认知中继网络中基于能效的协作传输技术研究

一种全双工认知中继网络中实现能量高效的安全传输方法张培;张建明;王良民【期刊名称】《计算机科学》【年(卷),期】2017(044)009【摘要】在“绿色”安全通信背景下,提出了一种保证同时同频全双工认知中继网络物理层安全、不影响主用户性能且能量高效的中继簇功率分配方案,该网络包含两个认知源节点、多个认知中继节点、多个主用户节点以及多个主用户窃听节点.在考虑了自干扰消除率以及中继转发信息的公平性的基础上,分别针对中继节点选择放大转发与译码转发策略的情形,设计协作波束成形向量及人工噪声矩阵,并通过一种结合半定松弛技术的爬山算法来获取最优解.仿真结果与理论分析表明了方案的有效性与合理性,同时表明选择放大转发策略能够获取更高的总能量效率.%Under the "green" and secure communication background,we studied the co-time co-frequency full-duplex cognitive relay networks consisting of two secondary source nodes,multiple cognitive relay nodes,multiple primary nodes and multiple primary eavesdroppers.To improve the total energy efficiency on the premise of ensuring the physical-layer security and the primary node's performance whether the selection relay protocol is the amplify-and-forward or decode-and-forward,we proposed the power allocation schemes to obtain a cooperative beamforming coefficient and an artificial noise matrix after taking both self-cancellation and forwarding fairness into consideration.It is mainly optimized by the "hill climbing" algorithm that combines the semidefinite relaxation (SDR)technology.Simulation results and theoretical analysis show the effectiveness and rationality of our scheme.Moreover,the choice of amplify-and-forward relay protocol contributes to the higher total energy efficiency.【总页数】6页(P172-177)【作者】张培;张建明;王良民【作者单位】江苏大学计算机科学与通信工程学院镇江212013;江苏大学计算机科学与通信工程学院镇江212013;江苏大学计算机科学与通信工程学院镇江212013【正文语种】中文【中图分类】TN929.5【相关文献】1.能量收集全双工中继网络中的中继选择策略研究 [J], 刘杰群;陈瑾;任国春;黄育侦2.基于能量收集的全双工认知中继网络功率分配算法 [J], 张士兵;韩刘可;张美娟3.非理想CSI下全双工双向中继网络安全性能研究 [J], 丁青锋;吴泽祥;刘梦霞;奚韬4.双向无线携能全双工认知中继网络的能效优化 [J], 王令照;仇润鹤5.全双工认知NOMA网络下中继选择策略性能分析 [J], 杨键泉;贺玉成;马梦欢;周林因版权原因，仅展示原文概要，查看原文内容请购买。

