郭艷艷， 衛(wèi) 霞， 田 雯

(山西大學 物理電子工程學院， 山西 太原 030006)

基于能量收集的認知無線電資源分配研究

郭艷艷， 衛(wèi) 霞， 田 雯

(山西大學 物理電子工程學院， 山西 太原 030006)

本文將能量收集及協(xié)作中繼技術引入到認知無線電網(wǎng)絡中， 研究次用戶作為中繼節(jié)點幫助主用戶轉發(fā)數(shù)據(jù)的協(xié)作認知場景， 提出了一種基于解碼轉發(fā)模式下的最優(yōu)能量收集時間及功率分配策略. 仿真結果表明： 和直接傳輸相比， 不僅降低了主用戶的中斷概率， 增大了次用戶的傳輸速率， 而且節(jié)省了網(wǎng)絡傳輸能量， 延長了網(wǎng)絡的壽命周期.

認知無線電； 協(xié)作中繼通信;解碼轉發(fā)； 能量收集

近年來， 隨著無線通信的快速發(fā)展， 有限的頻譜資源成了限制無線通信業(yè)務快速發(fā)展的瓶頸. 認知無線電(Cognitive Radio, CR)作為一種新興的無線通信技術， 通過允許次用戶伺機接入主用戶的授權頻譜進行信息傳輸來提高頻譜利用率， 從而解決無線頻譜緊缺問題[1-3]. 然而， 在實際認知通信網(wǎng)絡中， 存在通信質量差、 傳輸速率低和能量不足等， 也是非常嚴重的問題. 協(xié)作中繼技術通過網(wǎng)絡節(jié)點間的資源共享及協(xié)作， 提高了無線通信的性能(如分集增益、 復用增益等)， 從而達到高速、 可靠的“綠色”通信目標. 因此， 將協(xié)作中繼技術引入到認知通信網(wǎng)絡中， 不僅可以提高用戶的通信質量， 而且可以增加認知用戶的傳輸機會， 提高頻譜利用率.

在實際認知通信網(wǎng)絡中， 即使次用戶信道質量非常好， 但沒有足夠的能量， 次用戶也不可能為主用戶中繼數(shù)據(jù). 因此， 這就需要尋找主用戶和次用戶在能量方面的合作[4]， 將能量收集(Energy Harvesting,EH)技術引入到認知無線電通信網(wǎng)絡中， 充分利用周圍的綠色能源進行信息轉發(fā)， 從而在提高網(wǎng)絡傳輸性能的前提下， 延長網(wǎng)絡的生存時間， 達到綠色通信的目的， 現(xiàn)已被人們所關注[5]. 文獻[6]中， 研究了在能量因果關系和碰撞約束下CR的預期總吞吐量， 并提供了最優(yōu)能量收集及分配政策； 文獻[7]研究了射頻能量收集的認知無線網(wǎng)絡， 并將最優(yōu)策略描述為馬爾可夫決策過程； 文獻[8]中， 研究了基于能量收集的認知無線電的空間頻譜重復利用問題,并建模為獨立齊次泊松過程. 這些方案中并沒有考慮對主用戶的干擾， 且采用了復雜的功率控制算法， 不適用于實際的復雜通信環(huán)境.

針對上述問題， 本文提出了一種基于能量收集的解碼-轉發(fā)(Detect-and-Forward,DF)傳輸模式. 在這種傳輸模式下， 主用戶和次用戶存在兩方面的合作， 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認知用戶幫助主用戶傳輸?shù)闹欣^模型， 保證主用戶的正常傳輸前提下， 允許次用戶利用授權頻譜進行通信， 而且由于引入能量收集， 延長了網(wǎng)絡的生存時間. 最后， 引入最優(yōu)化理論進行協(xié)作功率分配.

1 系統(tǒng)模型

圖 1 為認知無線電協(xié)作模型， 其中包括主用戶發(fā)射節(jié)點pt， 它由不間斷電源供電； 主用戶目的節(jié)點pr， 次用戶發(fā)射節(jié)點st和目的節(jié)點sr， 它們都由電池供電， 且次用戶發(fā)射節(jié)點st具有能量收集功能. 定義時隙長度為T， 頻譜帶寬ω=1 Hz.

