CN115865240A - 一种基于noma的无线供电反向散射通信系统资源调度方法 - Google Patents

Abstract

本发明属于通信技术领域，具体涉及一种基于NOMA的无线供电反向散射通信系统资源调度方法，该方法包括：构建NOMA无线携能通信系统；构建基于信道不确定性的资源分配模型；将基于信道不确定性的资源分配模型中的不确定性资源分配问题转化为确定性资源分配问题；采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题；对凸优化问题进行求解，得到搭配接入点分配给反向散射装置最优策略；本发明具有较好的系统容量和鲁棒性，提高了反向散射与无线携能辅助的NOMA网络的鲁棒性和吞吐量。

Description

一种基于NOMA的无线供电反向散射通信系统资源调度方法

技术领域

本发明属于通信技术领域，具体涉及一种基于NOMA的无线供电反向散射通信系统资源调度方法。

背景技术

随着无线数据业务的不断增长，现有的通信资源已经不能满足当前系统对高速率数据传输的快速增长需求。这种趋势使得系统吞吐量成为无线通信系统中设计和优化的主要性能指标。

非正交多址接入技术(NOMA)和反向散射通信是提高系统吞吐量的两种主要技术，NOMA可以通过允许更多用户共享相同子信道来改善通信系统的频谱效率，反向散射通信与无线携能通信的结合可以使物联网节点达到全方位覆盖。因此，反向散射与无线携能辅助的NOMA网络成为6G通信网络的热门候选技术之一。与此同时，通信网络的能耗问题引起了大家的注意，它在经济和生态成本上都产生了严重影响，无线携能技术可以在无线网络环境中收集周围的射频能量为物联网节点供能，以此使节点具备主动传输的功能，可以实现绿色通信。

很多文献都对基于反向散射与无线携能技术辅助的NOMA通信网络进行了研究，考虑了理想信道条件下的能效优化问题。事实上，由于SIC残存误差和信道时延，很难获取准确的信道增益。

发明内容

为了在信道不确定性条件下，保证用户的通信质量，最大化混合信息与反向散射能量系统的和吞吐量，本发明提出了一种基于NOMA的无线供电反向散射通信系统资源调度方法，该方法包括：

S1：构建NOMA无线携能通信系统，该系统部署有反向散射装置，反向散射装置中设置有能量收集整流电路；

S2：根据NOMA无线携能通信系统构建基于信道不确定性的资源分配模型；将基于信道不确定性的资源分配模型中的不确定性资源分配问题转化为确定性资源分配问题；采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题；

S3：对凸优化问题进行求解，得到搭配接入点分配给反向散射装置与每个用户的最优波束赋形向量、NOMA最优传输功率、反向散射装置用于反向散射与主动传输的时间。

优选的，构建基于信道不确定性的资源分配模型的过程包括：初始化系统参数；确定系统的约束条件，其中系统的约束条件包括接入点的发射功率约束、时间资源分配约束、分段线性能量收集模型与用户最小服务质量约束；根据系统参数和系统的约束条件构建基于信道不确定性的资源分配模型。

进一步的，基于信道不确定性的资源分配模型的表达式为：

s.t.C1:

C2:

C3:

C4:

C5:

C6:

C7:Δh_k∈R_h,Δf_j∈R_f,

其中，α_k表示第k个反向散射装置反向散射所用的时间，τ₁表示所有反向散射装置主动传输的时间，P_k表示第k个反向散射装置处的发射功率，

表示第i个能量赋形矢量,/>

表示第j个信息赋形矢量，Δh_k表示第k个反向散射装置与信息接收端之间的信道系数估计误差，K表示反向散射装置的个数，R_1,k表示第一阶段信息接收端的可实现的吞吐量，R_2,k表示第二阶段信息接收端的可实现吞吐量，Δf_j表示接入点与第j个用户间的信道向量估计误差，/>

表示第k个反向散射装置与第j个用户间信道系数的估计误差，J表示用户的个数，R_j表示第j个用户处的吞吐量，C1表示接入点处的最大发射功率约束，w_i表示第i个能量赋形矢量，v_j表示第j个信息赋形矢量，P^max表示系统最大发送功率，C2表示第一时间约束，T表示系统传输时间块，τ₀表示反向散射与能量收集的时间，C3表示第二时间约束，C4表示第k个反向散射装置处的能量约束，η_k表示能量采集电路处于线性状态时第k个反向散射装置的能量转换效率因子，β_k表示第k个反向散射装置的反向散射系数，Tr(.)表示矩阵的迹，g_k表示接入点与第k个反向散射装置之间的信道系数向量，H表示矩阵转置，P^sat表示分段线性能量收集模型的最大可收集功率，/>

