选择性用户合作的无线供电通信网络中多用户资源分配方法

摘要

本发明公开了一种选择性用户合作的无线供电通信网络中多用户资源分配方法。该方法在用户满足自己的用户服务需求和总得时间限制的情况下，HAP对整个系统中的用户进行合作用户集合和非合作用户集合的划分以及为每个用户分配相应的时间资源。针对最优化问题，用于问题是非凸的，采用两部求解方法，获得了最优的时间分配的闭式解。本发明提出了两种用户集合的划分方法选择方法和选择‑排序方法，与遍历的方法相比，极大地减小了计算的复杂度。

说明书

技术领域

本发明涉及一种无线供电通信网络中多用户资源分配方法，特别涉及一种选择性用户合作的无线供电通信网络中多用户资源分配方法。

背景技术

随着无线通信技术的飞速发展，无线用户的数量急剧的增加，可用的频谱资源变得越来越稀缺。当今绝大多数频谱资源都是采用固定分配模式，由专门的频率管理部门分配给特定的授权用户使用。而对于另外一些非授权用户的通信需求，如无线局域网、无线个域网等，由于其近几年发展迅速，导致这些网络所工作的非授权频段逐渐趋于饱和。现有的频谱管理与分配策略是造成频谱资源紧缺的重要原因之一，导致某些网络频谱资源相对较少但其承载的业务量很大，而相当多的已授权的频谱并没有得到充分的使用。为了解决频谱资源运用匮乏的问题，基本思路就是尽量提高现有频谱的利用率。另外，在传统的无线网络中，如传感器网络和蜂窝网，无线设备由可更换或者可充电的电池驱动。因此网络的运行受到了极大的限制。虽然定期更换电池或者给电池充电是一种办法，但是对具有上千个节点的传感器网络来说这是不方便的，对于安置在有毒环境中的设备这是危险的，对于植入到人体内的设备来说这甚至是不可能的。因此这一问题亟待解决。

最近出现的射频能量获取技术可以有效的延长能量受限的无线网络的使用寿命。因为无线设备可以连续的从周围的无线电环境中获取能量。应用能量获取技术无线供能通信网络引起了极大的关注。无线供能通信网络采用TDMA协议，

用户在下行阶段从混合接入点HAP发射的能量信号获取能量，此后用户在上行阶段向混合接入点传输信息。在网络的供电时间和信息发送的时间满足一定时间限制，以及每个用户满足相应的服务质量需求时，HAP基于用户的信道信息为每个用户分配相应的资源，提高了网络的性能。

无线供电通信网络中存在“双远近效应”的问题，即距离混合接入点远的用户在下行阶段获得的能量少，在上行阶段传送信息需要消耗更多的能量，因此远距离的次级用户具有较低的吞吐量。传统的最大吞吐量资源分配的方法给用户造成了极大的不公平。针对以上问题，对无线供电通信网络中用户是否使用中继转发信息以及资源分配的问题展开深入的研究，提出了提出更符合实际的用户集合的划分和资源分配方法。

发明内容

本发明的目的在于克服无线供电通信网络中用户信道信息差造成的吞吐量低的问题，基于用户的服务质量需求确定用户是否需要中继转发信息，并且提供了一种选择性用户合作的无线供电通信网络中多用户资源分配方法。与遍历的方法相比，提出的选择方法以及选择-排序方法，极大的减小了计算复杂度。

本发明通过如下的技术方案予以实现：

选择性用户合作的无线供电通信网络中多用户资源分配方法，包括以下步骤：

1)信道估计阶段：无线供电通信网络有用户节点和与用户节点数目相同的中继节点，每个用户和中继配对组成一个用户-中继对，用户依次向HAP和相应的中继发送导频信号，HAP获取用户的信道状态信息和中继获取相应用户的信道状态信息，中继再依次向HAP发送导频信号，HAP获取中继和中继到相应用户的信道状态信息；

2)无线供电阶段：HAP向网络中的所有节点发送能量信号，节点从能量信号获取能量；

3)信息传输阶段：用户分为两种集合，一种使用中继转发的合作用户集合，另一种不使用中继转发的非合作用户集合，合作用户集合中的中继使用全部获取的能量放大转发相应用户的信息；

4)资源分配和集合划分阶段：在满足用户的服务质量需求和时间条件限制的情况下，HAP确定最优的供电时间、合作用户的信息发送时间以及非合作用户的信息发送时间和基于选择和选择排序的分类方法对用户进行分类，来最大化无线供电通信网络中用户的总吞吐量。

