一种基于能效最优的协作通信系统资源分配方法与流程

技术特征：

1.一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。

2.根据权利要求1所述的资源分配方法，其特征在于：

所述优化问题P1的拉格朗日形式中的拉格朗日因子β_k,β_s,β_r,n的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是

${\mathrm{\β}}_k(\mathrm{\τ}+1)={\[{\mathrm{\β}}_k\left(\mathrm{\τ}\right)-{\mathrm{\δ}}_k\left(\mathrm{\τ}\right)(1-\underset{m=1}{\overset{M}{\Σ}}{\mathrm{\ρ}}_{m,k}(t\left)\right)\]}^{+}$

${\mathrm{\β}}_S(\mathrm{\τ}+1)={\[{\mathrm{\β}}_S\left(\mathrm{\τ}\right)-{\mathrm{\δ}}_s\left(\mathrm{\τ}\right)(P-\underset{k=1}{\overset{K}{\Σ}}{p}_{s,k}(t\left)\right)\]}^{+}$

${\mathrm{\β}}_{r,n}(\mathrm{\τ}+1)={\[{\mathrm{\β}}_{r,n}\left(\mathrm{\τ}\right)-{\mathrm{\δ}}_{r,n}\left(\mathrm{\τ}\right)(P_{r,n}-\underset{k=1}{\overset{K}{\Σ}}\underset{m\∈{\mathrm{\Ψ}}_n\left(t\right)}{\Σ}{\mathrm{\ρ}}_{m,k}(t\left)p_{r,k}\right(t\left)\right)\]}^{+}$

其中β_k(τ),β_s(τ),β_r,n(τ)分别表示第n次迭代的拉格朗日因子，δ_k(τ),δ_s(τ),δ_r,n(τ)分别表示相应的迭代步长。

3.根据权利要求2所述的资源分配方法，其特征在于：所述次梯度算法迭代更新方程的迭代步长可以设置成：

${\mathrm{\δ}}_k\left(\mathrm{\τ}\right)={\mathrm{\δ}}_s\left(\mathrm{\τ}\right)={\mathrm{\δ}}_{r,n}\left(\mathrm{\τ}\right)=\frac{1}{{\mathrm{\τ}}^2},n\∈\{1,2,...,N\},k\∈\{1,2,...,K\}.$

4.根据权利要求1所述的资源分配方法，其特征在于：所述步骤3优化问题P1的求解包括以下步骤：

步骤A1：初始化，设置功率迭代次数q＝0；

步骤A2：最优化中继端功率，对于每个子载波k，通过

计算设置

步骤A3：最优化基站端功率，对于每个子载波k，通过

计算设置

步骤A4：最优化分配因子ρ_m,k，对于每个子载波k，通过

计算设置Ω_m←Ω_m∪{k}，ξ←ξ-{k}；

步骤A5：q←q+1，如果q＜Q，重复步骤A2到步骤A4；否则算法结束。

5.根据权利要求1-4所述的任意一种资源分配方法，其特征在于，还包括步骤4：

步骤4：算法复杂度分析与对比；

通常的能效优化算法采用穷举法，穷举法找到最优解的复杂度公式可以表示为O(2M^KKlogK)，复杂度随子载波数目以及用户数目的增加而指数增加；

本发明算法复杂度公式则是一个关于子载波数目和用户数目的线性表达式

联合最优算法与中继个数相关，找到最优解的复杂度公式为O(MKN)。

6.根据权利要求1-4所述的任意一种资源分配方法，其特征在于，所述步骤2问题归结还包括：

假设所有子载波信道服从瑞利衰落，各个节点之间的信道增益服从零均值的复高斯分布，路径损耗采用Okumura-Hata模型：L(d)＝137.74+35.22lgddB，其中距离的单位为千米，定义基站端发射功率P_S的最大上限与最大传输功率P_max之间的关系为P_S＝P_max/2，定义系统的公平性