其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和;当前时隙消耗能量包括当前时隙的电池状态和采集的能量期望;
其中,能量收集无线系统包括发送能量的基站、带有电池的能量接收机和信息接收机,能量接收机用于接收并存储基站发送的能量,以及发送信息至信息接收机。
3.根据权利要求1所述的一种能量收集无线系统的在线功率分配方法,其特征在于,所述能量转移概率通过以下其中一种方法或方法的组合获得:
利用信道状态转移和能量传输波束推导得到;或,
利用历史统计信息求得;或,
利用深度学习方法求得。
4.根据权利要求1所述的一种能量收集无线系统的在线功率分配方法,其特征在于,所述根据关系式求解每个时隙最优的能量消耗的步骤,包括以下约束条件:
将消耗能量的影响划分为当前的影响和未来的影响;
相邻电池状态的最优能量消耗相差为零或一个能量单元;
相邻电池状态的长期期望吞吐量的差值不随时间变化;
相邻电池状态的长期期望吞吐量的差值为以下两个值中的最大值:其中一个是当前时刻相邻最优能量消耗的吞吐量的差值,另一个是下一时刻起未来相邻电池状态期望吞吐量的差值。
5.根据权利要求4所述的一种能量收集无线系统的在线功率分配方法,其特征在于,所述根据关系式求解每个时隙最优的能量消耗,包括:
定义不同电池状态的长期期望吞吐量差值为:ΔF(bm|Et)=F(bm|Et)-F(bm-1|Et),根据约束条件,获得:
ΔF(bm|Et)=max{I(ci+1)-I(ci),a(bm-i+1|Et)-a(bm-i|Et)}
其中,I(ci+1)-I(ci)是当前时刻相邻最优能量消耗的吞吐量的差值,a(bm-i+1|Et)-a(bm-i|Et)是下一时刻起未来相邻电池状态期望吞吐量的差值;
初始化吞吐量差值ΔF(bm|ek)=I(cm)-I(cm-1),其中m=1,…,M;k=1,…,K;
根据初始化的吞吐量差值计算不同收获能量的长期期望吞吐量差值;
根据获得的长期期望吞吐量差值计算不同电池状态和收获能量的最优消耗。
7.根据权利要求5所述的一种能量收集无线系统的在线功率分配方法,其特征在于,所述根据获得的长期期望吞吐量差值计算不同电池状态和收获能量的最优消耗,包括:
A、初始化i=1;
B、令k=1到K,m=1到M:
B1、计算a(bm|ek)-a(bm-1|ek);
B2、更新ΔF(bm|ek)为ΔF′(bm|ek),如果ΔF′(bm|ek)=I(ci)-I(ci-1),i=i+1;
B3、在电池状态和采集能量固定下最优消耗Copt(bm|ek)=ci;
C、如果|ΔF(bm|Et)-ΔF′(bm|Et)|2>th,重复计算步骤B。
8.一种能量收集无线系统的在线功率分配系统,其特征在于,包括:
能量划分模块,用于将能量离散化划分为能量单元;
概率计算模块,用于根据能量单元获取每个时隙接收的能量转移概率;
建立关系模块,用于根据能量转移概率确定采集能量和长期期望吞吐量的关系式;
能量分配模块,用于根据关系式求解每个时隙最优的能量消耗,根据最优的能量消耗分配用于发送信息的能量;
其中,关系式表示为当前时隙消耗能量获得的吞吐量以及下个时隙期望获得的吞吐量的和;当前时隙消耗能量包括当前时隙的电池状态和采集的能量期望;
其中,能量收集无线系统包括发送能量的基站、带有电池的能量接收机和信息接收机,能量接收机用于接收并存储基站发送的能量,以及发送信息至信息接收机。
9.一种能量收集无线系统的在线功率分配系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1-7任一项所述方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-7任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330667.8A CN113115426B (zh) | 2021-03-26 | 2021-03-26 | 能量收集无线系统的在线功率分配方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330667.8A CN113115426B (zh) | 2021-03-26 | 2021-03-26 | 能量收集无线系统的在线功率分配方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113115426A true CN113115426A (zh) | 2021-07-13 |
CN113115426B CN113115426B (zh) | 2022-06-14 |
Family
ID=76712660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330667.8A Expired - Fee Related CN113115426B (zh) | 2021-03-26 | 2021-03-26 | 能量收集无线系统的在线功率分配方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113115426B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104968009A (zh) * | 2015-05-05 | 2015-10-07 | 电子科技大学 | 一种用于能量采集无线传输系统的低频率能源切换方法 |
CN105680920A (zh) * | 2015-12-31 | 2016-06-15 | 电子科技大学 | 一种多用户多天线数能一体化通信网络吞吐量优化方法 |
US20170257728A1 (en) * | 2016-03-07 | 2017-09-07 | Research & Business Foundation Sungkyunkwan University | Method and apparatus for energy adaptive resource allocation in energy harvesting network |
CN107171701A (zh) * | 2017-04-19 | 2017-09-15 | 西安电子科技大学 | 一种MassiveMIMO系统基于混合能量采集的功率分配方法 |
WO2019210648A1 (zh) * | 2018-05-04 | 2019-11-07 | 华南理工大学 | 一种基于非线性能量收集的swipt系统自适应时隙信号接收方法 |
CN112218313A (zh) * | 2020-09-18 | 2021-01-12 | 广州大学 | 一种基于能量调度的通信系统及其通信吞吐量优化方法 |
-
2021
