CN113347728A - 反向散射网络吞吐量优化方法、装置及存储介质 - Google Patents
反向散射网络吞吐量优化方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113347728A CN113347728A CN202110696826.6A CN202110696826A CN113347728A CN 113347728 A CN113347728 A CN 113347728A CN 202110696826 A CN202110696826 A CN 202110696826A CN 113347728 A CN113347728 A CN 113347728A
- Authority
- CN
- China
- Prior art keywords
- user transmitter
- secondary user
- optimization problem
- convex
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开是关于一种反向散射网络吞吐量优化方法、装置及存储介质和移动终端。包括:建立认知反向散射通信系统,包括一个主用户发射机、一个信息接收器和K个次用户发射机,K个次用户发射机均包括能量收集模块和反向散射模块;采用时分多址技术将总传输时间T分为K个时隙,K个时隙分别对应于K个次用户;根据主用户发射机通信服务质量需求及次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立非凸分配优化问题模型;通过反证法、连续凸近似法和辅助变量法将非凸分配优化问题模型转化为凸优化问题模型;以预设迭代算法通过凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
Description
技术领域
本公开涉及无线供电通信技术领域,尤其涉及一种反向散射网络吞吐量优化方法、装置及存储介质。
背景技术
随着万物互联时代的到来,为实现人与人、人与物、物与物互联的美好愿景,海量智能设备需通过无线的方式接入到物联网中,但爆发式增长的智能设备对频谱资源的迫切需求与可用频谱资源匮乏之间的矛盾越发突出。认知无线电技术可允许次用户与主用户共享频谱信息来提高频谱利用率。虽然认知无线电可允许次用户复用主用户频谱资源,从而提高频谱利用率,但在该网络中,次用户通常采用主动通信技术进行信息传输,这一过程需要用到振荡器、混频器等高功耗元器件,缩短了电池的使用寿命,限制了物联网的发展。
因此,有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种反向散射网络吞吐量优化方法、装置及存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开实施例的第一方面,提供一种反向散射网络吞吐量优化方法,包括:
建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
本公开的实施例中,所述通信系统中,第k个次用户发射机STk在其对应的时隙τk期间,接收到的信号为反射的信号为收集的能量为所述第k个次用户发射机STk在总传输时间T内收集的能量为其中,P0:所述主用户发射机的发射功率,xe:所述信息接收器接收到的所述主用户发射机发射的信号且满足fk:所述主用户发射机到STk的信道增益,所述第k个次用户发射机STk的反射系数,非线性能量收集模型(x:输入功率),所述第k个次用户发射机STk在其对应时隙τk期间输入的功率,所述第k个次用户发射机STk在其不对应的时隙期间输入的功率;
所述通信系统中,所述信息接收器接收到的信号为解码所述接收到的信号得到所述主用户发射机信干噪比和所述次用户发射机信干噪比从而得到所述主用户发射机的传输速率所述次用户发射机STk在其对应的时隙τk期间完成的吞吐量及消耗的能量其中,第一部分:接收到的所述主用户发射机发射的信号,第二部分:接收到的所述第k个次用户发射机STk发射的信号,NIR即N信息接收器:所述信息接收器接收的噪声且服从均值为0、方差为σ2的高斯分布,xc,k:所述信息接收器接收到的所述第k个次用户发射机STk自身发出的信号且满足A0:所述主用户发射机到所述信息接收器的信道增益,hk:所述第k个次用户发射机STk到所述信息接收器的信道增益;σ2:所述信息接收器处接收噪声的功率W:信道带宽,ξ:干扰消除因子且0≤ξ≤1;ζ:计算信道容量与实际信道容量之间的差距,(εb:静态功耗):静态电路能耗,动态电路能耗,由于动态电路能耗与所述第k个次用户发射机STk的通信容量成正比,因此u:所述第k个次用户发射机STk的吞吐量与所述动态电路能耗的系数。
本公开的实施例中,所述信息接收器通过连续干扰消除技术首先解码接收到的所述主用户发射机发射的信号,再解码接收到的所述第k个次用户发射机STk自身发出的信号。
本公开的实施例中,所述非凸分配优化问题模型为:
本公开的实施例中,所述凸优化问题模型为:
本公开的实施例中,所述通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型的方法,包括:
对所述非凸分配优化问题模型中的优化目标Q0引入松弛参数将优化目标Q0转化为线性函数并增加约束条件F6:其中,表示所述第k个次用户发射机STk最小吞吐量,约束条件F6保证了所述第k个次用户发射机STk的通信服务质量;
将P0的最优值为P0 *=Pmax代入优化问题Q1将其转换为优化问题Q2,所述优化问题Q2对应的优化问题模型为:
