反向散射辅助的无线供能通信网络中用户能效公平性研究
发布时间：2021-01-07 17:15
针对反向散射辅助的无线供能通信网络中由于信道质量差异导致的用户能效不公平问题,提出了一种基于最大最小准则的资源分配方法。首先,考虑用户服务质量与能量因果约束,并以最大最小化用户能效为目标,将优化问题建模为混合整数非凸分式规划问题。其次,利用广义分式规划理论将其转化为一个混合整数非凸减式优化问题,并通过引入松弛变量、反证法和辅助变量将非凸减式问题进一步转化为一个等价的凸问题。最后,提出一种迭代算法来获取原优化问题的最优解。实验仿真验证了所提迭代算法的快速收敛性,并证明了所提资源分配方法能够有效地保障用户能效公平性。
【文章来源】：通信学报. 2020,41(07)北大核心
【文章页数】：11 页
【部分图文】：
系统模型
·92·通信学报第41卷中可以看出，使用本文所提资源分配方法，最好用户和最差用户所能完成的能效差异明显小于总能效最大化资源分配方法。当用户间信道差异较小时，使用本文所提资源分配方法得到的用户平均能效略微低于总能效最大化资源分配方法得到的用户平均能效，但最好用户和最差用户所能完成的能效的差异却明显低于总能效最大化资源分配方法。当用户间信道差异较大时，可以看到使用总能效最大化资源分配方法将会导致最好用户的能效是最差用户能效的2倍，然而使用本文所提资源分配方法，最好用户能效是最差用户能效的1.2倍左右，这有效地保障了用户间获取资源的公平性。图44种资源分配方法的性能比较图52种资源分配方法公平性比较5结束语本文面向反向散射通信辅助的无线供能通信网络提出了一种保障用户能效公平性的资源分配方法。考虑用户最小速率约束及能量因果关系，以最大最小用户能效为优化目标，将优化问题建模为一个时功两维资源联合优化的混合整数非凸分式规划问题。通过引入广义分式理论、松弛变量、反证法和辅助变量，将其转化为一个等价的凸问题，并设计了一种迭代算法来求解所提资源分配方法的最优参数。最后通过仿真验证以下3个结论：1)所提迭代算法能够快速收敛到最优值；2)所提资源分配方法能够有效保障用户能效的公平性；3)在所提资源分配方法中，反向散射通信模式与HTT模式存在权衡关系。附录1引理1的证明本文采用反证法来证明引理1成立。假设式(19)～式(21)所示优化问题的最优解为*****0(,,,,)kkktτtPPβ，该最优解同时满足约束条件式(20)和式(21)及*max00P<P，那么最大的θ可通过式
·92·通信学报第41卷中可以看出，使用本文所提资源分配方法，最好用户和最差用户所能完成的能效差异明显小于总能效最大化资源分配方法。当用户间信道差异较小时，使用本文所提资源分配方法得到的用户平均能效略微低于总能效最大化资源分配方法得到的用户平均能效，但最好用户和最差用户所能完成的能效的差异却明显低于总能效最大化资源分配方法。当用户间信道差异较大时，可以看到使用总能效最大化资源分配方法将会导致最好用户的能效是最差用户能效的2倍，然而使用本文所提资源分配方法，最好用户能效是最差用户能效的1.2倍左右，这有效地保障了用户间获取资源的公平性。图44种资源分配方法的性能比较图52种资源分配方法公平性比较5结束语本文面向反向散射通信辅助的无线供能通信网络提出了一种保障用户能效公平性的资源分配方法。考虑用户最小速率约束及能量因果关系，以最大最小用户能效为优化目标，将优化问题建模为一个时功两维资源联合优化的混合整数非凸分式规划问题。通过引入广义分式理论、松弛变量、反证法和辅助变量，将其转化为一个等价的凸问题，并设计了一种迭代算法来求解所提资源分配方法的最优参数。最后通过仿真验证以下3个结论：1)所提迭代算法能够快速收敛到最优值；2)所提资源分配方法能够有效保障用户能效的公平性；3)在所提资源分配方法中，反向散射通信模式与HTT模式存在权衡关系。附录1引理1的证明本文采用反证法来证明引理1成立。假设式(19)～式(21)所示优化问题的最优解为*****0(,,,,)kkktτtPPβ，该最优解同时满足约束条件式(20)和式(21)及*max00P<P，那么最大的θ可通过式
【参考文献】：
期刊论文
[1]6G Visions:Mobile Ultra-Broadband,Super Internet-of-Things,and Artificial Intelligence[J]. Lin Zhang,Ying-Chang Liang,Dusit Niyato. 中国通信. 2019(08)
[2]异构携能通信网络顽健资源分配算法[J]. 徐勇军,胡圆,李国权,林金朝,陈前斌. 通信学报. 2019(07)
[3]6G移动通信技术展望[J]. 张平,牛凯,田辉,聂高峰,秦晓琦,戚琦,张娇. 通信学报. 2019(01)
