技術(shù)特征：

1.一種基于能量采集協(xié)作通信系統(tǒng)的聯(lián)合資源分配方法，其特征在于，包括：

步驟1：系統(tǒng)場景分析，問題歸結(jié)；

步驟1.1：系統(tǒng)場景分析；

場景中有一個信號源S，M個能量采集的中繼站R_i,i＝1,2,...,M和一個目標(biāo)通信終端D，信號源S和目標(biāo)通信終端D之間沒有直達路徑，中繼站R_i選用放大轉(zhuǎn)發(fā)工作方式，一個傳輸過程包括N個數(shù)據(jù)塊，信號源S和中繼R_i占用相等的帶寬W，假設(shè)用于能量采集的電池容量足夠大，除了用于傳輸消耗的能量忽略不計,考慮該場景下的M個能量采集的中繼站的選擇問題，用于最大化系統(tǒng)的平均吞吐量；

步驟1.2：信道模型建立；

假設(shè)信道是慢速的塊衰落，其響應(yīng)時間定義為T^C,如果在傳輸?shù)趈個數(shù)據(jù)包時選中了第i個中繼，端到端的信噪比可以定義為：

${\mathrm{SNR}}_{i,j}=\frac{{\mathrm{\γ}}_{i,j}^{sr}{\mathrm{\γ}}_{i,j}^{rd}}{{\mathrm{\γ}}_{i,j}^{sr}+{\mathrm{\γ}}_{i,j}^{rd}+1},i=\{1,2,...,M\},j=\{1,2,...,N\}$

其中分別表示中繼站R_i和目標(biāo)通信終端D的接收信噪比，P^s和分別表示信號源S第一時隙的廣播發(fā)射功率的和中繼站R_i在第二時隙轉(zhuǎn)發(fā)第j個數(shù)據(jù)包的發(fā)射功率，P^s選用固定發(fā)射功率，N₀表示歸一化的噪聲功率，表示傳輸?shù)趈個數(shù)據(jù)塊時信號源S到中繼站R_i的信道增益系數(shù)，表示轉(zhuǎn)發(fā)第j個數(shù)據(jù)塊時中繼站R_i到目標(biāo)通信終端D的信道增益系數(shù)；

從而我們可以獲得相應(yīng)的端到端的吞吐量：

R_i,j＝log₂(1+SNR_i,j)

定義中繼選擇因子x_i,j，其中x_i,j＝{0,1},i＝{1,2,...,M},j＝{1,2,...,N}，當(dāng)x_i,j＝1時表示第j個數(shù)據(jù)包被轉(zhuǎn)發(fā)是第i個中繼被選中參與協(xié)作，當(dāng)x_i,j＝0時表示第j個數(shù)據(jù)包被轉(zhuǎn)發(fā)是第i個中繼未被選中參與協(xié)作；

增加考慮中繼選擇因素后，系統(tǒng)端到端的平均吞吐量可以表示成：

$\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j};$

步驟1.3：能量采集模型建立；

定義成第i個中繼截止到時刻t累計采集到的總能量，表示第i個中繼在第j個數(shù)據(jù)包傳輸周期采集到的能量功率，T^E表示能量采集的時間間隔，N^C表示一個能量采集間隔里包含多少數(shù)據(jù)包的時間間隔，N^E＝N/N^C表示總的傳輸過程中能量到達的次數(shù)，如果瞬時的傳輸功率表示成P(t)，那么能量因果關(guān)系限制可以表示成：

$\underset{0}{\overset{t}{\∫}}P\left(\mathrm{\τ}\right)d\mathrm{\τ}\≤E_{i,\mathrm{\Σ}}^{EH}\left(t\right);$

步驟2:系統(tǒng)數(shù)學(xué)模型建立；

在上述假設(shè)前提和約束條件下，歸結(jié)出最優(yōu)化問題如下：

$\begin{array}{cc}P1:& \underset{x_{i,j},P_{i,j}^r}{\max }\stackrel{\‾}{R}=\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j}\end{array}$

