基于非线性能量收集的全双工认知中继网络的联合优化方法

doi:10.11772/j.issn.1001-9081.2021081460

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (10): 3130-3139.DOI: 10.11772/j.issn.1001-9081.2021081460

基于非线性能量收集的全双工认知中继网络的联合优化方法

王令照¹^,², 仇润鹤¹^,²

^1.东华大学信息科学与技术学院，上海 201620
^2.数字化纺织服装技术教育部工程研究中心（东华大学），上海 201620

收稿日期:2021-08-16 修回日期:2021-12-07 接受日期:2021-12-07 发布日期:2022-01-07 出版日期:2022-10-10
通讯作者: 王令照
作者简介:第一联系人：王令照（1997—），男，江西南昌人，硕士研究生，主要研究方向：全双工协作中继、认知无线电; 1208865394@qq.com
仇润鹤（1961—），男，上海人，教授，博士，主要研究方向：无线通信、数据处理与分析、认知无线电、智能检测系统。
基金资助:
国家自然科学基金资助项目(61671143)

Joint optimization method of full-duplex cognitive relay network based on nonlinear energy harvesting

Lingzhao WANG¹^,², Runhe QIU¹^,²

^1.College of Information Science and Technology，Donghua University，Shanghai 201620，China
^2.Engineering Research Center of Digitized Textile & Apparel Technology，Ministry of Education （Donghua University），Shanghai 201620，China

Received:2021-08-16 Revised:2021-12-07 Accepted:2021-12-07 Online:2022-01-07 Published:2022-10-10
Contact: Lingzhao WANG
About author:WANG Lingzhao， born in 1997， M. S. candidate. His research interests include full-duplex cooperative relay， cognitive radio.
QIU Runhe，born in 1961， Ph. D. ， professor. His research interests include wireless communications， data processing and analysis，cognitive radio， intelligent detection system.
Supported by:
National Natural Science Foundation of China(61671143)

摘要/Abstract

摘要：

针对信息传输过程的时间消耗和信道估计误差对网络能效的影响，提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。所提方法是在中继采用非线性能量收集并考虑非完美信道状态信息（CSI）的情况下，首先通过将能效非凸优化问题转化为两个凸的子优化问题，从而求出次用户和中继的传输功率以及收集的能量；其次，在保证主用户干扰门限以及最优传输功率非负的情况下，求出传输的信道容量范围；最后，将传输功率代入表达式得到关于时间的目标函数，并利用海森矩阵证明该目标函数为凸函数，进而求出最优传输时间以及功率分割因子，最终得出能效最优解。实验结果表明，在相同条件下，所提联合优化方法的能效相较于仅优化传输功率的能效提升了约84.3%；同时验证了信道估计误差因子为0.01时，所提方法的网络能效降低了约1.9%。

关键词: 非线性能量收集, 全双工, 认知中继网络, 非完美信道状态信息, 能效非凸优化

Abstract:

Aiming at the influence of the time consumption of the information transmission process and the channel estimation error on the energy efficiency of the network， a joint optimization method of full-duplex cognitive relay network based on nonlinear energy harvesting was proposed. The proposed method was based on the use of nonlinear energy harvesting in the relay and consideration the imperfect Channel State Information （CSI）. Firstly， the energy efficiency non-convex optimization problem was transformed into two convex sub-optimization problems to obtain the transmission power of the secondary user and the relay as well as the collected energy. Secondly， under the condition that the primary user interference threshold was guaranteed and the optimal transmission power was non-negative， the range of transmission channel capacity was obtained. Finally， the transmission power was substituted into the expression to obtain the time related objective function， and the Hessian matrix was used to prove that the objective function was a convex function， the optimal transmission time and power splitting factor were calculated， and the optimal solution of energy efficiency was obtained. Experimental results show that under the same conditions， the energy efficiency of the proposed joint optimization method is about 84.3% higher than that of only optimizing the transmission power. At the same time， it is verified that when the channel estimation error factor is 0.01， the energy efficiency of the network is reduced by about 1.9% by using the proposed method.

Key words: nonlinear energy harvesting, full-duplex, cognitive relay network, imperfect Channel State Information (CSI), energy efficiency non-convex optimization

中图分类号:

TN925

王令照, 仇润鹤. 基于非线性能量收集的全双工认知中继网络的联合优化方法[J]. 计算机应用, 2022, 42(10): 3130-3139.