本公开的实施例中,所述预设迭代算法为基于所述连续凸近似迭代的分配算法。
本公开的实施例中,所述以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量的方法,包括:
初始化系统参数:K、T、fk、hk、A0、u、εb、σ2、γmin、ζ、ξ、χ;定义外层最大迭代次数L以及收敛精度;
根据所述最优值计算得到所述最小次用户发射机的最优吞吐量;
其中,所述CVX为仿真软件中的工具类算法。
根据本公开实施例的第二方面,提供一种反向散射网络吞吐量优化装置,包括:
认知反向散射通信系统建立模块,用于建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
时分多址模块,用于采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
非凸分配优化问题模型建立模块,用于根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
问题模型转化模块,通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
算法模块,以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任意一个实施例中所述反向散射网络吞吐量优化方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开的一种实施例中,通过上述反向散射网络吞吐量优化方法、装置及存储介质,一方面,本方法是局域公平性的分配方法,相对与常见的基于线性模型资源的分配方法,资源错配现象降低,提高了通信系统的性能,另一方面,本方法中通过最大最小次用户发射机方式的资源分配方案能够有效保障用户吞吐量的公平性,且本方法中采用的迭代算法能够快速收敛于最优值。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
图1示意性示出本公开示例性实施例中反向散射网络吞吐量优化方法流程图;
图2示意性示出本公开示例性实施例中认知反向散射通信系统模型示意图;
图3示意性示出本公开示例性实施例中次用户发射机的吞吐量与迭代次数的关系曲线图;
图4示意性示出本公开示例性实施例中不同能量收集模型下,主用户发射机功率与次用户发射机吞吐量的曲线图;
图5示意性示出本公开示例性实施例中资源分配方案与和吞吐量最大资源分配方案的对比图;
图6示意性示出本公开示例性实施例中反向散射网络吞吐量优化装置图;
图7示意性示出本公开示例性实施例中存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本示例实施方式中首先提供了一种反向散射网络吞吐量优化方法方法,参考图1中所示,该方法可以包括:
步骤S101:建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
步骤S102:采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
步骤S103:根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
步骤S104:通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
步骤S105:以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
通过上述反向散射网络吞吐量优化方法、装置及存储介质,一方面,本方法是局域公平性的分配方法,相对与常见的基于线性模型资源的分配方法,资源错配现象降低,提高了通信系统的性能,另一方面,本方法中通过最大最小次用户发射机方式的资源分配方案能够有效保障用户吞吐量的公平性,且本方法中采用的迭代算法能够快速收敛于最优值。
下面,将参考图1至图7对本示例实施方式中的上述方法的各个步骤进行更详细的说明。
具体的,建立认知反向散射通信系统如图2所示,包括一个主用户发射机、一个信息接收器和K个次用户发射机,其中,主用户发射机与K个此用户发射机之间信道的信道增益为图示的f1,f2,...fk,主用户发射机与信息接收器之间信道的信道增益为A0,K个此用户发射机与信息接收器之间信道的信道增益为h1,h2,...hk,采用时分多址技术为所述K个次用户发射机分配时隙,与所述K个次用户发射机对应的时隙分别为τ1,τ2,...τk;基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间建立非凸分配优化问题模型,由于非凸问题优化问题模型无法求解,所以需要将非凸分配优化问题模型转化为凸优化问题模型,以预设的反证法、连续凸近似法和辅助变量法对凸优化问题模型对模型中的最优变量和最优目标值进行更新,得到最小次用户发射机的最优吞吐量。
在一个实施例中,所述通信系统中,第k个次用户发射机STk在其对应的时隙τk期间,接收到的信号为反射的信号为收集的能量为所述第k个次用户发射机STk在总传输时间T内收集的能量为其中,P0:所述主用户发射机的发射功率,xe:所述信息接收器接收到的所述主用户发射机发射的信号且满足fk:所述主用户发射机到STk的信道增益,所述第k个次用户发射机STk的反射系数,非线性能量收集模型(x:输入功率),所述第k个次用户发射机STk在其对应时隙τk期间输入的功率,所述第k个次用户发射机STk在其不对应的时隙期间输入的功率;
