基于无线携能的NOMA异构网络的资源分配方法组成比例

本发明专利技术属于通信技术领域，特别涉及一种基于无线携能的NOMA异构网络的资源分配方法，包括在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路；构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；利用凸优化求解或者拉格朗日对偶方法对凸优化问题求解，获得飞基站分配给每个用户的发射功率、用于信息解码的传输时间，即获得资源分配方案；本发明专利技术在保证系统总能量效率最大化的同时，有效遏制了干扰，满足了用户的服务质量要求。

Resource allocation method of noma heterogeneous network based on wireless energy carrying

【技术实现步骤摘要】
基于无线携能的NOMA异构网络的资源分配方法
本专利技术属于通信
，特别涉及一种基于无线携能的NOMA异构网络的资源分配方法。
技术介绍
随着无线数据业务的不断增长，现有的频谱资源已经不能满足当前通信系统对高速率数据传输的快速增长需求。这种趋势使得频谱效率(SE)成为无线通信系统中设计和优化的主要性能指标。非正交多址接入技术(NOMA)和异构网络(HetNets)是提高SE的两种主要技术，NOMA可以通过允许更多用户共享相同子信道来改善通信系统的频谱效率，HetNets允许多个低功耗的小蜂窝以一种机会主义的方式接入宏蜂窝网络。因此，NOMA异构蜂窝网络成为5G通信网络的热门候选技术之一。与此同时，通信网络的能耗问题引起了大家的注意，它在经济和生态成本上都产生了严重影响，无线携能技术可以在无线网络环境中收集周围的射频能量为移动终端充电，以此减少能耗，实现绿色通信。很多文献都对基于无线携能技术的NOMA异构通信网络进行了研究，考虑了理想信道条件下的能效优化问题。事实上，由于SIC残存误差和信道时延，很难获取准确的信道增益。
技术实现思路
为了在信道不确定性条件下，保证宏用户的通信质量，最大化飞蜂窝系统的能量效率，本专利技术提出一种基于无线携能的NOMA异构网络的资源分配方法，包括：S1、在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路；S2、构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；S3、利用CVX或者拉格朗日对偶方法对优化问题求解，获得飞基站给每个用户的发射功率、用于信息解码的传输时间，用户根据飞基站分配的发射功率发射信息。进一步的，构建基于信道不确定性的资源分配模型的过程包括：S21、基于跨层干扰约束和飞基站的发射功率约束，建立满足飞蜂窝用户最小数据速率的资源分配模型；S22、根据随机优化理论，将资源分配模型优化为具有停机概率的鲁棒资源分配模型；S23、在具有停机概率的鲁棒资源分配模型的基础上，基于最小最大概率机方法，建立基于信道不确定性的资源分配模型。进一步的，基于信道不确定性的资源分配模型表示为：其中，k表示飞蜂窝用户，K为飞蜂窝用户的数量；m为宏用户；ηE为系统能效；xk表示用于信息解码的传输时间；pk为飞基站给第kk个飞蜂窝用户的发射功率；pmax为飞基站的最大发射功率；为考虑信道不确定性下的第k个飞蜂窝用户到第m个宏用户之间的估计信道增益；表示宏用户能承受跨层干扰的最大值；为信道增益向h的不确定性集合的不确定性集合；Δhk表示飞基站到第k个飞蜂窝用户之间的信道增益误差；为考虑信道不确定性下的飞蜂窝用户的数据速率；为飞蜂窝用户需求的最小速率。进一步的，采用无线携能技术，收集到的能量可以抵消一部分功率消耗，因此系统能效ηE表示为：其中，Rtotal为飞蜂窝总数据速率；Ptotal为实际的功率消耗；Rk飞蜂窝用户k的数据速率；为飞蜂窝网络总功率消耗；Etotal为飞蜂窝网络总共收集的能量；B为系统的带宽；σk为噪声功率。本专利技术方法在保证系统总能量效率最大化的同时，有效遏制了干扰，满足了用户的服务质量(QoS)要求。附图说明图1为本专利技术的系统模型；图2为本专利技术方法的求解流程图；图3为本专利技术在不同信道估计误差下，飞蜂窝用户总能量效率与宏用户中断概率阀值的曲线图；图4为本专利技术在不同信道估计误差下，宏用户实际接收干扰功率约干扰链路不确定性的曲线图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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实施例，都属于本专利技术保护的范围。本专利技术提供一种基于无线携能的NOMA异构网络的资源分配方法，如图2，包括：S1、在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路；S2、构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；S3、利用CVX或者拉格朗日对偶方法对凸优化问题求解，获得飞基站分配给每个用户的发射功率、用于信息解码的传输时间，用户根据飞基站分配的发射功率发送信息。进一步的，构建基于信道不确定性的资源分配模型的过程包括：S21、基于跨层干扰约束和飞基站的发射功率约束，建立满足飞蜂窝用户最小数据速率的资源分配模型；S22、根据随机优化理论，将资源分配模型优化为具有中断概率的鲁棒资源分配模型；S23、在具有中断概率的鲁棒资源分配模型的基础上，基于最小最大概率机方法，建立基于信道不确定性的资源分配模型。在本实施例中，如图1，在NOMA无线携能通信系统中部署一个宏基站和一个飞基站，定义宏用户集合飞蜂窝用户集合飞基站到飞蜂窝用户的信道增益满足h1≤h2≤···hk≤···≤hK，用户和基站都配置单天线，且不考虑波束成形；每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能。NOMA技术允许多个飞用户同时复用相同子信道，为了减少相互干扰并提高系统性能，我们在终端设备上采用串行干扰消除技术(SIC)，SIC按照信道增益的递增顺序。第k个飞蜂窝用户会检测到第i个飞蜂窝用户的信息，i＜k，并且将第i个用户的信息当作干扰消去，因此飞蜂窝用户k的数据速率Rk为：其中，xk表示第k个飞蜂窝用户用于信息解码的传输时间；pk表示第k个飞蜂窝用户的发射功率；hk为飞基站到第k个飞蜂窝用户之间的信道增益；σk表示第k个飞蜂窝用户的噪声功率。此外，由于飞蜂窝用户配备能量收集整流电路，可以将用户收集的能量Ek写作：其中，η表示能量收集端的功率转换效率。将飞蜂窝网络总功率消耗建模为线性模型，飞蜂窝网络总功率消耗表示为：其中，Pc表示飞基站的硬件电路的功率消耗；表示功率放大器漏极效率的倒数。因为采用无线携能技术，收集到的能量可以抵消一部分功率消耗，所以，实际的功率消耗Ptotal为：其中，Etotal为采用无线携能技术收集的能量。综上所述，系统的能效表示为：其中，Rtotal为飞蜂窝总数据速率；Ptotal为实际的功率消耗；B为系统的带宽。结合跨层干扰约束和飞基站的发射功率约束，建立满足每个飞蜂窝用户最小数据速率的功率分配优化问题，优化问题表示为：其中，在上述公式中的约束条件包括：传输时间约束以及发射功率非负约束C1本文档来自技高网...

