基于能量收集的认知无线电资源分配研究

郭艳艳， 卫 霞， 田 雯

(山西大学 物理电子工程学院， 山西 太原 030006)

基于能量收集的认知无线电资源分配研究

郭艳艳， 卫 霞， 田 雯

(山西大学 物理电子工程学院， 山西 太原 030006)

本文将能量收集及协作中继技术引入到认知无线电网络中， 研究次用户作为中继节点帮助主用户转发数据的协作认知场景， 提出了一种基于解码转发模式下的最优能量收集时间及功率分配策略. 仿真结果表明： 和直接传输相比， 不仅降低了主用户的中断概率， 增大了次用户的传输速率， 而且节省了网络传输能量， 延长了网络的寿命周期.

认知无线电； 协作中继通信;解码转发； 能量收集

近年来， 随着无线通信的快速发展， 有限的频谱资源成了限制无线通信业务快速发展的瓶颈. 认知无线电(Cognitive Radio, CR)作为一种新兴的无线通信技术， 通过允许次用户伺机接入主用户的授权频谱进行信息传输来提高频谱利用率， 从而解决无线频谱紧缺问题[1-3]. 然而， 在实际认知通信网络中， 存在通信质量差、 传输速率低和能量不足等， 也是非常严重的问题. 协作中继技术通过网络节点间的资源共享及协作， 提高了无线通信的性能(如分集增益、 复用增益等)， 从而达到高速、 可靠的“绿色”通信目标. 因此， 将协作中继技术引入到认知通信网络中， 不仅可以提高用户的通信质量， 而且可以增加认知用户的传输机会， 提高频谱利用率.

在实际认知通信网络中， 即使次用户信道质量非常好， 但没有足够的能量， 次用户也不可能为主用户中继数据. 因此， 这就需要寻找主用户和次用户在能量方面的合作[4]， 将能量收集(Energy Harvesting,EH)技术引入到认知无线电通信网络中， 充分利用周围的绿色能源进行信息转发， 从而在提高网络传输性能的前提下， 延长网络的生存时间， 达到绿色通信的目的， 现已被人们所关注[5]. 文献[6]中， 研究了在能量因果关系和碰撞约束下CR的预期总吞吐量， 并提供了最优能量收集及分配政策； 文献[7]研究了射频能量收集的认知无线网络， 并将最优策略描述为马尔可夫决策过程； 文献[8]中， 研究了基于能量收集的认知无线电的空间频谱重复利用问题,并建模为独立齐次泊松过程. 这些方案中并没有考虑对主用户的干扰， 且采用了复杂的功率控制算法， 不适用于实际的复杂通信环境.

针对上述问题， 本文提出了一种基于能量收集的解码-转发(Detect-and-Forward,DF)传输模式. 在这种传输模式下， 主用户和次用户存在两方面的合作， 即在信息方面和能量方面的合作. 研究了具有能量收集功能的认知用户帮助主用户传输的中继模型， 保证主用户的正常传输前提下， 允许次用户利用授权频谱进行通信， 而且由于引入能量收集， 延长了网络的生存时间. 最后， 引入最优化理论进行协作功率分配.

1 系统模型

图 1 为认知无线电协作模型， 其中包括主用户发射节点pt， 它由不间断电源供电； 主用户目的节点pr， 次用户发射节点st和目的节点sr， 它们都由电池供电， 且次用户发射节点st具有能量收集功能. 定义时隙长度为T， 频谱带宽ω=1 Hz.

本文考虑一个自供能CR系统， 系统中次用户发送节点没有固定的供能设备， 需要从主用户发射节点收集能量来传输信息. 在每个时隙， 次用户发射节点对主用户的数据进行译码， 并进行能量收集. 如果次用户能够正确对主用户的信息进行译码， 则在剩下的时间内， 停止能量收集， 发送自己的数据到次用户目的节点， 并且同时帮助主用户进行数据转发. 当次用户剩余能量不能支持信息发送， 或不能正确译码主用户的信息时， 则在整个时隙不再进行数据接收或发送， 仅仅进行能量收集工作.

图 2 为时隙结构图， 考虑用户在第n个时隙内的传输过程和能量收集过程. 第n个时隙， 主用户在整个时隙内发射节点pt以功率pp发送信息到主用户目的节点pr； 时隙n被分成α(n)和1-α(n)两部分： 在α(n)时间内， 次用户发射节点对主用户信息进行译码， 同时进行能量收集， 如果次用户能够正确译码主用户的信息， 那么在1-α(n)时间内， 次用户采用DF方式帮助主用户中继信息给主用户接收节点， 同时， 也发送自身的信息到次用户目的节点sr. 最后， 主用户接收节点通过最大比合并方式(Maximal Ratio Combining, MRC)将两路接收到的信号进行合并.