所述通信系统中,所述信息接收器接收到的信号为解码所述接收到的信号得到所述主用户发射机信干噪比和所述次用户发射机信干噪比从而得到所述主用户发射机的传输速率所述次用户发射机STk在其对应的时隙τk期间完成的吞吐量及消耗的能量其中,第一部分:接收到的所述主用户发射机发射的信号,第二部分:接收到的所述第k个次用户发射机STk发射的信号,NIR即N信息接收器:所述信息接收器接收的噪声且服从均值为0、方差为σ2的高斯分布,xc,k:所述信息接收器接收到的所述第k个次用户发射机STk自身发出的信号且满足A0:所述主用户发射机到所述信息接收器的信道增益,hk:所述第k个次用户发射机STk到所述信息接收器的信道增益;σ2:所述信息接收器处接收噪声的功率W:信道带宽,ξ:干扰消除因子且0≤ξ≤1;ζ:计算信道容量与实际信道容量之间的差距,(εb:静态功耗):静态电路能耗,动态电路能耗,由于动态电路能耗与所述第k个次用户发射机STk的通信容量成正比,因此u:所述第k个次用户发射机STk的吞吐量与所述动态电路能耗的系数。
在一个实施例中,所述信息接收器通过连续干扰消除技术首先解码接收到的所述主用户发射机发射的信号,再解码接收到的所述第k个次用户发射机STk自身发出的信号。具体的,由于第k个次用户发射机的反射信号受到信道fk、hk双重衰落的影响,信息接收器接收到第k个次用户反射信号的强度远远小于主用户发射机的直接链路信号,因此在进行解码时,在信息接收器处采用连续干扰消除(Successive interference cancellation,SIC)技术,信息接收器先将第k个次用户发射机的反射信号视为干扰信号,解码主用户发射机信号,然后再将主用户发射机信号视为干扰信息,解码第k个次用户发射机的反射信号。
在一个实施例中,所述非凸分配优化问题模型为:
在一个实施例中,所述凸优化问题模型为:
在一个实施例中,所述通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型的方法,包括:
步骤S201:对所述非凸分配优化问题模型中的优化目标Q0引入松弛参数将优化目标Q0转化为线性函数并增加约束条件F6:其中,表示所述第k个次用户发射机STk最小吞吐量,约束条件F6保证了所述第k个次用户发射机STk的通信服务质量;
优化问题Q1中约束条件存在多变量耦合情况,可通过引理1对P0求解最优值进行解耦。
引理1:P0的最优值为Pmax,即P0 *=Pmax,其中“*”表示最优值。
引理1的证明为:
根据假设可得,Q1的最优解为故成立。因为两组可行解中约束条件F1、F2均成立。约束条件F3、F4以及F6中函数均为的形式,对其进行求导得其中常数项均大于等于0,故h′(x)≥0。可以看出随着P0的增大,因此,对于任意k值均有所以原假设不成立。结合约束条件F5可知
根据引理1,将P0的最优值为Pmax代入优化问题Q1将其转换为更为简单的优化问题Q2:
引理2:优化问题Q3为凸优化问题。
引理2的证明为:
在优化问题Q3中,F1、F2-1与F4-2均为线性的约束条件,只需证明约束条件F3-3与F5-2为凸约束条件即可。
g(x,y)的Hessian矩阵一阶行列式小于0,二阶行列式大于0,为半负定矩阵,所示约束条件F5-2为凸约束。在约束条件F3-3中,等式右边为线性函数,由透视函数的保凸性质可知,等式左边部分Γ((1-Xk/τk)fkPmax)τk与f(x)=Γ((1-x)fkPmax),0≤x≤1凹凸性一致。对f(x)求二阶导可以得到:f(x)的凹凸性取决于b-ac与c的正负性。根据非线性能量收集模型Γ(x)存在非负的饱和极限值可以得到:同时根据能量收集具有非负性,可得:
参考图4所示,图4描述了所提资源分配方法与基于线性能量收集模型资源分配方法下次用户发射机通信容量的性能差异。假设主用户发射机到次用户发射机ST1、ST2及信息接收器距离分别为3m、5m与7m,ST1、ST2到信息接收器的距离分别为4m、3m。采用线性能量收集模型时,次用户发射机收集到的能量可表示为,其中表示能量收集效率。将上式代入约束条件中,得到基于线性能量收集模型的资源优化问题。求解线性能量收集模型下优化问题的最优变量,然后将其代回优化问题,获得基于线性能量收集模型的资源分配方案下次用户发射机的通信容量。如图3所示,与所提资源分配方案相比,基于线性能量收集模型的资源分配方案下次用户发射机的max-min吞吐量明显下降;随着线性能量收集系数的增加,次用户发射机的max-min吞吐量得到提升,但仍低于所提资源分配方案下次用户发射机的通信容量。这是由于的增加使得次用户发射机能量收集时间减少,反向散射系数增加,从而提升了次用户发射机的max-min吞吐量。当能量收集时间减少到一定程度后,次用户发射机收集到的能量不能满足实际能量因果约束,此时将次用户发射机的max-min吞吐量置0。通过上述分析可知,实际中使用基于线性模型的资源分配方案将会导致资源错配现象,从而降低系统性能。
参考图5所示,图5是本文所提基于max-min准则的资源分配方案与和吞吐量最大资源分配方案的对比。如图所示,当次用户发射机数目为2时,和吞吐量最大方案中次用户发射机可实现的平均吞吐量优于max-min方案,但其最好链路与最差链路吞吐量的差值明显大于max-min方案。这是由于max-min方案以略低的总吞吐量为代价来平衡所有次用户发射机实现的吞吐量。当次用户发射机数目增加到4时,和吞吐量最大方案中次用户发射机吞吐量的最大差值增加,而在max-min方案中次用户发射机吞吐量的最大差值仍保持较小的数值。由此可以看出,与和吞吐量最大方案对比,max-min方案能够有效保障用户通信容量的公平性。