认知网络能效性协作功率分配算法贾鹤萍;郭艳艳;卫霞;杨荣草【摘要】当前认知无线电(cognitive radio,CR)协作策略的目的主要是为了提高认知系统的容量、中断概率或带宽利用率,而对于能量有限认知网络,如传感器网络,协作传输减少传输能量消耗和延长网络生命周期才是最关键的问题.协作提高CR系统能效性策略和现在的研究相比,中继节点选择及功率分配有所不同.本文提出了一种基于共存式频谱共享情况下的CR协作功率分配策略,目的是最小化CR系统的能量消耗.%The aim of cognitive radio(CR) cooperative strategy in many existing works is to improve the capacity,outage probability or bandwidth utilization of cognitive systems.For the limited energy cognitive networks,such as sensor networks,reducing the transmission energy consumption and prolonging the network life cycle by cooperative transmission are the most critical paring the cooperative CR system with those of the current researches,the relay node selection and power allocation are quite different.This paper proposes a cooperative power allocation strategy for cooperative CR system based on coexistence spectrum sharing with the aim of minimizing the energy consumption of CR system.【期刊名称】《测试技术学报》【年(卷),期】2017(031)005【总页数】7页(P377-383)【关键词】认知无线电;共存式频谱共享;能量受限的认知网络;CR协作系统【作者】贾鹤萍;郭艳艳;卫霞;杨荣草【作者单位】山西大学物理电子工程学院,山西太原030006;山西大学物理电子工程学院,山西太原030006;山西大学物理电子工程学院,山西太原030006;山西大学物理电子工程学院,山西太原030006【正文语种】中文【中图分类】TN925.1Abstract : The aim of cognitive radio(CR) cooperative strategy in many existing works is to improve the capacity, outage probability or bandwidth utilization of cognitive systems. For the limited energy cognitive networks, such as sensor networks, reducing the transmission energy consumption and prolonging the network life cycle by cooperative transmission are the most critical issues. Comparing the cooperative CR system with those ofthe current researches, the relay node selection and power allocation are quite different. This paper proposes a cooperative power allocation strategy for cooperative CR system based on coexistence spectrum sharing with the aim of minimizing the energy consumption of CR system.Key words: cognitive radio； the underlay sharing-spectrum； energy-constrained cognitive networks； cooperative CR system随着无线通信技术的飞速发展，频谱资源变得越来越紧张,尤其是随着无线局域网(WLAN)技术、无线个人域网络(WPAN)技术的发展，越来越多的人通过这些技术以无线的方式进行通信[1]. 这些无线接入技术大多使用非授权的频段(UFB)工作，与授权频段相比，非授权频段的频谱资源要少很多(大部分的频谱资源均被用来做授权频段使用). 于是就出现了某些部分的频谱资源相对较少但其上承载的业务量很大，而另外一些已授权的频谱资源利用率却很低[1]的现象. 为了解决上述频谱利用率低下的问题，近年来，被业界称为认知无线电(Cognitive Radio，简称CR)的新频谱使用模式正逐渐受到人们的关注[1,2].另一方面，分集技术能改善无线信道衰落特性，提高传输的可靠性[3,4]. 因此，将认知无线电技术与协作通信技术相结合，发挥各自优势，寻求对无线通信的解决方案，在提高频谱使用效率的同时，尽可能地提高系统的信道容量或提升各用户的抗衰落性能[5-8].对于能量有限CR网络，如传感器网络，协作传输减少传输能量消耗，延长网络生命周期才是最关键的问题[9,10]. 因此本文将认知无线电技术和协作通信技术相结合，并借用了几何分析的方法，得到功率分配优化值，以最小化CR系统传输能量. 利用这种算法，只要知道CR系统内部节点间及CR节点和授权系统接收设备间的信道状态信息， CR源和中继节点就可以利用优化算法自动调整传输功率，得到CR系统最小的传输能量消耗. 算法针对信道发生相位衰落与不发生相位衰落两种情况分别进行分析，信道不发生相位衰落可以看作发生相位衰落的特例.考虑到共存式频谱共享模式下认知无线电系统协作传输应用场景，授权系统包括一对发送/接收设备， CR系统中节点能量受限，以Ad-hoc模式进行通信. 假设授权系统发送/接收设备间以固定速率R0，固定传输功率P0进行通信，而CR 系统和授权系统同时工作在相同的信道上， CR系统的数据传输应该保证授权系统的传输不被打断. 假设CR系统的中继节点及目的节点距离授权系统的源足够远，不受授权系统的干扰. 定义hs,p， hr,p， hs,d， hs,r， hr,d和hp分别表示CR 源节点到授权系统接收设备、 CR中继到授权系统接收设备、 CR源节点到目的节点、 CR源节点到中继、 CR中继到目的节点及授权发送/接收设备间的信道增益.CR系统内部的信道为AWGN信道，而CR系统和授权系统间，及授权系统内的信道为独立同分布的瑞利信道.定义认知系统的干扰温度为Q[1]，那么，授权系统接收设备容忍的最大峰值接收功率不能超过这个干扰温度门限Q，假设CR系统的发送/接收节点知道精确的信道信息(CSI)(包括CR系统内部的及和授权用户之间的信道信息).对于能量受限的CR系统，在CR源节点和中继节点间的功率分配需要满足: 消耗最少的能量来满足自己的QoS要求，同时不要干扰到授权系统的正常通信.当CR源节点以传输功率PCR直接传输给目的节点时， CR系统容量和发送每比特消耗的最少能量为[9]式中： PCR是CR源节点直接传输需要的传输功率，由于是考虑到授权系统的峰值干扰温度限制，必须满足不等式两边同除以pCR，得到为了分析简单，设定R=C. 采用DF模式进行协作通信，假设中继是一个随机分布的节点，发送/接收节点知道精确的信道信息(CSI).CR系统的协作分为两个阶段，在广播阶段， CR源节点广播数据给中继和目的节点， CR目的节点和中继节点同时接收；第2阶段， CR源节点和中继节点一起协作向目的节点发送数据， CR目的节点将合并源节点和中继节点发来的信号，这样，可以获的两阶协作增益. 第2阶段CR用户协作的目的是为了最小化传输功率，提高系统的能效性.图 1 为详细协作过程，第1阶段， CR源节点以速率为R发送长度为L的码本(Gaussian codebook)，源节点的传输功率为P，中继节点接收，直到接收的信息长度超过μL时，对接收的信息进行译码(见图 1(a))，成功译码L长度的数据后，以传输功率转发与源节点相同的码本给目的节点. 同时，源节点降低功率到[0,1])继续发送剩余数据(见图 1(b)).在接收[μL]符号后，中继节点能够全部正确译码源节点发送的消息，这里[10] 当μ≥1，中继节点不参与协作传输，在下面的描述中，假定总是满足μ<1.考虑到授权系统的峰值干涉功率限制，在第2协作阶段，源节点和协作节点传输功率必须满足不等式两边同除以PCR，得到结合式(4)和式(7)，可以设置也就是说，协作传输对授权系统的峰值干涉小于直接传输对授权系统的峰值干涉. 分为两种情况(信道不发生相位衰落和发生相位衰落)进行分析.假定信道不发生相位旋转，则式中： dij是两个节点i和j的距离；γ≥2是信道衰落因子. 在第2阶段， CR目的节点接收的信号表示为式中： zd[t]为0均值，分布为高斯白噪声.考虑的授权系统峰值干涉限制，第2协作阶段CR协作系统应该调整传输功率参数α1和αr需要解决下面优化问题从式(11)可以看出，共存式频谱共享模式下CR节点间的功率分配优化方法和非CR系统下优化方法有所不同，不仅和hs,d和hr,d有关，而且与CR和授权系统间的信道状态hs,p和 hr,p有关.显然，式(11)利用拉格拉日(Lagrangian)算法很难得到优化参数α1和αr. 因此，提出一种简单的数学方法来处理这个问题. 图 2 是不发生相位衰落信道功率优化参数计算示意图，定义它为图中所示的曲面，α1和αr为两坐标轴，当α1=0 和αr=0时，曲面f(α1,αr)=0，曲面从坐标原点(α1和αr)向外单调上升.由于协作传输和直接传输有相同的有效传输容量，则优化值α1和αr应该位于直线hs,dα1+hr,dαr=hs,d(也可表示为αr=(hs,d/hr,d)(1-α1))上. 由上节可知，不考虑授权用户峰值干涉功率限制式(11)的优化值α1和αr是在直线hs,dα1+hr,dαr=hs,d距离原点最近的点，如图 2 中的优化值.对于共存式频谱共享模式下CR协作策略，优化参数α1和αr另外还要满足也就是图 3 中的阴影部分. 因此，要求图 2 中距离坐标原点最近的的点，不仅位于直线hs,dα1+hr,dαr=hs,d上，而且落入图 3 阴影部分，需要解方程如图 3 所示，得到两组解这里，当α1=1和αr=0，中继不参与协作，源节点直接传输. 优化方法有如下两种情况: 1) ≥可能的优化方案见图 3(a) 所示，从图3(a)中可以看到，直线hs,dα1+hr,dαr=hs,d上距离原点最近的点落在阴影区域内，因此干扰温度限制没有影响到CR协作策略，和非认知无线电下的优化值相同，优化值α1和αr分别为及传输每比特的能量消耗2) <可能的优化方案见图3(b)所示，从图3(b)中可以看到，在直线hs,dα1+hr,dαr=hs,d上落在阴影区域内到原点最近的距离的点是直线hs,dα1+hr,dαr=hs,d和曲线的交叉点，因此优化值α1和αr分别为αr==.CR系统协作传输每比特消耗的能量优化为从上面的两种情况可以看出，对于信道不发生相位衰落(no phase fading)，当hs<hsr， CR中继节点提供能量增益.这一节，信道除了能量衰减外，还经历相位衰落(phase fading)，即式中：θij为随机变量，满足[0,2π]的均匀分布. 那么，第2阶段，目的节点接收的信号为根据文献[10]，协作系统容量表示为考虑到干扰温度限制， CR协作系统得到和直接传输相同的有效容量，需要解决下面的优化问题同样，图4 展示了这种情况下功率分配参数优化示意图. 同样定义和为两坐标轴，这里，是平面. 当和那么，回顾上节，不考虑授权系统峰值接收功率限制，式(24)的优化值α1和αr应该是位于直线hs,dα1+hr,dαr=hs,d上且距离原点最近的点，如图 4 中的优化值.而对于共存式频谱共享模式下CR协作策略，考虑到干扰温度限制，优化值还必须满足也就是优化值必须落在图 5 中的阴影部分.图 5 展示了CR系统在信道发生相位衰落情况下的功率分配方法，可以分为下面几种情况:1) hs,d≥hr,d或者>当>(如图5(a)所示)或者hs,d≥hr,d(如图5(b)所示)，仅仅源节点发送数据. CR协作没有带来能量增益.2) hs,d<hr,d且≤这种情况下，直线整个落在阴影区域内，优化值α1和αr如图5(c)所示，为最小的传输每比特的能量消耗同非CR系统一样，如式(17).从上面的两种情况可以看出，只有当hs,d<hs,r, hs,d<hr,d且≤，才能带来协作能量增益.在这一节，将仿真CR系统协作能量增益，并把非CR协作传输策略和CR源节点直接传输两种情况作为参考. 定义系统参数见表 1.授权系统接收设备、 CR源节点及CR目的节点位置分别为 (0,0), (1,1), (2,0). CR中继在(x,y)轴上移动；定义能量增益为来量化CR系统协作带来的能量增益.首先，设置γp=32 dB, Q=17 dB， CR中继的位置为(x,0)，让中继在x轴上移动. 从图 6 中可以看到，无论信道存在相位衰落与否，相比直接传输， CR协作带来了能量增益. 另外，信道无相位衰落比衰落时得到更好的能量增益，于是信道无衰落可以认为是衰落的特殊情况(θij=0). 也观察到，由于干扰温度的影响，当中继距离授权系统接收设备比较近时， CR协作比非CR协作带来的能量增益要小.图 7 表示授权系统链路性能和CR中继节点位置的关系. 可以看到，比较直接传输，CR系统协作减少了授权系统链路的中断概率. 这主要是由于CR协作分集有效地减少了对授权系统链路的干扰. 但是，当CR中继距离授权系统接收设备比较近时，授权链路性能下降.其次， CR中继位置分别固定在坐标(0.3,0) 和(1.3,0)，图8表明了当Q=17 dB，授权系统接收信噪比γp变化时，中继对授权系统中断概率的影响，可以看出，授权系统接收信噪比越高，系统性能越好，和直接传输相比，提出的CR协作情况下可以得到更好的授权系统性能. 也可以看出，中继节点在坐标(1.3, 0)比在坐标(0.3, 0)时授权系统链路性能更好，这是由于坐标(0.3, 0)距离授权系统接收设备比较近.图 9 表明了当信噪比γp=32 dB， Q变化时授权系统链路性能. 首先观察到: 干扰温度门限Q越高，授权系统性能越差，因此，要进行频谱感知，以确定合适的干扰温度门限值Q，以保证授权系统的正常传输，同上面的情况一样， CR协作比直接传输情况的授权系统性能要好.针对能量受限的CR网络，提出了一种基于共存式频谱共享模式的高能效CR协作优化功率分配模型，仿真结果表明，和直接传输相比，提出的CR协作功率优化方法带来了CR网络的能量增益. 仿真还表明，信道不发生相位衰落的情况下，得到更好的协作能量增益. 另外，和CR直接传输相比， CR的协作分集可以带来授权系统性能的提高.【相关文献】[1] Kolodzy P, Avoidance I. Spectrum policy task force[J]. Federal Commun. Comm., Washington, DC, Rep. ET Docket, 2002, 40(4)： 147-158.[2] Jing Tao, Zhu Shixiang, Li Hongjuan, et al. Cooperative relay selection in cognitive radio networks[J]. IEEE Transactions on Vehicular Technology, 2015, 64(5)： 1872-1881. [3] Tan L T, Ying Lei, Bliss D W. Power allocation for full-duplex relay selection in underlay cognitive radio networks： Coherent versus non-coherent scenarios[J]. arXiv preprint arXiv, 2017, 1703: 1527-1532.[4] Luo Changqing， Min Geyong, Yu F R， et al. Joint relay scheduling, channel access, and power allocation for green cognitive radio communications[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(5)： 922-932.[5] Majhi S, Banerjee A. Asymptotic outage analysis of incremental decode and forward cognitive radio relay network[C]. Communication Systems and Networks (COMSNETS), 2015 7th International Conference on. IEEE, 2015： 1-8.[6] Hussein J, Ikki S, Boussakta S, et al. Study of a multi-relay scheme and co-channel interference within an underlay cognitive radio network[C]. Ubiquitous and Future Networks (ICUFN), 2016 Eighth International Conference on. IEEE, 2016： 25-29.[7] Lopez O L A, Sanchez S M, Mafra S B, et al. Power Control and Relay Selection in Cognitive Radio Ad Hoc Networks Using Game Theory[J]. IEEE Systems Journal, 2016,pp(99): 1-12.[8] Singh J, Singh R, Rai M, et al. Cooperative Sensing for Cognitive Radio： A Powerful Access Method for Shadowing Environment[J]. Wireless Personal Communications, 2015, 80(4): 1363-1379.[9] Cover T M, Thomas J A. Elements of Information Theory[M]. New York： Wiley, 1991.[10] Lai Lifeng, El Gamal H. On cooperation in energy efficient wireless networks： the role of altruistic nodes[J]. IEEE Transactions on Wireless Communications, 2008, 7(5): 1868-1878.。

