一种基于认知无线电的能量采集方法和装置与流程

本发明涉及通信技术领域，具体涉及一种基于认知无线电的能量采集方法及装置。

背景技术：

第五代(5g)线技术有望满足对无线设备的日益增长的需求，如高数据业务和无线电覆盖，移动终端的爆炸式增长导致了无线频谱资源的严重短缺，已成为一个突出的问题。作为缓解绿色通信和网络中频谱稀缺问题的有效途径之一，认知无线电(cr)是提高频谱利用率的有效途径之一。尽管cr技术可以显著提高频谱利用率，能源短缺仍然给无线用户的服务质量和寿命带来了严重的瓶颈问题。

近年来，提出了一种具有应用前景的无线携能通信(swipt)技术：将射频(rf)信号采集技术应用于无线通信中，对于解决能源短缺的瓶颈问题有很大的帮助。与传统的能量收集技术(例如太阳能和风能)相比，swipt在为便携式无线设备提供更稳定和更可控的能量方面具有优势。因此，swipt与cr的结合具有提高能量效率和频谱效率的双重功能，具有十分重要的研究意义，已经引起了广泛的关注。

另一方面，保密传输在通信系统中得到了广泛的关注。与网络层通常采用的传统加密方法不同,物理层安全性是从信息论方面发展起来的，以提高无线传输系统的保密能力。在传统的swipt系统中，通常假定能量收集接收器(ers)比信息接收器(irs)更接近发射器，因此产生了一个新的信息安全问题。在这种情况下，ers具有窃听发送到irs的信息的可能性，成为潜在的窃听者，因此物理层安全被认为是swipt系统的一个重要问题。在swipt中，在发射波束形成信号中嵌入人工噪声(an)，混淆窃听者，同时采集能量。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种基于认知无线电的能量采集方法及装置，能够在保证保密能力约束、接收能量功率约束、发射功率约束情况下，求得最小发射功率，从而安全有效的采集能量和传输信息。

第一方面，本发明提供一种基于认知无线电的能量采集方法，所述方法包括：

s1：采用带人工噪声的发射波束，保证保密能力约束、接收能量功率约束，得到最小发射功率模型；

s2：对发射波束和人工噪声进行联合设计，得到线性分式规划约束模型；

s3：引入松弛变量，采用sca方法对线性分式规划模型设计，得到凸优化模型；

s4：提出基于sca的迭代算法，利用cvx工具箱求得最优解vk,s，得到最小发射功率。

优选地，所述步骤s1具体包括：

在频率平坦的慢衰落信道中，得到st的信号矢量：

根据香农定理，得到k-thsu的信道容量：

其中s＝ss^h，根据sus接收信息保密能力约束、ers能量功率约束、总发射功率约束，得到最小发射功率模型：

s＞0

其中p为总发射功率，和表示k-thsu和pu的保密能力要求，表示l-ther接收功率的要求。

优选地，所述步骤s2具体包括：

在具有完备的信道信息状态情况下，对发射波束和人工噪声进行联合设计，得：

s＞0

定义和整理得：

优选地，所述步骤s3具体包括：

引入以下的指数变量进行等价转换，具体有松弛变量xk,yl,tk,rl,k,xp,ul,tp,sl，化简整理得到：

做凸约束整形，得到：

定义tk(n),rl,k(n),tp(n),sl(n)作为tk,rl,k,tp,sl在第n次迭代时的变量，采用泰勒级数展开式得到：

优选地，步骤s4具体包括：

在第(n+1)次迭代中，通过消除非凸约束转化为求的最优解，其中ω＝{vk,s,xk,yl,tk,rl,k,xp,ul,tp,sl},ψ(n)＝{tk(n),rl,k(n),tp(n),sl(n)}作为第n次迭代得到的最优解，使用凸优化cvx工具箱求解，得出满足约束条件下的最优解，进而得到最小发射功率

