[0006] 本发明以认知MIMO SWIPT网络中存在多个配备功率分割接收机的认知SWIPT中继节点为场景,以最大化认知网络的频谱效率(单位频带信息速率)和最小化主网络的发送功率为优化目标,提出了认知MIMO SWIPT网络中基于频谱效率最大化和主网络干扰功率最小化的资源优化方法,给出了该方法的具体流程。该方法涉及设计认知发送端预编码矩阵、认知接收端干扰抑制矩阵、认知SWIPT中继选择、主用户发送功率、认知SWIPT最佳功率分割因子的联合优化。
[0007] 本发明的技术方案包括以下步骤:
[0008] 步骤1、认知MIMO SWIPT网络场景假设与建模
[0009] 针对由主用户网络和认知用户网络组成的两层多用户MIMO SWIPT系统,在主用户网络中,主用户发射机Tx将相应信息发给对应的主用户接收机Rx,同时发送干扰到认知MIMO SWIPT网络,认知MIMO SWIPT网络由认知发送端S,SWIPT中继Ri和认知接收节点D组成。认知中继节点为功率分割SWIPT收发信机,每个认知SWIPT中继的能量来自于主用户发送的干扰和认知发送端发送的信号。每个认知SWIPT中继的信息收发机都配备一个长度为L的缓存队列,用于接收认知发送端S发送的有效信息,当该认知SWIPT中继被选为第二阶段转发中继时,其发送缓存队列中的相关信息到认知接收节点D。假设认知MIMO SWIPT中继接收的能量全部用于Ri‑D的信息传输,且多天线认知MIMO SWIPT节点在每一个传输时隙中的信道状态保持不变。
[0010] 在主用户网络中,发射端Tx和接收端Rx的信道用 表示,其中M和N分别表示发送端Tx的天线数目和接收端Rx的天线数目。在认知网络中,S‑Ri和Ri‑D的信道分别用和 进行表示。其中NS、Ni、ND分别表示认知发送端、认知SWIPT中继和认知接收端的天线数目。 和 分别表示Tx‑Ri,S‑Rx,
Ri‑Rx相应的组间干扰链路。此外,假定每一个时隙中信道状态信息保持不变,服从独立同分布的复高斯分布。
[0011] 假定每个节点可通过信道估计获得统计信道状态信息,主用户发送端发送功率为PT,信息在发送前在经过预编码矩阵 编码,满足 其中d表示主用户发送端发送的数据流数目。在第一个时隙中,认知SWIPT中继网络和主用户接收端同时收到来自主用户发送端和认知用户发送端的信息。对于主用户网络来说,认知发送端发送的信息为干扰信息。因此,主用户网络使用干扰抑制矩阵 进行干扰对齐。在第一时隙,主用户接收端接收信号为:
[0012]
[0013] 其中,上标[1]表示在第一时隙内的变量,在第二时隙中会发生变化。PS为认知发送端的发送功率,VS为认知发送端的预编码矩阵, 为信息接收端在第一时隙引入的噪声,满足 sT和sS分别为主用户发送端和认知发送端的发送信号,均满足[0014] 同理,对于认知中继网络,主用户发送的信息为干扰信息。因此,认知网络使用干扰抑制矩阵 进行干扰对齐,认知中继网络接收信号为
[0015]
[0016] 其中,n2为中继网络引入的噪声,满足
[0017] 认知中继网络中采用缓存辅助的中继传输技术,利用缓存队列机制选择一对最佳中继 和 以提高系统的自由度、扩大网络范围并降低硬件复杂度。其中,每个中继均配有基于功率分割(Power Splitting,PS)的SWIPT的接收机结构,在SWIPT接收机中,λi部分用于信息解码,(1‑λi)部分用于能量收集。λi∈[0,1]。因此,最佳中继 接收信号表示为[0018]
[0019] 其中,z表示在信息解码的过程中引入的噪声,服从E{zzH}=δ2I。能量收集器收集的能量为
[0020]
[0021] 其中,η为能量收集效率。
[0022] 当确定最佳接收中继 和最佳转发中继 之后,在第二时隙中,最佳转发中继将期望信号ss发送给认知接收端,认知接收端接收信号为
[0023]
[0024] 其中, 表示最佳转发中继的发送功率, 为最佳转发中继到D端的信道矩阵,为最佳转发中继的预编码矩阵,nD表示认知接收端引入的高斯白噪声,满足[0025] 同时,认知SWIPT中继也会给主用户接收端造成干扰,主用户接收端的接收信号表示为
[0026]
[0027] 其中, 为最佳转发中继到主用户接收端Rx的信道矩阵。此时,第二时隙内的噪声满足
[0028] 根据上述描述,认知SWIPT中继侧和认知接收端都会收到来自不同网络的层间干扰。为了实现干扰对齐,将干扰对齐到不同的空间中,主用户网络需要满足以下条件[0029]
[0030]
[0031] 同理,认知SWIPT网络需要满足以下条件
[0032]
[0033] 在主用户网络中,为了保障认知用户可以正常接入授权频谱,同时满足主用户数据的可靠传输,主用户接收端归一化信息速率(频谱效率)需要满足一定阈值。主用户接收端SINR表示为
[0034]
[0035]
[0036] 在等时隙划分的信道模型中,主用户接收端归一化信息速率(频谱效率)可以表示为
[0037]
[0038] 在主用户网络中,以最小化发射功率作为优化目标建模为
[0039]
[0040] 其中,C1表示主用户网络要求的归一化信息速率(频谱效率)阈值。当主用户接收机接收到的归一化信息速率(频谱效率)低于C1,信息传输将会发生中断。Ptotal为主用户发送端和认知用户发送端的发送功率之和。