图 1 基于DF转发的CR传输模型Fig.1 The CR transmission model based on DF forwarding

图 2 时隙结构图Fig.2 Slot structure diagram

2 用户的传输和能量收集

2.1 能量收集过程

假设在第n个时隙内， 认知用户在α(n)时间内对主用户的能量进行收集， 则收集到的能量为[9]

式中：η为能量转化效率；α(n)为能量收集时间.

则在第n时隙中， 次用户一共拥有的能量为

式中：Es(n-1)为上一时隙的剩余能量.

2.2 用户的传输过程

2.2.1 主用户的传输

主用户接收到的信息包括直接传输和次用户中继两部分， 具体如下：

首先， 主用户在整个时隙内以固定功率pp发送信息， 则主用户目的节点接收到的信息为

式中：pp是主用户的发射功率；hp t-p r是主用户源节点到主用户目的节点的信道增益；np r表示主用户目的节点的接收噪声， 假设噪声服从复高斯分布， 均值为零， 方差为N0；xp为主用户的传输信息， 设其平均功率都为1.

在α(n)时间内， 次用户对接收到的主用户信息进行译码， 并收集主用户的能量； 如果满足α(n)Rp t-s t>Rp t-p r时， 在1-α(n)时间内次用户采用DF方式帮助主用户传输信息， 则主用户目的节点接收到的信息为

式中：ps是次用户的发射功率；λ是功率分配因子；hp t-s t和hs t-p r分别是主用户源节点到次用户源节点， 及次用户发射节点到主用户目的节点的信道增益；xs为次用户的发射信息， 设其平均功率都为1.

综上， 当次用户采用DF帮助中继主用户中继信息时， 主用户接收节点在第n时隙内的信噪比为[10]

2.2.2 次用户的传输

在1-α(n)时间内次用户传输自身信息， 则次用户目的节点接收到的信号为

式中：hs t-s r和hp t-s r分别为次用户发射节点和主用户发射节点到次用户目的节点的信道增益；ns r为次用户目的节点的接收噪声， 服从复高斯分配， 均值为零， 方差为N0.

则次用户在第n时隙内的信噪比为[11]

3 优化问题的提出及算法

3.1 问题的提出

为了在保证主用户正常传输基础上， 最大化认知系统目的节点的信噪比， 则优化问题可表示为

式中： 式(9)表示协作模式下主用户的信噪比必须高于主用户要求的最低信噪比； 式(10)表示次用户的现有能量必须高于次用户这一次传输所需能量.

3.2 最优化算法

根据文献[4]的证明， 则可建立上述优化问题的拉格朗日函数为

分别对求导得出

Es(n)=ps(1-α(n)).

(14)

则， 可以得出

3.3 算法实现步骤

针对式(15)， 可以采用遍历法搜索最优能量转化时间参数α(n)， 然后得到协作最优功率分配λ， 具体步骤为：

1) 把能量收集时间分成Δα份， 初始化最大次用户信噪比及能量收集时间， 即maxSINRs(n)=0,α(n)=1 (次用户不收集能量)；

2) 遍历法搜索能量收集时间， 获得最大的maxSINRs(n)， 确定最优化能量收集时间α(n). 具体代码如下：

forα(n)=0∶1

把α(n)代入式(15)得到相应的λ；

根据λ计算SINRs(n)；

更新α(n)=α(n)-Δα；

把得到的α(n)重新代入式(15)得到最优功率分配λ， 并计算SINRs(n)；

end

4 仿真结果

图 3 在改变主用户节点距离时主用户中断概率Fig.3 Primary user outage probability when changing the distance of the primary user node

假设信道服从瑞利衰落， 本文将提出的能量收集协作传输方案和直接传输作了比较. 仿真中， 节点之间的信道增益用hi,j表示， 其表达式为hi,j=cd-β， 其中， c是与传播环境有关的常数， β是路径损耗指数， 设c=1； 设定各个节点的坐标分别为pt(-100,0)， st(0,0)， sr(0,50)， 主用户目的节点pr在(x,y)轴上移动； 限定主用户的发射功率pp为10-3W， 次用户在1-α(n)时间内所需的发射功率为ps为10-3W， 每个时隙时间T=1s.

首先， 设置N0=-70dB， pr的位置为(x,0), 在x轴上移动. 从图 3 中可以看出， 随着主用户的节点距离不断增大， 主用户的中断概率变大， 但本文提出的最优能量转化方案性能更佳. 从图 4 中可以看出， 主用户传输距离越大， 次用户的速率越小， 但本文提出的方案要优于直接传输方案； 从图 3 和图 4 中还可以看出， β取不同值时， 本文提出的方案仍优于直接传输.

