一种基于能效最优的中继系统联合资源分配方法
专利汇可以提供一种基于能效最优的中继系统联合资源分配方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种基于能效最优的中继系统联合资源分配方法，属于移动通信技术领域。包括步骤：建立系统模型，系统场景分析，问题归结，使用凸优化方法求解最优化问题。本发明区别与传统的中继协议，允许基站在第二个时隙通过这些空闲的 子载波 重发第一时隙的信息，能够降低基站和中继的发射功率，提高系统容量。本发明以 能量 效率的优化模型为非线性混合整数规划问题，由于无法应用目前的常规方法进行求解，为了降低该问题的复杂度，先采用Dinkelbach方法将该优化模型变为线性凸规划，然后基于对偶规划对简化后的线性规划问题进行求解，最后结合匈牙利 算法 与次梯度算法算出最优解。本发明算法设计合理，易于实现。，下面是一种基于能效最优的中继系统联合资源分配方法专利的具体信息内容。
1.一种基于能效最优的中继系统联合资源分配方法，其特征在于：包括
步骤1：建立系统模型；
系统中有一个中继，K个用户，总带宽被等分成N个子载波，其中，K表示用户总数量，N表
示子载波总数量，不同子载波之间相互独立，所有子载波的信道均服从瑞利衰落，系统通过两个时隙传输信号，在第一时隙内，信号源通过广播的方式发送信号，中继和用户都接受这一来自源节点的信号，在第二时隙内，中继完成子载波的配对，根据信道状态信息选择出不同子载波的信号分别转发给哪个用户，并决定该子载波对是否采用中继进行转发，若不采
用中继，则发送一个信令信号给源节点，源节点通过与第一时隙不同的子载波再次发送信
号给用户，设信号传输时，第一时隙用第m个子载波，第二时隙用第n个子载波，用 与
分别表示源节点到中继节点、源节点到用户节点与中继节点到用户节点的信道增益，与传
统的中继方式不同的的是，考虑到信道的极端恶劣情况，每次系统传输信号要先决定是否使用中继，若在第二时隙内，不选择用中继进行信号转发，则信号源再次通过第n条子载波重新发送信号给用户，此时信道增益为 假设信道中的噪声为相互独立的零均值高斯白噪声，
并用 分别表示中继节点与第k个用户节点的噪声方差，1≤k≤K，源节点与中继节点
可以获取所有的信道状态信息，定义等效的信道增益 与
其中，m和n表示子载波编号，m，n∈(1，2，...，N)，k表示用户编号，k∈(1，2，...，
K)，定义决策矩阵s＝{smnk}来表示路径选择Path(m，n，k)情况，smnk＝1表示路径Path(m，n，k)被选中，smnk＝0表示未被选中，对于某一选定的路径Path(m，n，k)，定义参数tmnk来表示是否使用中继进行信号转发，当使用中继时，tmnk＝1，且此时系统的信号传输速率为
当不使用中继时，参数tmnk＝0，则此
时的传输速率为 其中 与 表示使用中继模
式时源节点和中继节点的发送功率， 与 则表示不使用中继时，源节点在第一时隙与
第二时隙发送的直传信号功率，因此对已选择的路径Path(m，n，k)来说，源节点到用户节点之间的总信息传输速率为
步骤2：系统场景分析，问题归结；
对某一路径Path(m，n，k)而言，如果使用中继辅助传输信号，优化问题是一个最大-最
小问题，而只有当两个相互比较的多项式相等时，最小值才能取得最大，系统才能获得最大的信道容量，信号传输速率可以改写为 其中
是改写后的等效信道增益，并用 来代替表示原式中的两个功率变量；
定义变量wk来表示不同用户的权重，系统在所有子载波对上与所有用户上的总容量为
系统所有节点在两个时隙内所使用的总功率为
其中PBC与PRC分别表示源节点与中
继节点维持设备正常工作所用的环路电流功率，最大化系统能量效率的优化问题可以表示
为：
步骤3：使用凸优化方法求解最优化问题；
所述优化问题P1的求解可以采用拉格朗日因子方法：
再联立
和 n∈{1，2，...，N}，k∈{1，2，..，K}，m∈{1，
2，...，N}，并用次梯度方法迭代求解，其中βs，n，n，βt，n，n，β0，β1是相应的拉格朗日因子。
