煤矿物联网异构网络资源分配方法及系统

摘要

本发明提供一种煤矿物联网异构网络资源分配方法及系统，属于通信网络资源分配技术领域。本发明与传统的基于OFDMA的数据传输技术相比，通过采用NOMA传输技术，可以显著提升煤矿物联网的系统容量及频谱利用率，此外，异构网络中的微基站基础设施也保证了矿山中大量边缘设备的通信可靠性；重点考虑了微基站网络中IoTDs的能效优化问题，此外，在联合功率和子信道资源分配过程中，考虑了IoTD数据传输时的相关链路中的信道不确定性，因此提高了煤矿物联网系统资源分配的可靠性和能效性。

说明书

技术领域

本发明涉及通信网络资源分配技术领域，具体涉及一种煤矿物联网异构网络资源分配方法及系统。

背景技术

随着煤矿物联网智能化水平的不断提升，大规模智能感知设备的信息传输将加剧对网络带宽和系统容量的需求。但是，煤矿通信系统中现有的无线通信技术，如WiFi、4GLTE、ZigBee和LoRa等等，这些技术无法支持多感知设备的可靠接入和大容量数据高速传输。在实际的矿山应用场景中，信号传输距离较长，障碍物较多，数据传输会受到物理信道的估计误差、反馈时延和量化误差的影响，很难获取矿山中真实的信道状态信息。此外，在物联网应用中广泛提倡绿色通信和节能通信，随着大规模智能设备的频繁联网，能效优化是提高煤矿物联网资源利用率和能效的一种有效途径。

发明内容

本发明的目的在于提供一种能够提高物联网的网络容量以及保证边缘设备的通信需求，在不完美信道状态信息条件下将网络资源合理分配不同类型的物联网设备的煤矿物联网异构网络资源分配方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种煤矿物联网异构网络资源分配方法，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；

对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：

其中，

结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。

优选的，采用凸松弛法将变量

其中，

在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示

s.t.:C5,C6,C7,C4,

其中，

优选的，

其中，

式中，第一项是确定函数，

由于微用户物联网设备的传输速率

根据式(18)，存在

定义

其中，

则，约束条件C4可以转换为C9

其中，

式中，

则，将优化问题P3重新表述为P4，即

C5,C6,C7

优选的，问题P4中的目标函数是一个分数形式，采用Dinkelbach方法进行简化，将P4中的目标函数等价地转换为一个凸对等体式，将P4的最优值定义为q

其中，

则问题P4可以描述为

式中，q≥0表示所有微基站网络的总能效。

优选的，采用连续凸近似法将P5转化为一个凸优化问题，利用下界迭代法得到最优解；根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为

因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为

式中，

则问题P5可以转换为问题P6，即

其中，将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,I

其中，λ

则，P6的拉格朗日函数表示为

其中，

优选的，通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题

根据凸问题KKT条件，最优功率分配求解为

其中，[x]

对式(34)求关于

其中，

即

按照下式更新拉格朗日乘子，计算如下

其中，τ∈{1,2,...,I

第二方面，本发明提供一种煤矿物联网异构网络资源分配系统，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；所述系统包括：

构建模块，用于对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：

其中，

分配模块，用于结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。

第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的煤矿物联网异构网络资源分配方法。

第四方面，本发明提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的煤矿物联网异构网络资源分配方法。

第五方面，本发明提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的煤矿物联网异构网络资源分配方法。

术语解释：

NOMA——即非正交多址接入，5G技术中的一种关键技术，通过功率域复用技术，可以将同一资源块分配给多个用户使用，即首先在基站发送端采用非正交的方式发送叠加信号，然后在用户接收端通过串行干扰消除技术依次解码从而实现用户的正确解调。

