一种基于无线供电反向散射通信网络的多载波资源分配方法与流程

本发明属于通信技术领域，涉及一种基于无线供电反向散射通信网络的多载波资源分配方法。

背景技术：

随着通信技术的发展，物联网(internetofthings，iot)成为提高工厂生产率和人们生活水平的一项非常重要的新兴技术。然而，物联网系统中的传感器节点是能量受限设备，因此如何延长网络的寿命就显得尤为重要。目前，无线反向散射通信(wirelesspoweredbackscattercommunication，wpcn)被认为是解决这一问题的有效途径。由于环境反向散射通信允许物联网设备调制和反射射频信号，而不需要自己产生射频信号，同时收集周围的电磁能量来支持电路功率消耗。因此，反向散射通信可以降低设备的能耗，提高设备的传输速率。

现有研究大部分是针对反向散射通信的能效、吞吐量和波束成形，没有对反向散射通信的多载波功率分配、时间系数以及反向散射系数的联合优化。传统多变量优化问题采用块坐标下降法和交替优化，只能获取局部最优值，不能获得全局最优的资源分配策略，还需要进行进一步的研究。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于无线供电反向散射通信网络的多载波资源分配方法，来解决物联网中无线设备高能耗，传输速率低的问题。

为达到上述目的，本发明提供如下技术方案：

一种基于无线供电反向散射通信网络的多载波资源分配方法，包括以下步骤：

s1：构建无线供电反向散射通信系统，包括反向散射发射机，信息接收器和功率站；所述反向散射发射机设有能量收集模块和反向散射电路；

采用多载波的下行传输方式，并将整个传输过程分为两个阶段：第一阶段，功率站发送射频信号到反向散射发射机，反向散射发射机反射部分信号，并将剩余射频信号转换为能量存储起来；第二阶段，反向散射发射机对反射信号进行译码，将收集的能量用于数据传输和电路功率消耗；

s2：根据电路功率消耗约束和发射功率约束，建立以系统总传输速率最大为目标函数的资源分配优化问题；

s3：根据目标函数与约束条件，分解出以反向散射发射机的发射功率为变量的优化子问题；

s4：将反向散射发射机的最优发射功率代入原问题后，相同地，从原优化问题中分解出以能量分配系数为变量的子问题；

s5：利用变量代换方法，将含有耦合变量的非凸问题转化为凸问题，利用拉格朗日对偶方法建立拉格朗日函数，并根据kkt条件获得最优解形式，利用梯度下降法对相应变量进行迭代更新，直到收敛。

进一步，步骤s1中，包括以下内容：

分别用t1和t2表示传输过程两个阶段的所用时间，t＝t1+t2为整个传输过程需要的时间；系统总带宽b被分为k个正交子载波，每个子载波的带宽为be＝b/k；定义子载波集合为假设每个子载波经历平坦衰落；

在第一阶段t1，反向散射发射机接收到的信号为

其中，pk为功率站通过子载波k分配给反向散射发射机的发射功率，hk表示从功率站到反向散射发射机的信道功率增益，sk(t)为传输信号，n(t)为背景噪声且n(t)～cn(0,σ²)；

反向散射发射机接收的信号通过反向散射系数α被分为两部分，用于数据的反向散射，用于能量收集，在t1阶段，将能量收集所用时间表示为τ，τ≤t1，收集到的能量为：

其中，η∈[0,1]为能量收集效率，收集到的能量用于支持电路功率消耗以及t2阶段的信息传输；

假设用于电路功率消耗的能量为(1-x)e，剩下的能量xe用于信息传输，其中，x表示能量分配系数，从而得到：

(1-x)e≥pet1+pdt2

其中，pe和pd分别为t1、t2时间段的电路功率消耗，即：将收集到的能量用于电路功率消耗的能量必须大于或等于t1和t2时间段电路的总功率消耗；

假设反向散射发射机能解码反向散射信号，定义每个子载波上的背景噪声功率为σk＝σ²/k；从反向散射发射机到信息接收器的反向散射数据速率为

其中，gk表示反向散射发射机到信息接收器的信道功率增益，be为每个子载波的带宽，定义在t2阶段，反向散射发射机在每个子载波上的发射功率为pk，每个子载波的数据速率为

