[发明专利]一种用于能量可收集双向协作通信的中断率优化方法

说明书

本发明公开了一种用于能量可收集双向协作通信的中断率优化方法，属于绿色通信技术领域。本发明所述方法包括如下步骤：(1)初始化变量；(2)测量当前信道功率与收集能量；(3)计算防止中止发生所需要的能量阈值；(4)中继求解优化问题；(5)更新电池与虚拟队列信息。本发明所述方法利用李雅普诺夫优化，对连续参数的能量可收集协作通信作优化，帮助协作中继有效的分配随机收集到的能量，更有效地降低了期望中止概率，保证了协作通信网络期望的吞吐量。

技术领域

本发明属于绿色通信技术领域，具体涉及一种用于能量可收集双向协作通信的中断率优化方法。

背景技术

协作通信在无线通信系统中有多种应用，主要有固定中继的协作通信(协作MIMO)和用户终端间的协作通信(多用户协作)两种方式。另外，在多跳条无线通信网络中，为提高传输速率，提出了多用户协作分集即多个用户相互协作从而实现类似MIMO的传输方案以获得分集增益。而目前非常热门的无线中继技术的重要理论基础也包含协作通信理论，本算法便是基于能量可收集的无线中继协作通信模型。

能量可收集技术在无线传感器网络中有着很广泛的应用。因为WSN中每个传感器节点大小有限，造成电池的大小容量有限，没有办法存储很多的能量。而更换电池也很麻烦，因为传感器很小，并且大多分布在室外。所以，使用一个可以收集能量的传感器与一个能充电的电池就能够解决这一难题。然而由于自然界的可再生能量存在不稳定，随机性等特点，并且无线信道也具有独立同分布随机性，如何有效地分配收集的能量使得收益最大化便成了一个很重要的问题。

在解决能量可收集的无线通信中的在线算法中，马尔科夫决策过程(Markov-decision-process，MDP)是最常用的算法。MDP首先将整个随机事件集合分成有限个状态元素，然后通过随机事件状态(信道、电池、可收集能量)的分布概率求出其转换概率，最后通过马尔可夫链求解。因为我们求的是期望平均目标函数，所以马尔科夫链包含了无数个项，此时MDP借助贝尔曼公式，只对前有限项进行运算，然后选取优化解。然而MDP也存在数项不足：(1)MDP需要将参数离散化成状态表示，之后选取的解在一个状态内都是相同的。所以如果状态选取过少，得到的解就离最优差距很大；如果状态选取过多，则可能导致维数爆炸，使算法复杂度急速增加；(2)贝尔曼公式本身也是一种近似；(3)如果单位能量选取高于平均能量收集率，则得到的效果边界会比问题本身的边界要差；(4)由于单位能量的存在，当SNR很高时会造成浪费。

中断概率其实是链路容量的另一种表达方式，当链路容量不能满足所要求的用户速率时，就会产生中断事件，这个事件呈概率分布的，取决于链路的平均信噪比及其信道衰落分布模型。优化中断概率实际上是对吞吐量Throughput的另一种优化方式。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种参数连续化，复杂度低的用于能量可收集双向协作通信的中断率优化方法，保证平均的网络吞吐量，帮助协作中继有效率的分配从外界收集到的能量，其中考虑的协作协议为Decode-and-forward与Amplify-and-forward。

本发明所提出的技术问题是这样解决的：

一种用于能量可收集双向协作通信的中断率优化方法，包括以下步骤：

步骤1.初始化变量：策略周期T、电池容量bmax、电池平均能量阈值δ、发射端功率P_S、发射端A到发射端B的吞吐量阈值R₁、发射端B到发射端A的吞吐量阈值R₂、初始电池能量b(1)、初始虚拟队列B(1)、权重V、平均噪音N₀、协作协议(AF/DF)；

步骤2.发射端A与发射端B发射信号到中继，感应器测量当前发射端A到中继的信道功率γ₁(t)、发射器B到中继的信道功率γ₂(t)与当前时刻f收集到的总能量EH(f)；