CN113179550A - 一种分布式无线能量和信息传输系统的资源分配方法 - Google Patents

Abstract

本发明公开了一种分布式无线能量和信息传输系统的资源分配方法。最终，在最小化传输总时延以及满足信噪比要求的前提下，解决了无线能量同传场景下的资源优化问题。在用户端，比特数据信号通过时分复用的发送方式，统一发送到RRH端进行处理；在RRH端，首先其将向用户通过波束成形技术发送能量，然后将接收到的比特数据信号经过空间滤波以及k‑近邻算法后，统一发送到云端进行处理；在云端，对接收到的数据信息进行分集接收并最终发送回用户端。在空间滤波中，本发明使用了矢量量化的方法来对接收到的用户信号进行处理，提高了任务计算的效率。

Description

一种分布式无线能量和信息传输系统的资源分配方法

技术领域

本发明属于无线通信领域，具体涉及一种分布式无线能量和信息传输系统的资源分配方法，更具体涉及一种基于交替优化的分布式无线能量和信息传输系统的资源分配方法。

背景技术

近年来，物联网(IoT)的发展激发了各种新的应用(如虚拟现实、增强现实、自动驾驶)，提供了实时的机对机、机对人的交互。这些应用具有延迟敏感性，依赖于大量无线终端的实时通信和计算。在物联网网络中，部署了大量具有计算和通信能力的无线设备。而这些无线设备往往具有有限的设备寿命。因此，如何解决这个关键的性能限制是一项关键而又具有挑战性的任务。

为了解决上述设备寿命有限的问题，将无线能量传输引入到通信网络中，产生了一种新的网络结构:无线供电通信网络(WPCN)。在无线供电通信网络中，终端设备由通信RRH广播射频能量来供电。在一个混合接入点(H-AP)和多个分布式用户的无线供电通信网络中，用户终端从下行射频信号中获取能量，然后利用这些能量进行上行信息传输。因此，混合接入点需要通过适当的资源分配来协调无线能量和信息的传输。

近来人们对该方向的研究大多采用传统的集中式天线系统，当用户终端数量增加时，集中式天线系统很难满足用户终端对时延和能量的要求。在满足所有数据和能量约束的条件下，如何通过有效的算法进行无线资源分配使得系统的信息传输总时延最小化具有重要意义。

发明内容

发明目的：本发明的目的在于解决上述内容中的挑战，提出一种分布式无线能量和信息传输系统的资源分配方法，本发明使系统在满足RRH的功率约束以及云计算中心、RRH、用户终端的因果约束的条件下，获得最小的通信时延。

技术方案：一种分布式无线能量和信息传输系统的资源分配方法，所述分布式无线能量和信息传输系统包括一个云计算中心，M个RRH(Remote Radio Head，射频拉远头)和K个用户终端，包含以下步骤：

(1)M个RRH同时向K个用户终端发送能量波束进行充电；

(2)RRH接收到用户终端发送过来的比特数据信号，对接收到的比特数据信号进行空间滤波并使用k-近邻算法对用户终端发送过来的比特数据信号进行矢量量化，得到聚合信号，将所述聚合信号发送至云计算中心；

(3)云计算中心对RRH发送过来的聚合信号进行分集接收，并满足相应的信噪比要求。

进一步的，所述步骤(1)中包括如下步骤：

1)设用户终端的集合为K＝{1,2,…,K}，RRH的集合为M＝{1,2,…,M}，设RRH与用户终端之间的下行信道增益为

其中

表示第k个用户终端和第m个RRH之间的下行信道增益g_k,m的厄尔米特矩阵，第m个RRH在下行信道发送的能量为

其中v_i,m∈C^(N×1)表示第m个RRH的第i个能量波束，C^(N×1)表示v_i,m是N行1列的矩阵，RRH对用户终端充电时长即下行的传输时间为τ₁，能量采集效率为ε，0<ε<1，用户终端k采集到的能量就可以表示为

