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

doi:10.11772/j.issn.1001-9081.2023040534

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (4): 1202-1208.DOI: 10.11772/j.issn.1001-9081.2023040534

所属专题：网络与通信

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

毛志鹏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，上海 201620

收稿日期:2023-05-06 修回日期:2023-07-28 接受日期:2023-08-07 发布日期:2024-04-22 出版日期:2024-04-10
通讯作者: 仇润鹤
作者简介:毛志鹏（2000—），男，江西抚州人，硕士研究生，主要研究方向：认知中继网络
仇润鹤（1961—），男，上海人，教授，博士，主要研究方向：通信与信息系统、认知无线网络、认知协作中继网络、无线远程监控系统。qiurh@dhu.edu.cn
基金资助:
上海市自然科学基金资助项目(20ZR1400700)

Energy-spectrum efficiency trade-off for multi-cognitive relay network with decode-and-forward full-duplex maximum energy harvesting

Zhipeng MAO¹^,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，Shanghai 201620，China

Received:2023-05-06 Revised:2023-07-28 Accepted:2023-08-07 Online:2024-04-22 Published:2024-04-10
Contact: Runhe QIU
About author:MAO Zhipeng， born in 2000， M. S. candidate. His research interests include cognitive relay network.
QIU Runhe， born in 1961， Ph. D.， professor. His research interests include communication and information system， cognitive wireless network， cognitive cooperative relay network， wireless remote monitoring system.
Supported by:
Natural Science Foundation of Shanghai(20ZR1400700)

摘要/Abstract

摘要：

在无线携能（SWIPT）支持下的全双工多认知中继网络中，为使能效谱效最大，选择能量收集最大的中继进行解码转发，以此形成一个能效谱效权衡最优化问题，采用变量变换和凹凸过程优化方法将该问题转换为凸优化问题。当权衡因子为0时，该优化问题等价于使谱效（SE）最大的优化问题；当权衡因子为1时，该优化问题等价于使系统消耗的能量最小问题。为求解该优化问题，提出一种可以直接得到使能效（EE）最大的权衡因子的改进算法，通过联合源节点发射功率和功率分割因子进行优化。所提算法分为两步：首先固定功率分割因子，得到使EE最优的源节点发射功率和权衡因子；其次，固定最优的源节点发射功率，利用能效谱效与功率分割因子之间的关系，求得最优的功率分割因子。仿真实验结果表明，相较于剩余其他中继组成的网络，能量收集最大的中继网络在EE和SE上都更优。在能效谱效方面，与只优化发射功率的方法相比，所提算法的EE提高了63%以上，SE提高了30%以上；所提算法EE和SE与穷举法相差不大，同时算法收敛较快。

关键词: 全双工, 认知中继, 能量收集, 能效谱效, 权衡因子

Abstract:

In a full-duplex multi-cognitive relay network supported by Simultaneous Wireless Information and Power Transfer （SWIPT）， in order to maximize energy-spectrum efficiency， the relay with the maximum energy harvesting was selected for decoding and forwarding， thus forming an energy-spectrum efficiency trade-off optimization problem. The problem was transformed into a convex optimization problem by variable transformation and concave-convex process optimization method. When the trade-off factor was 0， the optimization problem was equivalent to the optimization problem of maximizing the Spectrum Efficiency （SE）. When the trade-off factor was 1， the optimization problem was equivalent to the problem of minimizing the energy consumed by the system. In order to solve this optimization problem， an improved algorithm that could directly obtain the trade-off factor for maximizing Energy Efficiency （EE） was proposed， which was optimized by combining the source node transmit power and the power split factor. The proposed algorithm was divided into two steps. First， the power split factor was fixed， and the source node transmit power and trade-off factor that made the EE optimal were obtained. Then， the optimal source node transmit power was fixed， and the optimal power split factor was obtained by using the relationship between energy-spectrum efficiency and power split factor. Through simulation experimental results， it is found that the relay network with the maximum energy harvesting is better in EE and SE than the network composed of other relays. Compared with the method of only optimizing the transmit power， the proposed algorithm increases the EE by more than 63%， and increases the SE by more than 30%； its EE and SE are almost the same as the exhaustive method， and the proposed algorithm converges faster.