$\begin{array}{cc}s.t.& x_{i,j}\∈\{0,1\},\∀i,\∀j\end{array}$

$\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}\≤1,\∀j$

$\frac{1}{2}{T}^C\underset{j=1}{\overset{l}{\Σ}}{x}_{i,j}{P}_{i,j}^r\≤E_{i,\Σ\left({\mathrm{lT}}^C\right)}^{EH},\∀l\∈J,\∀i\∈I$

$P_{i,j}^r\≤P_{i,j}^{rmax}$

表明每次數(shù)據(jù)塊的傳輸中最多選擇一個中繼，表示中繼的能量完全依賴于能量采集，必須滿足能量因果限制，每次傳輸消耗的能量和不能超過采集的能量和，表示中繼發(fā)射功率不能超過最大的發(fā)射功率；

步驟3：最優(yōu)化問題求解；

所述優(yōu)化問題P1的求解可以采用拉格朗日因子方法：

$\begin{array}{c}L(x_{i,j},P_{i,j}^r,{\mathrm{\β}}_n,{\mathrm{\β}}_{m,n,0},{\mathrm{\β}}_{m,n,1})=\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j}\\ -{\mathrm{\β}}_n(\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}-1)-{\mathrm{\β}}_{m,n,0}(\frac{1}{2}{T}^C\underset{j=1}{\overset{l}{\Σ}}{x}_{i,j}{P}_{i,j}^r-E_{i,\Σ\left({\mathrm{lT}}^C\right)}^{EH})\\ -{\mathrm{\β}}_{m,n,1}(P_{i,j}^r-P_{i,j}^{r\max })\end{array}$

再聯(lián)立和并用次梯度方法迭代求解，其中β_n,β_m,n,0,β_m,n,1是相應(yīng)的拉格朗日因子。

2.根據(jù)權(quán)利要求1所述的聯(lián)合資源分配方法，其特征在于，所述優(yōu)化問題P1的拉格朗日形式中的拉格朗日因子β_n,β_m,n,0,β_m,n,1的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是：

${\mathrm{\β}}_n(k+1)={\[{\mathrm{\β}}_n\left(k\right)-{\mathrm{\δ}}_n\left(k\right)(1-\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j})\]}^{+}$

${\mathrm{\β}}_{m,n,0}(k+1)={\[{\mathrm{\β}}_{m,n,0}\left(k\right)-{\mathrm{\δ}}_{m,n,0}\left(k\right)(E_{i,\Σ\left({\mathrm{lT}}^C\right)}^{EH}-\frac{1}{2}{T}^C\underset{j=1}{\overset{l}{\Σ}}{x}_{i,j}{P}_{i,j}^r)\]}^{+}$

${\mathrm{\β}}_{m,n,1}(k+1)={\[{\mathrm{\β}}_{m,n,1}\left(k\right)-{\mathrm{\δ}}_{m,n,1}\left(k\right)(P_{i,j}^{rmax}-P_{i,j}^r)\]}^{+}$

其中β_n(k),β_m,n,0(k),β_m,n,1(k)分別表示第k次迭代的拉格朗日因子，δ_n(k),δ_m,n,0(k),δ_m,n,1(k)分別表示相應(yīng)的迭代步長；

所述迭代步長可以設(shè)置成：

${\mathrm{\δ}}_n\left(k\right)={\mathrm{\δ}}_{m,n,0}\left(k\right)={\mathrm{\δ}}_{m,n,1}\left(k\right)=\frac{1}{k^2},m=1,2,...,M,n=1,2,...,N.$

3.根據(jù)權(quán)利要求1所述的聯(lián)合資源分配方法，其特征在于，所述步驟2包括：

修改最優(yōu)化問題P1中的限制條件，修改P1中的約束條件

為把復(fù)雜度高的優(yōu)化問題P1轉(zhuǎn)化成相對容易的指派問題P2：

$\begin{array}{cc}P2:& \underset{x_{i,j},P_{i,j}^r}{\max }\stackrel{\‾}{R}=\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j}\end{array}$