【技术保护点】
1.一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，包括：/nS1、在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路以及采用串行干扰消除技术；/nS2、构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；/nS3、利用凸优化求解或者拉格朗日对偶方法对凸优化问题求解，获得飞基站分配给每个用户的发射功率、用于信息解码的传输时间，用户根据飞基站分配的发射功率发射信息。/n

【技术特征摘要】
1.一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，包括：
S1、在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路以及采用串行干扰消除技术；
S2、构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；
S3、利用凸优化求解或者拉格朗日对偶方法对凸优化问题求解，获得飞基站分配给每个用户的发射功率、用于信息解码的传输时间，用户根据飞基站分配的发射功率发射信息。


2.根据权利要求1所述的一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，构建基于信道不确定性的资源分配模型的过程包括：
S21、基于跨层干扰约束和飞基站的发射功率约束，建立满足飞用户最小数据速率的资源分配模型；
S22、根据随机优化理论，将资源分配模型优化为具有中断概率的鲁棒资源分配模型；
S23、在具有中断概率的鲁棒资源分配模型的基础上，基于最小最大概率机方法，建立基于信道不确定性的资源分配模型。


3.根据权利要求2所述的一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，建立满足飞蜂窝用户最小数据速率的资源分配模型包括：



s.t.C1:
C2:
C3:
C4:
其中，k表示第k个飞蜂窝用户，K为飞蜂窝用户的数量；ηE为系统能效；xk表示用于信息解码的传输时间；pk为飞基站给第k个飞蜂窝用户的发射功率pmax；pmax为飞基站的最大发射功率；Rk为第k个飞蜂窝用户需求的速率；为第k个飞蜂窝用户需求的最小速率；gk,m为第k个飞蜂窝用户到第m个宏用户之间的信道增益；表示第m个宏用户能承受跨层干扰的最大值。


4.根据权利要求2所述的一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，根据随机优化理论，将资源分配模型优化为具有中断概率的鲁棒资源分配模型包括：



s.t.C1:0≤xk≤1,pk≥0,
C2:
C3:
C4:
C5:
其中，k表示第k个飞蜂窝用户，K为飞蜂窝用户的数量；ηE为系统能效；m表示第m个宏用户；xk表示用于信息解码的传输时间；pk为飞基站给第kk个飞蜂窝用户的发射功率；hk表示飞基站到第k个飞蜂窝用户之间的信道增益；为飞基站的最大发射功率；Rk为飞蜂窝用户k需求的速率；为飞蜂窝用户需求的最小速率gk,m为第k个飞蜂窝用户到第m个宏用户之间的信道增益；表示宏用户能承受跨层干扰的最大值；αk表示第k个飞用户的中断概率阈值；βm表示第m个宏用户的中断概率阈值；表示飞基站到第k个用户之间的估计信道增益；Δhk表示飞基站到第k个用户之间的信道增益误差；为第k个飞蜂窝用户到第m个宏用户之间的估计信道增益；Δgk,m为第k个飞蜂窝用户到第m个宏用户之间的信道增益误差。


5.根据权利要求2所述的一种基于无线携能的NOMA异构网络的资源分配方法，其特征在于，基于信道不确定性的资源分配模型包括：



s.t.C1:
C2:












其中，k表示第k个飞蜂窝用户，K为飞蜂窝用户的数量；m为第m个宏用户；ηE为系统能效；xk表示用于信息解码的传输时间；pk为飞基站给第k个k个飞蜂窝用户的发射功率；pmax为飞基站的最大发射功率；为考虑信道不确定性下的第k个飞蜂窝用户到第m个宏用户之间的估计信道增益；表示宏用户能承受跨层干扰的最大值；为信道增益向h的不确定性集合；Δhk表示飞基...

【专利技术属性】
技术研发人员：徐勇军，刘子腱，谷博文，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50