2.根据权利要求1所述的联合资源分配方法，其特征在于：
所述优化问题P1的拉格朗日形式中的拉格朗日因子βs，n，n，βt，n，n，β0，β1的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是
其中βs，n，n(τ)，βt，n，n(τ)，β0(τ)，β1(τ)分别表示第τ次迭代的拉格朗日因子，δs，n，n(τ)，δt，n，n(τ)，δ0(τ)，δ1(τ)分别表示相应的迭代步长。
3.根据权利要求2所述的联合资源分配方法，其特征在于：所述次梯度算法迭代更新方
程的迭代步长可以设置成：
4.根据权利要求1所述的联合资源分配方法，其特征在于：所述步骤3还包括：
首先，将优化目标从整形规划变为一个连续性的规划函数，先将约束条件放宽，定义
决策矩阵 来代替s＝{smnk}，其中 定义：
最优化问题被改写为：
5.根据权利要求4所述的联合资源分配方法，其特征在于：所述步骤3优化问题P2的目
标函数可以进一步转化成连续线性规划，包括：
定义最优化问题P2的最优解为q*，再定义函数 通过凸优化的证明，
可以将最优化问题P2转换为一个连续线性规划问题：
s.t.C′1，C′2，C′3，C′4，C′5，C′6
求解最优化问题P2的最大值的问题就转换成了求解最优化问题P3最大值为0的q*值问
题，再应用凸规划方法在其拉格朗日函数中找到全局最优解。
6.根据权利要求5所述的联合资源分配方法，其特征在于：所述步骤3优化问题P3的求
解可以包括以下步骤：
求解优化问题P3中的凸规划问题需要进行内外两层循环迭代算法：
能量效率最大化的外循环算法包括：在给定了初始q0值后，再经过内循环算法的计算将
得到一个新的值q1，若两个值的差小于一个足够小的数，则表明已取得最优的能量效率，否则用q1代替q0重新进行循环，如此重复，直到得到最优的能量效率；
能量效率最大化的内循环算法包括：对于给定的qi-1值，用于对功率与信道进行分配，
求得目标函数能量效率的最大值，等价于求出其对偶函数 的最小值，应用次梯
度算法进行迭代求解，首先设定初始值λ(0)与μ(0)，根据外循环给定的qi-1值，进行功率分配和信道分配，算出当前的R与P，再判断拉格朗日因子λ和μ是否收敛，如此循环，直到得到最大的R-qP值；
所述次梯度算法的迭代更新方程是：
式中i表示循环的次数，st(i)是与i相关的变量，用来控制每次迭代的步长。
7.根据权利要求6所述的联合资源分配方法，其特征在于：所述步骤3能量效率最大化
的外循环算法步骤如下：
步骤A1：初始化最大循环次数I；
步骤A2：设置初始的能量效率q0＝0，循环次数i＝0；
步骤A3：do while qi-qi-1＞0.00000001 and i＜I；
步骤A4：i＝i+1；
步骤A5：对给定的q，算出内循环资源分配结果，得到R，P的值；
步骤A6：qi＝R/P，其中，R表示系统在所有子载波对上与所有用户上的总容量，P表示系
统所有节点在两个时隙内所使用的总功率；
步骤A7：end do。
8.根据权利要求6所述的联合资源分配方法，其特征在于：所述步骤3能量效率最大化
的内循环算法步骤如下：
步骤B1：初始化最大循环次数J；
步骤B2：设置初始值λ(0)与μ(0)，循环次数j＝0；
步骤B3：do while|λ(j)-λ(j-1)|＞0.00000001 or|μ(j)-μ(j-1)|＞0.00000001 and
j＜J；
步骤B4：j＝j+1；
步骤B5：根据
和 算出功率分配情况；
步骤B6：根据 和 算出信道分配情况，其
中，l表示用户， 表示联合子载波配对用户选择因子，Emnl表示联合子载波配对用户选择
容量，L′表示简化后的拉格朗日函数，xmn表示子载波配对因子，Amn表示最大联合子载波配对用户选择容量；
步骤B7：根据 和
更新变量λ与μ；
步骤B8：end do。
一种基于能效最优的中继系统联合资源分配方法
技术领域
背景技术
90年代起，OFDM技术就在无线通信领域中占到了一席之地，得到了迅速的发展，拥有越来越广泛的应用。近年来，在数字处理技术与大规模集成电路技术的支撑下，OFDM技术在无线通信中更加实用，迅速推广的4G蜂窝网络的核心技术之一就是OFDM技术。