$\begin{array}{cc}s.t.& x_{i,j}\∈\{0,1\},\∀i,\∀j\end{array}$

$\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}\≤1,\∀j$

$\frac{1}{2}{T}^c\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{P}_{i,j}^r\≤E_{i,\Σ\left({\mathrm{NT}}^C\right)}^{EH},\∀i\∈I$

$P_{i,j}^r\≤P_{i,j}^{rmax}$

所述優(yōu)化問題P2的求解可以采用拉格朗日因子方法：

$\begin{array}{c}L(x_{i,j},P_{i,j}^T,{\mathrm{\η}}_n,{\mathrm{\η}}_m,{\mathrm{\η}}_{m,n})=\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j}\\ -{\mathrm{\η}}_n(\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}-1)-{\mathrm{\η}}_m(\frac{1}{2}{T}^C\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{P}_{i,j}^r-E_{i,\Σ\left({\mathrm{NT}}^C\right)}^{EH})\\ -{\mathrm{\η}}_{m,n}(P_{i,j}^r-P_{i,j}^{r\max })\end{array}$

再聯(lián)立和并用次梯度方法迭代求解，其中η_n,η_m,η_m,n是相應(yīng)的拉格朗日因子。

所述優(yōu)化問題P2的拉格朗日形式中的拉格朗日因子η_n,η_m,η_m,n的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是：

${\mathrm{\η}}_n(k+1)={\[{\mathrm{\η}}_n\left(k\right)-{\mathrm{\ϵ}}_n\left(k\right)(1-\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j})\]}^{+}$

${\mathrm{\η}}_m(k+1)={\[{\mathrm{\η}}_m\left(k\right)-{\mathrm{\ϵ}}_m\left(k\right)(E_{i,\Σ\left({\mathrm{NT}}^C\right)}^{EH}-\frac{1}{2}{T}^C\underset{j=1}{\overset{N}{\Σ}}{x}_{ij}{P}_{ij}^r)\]}^{+}$

${\mathrm{\η}}_{m,n}(k+1)={\[{\mathrm{\η}}_{m,n}\left(k\right)-{\mathrm{\ϵ}}_{m,n}\left(k\right)(P_{i,j}^{rmax}-P_{i,j}^r)\]}^{+}$

其中η_n(k),η_m(k),η_m,n(k)分別表示第k次迭代的拉格朗日因子，ε_n(k),ε_m(k),ε_m,n(k)分別表示相應(yīng)的迭代步長；

所述迭代步長可以設(shè)置成：

${\mathrm{\ϵ}}_n\left(k\right)={\mathrm{\ϵ}}_m\left(k\right)={\mathrm{\ϵ}}_{m,n}\left(k\right)=\frac{1}{k^2},m=1,2,...,M,n=1,2,...,N.$

4.根據(jù)權(quán)利要求1所述的聯(lián)合資源分配方法，其特征在于，所述步驟2包括：

移除中的所有限制條件，最優(yōu)化問題P1變成傳統(tǒng)的基于瞬時信息的中繼選擇問題P3：

$\begin{array}{cc}P3:& \underset{x_{i,j},P_{i,j}^r}{\max }\stackrel{\‾}{R}=\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{R}_{i,j}\\ & =\frac{1}{N}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{x}_{i,j}{\log }_2(1+{\mathrm{SNR}}_{i,j})\end{array}$

$\begin{array}{cc}s.t.& x_{i,j}\∈\{0,1\},\∀i,\∀j\end{array}$

$\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}\≤1,\∀j$

$P_{i,j}^r\≤P_{i,j}^{rmax}$

采用經(jīng)典的凸優(yōu)化理論可以獲得P3的最優(yōu)解：

$x_{i,j}^{*}=\left\{\begin{array}{cc}1,& i=\underset{i}{\mathrm{argmax}}{\mathrm{SNR}}_{i,j},\∀j=1,2,...,N\\ 0,& otherwise\end{array}\right.$