认知协作无线电网络下基于能效的资源联合分配杨路;黄凯;杨品章【摘要】在认知协作无线电网络中,当次用户盲目地参与到中继主用户中,会选择不利于次用户系统能效的主用户,从而降低次用户系统整体的能效.针对该问题,提出一种资源联合分配方案.次用户有权拒绝不利于自身系统的协助申请,而是选择有利于其系统能效的主用户进行协助.在确定主用户集合的情况下,通过有效地分配带宽和功率来提高次用户系统的能效.仿真结果表明,该方案能够在保证各用户服务质量的情况下,实现次用户系统能效的提高.%In the Cognitive Cooperative Radio Network(CCRN),when the secondary users blindly to participate in relay primary users,they will choose the primary users that is not conducive to energy efficiency of the system,thus reduces the overall energy efficiency of secondary user system.To solve the problem,this paper proposes a resource joint allocation scheme.The secondary users have the fight to reject the assistance applications that are not conducive to the performance of system,and select primary users who are beneficial to their energy efficiency to assist.In the case of determining the primary user set,through the effective allocation of bandwidth and power,the energy efficiency of the secondary user system is increased.Simulation results show that the scheme can improve the efficiency of secondary system in the condition of ensuring the quality of service for all users.【期刊名称】《计算机工程》【年(卷),期】2018(044)001【总页数】6页(P134-138,143)【关键词】认知协作无线电网络;能效;带宽分配;功率分配;资源分配【作者】杨路;黄凯;杨品章【作者单位】重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065【正文语种】中文【中图分类】TP3930 概述在认知协作无线电网络(Cognitive Cooperative Radio Network,CCRN)中,将拥有频谱资源的授权系统称为主系统,共享主用户频谱资源的系统称为次级系统。

认知无线电网络中基于协作水平的协作门限与功率联合优化张纬良;郑宝玉;岳文静【期刊名称】《电子与信息学报》【年(卷),期】2011(033)010【摘要】将协作传输技术用于认知无线电网络不仅增强了系统抗衰落能力,而且有效提高了频带利用率.但是,中继节点何时必须参与协助源节点传输信息是一个值得考虑的问题.该文提出一种基于协作水平的中继协作准则.首先给出协作水平的定义和表达式,并基于此式推导了系统平均带宽利用率和误符号率公式,然后由二者的折中得到关于协作门限和功率比的性能函数.为了使系统获得最优性能,文中采用粒子群优化算法联合优化协作门限和功率比.仿真结果表明,良好的源节点到目的节点的链路状态和尽量使用中继参与协作均有助于系统性能的最优化.%Cooperative transmission for cognitive radio networks not only enhances the anti-fading capability of the system, but also improves the bandwidth efficiency. But it's really a worth considering issue when the relay node should assit the source node to transmit information. This paper proposes a cooperative guideline based on cooperative level. Firstly the notion of cooperative level is defined, then the expressions of system bandwidth utilization and the average symbol error rate are deduced, finally the system performance function is got through the compromise between the coorperative thresholds and power ratio. This paper also employs particle swarm optimization algorithm to solve optimal cooperative threshold and optimal power ratio. The simulation results verify the performance of theproposed scheme and show that good link state from source node to destination node and cooperative transmission by the relay node are both useful for optimizing the system performance.【总页数】6页(P2322-2327)【作者】张纬良;郑宝玉;岳文静【作者单位】南京邮电大学信号处理与传输研究院南京210003;南京邮电大学信号处理与传输研究院南京210003;南京邮电大学信号处理与传输研究院南京210003【正文语种】中文【中图分类】TN92【相关文献】1.基于认知无线电网络的协作功率和频谱分配研究 [J], 田雯;郭艳艳;卫霞;贾鹤萍2.协作异构网络中的用户接入与功率控制联合优化 [J], 赵景;韩圣千3.基于功率分配与中继选择联合优化的协作MAC [J], 喻超;芮雄丽;曹雪虹4.基于信噪比门限的车载协作通信功率分配优化方案 [J], 吴琪; 邱斌; 蒋为; 李婉莹5.B3G/4G协作通信中基于MCPA门限的功率分配方法 [J], 蒋武扬;桂林卿;罗汉文;周小林因版权原因，仅展示原文概要，查看原文内容请购买。

面向协作中继的信息和能量联合传输技术研究近年来,随着无线携能通信和中继技术的不断发展,信息和能量联合协作中继传输技术以其可以扩展通信网络的覆盖范围、增强传输可靠性、提高能量效率等优点受到了广泛关注。

然而在协作中继传输中,能量传输损耗严重,且由于能量传输需要占用时频资源,导致传输频谱效率降低,因此需要对协作中继传输策略进行联合设计,提升能量获取效率和频谱效率。

针对上述问题,本文研究了面向协作中继的信息和能量联合传输的资源分配问题和频谱共享机制,主要研究内容包括:(1)研究了基于无源中继的信息和能量联合传输的资源分配问题。

提出了一种最大化收集能量的子载波分配和功率分配的联合优化算法。

由于原始问题是一个整型非凸问题,通过对偶分解法对原始问题进行解耦,能够实现最优的系统性能。

仿真验证表明,所提算法相比于传统算法,性能提升明显。

(2)研究了基于认知中继的信息和能量联合传输的频谱共享问题。

提出了一种自适应的频谱共享机制,即认知中继以一定的规则自适应地选择对主系统进行仅能量协作或者信息和能量协作从而实现主系统吞吐量与次系统吞吐量的折中。

分析了该机制下系统中各条链路的吞吐量的闭式解,并通过优化自适应因子、时间分配系数使得在满足主系统性能限制的条件下最大化次系统吞吐量。

仿真验证表明,所提频谱共享机制相比于其他非自适应机制,性能有显著提升。

(3)研究了基于认知中继环境反向散射辅助的信息和能量联合传输的频谱共享问题。

环境反向散射技术使得通信节点通过修改和反射周围环境中的射频信号来调制和传输信息,可以同时提高能效和频谱效率,因此提出了一种频谱共享机制,其中次用户不仅协助主系统进行信息和能量传输,同时次用户在能量传输阶段利用环境散射技术调制周围的能量信号来实现自身的信息传输。

分析了该机制下主、次系统吞吐量的闭式解,并通过优化时间分配系数使得在满足主系统性能限制的条件下最大化整个系统吞吐量。

仿真验证表明,所提频谱共享机制相比于非协作模式,系统性能成倍提升。

专利名称：认知传感网络中基于放大转发双向协作的无线携能通信方法
专利类型：发明专利
发明人：卢为党,杨城,方卢顺,黄国兴,张昱,彭宏
申请号：CN202011000218.9
申请日：20200922
公开号：CN112333814A
公开日：
20210205
专利内容由知识产权出版社提供
摘要：一种认知传感网络中基于放大转发双向协作的无线携能通信方法，在该方法中，两个传感器节点通过中继传感器节点的帮助进行互相转发信息，中继传感器节点使用功率分割的方式分割接收到的信号，一半用于能量收集，另一半用于信息接收，中继传感器节点利用其收集到的全部能量E，采用放大转发中继协议，帮助两个传感器节点互相转发信息。