表示第k个反向散射装置处的电路消耗能量，C5表示第j个用户处最小信干噪比门限约束，I_m,j表示干扰功率，/>

表示第j个用户处的接收噪声功率，/>

表示第j个用户处最小信干噪比门限，m表示传输的第一阶段或者第二阶段，C6表示第k个反向散射装置处最小信干噪比门限约束，/>

表示第k个反向散射装置处第一阶段的最小信干噪比门限，γ_k表示第二阶段第k个反向散射装置处的信干噪比，/>

表示第k个反向散射装置处第二阶段的最小信干噪比门限，C7表示相应的信道不确定集，R_h表示反向散射装置与信息接收端之间链路的信道系数不确定性集合，R_f表示接入点与用户之间链路的信道系数不确定性集合，/>

表示第k个反向散射装置与第j个用户处间链路的信道系数不确定性集合。

优选的，将不确定性资源分配问题转化为确定性资源分配问题的过程包括：

步骤1、计算反向散射装置信号的传输速率，该传输速率为第一阶段传输速率，其表达式为：

其中，Δh_k表示第k个反向散射装置与信息接收端之间的信道系数估计误差，K表示反向散射装置的个数，R_1,k表示第一阶段信息接收端的可实现的吞吐量，β_k表示第k个反向散射装置的反射系数，h_k表示第k个反向散射装置与信息接收端之间的信道系数，Tr(.)表示矩阵的迹，g_k表示接入点与第k个反向散射装置之间的信道系数向量，

表示接入点与第k个反向散射装置之间的信道系数向量的共轭转置，w_i表示第i个能量赋形矢量，/>

表示第i个能量赋形矢量的共轭转置；

步骤2、采用最坏准则对第一阶段的传输速率进行处理，得到第一阶段确定性传输速率；

其中，ε_k表示第k个反向散射装置与信息接收端间的信道系数估计误差上界；

步骤3、将第一阶段确定性传输速率转化为确定性的目标函数；

其中，

表示第一阶段的确定性目标函数，α_k表示第k个反向散射装置反向散射所用的时间，/>

表示第k个反向散射装置与信息接收端之间链路的信道系数估计值，/>

表示反向散射阶段信息接收端的噪声功率；

步骤4、计算主动传输阶段的不确定性传输速率；跟据不确定性传输速率函数计算主动传阶段的系统吞吐量；

步骤5、采用基于信道不确定性和最坏准则对系统吞吐量进行更新，将更新后的系统吞吐量转换为确定性系统吞吐量；

步骤6、构建确定性系统约束条件；

步骤7、跟据确定性的目标函数、确定性吞吐量以及确定性系统约束条件得到确定性资源分配问题函数。

优选的，采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题的过程包括：

步骤1、将确定性资源分配问题划分为第一子问题和第二子问题；

步骤2、设置辅助变量m_k；

步骤3、跟据辅助变量对第一子问题的能量约束C4进行转化；

步骤4、采用半定松弛的方法对能量约束转化后的第一子问题的秩一约束进行处理，得到第一子问题的凸优化问题；

步骤5、跟据辅助变量对第二子问题的能量约束C4进行转化，得到第二子问题的凸优化问题。

本发明的有益效果：

与基于完美信道状态信息下的非鲁棒算法相比，本发明方案通过考虑实际传输过程中信道不确定性的影响，并且将系统吞吐量最大化作为优化目标，从而达到提高系统吞吐量与鲁棒性的效果。

附图说明

图1为本发明的系统模型图；

图2为本发明方法的求解流程图；

图3为本发明算法的收敛图；

图4为本发明算法的鲁棒性图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于NOMA的无线供电反向散射通信系统资源调度方法，如图2所示，该方法包括：

S1：构建NOMA无线携能通信系统，该系统部署有反向散射装置，反向散射装置中设置有能量收集整流电路；

S2：根据NOMA无线携能通信系统构建基于信道不确定性的资源分配模型；将基于信道不确定性的资源分配模型中的不确定性资源分配问题转化为确定性资源分配问题；采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题；