本发明进一步的改进在于，步骤1)中，HAP获取网络中节点的信道状态信息；中继和用户，用户和HAP以及中继和HAP的功率增益分别表示为f,h,g。

本发明进一步的改进在于，步骤2)中，用户节点获取的能量为E＝ηPhτ₀，中继节点获取的能量为E_R＝ηPgτ₀，其中η表示能量获取效率，P表示HAP发送能量信号的功率，τ₀表示供电时间。

本发明进一步的改进在于，步骤3)中，当用户的合作速率大于此用户的非合作速率此用户属于合作用户集合，当用户的非合作速率大于此用户的合作速率则此用户属于非合作用户集合：

其中D、R、R_u、R_D、R_R、τ^(D)和τ^(R)分别表示非合作集合、合作集合、用户的速率、用户的非合作速率、用户的合作速率、当用户属于非合作集合中用户的发送信息时间和当用户属于合作集合中用户的发送信息时间；为用户的非合作信噪比和合作信噪比，σ²为HAP的噪声功率。

本发明进一步的改进在于，步骤4)中，在满足网络中用户的服务质量需求，即合作集合中用户的合作速率大于此用户的非合作速率，非合作用户集合中用户的非合作速率大于此用户的合作速率，最大化无线供电通信网络中所有用户总吞吐量，优化问题表示为：

0≤τ₀≤1,0≤τ_i^(R)≤1,0≤τ_k^(D)≤1,i＝1,...,M,k＝1,...,N

其中，K为总用户数目，M为合作集合中用户的数目，N为非合作集合中用户的数目；优化的变量为充电时间和每个用户传输信息的时间，和合作集合R,非合作集合D，限制条件为一个时隙的总的时间限制和每个用户的QOS限制。

本发明进一步的改进在于，当用户协作模式集合R和直传模式下的集合D确定时，以上的吞吐量最大化问题重新表示为：

0≤τ₀≤1

采用拉格朗日对偶法求解，由此得到：

其中，λ^*≥0为拉格朗日乘子由次梯度法得到，W为勃朗W函数，是f(w)＝we^w的反函数。

本发明进一步的改进在于，当最优的时间分配求得后，网络中协作用户集合和直传用户集合的划分：

选择算法：用户的合作速率大于非合作速率此用户就选入合作集合，用户的非合作速率大于合作速率此用户选入非合作集合，即时此用户选入合作集合，当此用户选入非合作集合，其中τ表示用户发送信息的时间；对这两个不等式进行化简得到：

(B-2A)τ＞A²τ₀

A²τ₀＞(B-2A)τ

当用户满足第一个条件时选入合作集合，当用户满足第二个条件时选入非合作集合，详细步骤如下：

选择算法：

1.HAP基于用户的信道状态信息将用户分为集合R和集合D；

2.基于HAP将用户划分的集合，求解优化问题；

选择-排序算法：在选择算法的基础上，基于(B-2A)＞0和(B-2A)＜0将用户分为合作集合F和非合作集合G，然后将集合F中的用户参考的大小按从小到大的顺序排列，每次将的值最小的用户加到非合作用户集合G中重新求解最优化问题，直到将F中最大的用户加到G中为止，详细步骤如下：

选择-排序算法：

a.HAP基于用户的信道状态信息将用户分为集合F和集合G；

b.将集合F按的大小按由小到大的顺序排列；

c.Loop直到集合F中最后一个用户加到集合G中；

d.将F中的值最小的用户加入到G中；

e.求优化问题；

f.End Loop。

本发明具有如下有益的技术效果：

本发明提供的选择性用户合作的无线供电通信网络中多用户资源分配方法，该方法通过给信道状态信息差的用户使用合作方式转发信息，信道状态信息好的用户直接发送信息，将用户分为合作集合和非合作集合，能够明显改善由“双远近效应”造成的资源分配不公平的现象，提高系统吞吐量；另外通过提出的选择分类方法和选择-排序分类方法能够极大降低优化问题的计算复杂度。

进一步，合作集合以及非合作集合中用户是不固定的，通过用户集合的划分能够提高系统吞吐量，原因如下：每个用户都要满足自身的服务质量需求即合作集合中的用户的合作速率大于非合作速率，非合作集合中用户的非合作速率大于合作速率，这就能保证系统吞吐量最大。