本发明能够有效提高无线携能通信的频谱资源利用率，从而减少整个认知传感网络速率的损失。

申请人：浙江工业大学
地址：310014 浙江省杭州市下城区朝晖六区潮王路18号
国籍：CN
代理机构：杭州斯可睿专利事务所有限公司
代理人：王利强
更多信息请下载全文后查看。

基于认知无线电系统的协作中继分布式功率分配算法郭艳艳;康桂霞;张宁波;张平【期刊名称】《电子与信息学报》【年(卷),期】2010(032)010【摘要】协作通信与直接通信相比能够显著地提高系统性能.协作通信中的一个关键问题是管理中继节点及有效地进行功率分配.尤其对于频谱共享的认知无线电(Cognitive Radio,CR)系统,协作方案的设计不仅要最大限度地提高认知网络协作的功率效率,而且需要最小化对主系统的干扰.该文针对认知无线电系统的协作通信问题,在多个中继节点与源节点协同通信的场景下,提出了一种基于放大转发(Amplify and Forward,AF)模式下的功率分配及联合优化算法,在保证主系统传输性能不受影响的前提下,提高认知系统的传输速率.仿真结果表明该文提出的自适应协作传输方案,和直接传输及等功率传输方案相比获得了进一步的性能增益,中断概率显著下降.【总页数】5页(P2463-2467)【作者】郭艳艳;康桂霞;张宁波;张平【作者单位】北京邮电大学泛网无线通信教育部重点实验室,北京,100876;山西大学物理电子工程学院,太原,030006;北京邮电大学泛网无线通信教育部重点实验室,北京,100876;北京邮电大学泛网无线通信教育部重点实验室,北京,100876;北京邮电大学泛网无线通信教育部重点实验室,北京,100876【正文语种】中文【中图分类】TN92【相关文献】1.认知无线电中基于Stackelberg博弈的分布式功率分配算法 [J], 罗荣华;杨震2.基于OFDM的认知无线电系统最优功率分配算法 [J], 曹亚君;陈晓伟;宋延涛3.基于OFDM的认知无线电系统中的一种改进的功率分配算法的研究 [J], 刘春红;谭学治4.基于OFDM的认知无线电系统中功率分配算法 [J], 杨守义;宋延涛;陈泽先;陆彦辉5.基于OFDM的认知无线电系统中功率分配算法 [J], 杨守义; 宋延涛; 陈泽先; 陆彦辉因版权原因，仅展示原文概要，查看原文内容请购买。

基于不完全频谱感知的认知中继网络能量效率HU Lin-na;CHEN Qian【摘要】针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响.仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法的计算复杂度.【期刊名称】《科学技术与工程》【年(卷),期】2018(018)036【总页数】5页(P36-40)【关键词】认知中继网;频谱感知;能量效率;功率分配【作者】HU Lin-na;CHEN Qian【作者单位】【正文语种】中文【中图分类】TN911随着无线网络需求和业务的不断增长，无线频谱资源匮乏已成为共识。

