[发明专利]一种基于能效最优的协作通信系统资源分配方法

摘要

本发明公开一种基于能效最优的协作通信系统资源分配方法，属于协作通信技术领域。包括步骤：建立系统模型，系统场景分析，问题归结，使用凸优化方法求解最优化问题。本发明考虑时间平均下的系统能效，基于时间平均的能效算法不仅考虑当前系统性能，同时将当前时刻之前时刻系统性能考虑在内，保证系统资源分配的公平性，并给出用户公平性的数学表达式，同时能够通过运算巧妙地得到更简单的功率子载波自适应分配公式。本发明把最优化问题分成两个子问题解决，通过循环迭代获取子载波上功率分配，在子载波分配过程中不仅考虑当前信道状态信息，同时考虑之前信道状态，通过巧妙的转换降低本发明算法复杂度，并给出了复杂度的数学表达式。本发明算法设计合理，易于实现。

主权项

一种基于能效最优的协作通信系统资源分配方法，其特征在于：包括步骤1：建立系统模型；系统由基站S，M个用户以及N个中继组成，用户自由分布在小区内中继以外的圆环内，用户与基站距离较远，用户无法直接接收基站传输的信号，信号传输分为两个时隙，第一个时隙基站通过子载波发送信号给中继，下个时隙中继接收到基站传过来的信号放大并进行转发，两个时隙相互正交，记在t时刻被第n个中继服务的用户集为：且i≠j在S→R链路中，全部K个正交的子载波被分配给N个中继，所有子载波的集合表示为ξ＝{1,2,...K}，在R→D链路中，所有的用户共享中继的全部K个正交的子载波，每个用户在一个时刻与最近的中继形成链路，在两跳链路中信号在同一个子载波上进行传输，假设所有节点之间的衰落是独立同分布的瑞利衰落，用户m在t时刻第k个子载波上瞬时速率可以表示为：$r_{m,k}\left(t\right)=\frac{1}{2}B{\log }_2(1+\frac{{\mathrm{\η}}_{s,k}\left(t\right){\mathrm{\η}}_{m,k}\left(t\right)}{1+{\mathrm{\η}}_{s,k}\left(t\right)+{\mathrm{\η}}_{m,k}\left(t\right)}),{\mathrm{\η}}_{s,k}\left(t\right)=\frac{p_{s,k}{\left|h_{s,k}\left(t\right)\right|}^2}{N_{0}B},{\mathrm{\η}}_{m,k}\left(t\right)=\frac{p_{r,k}\left(t\right){\left|h_{m,k}\left(t\right)\right|}^2}{N_{0}B}$其中η_s,k(t)和η_m,k(t)分别为S→R链路和R→D链路在t时刻的信噪比(SNR)，p_s,k(t)为t时刻基站S到与它相连的中继在子载波k上的发射功率，p_r,k(t)为t时刻基站在子载波k上的发射功率，h_s,k(t)和h_m,k(t)分别为t时刻基站S到中继，中继到用户D_m在子载波k上的信道增益，N₀为噪声功率谱密度，子载波带宽用B表示；步骤2:系统场景分析，问题归结；对于用户D_m来说，单位时间内的能量效率表示为平均数据速率与平均功率消耗之比：$u_m\left(t\right)=\frac{R_m\left(t\right)}{P_m\left(t\right)}=\frac{(1-\frac{1}{T})R_m(t-1)+\frac{1}{T}{s}_m\left(t\right)}{(1-\frac{1}{T})P_m(t-1)+\frac{1}{T}{p}_m\left(t\right)}$其中Τ为加窗长度，R(0)＝0，s_m(t)表示用户D_m在t时刻的瞬时数据速率：$s_m\left(t\right)=\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\ρ}}_{m,k}\left(t\right)r_{m,k}\left(t\right)$令ρ_m,k(t)表示子载波分配参数，当在t时刻用户D_m分配到子载波k时，ρ_m,k(t)＝1，否则ρ_m,k(t)＝0，在t时刻的瞬时功率消耗表示为其中p_cm(t)表示用户端电子设备的电路功率消耗，从而该场景下的最优化问题可以表示为：$\begin{array}{cc}P1:& \underset{p_{s,k}\left(t\right),p_{r,k}\left(t\right),{\mathrm{\ρ}}_{m,k}\left(t\right)}{\max }U\left(t\right)=\underset{m=1}{\overset{M}{\Σ}}\log u_m\left(t\right)\\ s.t.& \underset{m=1}{\overset{M}{\Σ}}{\mathrm{\ρ}}_{m,k}\left(t\right)=1,\∀k\∈(1,2,\mathrm{...}K)\\ & \underset{k=1}{\overset{K}{\Σ}}{p}_{s,k}\left(t\right)\≤P_s,p_{s,k}\≥0\\ & \underset{k=1}{\overset{K}{\Σ}}\underset{m\∈{\mathrm{\Ψ}}_n\left(t\right)}{\Σ}{\mathrm{\ρ}}_{m,k}\left(t\right)p_{r,k}\left(t\right)\≤P_{r,n},p_{r,k}\left(t\right)\≥0,\∀n\∈\{1,2,\mathrm{...}N\}\end{array};$步骤3:使用凸优化方法求解最优化问题；所述优化问题P1的求解可以采用拉格朗日因子方法：$\begin{array}{c}L\left(p_{s,k}\right(t),p_{r,k}(t),{\mathrm{\ρ}}_{m,k}(t),{\mathrm{\β}}_k,{\mathrm{\β}}_s,{\mathrm{\β}}_{r,n})=\underset{m=1}{\overset{M}{\Σ}}\log u_m\left(t\right)-{\mathrm{\β}}_k\left(\underset{m=1}{\overset{M}{\Σ}}{\mathrm{\ρ}}_{m,k}\right(t)-1)\\ -{\mathrm{\β}}_s\left(\underset{k=1}{\overset{K}{\Σ}}{p}_{s,k}\right(t)-P)-{\mathrm{\β}}_{r,n}\left(\underset{k=1}{\overset{K}{\Σ}}\underset{m\∈{\mathrm{\Ψ}}_n\left(t\right)}{\Σ}{\mathrm{\ρ}}_{m,k}\right(t\left)p_{r,k}\right(t)-P_{r,n})\end{array}$再联立和并用次梯度方法迭代求解，其中β_k,β_s,β_r,n是相应的拉格朗日因子。