是人们关注的焦点。虽然新问题必然会随着研究的深入逐渐凸显，但是，作为下一代网络核心技术之一的OFDM技术，一定会受到越来越多的人的重视，克服一个又一个不断产生的新
问题，为下一代无线通信提供更好的服务。作为现代通信系统中的两种关键技术，OFDM技术与协同通信技术的结合将给无线通信系统的资源分配增加更多样化的选择。OFDM技术可以
利用各个子载波信道的不同衰落特性，动态地分配信道资源，由于不同子信道相互独立，
OFDM技术可以获得较大的频率分集增益，增加系统的容量；协同通信技术则在系统中引入
中继节点，形成两个或多个独立的转发链路，充分利用了中继为整个系统带来的分集增益，提高了系统的频谱利用效率，扩大了系统覆盖范围。将这两种技术结合在一起，可以充分发挥二者的优势，更为有效的应用无线系统资源，具有广泛的研究与应用前景。
点。
2008年ISWPC会议上提出了一种改进的DF中继方式，即在中继转发的同时，源端采用没有被中继占用的子载波再次发送信号给用户，以保证在中继信道较差时用户的通信质量。Hao
Zhang在2012年IEEE Comm.Letter中提出了一种双向多中继多用户OFDM系统下的资源分配
算法，该算法仅考虑了AF中继方式，且在功率分配方面只考虑了中继的功率，没有分配源节点功率，并非最优化系统所有资源。随着绿色通信逐渐被人们所重视，人们对通信系统中能量效率的关注越来越高。能量效率问题是一个分式问题，并不利于用常规的数学方法进行
求解，D.W.K.Ng在2012年IEEE TWC中指出在OFDM系统下，应用Dinkelbach方法将能量效率
的分式问题转化为线性规划问题，但其并不是中继场景。K.T.K.Cheung在2013年IEEE TC中应用AF中继方式，对多用户OFDM系统中的能量效率问题进行了讨论，但并未包含子载波匹
配。
发明内容
合考虑以最大化系统能量效率的功率和子载波联合优化，允许基站在第二个时隙通过这些
空闲的子载波转发重发信息，辅助低复杂度迭代算法，最大化用户实时通信的网络性能。
若不采用中继，则发送一个信令信号给源节点，源节点通过与第一时隙不同的子载波再次
发送信号给用户，设信号传输时，第一时隙用第m个子载波，第二时隙用第n个子载波，用
与 分别表示源节点到中继节点、源节点到用户节点与中继节点到用户节点的信道
增益，与传统的中继方式不同的的是，考虑到信道的极端恶劣情况，每次系统传输信号要先决定是否使用中继，若在第二时隙内，不选择用中继进行信号转发，则信号源再次通过第n条子载波重新发送信号给用户，此时信道增益为 假设信道中的噪声为相互独立的零均
值高斯白噪声，并用 分别表示中继节点与第k个用户节点的噪声方差，1≤k≤K，源
节点与中继节点可以获取所有的信道状态信息 ，定义等效的信道增益
与 其中，m和n表示子载波编号，m，n∈(1，
2，...，N)，k表示用户编号，k∈(1，2，...，K)，定义决策矩阵s＝{smnk}来表示路径选择Path(m，n，k)情况，smnk＝1表示路径Path(m，n，k)被选中，smnk＝0表示未被选中，对于某一选定的路径Path(m，n，k)，定义参数tmnk来表示是否使用中继进行信号转发，当使用中继时，tmnk＝
1，且此时系统的信号传输速率为 当
不使用中继时，参数tmnk＝0，则此时的传输速率为
其中 与 表示使用中继模式时源节点和中
继节点的发送功率， 与 则表示不使用中继时，源节点在第一时隙与第二时隙发送的直
传信号功率，因此对已选择的路径Path(m，n，k)来说，源节点到用户节点之间的总信息传输速率为
是改写后的等效信道增益，并用 来代替表示原式中的两
个功率变量；
其中PBC与PRC分别表示源节点与
中继节点维持设备正常工作所用的环路电流功率，最大化系统能量效率的优化问题可以表
示为：
效率，否则用q1代替q0重新进行循环，如此重复，直到得到最优的能量效率；
情况；
变为线性凸规划，然后基于对偶规划对简化后的线性规划问题进行求解，最后结合匈牙利
