[发明专利]基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法

说明书

本发明公开了基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法，是基于NOMA的多小区下行反向散射传感器通信系统中，利用Dinkelback和联合优化的方法去求取系统最优能量效率的问题。步骤包括：1）由于所求问题属于非凸问题，很难直接求得最优解，利用Dinkelback方法将目标函数进行简化。2）由于干扰项和耦合变量的存在，使得问题变得很难求解。因此本发明将问题解耦为两个子问题，即反射系数选择子问题和发射功率分配子问题。3）利用Lagrange对偶方法，去计算问题中关于反向散射传感器标签的反射系数的凸优化问题的有效闭式解。4）利用次梯度法对Lagrange乘子进行迭代更新。本方法设计的联合优化算法思路清晰，能够提供的联合最优框架能够提高所考虑系统的能量效率。

技术领域

本发明属于无线通信技术领域，具体涉及基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法。

背景技术

在过去的几年中，物联网已经在广泛的应用领域进行了技术创新，如智慧城市、智能工厂、智能家居、智能医院、自动驾驶汽车等。物联网预计将在未来6G网络中连接数十亿的传感器设备。然而，其中一个关键的挑战是能源问题，特别是对于某些特别的系统来说，电池更换传感器设备可能是非常昂贵的。因此，反向散射通信是一个有希望的解决方案。反向散射通信有能力从入射射频中获取能量，调制数据符号，并反射回相同的信号，而且无需传统的电池或电源插座提供能量。这一新兴技术可以有效地用于射频标签和各种低功耗物联网设备。通用的反向散射系统包括一个阅读器和一个无源后向散射装置(有或没有电源)。一般来说，无线电信号由阅读器产生并向反向散射装置传输。反向散射装置从无线电信号中获取一部分能量来为标签供电，并使用剩余的信号来调制数据并返回到收发器。

虽然使用反向散射技术能够带来很多好处，然而简单地使用反向散射通信可能不足以有效地连接未来6G物联网中的海量设备。也就是说反向散射通信中面临着多重访问的挑战，因为正交资源(如时间、频率和代码域)很难在海量物联网标签之间进行分配和协调。因此，将功率域非正交多址接入(NOMA)技术集成到反向散射通信中是大势所趋。因为功率域NOMA不仅能够实现大量的无缝连接，而且与正交多址接入方案相比，还保持了用户公平性。功率域NOMA与后向散射传感器通信(BSC)的结合有望在即将到来的6G时代连接大规模低功耗物联网设备。基于NOMA的反向散射通信也有望显著改善B5G物联网中的低功耗问题，可以有效地提高频谱效率。

在本发明中，我们考虑到一个多小区下行反向散射传感器通信系统，并且将功率域NOMA技术集成到该系统中，然后利用Dinkelback以及联合优化的方法去求取系统的最优能量效率。

发明内容

在基于NOMA的多小区下行反向散射传感器通信系统中，为了提高系统的能量效率，先利用Dinkelback方法将目标函数简化；其次在每个小区的源发射功率固定的情况下，计算每个小区反向散射传感器标签的有效反射系数；最后将反向散射传感器标签的有效反射系数代入原问题，计算源的有效发射功率和物联网设备的功率分配系数，1)由于所求问题属于非凸问题，很难直接求得最优解。为了有效解决这一问题，利用Dinkelback方法将目标函数进行简化。2)由于干扰项和耦合变量的存在，使得问题变得很难求解。因此本发明将问题解耦为两个子问题，即反射系数选择子问题和发射功率分配子问题。3)利用Lagrange对偶方法，去计算问题中关于反向散射传感器标签的反射系数的凸优化问题的有效闭式解。4)利用次梯度法对Lagrange乘子进行迭代更新。

基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法，具体包括以下步骤：

A.所考虑的系统模型在每个小区源的传输功率、物联网设备的功率分配系数和反向散射传感器标签的有效反射系数联合优化的条件下，其最大能量效率可以表示为：

其中，R_k表示为源的和速率且满足R_k＝R_i,k+R_j,k，