S3：对凸优化问题进行求解，得到搭配接入点分配给反向散射装置与每个用户的最优波束赋形向量、NOMA最优传输功率、反向散射装置用于反向散射与主动传输的时间。

构建的NOMA无线携能通信系统结构如图1所示，该系统由一个多天线接入点、K个具备能量收集功能的反向散射装置、J个单天线用户与一个单天线信息接收端组成。考虑具有M个发射天线的接入点，发送混合信息信号与能量信号，经过能量信号经过反向散射装置到达单天线信息接收端，并且信息信号服务J个用户，单天线用户只具备信息收集功能。第一阶段τ₀内接入点发送能量信号到达反向散射装置，每个反向散射装置通过智能地改变其负载阻抗来调节其在入射信号上的信息符号，并且吸收能量为第二阶段主动传输供能。每个反向散射时隙内，只有单个反向散射装置以相同的功率反射系数反射信号到达信息接收端。在第二阶段τ₁时隙内，K个反向散射装置采用NOMA技术进行主动传输，使信息到达信息接收端。本文假设标准化传输块，即两个部分传输块的持续时间为T，且τ₀后接入点不发送能量信号，由反向散射装置主动传输。

根据NOMA无线携能通信系统得到系统网络场景下的总吞吐量最大化问题表示为：

s.t.C1:

C2:

C3:

C4:

C5:

C6:

其中，第一阶段接收端在第k个时隙的吞吐量为

第二阶段接收端接收到来自第k个反向散射装置的吞吐量为

第j个用户处的吞吐量之和为

第j个用户处在第一阶段的第k个时隙接收的干扰功率为

第j个用户处在第二阶段接收的干扰功率为

第二阶段第k个反向散射装置处的信干噪比为

其中，α_k表示第k个反向散射装置反向散射所用的时间，τ₁表示所有反向散射装置主动传输的时间，P_k表示第k个反向散射装置处的发射功率，

表示第i个能量赋形矢量,/>

表示第j个信息赋形矢量，Δh_k表示第k个反向散射装置与信息接收端之间的信道系数估计误差，K表示反向散射装置的个数，R_1,k表示第一阶段信息接收端的可实现的吞吐量，R_2,k表示第二阶段信息接收端的可实现吞吐量，Δf_j表示接入点与第j个用户间的信道向量估计误差，/>

表示第k个反向散射装置与第j个用户间信道系数的估计误差，J表示用户的个数，R_j表示第j个用户处的吞吐量，C1表示接入点处的最大发射功率约束，w_i表示第i个能量赋形矢量，v_j表示第j个信息赋形矢量，P^max表示系统最大发送功率，C2表示第一时间约束，T表示系统传输时间块，τ₀表示反向散射与能量收集的时间，C3表示第二时间约束，C4表示第k个反向散射装置处的能量约束，η_k表示能量采集电路处于线性状态时第k个反向散射装置的能量转换效率因子，β_k表示第k个反向散射装置的反向散射系数，Tr(.)表示矩阵的迹，g_k表示接入点与第k个反向散射装置之间的信道系数向量，H表示矩阵转置，P^sat表示分段线性能量收集模型的最大可收集功率，/>

表示第k个反向散射装置处的电路消耗能量，C5表示第j个用户处最小信干噪比门限约束，I_m,j表示干扰功率，/>

表示第j个用户处的接收噪声功率，/>

表示第j个用户处最小信干噪比门限，m表示传输的第一阶段或者第二阶段，C6表示第k个反向散射装置处最小信干噪比门限约束，C7表示相应的信道不确定集，/>

表示第k个反向散射装置处第一阶段的最小信干噪比门限，γ_k表示第k个反向散射装置处第二阶段的信干噪比，/>

表示第k个反向散射装置处第二阶段的最小信干噪比门限。

由于无线通信系统固有的随机性和信道反馈时延，部分链路完美的信道状态信息难以获得，接入点与反向散射装置之间由于位置固定，且接入点主要发送能量信号到达第k个反向散射装置，假设可以获得此链路的完美信道状态信息。对于系统间其他链路，为了克服信道不确定性的影响，考虑反向散射装置与信息接收端间的链路、接入点与用户间的链路、反向散射装置与用户间的链路的信道不确定性。因此，实际信道系数可由加性不确定性模型描述为：