本文考慮一個自供能CR系統(tǒng)， 系統(tǒng)中次用戶發(fā)送節(jié)點沒有固定的供能設備， 需要從主用戶發(fā)射節(jié)點收集能量來傳輸信息. 在每個時隙， 次用戶發(fā)射節(jié)點對主用戶的數(shù)據(jù)進行譯碼， 并進行能量收集. 如果次用戶能夠正確對主用戶的信息進行譯碼， 則在剩下的時間內， 停止能量收集， 發(fā)送自己的數(shù)據(jù)到次用戶目的節(jié)點， 并且同時幫助主用戶進行數(shù)據(jù)轉發(fā). 當次用戶剩余能量不能支持信息發(fā)送， 或不能正確譯碼主用戶的信息時， 則在整個時隙不再進行數(shù)據(jù)接收或發(fā)送， 僅僅進行能量收集工作.

圖 2 為時隙結構圖， 考慮用戶在第n個時隙內的傳輸過程和能量收集過程. 第n個時隙， 主用戶在整個時隙內發(fā)射節(jié)點pt以功率pp發(fā)送信息到主用戶目的節(jié)點pr； 時隙n被分成α(n)和1-α(n)兩部分： 在α(n)時間內， 次用戶發(fā)射節(jié)點對主用戶信息進行譯碼， 同時進行能量收集， 如果次用戶能夠正確譯碼主用戶的信息， 那么在1-α(n)時間內， 次用戶采用DF方式幫助主用戶中繼信息給主用戶接收節(jié)點， 同時， 也發(fā)送自身的信息到次用戶目的節(jié)點sr. 最后， 主用戶接收節(jié)點通過最大比合并方式(Maximal Ratio Combining, MRC)將兩路接收到的信號進行合并.

圖 1 基于DF轉發(fā)的CR傳輸模型Fig.1 The CR transmission model based on DF forwarding

圖 2 時隙結構圖Fig.2 Slot structure diagram

2 用戶的傳輸和能量收集

2.1 能量收集過程

假設在第n個時隙內， 認知用戶在α(n)時間內對主用戶的能量進行收集， 則收集到的能量為[9]

式中：η為能量轉化效率；α(n)為能量收集時間.

則在第n時隙中， 次用戶一共擁有的能量為

式中：Es(n-1)為上一時隙的剩余能量.

2.2 用戶的傳輸過程

2.2.1 主用戶的傳輸

主用戶接收到的信息包括直接傳輸和次用戶中繼兩部分， 具體如下：

首先， 主用戶在整個時隙內以固定功率pp發(fā)送信息， 則主用戶目的節(jié)點接收到的信息為

式中：pp是主用戶的發(fā)射功率；hp t-p r是主用戶源節(jié)點到主用戶目的節(jié)點的信道增益；np r表示主用戶目的節(jié)點的接收噪聲， 假設噪聲服從復高斯分布， 均值為零， 方差為N0；xp為主用戶的傳輸信息， 設其平均功率都為1.

在α(n)時間內， 次用戶對接收到的主用戶信息進行譯碼， 并收集主用戶的能量； 如果滿足α(n)Rp t-s t>Rp t-p r時， 在1-α(n)時間內次用戶采用DF方式幫助主用戶傳輸信息， 則主用戶目的節(jié)點接收到的信息為

式中：ps是次用戶的發(fā)射功率；λ是功率分配因子；hp t-s t和hs t-p r分別是主用戶源節(jié)點到次用戶源節(jié)點， 及次用戶發(fā)射節(jié)點到主用戶目的節(jié)點的信道增益；xs為次用戶的發(fā)射信息， 設其平均功率都為1.

綜上， 當次用戶采用DF幫助中繼主用戶中繼信息時， 主用戶接收節(jié)點在第n時隙內的信噪比為[10]

2.2.2 次用戶的傳輸

在1-α(n)時間內次用戶傳輸自身信息， 則次用戶目的節(jié)點接收到的信號為

式中：hs t-s r和hp t-s r分別為次用戶發(fā)射節(jié)點和主用戶發(fā)射節(jié)點到次用戶目的節(jié)點的信道增益；ns r為次用戶目的節(jié)點的接收噪聲， 服從復高斯分配， 均值為零， 方差為N0.

則次用戶在第n時隙內的信噪比為[11]

3 優(yōu)化問題的提出及算法

3.1 問題的提出

為了在保證主用戶正常傳輸基礎上， 最大化認知系統(tǒng)目的節(jié)點的信噪比， 則優(yōu)化問題可表示為

式中： 式(9)表示協(xié)作模式下主用戶的信噪比必須高于主用戶要求的最低信噪比； 式(10)表示次用戶的現(xiàn)有能量必須高于次用戶這一次傳輸所需能量.