在一个实施例中,所述预设迭代算法为基于所述连续凸近似迭代的分配算法。
在一个实施例中,所述以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量的方法,包括:
初始化系统参数:K、T、fk、hk、A0、u、εb、σ2、γmin、ζ、ξ、χ;定义外层最大迭代次数L以及收敛精度;
根据所述最优值计算得到所述最小次用户发射机的最优吞吐量;
其中,所述CVX为仿真软件中的工具类算法。
具体的,图3描述了次用户发射机的max-min吞吐量与迭代次数的关系曲线,上述所提迭代算法可以在较少的迭代次数后收敛于某一常数值,这说明所提迭代算法能快速收敛于最优值;此外,可以看出性能差距系数对迭代收敛后次用户发射机通信容量的重要影响,随着的增加,次用户发射机的max-min吞吐量增大,但未改变所提迭代算法的快速收敛性,证明了算法的普遍适用性。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。另外,也易于理解的是,这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。
进一步的,本示例实施方式中,还提供了一种反向散射网络吞吐量优化装置。参考图6中所示,可以包括:
认知反向散射通信系统建立模块,用于建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
时分多址模块,用于采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
非凸分配优化问题模型建立模块,用于根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
问题模型转化模块,通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
算法模块,以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
应当注意,尽管在上文详细描述中提及了用于动作执行的装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被例如至少一个处理器执行时可以实现上述任意一个实施例中所述反向散射网络吞吐量优化方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述反向散射网络吞吐量优化方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图7所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如手机上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种反向散射网络吞吐量优化方法,其特征在于,包括:
建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
2.根据权利要求1所述反向散射网络吞吐量优化方法,其特征在于,所述通信系统中,第k个次用户发射机STk在其对应的时隙τk期间,接收到的信号为反射的信号为收集的能量为所述第k个次用户发射机STk在总传输时间T内收集的能量为其中,P0:所述主用户发射机的发射功率,xe:所述信息接收器接收到的所述主用户发射机发射的信号且满足fk:所述主用户发射机到STk的信道增益,所述第k个次用户发射机STk的反射系数,非线性能量收集模型(x:输入功率),所述第k个次用户发射机STk在其对应时隙τk期间输入的功率,所述第k个次用户发射机STk在其不对应的时隙期间输入的功率;
所述通信系统中,所述信息接收器接收到的信号为解码所述接收到的信号得到所述主用户发射机信干噪比和所述次用户发射机信干噪比从而得到所述主用户发射机的传输速率所述次用户发射机STk在其对应的时隙τk期间完成的吞吐量及消耗的能量其中,第一部分:接收到的所述主用户发射机发射的信号,第二部分:接收到的所述第k个次用户发射机STk发射的信号,NIR即N信息接收器:所述信息接收器接收的噪声且服从均值为0、方差为σ2的高斯分布,xc,k:所述信息接收器接收到的所述第k个次用户发射机STk自身发出的信号且满足A0:所述主用户发射机到所述信息接收器的信道增益,hk:所述第k个次用户发射机STk到所述信息接收器的信道增益;σ2:所述信息接收器处接收噪声的功率W:信道带宽,ξ:干扰消除因子且0≤ξ≤1;ζ:计算信道容量与实际信道容量之间的差距,(εb:静态功耗):静态电路能耗,动态电路能耗,由于动态电路能耗与所述第k个次用户发射机STk的通信容量成正比,因此u:所述第k个次用户发射机STk的吞吐量与所述动态电路能耗的系数。
3.根据权利要求2所述反向散射网络吞吐量优化方法,其特征在于,所述信息接收器通过连续干扰消除技术首先解码接收到的所述主用户发射机发射的信号,再解码接收到的所述第k个次用户发射机STk自身发出的信号。
6.根据权利要求1所述反向散射网络吞吐量优化方法,其特征在于,所述通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型的方法,包括:
对所述非凸分配优化问题模型中的优化目标Q0引入松弛参数将优化目标Q0转化为线性函数并增加约束条件F6:其中,表示所述第k个次用户发射机STk最小吞吐量,约束条件F6保证了所述第k个次用户发射机STk的通信服务质量;
引入引理1:P0的最优值为Pmax,即P0 *=Pmax,其中“*”表示最优值,通过反证法得到P0 *=Pmax;
