【技术实现步骤摘要】
基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法
本专利技术属于无线通信
，具体涉及基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法。
技术介绍
在过去的几年中，物联网已经在广泛的应用领域进行了技术创新，如智慧城市、智能工厂、智能家居、智能医院、自动驾驶汽车等。物联网预计将在未来6G网络中连接数十亿的传感器设备。然而，其中一个关键的挑战是能源问题，特别是对于某些特别的系统来说，电池更换传感器设备可能是非常昂贵的。因此，反向散射通信是一个有希望的解决方案。反向散射通信有能力从入射射频中获取能量，调制数据符号，并反射回相同的信号，而且无需传统的电池或电源插座提供能量。这一新兴技术可以有效地用于射频标签和各种低功耗物联网设备。通用的反向散射系统包括一个阅读器和一个无源后向散射装置(有或没有电源)。一般来说，无线电信号由阅读器产生并向反向散射装置传输。反向散射装置从无线电信号中获取一部分能量来为标签供电，并使用剩余的信号来调制数据并返回到收发器。虽然使用反向散射技术能够带来很多好处，然而...
【技术保护点】
1.基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法，具体包括以下步骤：/nA.所考虑的系统模型在每个小区源的传输功率、物联网设备的功率分配系数和反向散射传感器标签的有效反射系数联合优化的条件下，其最大能量效率可以表示为：/n
【技术特征摘要】 【专利技术属性】
1.基于NOMA的多小区下行反向散射传感器通信系统的能效优化方法，具体包括以下步骤：
A.所考虑的系统模型在每个小区源的传输功率、物联网设备的功率分配系数和反向散射传感器标签的有效反射系数联合优化的条件下，其最大能量效率可以表示为：
其中，Rk表示为源的和速率且满足Rk＝Ri,k+Rj,k，
Pk为源Sk的发射功率，Λi,k和Λj,k为源Sk的功率分配系数，hi,k和hj,k表示从物联网设备Di,k和Dj,k到源Sk之间的信道增益，hf,k表示从反向散射传感器标签到源之间的信道增益，Φf,k表示从反向散射传感器标签到其反射系数之间的信道增益，和是从反向散射传感器标签到物联网设备Di,k和Dj,k之间的信道增益；
和都是小区间干扰，和表示干扰信道增益，Pk′是来自源的干扰功率，β是不完美信道状态信息参数，pc是电路功率，σ2为加性高斯白噪声的方差；
B.由于目标函数中源的传输功率，每个小区内物联网设备的功率分配系数和反向散射传感器标签的反射系数这些耦合变量，步骤A中的优化问题属于非凸问题，很难直接求得最优解，为了有效解决这一问题，本发明先利用Dinkelback方法将目标函数进行简化，简化后的结果如下：
其中当时，可以求取到最大的能量效率Π*；
表达式(2)中的问题由于干扰项和耦合变量Λk和Φf,k的存在变得很难求解，因此，将问题(2)解耦为两个子问题，即反射系数选择子问题和发射功率分配子问题；
C.在计算了每个小区中反向散射传感器标签的有效反射系数，假设了在每个小区中任何给定功率分配则表达式(2)中的优化问题可以简化为反射系数选择子问题：
其中
假设Rk关于Φf,k的一阶导数为：其中：Ai,k＝(Xi,k+Φf,kYi,k)，Aj,k＝(Xj,k+Φf,kYj,k)，Bj,k＝(Zj,k+Φf,kWj,k)，Cj,k＝(Yj,kZj,k-Xj,kWj,k)；
它的二阶导数为：
其中：Ej,k＝Bj,k+Φf,kYj,k，
由于它的二阶导数总是小于零，因此Rk是关于Φf,k的一个非凸增函数，由于是一个关于Φf,k的非凸函数，因此公式(3)也是一个非凸问题，所以可以利用KKT条件来获得最优Φf,k；
D.为了求解最优Φf,k，利用对偶方法，去计算公式(3)中关于反向散射传感器标签的反射系数的凸优化问题的有效闭式解，公式(3)中的拉格朗日函数可定义为：
其中：R(Φf,k)＝Φf,k-1，λi,k，λj,k，μk，ηf,k均为拉格朗日算子，然后利用KKT条件：进行计算，经过计算后得到：
由于所以(5)式的左边大于零，
因此由于总是正的且Wj,k>Yj,k，λi,k>0，λj,k>0，
所以
由于需要满足KKT条件下的松弛互补条件，所以约束条件Q(Φf,k,i,k)和Q(Φf,k,j,k)和λi,k，λj,k一致均为正的，所以Q(Φf,k,i,k)＝0，Q(Φf,k,j,k)＝0，因此可计算出最优Φf,k为：
E.计算了源的有效发射功率和每个单元中物联网设备的功率分配系数，先将最优Φf,k带入到公式(2)中，所以公式(2)可以化简为：
技术研发人员：朱明甫，李兴旺，刘文奇，倪水平，马传琦，张威，吴银雪，张海洋，常振，
申请(专利权)人：河南垂天科技有限公司，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。