进一步，当用户集合确定时，HAP能够自适应的调整每个用户的充电时间，以及每个用户发送信息的时间，达到系统吞吐量最大，原因如下：每个时隙的总的充电时间和发送信息的时间是固定的，当充电时间长就会造成用户发送信息的时间短，导致系统吞吐量下降；当充电时间短就会造成用户发送信息的时间长，也会导致系统吞吐量下降；充电时间和发送信息时间存折中的问题；HAP通过求解最优化问题获取最优的时间分配来达到最大的系统吞吐量，与等时间分配的时间分配方法相比能够明显提高系统吞吐量。

进一步，当用户的时间资源分配后HAP基于用户的信道状态信息来确定最优的用户集合划分；用户采用遍历的用户分类方法随着系统中用户数目增加，问题求解次数会按指数方式增长；与遍历方法相比提出的选择的分类方法问题求解次数为一次，但总吞吐量不是最大的，而所提的选择-分类方法随着系统中用户数目增加，问题求解次数会按用户数目线性增长，且总吞吐量是最大的；因此，提出的选择方法和选择-分类方法能够极大的减少最优化问题的求解复杂度。

附图说明

图1为本发明采用的系统模型框图；

图2为本发明中整个系统的传输模型框图；

图3为HAP功率vs平均吞吐量示意图；

图4为用户数vs平均吞吐量示意图；

图5为用户数vs问题求解次数示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

设定本发明基于的系统由1个HAP,K个用户和K个可作为中继的节点组成，其中每个用户都有与之相对应的中继。HAP具有恒定能量，HAP、用户和中继都是单天线的，工作在半双工模式，中继工作在AF模式。假设当前系统中有M个用户工作在协作模式，这M个用户构成集合R。剩下的N个用户(N＝K-M)工作在直传模式，这N个用户构成集合D。其中R中的用户表示成D中的用户表示成k＝1,...,N。对网络中的某一个中继-用户对来说，假设用户和中继，中继和HAP以及HAP和用户的信道状态信息已知，信道是对偶的，所有的信道是准静态平衰落的，信道的功率增益在一个时隙内保持不变，不同时隙内是可以变化的。中继和用户，用户和HAP以及中继和HAP的功率增益分别表示为f,h,g，参见图1。假设一个传输时隙为T，为了简便假设T＝1。将时隙分为K+1个时间块。τ₀时间段为下行链路的供能时间，此时间段内HAP以恒定功率向系统中的用户和中继发送能量信号，用户和中继进行充电，为后续的发送信息做准备。接下来的M个时间段为系统中工作在协作模式下的用户发送信息的时间，集合R中的M个用户依次发送信息，其中每个时间段内又分为两个相等的时间段，前半段为用户向中继发送信息的时间，后半段为中继向HAP转发信息的时间。接下来的N个时间段为系统中工作在直传模式下的用户发送信息的时间，参见图2。

每个用户根据划分集合的不同可以工作在合作和非合作两种模式下：

1)中当用户工作在非合作的方式下，下行阶段，HAP以恒定功率E[|x_H|²]＝P发送能量信号x_H，E表示均值，用户接收的信号为：

其中y表示用户接收的信号，z表示用户接收到的噪声。由于P足够大噪声可以忽略。

用户获取的能量为：

E＝ηPhτ₀

η表示能量获取效率，为了简便将所有用户的能量转换效率设为η。用户向HAP发送信息，平均发送功率为：

τ为发送信息的时间，HAP接收的信号为：

其中x_u为信息信号x_u～CN(0,1)，z_H为HAP的接收的噪声，z_H～CN(0,σ²)，CN(0,1)表示均值为0方差为1。则用户在非合作工作方式下的速率为：

σ²表示噪声功率。

2)当用户工作在合作方式时，上行阶段用户不直接向HAP发送信息，而是先向中继发送信息，然后中继再向HAP转发信息。中继接收的能量信号为：

z_R为中继的噪声，z_R～CN(0,σ²)。中继获取的能量为：

E_R＝ηPgτ₀

用户向中继发送信息的平均功率和中继向HAP发送信息的平均功率分别为：

中继接收的信息信号为：

HAP接收的信号为：

展开得到下式：

令同时令则P_R可以表示成P_R＝uσ²g，P_u可以表示为P_u＝uσ²h。则SNR可以表示为：为了方便计算SNR可以近似为：将u代入得到：

则用户在合作的工作方式下的速率为：

令则用户的非合作速率和合作速率可重新表示为和故当时隙中某个时间段调度此用户时，此用户的速率R_u可以表示为：

在满足用户的服务质量需求和时间条件限制的情况下最大化无线供电通信网络的系统吞吐量，优化问题可以表示为：

其中，优化的变量为充电时间和每个用户传输信息的时间，合作集合R以及非合作集合D,限制条件为一个时隙的总的时间限制和每个用户的QOS限制，此问题是非凸问题，采用两步求解：