其中，κ∈[0,1]表示传输效率。

进一步，步骤s2中，为了提高整个系统的传输效率，通过联合优化发射功率，时间系数和反向散射系数获得信息接收器的最大总传输速率，建立资源分配优化问题为：

其中，p^max为功率站的最大发射功率，为反向散射发射机接收到的信号总功率，为总数据速率，c1表示最小电路功率消耗约束，c2表示t2阶段反向散射发射机的最大发射功率约束，c4为功率站的最大发射功率约束。

进一步，步骤s3中，反向散射发射机的发射功率pk只受c2约束，分解出子优化问题并利用注水算法求解，首先找到最优的并代入优化问题；

反向散射发射机发射功率的子优化问题写作：

上述问题，约束条件为线性约束，且目标函数为凹函数，为凸优化问题；定义利用注水算法得到最优发射功率为

其中，[x]⁺＝max(0,x)，λ为拉格朗日乘子，且λ满足如下公式：

求得代入发射功率pk，得到t2阶段的最优功率分配策略：

如果收集到的能量更多的用于数据传输，发射功率会更大，总数据速率也会更大；当功率站的发射功率pk变大，也会变大；由于反向散射发射机没有储能设备，传输速率受到能源节点(功率站)的限制。

进一步，步骤s4中，将代入原优化问题，分解出能量系数的子优化问题：

s.t.c1:(1-x)τη(1-α)ps≥pet1+pdt2,

c7:0≤x≤1.

其中，为常数，由于上述子优化问题的目标函数是关于能量分配系数x的单调递增函数，根据约束c1和c7，x的取值为由于约束c1不等式的右边大于零，当x＝1时，不满足约束条件，因此，最优的能量分配系数为又因为x≥0，反向散射系数α必定满足同样地，利用相同方法得到最优的能量收集时间τ^*＝t1＝t-t2。

进一步，步骤s5中，将x^*和τ^*代入原优化问题，得到如下时间、功率分配优化问题：

c9:0≤α≤1-b/a,

其中lk＞0为辅助变量，表示目标函数第二项的下界，a＝t1ηps为辅助变量；b＝pet1+pdt2为总电路功率消耗。

进一步，根据约束c10，得到将c9和c10联立为一个约束；

定义变量代换lk＝t2lk，代入时间、功率分配优化问题，转化为凸优化问题：

进一步，根据所描述的时间、功率分配优化问题，利用拉格朗日对偶方法建立拉格朗日函数：

其中，βk和λ表示对应约束的非负朗格朗日乘子；将上述拉格朗日函数改写为：

其中，

根据karush-kuhn-tucker条件，最优解为

其中[x]⁺＝max(0,x)；将和代入上述拉格朗日函数得到：

基于梯度下降法，对于参数进行迭代更新，有

其中，

t表示迭代次数，δp和δt为对应的迭代步长；同理，对于拉格朗日乘子βk和λ使用相同方法进行更新，直到收敛；根据变量代换所定义的变量间关系，求解反向散射系数最优值以及功率站到反向散射发射机的最优功率分配策略将α^*、τ^*代入之前对能量分配系数和反向散射发射机的发射功率的推导求出x^*和

本发明的有益效果在于：建立了一种新的反向散射通信系统结构：无线供电反向散射通信系统，功率站发射信号到反向散射发射机，反向散射发射机具备反向散射通信和能量收集的功能。时间资源块分为两部分，在第一阶段，功率站发送射频信号到反向散射发射机，反向散射发射机反射部分信号，并从剩余信号中收集能量，第二阶段，反向散射发射机对反射信号进行译码，将收集的能量用于数据传输和电路功率消耗。通过建立总传输速率最大化优化问题，获得功率站在所有子载波上的功率分配、时间系数、反向散射系数、能量分配系数等多个变量的最优值。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述基于无线供电反向散射通信网络的多载波资源分配方法流程示意图；

图2为本发明的系统模型示意图；

图3为在不同算法下，能量收集时间系数与功率站最大发射功率门限值间的曲线图；

图4为在不同算法下，总数据速率与功率站最大发射功率门限值间的曲线图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，本发明提供的基于无线供电反向散射通信网络的资源分配方法，包括以下步骤：