Key words: full-duplex, cognitive relay, energy harvesting, energy-spectrum efficiency, trade-off factor

中图分类号:

TN925

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, 2024, 44(4): 1202-1208.

Zhipeng MAO, Runhe QIU. Energy-spectrum efficiency trade-off for multi-cognitive relay network with decode-and-forward full-duplex maximum energy harvesting[J]. Journal of Computer Applications, 2024, 44(4): 1202-1208.

图/表 11

图1 全双工多认知中继网络

Fig. 1 Full-duplex multi-cognitive relay network

表1 变量定义

Tab. 1 Definition of variables

变量	定义
$S$	次级网络源节点
$R m$	中继节点
$D$	次级网络目的节点
$P S$	主网络源节点
$R$	收集能量最大的中继
$P S$	源节点 $S$ 的发射功率
$P m a x$	源节点 $S$ 最大的发射功率
$P R m$	中继节点 $R m$ 的发射功率， $m ∈ {1,2, …, M}$
$P R$	中继节点 $R$ 的发射功率
$h S R m 2$	源节点 $S$ 与中继 $R m$ 之间的信道增益
$h S R 2$	源节点 $S$ 与中继 $R$ 之间的信道增益
$h R m D 2$	中继 $R m$ 与目的节点 $D$ 之间的信道增益
$h R D 2$	中继 $R$ 与目的节点 $D$ 之间的信道增益
$h r r 2$	中继节点剩余自干扰的信道增益，每个中继相同
$h s p 2$	源节点 $S$ 与源节点 $P S$ 之间的信道增益
$h r p 2$	中继 $R$ 与源节点 $P S$ 之间的信道增益
$h r m p 2$	中继 $R m$ 与源节点 $P S$ 之间的信道增益
$ρ$	功率分割因子， $ρ ∈ (0,1)$
$η$	能量转换效率
$t$	传输时间
$Q E E$	次级网络能效
$Q S E$	次级网络谱效
$I t h$	次级网络对主网络的干扰阈值
$n$	迭代次数
$w$	权衡因子
$w E E$	使能效最大的权衡因子

表1 变量定义

Tab. 1 Definition of variables

变量	定义
$S$	次级网络源节点
$R m$	中继节点
$D$	次级网络目的节点
$P S$	主网络源节点
$R$	收集能量最大的中继
$P S$	源节点 $S$ 的发射功率
$P m a x$	源节点 $S$ 最大的发射功率
$P R m$	中继节点 $R m$ 的发射功率， $m ∈ {1,2, …, M}$
$P R$	中继节点 $R$ 的发射功率
$h S R m 2$	源节点 $S$ 与中继 $R m$ 之间的信道增益
$h S R 2$	源节点 $S$ 与中继 $R$ 之间的信道增益
$h R m D 2$	中继 $R m$ 与目的节点 $D$ 之间的信道增益
$h R D 2$	中继 $R$ 与目的节点 $D$ 之间的信道增益
$h r r 2$	中继节点剩余自干扰的信道增益，每个中继相同
$h s p 2$	源节点 $S$ 与源节点 $P S$ 之间的信道增益
$h r p 2$	中继 $R$ 与源节点 $P S$ 之间的信道增益
$h r m p 2$	中继 $R m$ 与源节点 $P S$ 之间的信道增益
$ρ$	功率分割因子， $ρ ∈ (0,1)$
$η$	能量转换效率
$t$	传输时间
$Q E E$	次级网络能效
$Q S E$	次级网络谱效
$I t h$	次级网络对主网络的干扰阈值
$n$	迭代次数
$w$	权衡因子
$w E E$	使能效最大的权衡因子