其中，

进一步的，所述步骤(2)中包含如下步骤：

①用户终端发送的信号a_k为

其中p_k是用户终端向RRH发送比特数据信号的功率，

是用户终端k发送的携带信息的比特数据信号；

②所述步骤①中发送的信号经过信道，得到第m个RRH接收到的比特数据信号y_m为

其中，h_k,m表示第k个用户终端和第m个RRH之间的上行信道增益，z_m表示噪声。

③将比特数据信号y_m分解为

其中||y_m||表示对y_m的二范数，||y_m||是一个常量，所以能够用均匀量化来进行量化，而

是一个矢量，采用k-近邻算法来进行量化，由此，量化后的信号

可以表示为

其中，e_m,1表示对||y_m||的量化误差，均值为零，方差为q_m,1，假设||y_m||～U(0,A_m)，其中U(0,A_m)表示均值为0，方差为A_m的均匀分布，所以由均匀量化的性质可以求得

e_m,2表示对

的量化误差。所有RRH完成上述量化过程，将得到的量化结果一起作为聚合信号

传输至云计算中心。

进一步的，所述步骤(3)中包含如下步骤：

㈠为了保证用户端到端的性能，将云计算中心接收到的RRH发送过来的聚合信号

表示为

其中

这里的

表示z_m的转置，m为0到M之间的任意一个整数，

表示e_m的转置，这里，

为了解码得到用户发送的比特数据信号

对

进行线性分集接收，处理过程表示为

其中j为0至K之间的任意不等于k的整数，w_k＝[w_k,1,...,w_k,M×N]^T∈C^MN×1是信号接收波束成形向量，

表示对w_k的厄尔米特矩阵；

根据上述处理过程表达式得到解码

的信噪比γ_k为

其中，e^H表示对e的厄尔米特矩阵，σ表示信道噪声，E()表示求期望值，

假设e_a,

b∈[1,M]之间是互不相交的，这样，E(ee^H)就可以写为

有益效果：本发明适用于分布式无线能量和信息传输系统的资源分配问题，通过对时延目标的最小化，有效地解决了云接入无线网架构响应慢，网络延迟较大的问题。本发明提出的空域滤波中的矢量量化方法不仅可以去除数据的冗余，而且对于数据压缩有更好的效果。本发明使用的交替优化算法适用于大部分难以凸化的凸优化问题建模，对于解决包含波束成形方法的分布式无线能量和信息传输系统的资源分配问题有较好的效果。

附图说明

图1是本发明的系统模型图；

图2是系统时间分配示意图；

图3为网络总传输时延与RRH的平均功率关系图；

图4是不同的RRH天线个数下网络总传输时延与RRH的平均功率关系图；

图5是不同的RRH个数下网络总传输时延与RRH的平均功率关系图；

图6是在不同的传输信息比特数下的最小网络传输总时延关于RRH平均功率的关系图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明的应用场景如图1所示：在信息比特传输的过程中，用户终端采用时分复用技术向RRH传输信息，RRH对用户终端传递过来的信息比特进行空域滤波和矢量量化，然后采用时分复用技术通过无线前传链路将数据包转发到计算中心。假设所有用户终端将会给所有的RRH都发送比特数据信号。

如图2所示，本发明一共包含三个阶段，τ₁为RRH给用户终端充电的第一阶段所消耗的时间，τ₂为用户终端向RRH进行信息比特传输所耗费的时间，τ_3,m为第m个RRH向云计算中心传输聚合信号所耗费的时间。

在本发明的方案中，一共有M个RRH和K个用户终端，每个RRH包含N根天线。在RRH向用户终端发送能量比特也就是向用户终端充电的τ₁时间段内，分布在一定范围内的M个RRH同时发送射频信号对该范围内的所有用户终端进行充电，即该范围的每个用户终端都可以接收来自各个RRH发送的能量。第m个RRH发送的基带信号x_m表示为：

