一种双向中继网络下的能量优化方法

摘要

本发明一种双向中继网络下的能量优化方法，将能量消耗转化为分段规划的求和问题，当问题为凸时，采用传统的凸优化的方法进行优化，当凸条件不满足时，先给定传输功率，得到最优的信噪比阈值；然后基于最优的信噪比阈值，采用迭代算法寻找系统的最优功耗，在满足各个设备通信要求的前提下，使得系统的总能耗最小化，相比传统的最大功率传输策略，通过本发明的能量优化方法会减少65％的能耗。

主权项

一种双向中继网络下的能量优化方法，其特征在于包括如下步骤：步骤1、将系统的总能量损耗表示为分段求和问题，则系统优化问题可以表示为：受限于并且变量s_k＞0,t_k＞0,1≤k≤F；其中，移动终端用户表示为N＝{n_i,1≤i≤|N|},F为系统通信链路数，F＝2|N|+2，θ为功率放大器输出功率和消耗功率的比值；$s_k=\left\{\begin{array}{cc}{P}_{tr}(k,R)& 1\le k\le \left|N\right|\\ P_{tr}(R,k-|N\left|\right)& \left|N\right|+1\le k\le 2\left|N\right|\\ P_{tr}(B,R)& k=2\left|N\right|+1\\ P_{tr}(R,B)& k=2\left|N\right|+2\end{array}\right.;$P_tr(v₁,v₂)表示从到成功传输数据的传输功率，n_B为基站、n_R为中继节点；$t_k=\left\{\begin{array}{cc}{\gamma }_0(k,R)& 1\le k\le \left|N\right|\\ {\gamma }_0(R,k-|N\left|\right)& \left|N\right|+1\le k\le 2\left|N\right|\\ {\gamma }_0(B,R)& k=2\left|N\right|+1\\ {\gamma }_0(R,B)& k=2\left|N\right|+2\end{array}\right.$γ₀(v₁,v₂)为从到成功传输数据的SNR阈值；$D_k=\left\{\begin{array}{cc}{P}_{ct}^k+P_{cr}^R-P_{id}^k-P_{id}^R& 1\le k\le \left|N\right|\\ P_{ct}^R+P_{cr}^{k-\left|N\right|}-P_{id}^R-P_{id}^{k-\left|N\right|}& \left|N\right|+1\le k\le 2\left|N\right|\\ P_{ct}^B+P_{cr}^R-P_{id}^B-P_{id}^R& k=2\left|N\right|+1\\ P_{ct}^R+P_{cr}^B-P_{id}^R-P_{id}^B& k=2\left|N\right|+2\end{array}\right.$P_ct,P_cr,P_id分别表示除了功率放大器外的传输方的电路功率、接收方的电路功率和空闲功率；$M_k=\left\{\begin{array}{cc}\frac{1}{E\left[g_{k,R}\right]}& 1\le k\le \left|N\right|\\ \frac{1}{E\left[g_{R,k-\left|N\right|}\right]}& \left|N\right|+1\le k\le 2\left|N\right|\\ \frac{1}{E\left[g_{B,R}\right]}& k=2\left|N\right|+1\\ \frac{1}{E\left[g_{R,B}\right]}& k=2\left|N\right|+2\end{array}\right.$表示从到的信道增益；E[g]表示信道增益的数学期望；$L_k=\left\{\begin{array}{cc}{r}_k^u& 1\le k\le \left|N\right|\\ r_{k-\left|N\right|}^d& \left|N\right|+1\le k\le 2\left|N\right|\\ r_B^u& k=2\left|N\right|+1\\ r_B^d& k=2\left|N\right|+2\end{array}\right.$r_i^u,r_i^d表示移动终端用户n_i的上行和下行速率需求；上述公式中e为自然常数、W为信道带宽、N₀为噪声功率谱密度；当系统优化问题满足凸条件时，必须满足：其中表示最大传输功率；A_min为满足如下式子的A的最小值：$-\frac{2t_k}{1+t_k}+\frac{2(A+1)}{{(1+t_k)}^{2}log(1+t_k)}+\frac{(A+1)t_k^2}{{(1+t_k)}^2}\ge 0,\forall t_k\in [{\gamma }_0^{\min },{\gamma }_0^{\max }]$其中，表示最小的SNR阈值，表示最大的SNR阈值；此时采用传统的凸优化方法进行能量优化；步骤2、当系统优化问题不满足凸条件时(1)求出给定传输功率s_k时的最优信噪比阈值$t_k^{opt}\left(s_k\right)=\left\{\begin{array}{cc}{\gamma }_0^{\min }& t_k^0<{\gamma }_0^{\min }\\ t_k^0& {\gamma }_0^{\min }\le t_k^0\le {\gamma }_0^{\max }\\ {\gamma }_0^{\max }& t_k^0>{\gamma }_0^{\max }\end{array}\right.$其中满足那么系统优化问题可以转化为$min\underset{1\le k\le F}{\Sigma }\frac{L_k}{Wlog(1+t_k^{opt}(s_k\left)\right)e^{-\frac{N_0{\mathrm{WM}}_k{t}_k^{opt}\left(s_k\right)}{s_k}}}(\frac{s_k}{\theta }+D_k)$受限于并且变量s_k＞0,t_k＞0,1≤k≤F；定义(2)根据最优的信噪比阈值通过迭代算法进一步优化传输功率s_k：首先把优化问题的限制放开到搜索得到每条单链路能耗Z(s_k)最优化的s_k，这样得到s_k值是最优的，但是可能不满足所有链路总时间小于1的限制，接下来需要减少时间，这时需要寻找减少相同时间步长，能耗增加最少的链路，通过减少这种链路的时间来满足时间限制条件。