第一步，当合作集合R和非合作集合D确定时，以上的吞吐量最大化问题可以重新表示为：

0≤τ₀≤1

采用拉格朗日对偶法求解，由此可以得到：

其中，λ^*≥0为拉格朗日乘子可由次梯度法得到，W为勃朗W函数，是f(w)＝we^w的反函数。

第二步，当最优的时间分配求得后，网络中合作用户集合和非合作用户集合的划分：

选择算法：一个用户具有两种传输方式，一个用户的非合作传输速率为合作传输速率为假设用户的合作速率大于用户的非合作速率，此用户就选入合作集合。当用户的非合作速率大于合作速率此用户选入非合作集合。即当时此用户在合作集合中。当此用户在非合作集合中。对这两个不等式进行化简可得：

(B-2A)τ＞A²τ₀

A²τ₀＞(B-2A)τ

当用户满足第一个条件时选入合作集合，当用户满足第二个条件时选作非合作集合。经过研究可以发现当(B-2A)＜0，此用户一定在非合作集合中，此用户属于集合D。当(B-2A)＞0此用户可以在合作和非合作集合中。在此将(B-2A)＞0的用户选入合作集合,此用户属于集合R。很明显这种分类方法只需计算一次。经过仿真可以发现这种选则方法小于遍历方法得到的系统吞吐量，需要进一步提高系统吞吐量，详细步骤如下：

选择算法：

1.HAP基于用户的信道状态信息将用户分为合作集合R和非合作集合D

2.基于HAP将用户划分的集合，求解优化问题

选择-排序算法：基于(B-2A)＞0和(B-2A)＜0将用户分为合作集合F和非合作集合G，然后将集合F中的用户参考的大小按从小到大的顺序排列。每次将的值最小的用户加到非合作用户集合重新计算系统吞吐量，直到将F中最大的用户加到非合作集合为止。当用户数量增加时，计算的次数和时间会线性增长，通过仿真可以发现这种选择方法和遍历方法得到的系统平均吞吐量相同，详细步骤如下：

选择-排序算法：

a.HAP基于用户的信道状态信息将用户分为合作集合F和非合作集合G

b.将集合F按的大小按由小到大的顺序排列

c.Loop直到集合F中最后一个用户加到集合G中

d.将F中的值最小的用户加入到G中

e.求优化问题

f.End Loop

仿真实验和效果分析：

仿真模型参数为：HAP和用户的距离为10m，中继位于HAP和用户的中间，即中继到HAP的距离为5m。带宽为1MHz,HAP的发送功率P＝1W，用户和中继的能量获取效率为η＝0.8，噪声的功率谱密度为-130dB/Hz，T＝1。上行信道和下行信道对偶，系统的信道功率增益可以表示成10^-3ρ²D^-α，其中，ρ表示服从瑞利分布的加性信道小尺度衰落，因此ρ²是均值为一的指数随机变量，参考距离为1m时信号平均功率衰减为30dB，路径损耗指数α＝3,D为设备间的距离。进行1000信道实现。

仿真图3采用两种方案做对比，方案一为三个用户都采用中继模式，方案二为三个用户中前两个用户采用中继第三个用户采用直传模式。我们对比了遍历方法，选择-排序算法和等时间分配方法随HAP功率变化的平均吞吐量的大小。等时间分配方法中设置τ₀＝0.25,可以发现遍历方法和选择-排序算法的平均吞吐量基本相同，并且明显大于等时间分配方法得到的平均吞吐量；

仿真图4比较了遍历方法、选择算法、选择-排序算法随用户数变化的平均吞吐量的大小。方案一为遍历情况下用户都采用中继模式，方案二为遍历情况下用户都采用直传模式。遍历方法、选择算法、选择-排序算法三种方式的平均吞吐量大于方案一和方案二的平均吞吐量。选择算法的平均吞吐量小于最优方式遍历方法获得的平均吞吐量，选择-排序算法的平均吞吐量等于最优方式获取的平均吞吐量；

仿真图5为采用选择-排序算法划分用户集合，1000次信道到实现，系统的平均问题求解次数和用户数目的变化曲线。