煤矿物联网——指通过将矿山内部署的海量智能设备连接在一起，实现矿山数据中心对全矿区状态感知和信息交互的一种工业物联网。

异构网络——指在煤矿物联网通信系统中部署了两种类型的基站，包括宏基站和微基站，其分别负责服务于不同类型的矿用智能通信设备。

本发明有益效果：使不同类型的设备可以复用相同的子信道资源同时进行数据传输，以提高煤矿物联网中5G智能设备的接入量；另一方面，通过采用两种异构类型的基站基础设施保证了矿山边缘设备的通信覆盖度；在资源分配过程中考虑了物联网设备传输链路的不完美信道状态信息条件，不仅保证了物联网设备的QoS需求，也提高煤矿物联网系统的能效性。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所述的基于NOMA的5G煤矿物联网异构网络系统架构示意图。

图2为本发明实施例所述的信道干扰分析示例示意图。

图3为本发明实施例所述的联合功率和子信道分配的煤矿物联网迭代资源分配算法流程图。

具体实施方式

下面详细叙述本发明的实施方式，所述实施方式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。下面通过附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。

还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例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例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。

本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。

实施例1

本实施例1提供了一种煤矿物联网异构网络资源分配系统，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；所述系统包括：

构建模块，用于对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；

分配模块，用于结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。

本实施例1中，利用上述的煤矿物联网异构网络资源分配系统，实现了一种煤矿物联网异构网络资源分配方法，所述煤矿物联网异构网络包括一个矿用宏基站和多个微基站，宏基站负责服务多个宏用户移动设备，微基站负责服务多个微用户物联网设备；

对基站进行网络传输干扰分析，构建能效最大化的资源分配模型；所述能效最大化的资源分配模型为：

其中，

结合凸松弛法和拉格朗日对偶法求解所述能效最大化的资源分配模型，得到微用户物联网设备的最优子信道分配因子、最优分配功率和最优能效。

其中，采用凸松弛法将变量

其中，

在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示

s.t.:C5,C6,C7,C4,

其中，

其中，

其中，

式中，第一项是确定函数，

由于微用户物联网设备的传输速率

根据(18)，存在

定义

其中，

则，约束条件C4可以转换为C9

其中，

式中，

则，将优化问题P3重新表述为P4，即

C5,C6,C7

其中，问题P4中的目标函数是一个分数形式，采用Dinkelbach方法进行简化，将P4中的目标函数等价地转换为一个凸对等体式，将P4的最优值定义为q

其中，

则问题P4可以描述为

s.t.:C5,C6,C7,C9

式中，q≥0表示所有微基站网络的总能效。

采用连续凸近似法将P5转化为一个凸优化问题，利用下界迭代法得到最优解；根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为

因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为

式中，

则问题P5可以转换为问题P6，即

其中，将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,I

其中，λ

则，P6的拉格朗日函数表示为

其中，

通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题

根据凸问题KKT条件，最优功率分配求解为

其中，[x]

对式(34)求关于

其中，

即

按照下式更新拉格朗日乘子，计算如下

其中，τ∈{1,2,...,I

实施例2

如图1所示，本实施例2中，提出一种基于NOMA的5G煤矿物联网异构网络系统架构，将矿山等效为一个长为L宽为W的矩形区域，假设在此区域中存在两种不同类型的基站，即一个矿用MBS(宏基站)和多个SBS(微基站)，以满足MIoT系统中不同智能工业设备的通信需求，其中，MBS负责服务多个宏用户移动设备，图中将其表示为MUE(宏用户设备)，SBS负责服务多个微用户物联网设备，将其表示为IoTD(物联网设备)。MBS部署在矿山入口处，SBS随机分布在矿区四周，MBS作为网络的数据中心和资源管理中心，预先将可用频谱资源划分为K个正交子载波分配给MUE。在上行传输中，N个MUE利用K个子信道向MBS传输信号。在下行传输中，U个SBS用于将监控中心部署的任务分发给部署在矿山边缘的大量的IoTD，如采矿设备、矿用机器人和传感设备等，每个SBS仅占用一个子信道进行数据传输。MUE和IoTD利用NOMA通过复用相同子信道提高系统的频谱效率，每个子信道占用单位带宽(B＝1Hz)。将MUEs集合表示为

