[发明专利]时分双工下非正交多址接入的无线通信资源优化分配方法

权利要求书

1.一种时分双工下非正交多址接入的无线通信资源优化分配方法，其特征在于：包括下列步骤：

(1)构建系统模型，系统中包括了一个基站和多个用户，在非正交多址接入技术NOMA系统下实现系统与用户间的信息能量传输；构建网络系统模型，包括：

一个由一个基站BS和N个用户组成的NOMA系统，所建立的系统模型中，下行链路中BS根据不同功率同时同频向用户发送信号，应用功率分裂技术PS，发送的信号分为两部分：一部分用于能量收集，另一部分用于信息传递，用户从下行链路中获取的能量存储在可充电电池中，然后用于为上行链路中用户向基站在不同时隙上传输信息；

(2)建立系统中基站与用户间的通信模型，根据射频信号是信息和能量的载体的特点，构建基站与用户间信号的收发模型；其中建立系统中基站与用户间的通信模型，包括：

(1)建立通信模型

1)系统参数设置

假设系统中的N个用户用U_n表示，n＝1,2,…,N，BS和所有用户终端各配备一个单天线，且BS和所有用户在同一频带上工作，进一步假设每个用户的瞬时状态信息在BS处是完全已知的，并且下行链路的信道功率增益由|h_n|²表示，上行链路的信道功率增益由|g_n|²表示，假设下行链路和上行链路信道都是准静态平坦衰落，其中|h_n|²和|g_n|²在每个块传输时间T内保持恒定，在一个块到另一个块之间变化；

由于BS总功率有限，有以下公式(1)约束，其中P代表BS基站的总传输功率，用户n的功率表示为p_n；

假设所有用户都能够从RF信号中获取能量并通过应用功率分配技术执行SWIPT，由能量收集单元和用于并发EH和ID的传统信号处理单元组成的接收器，假设所有用户终端都没有其他嵌入式能源，应用PS功率分裂技术，BS发送的信号分为两部分：一部分用于能量收集，另一部分用于信息传递，让α表示为ID分配给用户n的信息传输速率的分数，1-α对应于EH分配给用户n的传输功率的分数，用户从下行链路中获取的能量存储在可充电电池中，然后用于为上行链路中传输信息，

在每个块中，第一阶段的τ₀T被分配给用于BS向所有用户传输信号和能量的下行链路，其中0τ₀1，而同一块中的剩余时间被分配给用于用户上行链路的信息传输，在此期间，用户向BS传输反馈其独立信息，在上行链路中分配给用户U_n的时间量用τ_nT表示，0≤τ_n≤1,n＝1,2,…,N；那么对于时间，有公式(2)表示：

归一化单位块时间T＝1，而不失一般性；

(2)建立信号的收发模型

1)BS的发送信号模型

根据NOMA的原理，BS通过为用户分配不同的功率来叠加用户的消息，BS端发送的信号x可以用公式(3)表示为：

其中，x_n是用户n的消息；

2)用户n的接收信号模型

下行链路中用户n的ID接收器接收的信号由下式(4)给出：

其中N₀表示具有方差σ²的独立零均值加性高斯白噪声；

(3)分析时分双工情况下系统上行和下行的总吞吐量，对总吞吐量进行优化，包括：

(1)时分双工的下行链路传输过程

利用连续干扰消除SIC操作，某个用户可以通过用户U_i或者用户U_q表示，对于iq，每个用户U_i将从其观察到的信号中检测并移除U_q的消息，对于iq，用户q的消息将被视为噪声；通过将功率分配给信息接收器，下行链路在τ₀时间内，用户n的可实现的传输速率可以表示为公式(5):

那么下行链路的总传输速率由公式(6)表示：

用户n的EH接收器处收获的能量E_n由公式(7)表示：

其中η为能量收集效率，噪声功率非常小，因此可以忽略不计；

2)时分双工的上行链路传输过程

下行链路中用户收集的能量供上行链路反馈给基站信息使用，在上行链路的τ_n时间内，其功率p_2n由公式(8)所示：

其中δ为能量转换效率，上行链路中τ_n时间内，用户收获能量转换的用户反馈给基站的可实现传输速率由公式(9)所示：

所以，上行链路τ_n时间内的总传输速率由公式(10)所示：

(3)总吞吐量

同时最大化下行链路基站传输给用户和上行链路用户反馈给基站的总传输率，特别是，应考虑最小传输速率目标，最小传输能量需求和总功率预算及总传输时间来制定优化问题，在不失一般性的情况下，每个用户的服务质量QoS要求是等效的；

对下行链路和上行链路的信息传输速率的总和R给出公式(11)：

β是控制上行链路和下行链路之间的服务优先级的权重，权重向量和解向量之间没有先验对应关系，因此它取决于决策者选择适当的权重，因此，在不失一般性的情况下，将β视为优化问题中的常数，考虑到旨在最大化R，BS被设置为使用最大功率；

把公式(5)到(10)带入到(11)中，得到公式(12)：

R的优化问题可以在数学上如下公式(13a)～(13h)所示：

P1：max R(p,α,τ) (13a)

p0 (13f)

0α1 (13g)