/>

其中，

表示第k个反向散射装置与信息接收端之间链路的信道系数估计值，/>

表示接入点与第j个用户间的信道向量估计值，/>

表示第k个反向散射装置与第j个用户间信道系数的估计值，Δh_k表示第k个反向散射装置与信息接收端之间链路的信道系数估计误差，Δf_j表示接入点与第j个用户间的信道向量估计误差，/>

表示第k个反向散射装置与第j个用户间信道系数的估计误差，ε_k表示第k个反向散射装置与信息接收端之间链路的信道系数估计误差上界，/>

接入点与第j个用户间的信道向量估计误差上界，/>

表示第k个反向散射装置与第j个用户间信道系数的估计误差上界，R_h表示反向散射装置与信息接收端之间链路的信道系数不确定性集合，R_f表示接入点与用户之间链路的信道系数不确定性集合，/>

表示第k个反向散射装置与第j个用户处间链路的信道系数不确定性集合。

根据不确定模型得到不确定性优化问题，其表达式为：

s.t.C1-C4

C6:

C7:Δh_k∈R_h,Δf_j∈R_f,

其中，约束条件C7包含不确定参数集合。

将不确定性资源分配问题转化为确定性资源分配问题的过程包括：

步骤1、计算反向散射装置信号的传输速率，该传输速率为第一阶段传输速率；

步骤2、采用最坏准则对第一阶段的传输速进行处理，得到第一阶段确定性传输速率；

步骤3、将第一阶段确定性传输速率转化为确定性的目标函数；

步骤4、计算主动传输阶段的不确定性传输速率；跟据不确定性传输速率函数计算主动传阶段的系统吞吐量；

步骤5、采用基于信道不确定性和最坏准则对系统吞吐量进行更新，将更新后的系统吞吐量转换为确定性系统吞吐量；

步骤6、构建确定性系统约束条件；

步骤7、跟据确定性的目标函数、确定性吞吐量以及确定性系统约束条件得到确定性资源分配问题函数。

具体的，将不确定性资源分配问题转化为确定性资源分配问题的过程包括：将不确定性资源分配问题的表达式转换为确定性的表达式，其中第一阶段传输速率可以等价描述为：

基于最坏准则与信道不确定性合集，可以得到：

因此可以转化为确定性的目标函数：

主动传输阶段，反向散射装置采用上行NOMA传播信息，对于功率分配问题，由于函数R_2,k中分子分母中存在耦合变量，问题仍然不容易解决。因此，可以将部分目标函数转化为：

其中最后一个等式成立，因为和速率表达式中括号内的项形成了一个可伸缩的乘积。由上式可知，和速率是关于

的函数，与用户排序无关。因此，可以说和速率与解码顺序无关。

同理可以得到等价吞吐量表达式的等价描述为：

再次基于信道不确定性、最坏准则可得：

因此可以转化为如下的确定性吞吐量：

为了保护每个用户的服务质量需求，从物联网设备到的干扰功率，每个用户的接收干扰功率应低于干扰功率阈值。因此，考虑到信道不确定性的影响，干扰功率应满足以下约束条件：

其中

表示用户j的可容忍干扰功率阈值。

根据上述分析，用户处的和吞吐量可以重新表述为

其中

表示第j个用户处可容忍干扰功率门限和背景噪声功率之和。

定义

和/>

并且考虑如下松弛变量：

其中θ_j,φ_j,r_j为松弛变量，可知

依然是非凸约束，为了解决它的非凸性，本文采用连续凸近似与泰勒展开式解决上述问题，因此可以近似为：

其中

为松弛变量，/>

分别为/>

最后一次迭代的值。

通过S-过程和舒尔补引理，

和/>

可以近似得到如下线性矩阵不等式：/>

以上两个不等式中λ₁＞0和λ₂＞0为松弛变量，并且

对于不确定性约束

的等价不等式可以转化为：

其中

基于S-过程和舒尔补，可以得到如下的线性矩阵不等式：

其中λ₃＞0为松弛变量，且

对于不确定性约束C6，可以转化为以下确定性约束

对于不确定干扰功率约束，采用柯西不等式转化为为确定干扰功率约束，其表达式为

因此不确定性问题可以被转化为确定性问题，如下式所示：

s.t.