步骤1：如图2所示，构建无线供电反向散射通信系统，包括一个反向散射发射机，一个信息接收器和一个功率站。反向散射发射机配备能量收集模块和反向散射电路。为提高数据传输速率，采用多载波的下行传输方式，并将整个传输过程分为两个阶段，第一阶段，功率站发送射频信号到反向散射发射机，反向散射发射机反射部分信号，并将剩余射频信号转换为能量存储起来。第二阶段，反向散射发射机对反射信号进行译码，将收集的能量用于数据传输和电路功率消耗。

步骤2：构建总传输速率最大化优化模型，将复杂的优化问题分解为多个子问题，最后通过变量代换将含有耦合变量的非凸问题转换为凸问题。

步骤3：利用注水算法和梯度下降方法对传输功率、传输时间、反向散射系数和能量分配系数进行联合优化，获取最优资源分配策略。

其中对于求解资源分配的优化过程包括：

1)、基于电路最小功率消耗约束和最大发射功率约束，考虑功率分配、时间系数、反向散射系数、能量分配系数的取值范围，建立以最大化系统总传输速率为目标函数的优化问题。

2)、从原优化问题中分解出以反向散射发射机的发射功率为优化变量的子优化问题，反向散射发射机的发射功率受限于能量收集过程获得的能量，利用注水算法求反向散射发射机的发射功率最优值。

3)、从原优化问题中分解出以反向散射发射机的能量分配系数为优化变量的子优化问题，反向散射发射机将收集的能量一部分用于电路功率消耗，另一部分用于数据传输。求出能量分配系数和能量收集时间的最优值。

为了更好地理解本发明实施例所述的无线供电反向散射通信网络的资源分配方法，对其进行详细说明，具体包括以下步骤：

s1，构建无线供电反向散射通信系统，包括一个反向散射发射机，一个信息接收器和一个功率站的反向散射通信系统。将整个传输过程分为两个阶段，在第一阶段，功率站发送射频信号到反向散射发射机，反向散射发射机反射部分信号，并从剩余信号中收集能量，第二阶段，反向散射发射机对反射信号进行译码，将收集的能量用于数据传输和电路功率消耗。

分别用t1和t2表示传输过程两个阶段的所用时间，t＝t1+t2为整个传输过程需要的时间。系统总带宽b被分为k个正交子载波，因此每个子载波的带宽为be＝b/k。定义子载波集合为假设每个子载波经历平坦衰落。由于功率站距离信息接收器较远，忽略它们之间的干扰。

在第一阶段t1，反向散射发射机接收到的信号为pk为功率站通过子载波k分配给反向散射发射机的发射功率，hk表示从功率站到反向散射发射机的信道功率增益，sk(t)为传输信号，n(t)为背景噪声且n(t)～cn(0,σ²)。

反向散射发射机接收的信号通过反向散射系数α被分为两部分，用于数据的反向散射，用于能量收集，在t1阶段，由于反向散射发射机的电池容量限制，将能量收集所用时间表示为τ，τ≤t1。所以，收集到的能量为：

其中，η∈[0,1]为能量收集效率。收集到的能量用于支持电路功率消耗以及t2阶段的信息传输。假设用于电路功率消耗的能量为(1-x)e，剩下的能量xe用于信息传输。其中，x表示能量分配系数，我们可以得到：

(1-x)e≥pet1+pdt2

其中，pe和pd分别为t1、t2时间段的电路功率消耗。即将收集到的能量用于电路功率消耗的能量必须大于或等于t1和t2时间段电路的总功率消耗。

假设反向散射发射机可以解码反向散射信号，定义每个子载波上的背景噪声功率为σk＝σ²/k。从反向散射发射机到信息接收器的反向散射数据速率为

其中，gk表示反向散射发射机到信息接收器的信道功率增益，be为每个子载波的带宽，定义在t2阶段，反向散射发射机在每个子载波上的发射功率为pk，每个子载波的数据速率为