其中，l表示能量波束的数量，v_i,m∈C^N×1表示第m个RRH的第i个能量波束，

是第m个RRH发送的第i个能量携带信号，假设

是独立同分布的随机变量，均值为0，方差为1，RRH向用户终端发送的能量表示为：

第k个用户终端接收到的能量信号y_k表示为

其中

这里

表示第k个用户终端和第m个RRH之间的下行信道增益的厄尔米特矩阵，

这里的

表示第m个RRH的第i个能量波束v_i,m的厄尔米特矩阵。

由于无线信道的广播性质，RRH发送的所有能量波束携带的能量可以被每一个用户终端采集到，用户终端k采集到的能量E_k表示为：

其中，0<ε<1表示接收端的能量采集效率。

在用户终端发送信息阶段，采用时分复用的方式，利用上一步采集的能量，在τ₂时间内向所有RRH发送比特数据信号。用户终端k发送的比特数据信号x_k表示为：

其中，p_k表示用户终端k向RRH发送比特数据信号的功率，

是用户终端k发送的携带信息的比特数据信号。第m个RRH接收到的比特数据信号y_m为

其中，h_k,m表示第k个用户终端和第m个RRH之间的上行信道增益，z_m表示信道噪声。

将RRH接收到的用户终端发送的比特数据信号y_m分解为

其中||y_m||表示对y_m的二范数，它是一个常量所以可以用均匀量化来进行量化，而对于

它是一个矢量，采用k-近邻算法来对其进行矢量量化，由此，量化后的信号

可以表示为

其中，e_m,1表示对||y_m||的量化误差，均值为零，方差为q_m,1，假设||y_m||～U(0,A_m)，其中U(0,A_m)表示均值为0，方差为A_m的均匀分布，由均匀量化的性质求得

e_m,2表示对

的量化误差。

为了保证用户端到端的性能，将云计算中心接收到的RRH发送过来的信号表示为

其中

为了解码得到用户发送的比特数据信号

需要对

进行线性分集接收，处理过程表示为

其中j为0至K之间的任意等于k的整数，w_k＝[w_k,1,...,w_k,M×N]^T∈C^MN×1是信号接收波束成形向量，

表示对w_k的厄尔米特矩阵。

根据上述处理过程表达式得到解码

的信噪比γ_k为

其中，e^H表示对e的厄尔米特矩阵，σ表示信道噪声，E()表示求期望值，

假设e_a,

b∈[1,M]之间是互不相交的，这样，E(ee^H)就可以写为

在本发明中，目标在于最小化分布式无线能力通信网络中的总传输延时，在满足能力传输和信息传输的因果条件下，通过联合优化终端与RRH的信息传输量、RRH下行的充电功率和时间、RRH上行的发送功率和时间以及用户终端的上行发送功率和时间。得到以下的优化问题：

在以上的约束表达式中，Γ_k表示用户终端对云计算中心对比特数据信号解码的信噪比要求。问题(7)中的约束①表示RRH m向用户终端发送能量的耗能和向计算中心发送信息的耗能不能超过本身获得的能量，问题(7)中的约束②表示用户终端k向RRH发送信息比特数据的耗能不能超过其本身采集到的能量，问题(7)中的约束③表示信道容量限制，问题(7)中的约束④表示信噪比要求。该问题是一个混合整数规划问题，难以通过简单的方法去求解，因此以下将只讨论一种情况：B_m给定。

观察上述约束表达式，其中，问题(7)中的约束①、②、④均是非凸约束。为了能将原问题使用凸优化方法进行求解，对变量进行如下变化：

1)瑞利熵变化

γ_k的表达式和人们熟知的瑞利熵十分相似。所谓瑞利熵是指形如下式的表达式：

其中，x为非零向量，A为厄尔米特矩阵。为了逼近这个形式，将γ_k重写为

为了简化转化过程，令

且

这样，就可以把γ_k重写为

令

并且假设D的最大特征值为λ_max，从而问题(7)中的约束④可以重写为

Γ_k-λ_max≤0 (12)

2)半定松弛(Semidefinite Relaxation(SDR))

将

写成

问题(7)中的约束②就变为：

这是人们熟知的二次限制问题。这种类型的问题可以使用SDR来解决。SDR是求解二次约束二次规划的一种高效近似方法。SDR在信号处理和通信中的引入，极大地影响了对MIMO检测、多用户下行波束成形，传感器网络定位和雷达编码波形设计等课题的理解。要推导出SDR，需要观察到x^HCx＝Tr(x^HCx)＝Tr(Cxx^H)，其中，Tr表示矩阵的迹，C是对称矩阵，x为任意矩阵。接下来令X＝xx^H(很明显X＝xx^H等价于X是一个秩为1的对称半正定矩阵)，得到Tr(Cxx^H)＝Tr(CX)。与上述类似的，引入变量