$P_{i,j}^r=min\{R_i^{r\max },B_{i,j}^r\}$

其中表示第i個中繼在第j個數(shù)據(jù)塊發(fā)送前存儲的能量，表示第i個中繼的最大發(fā)射能量，中繼節(jié)點i的能量更新公式：

$B_{i,j}^r=\underset{k=0}{\overset{j-1}{\Σ}}{E}_{i,k}^{EH}-\underset{k=1}{\overset{j-1}{\Σ}}{x}_{i,k}{P}_{i,k}^r$

其中，表示第i個中繼在第k個數(shù)據(jù)塊傳輸過程中采集到的能量，表示第i個中繼在第k個數(shù)據(jù)塊發(fā)送之前所采集到的能量之和，表示第i個中繼在第k個數(shù)據(jù)塊發(fā)送之前所消耗的能量之和。

5.根據(jù)權(quán)利要求4所述的聯(lián)合資源分配方法，其特征在于，所述最優(yōu)化問題P3的求解包括以下步驟：

步驟A1：初始值j＝0；

步驟A2：更新j＝j(luò)+1；

步驟A3：利用給每個中繼預(yù)先分配功率；

步驟A4：利用確定最大的SNR，以選擇最佳中繼i，記x_i,j＝1；

步驟A5：利用更新中繼節(jié)點能量；

步驟A6：判斷j是否等于M，若等于M，結(jié)束，否則調(diào)至步驟A2繼續(xù)。

6.根據(jù)權(quán)利要求1所述的聯(lián)合資源分配方法，其特征在于，所述步驟2系統(tǒng)數(shù)學(xué)模型建立包括：

移除最優(yōu)化問題P2，修改最優(yōu)化問題如下：

$\begin{array}{cc}P4:& \underset{x_{ij},P_{ij}^r}{\max \stackrel{\‾}{P}\left(k\right)}=E\[\frac{1}{N-k+1}\underset{i=1}{\overset{M}{\Σ}}\underset{j=k}{\overset{N}{\Σ}}{x}_{ij}{R}_{ij}|x_{ik}{P}_{ik}^r\]\\ & =\frac{1}{N-k+1}\underset{i=1}{\overset{M}{\Σ}}{x}_{ik}{R}_{ik}+\frac{1}{N-k+1}\underset{{\mathrm{\γ}}_{ij}^s,{\mathrm{\γ}}_{ij}^d}{E}\[\underset{i=1}{\overset{M}{\Σ}}\underset{j=k+1}{\overset{N}{\Σ}}{x}_{ij}{R}_{ij}|x_{ik},P_{ik}^r\]\end{array}$

$\begin{array}{cc}s.t.& x_{i,j}\∈\{0,1\},\∀i,\∀j\end{array}$

$\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}\≤1,\∀j$

$\frac{1}{2}{T}^C\underset{j=1}{\overset{l}{\Σ}}{x}_{i,j}{P}_{i,j}^r\≤E_{i,\Σ\left({\mathrm{lT}}^C\right)}^{EH},\∀l\∈J,\∀i\∈I$

$P_{i,j}^r\≤P_{i,j}^{rmax}$

其中：目標(biāo)函數(shù)表示第k個塊開始至傳輸結(jié)束總共N-K+1個數(shù)據(jù)塊的平均吞吐量首先，對于

$\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}{R}_{i,j}=\underset{i=1}{\overset{M}{\Σ}}{x}_{i,j}log(1+\underset{{\mathrm{\γ}}_{i,j}^s,{\mathrm{\γ}}_{i,j}^d,P_{i,j}^r}{{\mathrm{SNR}}_{i,j}})$

然后，再次改寫P4問題的目標(biāo)函數(shù)

$\underset{x_{i,j},P_{i,j}^r}{\stackrel{\‾}{R}\left(k\right)}=\frac{1}{N-k+1}(\underset{i=1}{\overset{M}{\Σ}}{x}_{i,k}{R}_{i,k}+\underset{j=k+1}{\overset{N}{\Σ}}{\stackrel{\‾}{R}}_{ave,j})=\frac{1}{N-k+1}(\underset{i=1}{\overset{M}{\Σ}}{x}_{i,k}{R}_{i,k}+\underset{i=0}{\overset{M}{\Σ}}{r}_i{\stackrel{\‾}{R}}_i)$