其中，κ∈[0,1]表示传输效率。

s2，根据电路功率消耗约束和发射功率约束，建立以系统总传输速率最大为目标函数的资源分配优化问题。

为了提高整个系统的传输效率，通过联合优化发射功率，时间系数和反向散射系数获得信息接收器的最大总传输速率，建立资源分配优化问题为：

其中，p^max为功率站的最大发射功率，为反向散射发射机接收到的信号总功率，为总数据速率，c1表示最小电路功率消耗约束，c2表示t2阶段反向散射发射机的最大发射功率约束，c4为功率站的最大发射功率约束。

s3，根据目标函数与约束条件，分解出以反向散射发射机的发射功率为变量的优化子问题。

为了找到闭式解，根据上述优化问题，可以看出反向散射发射机的发射功率pk只受c2约束，可以分解为子优化问题，并利用注水算法求解，因此我们首先找到最优的并代入上述优化问题。

反向散射发射机发射功率的子优化问题可以写作：

上述问题，约束条件为线性约束，且目标函数为凹函数，为凸优化问题。定义利用注水算法可以得到最优发射功率为

其中，[x]⁺＝max(0,x)，λ为拉格朗日乘子，且λ满足如下公式：

求得代入发射功率pk，可以得到t2阶段的最优功率分配策略：

如果收集到的能量更多的用于数据传输，发射功率会更大，总数据速率也会更大。当功率站的发射功率pk变大，也会变大。由于反向散射发射机没有储能设备，因此，传输速率受到能源节点(功率站)的限制。

s4，将反向散射发射机的最优发射功率代入原问题后，相同地，从原优化问题中分解出以能量分配系数为变量的子问题。

将代入原优化问题，分解出能量系数的子优化问题：

s.t.c1:(1-x)τη(1-α)ps≥pet1+pdt2,

c7:0≤x≤1.

其中，为常数，由于上述子优化问题的目标函数是关于能量分配系数x的单调递增函数，根据约束c1和c7，x的取值应为由于约束c1不等式的右边大于零，当x＝1时，不满足约束条件，因此，最优的能量分配系数为又因为x≥0，反向散射系数α必定满足同样地，利用相同方法可以得到最优的能量收集时间τ^*＝t1＝t-t2。

s5，利用变量代换方法，将含有耦合变量的非凸问题转化为凸问题，利用拉格朗日对偶方法建立拉格朗日函数，并根据kkt条件获得最优解形式，利用梯度下降法对相应变量进行迭代更新，直到收敛。

再将x^*和τ^*代入原优化问题，可以得到如下时间、功率分配优化问题：

c9:0≤α≤1-b/a,

其中lk＞0为辅助变量，表示目标函数第二项的下界，a＝t1ηps为辅助变量；b＝pet1+pdt2为总电路功率消耗，根据约束c10，可以得到因此可以将c9和c10联立为一个约束。

定义变量代换lk＝t2lk，代入时间、功率分配优化问题，转化为凸优化问题：

利用拉格朗日对偶方法建立拉格朗日函数：

其中，βk和λ表示对应约束的非负朗格朗日乘子。

根据karush-kuhn-tucker条件，最优解为其中[x]⁺＝max(0,x)。将和代入上述拉格朗日函数得到：

基于梯度下降法，对于参数进行迭代更新，有t1(t)＝t-t2(t)，其中，t表示迭代次数，δp和δt为对应的迭代步长。同理，对于拉格朗日乘子βk和λ使用相同方法进行更新，直到收敛。根据变量代换所定义的变量间关系，可以求解反向散射系数最优值以及功率站到反向散射发射机的最优功率分配策略将α^*、τ^*代入之前对能量分配系数和反向散射发射机的发射功率的推导即可求出x^*和

本实施例所提出的基于无线供电反向散射通信网络的系统性能如图3、4所示，通过将本发明提出的混合方法与反向散射通信(x＝0)以及能量收集通信(α＝0)进行比较。

图3描述了能量收集阶段的时间系数与功率站最大发射功率间的曲线图，当功率站的最大发射功率门限提高，能量收集的持续时间变长，因为当能量收集的时间越长，也就是t1阶段越长，信息接收器收到的反向散射信号越多，同时，在t2阶段就有更多的能量用于数据传输，从而进一步提高整体数据速率。

图4描述了总数据速率与功率站最大发射功率间的曲线图，总数据速率随着功率站的最大发射功率门限增大而增大，本发明的算法相较于其他两种算法，具有最好的性能，而能量收集通信模式性能最差。更大的发射功率可以分配给每个子载波更大的功率，也会收集到更多能量用于t2阶段的数据传输，从而提高用户速率。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。