C2-C4,

/>

C8:

C9:W_i±0,V_j±0

C10:Rank(W_i)＝1,Rank(V_j)＝1

其中

上述问题依然是一个复杂的非凸优化问题。τ₁表示所有反向散射装置主动传输的时间，P_k表示第k个反向散射装置处的发射功率，w表示能量赋形矢量，v表示信息赋形矢量，θ_j、r_j、φ_j、/>

λ₁、λ₂以及λ₃均表示松弛变量，T表示系统传输时间块，J表示用户的个数，/>

表示转换后的功率约束，P^max表示系统最大发送功率，C2表示第一时间约束，C3表示第二时间约束，C4表示第k个反向散射装置处的能量约束，/>

表示转换后的第j个用户处最小信干噪比门限约束，/>

表示转换后的第k个反向散射装置处最小信干噪比门限约束，C8表示矩阵线性不等式约束，I_M表示单位矩阵，V_j表示协方差矩阵，/>

表示接入点与第j个用户间的信道向量估计值，X₁和D₂均表示中间参数，C9表示矩阵半正定约束，C10表示矩阵的秩一约束，Rank(.)表示矩阵的秩

采用交替优化处理上述问题，对于第一个子问题，通过固定时间来研究接入点的最优波束成形向量与第k个反向散射装置处的发射功率。采用半定松弛的方法处理波束赋形向量，并且引入辅助变量m_k，因此优化问题可以表述为：

s.t.

C8-C10

C11:

C12:m_k≤P^sat

上述优化问题依然是一个非凸优化问题，可以看到目标函数结构上是线性的，对于C10为非凸约束，最后通过松弛秩一约束将其消除，因此上述问题经过松弛秩一约束后转化为凸优化问题，可以使用CVX工具箱求解。当C10满足时，波束赋形向量可以通过特征值分解获得；若不满足，高斯随机化方法获得近似最优波束赋形向量。

采用交替优化处理系统资源分配问题，通过固定P_k,w_i,v_j，因此时间优化问题可以描述为：

/>

s.t.C2,C3,

C8

上述问题是一个凸优化问题，可以通过凸优化方法(例如，拉格朗日对偶)或使用CVX工具箱进行解析求解。

下面结合仿真对本发明的应用效果作详细的描述。

1)仿真条件

若系统中存在的1个基站、1个信息接收端、2个反向散射装置和2个用户。信道模型包括小尺度衰落与大尺度衰落，其中小尺度衰落遵循均值为零和单位方差的高斯分布，大尺度衰落建模为D＝ρ(d/d₀)^-α，其中ρ＝-30dB与d₀＝1代表参考距离，且α＝3。其它仿真参数由表1给出：

表1

2)仿真结果

在本实施例中，图3给出了本实施例迭代算法的收敛图。图4给出了本实施例迭代算法的鲁棒性图。图3显示了所提出算法的收敛性。可以看出该算法需要5次迭代收敛，具有良好的收敛性能，且实现复杂度低。图4展示了提出的算法在总吞吐量方面比现有的非鲁棒/组合算法提高67％，这表明本文所提鲁棒算法比非鲁棒算法具有更高的有效性。图3和图4的实验结果显示了本发明算法在保证可靠性的同时，也保证了用户端与信息接收端的服务质量，具有良好的鲁棒性。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，包括：

S1：构建NOMA无线携能通信系统，该系统部署有反向散射装置，反向散射装置中设置有能量收集整流电路；

S2：根据NOMA无线携能通信系统构建基于信道不确定性的资源分配模型；将基于信道不确定性的资源分配模型中的不确定性资源分配问题转化为确定性资源分配问题；采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题；

S3：对凸优化问题进行求解，得到搭配接入点分配给反向散射装置与每个用户的最优波束赋形向量、NOMA最优传输功率、反向散射装置用于反向散射与主动传输的时间。

2.根据权利要求1所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，构建基于信道不确定性的资源分配模型的过程包括：初始化系统参数；确定系统的约束条件，其中系统的约束条件包括接入点的发射功率约束、时间资源分配约束、分段线性能量收集模型与用户最小服务质量约束；根据系统参数和系统的约束条件构建基于信道不确定性的资源分配模型。

3.根据权利要求2所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，初始化系统参数包括：接入点与第k个反向散射装置之间的信道系数向量

