可缓存网络中非正交多址和能量收集辅助的资源分配方法

1.本发明属于无线通信技术领域，具体涉及无线缓存网络中非正交多址和能量收集辅助的功率和时间联合分配方法。


背景技术：

2.无线缓存网络由基站、缓存助手以及用户组成，可以将基站的流量负载分给多个缓存助手。在传统的通信系统中，基站从核心网下载文件然后发送给用户，但在无线缓存网络中，缓存助手在内容推送阶段预先从基站下载流行的文件，以便可以在内容传输阶段直接发送用户请求的文件给用户。
3.非正交多址接入技术是改进系统容量和用户体验的另一个重要方案，在降低频谱利用率和提高功率效率方面，该技术比其对应的正交多址接入技术更有效。在功率领域，非正交多址接入技术通过叠加用户信号，并在接收端使用串行干扰消除来解码信息，支持多个用户在同一时频资源块上进行通信。
4.无线携能传输可以在传输信息的同时传输能量，以提高通信节点的电池续航能力，受到了学术界和工业界的关注。无线携能传输在提高系统能效上有巨大的潜力。考虑到终端需要同时解码信息和收集能量，因此研究者们提出了两种方案，分别是将解码信息和传输能量在时域和功率域进行分离。
5.在无线缓存网络中，结合非正交多址接入技术以及无线携能传输技术对系统的性能有显著的提升，不但可以提高缓存助手的续航能力，同时可以减少链路负载，减少系统的时延，提高系统的能效。
6.因此研究在无线缓存网络中能量收集辅助的功率和时间分配方法是非常有必要的。


技术实现要素：

7.本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种时延小、能效高、缓存服务器续航时间长的可缓存网络中非正交多址和能量收集辅助的资源分配方法。
8.解决上述技术问题所采用的技术方案是：
9.(1)引入时延优化模型
10.按下式确定最小化缓存助手的最大时延d
l
：
[0011][0012]
优化条件如下：
[0013]
[0014][0015][0016][0017]
其中，s
l
是缓存文件的大小、取值为[1,10]，r
l
为第l个缓存助手的文件传输速率，α
l
表示第l个缓存助手对信息解码和能量收集的时间分割比，p
l
表示第l个缓存助手的传输功率，为传输时延阈值、取值为[1,2]，p
max
表示基站的总发射功率、取值为[15,20]。
[0018]
按下式确定文件传输速率r
l
：
[0019][0020]
其中，b是信号传输带宽、取值为[1,10]，g
l
表示第l个缓存助手的信道增益、取值为[0.6,1]，p
l'
表示使用串行干扰消除时被视为干扰的缓存助手的传输功率，σ
l
为第l个缓存助手的高斯白噪声功率、取值为[-174,-160]。
[0021]
按下式确定第l缓存助手收集到的能量e
l
：
[0022][0023]
η表示能量转换效率、取值为[0.15,0.25]，e
min
表示每个缓存助手最少收集到的能量、取值为[0.5,1]，e
max
表示每个缓存助手最多收集到的能量、取值为[3,5]，表示对任意一个缓存助手l都满足当前条件。
[0024]
(2)转化时延优化模型
[0025]
用二分法按下式转化优化辅助变量γ：
[0026][0027]
优化条件如下：
[0028][0029][0030][0031][0032][0033]
其中γa的初值为0，γb的初值为5000。
[0034]
(3)构建交替迭代方法
[0035]
通过二分法得到的缓存助手的最小化最大时延，根据步骤(2)中的公式(2)，通过交替迭代，得到最优的时间分割比α
l
和最优的功率p
l
。
[0036]
(4)引入能效优化模型
[0037]
按式(4)确定最大化缓存助手能效ee：
[0038][0039]
优化条件如下：
[0040][0041][0042][0043][0044]
按下式确定第k个用户在时隙i中的可实现速率r
k,i,l
：
[0045][0046][0047][0048]
其中，ps表示电路消耗的功率、取值为[0.05,0.1]，p