将P0的最优值为P0 *=Pmax代入优化问题Q1将其转换为优化问题Q2,所述优化问题Q2对应的优化问题模型为:
7.根据权利要求1所述反向散射网络吞吐量优化方法,其特征在于,所述预设迭代算法为基于所述连续凸近似迭代的分配算法。
8.根据权利要求7所述反向散射网络吞吐量优化方法,其特征在于,所述以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量的方法,包括:
初始化系统参数:K、T、fk、hk、A0、u、εb、σ2、γmin、ζ、ξ、χ;定义外层最大迭代次数L以及收敛精度;
根据所述最优值计算得到所述最小次用户发射机的最优吞吐量;
其中,所述CVX为仿真软件中的工具类算法。
9.一种反向散射网络吞吐量优化装置,其特征在于,包括:
认知反向散射通信系统建立模块,用于建立认知反向散射通信系统,所述认知反向散射通信系统包括一个主用户发射机、一个信息接收器和K个次用户发射机,所述K个次用户发射机均包括能量收集模块和反向散射模块,其中,所述主用户发射机与所述一个信息接收器的通信信道、与所述K个次用户发射机的通信信道及所述K次用户发射机与所述信息接收器的通信信道的带宽均相等;
时分多址模块,用于采用时分多址技术,将总传输时间T分为K个时隙,所述K个时隙分别对应于K个次用户,在时间T内,所述主用户发射机发射信号,所述次用户发射机在其对应的时隙内进行能量收集和反向散射通信,在其不对应的时隙内仅进行能量收集;
非凸分配优化问题模型建立模块,用于根据所述主用户发射机通信服务质量需求及所述次用户发射机能量因果约束,以最大最小次用户发射机的吞吐量为目标,建立基于所述主用户发射机发射功率、所述次用户发射机反向散射系数和所述次用户发射机反向散射时间的非凸分配优化问题模型;
问题模型转化模块,通过反证法、连续凸近似法和辅助变量法将所述非凸分配优化问题模型转化为凸优化问题模型;
算法模块,以预设迭代算法通过所述凸优化问题模型对模型中的最优变量和最优目标值进行更新,直至收敛得到最小次用户发射机的最优吞吐量。
10.一种计算机可读存储介质,其上存储有反向散射网络吞吐量优化方法程序,其特征在于,所述反向散射网络吞吐量优化方法程序被处理执行时实现权利要求1-8任一项所述反向散射网络吞吐量优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110696826.6A CN113347728B (zh) | 2021-06-23 | 2021-06-23 | 反向散射网络吞吐量优化方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110696826.6A CN113347728B (zh) | 2021-06-23 | 2021-06-23 | 反向散射网络吞吐量优化方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113347728A true CN113347728A (zh) | 2021-09-03 |
CN113347728B CN113347728B (zh) | 2022-12-06 |
Family
ID=77478062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110696826.6A Active CN113347728B (zh) | 2021-06-23 | 2021-06-23 | 反向散射网络吞吐量优化方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113347728B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070070908A1 (en) * | 2005-09-27 | 2007-03-29 | Donna Ghosh | Method and apparatus for carrier allocation and management in multi-carrier communication systems |
US20080160927A1 (en) * | 2006-12-11 | 2008-07-03 | Yeheskel Bar-Ness | Method and system for stable throughput of cognitive radio |
WO2013000169A1 (zh) * | 2011-06-29 | 2013-01-03 | 中国人民解放军理工大学 | 协同认知simo网络中吞吐量最大化的资源分配方法 |
US20150109947A1 (en) * | 2013-10-18 | 2015-04-23 | Research & Business Foundation Sungkyunkwan University | Spectrum sensing apparatus and method for cooperative cognitive radio network in non-gaussian noise environment, and fusion center apparatus and cooperative cognitive radio system using the same |
WO2015109841A1 (zh) * | 2014-01-24 | 2015-07-30 | 中兴通讯股份有限公司 | 认知无线电系统频谱资源配置方法和装置 |