Lingzhao WANG, Runhe QIU. Joint optimization method of full-duplex cognitive relay network based on nonlinear energy harvesting[J]. Journal of Computer Applications, 2022, 42(10): 3130-3139.

图/表 11

图1 非完美CSI下具有非线性能量收集全双工CR中继网络

Fig. 1 Full-duplex CR relay network with nonlinear energy harvesting under imperfect CSI

图2 整个时隙的传输状态图

Fig. 2 Transmission state diagram of entire time slot

表1 变量的定义

Tab. 1 Definition of variables

变量	定义
$h j k, i 2$	各信道的增益
$u i$	主用户对次用户的干扰
$n r$	干扰噪声
$τ$	信道估计误差因子
$E r 1$ 、 $E r 2$	收集的能量
$ρ$	功率分割因子
$I t h, i$	主用户受单个次用户的干扰门限
$T$	整个传输时间
$t 1 、 t 2$	两时隙的传输时间
$P s, i 、 P r 1, i 、 P r 2, i 、 P d, i$	各节点的发射功率
$P s r, i 、 P d r, i 、 P r 1 r, i 、 P r 2 r, i$	次用户和中继的接收功率

表1 变量的定义

Tab. 1 Definition of variables

变量	定义
$h j k, i 2$	各信道的增益
$u i$	主用户对次用户的干扰
$n r$	干扰噪声
$τ$	信道估计误差因子
$E r 1$ 、 $E r 2$	收集的能量
$ρ$	功率分割因子
$I t h, i$	主用户受单个次用户的干扰门限
$T$	整个传输时间
$t 1 、 t 2$	两时隙的传输时间
$P s, i 、 P r 1, i 、 P r 2, i 、 P d, i$	各节点的发射功率
$P s r, i 、 P d r, i 、 P r 1 r, i 、 P r 2 r, i$	次用户和中继的接收功率

表2 网络参数设置

Tab. 2 Network parameter setting

参数	值
次用户 $S 1$ 到中继R的距离 $d s r$	1 m
次用户 $S 1$ 到次用户 $D 1$ 的距离 $d s d$	2 m
中继R到次用户 $D 1$ 距离 $d r d$	1 m
主用户PU到次用户 $S 1$ 的距离 $d s p$	4 m
信道衰弱因子 $α$	2
自干扰信道增益 $h r r, i 2$	0.2
噪声干扰和主用户对次用户干扰 $σ 2 / 2$	0.25 dB
整个传输时间 $T$	2 s
信道带宽 $W$	3 Hz
次用户和中继的接收功率 $P s r, i 、 P d r, i 、 P r 1 r, i 、 P r 2 r, i$	0.25 W
静态电路消耗功率 $P c$	1.5 W
主用户接收功率 $P p r$	0.5 W
主用户受单个次用户的干扰门限 $I t h, i$	4 dB

表2 网络参数设置

Tab. 2 Network parameter setting

参数	值
次用户 $S 1$ 到中继R的距离 $d s r$	1 m
次用户 $S 1$ 到次用户 $D 1$ 的距离 $d s d$	2 m
中继R到次用户 $D 1$ 距离 $d r d$	1 m
主用户PU到次用户 $S 1$ 的距离 $d s p$	4 m
信道衰弱因子 $α$	2
自干扰信道增益 $h r r, i 2$	0.2
噪声干扰和主用户对次用户干扰 $σ 2 / 2$	0.25 dB
整个传输时间 $T$	2 s
信道带宽 $W$	3 Hz
次用户和中继的接收功率 $P s r, i 、 P d r, i 、 P r 1 r, i 、 P r 2 r, i$	0.25 W
静态电路消耗功率 $P c$	1.5 W
主用户接收功率 $P p r$	0.5 W
主用户受单个次用户的干扰门限 $I t h, i$	4 dB

图3 主用户、次用户和中继之间的距离关系

Fig. 3 Distance relationship between primary user， secondary user and relay

图4 求最优传输时间

Fig. 4 Solving optimal transmission time

图5 能效与次用户对内对称传输信道容量的关系

Fig. 5 Relationship between energy efficiency and capacity of symmetrical transmission channel within secondary user pair

图6 能效与次用户对内非对称传输信道容量的关系

Fig. 6 Relationship between energy efficiency and capacity of asymmetric transmission channel within secondary user pair