k,i,l
表示缓存助手l服务的用户k在时隙i的传输功率，h
k,l
表示缓存助手l服务的用户k的信道增益、取值为[0.6,1]，nc是在用户接收端利用串行干扰消除解码将第k 1到k个用户的信号视为干扰，p
k',i,l
表示缓存助手l服务的在时隙i被视为干扰用户的传输功率，n
in
表示其他缓存助手发送信号对缓存助手l中的用户产生的干扰，p
q,i,k
表示缓存助手q服务的在时隙i被视为干扰用户的传输功率，h
q,k
表示缓存助手q服务的用户k的信道增益、取值为[0.6,1]，σk为用户k的高斯白噪声功率、取值为[-174,-160]，t
k,i,l
表示缓存助手l服务的用户k在时隙i的传输时间，rq表示用户的服务质量要求、取值为[1,5]，r
max
表示每个用户的最大传输速率、取值为[10,15]，e
l
为内容推送阶段缓存助手l收集到的能量，e0表示每个缓存助手的初始能量、取值为[0.5,1]，p
max
为基站的功率阈值、取值为[15,20]，τ表示每个用户的时延阈值、取值为[0.5,1]。
[0049]
(5)转化能效优化模型
[0050]
用分式规划方法将(3)按式(5)转化：
[0051][0052]
优化条件如下：
[0053][0054][0055][0056][0057]
(6)确定最优传输功率和时间
[0058]
用dinkelbach方法、拉格朗日乘子法和kkt条件，按下式确定最优传输功率p
k,i,l
：
[0059][0060]
按下式确定最优传输时间t
k,i,l
：
[0061][0062]
其中λ
1,k,i
,λ
2,k,i
,λ
3,k,i
,λ
4,k,i
为(5)中约束条件分别对应的拉格朗日乘子，初值均为1。
[0063]
在本发明的步骤(1)中，所述的e
min
取值最佳为1w。
[0064]
在步骤(4)中，所述的k取值最佳为5。
[0065]
本发明与现有技术相比，有益效果如下：
[0066]
由于本发明优化了在内容推送阶段缓存助手的时延，使用二分法来解决了缓存助手的时延技术问题，得到了最优的传输功率和时间分割比，降低了缓存助手的时延，为内容传输阶段收集了足够的能量，提高了缓存服务器续航时间；
[0067]
本发明优化了在内容传输阶段缓存助手的能效，通过使用dinklebach方法和拉格朗日乘子法，得到了用户的最佳传输功率和传输时间，提高了缓存助手的能效。
附图说明
[0068]
图1是本发明实施例1的流程图。
[0069]
图2是本发明在内容推送阶段时延随能量收集约束的变化的曲线。
[0070]
图3为本发明在内容传输阶段缓存助手服务用户数量与系统能效的变化曲线。
具体实施方式
[0071]
下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下面的实施例。
[0072]
实施例1
[0073]
本实施例的可缓存网络中非正交多址和能量收集辅助的资源分配方法由下述步骤组成：
[0074]
(1)引入时延优化模型
[0075]
按下式确定最小化缓存助手的最大时延d
l
：
[0076][0077]
优化条件如下：
[0078][0079][0080][0081][0082]
其中，s
l
是缓存文件的大小、取值为[1,10]，本实施例的s
l
取值为5，r
l
为第l个缓存助手的文件传输速率，α
l
表示第l个缓存助手对信息解码和能量收集的时间分割比，p
l
表示第l个缓存助手的传输功率，为传输时延阈值、取值为[1,2]，本实施例的取值为1.5，p
max
表示基站的总发射功率、取值为[15,20]，本实施例的p
max
取值为15。
[0083]
按下式确定文件传输速率r
l
：
[0084][0085]
其中，b是信号传输带宽、取值为[1,10]，本实施例的b取值为5，g
l
表示第l个缓存助手的信道增益、取值为[0.6,1]，本实施例的g
l
取值为0.8，p
l'
