文献标识码:A
DOI:10.16157/j.issn.0258-7998.2017.07.028
中文引用格式:杨路,黄凯,杨品章. 基于能量获取下协作认知网的资源联合分配[J].电子技术应用,2017,43(7):110-113,121.
英文引用格式:Yang Lu,Huang Kai,Yang Pinzhang. Joint resource allocation in cooperative cognitive radio networks based on energy acquisition[J].Application of Electronic Technique,2017,43(7):110-113,121.
0 引言
在基于能量获取的协作认知无线电网络中,将拥有频谱资源的授权系统称为主系统,共享主用户频谱资源的系统称为次级系统。目前基于能量获取的协作认知通信受到越来越多的关注[1-3]。文献[1]研究单次用户(Secondary User,SU)的最佳决策,先分别在主用户(Primary User,PU)直传和SU参与PU的协作下进行SU的吞吐量的最大化,再根据两种方式下优化后的SU的吞吐量来确定SU的最佳协作策略。文献[2]利用猫群算法在不影响PU的基本性能情况下,最大化SU的吞吐量。文献[3]针对PU和SU的非饱和数据传输问题,构建排队论的模型,通过求解“概率协作”策略中SU的传输概率,从而最大化SU的服务率。
对比现有工作并基于以上的考虑,本文在无线能量获取的协作认知网中,通过次用户对主用户的贡献程度来分配时隙,从而调动了次用户的积极性,并选取最佳的次用户集合,并对其进行资源分配,从而最大化次用户系统的吞吐量。
1 系统模型和问题描述
1.1 系统模型
系统结构如图1所示,在该网络中,次用户由拥有足够能量的混合接入接点(HAP)供能。次用户(SU)协助主用户(PT-PR)传输信息,作为回报,次用户可以获得一定的传输时间传输自己的数据。系统的帧时隙如图2所示,总时隙为T,分为四个阶段:
(1)阶段I:当主链路直传时,SUS从HAP广播的射频信号中获取能量,用于数据传输,时隙为te;
1.2 问题描述
在整个时隙T内,主用户满足最基本的速率Rp:
SUS消耗的能量要小于获取的能量,因此每个SUi满足下列条件:
由式(4)可以看出,次用户系统对主用户速率的贡献受hipPip的影响,因此为了调动次用户协作主用户的积极性,次用户的接入时间可以根据每个次用户的贡献大小来分配:
由于式(6)、式(8)这两个约束式中存在两个优化变量的相互耦合,且SD的不确定性,使得式(10)问题无法利用现有的凸优化算法直接求解。为了有效解决这个问题,可先将式(6)转化为:
这样在确定参与协作的SUS和确定ε后,问题(10)可以转化为(13),该问题是凸优化问题,为了简便,可以将T设置为1:
2 优化问题
2.1 问题(13)的解决——全局变量优化
令|SD|=N,并将hps=[hp1,…,hpN]中的元素大小按递减的顺序排列。按算法1执行该流程。
算法1:
2.2 对于给定SD下问题(13)的优化
(1)首先,保持te、ε不变(ε的优化描述)后,将问题(13)转化为2个子问题:S1-固定(t0)下的(Esh,Esp)的能量分配和S2-固定(Esh,Esp)下的(t0)的时隙分配,分别为;
S1和S2是凸优化问题,满足卡罗需-库恩-塔克(KKT)条件[4],可以通过求解它们的对偶问题得到最优时间和能量分配。
S1的拉格朗日函数为:
再对SUi(i=1,2,…,N)都进行式(16)和式(18)的求解,最佳资源分配式子如下:
证明:对 L1关于(Eih,Eip)和L2关于(t0)求偏导,让其偏导等于0,联合便可求得。
(2)接下来对te进行梯度更新,te的梯度函数为:
其中m为迭代次数。
算法2:
3 仿真结果
3.1 仿真参数设置
本文利用MATLAB对其进行仿真来验证上述的合理性。仿真中,PT、PR、HAP之间连线构成等边三角形,距离都为50 m,SUS随机分布在以HAP为圆心的、r=10 m的圆内。用户i和用户j之间的链路的瞬时信道功率增益表示信道服从瑞利衰落,Pp为20 dBm,能量转换系数n为0.5,噪声功率N0为-60 dBm。
3.2 仿真结果分析
图3仿真了Rp和Rs,sum的关系图,由图可知,在相同的Rp条件下,本文比文献[5]达到次用户的速率高,且N越大越明显。这是因为在文献[5]的资源分配中,次系统中次用户虚报自己的资源信息,导致可能选择到信道状况不好的次用户参与到协作,从而造成资源分配不均匀。而在本文中的先根据信道状况的好坏进行排列,再根据次用户的协助主用户的贡献来进行合理资源分配,有效地防止次用户虚报行为,从而比文献[5]更有效地提高次用户系统速率。当Rp达到3时,Rs,sum趋近于0,这是因为为了达到主用户的传输要求,次用户系统资源主要消耗在协作阶段。
图4仿真了Rp和2t0的关系图。可以看出,随着Rp的增加,在相同N下,需要次用户系统中继的时间越长;但在相同的Rp的条件下,N越大,相应的中继时间会有所降低,这是因为有了更多的次用户参与。本文的中继时间比文献[5]时间低,这是因为根据次用户协助程度来分配资源,增强了次用户协作的积极性,从而节省中继时间。
图5仿真了Rp和ta的关系图,可知,在一定的Rp的范围内,本文的次用户系统所得到的总回报时间ta比文献[5]的大,这也和图3是对应的,由于本文次用户参与中继时间减少,次用户得到更多的回报。
4 结论
本文基于能量获取的协作认知网络,对其建模进行分析,次用户通过为主用户服务的协作程度来获得自己传输机会,提高了次用户参与的积极性。最后仿真结果证明,本方案可以更好地提高次用户系统的吞吐量。
参考文献
[1] YIN S,ZHANG E,QU Z,et al.Optimal cooperation strategy in cognitive relay networks with energy harvesting[J].IEEE Transactions on Wireless Communications,2014,13(13):4693-4707.
[2] Gao Hongyuan,EJAZ W.Cooperative wireless energy harvesting and spectrum sharing in 5G networks [J].IEEE Access,2016,4(6):3647-3658.
[3] 阔永红,贺冰涛,陈健.携能通信协作认知网络稳态吞吐量分析和优化[J].西安电子科技大学学报,2016,43(6):1-7.
[4] THOMAS L C.The wijngaard-stidham bisection method and replacement models[J].IEEE Transactions on Reliability,1982,31(5):482-484.
[5] SAMI M,NOORDIN N K,KHABAZIAN M.A TDMA-based cooperative MAC protocol for cognitive networks with opportunistic energy harvesting[J].IEEE Communications Letters,2016,20(4):808-811.
作者信息:
杨 路,黄 凯,杨品章
(重庆邮电大学 通信与信息工程学院,重庆400065)