图2 功率分割因子与γSR和γRD之间的关系

Fig. 2 Relationship between power split factor and γSR and γRD

表2 仿真参数

Tab. 2 Simulation parameters

参数	参数值
信道衰弱因子 $α$	2
自干扰信道增益 $h r r 2$	0.235
能量转换效率 $η$	0.5
静态电路消耗的功率 $P c$	5 dBm
高斯白噪声的方差 $σ 2$	20 dBm
源节点最大发射功率 $P m a x$	3 W
最小传输速 $C m i n$	0.01 bit/s
干扰阈值 $I t h$	4

表2 仿真参数

Tab. 2 Simulation parameters

参数	参数值
信道衰弱因子 $α$	2
自干扰信道增益 $h r r 2$	0.235
能量转换效率 $η$	0.5
静态电路消耗的功率 $P c$	5 dBm
高斯白噪声的方差 $σ 2$	20 dBm
源节点最大发射功率 $P m a x$	3 W
最小传输速 $C m i n$	0.01 bit/s
干扰阈值 $I t h$	4

图3 不同中继情况下网络谱效与源节点发射功率之间的关系

Fig. 3 Relationship between network spectrum efficiency and transmitting power of source node under different relay conditions

图4 不同中继情况下，网络能效与源节点发射功率之间的关系

Fig. 4 Relationship between network energy efficiency and transmitting power of source node under different relay conditions

图5 在不同功率分割因子下系统的能效和谱效

Fig. 5 System energy efficiency and spectrum efficiency under different power split factors

图6 系统能效的收敛性与迭代次数的关系

Fig. 6 Relationship between convergence of system energy efficiency and number of iterations

图7 系统能效谱效与权衡因子之间的关系

Fig. 7 Relationship between energy-spectrum efficiency of system and tradeoff factor