其次， 将主用户pr位置固定为(100,0)， 次用户发送节点的初始能量为E(0)=0.1J. 从图 5 中可以看出， 随着时间的增加， 在传输过程中次用户不断消耗能量， 剩余能量一直在减少， 但可以看出本文提出的能量收集协作传输与直接传输相比可以节省更多的能量， 延长了网络的生存时间. 这是由于基于能量收集的CR协作分集既可以从外界收集能量补充自身的能量， 又可以通过协作获得传输机会.

图 4 在改变主用户间距离情况下次用户的速率Fig.4 The rate of the secondary user in case of changing the distance between the primary users

图 5 次用户剩余能量随时间的变化Fig.5 The residual energy of the secondary user changes over time

5 结 论

本文提出了基于认知无线电系统的能量收集时间及中继节点功率分配算法， 并利用拉格朗日算法得到功率及时间优化值， 以及最大化次用户的信噪比. 这种算法综合考虑了CR系统能量受限及对主用户的干扰， 可以根据实际通信情况自适应地调节能量收集时间和功率分配， 使系统性能最优. 仿真结果表明， 和直接传输相比， 本文的算法降低了主用户中断概率， 延长了系统的通信时间， 提高了系统的性能.

[1]LeeK,SimeoneO,ChaeCB,etal.Spectrumleasingviacooperationforenhancedphysical-layersecrecy[J].IEEETransactionsonVehicularTechnology, 2013, 62(9): 4672-4678.

[2]LanemanJN,TseDNC,WornellGW.Cooperativediversityinwirelessnetworks:Efficientprotocolsandoutagebehavior[J].IEEETransactionsonInformationTheory, 2004,50(12): 3062-3080.

[3]LanemanJN,TseDNC,WornellGW.Distributedspace-time-codedprotocolsforexploitingcooperativediversityinwirelessnetworks[J].IEEETransactionsonInformationTheory, 2003, 49(10): 2415-2425.

[4]YinSixing,ZhangErqing,QuZhaowei,etal.Optimalcooperationstrategyincognitiveradiosystemswithenergyharvesting[J].IEEETransactionsonWirelessCommunication. 2014, 13(9): 4693-4707.

[5]HuangXueqing,HanTao,AnsariNirwan.Ongreenenergypoweredcognitiveradionetworks[J].IEEECommunicationSurveys&Tutorials, 2015, 17(2): 827-842.

[6]ParkS,KimH,HongD.Cognitiveradionetworkswithenergyharvesting[J].IEEETrans.WirelessCommun., 2013, 12(3): 1386-1397.

[7]ParkS.OptimalmodeselectionforcognitiveradiosensornetworkwithRFenergyharvesting[J].IEEE23rdInternationalSymposiumonPersonal,IndoorandMobileRadioCommunications, 2012: 2155-2159.

[8]LeeS,HuangK,ZhangR.Cognitiveenergyharvestingandtransmissionfromanetworkperspective[J].IEEEICCS, 2012: 225-229.

[9]GanZheng,ZuleitaHo,EduardA.Informationandenergycooperationincognitiveradionetworks[J].IEEETransactionsonSignalProcessing, 2014, 62(9): 2290-2303.

[10]WangShaowei,MengyaoGe,WangChonggang.Efficientresourceallocationforcognitiveradionetworkswithcooperativerelays[J].IEEEJournalonSelectedAreasinCommunication, 2013, 31(11): 2432-2441.

[11]Jung-HoonNoh,Seong-JunOh.Cognitiveradiochannelwithcooperativemulti-antennasecondarysystems[J].IEEEJournalonSelectedAreasinCommunication, 2014, 32(3): 539-549.

Resource Allocation in Cognitive Radio Systems with Energy Harvesting

GUO Yanyan, WEI Xia, TIAN Wen

(College of Physics and Electronics Engineering, Shanxi University, Taiyuan 030006, China)

In this paper, energy harvesting technique and cooperative relaying technique are introduced into the cognitive radio network, and a cooperation scenario in which the secondary users as the relay node help primary users forward the data is studied. Then a optimal energy harvesting algorithm about time and power allocation is proposed based on Decode-and-forward mode. Simulation results show that compared with direct transmission, the proposed scheme not only reduces the outage probability of primary users and increases the secondary users' transmission rate, but also saves the network transmission energy and prolongs the life of the network.

cognitive radio; cooperative relay transmission; detect-and-forward; energy harvesting

1671-7449(2017)02-0153-05

2016-11-19

郭艳艳(1976-)， 女， 副教授， 博士， 主要从事无线通信研究.

TN914

A

10.3969/j.issn.1671-7449.2017.02.011