图7 能效与次用户对间非对称传输信道容量的关系

Fig. 7 Relationship between energy efficiency and capacity of asymmetric transmission channel between secondary user pairs

图8 最大能效与干扰门限Ith,i的关系

Fig.8 Relationship between maximum energy efficiency and interference threshold Ith,i

图9 能效与干扰噪声σ2的关系

Fig. 9 Relationship between energy efficiency and interference noise σ2

参考文献 22

1	THANGARAJ C A， VELKENNEDY A， PONMANI S. Simultaneous wireless information and power transfer in energy-augmented amplify and forward cooperative cognitive networks［J］. IET Communications， 2019， 13（14）： 2186-2191. 10.1049/iet-com.2018.5843
2	迟明洁. 5G大规模天线下的绿色通信技术［J］. 电信快报，2021（2）：37-39. 10.3969/j.issn.1006-1339.2021.02.009
	CHI M J. Green communication based on 5G massive MIMO［J］. Telecommunications Information， 2021（2）： 37-39. 10.3969/j.issn.1006-1339.2021.02.009
3	张平，李建武，冯志勇，等. 认知无线网络基础理论与关键技术研究［J］. 电信科学， 2014， 30（2）：1-13. 10.3969/j.issn.1000-0801.2014.02.001
	ZHANG P， LI J W， FENG Z Y， et al. Research on basic theory and key technology of cognitive radio network［J］. Telecommunications Science， 2014， 30（2）： 1-13. 10.3969/j.issn.1000-0801.2014.02.001
4	徐欣健，仇润鹤. 认知中继网络的物理层安全［J］. 计算机工程与应用， 2020， 56（6）：79-85. 10.3778/j.issn.1002-8331.1811-0293
	XU X J， QIU R H. Physical layer security of cognitive relay network［J］. Computer Engineering and Applications， 2020， 56（6）： 79-85. 10.3778/j.issn.1002-8331.1811-0293
5	HUANG J， XING C C， WANG C G. Simultaneous wireless information and power transfer： technologies， applications， and research challenges［J］. IEEE Communications Magazine， 2017， 55（11）： 26-32. 10.1109/mcom.2017.1600806
6	PONNIMBADUGE PERERA T D， JAYAKODY D N K， SHARMA S K， et al. Simultaneous Wireless Information and Power Transfer （SWIPT）： recent advances and future challenges［J］. IEEE Communications Surveys and Tutorials， 2018， 20（1）： 264-302. 10.1109/comst.2017.2783901
7	许晓荣，孙明杭，沈霖晖，等. 认知无线携能通信的关键技术及其研究进展［J］. 电信科学， 2020， 36（10）：87-101.
	XU X R， SUN M H， SHEN L H， et al. Key technologies and research progresses in cognitive SWIPT［J］. Telecommunications Science， 2020， 36（10）： 87-101.
8	鲁一民. 协作认知网络中无线信息与能量同传技术的研究［D］. 北京：北京邮电大学， 2020：11-12.
	LU Y M. Research on simultaneous wireless information and power transfer technology in collaborative cognitive network［D］. Beijing： Beijing University of Posts and Telecommunications， 2020：11-12.
9	LIU Z X， ZHOU M H， SHEN Y Y， et al. Energy-efficient resource allocation in wireless powered CCRNs with simultaneous wireless information and power transfer［J］. Computer Communications， 2020， 153： 159-168. 10.1016/j.comcom.2020.01.068
10	张士兵，韩刘可，张美娟. 基于能量收集的全双工认知中继网络功率分配算法［J］. 通信学报， 2020， 41（9）：139-146. 10.11959/j.issn.1000-436x.2020168
	ZHANG S B， HAN L K， ZHANG M J. Power allocation algorithm of full duplex cognitive relay network based on energy harvesting［J］. Journal on Communications， 2020， 41（9）： 139-146. 10.11959/j.issn.1000-436x.2020168
11	NGUYEN H V， NGUYEN V D， SHIN O S. In-band full-duplex relaying for SWIPT-enabled cognitive radio networks［J］. Electronics， 2020， 9（5）： No.835. 10.3390/electronics9050835
12	GUO S J， ZHOU X W， ZHOU X Y. Energy-efficient resource allocation in SWIPT cooperative wireless networks［J］. IEEE Systems Journal， 2020， 14（3）： 4131-4142. 10.1109/jsyst.2019.2961001
13	PENG H， LIN Y R， LU W D， et al. Joint resource optimization for DF relaying SWIPT based cognitive sensor networks［J］. Physical Communication， 2018， 27： 93-98. 10.1016/j.phycom.2018.02.003
14	沈霖晖，许晓荣，孙明杭. 无线携能网络中一种非线性能量收集与信息传输均衡策略［J］. 信号处理， 2020， 36（2）：217-223.
	SHEN L H， XU X R， SUN M H. A tradeoff strategy between nonlinear energy harvesting and information transmission in SWIPT network［J］. Journal of Signal Processing， 2020， 36（2）： 217-223.
15	李丽，曾凡仔，徐纪胜. 认知无线网络中基于能量采集的单向中继选择与功率分配方案［J］. 湖南大学学报（自然科学版）， 2021， 48（4）：66-73.
	LI L， ZENG F Z， XU J H. A joint relay selection and power allocation scheme based on energy harvesting in cognitive radio networks［J］. Journal of Hunan University （Natural Sciences）， 2021， 48（4）： 66-73.
16	SINGH S， BANSAL M. Performance analysis of NOMA-based AF cooperative overlay system with imperfect CSI and SIC［J］. IEEE Access， 2021， 9： 40263-40273. 10.1109/access.2021.3064177
17	LIU X R， DU W H. Energy-efficiency-based power allocation scheme in multi-user single-DF-relay cognitive networks［J］. Wireless Personal Communications， 2020， 114（3）： 1927-1941. 10.1007/s11277-020-07455-3
18	BOSHKOVSKA E， NG D W K， ZLATANOV N， et al. Robust resource allocation for MIMO wireless powered communication networks based on a non-linear EH model［J］. IEEE Transactions on Communications， 2017， 65（5）： 1984-1999. 10.1109/tcomm.2017.2664860
19	林家玉. 非完美CSI下认知双向中继系统的鲁棒功率分配研究［D］. 西安：西安电子科技大学， 2015： 21-24.
	LIN J Y. Robust power allocation for cognitive two-way relay networks with imperfect CSI［D］. Xi’an： Xidian University， 2015： 21-24.
20	CAI C X， QIU R H， JIANG X Q. Design and optimization for energy-efficient full-duplex transmission with direct links［J］. IEEE Transactions on Green Communications and Networking， 2020， 4（3）： 689-702. 10.1109/tgcn.2020.2979244
21	CUI Q M， SHANGGUAN Z C， ZHANG Y H， et al. Energy-efficient two-way transmission in regenerative full-duplex relaying systems［C］// Proceedings of the 2018 IEEE Wireless Communications and Networking Conference. Piscataway： IEEE， 2018： 1-6. 10.1109/wcnc.2018.8377321
22	ZHENG L F， LIU D， WEN Z G， et al. Robust beamforming for multi-user MISO full-duplex SWIPT system under non-linear energy harvesting model［J］. IEEE Access， 2021， 9： 14387-14397. 10.1109/access.2021.3052343