第二方面，本发明提供了一种能量收集装置，所述装置包括：

建模模块，用于构建采用带人工噪声的发射波束，保证保密能力约束、接收能量功率约束，得到最小发射功率模型；

线性约束模块，用于对发射波束和人工噪声进行联合设计，得到线性分式规划约束模型；

凸优化模块，用于引入松弛变量，采用sca方法对线性分式规划模型设计，得到凸优化模型；

cvx模块，用于利用cvx工具箱求得最优解vk,s，得到最小发射功率。

优选地，所述建模模块具体包括：

在频率平坦的慢衰落信道中，得到st的信号矢量：

根据香农定理，得到k-thsu的信道容量：

其中s＝ss^h，根据sus接收信息保密能力约束、ers能量功率约束、总发射功率约束，得到最小发射功率模型：

s＞0

其中p为总发射功率，和表示k-thsu和pu的保密能力要求，表示l-ther收获功率的需求。

优选地，所述线性约束模块具体包括：

在具有完备的信道信息状态情况下，对发射波束和人工噪声进行联合设计，得：

s＞0

定义和整理得：

优选地，所述凸优化模块具体包括：

引入以下的指数变量进行等价转换。引入松弛变量xk,yl,tk,rl,k,xp,ul,tp,sl，对其分别化简整理得到：

做凸约束整形，得到：

定义tk(n),rl,k(n),tp(n),sl(n)作为tk,rl,k,tp,sl在第n次迭代时的变量，采用泰勒级数展开式得到：

优选地，所述cvx模块具体包括：

在第(n+1)次迭代中，通过消除非凸约束转化为求的最优解，其中ω＝{vk,s,xk,yl,tk,rl,k,xp,ul,tp,sl},ψ(n)＝{tk(n),rl,k(n),tp(n),sl(n)}作为第n次迭代得到的最优解，使用凸优化cvx工具箱求解，得出满足约束条件下的最优解，进而得到最小发射功率

由上述技术方案可知，通过本发明提供的基于认知无线电的能量采集方法及装置，通过安全波束形成和人工噪声矩阵进行联合设计，解决在最小传输效率下有效采集能量的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是多输入单输出的swipt安全认知无线电网络结构示意图；

图2是本发明提供的基于人工噪声的认知无线电系统中能量采集方法的流程示意图；

图3是信息信号相对于各种e的迭代次数的平均发射功率；

图4是辅助发射机中信息信号相对于目标保密率的平均发射功率；

图5是主用户中信息信号相对于目标保密率的平均发射功率；

图6是信息信号相对于收获功率的平均发射功率；

图7是本发明提供的一种能量采集装置。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。

如图1所示，为本发明一实施例提供的基于人工噪声的认知无线电系统中能量采集方法，该方法包括如下步骤：

s1：采用带人工噪声的发射波束，保证保密能力约束、接收能量功率约束，得到最小发射功率模型；

s2：对发射波束和人工噪声进行联合设计，得到线性分式规划约束模型；

s3：引入松弛变量，采用sca方法对线性分式规划模型设计，得到凸优化模型；

s4：提出基于sca的迭代算法，利用cvx工具箱求得最优解vk,s，得到最小发射功率。

如图1所示，本实施例所述的方法应用于多输入单输出无线通信系统，其中包括2个主用户接收机、两个能量接收机，辅助发射机装备有六个发射天线。规定st到k-thsu、l-ther、pu的距离分别为pt到k-th、l-ther、pu的距离分别为pu、su、er的噪声设为所有sus的额外噪声为设eh的效率系数为ηc,l＝ηe,k＝0.3。

本实施例中，步骤s1具体过程如下：

辅助发射机采用带人工噪声的发射波束，得到来自辅助发射机的发射信号矢量：其中为发射波束矢量，sj满足为次级用户的承载信息信号，满足s表示携带能量的人工噪声。

需要说明的是，带人工噪声的发射波束作为对能量接收机的干扰，并且为次级用户提供能量。

根据st的发射信号矢量，可以得到pu、k-thsu、l-ther的接收到的信号。

具体来说，在频率平坦的慢衰落信道中，和表示pt和pu之间的信道，以及st和pu之间的信道。和表示pt和k-thsu之间的信道，以及st和k-thsu之间的信道。和表示pt和l-ther之间的信道，以及st和l-ther之间的信道。sp表示来自pt的满足的pu携带机密信息的信号。pp表示pt的发射功率。分别为pu、k-thsu、l-ther的复高斯噪声。得到st的信号矢量为：

根据香农定理，得到k-thsu的信道容量：

其中s＝ss^h，k-thsu利用连续干扰消除技术解码pt中的信息，得到：

l-ther信道容量为：

得到k-thsu的保密容量为：

为了得到更可靠的保密能力，将k-ther变形为：

从而得到k-thsu保密容量的下限：

根据pu接收信息，求得信道容量：

为了译码pu传来的信号，l-ther信道容量为：

在考虑最坏情况下，得到pu的最小保密容量：

由er得到的信息，求得er的接收功率:

其中0≤ηe,l≤1，表示l-ther的能量转换效率。

根据sus保密能力约束、ers功率约束、总发射功率约束，得到最小发射功率：

s＞0(13e)

p为总发射功率，和表示k-thsu和pu的保密能力要求，表示l-ther收获功率的需求。约束(13a)和(13b)保证k-thsu和pu分别达到最低保密率，约束(13c)保证了第l-ther处的最小收获功率不小于约束(13d)限制了st的总发射功率。

本实施例中，s2具体包括：

由于问题(13)是非凸问题，难以直接解决，在具有完善的信道信息状态，对发射波束和人工噪声进行联合设计，问题(13)重写为：

(13d),(13e)

为了解决问题(14)，规定问题(14a)(14b)将变为：

对其整理变形得到：

对于求解线性分式规划(16a)和(16b)，通过可以引入以下指数变量进行等价转换。引入松弛变量xk,yl,tk,rl,k,xp,ul,tp,sl，对(16a)(16b)整理得到(17)(18)，分别为：

