[发明专利]一种基于压缩搜索空间和能量采集的能效优化双链接数据分流方法

摘要

一种基于压缩搜索空间和能量采集的能效优化双链接数据分流方法，包括以下步骤：(1)在BS的覆盖范围下总共有I个移动用户，部署单个小蜂窝辅助网络接入点AP通过“双连接”为MUs提供数据分流服务，满足MU的QoS同时通过最小化MU的能量功率以实现最优系统频谱资源配置，优化问题描述为多变量非凸性优化问题；(2)将问题TMPP垂直分解为两层优化问题；(3)根据底层问题提出单调性优化的功率控制方法，在AP的最大传输功率给定的情况下优化MU的传输功率；(4)针对底层问题提出压缩搜索空间的方法步优化AP的传输功率；(5)通过底层问题与顶层问题的交互迭代能效优化，解决问题TMPP。本发明利用率较高、灵活度较好。

主权项

一种基于压缩搜索空间和能量采集的能效优化双链接数据分流方法，其特征在于：所述方法包括以下步骤：(1)在BS的覆盖范围下总共有I个移动用户MUs，同时部署了多个小蜂窝辅助网络接入点AP通过“双连接”为MUs提供数据分流服务；在该情况下，AP使用能量采集技术来发送数据；考虑到能量采集的技术特性，引入两个索引集，对于MU端引入对于AP端引入在无线网络中，通过基站BS和小基站辅助接入点AP的发送功率控制，在BS端和AP端消除用户MU所有共用信道而产生的干扰，在保证MU数据需求的情况下最小化系统总功率消耗的优化问题描述为如下所示的非凸性优化问题TMPP问题，TMPP指的是全局最优化用户功率消耗问题：minΣi∈Ipsi+pBis.t:xBi(s)+rsi(1-Pout(psi,rsi))=Rireq0≤psi≤pSmax0≤pBi≤pBmaxVariables:(rsi,psi),and(xBi(s),pBi(s))---(1-1)]]>在TMPP问题中，psi表示在APs侧MU所消耗的能量，rsi表示APs侧用户所能够达到的最大数据需求流量；同理，pBi(s)和xBi(s)分别表示的是在宏基站BS端MU所消耗的能量和BS端MU所能达到的最大数据需求流量；Pout是关于psi和rsi的函数，表示为Pout(psi,rsi)；另外根据香农定理，得到数据需求表达式如下：xBi(s)＝WBlog2(1+pBi(s)gBi/nBi)   (1‑4)下面将问题中的各个变量及关系表达式做一个说明，如下：WB:BS到MU的信道带宽/HZ；WS:AP到MU的信道带宽/Hz；gBi:BS到MU的信道功率增益；gSi:AP到MU的信道功率增益；nBi:BS到MU的信道背景噪声功率/W；nSi:AP到MU的信道背景噪声功率/W；BS提供给MU最大的能量/W；AP提供给MU最大的能量/W；MU所需要满足的数据流量需求Hz；xBi:BS提供给MU的数据流量需求Hz；xsi:AP提供给MU的数据流量需求Hz；Pout:AP在提供MU流量需求时溢出概率；Qs:AP能量采集的概率密度函数；Ns:AP最多接入的MU个数；Mupp:能量采集上限值；Mlow:能量采集下限值；在能量采集的网络中，从AP的角度出发考虑，能量采集受限于时间地域因素，能量不充分；表现在AP端的数据需求必须考虑概率，因此数据需求流量表示如下：xsi=Wslog2(1+gsiNsnsi(Nspsi+Qs))---(1-5)]]>在(1‑5)式中，Qs(Mupp,Mlow)表示概率密度函数，Mupp和Mlow分别为均匀分布的上下限；Ns的物理意义是该AP接入的最多MU个数，将其设置为一个给定的值；接下去，将描述Pout表达式来简化TMPP问题；(2)溢出概率函数Pout表达式如下：Pout(psi,rsi)=Pr{rsi≥xsi}=Pr{rsi≥WSlog2(1+(NSpsi+Qs)gsiNSnsi)}---(2-1)]]>将Qs(Mupp,Mlow)带入到(2‑1)中，得到最终关于溢出函数的表达式，分析整理该表达式在不同的条件下，得到三种情况如下：i)如果那么就有此时AP溢出概率为；ii)如果那么此时AP溢出概率为0，一定可以实现数据分流；iii)如果那么此时AP溢出概率为1，一定不能满足数据分流；在得到溢出概率的表达式之后，按照以上三种情况来分别进行讨论；对