一种智能超表面辅助无线供电网络的稳健能效优化方法技术

本发明专利技术涉及一种智能超表面辅助无线供电网络的稳健能效优化方法，属于6G无线资源管理技术领域，包括：S1：建立智能超表面辅助多用户无线供电通信网络场景能量及信息传输模型；S2：考虑用户能量消耗约束、传输时间约束、最小吞吐量约束、能量站最大发射功率约束和智能超表面反射相移约束，建立基于有界信道不确定性智能超表面辅助的多用户无线供电通信网络能效最大化稳健资源分配模型；S3：将目标函数转换为两项相减形式，并将原优化问题转换为确定性形式；S4：利用交替优化法和变量替换法将确定性非凸优化问题转化成稳健性凸优化问题；S5：利用半正定规划和高斯随机化法对上述凸优化问题进行求解。本发明专利技术具有较好的能效和稳健性。性。性。

【技术实现步骤摘要】
一种智能超表面辅助无线供电网络的稳健能效优化方法


[0001]本专利技术属于6G无线资源管理
，涉及一种智能超表面辅助无线供电网络的稳健能效优化方法。

技术介绍

[0002]随着物联网技术快速发展，物联网设备分布在生活方方面面，据思科数据显示，预计到2030年物联网设备将达到5000亿，使维持大规模能量受限的设备运作成为物联网发展的一个关键挑战。近年来，无线供电通信网络(wireless
‑
powered communication network,WPCN)被认为是解决物联网设备能量短缺问题的有效技术之一。该技术充分利用电磁波的辐射特性，允许物联网设备优先收集空间中的射频信号，然后再与信息接收机通信，从而达到延长物联网设备运行寿命的目的。在WPCN中，无线设备的上行信息传输性能极度依赖于下行能量传输效率，由于能量传输路径损耗，限制了通信性能。尽管目前对WPCN资源分配的研究已有初步进展，包括最大化系统吞吐量，实现加权和速率最大化，增强下行能量传输效率及最大化系统能效。
[0003]然而，在实际大规模物联网通信场景下，由于复杂的通信环境，无线设备随机性部署，导致能量传输链路极易遭受遮蔽效应影响。最近，智能超表面作为一种新兴技术，为提升WPCN能量传输效率、增加能量站覆盖范围和连接性提供了新的解决方案。虽然当前专家学者的工作为提升智能超表面辅助的WPCN系统吞吐量/和速率做出了杰出的贡献，但是对于能量收集系统而言，没有考虑到WPCN的能量利用率问题。此外，过往工作主要集中在研究信道状态信息完美场景，而缺乏研究信道参数不确定性带来的影响。一方面，智能超表面不具有信号发送和接收功能，因此无法进行精确信道估计。另一方面，由于信道传输时延和估计误差会带来不确定性参数扰动问题。因此研究智能超表面辅助多用户WPCN稳健能效资源分配具有十分重要的意义。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种智能超表面辅助无线供电网络的稳健能效优化方法，考虑最小收集能量、智能超表面相移、最小吞吐量等约束，基于有界信道不确定性，建立一个联合优化能量波束、相移、传输时间的多变量耦合非线性资源分配模型。然后，利用最坏准则、变量替换和S
‑
Procedure等方法，将原非凸问题转换为确定性凸优化问题，同时，提出一种基于迭代的稳健能效最大化算法进行求解。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种智能超表面辅助无线供电网络的稳健能效优化方法，包括以下步骤：
[0007]S1：建立智能超表面辅助多用户无线供电通信网络场景能量及信息传输模型；
[0008]S2：考虑用户能量消耗约束、传输时间约束、最小吞吐量约束、能量站最大发射功率约束和智能超表面反射相移约束，建立基于有界信道不确定性智能超表面辅助的多用户无线供电网络(WPCN)能效最大化稳健资源分配模型；
[0009]S3：利用Dinkelbach方法将目标函数转换为两项相减形式，并利用Worst
‑
case方法和S
‑
procedure方法将原优化问题转换为确定性形式，得到确定性非凸优化问题；
[0010]S4：利用交替优化法和变量替换法将确定性非凸优化问题转化成稳健性凸优化问题；
[0011]S5：利用半正定规划和高斯随机化法对上述凸优化问题进行求解。
[0012]进一步，步骤S1具体包括：
[0013]建立智能超表面辅助多用户无线供电通信网络场景下，第k个用户能量收集及速率模型分别为
[0014][0015][0016]其中，和分别是能量站到智能超表面和智能超表面到第k个用户的信道矩阵和信道向量；是智能超表面的反射系数矩阵，其中，θ
n
∈[0,2π)代表第n个反射单元的相移；为能量站的波束成形矩阵，且其中为能量信号；0≤η≤1为能量转换效率；t0为能量传输时间；t
k
为第k个用户的信息传输时间；g
k
表示第k个用户到信息接收站的信道增益；δ2表示噪声功率；p
k
为用户发射功率；
[0017]系统总吞吐量表示为：