- 2021-03-26 CN CN202110330667.8A patent/CN113115426B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104968009A (zh) * | 2015-05-05 | 2015-10-07 | 电子科技大学 | 一种用于能量采集无线传输系统的低频率能源切换方法 |
CN105680920A (zh) * | 2015-12-31 | 2016-06-15 | 电子科技大学 | 一种多用户多天线数能一体化通信网络吞吐量优化方法 |
US20170257728A1 (en) * | 2016-03-07 | 2017-09-07 | Research & Business Foundation Sungkyunkwan University | Method and apparatus for energy adaptive resource allocation in energy harvesting network |
CN107171701A (zh) * | 2017-04-19 | 2017-09-15 | 西安电子科技大学 | 一种MassiveMIMO系统基于混合能量采集的功率分配方法 |
WO2019210648A1 (zh) * | 2018-05-04 | 2019-11-07 | 华南理工大学 | 一种基于非线性能量收集的swipt系统自适应时隙信号接收方法 |
CN112218313A (zh) * | 2020-09-18 | 2021-01-12 | 广州大学 | 一种基于能量调度的通信系统及其通信吞吐量优化方法 |
Non-Patent Citations (2)
Title |
---|
KE, FENG等: "Predictive Strategy for Energy Harvesting MIMO Systems With Finite Alphabet Inputs and Limited Feedback", 《IEEE TRANSACTIONS ON COMMUNICATIONS》 * |
KE, FENG等: "Utility-Based Stable Matching For Large Scale EH Relay Networks With Finite-Alphabet Inputs", 《IEEE ACCESS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113115426B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111132342B (zh) | 一种基于无线供电反向散射通信网络的多载波资源分配方法 | |
CN109831808B (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
CN108924938B (zh) | 一种用于无线充电边缘计算网络计算能效的资源分配方法 | |
CN109089271B (zh) | 一种混合能量供能的无线协同网络资源随机分配方法 | |
CN110167176B (zh) | 一种基于分布式机器学习的无线网络资源分配方法 | |
CN110798858A (zh) | 基于代价效率的分布式任务卸载方法 | |
CN110784882B (zh) | 一种基于强化学习的能量采集d2d通信资源分配方法 | |
CN111447662B (zh) | 一种无线供电反向散射网络能效优化方法 | |
CN105680920B (zh) | 一种多用户多天线数能一体化通信网络吞吐量优化方法 | |
Morsi et al. | On-off transmission policy for wireless powered communication with energy storage | |
CN114641076A (zh) | 一种超密集网络中基于动态用户满意度的边缘计算卸载方法 | |
CN109768851B (zh) | 一种scma下行系统中基于能效的资源分配方法 | |
CN108135004A (zh) | 基于波束成型和时间分配的充电网络能效优化方法及系统 | |
Kim et al. | Performance analysis of the energy adaptive MAC protocol for wireless sensor networks with RF energy transfer | |
CN112218313A (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 | |
CN113115426B (zh) | 能量收集无线系统的在线功率分配方法、系统及介质 | |
Yu et al. | Task delay minimization in wireless powered mobile edge computing networks: A deep reinforcement learning approach | |
CN112738849A (zh) | 应用于多跳环境反向散射无线网络的负载均衡调控方法 | |
Das et al. | Reinforcement learning-based resource allocation for M2M communications over cellular networks | |
CN113543085B (zh) | 一种基于能量收集技术的d2d通信网络中时间分配和用户调度方法 | |
Pielli et al. | Minimizing data distortion of periodically reporting iot devices with energy harvesting | |
CN110381590B (zh) | 一种基于无线能量收集的无线网络子信道功率分配方法 | |
Eskandari et al. | Smart Interference Management xApp using Deep Reinforcement Learning | |
Li et al. | Real-time optimal resource allocation in multiuser mobile edge computing in digital twin applications with deep reinforcement learning | |
Du et al. | Joint time and power control of energy harvesting CRN based on PPO |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220614 |