不失一般性，以任意一个SBS u为例进行干扰分析。该场景下的网络中存在的干扰如图2所示。将SBS u中的第i个IoTD表示为(u,i)，

其中，

则SBS u中的IoTD i通过子信道k可实现的传输速率表示为

因此，所有IoTD的总数据速率表示为

在图1中，由SBS u传输数据至IoTD的总功耗P

P

其中，

其中，ε为功率放大系数，P

为了实现绿色通信的目标，能源效率的优化对于物联网系统的性能非常重要。在本文中，能源效率被定义为所有IoTD系统总吞吐量R

为了满足井下物联网系统的通信需求，能效最大化的资源分配问题需要满足以下约束：

a、子信道约束：一个SBS最多只能复用一个子信道，因此子信道分配约束可表示为

b、发射功率约束：井下所有的智能设备都受到防爆功率的限制，因此，SBS发射功率约束表示为

c、跨层干扰约束：所有的SBS对MU的干扰应低于干扰阈值

d、QoS要求：为了保证每个子信道上IoTD的基本通信，速率应满足

本实施例2中，目标是通过资源分配来最大化图1中所有IoTDs的总能效。

在完美信道状态信息下，能效优化问题的数学模型可以表示为

其中，

如图3所示，本实施例2中，针对上述网络的资源分配求解，提供一种联合功率和子信道迭代分配的资源分配算法，算法介绍如下：

由于式(11)约束条件C1中的子信道分配因子

则原优化问题P1转换为P2，即

矿区内环境复杂，障碍物较多，为了克服矿山中信道不确定性的影响，保证IoTD的QoS需求，在问题P2中主要考虑约束条件C4中的信道不确定性。因此可以得到优化问题P3，如下所示

其中，

其中，

式中，第一项是确定函数，

由于IoTD的传输速率

根据(18)，存在

然后，定义

其中，

基于上述过程，约束条件C4可以转换为C9

其中，

式中，

综上所述，将优化问题P3重新表述为P4，即

可以看出问题P4中的目标函数是一个分数形式，因此我们可以采用Dinkelbach方法进行简化，通过它可以将P4中的目标函数等价地转换为一个凸对等体式。在这里，将P4的最优值定义为q

其中，

则问题P4可以描述为

式中，q≥0表示所有SBS网络的总能效。

针对P5，首先，我们采用连续凸近似法将P5转化为一个凸优化问题。然后，利用下界迭代法得到最优解。根据式(22)，将IoTD(u,i)复用子信道k传输的SINR重新定义为

因此，IoTD(u,i)复用子信道k传输的数据速率可近似计算为

式中，

可以看出(29)中的P6是一个确定性的凸优化问题，因此该最大化问题存在唯一的最优解。

将Dinkelbach方法下的迭代因子表示为t∈{1,2,...,I

其中，λ

其中

通过利用拉格朗日对偶法，P6可以表示为一个极小极大问题

根据凸问题KKT条件，最优功率分配求解为

其中，[x]

接着，对式(34)求关于

其中

即

按照下式更新拉格朗日乘子，计算如下

其中，τ∈{1,2,...,I

综上，本实施例2提出的资源分配算法，与传统的基于OFDMA的数据传输技术相比，通过采用NOMA传输技术，可以显著提升煤矿物联网的系统容量及频谱利用率，此外，异构网络中的微基站基础设施也保证了矿山中大量边缘设备的通信可靠性；与现有的关于异构网络的能效资源分配算法相比，考虑了微基站网络中IoTDs的能效优化问题，此外，在联合功率和子信道资源分配过程中，考虑了IoTD数据传输时相关链路中的信道不确定性，提高了煤矿物联网系统资源分配的可靠性和能效性。

实施例3

本发明实施例5提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行煤矿物联网异构网络资源分配方法。

实施例4

本发明实施例4提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现煤矿物联网异构网络资源分配方法。

实施例5

本发明实施例5提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行煤矿物联网异构网络资源分配方法。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。