系统传输时间块T，第k个反向散射装置的反向散射系数β_k∈(0,1)，分段线性能量收集模型的最大可收集功率P^sat，能量采集电路处于线性状态时第k个反向散射装置的能量转换效率因子η_k，接入点与第j个用户之间的信道系数向量/>

第k个反向散射装置与信息接收端之间的信道系数h_k，第k个反向散射装置与第j个用户间的信道系数/>

反向散射阶段信息接收端的噪声功率/>

第二阶段信息接收端的噪声功率/>

第j个用户处的接收噪声功率/>

系统最大发送功率P^max，第j个用户处最小信干噪比门限/>

第k个反向散射装置处第一阶段的最小信干噪比门限/>

第k个反向散射装置处第二阶段的最小信干噪比门限/>

第k个反向散射装置与信息接收端之间的信道系数估计值/>

接入点与第j个用户间的信道向量估计值/>

第k个反向散射装置与第j个用户间信道系数的估计值

第k个反向散射装置与信息接收端之间的信道系数估计误差Δh_k，接入点与第j个用户间的信道向量估计误差Δf_j，第k个反向散射装置与第j个用户间信道系数的估计误差

第k个反向散射装置与信息接收端间的信道系数估计误差上界ε_k，接入点与第j个用户间的信道向量估计误差上界θ_j，第k个反向散射装置与第j个用户间信道系数的估计误差上界/>

4.根据权利要求2所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，基于信道不确定性的资源分配模型的表达式为：

/>

其中，α_k表示第k个反向散射装置反向散射所用的时间，τ₁表示所有反向散射装置主动传输的时间，P_k表示第k个反向散射装置处的发射功率，

表示第i个能量赋形矢量,

表示第j个信息赋形矢量，Δh_k表示第k个反向散射装置与信息接收端之间的信道系数估计误差，K表示反向散射装置的个数，R_1,k表示第一阶段信息接收端的可实现的吞吐量，R_2,k表示第二阶段信息接收端的可实现吞吐量，Δf_j表示接入点与第j个用户间的信道向量估计误差，/>

表示第k个反向散射装置与第j个用户间信道系数的估计误差，J表示用户个数，R_j表示第j个用户处的吞吐量，C1表示接入点处的最大发射功率约束，w_i表示第i个能量赋形矢量，v_j表示第j个信息赋形矢量，P^max表示系统最大发送功率，C2表示第一时间约束，T表示系统传输时间块，τ₀表示反向散射与能量收集的时间，C3表示第二时间约束，C4表示第k个反向散射装置处的能量约束，η_k表示能量采集电路处于线性状态时第k个反向散射装置的能量转换效率因子，β_k表示第k个反向散射装置的反向散射系数，Tr(.)表示矩阵的迹，g_k表示接入点与第k个反向散射装置之间的信道系数向量，H表示矩阵转置，P^sat表示分段线性能量收集模型的最大可收集功率，/>

表示第k个反向散射装置处的电路消耗能量，C5表示第j个用户处最小信干噪比门限约束，I_m,j表示干扰功率，/>

表示第j个用户处的接收噪声功率，/>

表示第j个用户处最小信干噪比门限，m＝1,2表示传输第一阶段或者第二阶段，C6表示第k个反向散射装置处最小信干噪比门限约束，/>

表示第k个反向散射装置处第一阶段的最小信干噪比门限，γ_k表示第二阶段第k反向散射装置处的信干噪比，/>

表示第k个反向散射装置处第二阶段的最小信干噪比门限，C7表示相应的信道不确定集，R_h表示反向散射装置与信息接收端之间链路的信道系数不确定性集合，R_f表示接入点与用户之间链路的信道系数不确定性集合，/>

表示第k个反向散射装置与第j个用户处间链路的信道系数不确定性集合。

5.根据权利要求1所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，将不确定性资源分配问题转化为确定性资源分配问题的过程包括：

步骤1、计算反向散射装置信号的传输速率，该传输速率为第一阶段传输速率，其表达式为：

其中，Δh_k表示第k个反向散射装置与信息接收端之间的信道系数估计误差，K表示反向散射装置的个数，R_1,k表示第一阶段信息接收端的可实现的吞吐量，β_k表示第k个反向散射装置的反射系数，h_k表示第k个反向散射装置与信息接收端之间的信道系数，Tr(.)表示矩阵的迹，g_k表示接入点与第k个反向散射装置之间的信道系数向量，

