[发明专利]一种认知中继无线传感器网络的联合资源分配方法有效
| 申请号: | 201910661421.1 | 申请日: | 2019-07-22 |
| 公开(公告)号: | CN110519848B | 公开(公告)日: | 2022-03-15 |
| 发明(设计)人: | 马丕明;韩文聪;马艳波 | 申请(专利权)人: | 山东大学 |
| 主分类号: | H04W72/04 | 分类号: | H04W72/04;H04W72/08;H04W52/26;H04W52/34;H04W52/46;H04W84/18 |
| 代理公司: | 济南金迪知识产权代理有限公司 37219 | 代理人: | 许德山 |
| 地址: | 250199 山*** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 认知 中继 无线 传感器 网络 联合 资源 分配 方法 | ||
1.一种基于SWIPT的认知中继无线传感器网络的联合资源分配方法,由以下认知中继无线传感器系统来实现:该系统包括主系统和传感器子系统,主系统包括一个主发射机PT和一个主接收机PR,传感器子系统包括M个传感器节点SNm和一个簇头节点CH,其中传感器节点的集合用V={1,2,…,M}来表示,m∈V表示第m个传感器节点;主发射机与主接收机之间的通信要经过传感器子系统的中继,中继采用译码转发的方式;传感器节点处使用了同时无线信息和功率传输即SWIPT技术,在接收到主发射机的信号后,传感器节点会按一定的功率分割比将接收信号分成两路不同功率的信号流,比例为ρ的信号流用于信息译码,比例为1-ρ的信号流用于能量收集;系统中共有K个子载波,用集合S={1,2,…,K}表示,设和分别为在第k个子载波上主发射机PT到传感器节点SNm链路、传感器节点SNm到主接收机PR链路和传感器节点SNm到簇头节点CH链路的信道功率增益,和分别为在第k个子载波上主发射机到传感器节点SNm链路、传感器节点SNm到主接收机链路和传感器节点SNm到簇头节点CH链路的信道噪声,其中m∈V,k∈S,各链路对应的信号发射功率分别为和该联合资源分配方法的具体步骤如下:
1)计算主系统的传输速率
第一传输阶段,主发射机通过K个子载波向传感器网络发送信号,网络中的所有的传感器节点均能接收到所有子载波上的信号,在每个传感器节点处,接收到的信号按照一定的功率分割比被分为两路不同功率的信号流,比例为的ρ部分用于信息译码,因此,主发射机到各个传感器节点的总速率表示为:
其中是由于整个传输时间被平均分给了两个传输阶段;ρm,k表示SNm在第k个子载波上接收到的信号用于信息译码的功率分割比;
比例为1-ρ的部分用于能量收集,收集到的能量将用于下一阶段的数据传输,传感器节点SNm收集到的能量表示为
其中,η表示能量收集转换效率;
第二传输阶段,传感器节点将接收到的信号进行重新编码并转发到主接收机,在此阶段将对子载波进行分配,分配给传感器节点SNm的子载波集合表示为满足其中符号U表示对集合求并集;SNm分配给链路SNm→PR和SNm→CH的子载波集合分别表示和且有主接收机处的总速率表示为:
经传感器网络中继的主系统的速率表示为:
rP=min{r1,r2} (4)
其中min{}表示取括号中两个值中的最小的一个;
2)计算传感器子系统的传输速率与传感器节点的发射功率
传感器子系统的传输速率表示为:
传感器节点SNm的发射功率表示为:
3)确定优化问题
以最大化传感器子系统传输速率为目标函数,主系统目标速率、传感器节点收集的能量与发射功率限制为约束条件,构造如下优化问题:
其中和来表示子载波的分配情况,当时,表示子载波k被分配给SNm用于SNm→PR链路的数据传输,时,表示子载波k未被分配给SNm用于SNm→PR链路的数据传输;当时,表示子载波k被分配给SNm用于SNm→CH链路的数据传输;当时,表示子载波k未被分配给SNm用于SNm→CH链路的数据传输;RT表示主系统的目标速率;(7)式中的subject to符号及其后面的式子为约束式,subject to表示为约束符号,符号maximize表示求最大值符号,maximize符号下的变量ρ,α,p为优化变量,其中ρ={ρm,k,m∈V,k∈S}表示功率分割比,表示子载波分配,表示功率分配;符号表示对任意的m都要满足前面的条件;(7)式表示在约束式中对主系统目标速率、传感器节点收集的能量与发射功率进行限制的条件下,求解目标函数即符号maximize后的部分的最大值,该最大化问题在下面的描述中也称为原问题;
4)求解优化问题
经验证,上述优化问题是一个凸优化问题,故其存在唯一的最优解,利用拉格朗日对偶理论,建立起原最大化问题即原问题与一个最小化问题即对偶问题之间的关联关系,原问题具有强对偶性,通过求解对偶问题来求解原问题,原问题的拉格朗日函数为:
对偶函数为:
其中X:={ρ,α,p}表示优化变量的集合,表示对偶因子的集合,其中符号:=表示定义,λ,μ,β,分别表示与(7)中四个限制条件对应的对偶因子,对偶函数对应的对偶问题如下:
即在对偶因子集合Λ≥0的约束条件下,通过优化Λ求解对偶函数D(Λ)的最小值,已知原问题具有强对偶性,通过对偶问题(10)式求得的最优值即为原问题的最优值,求解对偶问题最关键之处在于求解最优的对偶因子集合Λ*,Λ*的求解过程具体如下:
A)设置初始迭代次数t=0,对偶因子初始值Λ(0)为非负实数,设定迭代精度;
B)当迭代次数为t时,用Λ(t)表示当前更新的对偶因子,基于当前对偶因子Λ(t)求解对偶函数公式(9),利用Karush-Kuhn-Tucker条件得到对应的传感器节点SNm在每个子载波上的最优功率分割比最优发射功率以及最优子载波分配变量
C)根据以下4式分别更新4种对偶因子:
其中符号[]+表示[]中的部分取非负值,s_λ(t)、s_μ(t)、s_βm(t)、分别表示相应对偶因子对应的迭代步长;
D)令Λ*=Λ(t+1),若Λ*满足设定的精度要求,则输出最优对偶因子集合Λ*,否则,令t=t+1,重复步骤B)和步骤C),直到满足设定的精度要求;
5)根据得到的最优对偶因子集合Λ*,计算得到各个传感器节点最优的功率分割比ρ*、发射功率p*和子载波分配变量α*。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910661421.1/1.html,转载请声明来源钻瓜专利网。