表示使用串行干扰消除时被视为干扰的缓存助手的传输功率，σ
l
为第l个缓存助手的高斯白噪声功率、取值为[-174,-160]，本实施例的σ
l
取值为-166。
[0086]
按下式确定第l缓存助手收集到的能量e
l
：
[0087][0088]
η表示能量转换效率、取值为[0.15,0.25]，本实施例的η取值为0.2，e
min
表示每个缓存助手最少收集到的能量、取值为[0.5,1]w，本实施例的e
min
取值为1w，e
max
表示每个缓存助手最多收集到的能量、取值为[3,5]，本实施例的e
max
取值为4，表示对任意一个缓存助手l都满足当前条件。
[0089]
(2)转化时延优化模型
[0090]
用二分法按下式转化优化辅助变量γ：
[0091][0092]
优化条件如下：
[0093]
[0094][0095][0096][0097][0098]
其中γa的初值为0，γb的初值为5000。
[0099]
(3)构建交替迭代方法
[0100]
通过二分法得到的缓存助手的最小化最大时延，根据步骤(2)中的公式(2)，通过交替迭代，得到最优的时间分割比α
l
和最优的功率p
l
。
[0101]
(4)引入能效优化模型
[0102]
按式(4)确定最大化缓存助手能效ee：
[0103][0104]
优化条件如下：
[0105][0106][0107][0108][0109]
按下式确定第k个用户在时隙i中的可实现速率r
k,i,l
：
[0110][0111][0112][0113]
其中，ps表示电路消耗的功率、取值为[0.05,0.1]，本实施例的ps取值为0.05，p
k,i,l
表示缓存助手l服务的用户k在时隙i的传输功率，h
k,l
表示缓存助手l服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
k,l
取值为0.8，nc是在用户接收端利用串行干扰消除解码将第k 1到k个用户的信号视为干扰，p
k',i,l
表示缓存助手l服务的在时隙i被视为干扰用户的传输功率，n
in
表示其他缓存助手发送信号对缓存助手l中的用户产生的干扰，p
q,i,k
表示缓存助手q服务的在时隙i被视为干扰用户的传输功率，h
q,k
表示缓存助手q服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
q,k
取值为0.8，σk为用户k的高斯白噪声功率、取
值为[-174,-160]，本实施例的σk取值为-166，t
k,i,l
表示缓存助手l服务的用户k在时隙i的传输时间，rq表示用户的服务质量要求、取值为[1,5]，本实施例的rq取值为3，r
max
表示每个用户的最大传输速率、取值为[10,15]，本实施例的r
max
取值为12，e
l
为内容推送阶段缓存助手l收集到的能量，e0表示每个缓存助手的初始能量、取值为[0.5,1]，本实施例的e0取值为0.5，τ表示每个用户的时延阈值、取值为[0.5,1]，本实施例的τ取值为0.8。
[0114]
(5)转化能效优化模型
[0115]
用分式规划方法将(3)按式(5)转化：
[0116][0117]
优化条件如下：
[0118][0119][0120][0121][0122]
(6)确定最优传输功率和时间
[0123]
用dinkelbach方法、拉格朗日乘子法和kkt条件，按下式确定最优传输功率p
k,i,l
：
[0124][0125]
按下式确定最优传输时间t
k,i,l
：
[0126][0127]
其中λ
1,k,i
,λ
2,k,i
,λ
3,k,i
,λ
4,k,i
为(5)中约束条件分别对应的拉格朗日乘子，初值均为1。
[0128]
完成可缓存网络中非正交多址和能量收集辅助的资源分配方法。
[0129]
实施例2
[0130]
本实施例的可缓存网络中非正交多址和能量收集辅助的资源分配方法由下述步骤组成：
[0131]
(1)引入时延优化模型
[0132]