O_i就等价于上文中提及的X，将O_i代入上式，得到：

并且为了得到问题(7)中的约束③的凸表达式，令

问题(7)中的约束③就可以转变成x log(y/x)这样的凸形式，这里x和y均为任意值。

综上，问题可以重写为：

这种形式符合交替优化的模式。将变量分为两组，

和{w_i,mp_k}。上述两组任意一组给定之后问题就都是凸形式的。

问题一形式如下：

问题二形式如下：

假设

表示交替优化流程的第n次迭代，交替优化流程如下：

Step 0:给定初始值

Step1：通过求解问题(17)更新参数

Step2：记录参数组

求解问题(16)得到

的解。

Step3：迭代上述流程直至

停止程序。

如图3所示，随着远端接入单元个数的增加，网络传输总时延也在逐步下降。因为用户终端的活动范围是固定的，随着RRH个数的增加，用户终端和RRH之间的接入距离变小，路径损耗随之减少，提高了网络的频谱效率，进而也就会降低网络传输总时延。

如图4所示，横向来看，随着RRH发送功率的增加，网络传输的总时延在下降，纵向来看，随着天线个数的增加，网络传输的总时延也是下降的，和理论预想一致。

如图5和图6所示，纵向来看，随着RRH个数的增加和网络传输总比特数的减少，网络传输的总时延都是在逐步减小的，符合理论预期。

仿真证明，本发明提出的一种分布式无线能量和信息传输系统的资源分配方法有效地解决了云接入无线网架构响应慢，网络延迟较大的问题。

Claims (4)

1.一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述分布式无线能量和信息传输系统包括一个云计算中心，M个RRH和K个用户终端，包含以下步骤：

(1)M个RRH同时向K个用户终端发送能量波束进行充电；

(2)RRH接收到用户终端发送过来的比特数据信号，对接收到的比特数据信号进行空间滤波并使用k-近邻算法对所述比特数据信号进行矢量量化，得到聚合信号，将所述聚合信号发送至云计算中心；

(3)云计算中心对RRH发送过来的聚合信号进行分集接收，并满足相应的信噪比要求。

2.根据权利要求1所述的一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述步骤(1)中包含如下步骤：

设用户终端的集合为K＝{1,2,...,K}，RRH的集合为M＝{1,2,...,M}，设RRH与用户终端之间的下行信道增益为

其中

表示第k个用户终端和第m个RRH之间的下行信道增益的厄尔米特矩阵，第m个RRH在下行信道发送的能量为

其中v_i,m∈C^(N×1)表示第m个RRH的第i个能量波束，C^(N×1)表示v_i,m是N行1列的矩阵，RRH对用户终端充电时长即下行的传输时间为τ₁，能量采集效率为ε，0<ε<1，用户终端k采集到的能量E_k表示为

其中，

3.根据权利要求2所述的一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述步骤(2)中包括如下步骤：

①用户终端发送的信号a_k为

其中p_k是用户终端向RRH发送比特数据信号的功率，

是用户终端k发送的携带信息的比特数据信号；

②所述步骤①发送的信号经过信道，得到第m个RRH接收到的比特数据信号y_m为

其中，h_k,m表示第k个用户终端和第m个RRH之间的上行信道增益，z_m表示噪声；

③将所述比特数据信号y_m分解为

其中||y_m||表示对y_m的二范数，||y_m||是一个常量，所以能够用均匀量化来进行量化，而

是一个矢量，采用k-近邻算法来进行量化，由此，量化后的信号

表示为

其中，e_m,1表示对||y_m||的量化误差，均值为零，方差为q_m,1，e_m,2表示对

的量化误差；假设||y_m||～U(0,A_m)，其中U(0,A_m)表示均值为0，方差为A_m的均匀分布，所以由均匀量化的性质，求得

所有RRH完成上述量化过程，将得到的量化结果一起作为聚合信号

传输至云计算中心。

4.根据权利要求3所述的一种分布式无线能量和信息传输系统的资源分配方法，其特征在于，所述步骤(3)中包含如下步骤：

㈠云计算中心接收到的RRH发送过来的聚合信号

表示为

其中

表示z_m的转置，m为0到M之间的任意一个整数，

表示e_m的转置，这里

为了解码得到用户终端k发送的比特数据信号

对

进行线性分集接收，处理过程表示为

其中j为0至K之间的任意不等于k的整数，

其中w_k＝[w_k,1,...,w_k,M×N]^T∈C^MN×1是信号接收波束成形向量，

表示对w_k的厄尔米特矩阵；

根据上述处理过程表达式得到解码

的信噪比γ_k为

其中，e^H表示对e的厄尔米特矩阵，σ表示信道噪声，E()表示求期望值，

假设

之间是互不相交的，这样，E(ee^H)写为

Images