[4]反向散射通信辅助的认知无线能量通信网络的时间分配研究[J]. 谢天怡,吕斌,杨真真. 信号处理. 2018(01)
[5]反向散射通信技术与物联网[J]. 王公仆,熊轲,刘铭,高飞飞,钟章队. 物联网学报. 2017(01)
本文编号：2962930
【文章来源】：通信学报. 2020,41(07)北大核心
【文章页数】：11 页
【部分图文】：
系统模型
·92·通信学报第41卷中可以看出，使用本文所提资源分配方法，最好用户和最差用户所能完成的能效差异明显小于总能效最大化资源分配方法。当用户间信道差异较小时，使用本文所提资源分配方法得到的用户平均能效略微低于总能效最大化资源分配方法得到的用户平均能效，但最好用户和最差用户所能完成的能效的差异却明显低于总能效最大化资源分配方法。当用户间信道差异较大时，可以看到使用总能效最大化资源分配方法将会导致最好用户的能效是最差用户能效的2倍，然而使用本文所提资源分配方法，最好用户能效是最差用户能效的1.2倍左右，这有效地保障了用户间获取资源的公平性。图44种资源分配方法的性能比较图52种资源分配方法公平性比较5结束语本文面向反向散射通信辅助的无线供能通信网络提出了一种保障用户能效公平性的资源分配方法。考虑用户最小速率约束及能量因果关系，以最大最小用户能效为优化目标，将优化问题建模为一个时功两维资源联合优化的混合整数非凸分式规划问题。通过引入广义分式理论、松弛变量、反证法和辅助变量，将其转化为一个等价的凸问题，并设计了一种迭代算法来求解所提资源分配方法的最优参数。最后通过仿真验证以下3个结论：1)所提迭代算法能够快速收敛到最优值；2)所提资源分配方法能够有效保障用户能效的公平性；3)在所提资源分配方法中，反向散射通信模式与HTT模式存在权衡关系。附录1引理1的证明本文采用反证法来证明引理1成立。假设式(19)～式(21)所示优化问题的最优解为*****0(,,,,)kkktτtPPβ，该最优解同时满足约束条件式(20)和式(21)及*max00P<P，那么最大的θ可通过式
·92·通信学报第41卷中可以看出，使用本文所提资源分配方法，最好用户和最差用户所能完成的能效差异明显小于总能效最大化资源分配方法。当用户间信道差异较小时，使用本文所提资源分配方法得到的用户平均能效略微低于总能效最大化资源分配方法得到的用户平均能效，但最好用户和最差用户所能完成的能效的差异却明显低于总能效最大化资源分配方法。当用户间信道差异较大时，可以看到使用总能效最大化资源分配方法将会导致最好用户的能效是最差用户能效的2倍，然而使用本文所提资源分配方法，最好用户能效是最差用户能效的1.2倍左右，这有效地保障了用户间获取资源的公平性。图44种资源分配方法的性能比较图52种资源分配方法公平性比较5结束语本文面向反向散射通信辅助的无线供能通信网络提出了一种保障用户能效公平性的资源分配方法。考虑用户最小速率约束及能量因果关系，以最大最小用户能效为优化目标，将优化问题建模为一个时功两维资源联合优化的混合整数非凸分式规划问题。通过引入广义分式理论、松弛变量、反证法和辅助变量，将其转化为一个等价的凸问题，并设计了一种迭代算法来求解所提资源分配方法的最优参数。最后通过仿真验证以下3个结论：1)所提迭代算法能够快速收敛到最优值；2)所提资源分配方法能够有效保障用户能效的公平性；3)在所提资源分配方法中，反向散射通信模式与HTT模式存在权衡关系。附录1引理1的证明本文采用反证法来证明引理1成立。假设式(19)～式(21)所示优化问题的最优解为*****0(,,,,)kkktτtPPβ，该最优解同时满足约束条件式(20)和式(21)及*max00P<P，那么最大的θ可通过式
【参考文献】：
期刊论文
[1]6G Visions:Mobile Ultra-Broadband,Super Internet-of-Things,and Artificial Intelligence[J]. Lin Zhang,Ying-Chang Liang,Dusit Niyato. 中国通信. 2019(08)
[2]异构携能通信网络顽健资源分配算法[J]. 徐勇军,胡圆,李国权,林金朝,陈前斌. 通信学报. 2019(07)
[3]6G移动通信技术展望[J]. 张平,牛凯,田辉,聂高峰,秦晓琦,戚琦,张娇. 通信学报. 2019(01)
[4]反向散射通信辅助的认知无线能量通信网络的时间分配研究[J]. 谢天怡,吕斌,杨真真. 信号处理. 2018(01)
[5]反向散射通信技术与物联网[J]. 王公仆,熊轲,刘铭,高飞飞,钟章队. 物联网学报. 2017(01)
本文编号：2962930
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2962930.html