认知无线电(cognitive radio，CR)是提高通信频谱利用率的智能技术，也是解决未来无线通信频谱稀缺问题的重要技术之一[1]。

通常采用中继传输来提高认知无线电系统的覆盖范围和系统容量[2]。

但由于频谱感知不理想导致系统能耗增加。

这是亟待解决的问题之一。

为了适应节能环保的绿色通信要求，本文以最大化能量效率(energy efficient, EE)为目标，研究认知中继网络次级用户系统资源分配问题。

为了增加次用户的传输机会，文献[3]提出了一种基于频谱感知的共享认知无线电系统，根据感知结果调整传输功率，并研究了平均传输约束下单载波系统资源分配问题。

文献[4]研究主要了认知无线系统平均发射功率和主要用户的丢失率。

然而在[3]和[4]中，功率分配方案无法有效解决。

文献[5，6]提出了一种最优功率分配方案，在不考虑感知误差的情况下最大化认知无线电系统中次用户的能量效率。

文献[7]分析了不完全情况频谱感知下的能量效率问题，但没有考虑认知中继问题。

收稿日期：2020-06-14作者简介：李丽（1982—），女，湖南古丈人，湖南大学访问学者，副教授†通信联系人，E-mail ：*****************.cn*第48卷第4期2021年4月湖南大学学报（自然科学版）Journal of Hunan University （Natural Sciences ）Vol.48，No.4Apr.2021DOI ：10.16339/ki.hdxbzkb.2021.04.008文章编号：1674—2974（2021）04—0066—08认知无线网络中基于能量采集的单向中继选择与功率分配方案李丽1，2，曾凡仔1†，徐纪胜1（1.湖南大学信息科学与工程学院，湖南长沙410082；2.湖南邮电职业技术学院，湖南长沙410015）摘要：提出了一种基于能量采集的认知无线网络的单向中继选择和功率分配方案.方案考虑主用户和次用户都能进行能量采集且信道状态信息不完美的场景.此方案首先将次用户作为中继协助主用户传输数据，同时次用户采集无线射频信号的能量，联合功率分配和中继选择策略构造了所提方案的系统能量效应优化问题.由于优化目标是非凸函数，运用分式规划变形和拉格朗日对偶方法求解.然后在此基础上构造主用户吞吐量离线优化问题，并采用广义Bender 分解方法求解.最后，通过数值仿真分析评估所提方案的性能，验证了所提方案在能效方面的优势.关键词：认知无线网络；能量采集；中继选择；功率分配中图分类号：TN925文献标志码：AA Joint Relay Selection and Power Allocation Scheme Based on Energy Harvesting in Cognitive Radio NetworksLI Li 1，2，ZENG Fanzi 1†，XU Jisheng 1（1.College of Information Science and Engineering ，Hunan University ，Changsha 410082，China ；2.Hunan Post And Telecommunication College ，Changsha 410015，China ）Abstract ：This paper proposes a joint relay selection and power allocation scheme for the cognitive radio networkbased on energy harvesting.Under the condition that the primary user performance is guaranteed,this scheme can sig -nificantly improve the energy efficiency of system.This paper considers that the transmitters of primary user and sec -ondary user both conduct energy harvesting.In addition,we consider the imperfect channel status information.First ，the secondary user is selected as a relay to assist the primary user to transmit data,while the secondary user collects the energy of the radio frequency.Then ，we present the relay selection and power allocation tactics to maximize ener -gy efficiency.Since the convex optimization problem is still a fractional programming,we apply fractional deformation and Lagrange method to solve the problem of optimizing the maximum throughput of the primary network.Based on the proposed scheme,an off-line optimization problem is proposed to optimize the throughput of the primary user,and we apply generalized the Bender decomposition to solve this problem.Numerical results show that the proposed scheme has an obvious advantage in energy efficiency.Key words ：cognitive radio networks ；energy harvesting ；relay selection ；power allocation李丽等：认知无线网络中基于能量采集的单向中继选择与功率分配方案当认知无线网络中主用户（Primary User，PU）收发机之间的信道增益很弱且无法配置多天线时，可以利用协作通信改善网络性能，提高频谱利用率.当前认知无线网络有三种频谱共享模式：交织模式、衬底模式和覆盖模式[1].中继选择以及中继节点的能量供给是协作通信提升网络性能的关键.文献[2]研究了衬底模式下协作中继选择策略.文献[3]研究了覆盖模式下的一种资源调度方案.文献[4]研究了混合衬底、交织模式下的动态频谱感知与访问模型.中继节点的能量供给对于认知无线网络十分重要，一旦中继节点的能量消耗殆尽，则数据传输将会被迫中断，而能量采集技术为中继节点的长期运行提供可能[5].文献[6]给能量采集和信息传输的同时执行提供了理论可能.文献[7]构建了一种新的能量采集网络系统，在干扰低于设定阈值的情况下次用户（Sec原ondary User，SU）与PU可在相同的频谱上同时传输数据.由于实际电路的限制，难以实现同时能量采集和信息传输，文献[8]提出了一种采用时间切换中继和功率分裂方案.将传输时间划分为两部分分别用于能量采集和数据传输；将无线射频信号分为两部分数据流分别用于能量采集和信息解码.文献[9-[10]对时间切换中继方案进行了研究，但没有考虑能量效应.文献[11]分析了具有无限电池容量的时间切换和功率分裂中继方案的能量效率.文献[12]在nakagami-m衰落信道下分析了认知无线网络的中断概率.文献[13]主要研究了通过优化时间分配最大化PU吞吐量.本文研究不完美信道状态下，PU和SU都进行能量采集且SU利用功率分裂技术采集能量和解码信息场景中的联合中继选择与功率分配方案，该方案通过最优化方法从多个SU中选择最佳信道和能量状态的SU作为中继协作传输，在实现系统能量效率最大化的同时保障PU吞吐量最优.1系统模型1.1传输模型PU系统模型如图1所示，包含一对PU收发机和N对SU.考虑基于能量采集的认知无线网络的单向中继协作传输方案，即从源节点经过中继节点到目的节点的信号单向传递.单向中继协作有半双工和全双工两种模式，本文采用半双工模式.此外PU 拥有授权频谱且总是有数据传输，SU作为中继候选并协助PU传输数据来换取接入频谱的机会.PT SUNSU2SU1PR图1主用户系统模型Fig.1PU System model如果接收信号能量消耗忽略不计，则PU接收机和SU接收机不需要能量采集设备，但PU发射机和SU发射机需配置能量采集设备，且采集能量多少决定是否参与数据传输和处理过程.假设PU和SU的电池存储容量有限，存储容量最大值分别为B P T，max和B SU，max.PU和SU都是以时隙模式运行，时隙传输模型如图2所示.传输时隙间隔相等，每个时隙包括三个阶段且总的传输时长为J个时隙.PU发射机PT采集能SU发射机ST采集能PU发射机PT传输数据到SU发射机ST第一阶段第二阶段第三阶段aT aT（1-2a）TSU发射机ST转发数据到PU接收机PR图2时隙传输模型Fig.2Time slot transport model第一阶段，PU发射机和SU发射机进行能量采集并存储在各自的电池中.第二阶段，PU发射机传输数据到SU发射机，SU采用功率分裂技术将接收到的信号划分为两部分数据流：一部分用来采集能量，另一部分解码PU 信号.SU发射机用于能量采集和解码信号的功率分裂比分别为ρE和ρI.假设所有的SU发射机都可以成功解码PU的发射信号.为了消除SU之间的传输干扰，每次只有一个SU发射机被选中协助PU 传输数据.第三阶段，被选中的SU利用第一阶段采集的能量转发接PU数据.PU发射机保持静止，PU接收机接收SU发射机转发的数据.第4期671.2信道模型定义h PS j，h SP j和h S j分别为PT和ST j之间、ST j和PR之间、ST j和SR j之间的信道增益.假设所考虑的信道条件为块衰落且相互独立，在每个时隙内信道增益保持不变，但是时隙之间是变化的.h PS j，h SP j和h S j 的估计值分别表示如下：h PS j=h~PS j+e PS jh SP j=h~SP j+e SP j（1）h S j=h~S j+e S j其中，e PS j~CN（0，σ2e PS j），e SP j~CN（0，σ2e SP j），e S j~CN（0，σ2e S j）分别是相应链路的信道估计误差，h~PS j，h~SP j和h~S j是信道增益的估计值.SU采集无线电射频信号能量且将接收到的信号分裂为两个数据流，假设有N个离散功率分裂比ρE j：ρE j={ρ1S，…，ρn S，…，ρN S}（2）ρI j=1-ρE j（3）式中：ρn S，（1-ρn S），n∈{1，2，…，N}分别表示能量采集和信息解码中的功率分裂比.2系统能量与数据速率分析2.1系统有效能量在第j个时隙内，节点N∈{PT，SU1，SU2，…，SU N}的电池能量为B N，j.假设存储能量是线性变化的，且不能超过最大存储能量B N，max，则有：B N，j+1=min{（B N，j-P N，j+H N，j），B N，max}假定采集的能量H N，j≤B N，max且H N，j为一种均值为H N=E{H N，j}的遍历随机过程，其中E{·}表示期望值.令B N，1=H N，0≥0表示节点开始传输之前的可用能量.当PU发射机发射无线电射频信号时，SU发射机接收信号并采集能量，则采集的瞬时能量值为：H j=aη（N n=1∑ωn Sρn S）P PS j，n h~PS j+e PS j2（4）式中：η∈（0，1）为能量转换效率，a表示第一阶段的时间比值，ωn S=1则为选择ST j且以ρn S进行功率分裂，否则ωn S=0.采集的瞬时能量值是一个随机变量，因此能量中断可能发生.根据文献[11]可知采集的能量值表达式近似为：G j=aη（N n=1∑ωn Sρn S）P PS j，nβj（5）式中：βj=[-2log（1-C out）]1+ξPS j2()，ξPS j=2h~PS jσ2e PS j且C out为能量采集过程中最大可允许的中断概率：Pr{H j<G j|H}≤C out（6）则有效采集能量可以表示为：E j=G j（1-C out）≈aq3η（N n=1∑ωn Sρn S）P PS j，nβj（7）式中：q3=（1-C out）.2.2系统有效数据速率若将系统噪声归一化，则PU发射机和SU发射机之间的瞬时数据速率可以表示为：C P j，n=min{a log2（1+（1-ρn S）P PS j，n h~PS j+e PS j2），a log2（1+P PS j，n h~SP j+e SP j2）}（8）式中：P PS j，n和P SP j，n分别表示PU发射机与第j个SU发射机之间、第j个SU发射机与PU接收机之间的传输功率.由于信道估计误差，瞬时数据速率值也是一个随机变量.因此当预设的数据速率r P j，n超过瞬时数据速率C P j，n时传输中断.假设在信道状态H^={h~PS j，h~SP j，h~S j，∀j}情况下数据传输中断，那么r P j，n和C P j，n之间的关系如下：Pr{C P j，n<r P j，n|H~}≤P P out（9）式中：P P out是PU网络允许的中断概率.