CN106131918A (zh) * | 2016-08-12 | 2016-11-16 | 梁广俊 | 无线传感网中能量采集节点的联合路径选择和功率分配方法 |
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 |
CN109547183A (zh) * | 2018-12-06 | 2019-03-29 | 电子科技大学 | 一种全双工环境反向散射通信系统、传输方法及资源分配方法 |
CN110493872A (zh) * | 2019-06-20 | 2019-11-22 | 南京邮电大学 | 反向散射通信辅助无线供电通信网络系统及优化方法 |
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 |
US20200169318A1 (en) * | 2018-11-27 | 2020-05-28 | Research & Business Foundation Sungkyunkwan University | System and method for backscatter-based cooperative communication in wireless-powered heterogeneous network |
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 |
CN112564779A (zh) * | 2020-12-08 | 2021-03-26 | 南京爱而赢科技有限公司 | 反向散射通信网络基于传输公平的吞吐量优化方法 |
-
2021
- 2021-06-23 CN CN202110696826.6A patent/CN113347728B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070070908A1 (en) * | 2005-09-27 | 2007-03-29 | Donna Ghosh | Method and apparatus for carrier allocation and management in multi-carrier communication systems |
US20080160927A1 (en) * | 2006-12-11 | 2008-07-03 | Yeheskel Bar-Ness | Method and system for stable throughput of cognitive radio |
WO2013000169A1 (zh) * | 2011-06-29 | 2013-01-03 | 中国人民解放军理工大学 | 协同认知simo网络中吞吐量最大化的资源分配方法 |
US20150109947A1 (en) * | 2013-10-18 | 2015-04-23 | Research & Business Foundation Sungkyunkwan University | Spectrum sensing apparatus and method for cooperative cognitive radio network in non-gaussian noise environment, and fusion center apparatus and cooperative cognitive radio system using the same |
WO2015109841A1 (zh) * | 2014-01-24 | 2015-07-30 | 中兴通讯股份有限公司 | 认知无线电系统频谱资源配置方法和装置 |
CN106131918A (zh) * | 2016-08-12 | 2016-11-16 | 梁广俊 | 无线传感网中能量采集节点的联合路径选择和功率分配方法 |
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 |
US20200169318A1 (en) * | 2018-11-27 | 2020-05-28 | Research & Business Foundation Sungkyunkwan University | System and method for backscatter-based cooperative communication in wireless-powered heterogeneous network |
CN109547183A (zh) * | 2018-12-06 | 2019-03-29 | 电子科技大学 | 一种全双工环境反向散射通信系统、传输方法及资源分配方法 |
CN110493872A (zh) * | 2019-06-20 | 2019-11-22 | 南京邮电大学 | 反向散射通信辅助无线供电通信网络系统及优化方法 |
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 |
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 |
CN112564779A (zh) * | 2020-12-08 | 2021-03-26 | 南京爱而赢科技有限公司 | 反向散射通信网络基于传输公平的吞吐量优化方法 |
Non-Patent Citations (5)
Title |
---|
