kaiyun官方注册
您所在的位置: 首页> 微波|射频> 设计应用> 基于能量获取下协作认知网的资源联合分配
基于能量获取下协作认知网的资源联合分配
2017年电子技术应用第7期
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
摘要:频谱共享和能量获取是提高带宽和能量效率的前沿技术,满足了无线传输数据的不断增长的要求。在协作认知无线网络中,由混合接入点提供无线能量的次用户系统帮助主用户传输数据。作为回报,次用户以时分多址的方式获得频谱接入的机会来传输自己的数据。为了最大限度地提高次用户系统的吞吐量,提出了一个次系统吞吐量最优的资源分配方案。在满足主系统基本性能的约束下,根据次用户参与度来选择最佳次用户集合,联合对SUS进行时隙和能量的分配。
中图分类号:TN92
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.
Joint resource allocation in cooperative cognitive radio networks based on energy acquisition
Yang Lu,Huang Kai,Yang Pinzhang
Department of Communication and Information Engineering, Chongqing University of Posts and Telecommunication,Chongqing 400065,China
Abstract:Spectrum sharing and energy harvesting are promising techniques to improve the bandwidth and energy efficiencies to meet the ever-growing demand of wireless data transmissions. This paper integrates a wireless powered communication network with a cooperative cognitive radio network, where multiple secondary users(SUs) powered wirelessly by a hybrid access point(HAP) help a primary user relay the data. As a reward for the cooperation, the secondary network gains the spectrum access where SUs transmit to HAP using time division multiple access. To maximize the sum-throughput of SUs, a secondary sum throughput optimal resource allocation scheme is presented. According to SUs’ participation degree, this scheme chooses the optimal set of relaying SUs and jointly performs the time and energy allocation for SUs under the constraint of meeting target primary rate.
Key words :cooperative cognitive communication;spectrum sharing;energy harvesting;participation degree;resource allocation

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:

tx4-t1.gif

tx4-t2.gif

(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

tx4-gs1-3.gif

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

tx4-gs4-5.gif

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:

tx4-gs6-7.gif

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:

tx4-gs8-10.gif

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:

tx4-gs11-12.gif

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:

tx4-gs13a-b.gif

tx4-gs13c-f.gif

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:

tx4-sf1.gif

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;

tx4-gs14-15.gif

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:

tx4-gs16-18.gif

tx4-gs19.gif

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:

tx4-gs20-25.gif

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:

tx4-gs26.gif

其中m为迭代次数。

算法2:

tx4-sf2.gif

tx4-gs27.gif

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tx4-3.1-x1.gif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。

tx4-t3.gif

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。

tx4-t4.gif

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。

tx4-t5.gif

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)

此内容为AET网站原创,未经授权禁止转载。
Baidu
map