用瞬时速率式（8）的min{·}中第一部分来替代式（9）中的C P j，n，则有：Pr{a log2（1+（1-ρn S）P PS j，n h~PS j+e PS j2）<r P j，n|H~}≤P P out（10）将式（10）化简可得：Pr h~PS j+e PS j2<2r P j，n a（1-ρn S）P PS j，n {}=1-exp1122r P j，na（1-ρn S）P PS j，n1+ξPS j2[]⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥≤P out（11）令χPS j=h~PS j+e PS j2，χPS j非中心卡方分布随机变量，非中心系数ξPS j=2h~PS jσ2e PSj且自由度为m=2.同理用式（8）的min{·}中的第二部分来替代式（9）中r P j，n，经过以上计算，可以得出实际的数据速率：湖南大学学报（自然科学版）2021年68r P j ，n =min{a log 2（1+（1-ρn S ）P PS j ，n a PS j ），a log 2（1+P SP j ，n a SPj ）}（12）式中：a PS j=[-2log（1-P P out）]1+ξPSj 2().PU 发射机与接收机之间的数据速率R P j ，n可以近似表达如下：P P j ，n =r P j ，n（1-P Pout ）≈min{aq 1log 2（1+（1-ρn S ）P PS j ，n a PSj ），aq 1log 2（1+P SP j ，n a SPj ）}（13）式中：q 1=1-P Pout ，且a SP j 与a PS j 等价.3中继选择和功率分配方案3.1系统能量效率最大化系统的能量效率定义为PU 和SU 消耗的每焦耳能量可以成功转发的比特的平均数.中继选择和功率分配策略必须满足PU 和中继SU 的服务质量要求，且消耗能量必须低于采集的能量.据此需要优化三个变量，分别是中继选择策略ω、功率选择策略P 和时间参数选择策略a .给定ωnS ∈{0，1}，令P ={P PS j ，n ，P SP j ，n }表示从PU 发射机到中继和从中继到PU 接收机的传输功率集合，ρnS 是功率分裂比.本文假设SU 作为中继的发射功率为恒定的，则系统能量效率最大化问题可以表示为：max ω，P ，aEE =Jj =1∑Nn =1∑ωnS Rj ，nP PC+J j =1∑Nn =1∑ωn S PPS j ，n（14）s.t.（C 1）Jj =1∑Nn =1∑ωn R R P j ，n ≥R Pmin（C 2）aq 1log 2（1+（1-ρnS ）P PS j ，n a PS j ）≥R P j ，n （C 3）aq 1log 2（1+P n S a SP j ）≥R P j ，n （C 4）Nn =1∑ωn S （1-2a ）q 2log 2（1+P S j ，n a S j ）≥R Smin ，∀j （C 5）Nn =1∑ωn S P SP j ，n a+Nn =1∑ωn S P S j ，n（1-2a ）+P S C T ≤E j ，∀j （C 6）Jj =1∑Nn =1∑ωn S P PS j ，n ≤P Pmax（C 7）Jj =1∑Nn =1∑ωn S P SP j ，n ≤P Smax（C 8）Jj =1∑Nn =1∑ωn S P S j ，n ≤P S max（C 9）J j =1∑Nn =1∑ωn S ≤1（C 10）ωnS={0，1}（C 11）0≤a ≤12式中：约束C 1和C 4分别指的是PU 和SU 的最小数据传输速率约束，即服务质量要求.C 2和C 3是指用于消除C 1中的最小函数值代数式.C 5表示能量约束.C 6~C 8表示PU 和SU 中继传输功率约束.C 9和C 10约束表示PU 最多只有一个中继.C 11表示时间分配长度约束.优化问题（14）是一个非线性分式规划.为了方便求解，将式（14）转换为一个凸优化问题.但是转化后的优化问题仍然有变量的耦合情况，不能直接利用拉格朗日对偶方法优化求解，为此引入辅助变量S P j ，n =ωn R R P j ，n ，ρ~n S =ωn S ρn S ，P ~PS j ，n =ωn S P PS j ，n ，P ~SP j ，n =ωn S P SP j ，n ，P ~Sj ，n =ωn S P Sj ，n .放缩ωn S ，即0≤ωn S ≤1，ωn S ∈R.假设次用户有相同的功率分裂比ρE j =ρEk ，j ≠k .通过以上处理后，可以利用拉格朗日对偶方法求解系统能量效率最大化问题，式（14）用拉格朗日函数可以表达为：（C 2）ωnS q 1log 2（1+（1-ρn S ）P ~PSj ，n ωnS a PS j ）≥S P j ，na（C 3）ωnS q 1log 2（1+P ~SPj ，n ωnS a SP j ）≥S P j ，na（C 4）Nn =1∑ωnS q 2log 2（1+P ~Sj ，n ωnS a Sj ）≥R Smin （1-2a ），∀j （C 5）Nn =1∑P ~Sj ，n +2Nn =1∑P ~Sj ，n +q 3ηNn =1∑P ~PSj ，n ρnS βj ≥P S C+Nn =1∑P ~nj ，n a（15）则优化问题（14）的对偶问题为：min L \{P ，ω，a }max P ，ω，aL （λp ，λs ，j ，φj ，n ，ϕj ，n ，υj ，δ1s ，δ2s ，δp ，γ，μ，P ，ω，a ）（16）求解优化问题（14）时，首先确定一个常数值，其次根据拉格朗日对偶算法求解P PS *j ，n 和P SP *j ，n ，然后可以通过对a 迭代求解问题（16）.在每次迭代中，利用Karush-Kuhn-Tucker 条件计算最优分配功率参数和时间系数，且最优解表示如下：P PS *j ，n =ϕj ，n q 1（δp +q *-υj q 3ηρn S βn ）ln2-1（1-ρn S ）a PS j（17）李丽等：认知无线网络中基于能量采集的单向中继选择与功率分配方案第4期69P SP *j ，n =ϕj ，n q 1（υj +δ1S ）ln2-1a SP j （18）[（ϕj ，n +φj ，n ）S P j ，n +υj （P S C +P ~S j ，n ）]（1-2a ）2--2a 2λS R S min-εa 2（1-2a ）2=0（19）而a 最优解a *可用牛顿迭代法求解（19）式得到.假设选择ST j 作为中继且功率分裂比为ρn S ，当满足中继选择准则时，有：（ωn S ）*=1，if n ，j =arg max{A a b }0，otherwise{（20）其中：A a b =φj ，n q 1log 2（1+（1-ρn S ）P PS *j ，n a PSj ）+ϕj ，n q 1log 2（1+P SP *j ，n a SPj ）+λs ，j q 2log 2（1+P S *j ，n a Sj ）-φj ，n q 1（1-ρn S ）P PS *j ，n a PSj （1+（1-ρn S ）P PS *j ，n a PS j ）ln 2-φj ，n q 1P SP *j ，n a SP j （1+P SP *j ，n a SP j ）ln 2-λS ，j q 2P S *j ，n a Sj （1+P S *j ，n a Sj ）ln2-γA a b 表示当SU 中继被分配给PU 系统时获得的边际收益，其中功率分裂比应为ρnS .对偶问题（16）的最小化则采用共轭梯度方法，其拉格朗日算子的更新如下：λp （l +1）=λp （l ）-ε1（l ）J j =1∑Nn =1∑s j ，n -R Pmin()[]+（21）利用类似方法可以推导出其它参变量.3.2PU 系统吞吐量最大化假设已知信道状态信息（CSI ）、PU 发射机和SU的能量采集时间、SU 的功率分裂比，为使截止到第J 个时隙的数据传输总比特数最大，则构造PU 吞吐量最大化问题如下：maxP PT ，j P SU ，j ω1，1，L ，ωN ，J Jj =1∑12log （1+SNR j ）（22）Jj =1∑（P PT ，j+λPT ，j ）≤l -1j =0∑H PT ，j ，∀l （23）lj =1∑（w n ，jP SU ，j +λSU ，j ）≤l -1j =0∑H SU ，j ，∀l ，∀n （24）mk =0∑HPT ，j-mk =1∑（P PT ，j +λSU ，j ）≤B PT ，max ，∀m （25）mj =0∑HSU ，j-m k =1∑（ωn ，j P SU ，j +λSU ，j ）≤B SU ，max ，∀m ，∀n （26）Nn =1∑ωn ，j=1，∀j（27）ωn ，j ∈{0，1}，∀j ，∀n （28）式中：SNR j =Nn =1∑ωn ，j P PT ，j P R ，j h PT-SU ，j h SU -PR ，j P PT ，j h PT-SU ，j +P SU ，k h SU -PR ，k +1，且{P |P PT >0，P SU >0}，{λ|λSU >0，λPT >0}分别表示优化目标变量集.约束（26）和（27）分别为PU 和SU 采集能量限制.约束（28）和（29）分别表示PU 和SU 的电池存储容量限制.约束（30）和（31）确保在某个特定时隙j上有且仅有一个ωn ，j 的值为1.为将优化问题的目标函数转变成关于PU 传输功率和SU 传输功率的凸函数，引入高信噪比近似：SNR j ≈SNR j =Nn =1∑ωn ，j P PT ，j P SU h PT-SU ，j h SU -PR ，j P PT ，j h PT-SU +P SU h SU -PR ，j （29）用SNR j 代SNR 后，优化问题（22）为非凸混合整数非线性规划.非凸性的原因是在目标函数和限制条件中ωn ，j 与PU 、SU 的功率分配变量之间的乘积耦合形式.由于ωn ，j 的二元特性，式（22）中的优化问题可以改写为：maxP P T ，j P SU ，j ω1，1，…，ωN ，J Jj =1∑12log （1+SNR j ）（30）s.t.lj =1∑（P PT ，j +λPT ，j ）≤l -1k =0∑H PT ，j ，∀l （31）mk =0∑HPT ，j-mk =1∑（P PT ，j +λSU ，j ）≤B PT ，max ，∀m （32）mk =1∑ωn ，j=1，∀j（33）ωn ，j ={0，1}，∀j ，∀n （34）lj =1∑（ωn ，jP SU ，j +λSU ，j ）≤l -1k =0∑H SU ，j ，∀l ，∀n （35）m j =0∑HSU ，j-mk =1∑（P SU ，j +λSU ，j ）≤B SU ，max ，∀m ，∀n （36）P SU ，j ≤ωn ，j l -1k =0∑H SU ，j ，∀j ，∀n （37）此时，优化问题（30）是一个凸混合整数非线性规划，采用广义Benders 分解法（GBD ）将优化问题（30）分解成一个基本问题和一个主要问题求解.二元变量ωn ，j 可以通过求解主要问题而获得，而P PT ，j 和P SU ，j 则可以通过求解基本问题而获得.GBD 算法反复迭代求解基本问题和主要问题直到它们的解收敛.1）基本问题（第i 次迭代）对于从i -1次迭代后给定的最优ω（i-1）*n ，j ，列出问题如下：湖南大学学报（自然科学版）2021年70maxP PT ，j P SU ，j ω1，1，L ，ωN ，JJj =1∑12log （1+SNR j ）（38）s.t.lj =1∑（P PT ，j +λPT ，j ）≤l -1j =0∑H PT ，j ，∀l （39）lj =1∑（ωn ，jP SU +λSU ）≤l -1j =0∑H SU ，∀l ，∀n（40）mk =0∑HPT ，j-mk =1∑（P PT ，j +λSU ，j ）≤B PT ，max ，∀m （41）mj =0∑HSU ，j-mj =1∑（P SU ，j +λSU ，j ）≤B SU ，max ，∀m ，∀n （42）P SU ≤ω（l-1）n ，j l -1j =0∑H SU ，∀j ，∀n （43）基本问题是一个关于变量P PT ，j ，P SU ，j ，λPT ，j ，λSU ，j 的凸优化问题，可以通过凸规划求出最优解.令（P （i ）PT ，j ）*、（P （i ）SU ）*、（λ（i ）PT ，j ）*、（λ（i ）R ）*表示在第i 次迭代中的最优解.2）主要问题（第i 次迭代）利用基本问题的拉格朗日算子变换构造主要问题.基本问题的拉格朗日算子为：L （P PT ，j ，P SU λPT ，j ，λSU ，ξPT ，l ，ξSU ，ηPT ，m ，ηSU ，αn ，j ）=Jj =1∑12log 1+Nn =1∑P PT ，j P SU h PT-SU h SU -PR ，J P PT ，j h PT-SU ，j +P SU ，j h SU -PR ，j ()-l j =1∑ξPT ，l （P PT ，j +λPT ，j ）-l -1j =0∑H PT ，j()-Nn =1∑lj =1∑a n ，j P SU ，j -ωn ，j l -1j =0∑H SU ，m ()-Nn =1∑lj =1∑ξSU ，l （P SU ，j +λSU ，j ）-l -1j =0∑H SU ，j ()-Jj =1∑ηPT ，mm j =0∑H PT ，j -Nn =1∑（P PT ，j +λPT ，j ）-B PT ，max()-Nn =1∑jm =1∑ηSU ，mm j =0∑H SU ，k -mn =1∑（P SU ，j +λSU ，j ）-B SU ，max()（44）式中：ξPT ，1，ξSU ，1，ηPT ，m ，ηSU ，m 和a n ，j 为拉格朗日乘子.