YINGHUI YE: "Energy-efficient Resource Allocation for Wirelessly", 《IEEE COMMUNICATIONS LETTERS》 * |
YINGHUI YE: "Throughput Fairness Guarantee in Wireless Powered Backscatter Communications With HTT", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 * |
吕斌: "无线供电通信网络中吞吐量优化问题研究", 《中国优秀博士论文电子期刊网》 * |
张涛等: "有限能量下的无人机辅助无线供电通信网络资源分配研究", 《工业控制计算机》 * |
袁冬冬: "环境反向散射通信资源优化及接收机检测算法研究", 《中国优秀硕士论文电子期刊网》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113347728B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220407592A1 (en) | Multi-carrier resource allocation method based on wireless-powered backscatter communication network | |
CN110417496B (zh) | 一种基于能效的认知noma网络顽健资源分配方法 | |
Ho et al. | Power and load coupling in cellular networks for energy optimization | |
CN112105062B (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
US8660202B2 (en) | Robust precoder and receiver filter design for Gaussian interference channel | |
CN107210783B (zh) | 采用协作中继进行联合mimo传输和压缩来降低干扰的系统和方法 | |
CN113726383A (zh) | 一种智能反射面辅助的无线通信系统 | |
CN109743713B (zh) | 一种电力物联网系统的资源分配方法及装置 | |
CN109068382B (zh) | 一种基于时延QoS的NOMA跨层功率分配方法 | |
CN108601036B (zh) | 一种基于逐次凸逼近的车联网资源优化调度方法和装置 | |
Huang et al. | Reconfigurable intelligent surface assisted edge machine learning | |
Chan et al. | Dynamic power and bandwidth allocation for DVB‐based LEO satellite systems | |
CN112512109B (zh) | 一种端到端功率分配方法、装置、全双工中继系统及计算机可读存储介质 | |
Xie et al. | Reliable and energy-aware job offloading at terahertz frequencies for mobile edge computing | |
CN113347728B (zh) | 反向散射网络吞吐量优化方法、装置及存储介质 | |
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 | |
CN113162658B (zh) | 一种电力线通信中基于升价配额匹配的任务卸载方法 | |
Nguyen et al. | Bidirectional communication in full duplex wireless-powered relaying networks: Time-switching protocol and performance analysis | |
Wang et al. | Energy Efficiency Optimization Algorithm of CR‐NOMA System Based on SWIPT | |
CN111225363B (zh) | 基于非完美csi分布式d2d系统功率分配方法和装置 | |
CN110730025B (zh) | 一种适用于携能非正交多址通信系统的增量中继方法 | |
CN110944378A (zh) | 5g移动通信场景下d2d通信的noma功率分配方法 | |
Ghasemlou et al. | A novel resource allocation scheme for full-duplex NOMA systems with power splitting-based SWIPT | |
Fu et al. | Throughput fairness for wireless powered cognitive hybrid active-passive communications | |
Singh et al. | On the design and analysis of full-duplex non-orthogonal multiple access systems |
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 |