具有能量收集功能的无线中继网络资源分配

杨 健，张 晶，霍彦奇

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

具有能量收集功能的无线中继网络资源分配

杨 健，张 晶，霍彦奇

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

针对具有能量收集功能的无线中继网络，通过分析有限能量存储约束和能量消耗的因果约束对资源分配的影响，提出了基于马尔科夫决策的功率分配算法以最大化中继网络的吞吐量。所提算法根据无线信道状态信息和电池容量信息对功率分配进行动态调整，合理利用收集到的绿色能源，实现网络吞吐量的极大提升。对具有不同能量收集效率的场景进行了仿真，验证了所提算法的优越性。

能量收集；无线中继网络；资源分配；马尔可夫决策

0 引言

在中继网络中，中继节点增加了系统的吞吐量和覆盖范围，降低了能量消耗[1-4]。为了方便在无法接入电网地区的部署，具有能量收集能力的中继节点是最佳的选择，其可以从周围环境中获取能量资源，例如太阳能、风能、射频能量等[5-6]。但是，由于周围环境动态地变化(如阴雨天、晴天、风力大小或日照强度)，中继节点收集能量的时间长短和多少无法提前确定，具有随机特性。因此，在具有能量收集功能的中继网络中，众多节点收集能量的随机特性致使资源分配问题面临着重要的挑战。

针对具有能量收集功能的网络资源分配，业界已经开展了大量研究。文献[7]提出了一个方向性的注水算法，用以解决具有能量收集功能场景中的功率分配问题。文献[8]采用能量和信息协同传输技术研究平坦衰落信道上的数据传输问题。文献[9]研究了多对源节点和目的节点协同利用具有能量收集功能的中继节点传输数据的问题。然而，上述几篇文献都只是研究了一个中继节点的数据传输问题，其研究成果并不适用于多中继无线网络。

基于此，考虑由一对源节点和目的节点以及多个中继节点组成的无线中继网络，其中源节点和多个中继节点具有能量收集功能。在此场景中，通过分析源节点和中继节点的功率分配受能量消耗因果约束和有限存储约束的影响，提出了一个基于马尔科夫决策的功率分配算法来最大化系统的吞吐量。

1 系统模型和问题描述

图1 具有能量收集功能的中继网络

定义ps(i)和prj(i)分别为源节点和第j个中继节点的发射功率，hsrj(i)和hrjd(i)分别表示信源到第j个中继节点的信道增益和第j个中继节点到目的节点的信道增益。在第i个时帧中，目的节点接收到的第j个中继节点数据信号的信噪比表示为[11]：

(1)

在中继网络中，具有能量收集功能的源节点和中继节点从周围的环境中持续地收集能量。在第i个时帧开始时，源节点和第j个中继节点收集的能量分别表示为Es(i)和Erj(i)，而这些节点的电池所存储的能量分别表示为Bs(i)和Brj(i)。

在传输数据的过程中，对收集的能量使用具有两类约束条件：收集能量使用的因果约束和可充电池的有限存储约束。收集能量的因果约束就是没有收集到的能量是不能被使用的；因此，源节点和所有中继节点的收集能量因果约束分别表示为：

(2)

(3)

同时，可充电池的有限存储约束就是由于电池容量已满而没有足够的空间来存储新收集的能量。源节点和所有中继节点的可充电电池的有限存储约束可以表示为：

(4)

(5)

文中，源节点通过M个中继节点来转发数据信息，则我们的目标是最大化N个传输时帧中系统吞吐量。该问题可以描述为：

(6)

s.t.(2),(3),(4),(5)，

(7)

0≤prj(i),0≤ps(i),∀i,∀rj，

(8)

式中，Ps={ps(1),…,ps(N)}，Prj={prj(1),…,prj(N)}。

2 用户调度和功率分配机制

2.1 系统状态空间

在本文中，利用马尔科夫过程来描述源节点和中继节点的能量收集过程以及所有链路的信道增益过程。将源节点和所有中继节点电池存储容量进行n等分，而将中继网络中所有链路的信道增益进行m等分。因此，该网络系统的状态空间可表示为：

S=Bs×Br1×…×BrM×Gsr1×…×GsrM×

Gr1d×…×GrMd，

(9)

s=(Bs,Br1,…,BrM,hsr1,…,hsrM,hr1d,…,hrMd)，

(10)