ξ*PT ，1，ξ*SU ，1，η*PT ，m ，η*SU ，m ，a *n ，j ，为拉格朗日乘子的最优解.对于给定的ξ（i ）*PT ，1，ξ（i ）*SU ，1，η（i ）*PT ，m ，η（i ）*SU ，m 和a （i ）*n ，j ，则主要问题可以表示如下：max ψM ≥0，ω1，1，L ，ωN ，JψM （45）s.t.ψ≤L （P （i ）*PT ，j ，P （i ）*SU ，j ，λ（i ）*PT ，j ，λ（i ）*SU ，j ，ξ（i ）*PT ，l ，ξ（i ）*SU ，l ，η（i ）*PT ，m ，η（i ）*SU ，m ，a （i ）*n ，j ）（46）Nn =1∑ωn ，j=1，∀j（47）ωn ，j ∈{0，1}，∀j ，∀n （48）式（45）为一个ψM 和ωn ，j 的混合整数线性问题，可以通过现有的标准优化工具箱求解.在迭代i 主要问题中（45）的最优解是ψ（i ）*M ，它是初始优化问题（30）的上界.在每次迭代中主要问题相比定义在前面的迭代有一个附加约束，主要问题迭代后重新获得的最优解总是小于或者等于先前的最优解.另一方面，基本问题中的（38）给出了混合整数变量的解决方法，基本问题的最优解总是等于或者小于初始问题（30），因此初始问题的解为基本问题的解给出了一个下界.设置在每次迭代中的下界等于先前迭代下界和当前迭代下界的最大值.在每次迭代中，首先利用从主要问题的上一次迭代给定的解决方案求解基本问题.再用基本问题给定的解决方案求解主要问题.这个过程在一个有限次数迭代中持续进行，又由于上界和下界具有单调性，应用GBD 算法反复迭代求解基本问题和主要问题直到它们的解收敛.算法具体步骤见表1.表1GBD 算法Fig.1GBD algorithm1：初始化算法参数：ω（0）n ，j ，收敛参数σ，I ←Φ且i ←1；2：flag i ←1；3：while flag i ≠1do ；4：求解基本问题（37）且得到P （i ）*s ，j ，P （i ）*R ，j ，λ（i ）*s ，j ，λ（i ）*R ，j ，ξ（i ）*sl ，ξ（i ）*R ，j ，η（i ）*S ，m ，η（i ）*R ，m 和下界；5：I ←I ∪（i ）；6：求解主要问题（44），且得到ω（i ）*n ，j 和上界；7：if UB （i ）-LB （i ）≤σthen ；8：flag ←0；9：end if ；10：set i ←i +1；11：end while ，输出ψM （PU 系统吞吐量）.4数值仿真分析4.1数值仿真参数通过数值仿真分析所提出的次用户中继选择和功率分配算法的性能.假设平均采集能量效率是H PT =H SU =…=H SU =0.55且H PT ，j 和H SU ，j 相互独立，取值为{0，0.65，1}，其中每个取值概率相等.假设B PT ，max =B SU ，max =…=H SU ，max =120.能量参数分布的均值分别为0.01、0.25、0.5、0.75、0.99，PU 、SU 容许的中断概率为0.01.能量采集过程的中断概率为0.1.能量采李丽等：认知无线网络中基于能量采集的单向中继选择与功率分配方案第4期71集随机变量的方差σ2为0.01.考虑指数分布信道条件，分析不同的次用户数目N和信道条件下所提出的方案的性能.场景一中假设N=1且h PT，SU=h SU，PR=h=0.8.场景二中假设N=3，其中第一条链路的信道状态条件和场景一相同，假设h PT，SU=h SU，PR=h PT，SU=h SU，PR=h=0.9.场景三中假设N=5，且前三条链路和场景二的信道状态条件相同，h PT，SU=h SU，PR=h PT，SU=h SU，PR=h=0.95.通过数值仿真模拟随机产生信道状态条件和采集能量的多次实验获得了平均吞吐量.4.2仿真结果图3为总的传输比特数目与时隙数目的关系曲线.从图3可知，本文提出的联合功率分配和中继选择方案，吞吐量随着时隙和次用户中继个数的增加而增加.60 50 40 30 20 10 0场景一：N=1场景二：N=3场景三：N=5012345678910时间间隔的数目j图3传输比特的总数目与时间间隔的数目关系Fig.3The number of transmitted bits vs thenumber of time intervals图4为在两种不同传输模式下系统有效吞吐量与时间分配系数的关系曲线.非协助传输模式中PU 在没有SU的协助情况下独自传输数据.PU完成数据传输后，SU感知到频谱空闲状态再接入频谱进行数据传输.协作传输模式即本文提出的单向中继协作传输.从图4可知系统有效吞吐量首先随着时间分配的增加而增加，但由于传输功率和传输速率限制，当时间分配系数增加到一定值后，系统的有效吞吐量开始下降.这是因为采集能量值与采集能量的时间相关，所以用于传输时隙中的能量不足导致系统用户服务质量得不到保障.而单向中继协作传输能够合理有效地分配时间和频谱，提高频谱利用率，所以在单向中继协作传输模式系统的有效吞吐量明显高于主用户独自传输的非协作模式.协作传输模式非协作传输模式00.050.100.150.200.250.300.350.400.450.50654321时间分配系数α图4系统的有效吞吐量与时间分配系数的关系Fig.4Effective throughput of the system vstime allocation coefficient图5为PU有效吞吐量与SU数目的关系曲线.因为信道条件和能量约束条件是有限的，所以PU的有效吞吐量无法满足.因为PU和SU的协作在能量信道条件有限情况下能够更有利于数据传输，所以从图5可知，在SU的帮助下PU的有效吞吐量随着SU的数目增加而增加，且最优中继选择策略明显优于随机中继协作方案.最优协作传输模式随机协作传输模式0246810121416182010987654321次用户数目图5PU的有效吞吐量与SU数目的关系Fig.5Effective throughput of PU vs SU number图6为系统平均能量效率与SU的数目的关系曲线.由图6可知最优中继选择策略下系统平均能量效率明显优于中继协作方案.这是因为随机中继协作传输仅基于随机信道条件和SU选择方案最大化用户或者系统的能量效率，可能会随机选择一个信道状态差的SU作为中继协助传输，导致能量资源浪费.本文所提的中继选择策略虽然只考虑了能量采集系统特性，但是可以自适应地利用有效的信道状态和能量采集信息优化能量效率，选择信道状态湖南大学学报（自然科学版）2021年72较好的SU 并分配合适有效的能量从而获得最优传输性能.最优协作传输模式随机协作传输模式1.00.90.80.70.60.50.40.30.20.1005101520253035404550次用户数目图6系统平均能量效率与SU 数目的关系Fig.6Average energy efficiency of the system vs SU number5结论本文提出一种基于能量采集的单向中继选择和功率分配方案，构造了所提方案的系统能量效应优化问题.应用分式规划变形和拉格朗日对偶方法以及广义Bender 分解方法求解优化问题得到最优解.数值仿真分析验证了所提方案的性能及求解方法的优势.参考文献［1］穆巴希尔·胡赛恩·雷马尼，瑞阿·达.认知无线电、移动通信与无线网络［M ］.北京：电子工业出版社，2020.：10—12.MUBASHIRHR ，RIADH D.Cognitiveradio ，mobilecommunications ，and wirelessnetworks ［M ］.Beijing ：China Electronics Press ，2020：10—12.（In Chinese ）［2］LEE W.Resource allocation for multi -channel underlay cognitiveradio network based on deep neural network ［J ］.IEEE Communications Letters ，2018，22（9）：1942—1945.［3］LI M ，HUANG Y Z ，LI M Q ，et al .Secrecy and efficiency in overlaycognitive full -duplex wirelessnetworks ［C ］//InternationalConferenceonElectronicInformationandCommunicationTechnology.Harbin ，China ，IEEE ，2019：73—78.［4］ZENG F Z ，LIU X X.Performance analysis of adaptive sensing incognitive radio networks with hybrid interweave -underlay ［C ］//International Conference on Information Science and Control Engineering.Changsha ，IEEE 2017：1576—1581.［5］程轶云.基于能量采集技术的认知网络的仿真与应用［D ］.杨州:扬州大学，2018：4—8.CHENG Y Y.Simulation and application of cognitive networks based on energy harvesting technology ［D ］.Yangzhou ：Yangzhou Univercity ，2018：4—8.（In Chinese ）［6］姚媛媛，李学华，黄赛.基于携能通信的大规模无线协作网络中断性能分析［J ］.北京邮电大学学报，2018，41（6）：20—25.YAO Y Y ，LI X H ，HUANG S ，et al .Outage characterization of large -scale wireless cooperative networks based on SWIP ［J ］Journal of Beijing University of Posts and Telecommunications ，2018，41（6）：20—25.（In Chinese ）［7］HOANG D T ，NIYATO D ，WANG P ，et al .Opportunistic channelaccess and RF energy harvesting in cognitive radio networks ［J ］.IEEE Journal on Selected Areas in Communications ，2014，32（11）：2039—2052.［8］WANG F ，GUO S T ，YANG Y Y.Relay selection and powerallocation for cooperative communication networks with energy harvesting.［J ］IEEE Systems Journal ，2019：735—746.［9］RAKOVIC V ，DENKOVSKI D ，HADZIVELKOV Z ，et al .Optimaltime sharing in underlay cognitive radio systems with RF energy harvesting ［J ］.2015IEEEInternationalConferenceonCommunications ，2015：7689—7694.［10］NASIR A A ，ZHOU X ，DURRANI S ，et al .Throughput and ergodiccapacity of wireless energy harvesting based DF relaying network［C ］//International Conference on Communications.Sydney ，2014：4066—4071.［11］HU S ，DING Z ，CAO X ，et al .Energy -efficient optimization incooperative networks with wireless information and power transfer ［C ］//201510th International Conference on Communications and Networking in China.August 15-17，2015，Shanghai ，China.IEEE ，2015：708—713.［12］HE J ，GUO S ，WANG F ，et al .Relay selection and outage analysis incooperative cognitive radio networks with energy harvesting ［C ］//International conference on communications.Kuala Lumpur ，Malaysia ，IEEE ，2016：1—6.［13］ZENG F ，XU J.Leasing -based performance analysis in energyharvesting cognitive radio networks ［J ］.Sensors ，2016，16（3）：305.李丽等：认知无线网络中基于能量采集的单向中继选择与功率分配方案第4期73。