按下式确定最小化缓存助手的最大时延d
l
：
[0133][0134]
优化条件如下：
[0135]
[0136][0137][0138][0139]
其中，s
l
是缓存文件的大小、取值为[1,10]，本实施例的s
l
取值为1，r
l
为第l个缓存助手的文件传输速率，α
l
表示第l个缓存助手对信息解码和能量收集的时间分割比，p
l
表示第l个缓存助手的传输功率，为传输时延阈值、取值为[1,2]，本实施例的取值为1，p
max
表示基站的总发射功率、取值为[15,20]，本实施例的p
max
取值为18。
[0140]
按下式确定文件传输速率r
l
：
[0141][0142]
其中，b是信号传输带宽、取值为[1,10]，本实施例的b取值为1，g
l
表示第l个缓存助手的信道增益、取值为[0.6,1]，本实施例的g
l
取值为0.6，p
l'
表示使用串行干扰消除时被视为干扰的缓存助手的传输功率，σ
l
为第l个缓存助手的高斯白噪声功率、取值为[-174,-160]，本实施例的σ
l
取值为-174。
[0143]
按下式确定第l缓存助手收集到的能量e
l
：
[0144][0145]
η表示能量转换效率、取值为[0.15,0.25]，本实施例的η取值为0.15，e
min
表示每个缓存助手最少收集到的能量、取值为[0.5,1]w，本实施例的e
min
取值为0.5w，e
max
表示每个缓存助手最多收集到的能量、取值为[3,5]，本实施例的e
max
取值为3，表示对任意一个缓存助手l都满足当前条件。
[0146]
(2)转化时延优化模型
[0147]
该步骤与实施例1相同。
[0148]
(3)构建交替迭代方法
[0149]
该步骤与实施例1相同。
[0150]
(4)引入能效优化模型
[0151]
按式(4)确定最大化缓存助手能效ee：
[0152][0153]
优化条件如下：
[0154]
[0155][0156][0157][0158]
按下式确定第k个用户在时隙i中的可实现速率r
k,i,l
：
[0159][0160][0161][0162]
其中，ps表示电路消耗的功率、取值为[0.05,0.1]，本实施例的ps取值为0.08，p
k,i,l
表示缓存助手l服务的用户k在时隙i的传输功率，h
k,l
表示缓存助手l服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
k,l
取值为0.6，nc是在用户接收端利用串行干扰消除解码将第k 1到k个用户的信号视为干扰，p
k',i,l
表示缓存助手l服务的在时隙i被视为干扰用户的传输功率，n
in
表示其他缓存助手发送信号对缓存助手l中的用户产生的干扰，p
q,i,k
表示缓存助手q服务的在时隙i被视为干扰用户的传输功率，h
q,k
表示缓存助手q服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
q,k
取值为0.6，σk为用户k的高斯白噪声功率、取值为[-174,-160]，本实施例的σk取值为-174，t
k,i,l
表示缓存助手l服务的用户k在时隙i的传输时间，rq表示用户的服务质量要求、取值为[1,5]，本实施例的rq取值为1，r
max
表示每个用户的最大传输速率、取值为[10,15]，本实施例的r
max
取值为10，e
l
为内容推送阶段缓存助手l收集到的能量，e0表示每个缓存助手的初始能量、取值为[0.5,1]，本实施例的e0取值为0.8，τ表示每个用户的时延阈值、取值为[0.5,1]，本实施例的τ取值为0.5。
[0163]
其他步骤与实施例1相同。完成可缓存网络中非正交多址和能量收集辅助的资源分配方法。
[0164]
实施例3
[0165]
本实施例的可缓存网络中非正交多址和能量收集辅助的资源分配方法由下述步骤组成：
[0166]
(1)引入时延优化模型
[0167]
按下式确定最小化缓存助手的最大时延d
l