[0018][0019]系统消耗总能量表示为：
[0020][0021]其中，和分别为能量站和信息接收站的电路功耗，为每个反射单元的电路功耗，为第k个用户的电路功耗。
[0022]进一步，在所述步骤S2中，为了最大限度保证用户通信质量，考虑能量传输链路和信息传输链路上的信道不确定性，提出能效最大化资源分配问题：
[0023][0024]其中，其中，和表示对应的信道估计值，ΔG
k
和Δg
k
表示信道估计误差，ω
k
和σ
k
表示不确定性参数上界；包含Θ中的所有对角元素，W为能量站的波束成形矩阵，t0为能量传输时间；t
k
为第k个用户的信息传输时间，p
k
为用户发射功率；C1和C2分别为用户能量收集和服务质量约束，C3为总传输时间约束，C4为能量站发送功率约束，C5为反射相移约束，C6为不确定性参数集合。
[0025]进一步，步骤S3中引入松弛变量χ
k
且满足基于S
‑
Procedure方法和最坏准则，再利用广义分式规则理论，将原优化问题(5)转化为确定性形式：
[0026][0027]其中a
k
≥0为松弛变量，q0为系统能效。
[0028]进一步，步骤S4中，给定v，利用交替优化法和变量替换法将S3中的确定性非凸优化问题转化成以下关于{W,t0,t
k
,p
k
}的稳健性凸优化子问题：
[0029][0030]其中，和针对式(7)凸优化问题利用凸优化工具箱进行求解。
[0031]进一步，步骤S5具体包括以下步骤：
[0032]S51：给定{W,t0,t
k
,p
k
}，关于v的优化子问题描述为：
[0033][0034]S52：针对S51中的非凸约束的二次规划问题，定义V＝vv
H
且满足将上式转化为：
[0035][0036]S53：问题(9)是标准的凸半正定规划问题，利用凸优化工具包CVX求解问题(9)；
[0037]S54：基于迭代的稳健能效最大化算法求解问题(9)得到最优解可能导致Rank(V)≠1，获得的最优解可能只满足一个可行上界，故采用高斯随机化法改进算法，假设求得的优化解定义为如果则将矩阵进行特征值分解即其中U＝[u1,...,u
N
]为N
×
N维的酉矩阵，Λ＝diag(λ1,...,λ
N
)为N
×
N维的对角矩阵；其中，问题(9)次优解表示为其中r∈C
N
×1服从的圆对称高斯随机向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：包括以下步骤：S1：建立智能超表面辅助多用户无线供电通信网络场景能量及信息传输模型；S2：考虑用户能量消耗约束、传输时间约束、最小吞吐量约束、能量站最大发射功率约束和智能超表面反射相移约束，建立基于有界信道不确定性智能超表面辅助的多用户无线供电网络WPCN能效最大化稳健资源分配模型；S3：利用Dinkelbach方法将目标函数转换为两项相减形式，并利用Worst
‑
case方法和S
‑
procedure方法将原优化问题转换为确定性形式，得到确定性非凸优化问题；S4：利用交替优化法和变量替换法将确定性非凸优化问题转化成稳健性凸优化问题；S5：利用半正定规划和高斯随机化法对上述凸优化问题进行求解。2.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：步骤S1具体包括：建立智能超表面辅助多用户无线供电通信网络场景下，第k个用户能量收集及速率模型分别为型分别为其中，和分别是能量站到智能超表面和智能超表面到第k个用户的信道矩阵和信道向量；是智能超表面的反射系数矩阵，其中，θ
n
∈[0,2π)代表第n个反射单元的相移；为能量站的波束成形矩阵，且其中为能量信号；0≤η≤1为能量转换效率；t0为能量传输时间；t
k
为第k个用户的信息传输时间；g
k
表示第k个用户到信息接收站的信道增益；δ2表示噪声功率；p
k
为用户发射功率；系统总吞吐量表示为：系统消耗总能量表示为：其中，和分别为能量站和信息接收站的电路功耗，为每个反射单元的电路功耗，为第k个用户的电路功耗。3.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：在所述步骤S2中，所述多用户WPCN能效最大化稳健资源分配模型为：
C4:Tr(W)≤P
max
C5:|v
n
|＝1,其中，其中，其中，和表示对应的信道估计值，ΔG
k
和Δg
k
表示信道估计误差，ω
k
和σ
k
表示不确定性参数上界；包含Θ中的所有对角元素，W为能量站的波束成形矩阵，t0为能量传输时间；t
k
为第k个用户的信息传输时间，p
k
为用户发射功率；C1和C2分别为用户能量收集和服务质量约束，C3为总传输时间约束，C4为能量站发送功率...

【专利技术属性】
技术研发人员：徐勇军，应鸣峻，陈前斌，周继华，黄东，赵涛，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：