图8 不同优化方案下的能效

Fig. 8 Energy efficiency under different optimization schemes

图9 不同优化方案下的谱效

Fig. 9 Spectrum efficiency under different optimization schemes

参考文献 17

1	QIN D， ZHOU T. Energy efficiency in cognitive cooperative amplify and forward networks［J］. Sustainable Energy， Grids and Networks， 2022， 32： 100923. 10.1016/j.segan.2022.100923
2	KUMAR D， SINGYA P K， CHOI K， et al. SWIPT enabled cooperative cognitive radio sensor network with non-linear power amplifier［J］. IEEE Transactions on Cognitive Communications and Networking， 2023， 9（4）： 884-896. 10.1109/tccn.2023.3269511
3	AGRAWAL K， PRAKRIYA S， FLANAGAN M F. Optimization of SWIPT with battery-assisted energy harvesting full-duplex relays［J］. IEEE Transactions on Green Communications and Networking， 2021， 5（1）： 243-260. 10.1109/tgcn.2020.3035621
4	KUMAR D， SINGYA P K， NEBHEN J， et al. Performance of SWIPT-enabled FD TWR network with hardware impairments and imperfect CSI［J］. IEEE Systems Journal， 2023， 17（1）： 1224-1234. 10.1109/jsyst.2022.3183501
5	SHI L， YE Y， HU R Q， et al. Energy efficiency maximization for SWIPT enabled two-way DF relaying［J］. IEEE Signal Processing Letters， 2019， 26（5）： 755-759. 10.1109/lsp.2019.2906463
6	曹胜男，贾向东，郭艺轩，等.基于认知无人机移动中继网络的物理层安全通信研究［J］. 信号处理， 2022， 38（3）： 651-658.
	CAO S N， JIA X D， GUO Y X， et al. Research on physical layer security communication for cognitive UAV mobile relay network［J］. Journal of Signal Processing， 2022， 38（3）： 651-658.
7	王玉俊，罗丽平.基于无线携能和非正交多址接入的认知中继网络中断性能分析［J］.中山大学学报（自然科学版），2023，62（1）：169-180.
	WANG Y J， LUO L P. Outage performance analysis for cognitive relay networks based on SWIPT and NOMA［J］. Acta Scientiarum Naturalium Universitatis Sunyatseni， 2023， 62（1）： 169-180.
8	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， 2023， 43（10）： 3188-3194. 10.11772/j.issn.1001-9081.2022091414
	ZHANG Q， QIU R H. Trade-off between energy efficiency and spectrum efficiency for decode-and-forward full-duplex relay network［J］. Journal of Computer Applications， 2023， 43（10）： 3188-3194. 10.11772/j.issn.1001-9081.2022091414
9	CHU M， QIU R， JIANG X-Q. Spectrum-energy efficiency tradeoff in decode-and-forward two-way multi-relay networks［J］. IEEE Access， 2021， 9： 16825-16836. 10.1109/access.2021.3053073
10	S P， BABU A V. Power adaptation for enhancing spectral efficiency and energy efficiency in multi-hop full duplex cognitive wireless relay networks［J］. IEEE Transactions on Mobile Computing， 2022， 21（6）： 2143-2157. 10.1109/tmc.2020.3035529
11	CHATTERJEE S， MAITY S P， ACHARYA T. Energy-spectrum efficiency trade-off in energy harvesting cooperative cognitive radio networks［J］. IEEE Transactions on Cognitive Communications and Networking， 2019， 5（2）： 295-303. 10.1109/tccn.2019.2903503
12	PANSE V， SHARMA P K， JAIN T K， et al. Relay selection and nonlinear energy harvesting in full-duplex multi-relay cooperative network［J］. Physical Communication， 2023， 56： 101946. 10.1016/j.phycom.2022.101946
13	SULTAN K. Best relay selection schemes for NOMA based cognitive relay networks in underlay spectrum sharing［J］. IEEE Access， 2020， 8： 190160-190172. 10.1109/access.2020.3031631
14	BOHRA M， SAITH D， BITRAGUNTA S. Spectral efficiency optimization and analysis of time switching-based， energy harvesting spectrum sharing cooperative wireless system［C］// Proceedings of the 2021 IEEE International Conference on Electronics， Computing and Communication Technologies. Piscataway： IEEE， 2021： 1-5. 10.1109/conecct52877.2021.9622717
15	AMIN O， BEDEER E， AHMED M H， et al. Energy efficiency-spectral efficiency tradeoff： a multiobjective optimization approach［J］. IEEE Transactions on Vehicular Technology， 2016， 65（4）： 1975-1981. 10.1109/tvt.2015.2425934
16	YAN Y， ZHANG S. Energy efficiency maximization of the SWIPT-based full-duplex relay cooperative system［C］// Proceedings of the 2019 IEEE 19th International Conference on Communication Technology. Piscataway： IEEE， 2019： 398-403. 10.1109/icct46805.2019.8947258
17	王令照，仇润鹤.解码转发双向无线携能全双工中继系统的能效研究［J］. 信号处理， 2022， 38（4）：806-815. 10.16798/j.issn.1003-0530.2022.04.015
	WANG L Z， QIU R H. Energy efficiency research of decode-and-forward two-way simultaneous wireless information and power transfer full-duplex relay system［J］. Journal of Signal Processing， 2022， 38（4）： 806-815. 10.16798/j.issn.1003-0530.2022.04.015

[1]	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.
[2]	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.
[3]	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》唯一官方网站, 2022, 42(10): 3130-3139.
[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]	高雅, 张海林, 卢小峰. 能量收集无线网络中面向统计服务质量的最优功率分配[J]. 计算机应用, 2018, 38(1): 212-216.
[8]	李双李文敬孙环龙林中明. 基于多核机群的人工鱼群并行算法[J]. 计算机应用, 2013, 33(12): 3380-3384.
[9]	冯文郝顺义冯兴春范振洋. 基于改进B型灰色关联度与权衡因子的容错联邦滤波算法[J]. 计算机应用, 2012, 32(05): 1307-1310.
[10]	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.
[11]	高京伟. 考虑抗毁性及业务需求的站址规划算法[J]. 计算机应用, 2005, 25(07): 1704-1706.

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

Energy-spectrum efficiency trade-off for multi-cognitive relay network with decode-and-forward full-duplex maximum 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 17

相关文章 11

编辑推荐

Metrics