于第三种情况来说，此时完全溢出；只有BS参与数据分流，得到AP不参与数据分流，也即能量消耗为0，也就是说此时MU的数据需求全部由BS来提供，这种情况是不符合设计目的，予以排除；(3)Pout∈[0,1)，设想在BS和AP两端考虑(1‑1)的限制条件，定义一个变量ρsi，如下：ρsi=rsiMupp+Nspsi-Ns(2rsiWS-1)nsigsiMupp-Mlow1Rireq---(2-2)]]>该变量的物理意义是AP能够实现的数据分流占MU总需求的百分比，同理ρsi∈[0,1]；将(2‑2)代入回TMPP问题中，在BS端得到数据需求如下：xBi=(1-ρsi)Rireq---(2-3)]]>根据(1‑5)中，得到AP端能量消耗如下：psi=1Nsrsi(Mupp-Mlow)ρsiRireq+(21Wsrsi-1)nsigsi-MuppNs---(2-4)]]>将(1‑4)、(2‑3)、(2‑4)三式联立将TMPP问题等价为TMPP‑E问题，“E”表示的是等价地，如下：min1Nsrsi(ρsi)(Mupp-Mlow)ρsiRireq+(21Wsrsi(ρsi)-1)nsigsi-MuppNs+nBigBi(21WB(1-ρsi)Rireq-1)---(2-5)]]>公式(2‑5)中的rsi(ρsi)是rsi关于ρsi的函数，参考(2‑2)；(4)底层TMPP‑AP问题和TMPP‑BS问题；底层TMPP‑AP问题表示如下：p^si(ρsi)=1Nsrsi(Mupp-Mlow)ρsiRireq+(21Wsrsi-1)nsigsi-MuppNs]]>s.t:constraint(1‑3)constraint(2‑4)Variable:ρsiand rsiTMPP‑AP问题有变量ρsi和rsi，通过枚举分流比例得到AP端的功率psi；对限制条件(2‑4)关于rsi求导，AP端能量一阶导数FG(rsi)得到：FG(rsi)=nsiln2gsiWs21Wsrsi-(Mupp-Mlow)ρsiRireqNsrsi2---(2-6)]]>这里FG(rsi)中AP端能量是关于AP端数据需求rsi的单调递增函数；对于第(2)步骤中第i种情况，满足最小psi处于此时由(2‑2)得到溢出概率Pout＝0；那么(2‑6)就可以转换为如下：FG(ρsiRireq)=nsiln2gsiWs21WsρsiRireq-Mupp-MlowNsρsiRireq---(2-7)]]>在上式中，关于数据分流百分比ρsi单调递增；通过以上分析，可知当时，得到一个唯一的ρsi，即通过对求解，得到结果如下：ρsicri=WsRireqln2×(Msupp-Mslow)gsiNsnsiexp((Msupp-Mslow)gsiNsnsi)]]>如果当时，TMPP‑AP问题相关的最优化解为溢出概率等于0时的解；由于TMPP‑AP问题为一个凸性问题，如果那么该问题的最优解为时，得到：p^si(ρsi)=(2ρsiRireqWs-1)nsigsi-MslowNs]]>将代入(1‑1)，得到通过以上分析，得到相关性质，在给定ρsi的情况下，如果那么TMPP‑AP问题的最优解为溢出概率等于0时的解，即对于TMPP‑BS问题，由于只有一个变量数据需求百分比ρsi，且是关于该变量的单调递减函数，将其表示如下：p^Bi(s)(ρsi)=(2Rireq(1-ρsi)WB-1)nBigBi---(2-8)]]>x^Bi(s)(ρsi)=(1-ρsi)Rireq---(2-9)]]>(5)当Pout(psi,rsi)＝0时，TMPP问题等价转换为TMPP‑Z问题，“Z”表示“零”：min pBi(s)+psis.t:psi≥(2rsiWs-1)nsigsi-MslowNs]]>0≤psi≤psmax]]>0≤pBi(s)≤pBmax]]>Variable:{rsi,psi}andpBi该问题分解为两个子例，如下：子例一：当时，TMPP‑Z问题得到以下最优解：rsi,Z-SubI*=min{Wslog2(1+MslowgsiNsnsi),Rireq},]]>psi,Z-SubI*=0,]]>xBi(s),Z-SubI*=Rireq-rsi,Z-SubI*,]]>pBi(s),Z-SubI*=(2xBi(s),Z-SubI*-1)nBigBi.]]