式中，Bs∈Bs、Brj∈Brj分别表示源节点和第j个中继节点所存储能量水平，hsrj∈Gsrj、hrjd∈Grjd分别表示为源节点到第j个中继节点之间链路及其到目的节点之间链路的信道增益。

2.2 系统行为空间和收集能量空间

在给定一个系统状态s，一个行为状态可能从行为状态空间中被选出来，表示为As。通过合并所有系统状态的行为空间，而整个行为空间则表示为：

在中继网络中，源节点和所有中继节点从周围环境中所收集到的能量行为是独立同分布的。对源节点和所有中继节点收集的能量以最小存储能量水平为单位进行离散化处理，并获得了有限的离散化抽样空间，分别表示为：

(11)

(12)

(13)

(14)

依据以上描述，对于源节点和所有中继节点的任何行为a=(ps,pr1,…,prM)∈A,∀es∈Εs，∀Bs∈Bs，∀erj∈Erj和∀Brj∈Brj，∀rj，源节点和所有中继节点电池的存储能量水平可以确定为：

2.3 系统转移概率

在传输源节点数据的过程中，源节点和所有中继节点能量消耗和收集致使其所存储能量水平在不断变化及状态转移。此外，链路的时间相关性致使其状态之间以一定概率进行转移。在第i个时帧中，给定网络系统状态si∈S和所采用的行为状态ai∈A，网络系统状态在第i+1个时帧中转换为状态ai+1∈A的转移概率表示为φi(si+1|si,ai)。源节点和所有中继节点之间链路和中继节点和目的节点之间链路的信道状态是独立同分布的，而且源节点和所有中继节点收集的能量为统计独立的。因此，在第i个时帧中，系统状态的转移概率为：

φi(si+1|si,ai)= Pr(Bs(i+1)|Bs(i),ps(i))×

(15)

利用全概率定理和收集到能量使用约束条件，式(15)右边的第1项可以表示为：

(16)

式中，

φi(si+1|si,ai)=

2.4 功率分配算法

在动态优化具有能量收集功能的源节点和中继节点的发射功率的条件下，在每个时帧中目的节点所接收到的数据速率表示为：

∀i=1,…,N-1

(17)

(18)

式中，ps(N)=Bs(N)/T和prj(N)=Brj(N)/T，∀rj∈R。在式(20)中，最后一个时帧的传输速率仅仅是网络系统状态的函数，其原因为源节点和所有中继节点的所有可用资源将全部用于数据传输。在给定第i个时帧的网络系统状态si情况下，确定源节点和所有中继节点所采用的发射功率，进而确定其期望收益为：

(19)

uN(sN)=RN(sN)。

(20)

基于以上描述，基于马尔卡夫决策的功率分配算法的具体步骤如下所示：

① 初始化系统状态s0，并初始化时帧参数i=0；

② 设置时帧i=i+1；

③ 源节点获取系统状态si；

3 仿真结果分析

图2描述了在只有一个中继节点的场景下网络系统的总的平均吞吐量随着传输数据所受时间长度限制的变化情况，即随着时帧数目变化的情况。在3个不同的网络场景下，除了所受时间限制只有一个时帧的情况下，基于马尔科夫决策的功率分配算法获得的系统吞吐量都要比贪婪算法获得的多。在场景1和场景2的对比下，好的信道增益下的网络吞吐量比差的信道增益下的吞吐量多。在场景2和场景3的对比下，高收集能量水平下的网络吞吐量要比低收集能量水平下的吞吐量多。

图3描述了在传输数据所需时间包括了2个时帧的场景中系统总的平均吞吐量随着中继节点数目的变化情况。在3种不同的场景中，基于马尔科夫决策的功率分配算法和贪婪算法获得总的平均吞吐量随着中继节点数目的增加而增加，而且基于马尔科夫决策的功率分配算法得到的吞吐量都要比贪婪算法获得的多。同样地，在场景1和场景2的对比下，高信道增益下的吞吐量要大于低信道增益下的吞吐量；在场景2和场景3的对比下，高收集能量水平下的吞吐量要大于低收集能量水平下的吞吐量。

图2 在不同时帧数目的情况下，系统总的平均吞吐量的变化

图3 系统总的平均吞吐量随着中继节点数目的变化情况

4 结束语

针对由多个具有能量收集功能的中继节点构成的无线中继网络场景，提出了基于马尔科夫决策的功率分配算法以最大化系统吞吐量。所提算法根据无线信道状态信息和电池容量信息对功率分配进行动态调整，合理利用收集到的绿色能源，实现网络性能(系统吞吐量)的极大提升。

[1] 王丽丹，徐家品.协作通信中的解码转发中继策略优化[J].无线电工程，2014，44(11):4-6.