：
[0168][0169]
优化条件如下：
[0170][0171]
[0172][0173][0174]
其中，s
l
是缓存文件的大小、取值为[1,10]，本实施例的s
l
取值为10，r
l
为第l个缓存助手的文件传输速率，α
l
表示第l个缓存助手对信息解码和能量收集的时间分割比，p
l
表示第l个缓存助手的传输功率，为传输时延阈值、取值为[1,2]，本实施例的取值为2，p
max
表示基站的总发射功率、取值为[15,20]，本实施例的p
max
取值为20。
[0175]
按下式确定文件传输速率r
l
：
[0176][0177]
其中，b是信号传输带宽、取值为[1,10]，本实施例的b取值为10，g
l
表示第l个缓存助手的信道增益、取值为[0.6,1]，本实施例的g
l
取值为1，p
l'
表示使用串行干扰消除时被视为干扰的缓存助手的传输功率，σ
l
为第l个缓存助手的高斯白噪声功率、取值为[-174,-160]，本实施例的σ
l
取值为-160。
[0178]
按下式确定第l缓存助手收集到的能量e
l
：
[0179][0180]
η表示能量转换效率、取值为[0.15,0.25]，本实施例的η取值为0.25，e
min
表示每个缓存助手最少收集到的能量、取值为[0.5,1]w，本实施例的e
min
取值为0.8w，e
max
表示每个缓存助手最多收集到的能量、取值为[3,5]，本实施例的e
max
取值为5，表示对任意一个缓存助手l都满足当前条件。
[0181]
(2)转化时延优化模型
[0182]
该步骤与实施例1相同。
[0183]
(3)构建交替迭代方法
[0184]
该步骤与实施例1相同。
[0185]
(4)引入能效优化模型
[0186]
按式(4)确定最大化缓存助手能效ee：
[0187][0188]
优化条件如下：
[0189][0190]
[0191][0192][0193]
按下式确定第k个用户在时隙i中的可实现速率r
k,i,l
：
[0194][0195][0196][0197]
其中，ps表示电路消耗的功率、取值为[0.05,0.1]，本实施例的ps取值为0.1，p
k,i,l
表示缓存助手l服务的用户k在时隙i的传输功率，h
k,l
表示缓存助手l服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
k,l
取值为1，nc是在用户接收端利用串行干扰消除解码将第k 1到k个用户的信号视为干扰，p
k',i,l
表示缓存助手l服务的在时隙i被视为干扰用户的传输功率，n
in
表示其他缓存助手发送信号对缓存助手l中的用户产生的干扰，p
q,i,k
表示缓存助手q服务的在时隙i被视为干扰用户的传输功率，h
q,k
表示缓存助手q服务的用户k的信道增益、取值为[0.6,1]，本实施例的h
q,k
取值为1，σk为用户k的高斯白噪声功率、取值为[-174,-160]，本实施例的σk取值为-160，t
k,i,l
表示缓存助手l服务的用户k在时隙i的传输时间，rq表示用户的服务质量要求、取值为[1,5]，本实施例的rq取值为5，r
max
表示每个用户的最大传输速率、取值为[10,15]，本实施例的r
max
取值为15，e
l
为内容推送阶段缓存助手l收集到的能量，e0表示每个缓存助手的初始能量、取值为[0.5,1]，本实施例的e0取值为1，τ表示每个用户的时延阈值、取值为[0.5,1]，本实施例的τ取值为1。
[0198]
其他步骤与实施例1相同。完成可缓存网络中非正交多址和能量收集辅助的资源分配方法。
[0199]
为了验证本发明的有益效果，发明人采用本发明实施例1的可缓存网络中非正交多址和能量收集辅助的资源分配方法进行了仿真实验。时延实验结果见图2，能效实验结果见图3。由图2可见，时延随着能量收集约束的增大而增大，但时延相对较小。由图3可见，随着每个缓存助手服务的用户数增多，能效逐渐减小，但整体的能效可以达到较好的效果。