[1]	毛志鹏, 仇润鹤. 解码转发全双工能量收集最大的多认知中继网络能效谱效权衡[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1202-1208.
[2]	乔峰, 仇润鹤. 剩余硬件损伤下非线性能量收集全双工双向中继网络的吞吐量优化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3884-3892.
[3]	张茜, 仇润鹤. 解码转发全双工中继网络的能效谱效均衡[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3188-3194.
[4]	施安妮, 李陶深, 王哲, 何璐. 基于缓存辅助的全双工无线携能通信系统的中继选择策略[J]. 计算机应用, 2021, 41(6): 1539-1545.
[5]	周叶宁, 李陶深, 曾敏, 肖楠. 最小化具有无线携能通信的全双工中继系统发射功率和[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 363-368.
[6]	刘铭, 毛玉明, 冷甦鹏. 全双工无线供能物联网的物理层安全性能分析[J]. 计算机应用, 2018, 38(10): 2913-2917.
[7]	沈磊杨绍辉邱智亮. AFDX网络中基于虚拟计时的警管算法[J]. 计算机应用, 2008, 28(12): 3029-3031.

基于非线性能量收集的全双工认知中继网络的联合优化方法

Joint optimization method of full-duplex cognitive relay network based on nonlinear energy harvesting

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 22

相关文章 7

编辑推荐

Metrics