[2] 陆长旺，邱玲.多用户对双向中继网络的中继和用户选择策略[J].无线电工程，2013，43(10):10-12.

[3] 李国华.中继技术在未来移动网络中的应用分析[J].移动通信，2016，40(10):35-39.

[4] 张洪岩，彭木根，李远，等.基于模拟网络编码的无线中继系统性能分析[J].移动通信，2013，3(4):121-126.

[5] Sudevalayam S,Kulkarni P,Energy Harvesting Sensor Nodes:Survey and Implications[J],IEEE Communications Surveys & Tutorials,2011,13(3):443-461.

[6] Ulukus S,Yener A,Erkip E,et al.Energy Harvesting Wireless Communications:A Review of Recent Advances[J].IEEE Journal on Selected Areas in Communications,2015,33(3):360-381.

[7] Ozel O,Tutuncuoglu K,Yang J,et al.Transmission with Energy Harvesting Nodes in Fading Wireless Channels:Optimal Policies[J].IEEE Journal on Selected Areas in Communications,2011,29(8):1732-1743.

[8] Varshney L R.Transporting Information and Energy Simultaneously[C]∥IEEE International Symposium on Information Theory,2008:1612-1616.

[9] Ding Z,Perlaza S M,Esnaola L,et al.Power Allocation Strategies in Energy Harvesting Wireless Cooperative Networks[J].IEEE Transactions on Wireless Communications,2014,13(2):846-860.

[10] Chen F,Zhang C,Wang F,et al.Cloud-Assisted Live Streaming for Crowdsourced Multimedia Content[J].IEEE Transactions on Multimedia,2015,17(9):1471-1483.

[11] Deng X,Haimovich A M.Power Allocation for Cooperative Relaying in Wireless Networks[J].IEEE Communications Letters,2005,9(11):994-996.

ResourceAllocationforWirelessRelayNetworkswithEnergyHarvesting

YANG Jian，ZHANG Jing，HUO Yan-qi

(The 54th Research Institute of CETC,Shijiazhuang Hebei 050081,China)

By jointly analyzing the impacts of the energy consumption causality constraint and the no-energy-overflow constraint on resource allocation,a Markovian-decision-based power allocation algorithm is proposed for maximizing the system throughput for wireless relay networks,in which the relay node is capable of harvesting energy from the around environments.Specifically,the proposed algorithm dynamically adjusts the transmission power according to the channel state information and the amount energy stored in the battery,and takes advantages of the harvested energy reasonably to improve significantly the network throughput.Finally,the scenarios with different rates of harvesting energy are simulated,and the results prove the advantages of the proposed algorithm.

energy harvesting;wireless relay networks;resource allocation;Markovian decision

TN911.7

A

1003-3114(2017)06-16-4

10.3969/j.issn.1003-3114.2017.06.04

杨健，张晶，霍彦奇.具有能量收集功能的无线中继网络资源分配[J].无线电通信技术,2017,43(6): 16-19,27.

[YANG Jian，ZHANG Jing，HUO Yanqi.Resource Allocation for Wireless Relay Networks with Energy Harvesting[J].Radio Communications Technology,2017,43(6):16-19,27.]

2017-07-11

河北自然科学基金项目(F2014210123)

杨 健 (1989—)，男，博士，工程师，主要研究方向：无人机/弹群数据链动态组网协议、面用服务质量的跨层资源配置。张 晶 (1989—)，女，硕士，助理工程师，主要研究方向：航天航空测控、数据处理。霍彦奇 (1989—)，男，硕士，助理工程师，主要研究方向：航天航空测控、无人机/弹群数据链动态组网协议。