专利名称：认知传感网络中基于解码转发协作的无线携能通信方法
专利类型：发明专利
发明人：卢为党,林元荣,赵伟琳,彭宏,华惊宇
申请号：CN201810042277.9
申请日：20180117
公开号：CN108337734A
公开日：
20180727
专利内容由知识产权出版社提供
摘要：一种认知传感网络中基于解码转发协作的无线携能通信方法，在该方法中，源传感器节点发送信息给中继传感器节点，中继传感器节点使用功率分割因子分割接收到的信号，一部分用于能量收集，剩余部分用于信息接收，中继传感器节点利用其收集到的全部能量E解码转发源传感器节点的信息到目的传感器节点。

本发明充分考虑主用户对认知传感器节点造成的干扰，能够准确获得认知传感网络的性能，并且通过两步分解方法能够快速获得源传感器节点的发送功率和中继传感器节点的功率分割因子最优值。

申请人：浙江工业大学
地址：310014 浙江省杭州市下城区朝晖六区潮王路18号
国籍：CN
代理机构：杭州斯可睿专利事务所有限公司
代理人：王利强
更多信息请下载全文后查看。

认知无线电网络中基于协作中继的安全传输策略(英文)王莉;马鑫;马跃;滕颖蕾;张勇【期刊名称】《中国通信：英文版》【年(卷),期】2013()8【摘要】In this paper,we propose a securityoriented transmission scheme with the help of multiple relays in Cognitive Radio(CR).To maximise the Secrecy Capacity(SC)of the source-destination link in CR,both beamforming and cooperative jamming technologies are used to improve the performance of the Secondary User(SU)and protect the PrimaryUser(PU).The effectiveness of the proposed scheme is demonstrated using extensive simulation.Both theoretical analyses and simulation results reveal that the proposed scheme contributes to the secure transmission of the SU with acceptable attenuation of the Signal-to-Noise Ratio(SNR)at the PU receiver,and the upper bound of the SC at the SU receiver is able to exploit the power allocation strategy.【总页数】9页(P27-35)【关键词】认知无线电;安全传输;中继传输;协作;抗干扰技术;信号噪声比;传输方案;波束形成【作者】王莉;马鑫;马跃;滕颖蕾;张勇【作者单位】Beijing Key Laboratory of Work Safety Intelligent Monitoring,School of Electronic Engineering,Beijing University of Posts andTelecommunications;School of Computer Science,Beijing University of Posts and Telecommunications【正文语种】中文【中图分类】TN92;TP393.08【相关文献】1.基于认知无线电网络的协作中继资源分配算法 [J], 郭艳艳;陈锋燕2.基于协作中继的认知无线电网络性能优化 [J], 段志刚;葛磊;孙文君;宫雪;胡启明3.认知中继网络中基于能效的协作传输技术研究 [J], 冯立;邝育军;吴斌伟;付新川4.认知无线电网络中基于协作中继的资源分配算法 [J], 刘晓雪;郑宝玉;季薇5.认知无线网络中基于最佳中继选择的协作传输策略 [J], 褚御芝;郑宝玉因版权原因，仅展示原文概要，查看原文内容请购买。

基于非线性能量收集的全双工认知中继网络的联合优化方法王令照;仇润鹤
【期刊名称】《计算机应用》
【年(卷),期】2022(42)10
【摘要】针对信息传输过程的时间消耗和信道估计误差对网络能效的影响,提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。

所提方法是在中继采用非线性能量收集并考虑非完美信道状态信息(CSI)的情况下,首先通过将能效非凸优化问题转化为两个凸的子优化问题,从而求出次用户和中继的传输功率以及收集的能量;其次,在保证主用户干扰门限以及最优传输功率非负的情况下,求出传输的信道容量范围;最后,将传输功率代入表达式得到关于时间的目标函数,并利用海森矩阵证明该目标函数为凸函数,进而求出最优传输时间以及功率分割因子,最终得出能效最优解。

实验结果表明,在相同条件下,所提联合优化方法的能效相较于仅优化传输功率的能效提升了约84.3%;同时验证了信道估计误差因子为0.01时,所提方法的网络能效降低了约1.9%。

【总页数】10页(P3130-3139)
【作者】王令照;仇润鹤
【作者单位】东华大学信息科学与技术学院;数字化纺织服装技术教育部工程研究中心(东华大学)
【正文语种】中文
【中图分类】TN925
【相关文献】
1.能量收集全双工中继网络中的中继选择策略研究
2.一种全双工认知中继网络中实现能量高效的安全传输方法
3.联合能量收集中继与全双工目的节点的安全资源分配方案
4.基于能量收集的全双工认知中继网络功率分配算法
5.基于非线性能量收集的全双工认知无线电网络频谱共享方案
因版权原因，仅展示原文概要，查看原文内容请购买。