算法与次梯度算法算出最优解；
具体实施方式
户节点的信道增益。
情况，每次系统传输信号要先决定是否使用中继，若在第二时隙内，不选择用中继进行信号转发，则信号源再次通过第n条子载波重新发送信号给用户，此时信道增益为 假设信道
中的噪声为相互独立的零均值高斯白噪声，并用 分别表示中继节点与第k(1≤k≤
K)个用户节点的噪声方差。假设源节点与中继节点可以获取所有的信道状态信息，定义等
效的信道增益 与 当已配对的子载波对SP
(m，n)被分配给第k个用户时(每组子载波对仅可被一个用户占用)，就表明路径Path(m，n，k)就被选中，并定义决策矩阵s＝{smnk}来表示路径选择情况，smnk＝1表示路径Path(m，n，k)被选中，smnk＝0表示路径Path(m，n，k)未被选中。
Path(m，n，k)来说，源节点到用户节点之间的总信息传输速率为：
(1)，那么系统在所有子载波对上与所有用户上的总容量为：
效率的优化模型可以表示为：
子载波联合优化问题，具有现实的指导意义。
{smnk}，其中 再定义：
(5)中的 与 根据洛必达法则，
应用极限的思想计算出也等于0，同样与smnk＝0一致。因此最优化问题P1可以被重新表示
为：
化问题P1转化为连续性非线性规划的最优化问题P2后，第二步再将其转化为连续性线性规
划。定义优化问题P2的最优解为q*，即 再定义函数：
的和组成，他们分别是凸函数
与 的投影，因此这三个函数也是凸函数。由
于最优化问题P2的分子是三个凸函数的线性和，故该分子也为凸函数；而最优化问题P2的
分母为正常数与非负变量的线性组合，故其也为正值并具有仿射性。因此可以得到最优化
问题P2中目标优化函数是关于(s，P)的准凸函数，那么对于一个准凸函数f(x)/g(x)，根据Dinkelbach方法，求解函数f(x)/g(x)的最大值α，等价于求解适当的变量α使函数max(f
(x)-αg(x))＝0的问题。因此，可以将最优化问题P2转换为一个连续线性规划问题：
函数，其分母是一系列正常量的组合，而最优化问题P3中的优化目标函数为分子和分母的
线性组合，故其为严格凸函数。观察最优化问题P3的约束条件，它们都具有仿射性并且在定义域内可达，满足Slater条件，因此凸规划最优化问题P3具有零松弛变量，可以应用凸规划方法在其拉格朗日函数中找到全局最优解。
被选用，也就是说要解决子载波配对与用户选择的问题。
分，并分别定义变量 与 表示中继模式与非中继模式足量单位，可以得到：
么对偶规划函数(15)可由下式决定：
条件的方法来简化优化目标，但根据(27)可知，本发明中简化前与简化后的优化目标函数
具有共同的最优解。
线性凸规划，然后基于对偶规划对简化后的线性规划问题进行求解，最后结合匈牙利算法
与次梯度算法算出最优解。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于光频调制与直接探测的ФOTDR与传感方法 | 2020-05-17 | 715 |
| 一种分集衰落产生及应用方法 | 2020-05-15 | 974 |
| 基于人工瑞利衰落结合自适应调制的安全通信方法 | 2020-05-12 | 683 |
| 一种时域自相关平坦衰落信道建模方法 | 2020-05-15 | 743 |
| 带衰落信道仿真器的实现方法 | 2020-05-16 | 356 |
| 分布式振动传感器消除干涉衰落的振动信息定位方法 | 2020-05-17 | 481 |
| 无线Mesh自组网通信产品通信性能的测试方法及系统 | 2020-05-15 | 754 |
| 基于人工瑞利衰落结合自适应调制的安全通信方法 | 2020-05-13 | 560 |
| 一种用于瑞利信道的校正均值在线信噪比估计方法 | 2020-05-14 | 316 |
| 一种SUZUKI衰落信道仿真方法及其仿真系统 | 2020-05-13 | 256 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