[0041] 步骤2、基于MAX‑SINR干扰对齐的主用户最优发送功率求解
[0042] 对于优化问题(12),首先应用MAX‑SINR干扰对齐算法对干扰进行对齐,可以求解出主用户的干扰协方差矩阵为
[0043]
[0044] 求出相应的编码抑制矩阵为
[0045]
[0046] 同理,根据信道互易性,迭代求出 和 所以优化问题转化为
[0047]
[0048] 上述问题为凸优化问题。优化问题(15)的Lagrange函数为
[0049] L(PT,λ,v)=PT+μ(C1‑CR)+v(PT+PS‑Ptotal) (16)[0050] 其中μ和v为拉格朗日乘子。
[0051] 相应的Lagrange对偶函数为
[0052]
[0053] 其中 表示关于变量PT的下确界。同时,注意到原优化问题(15)中的约束条件满足Slater条件,因此最优对偶间隙为零,即强对偶性成立。本发明使用KKT(Karush‑Kuhn‑* *Tucker)条件解决上述功率分配问题,假设原问题与对偶问题的解分别为 λ、v ,相应的KKT条件为
[0054]
[0055] 因此,可以根据式(18)求得主用户最优发送功率
[0056] 步骤3、认知SWIPT网络最佳接收/转发中继选择
[0057] 构造以最大化接收/转发链路的归一化信息速率(频谱效率)为优化目标的最佳接收中继 和最佳转发中继 的选择问题。
[0058] 接收中继Ri的频带利用率为
[0059]
[0060] 其中,δ2表示引入的加性高斯白噪声。
[0061] 以中继Ri链路归一化信息速率(频谱效率)最大化进行最佳接收中继选择,其优化问题表示为
[0062]
[0063] 其中,e表示最佳认知SWIPT中继的能量收集要求,认知SWIPT中继只有在满足一定的收集能量阈值时,才能够进行信息的转发。阈值Ith表示将来自主用户网络的层间干扰对齐到一定的数量级以下。优化问题式(20)的目标为最大化接收中继的频谱效率,最佳认知接收中继采用MAX‑SINR干扰对齐算法提高认知接收中继的SINR。为认知SWIPT接收中继需要保证的归一化信息速率(频谱效率)要求。
[0064] 为了提高接收端D的信息速率,在认知SWIPT中继转发阶段选择转发链路信道条件最好的转发中继 进行转发信号,构建以最大化认知接收端链路频谱效率为目标的认知SWIPT转发中继选择问题,表示为
[0065]
[0066] 其中, 为认知接收端接收到来自不同认知SWIPT中继的归一化信息速率(频谱效率), 为认知转发中继的发送功率,其计算公式为求解优化问题(21)后,就选择出了最佳转发中继
[0067] 步骤4、认知MIMO SWIPT网络频谱效率优化
[0068] 认知网络归一化信息速率(频谱效率)表达式为
[0069]
[0070] 认知MIMO SWIPT网络在第一阶段需要进行最佳接收中继 的选择,认知SWIPT接收中继 干扰抑制矩阵 与优化目标最大化接收端频谱效率、干扰对齐条件均相关,所以原始问题(22)难以直接求解。本发明采用分步解决方案,将优化问题(20)分解成两个问题。首先,在认知网络中,为了尽可能增大频谱效率,本发明选择通信链路较好的信道进行信息传输和分配发射功率,所以第一阶段的优化问题为
[0071]
[0072] 解决优化问题(23)后,本发明考虑将选出的最佳接收中继的频谱效率最大化问题,此时优化问题为
[0073]
[0074] 此时,最佳接收中继 的干扰协方差矩阵为 可以求得相应的干扰抑制矩阵 同时,根据MAX‑SINR方法可以求出对应的预编码矩阵VS。为了满足能量收集需求,需要对功率分割因子λi进行优化,此时的最大化归一化信息速率(频谱效率) 即可求解。
[0075] 同理,在认知网络的第二阶段,本发明首先要进行的是认知SWIPT最佳转发中继的选择问题,此时优化问题为
[0076]
[0077] 在选出最佳接收中继后,后续的优化问题变为
[0078]
[0079] 与第一阶段的求解方法类似,可以求得相应的干扰抑制矩阵 对应的预编码矩阵 可以根据网络互易性求出。将式(24)和(26),代入式(22)可以求得认知网络的频谱效率。
[0080] 本发明有益效果如下:
[0081] 本发明以多用户SWIPT中继系统为研究背景,在认知MIMO SWIPT网络中继系统研究了基于主用户发射干扰功率最小化的最大化认知网络频谱效率的中继选择策略,提出了一种基于信道状态的最佳中继选择策略。该方法以最大化认知MIMO SWIPT网络速率为优化目标建立优化模型,通过对功率分割因子、主网络和认知网络发送端预编码矩阵、主网络和认知网络接收端干扰抑制矩阵以及中继选择进行联合优化,使系统性能达到所需要求。研究表明,通过对主网络发送功率进行优化,应用最大化信干噪比(MAX‑SINR)的干扰对齐方法,可以实现认知网络性能的提升。本发明方法可以最大化认知网络的频谱效率。同时,相比于不应用干扰对齐算法和应用最小化干扰泄漏(MIN‑IL)的干扰对齐方法,本发明方法的认知接收端可达频谱效率有明显提高,在主用户发送干扰功率方面MAX‑SINR方法有大幅度下降。