τ0 (13h)

(13b)是每个用户的最小传输速率约束，(13c)是给定的最小传输能量需求；(13d)是BS的总发送功率预算，(13e)是总的传输时间要求，(13f)是BS为每一个用户分配的功率约束，(13g)是每个用户功率分裂比例系数的约束；(13h)是每个传输过程时间的非负约束；

R的优化问题是非凸的，因此一般来说很难解决，因为优化变量都是耦合的，利用块协调下降和逐次凸逼近技术提出了解决该问题的迭代算法；

(4)通过一种迭代算法来求解该问题，并通过算法找到最佳资源优化分配方案；

通过利用块协调下降和逐次凸逼近技术提出了一种迭代算法来求解该问题，使系统性能优化，包括：

(1)功率分裂比例系数优化

在迭代j中，对于给定的基站处的功率分配p^{j}和上下行链路中传输的时间部分τ^{j}，可以通过求解该问题来优化功率分裂比例系数α，优化成公式(14a)～(14d)，

P2：max R(α) (14a)

0α1 (14d)

通过计算，R(α)的Hessian矩阵可表示为公式(15)：

由于用户的功率分裂比率系数是独立的，可以得到公式(16)：

然后R(α)的Hessian矩阵简化为公式(17)：

所以，参数由下式(18)所示：

很明显，N，所以是半负定矩阵，因此R(α)是相对于α的凹函数，在这里，将目标函数重写，如下式(19)所示：

其中，表示用户n的上下行链路的总传输速率；

由于用户的功率分裂比率系数是不同的，整个系统的R的最大化等同于每个用户单独的上下行链路传输速率的最大化，因此，问题P2可以分为N个并行子问题，这些子问题可以使用相同的解决方案来解决；

根据每个用户的约束单独地最大化R_n(α_n)，然后统一来自所有子问题的解决方案集，P2的子问题见公式(20a)～(20d)的问题P3；

P3：

0α1 (20d)

根据问题P3的约束条件，应将R(α)的值限制为公式(21)所示：

其中，功率分裂比例α的下界确保用于信息解码的功率可以满足用户n的最小传输速率要求，并且功率分裂比例α的上界确保用于收获能量的功率能够满足最小收获的能量需求，此外，由于R_n相对于α_n是严格凹的，这意味着有一个唯一的根来最大化R_n，表示为如下式(22)：

将根表示为为了满足QoS要求，最终用户n的最佳功率分裂比率系数如式(23)：

因此P2的最佳解决方案其中，在所有约束条件下的变量p_n和τ_n分别替换为给定的和

(2)传输时间分配优化

在迭代j中，对于给定的功率分裂比例系数α^{j}和基站处的功率分配p^{j}，通过求解该问题来优化基站在下行链路向用户传输和每个用户在上行链路中向基站反馈的时间分配系数τ，优化成公式(24a)～(24e)：

P4：max R(τ) (24a)

τ0 (24e)

其中，在所有约束条件下，变量p_n和α_n分别替换为给定的和很显然，该问题是一个标准的凸问题，可以通过现有的优化工具如凸优化工具箱CVX有效地解决；

(3)基站发送功率分配优化

在迭代j中，对于给定的功率分裂比例系数α^{j}、基站在下行链路向用户传输和每个用户在上行链路中向基站反馈的时间分配系数τ^{j}，可以通过求解该问题来优化基站处的功率分配p优化成公式(25a)～(25e)，

P5：max R(p) (25a)

p0 (25e)

其中变量τ_n和α_n分别替换为给定值和由于(25a)、(25b)中的R(p)相对于p_n是非凸的，所以该问题是非凸的；

公式(25a)、(25b)可以重写如下公式(26a)、(26b):

为了处理非凸的公式(26a)、(26b)，利用逐次凸逼近技术来近似其中的第二对数函数，任何凹函数在任何点都可以由其一阶泰勒展开全局上界，具体地说，让表示上一次迭代中的基站发送的功率分配,在局部点处有以下凹下界如公式(27)：

在给定局部点p^{j}和如公式(27)的下界的情况下，通过引入最低吞吐量公式(28)如下：

因此，可以将问题(28)近似为以下问题：

P6：

p0 (29e)

其中变量τ_n和σ_n分别替换为给定的和该问题是一个凸优化问题，凸优化工具箱CVX也能有效地解决这个问题，注意到(29a)、(29b)中采用的下界意味着该问题的可行集总是该问题可行集的子集，因此，从该问题得到的发送功率的最优目标值一般是该问题的下界，应用公式(1)、(2)、(3)提出了R的优化问题的整体迭代算法；

具体地说，公式(13a)～(13h)中的整个变量被划分为三个块，即α、τ和p，在每次迭代中分别通过求解公式(14a)～(14d)，(24a)～(24e)和(29a)～(29e)进行交替优化，同时保持其他两个变量块不变，此外，每次迭代得到的解被用作下一次迭代的输入，最终在下一次迭代得到的总吞吐量和上一次迭代得到的总吞吐量小于设定的最小容忍度ε时，上一次迭代中公式所求得的α、τ和p的最优解即是得到的资源优化分配的方案。