表示接入点与第k个反向散射装置之间的信道系数向量的共轭转置，w_i表示第i个能量赋形矢量，/>

表示第i个能量赋形矢量的共轭转置；

步骤2、采用最坏准则对第一阶段的传输速率进行处理，得到第一阶段确定性传输速率；

其中，ε_k表示第k个反向散射装置与信息接收端间的信道系数估计误差上界；

步骤3、将第一阶段确定性传输速率转化为确定性的目标函数；

其中，

表示第一阶段的确定性目标函数，α_k表示第k个反向散射装置反向散射所用的时间，/>

表示第k个反向散射装置与信息接收端之间链路的信道系数估计值，/>

表示反向散射阶段信息接收端的噪声功率；

步骤4、计算主动传输阶段的不确定性传输速率；跟据不确定性传输速率函数计算主动传阶段的系统吞吐量；

步骤5、采用基于信道不确定性和最坏准则对系统吞吐量进行更新，将更新后的系统吞吐量转换为确定性系统吞吐量；

步骤6、构建确定性系统约束条件；

步骤7、跟据确定性的目标函数、确定性吞吐量以及确定性系统约束条件得到确定性资源分配问题函数。

6.根据权利要求5所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，主动传阶段的系统吞吐量的表达式为：

/>

其中，

表示主动传阶段的系统吞吐量。

7.根据权利要求5所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，确定性资源分配问题函数的表达式为：

C9:W_i±0,V_j±0

C10:Rank(W_i)＝1,Rank(V_j)＝1

其中，τ₁表示所有反向散射装置主动传输的时间，P_k表示第k个反向散射装置处的发射功率，w表示能量赋形矢量，v表示信息赋形矢量，θ_j、r_j、φ_j、

λ₁、λ₂以及λ₃均表示松弛变量，T表示系统传输时间块，J表示用户的个数，/>

表示转换后的功率约束，P^max表示系统最大发送功率，C2表示第一时间约束，C3表示第二时间约束，C4表示第k个反向散射装置处的能量约束，/>

表示转换后的第j个用户处最小信干噪比门限约束，/>

表示转换后的第k个反向散射装置处最小信干噪比门限约束，C8表示矩阵线性不等式约束，I_M表示单位矩阵，V_j表示协方差矩阵，/>

表示接入点与第j个用户间的信道向量估计值，X₁和D₂均表示中间参数，C9表示矩阵半正定约束，C10表示矩阵的秩一约束，Rank(.)表示矩阵的秩。

8.根据权利要求1所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，采用基于连续凸近似、交替优化以及半正定松弛方法将确定的资源分配问题转换为凸优化问题的过程包括：

步骤1、将确定性资源分配问题划分为第一子问题和第二子问题；

步骤2、设置辅助变量m_k；

步骤3、跟据辅助变量对第一子问题的能量约束C4进行转化；

步骤4、采用半定松弛的方法对能量约束转化后的第一子问题的秩一约束进行处理，得到第一子问题的凸优化问题；

步骤5、跟据辅助变量对第二子问题的能量约束C4进行转化，得到第二子问题的凸优化问题。

9.根据权利要求8所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，第一子问题的凸优化问题的表达式为：

C12:m_k≤P^sat

其中，

表示转换后的功率约束，/>

表示转换后的第j个用户处最小信干噪比门限约束，/>

表示转换后的第k个反向散射装置处最小信干噪比门限约束，C8表示矩阵线性不等式约束，/>

表示转换后的第k个反向散射装置处的能量约束，τ₀表示反向散射与能量收集的时间，/>

表示第k个反向散射装置处的电路消耗能量，τ₁表示所有反向散射装置主动传输的时间，C11表示转换后的第一功率约束，η_k表示能量采集电路处于线性状态时第k个反向散射装置的能量转换效率因子，β_k表示第k个反向散射装置的反射系数，P^sat表示分段线性能量收集模型的最大可收集功率，C12表示转换后的第二功率约束。

10.根据权利要求8所述的一种基于NOMA的无线供电反向散射通信系统资源调度方法，其特征在于，第二子问题的凸优化问题的表达式为：

其中，C2表示第一时间约束，C3表示第二时间约束，

表示转换后的第k个反向散射装置处的能量约束，/>

表示转换后的第j个用户处最小信干噪比门限约束，C8表示矩阵线性不等式约束。/>

Images