其中表示第i個中繼在N次數(shù)據(jù)傳輸過程中的平均被選中次數(shù)。

7.根據(jù)權(quán)利要求6所述的聯(lián)合資源分配方法，其特征在于，所述最優(yōu)化問題P4的求解包括以下步驟：

步驟B1：初始值j＝0；

步驟B2：更新j＝j(luò)+1；

步驟B3：利用功率分配策略給每個中繼預(yù)先分配功率；

步驟B4：根據(jù)當(dāng)前信道狀態(tài)和計算相關(guān)吞吐量增益；

步驟B5：利用相關(guān)吞吐量增益確定最大的ΔR_i,k，以選擇最佳中繼i，記x_i,k＝1；

步驟B6：利用更新中繼節(jié)點能量；

步驟B7：判斷j是否等于M，若等于M，結(jié)束，否則調(diào)至步驟B2繼續(xù)。

8.根據(jù)權(quán)利要求7所述的聯(lián)合資源分配方法，其特征在于，包括：

所述步驟B3中的功率分配策略是等將來發(fā)射功率策略；

所述中繼i在剩余的數(shù)據(jù)傳輸中還能被選中的次數(shù)r_i的表達式是：

其中表示中繼i在整個傳輸過程中采集到的總能量，表示中繼i在整個傳輸過程中被選中的總次數(shù)，表示中繼i到當(dāng)前數(shù)據(jù)傳輸塊k為止被選中的總次數(shù)；

所述能量采集過程是伯努利過程：其中，E表示可能采集到的單位能量，對于任意中繼i在任意傳輸塊j期間的能量采集服從伯努利過程，ρ是概率，等將來發(fā)射功率策略下的功率預(yù)測函數(shù)是：

$P_{ik}^r=f_{jk}^i\left(P_{ij}^r\right)=\frac{1}{T^c}(\frac{B_{ij}^r-T^C{P}_{ij}^r}{N-j}+\mathrm{\ρ}E),\∀k\>j.$

9.根據(jù)權(quán)利要求8所述的聯(lián)合資源分配方法，其特征在于，包括：

所述步驟B3中的功率分配策略是save-β策略；

所述功率預(yù)測函數(shù)是：

$\stackrel{\‾}{\mathrm{\β}}=1-\mathrm{\β}$

$P_{i,k}^r=f_{j,k}^i\left(P_{i,j}^r\right)=\mathrm{\β}\frac{E\[B_{i,k}^r\]}{T^C},\∀k\>j$

$E\[B_{i,k}^r\]=\left\{\begin{array}{cc}{B}_{i,j}^r-P_{i,j}^r{T}^C+\mathrm{\ρ}E,& k=j+1\\ {\stackrel{\‾}{\mathrm{\β}}}^{k-j-1}(B_{i,j}^r-P_{i,j}^r{T}^C)+\mathrm{\ρ}E\left(\frac{1-{\stackrel{\‾}{\mathrm{\β}}}^{k-j}}{\mathrm{\β}}\right),& k\>j+1\end{array}\right.$

其中：β是省下的比例，β的經(jīng)驗值取0.3，表示第i個中繼在將要傳輸?shù)趉個數(shù)據(jù)塊的時候預(yù)計的電池能量。

10.根據(jù)權(quán)利要求8所述的聯(lián)合資源分配方法，其特征在于，包括：所述步驟B3中的功率分配策略是預(yù)測能量采集策略；

所述功率預(yù)測函數(shù)是：

$E_{ik}^{EH}=E_{i,ave}=\mathrm{\ρ}E,\∀k\>j$

$P_{ij}^r=\left\{\begin{array}{cc}\frac{E_{ij}^{EH}}{T^C},& E_{ij}^{EH}\≤\mathrm{\ρ}E\\ \frac{E_{ij}^{EH}+(N+j)\mathrm{\ρ}E}{(N-j+1)T^C},& E_{ij}^{EH}\>\mathrm{\ρ}E\end{array}\right.$

其中：假設(shè)我們可以預(yù)測第i個中繼在將來的第k個數(shù)據(jù)塊EH到的能量是