3.2 最優(yōu)化算法

根據(jù)文獻[4]的證明， 則可建立上述優(yōu)化問題的拉格朗日函數(shù)為

分別對求導得出

Es(n)=ps(1-α(n)).

(14)

則， 可以得出

3.3 算法實現(xiàn)步驟

針對式(15)， 可以采用遍歷法搜索最優(yōu)能量轉化時間參數(shù)α(n)， 然后得到協(xié)作最優(yōu)功率分配λ， 具體步驟為：

1) 把能量收集時間分成Δα份， 初始化最大次用戶信噪比及能量收集時間， 即maxSINRs(n)=0,α(n)=1 (次用戶不收集能量)；

2) 遍歷法搜索能量收集時間， 獲得最大的maxSINRs(n)， 確定最優(yōu)化能量收集時間α(n). 具體代碼如下：

forα(n)=0∶1

把α(n)代入式(15)得到相應的λ；

根據(jù)λ計算SINRs(n)；

更新α(n)=α(n)-Δα；

把得到的α(n)重新代入式(15)得到最優(yōu)功率分配λ， 并計算SINRs(n)；

end

4 仿真結果

圖 3 在改變主用戶節(jié)點距離時主用戶中斷概率Fig.3 Primary user outage probability when changing the distance of the primary user node

假設信道服從瑞利衰落， 本文將提出的能量收集協(xié)作傳輸方案和直接傳輸作了比較. 仿真中， 節(jié)點之間的信道增益用hi,j表示， 其表達式為hi,j=cd-β， 其中， c是與傳播環(huán)境有關的常數(shù)， β是路徑損耗指數(shù)， 設c=1； 設定各個節(jié)點的坐標分別為pt(-100,0)， st(0,0)， sr(0,50)， 主用戶目的節(jié)點pr在(x,y)軸上移動； 限定主用戶的發(fā)射功率pp為10-3W， 次用戶在1-α(n)時間內所需的發(fā)射功率為ps為10-3W， 每個時隙時間T=1s.

首先， 設置N0=-70dB， pr的位置為(x,0), 在x軸上移動. 從圖 3 中可以看出， 隨著主用戶的節(jié)點距離不斷增大， 主用戶的中斷概率變大， 但本文提出的最優(yōu)能量轉化方案性能更佳. 從圖 4 中可以看出， 主用戶傳輸距離越大， 次用戶的速率越小， 但本文提出的方案要優(yōu)于直接傳輸方案； 從圖 3 和圖 4 中還可以看出， β取不同值時， 本文提出的方案仍優(yōu)于直接傳輸.

其次， 將主用戶pr位置固定為(100,0)， 次用戶發(fā)送節(jié)點的初始能量為E(0)=0.1J. 從圖 5 中可以看出， 隨著時間的增加， 在傳輸過程中次用戶不斷消耗能量， 剩余能量一直在減少， 但可以看出本文提出的能量收集協(xié)作傳輸與直接傳輸相比可以節(jié)省更多的能量， 延長了網(wǎng)絡的生存時間. 這是由于基于能量收集的CR協(xié)作分集既可以從外界收集能量補充自身的能量， 又可以通過協(xié)作獲得傳輸機會.

圖 4 在改變主用戶間距離情況下次用戶的速率Fig.4 The rate of the secondary user in case of changing the distance between the primary users

圖 5 次用戶剩余能量隨時間的變化Fig.5 The residual energy of the secondary user changes over time

5 結 論

本文提出了基于認知無線電系統(tǒng)的能量收集時間及中繼節(jié)點功率分配算法， 并利用拉格朗日算法得到功率及時間優(yōu)化值， 以及最大化次用戶的信噪比. 這種算法綜合考慮了CR系統(tǒng)能量受限及對主用戶的干擾， 可以根據(jù)實際通信情況自適應地調節(jié)能量收集時間和功率分配， 使系統(tǒng)性能最優(yōu). 仿真結果表明， 和直接傳輸相比， 本文的算法降低了主用戶中斷概率， 延長了系統(tǒng)的通信時間， 提高了系統(tǒng)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

郭艷艷(1976-)， 女， 副教授， 博士， 主要從事無線通信研究.

TN914

A

10.3969/j.issn.1671-7449.2017.02.011