>同时，发现子例一只有在满足时才成立；子例二：当时，TMPP‑Z问题等价为如下问题：minVariable:其中，同时，发现子例二只有在满足时才成立；通过子例二得到TMPP‑Z问题的最优解如下：rsi,Z-SubII*=rsi,Z-SubIIlow,ifFZ(rsi,Z-SubIIlow)>0rsi,Z-SubIIupp,ifFZ(rsi,Z-SubIIupp)>0WBWsWB+Ws(RireqWB-log2(WBgBinsiWsgsinBi)),otherwise]]>其中，是TMPP‑Z问题子例二中函数的一阶导数；psi,Z-SubII*=(2rsi,Z-SubII*ws-1)nsigsi-MslowNs]]>xBi(s),Z-SubII*=Rireq-rsi,Z-SubII*]]>pBi(s),Z-SubII*=(2xBi(s),Z-SubII*WB-1)nBigBi.]]>通过比较两个子例在可行条件下的最优解，得到TMPP‑Z问题的最优解如下：(rsi,Z*,psi,Z*,xBi(s),Z*,pBi(s),Z*)=(rsi,Z-Subθ^*,psi,Z-Subθ^*,xBi(s),Z-Subθ^*,pBi(s),Z-Subθ^*)]]>其中，(6)顶层TMPP‑TOP问题；表示如下：ρsi*=argminρsip^si(ρsi)+p^Bi(s)(ρsi)]]>s.t:0≤ρsi≤1综上第(4)步骤中所讲述的两个子问题，得到顶层TMPP‑TOP问题；所以将TMPP‑TOP的最优解表示为如下：(psi*(ρsi),pBi(s)*(ρsi),rsi*(ρsi))=(p^si(ρsi*),p^Bi(s)(ρsi*),r^si(ρsi*))]]>(7)将TMPP‑TOP等价转换为TMPP‑TOP‑E问题，表示如下：minVariable:其中，rsi,Z-SubIIlow=max{Rireq-wBlog2(1+PBmaxgBinBi),Wslog2(1+MslowNsnsigsi},]]>rsi,Z-SubIIupp=min{Wslog2(1+(psmax+MlowNs)gsinsi),Rireq}]]>(8)求解TMPP‑AP和TMPP‑BS算法GSol‑Algorithm，利用二分法求解AP端能量一阶导数FG(rsi)的零点来求解得到相应的最优AP端能量消耗和最优AP端数据分流需求过程如下：步骤8.1：输入初始数据分流百分比ρsi；步骤8.2：设定各参数初值：允许误差γ＝10‑6、标记flag＝1和数据需求下限值数据需求上限值步骤8.3：判断AP端能量一阶导数的正负；步骤8.4：如果有当前最优数据分流需求步骤8.5：否则，判断标记flag＝1是否成立；步骤8.6：如果标记flag＝1成立，用对分法求得当前最优数据分流需求ropt,temp，转至执行步骤7.8；步骤8.7：否则转至执行步骤7.9；步骤8.8：将当前最优数据分流需求ropt,temp代入当前AP端能量消耗判断当前AP端能量消耗的正负；步骤8.9：如果当前AP端能量消耗用二分法再次求解当前最优数据分流需求ropt,temp；步骤8.10：输出最优AP能量消耗和最优AP数据需求(9)根据AP端能量问题共性求解TMPP‑TOP‑E的算法ADLS‑Algorithm，过程如下；步骤9.1：设置ρsi为0，步长Δ＝10‑5，当前最优解CBS为空集，最优能量消耗值CBV为∞；步骤9.2：当ρsi≤1时，如果而且满足条件那么通过算法(5)计算得出否则结束循环；步骤9.3：如果小于当前最优能量消耗值CBV，那么更新当前最优能量消耗值和当前最优解结束循环；步骤9.4：如果TMPP‑AP问题是可行的，那么通过GSol‑Algorithm求解否则执行步骤8.7；步骤9.5：如果TMPP‑BS问题是可行的，那么通过(2‑8)和(2‑9)求解否则执行步骤8.7；步骤9.6：如果小于当前最优能量消耗值CBV，那么更新当前最优能量消耗值当前最优解步骤9.7：更新ρsi＝ρsi+Δ；步骤9.8：结束循环；步骤9.9：输出最优解