由于上述(17a)(17d)(18a)(18d)及(18e)仍然是非凸的，对其做凸约束进行整形，得到：

在本实施例中，步骤s3具体包括：

采用sca方法对发射波束和人工噪声进行联合设计，定义tk(n),rl,k(n),tp(n),sl(n)作为tk,rl,k,tp,sl在第n次迭代时的变量，采用泰勒级数展开式将非凸约束(17d)(17e)(18d)(18e)转换为相应的凸逼近：

最后，考虑约束(14c)，它可以转换为：

在本实施例中，步骤s4具体包括：

根据(14)到(21)之间的方程，提出基于sca的迭代算法，在第(n+1)次迭代中，通过消除非凸一阶约束，问题(14)可以改为：

s.t.(13e)，(19a)，(19b)，(17b)，(17c)，(18b)，(18c)，(20)，(21),

vk＞0,ω＝{vk,s,xk,yl,tk,rl,k,xp,ul,tp,sl}.

对于给定的ψ(n)＝{tk(n),rl,k(n),tp(n),sl(n)}作为第n次迭代得到的最优解，使用凸优化cvx工具箱求解，得出满足约束条件的最优解vk,s,xk,yl,tk,rl,k,xp,ul,tp,sl，进而得到最小发射功率

由此可见，本实施例提出的一种基于认知无线电能量采集方法，将发射波束和人工噪声矩阵进行了联合设计，对于任何满足该模型的系统均适用。通过上述方法，在发射信号中加入人工噪声，在保密约束下获得最小发射功率，并将非凸问题转化为凸优化问题，大大降低了计算的复杂度。

下面将给出本发明的能量采集方案与现有的其它方案的比较，以使本发明的优势及特征更加明显。

图3为信息信号相对于各种e的迭代次数的平均发射功率，展示出了所提出的sca辅助迭代算法相对于迭代次数的收敛性能。其中，我们设pp＝20dbm，ε＝γ＝0.01。从图中可以很容易地看出，在5次迭代中，所有完全csi情形都能快速收敛。不考虑e的情况下，基于sca的鲁棒方案收敛速度慢于完全csi情况。这是因为基于sca的鲁棒方案中的变量数大于完全csi情况。

图4为su中信息信号相对于目标保密率的平均发射功率，展示了pp＝20dbm,e＝3dbm时，su信息信号相对于目标保密率的平均传输功率。结果表明，在ε＝0.01和0.1的情况下，在所有目标保密率范围内，完全csi方案的性能差距分别为0.5db和1.1db。

图5给出了在情况下，信息信号相对于收获功率的平均发射功率。可以从图中观察到。使得信息信号的平均发射功率随着在pu处的目标保密率变得较大而增加，当ε＝0.01和0.1时，理想的csi和稳健的sca辅助迭代算法曲线之间分别存在0.4db和0.9db的间隙。

图6为信息信号相对于收获功率的平均发射功率，从图中可以观察到ε＝0.01的鲁棒sca辅助迭代算法比非鲁棒迭代算法的性能高3.6db。当时，所提出的算法的性能变化缓慢，这是因为cr系统引入了人工噪声。

图7是本发明提供的一种能量收集装置的结构示意图，包括：

建模模块，用于构建采用带人工噪声的发射波束，保证保密能力约束、接收能量功率约束，得到最小发射功率模型；

线性约束模块，用于对发射波束和人工噪声进行联合设计，得到线性分式规划约束模型；

凸优化模块，用于引入松弛变量，采用sca方法对线性分式规划模型设计，得到凸优化模型；

cvx模块，用于利用cvx工具箱求得最优解vk,s，得到最小发射功率。

本实例中，所述建模模块具体包括：

在频率平坦的慢衰落信道中，得到st的信号矢量：

根据香农定理，得到k-thsu的信道容量：

其中s＝ss^h，根据sus接收信息保密能力约束、ers能量功率约束、总发射功率约束，求解最小发射功率。

本实例中，所述线性约束模块具体包括：

在具有完备的信道信息状态情况下，对发射波束和人工噪声进行联合设计，得：

s＞0

定义和整理得：

本实例中，所述凸优化模块具体包括：

引入以下的指数变量进行等价转换。引入松弛变量xk,yl,tk,rl,k,xp,ul,tp,sl，对其分别化简整理并做凸约束整形，得到：

定义tk(n),rl,k(n),tp(n),sl(n)作为tk,rl,k,tp,sl在第n次迭代时的变量，采用泰勒级数展开式

本实例中，所述cvx模块具体包括：

在第(n+1)次迭代中，通过消除非凸约束转化为求的最优解，其中ω＝{vk,s,xk,yl,tk,rl,k,xp,ul,tp,sl},ψ(n)＝{tk(n),rl,k(n),tp(n),sl(n)}作为第n次迭代得到的最优解，使用凸优化cvx工具箱求解，得出满足约束条件下的最优解，进而得到最小发射功率

以上所述，仅为本发明的具体实施方式，但是，本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替代，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。