基于能量采集的CRN功率分配和中继选择算法研究
本文选题:能量采集 + 功率分配 ; 参考:《广州大学》2016年硕士论文
【摘要】:对于无固定能量来源的认知中继网络(Cognitive Relay Networks,CRN),能量采集技术是一种解决节点能量来源问题的技术,通信节点利用该技术可从周围环境的干扰和噪声中提取用于信息传输的能量。在基于能量采集的认知中继网络中,可通过提高发射功率以提高通信速率,但同时也增大了能量消耗。因为节点采集的能量有限,并且能量消耗直接影响通信寿命,因此在优化节点通信速率的过程中需要考虑能量消耗及能量利用效率。本文研究基于能量采集的CRN功率分配和中继选择算法,目标是最大化通信速率以及能量利用效率。利用马尔可夫链对节点所处信道、频谱、能量状态进行描述。节点的发射功率受干扰阈值、最大发射功率以及能量限制,因此将能量采集节点网络中的联合功率分配算法构建为凸优化问题进行求解,并通过拉格朗日方程和KKT条件得出最优发射功率。另外,本文提出一种综合考虑信道状态和能量状态的中继选择算法,选择具备高信道增益和高能量的中继进行消息转发,提高了通信性能。蒙特卡洛仿真结果表明,基于通信速率最大化的联合功率分配和中继选择算法提高了次用户的通信速率;基于能量利用效率的联合功率分配和中继选择算法可在较低发射功率的条件下获得较高的收益,提高了能量利用效率,降低了中断概率。
[Abstract]:For Cognitive Relay Networks with no fixed energy source, energy acquisition technology is a technique to solve the problem of node energy source. Communication nodes can extract energy for information transmission from the interference and noise of the surrounding environment. In the cognitive relay network based on energy acquisition, the communication rate can be improved by increasing the transmit power, but the energy consumption is also increased at the same time. Because the energy collected by nodes is limited, and energy consumption directly affects the communication life, energy consumption and energy utilization efficiency should be considered in the process of optimizing the communication rate of nodes. In this paper, the CRN power allocation and relay selection algorithm based on energy acquisition is studied. The goal is to maximize the communication rate and energy utilization efficiency. Markov chain is used to describe the channel, spectrum and energy state of the node. The transmit power of the node is limited by interference threshold, maximum transmit power and energy. Therefore, the joint power allocation algorithm in the energy acquisition node network is constructed as a convex optimization problem. The optimal transmission power is obtained by Lagrange equation and KKT condition. In addition, a relay selection algorithm considering both channel state and energy state is proposed in this paper. The relay with high channel gain and high energy is selected for message forwarding, which improves the communication performance. Monte Carlo simulation results show that the combined power allocation and relay selection algorithm based on maximization of communication rate improves the communication rate of secondary users. The combined power allocation and relay selection algorithm based on energy utilization efficiency can obtain higher income under the condition of lower transmit power, improve the energy utilization efficiency and reduce the interruption probability.
【学位授予单位】:广州大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TN925
【参考文献】
相关期刊论文 前9条
1 梁爽;杨守义;郝万明;;基于认知无线电的双向中继网络的资源分配[J];电信科学;2015年03期
2 罗荣华;杨震;;基于最佳中继选择的认知网络功率分配[J];仪器仪表学报;2012年09期
3 付建国;杨亮;刘伟平;;认知无线电系统中功率控制博弈算法的优化[J];移动通信;2011年16期
4 罗荣华;杨震;;认知无线电中基于Stackelberg博弈的分布式功率分配算法[J];电子与信息学报;2010年12期
5 郭艳艳;康桂霞;张宁波;张平;;基于认知无线电系统的协作中继分布式功率分配算法[J];电子与信息学报;2010年10期
6 孙彬;杨震;田峰;;基于代价函数的认知无线电功率控制博弈算法[J];南京邮电大学学报(自然科学版);2010年05期
7 王海涛;;认知无线电网络中的频谱管理技术[J];电子信息对抗技术;2009年04期
8 程世伦;杨震;;基于信干比的认知无线电自适应功率控制算法[J];电子与信息学报;2008年01期
9 叶佩军 ,安建平;一种移动通信信道模拟器的设计与实现[J];电子技术应用;2004年07期
相关博士学位论文 前7条
1 刘佳;认知中继网络中高效性协作传输技术研究[D];北京邮电大学;2015年
2 孙武剑;认知无线网络频谱资源管理关键技术研究[D];解放军信息工程大学;2013年
3 陈丹;协作与认知无线通信网络中若干关键技术研究[D];北京邮电大学;2012年
4 刘阳;基于中继协作的认知无线网络资源管理研究[D];北京邮电大学;2012年
5 杨蕊;认知无线电频谱资源分配与共享技术研究[D];哈尔滨工程大学;2012年
6 裴二荣;认知无线电网络中的资源优化分配的研究[D];电子科技大学;2012年
7 吴进波;感知无线电系统中能量检测及MAC层调度技术的研究[D];北京邮电大学;2010年
相关硕士学位论文 前5条
1 岳新智;基于纯不连续马尔可夫过程认知无线电频谱感知的研究[D];长春理工大学;2014年
2 李丹;基于能量采集的认知无线电系统关键技术研究[D];北京邮电大学;2014年
3 张高飞;认知无线电频谱感知和功率分配研究[D];浙江工业大学;2013年
4 高龙;认知无线电网络中的中继协作和功率分配算法研究[D];北京邮电大学;2010年
5 张洪涛;认知无线电功率控制算法研究[D];西安电子科技大学;2008年
,本文编号:1877967
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1877967.html