一种空天地一体化网络干扰抑制的功率分配方法及装置

1.本发明涉及无线通信抗干扰技术领域，特别涉及一种空天地一体化网络干扰抑制的功率分配方法及装置。


背景技术：

2.随着无线通信技术的发展，社会各行各业对无线通信的需求越来越高，各种各样的无线通信设备大量涌现，这导致无线频谱资源越来越紧张，为了应对无线频谱资源紧张这一危机，提出了空天以一体化技术，实现有限频谱资源的复用，有效提高频谱资源的利用效率。
3.但是与此同时地面用户，空中用户，网络用户之间所传输的信息，无可避免地受到来自其他网络，本身网络的干扰，那么抑制干扰就成了待研究的重要内容，通过对于功率资源的合理分配，可以起到对干扰的抑制，而且还能够提升整个系统的信噪比。但目前还未有现有技术可以实现对功率资源的合理分配。


技术实现要素：

4.本发明提供了一种空天地一体化网络干扰抑制的功率分配方法及装置，以实现对无线通信系统功率分配的优化，解决功率资源合理分配的技术问题。
5.为解决上述技术问题，本发明提供了如下技术方案：
6.一方面，本发明提供了一种空天地一体化网络干扰抑制的功率分配方法，所述空天地一体化网络包括卫星网络层、空中网络层及地面网络层；所述空天地一体化网络干扰抑制的功率分配方法包括：
7.针对所述空天地一体化网络，建立网络内部干扰模型；
8.基于寻找优化问题潜在凸度的对偶内点法算法对所述网络内部干扰模型进行求解，得到空中网络层用户和地面网络层用户功率分配的最优解，实现空天地一体化网络的功率分配，降低不同网络层，以及相同网络层互相之间的干扰。
9.进一步地，所述网络内部干扰模型表示为：
[0010][0011][0012][0013]
c3 0≤pi≤p
imax
,i＝1,2,...n
[0014]
其中，c1、c2、c3为约束条件；p
uav
表示无人机与d2d用户对接收端通信时无人机发送端的发送功率，p表示n个d2d用户通信的发送功率；
[0015]
为无人机与d2d用户对接收端通信的信噪比，表达式为：
[0016][0017]
第i对d2d用户通信的信噪比为γi，γi表达式为：
[0018][0019]
无人机网络中的第i个d2d用户对接收端的速率为表达式为：
[0020][0021]
f(p)为系统中d2d网络的吞吐量，f(p)表达式为：
[0022][0023]
其中，pi表示第i个d2d用户对发送端的发送功率，h
ii
表示第i个d2d用户对发送端到第i个d2d用户对接收端的信道增益，h
ji
表示第j个d2d用户对发送端到第i个d2d用户对接收端的信道增益，p
uav
表示无人机的发送功率，表示无人机到第i对d2d用户对接收端的信道增益，σ2表示噪声功率，r
min
表示无人机服务用户的最低速率要求，表示无人机最大传输功率，p
imax
表示第i个d2d通信对发送端的最大传输功率，m为边缘设备数量，n为终端设备数量，pj表示第j个d2d用户对发送端的发送功率。
[0024]
进一步地，所述基于寻找优化问题潜在凸度的对偶内点法算法对所述网络内部干扰模型进行求解，得到空中网络层用户和地面网络层用户功率分配的最优解，包括：
[0025]
寻找优化问题的凸度，将优化目标改写为：
[0026][0027][0028][0029][0030][0031]
0≤pi≤p
imax
,i＝1,2,...n
[0032]
其中，其中，表示d2d通信对接收端速率的下限，表示d2d通信对信噪比下限，i表示干扰上限；y表示
辅助变量yi的集合，wi表示辅助变量；
[0033]
根据优化目标，限制条件所组成的矩阵，找到优化问题的对偶问题；其中，
[0034]
设原始问题为：
[0035][0036]
其中，c
t
代表价值系数向量，为n维行向量；a代表工艺系数矩阵，为m*n维矩阵；x代表决策向量，为n维行向量；b代表资源限量向量，为m维列向量；
[0037]
那么写出其对偶问题为：
[0038][0039]
其中，b
t
代表资源限量向量b的转置，为m维行向量；a
t
代表工艺系数矩阵a的转置，为n*m维矩阵；c
t
代表价值系数向量，为n维行向量；λ为x对偶规划的决策向量，为m维行向量；
[0040]
在原始问题和对偶问题中引入松弛变量，将两个问题结合；其中，
[0041]
松弛变量设为xi,剩余变量设为λi，使得ax≤b转化为ax e＝b,a
t
λ≥c
t
转换为a
t
λ f＝c
t
，其中，则有表达式：
[0042][0043]
引入新的约束条件，确保约束值要能包括所有可行解的和；
[0044]
基于约束条件要求有一个足够大的k，使得∑xi ∑λi≤k，接着继续引入一个松弛变量s，使得∑xi ∑λi s＝k；
[0045]
引入一个虚拟变量d，均匀化约束条件：其中，d＝1；
[0046]
引入下列变换，从而得到方程式右面的变换：
[0047]
xi＝(k 1)yi,i＝1,2,...,m n
[0048]
λi＝(k 1)y
m n i
,i＝1,2,...,m n
[0049]
s＝(k 1)y
2m 2n 1
[0050]
d＝(k 1)y
2m 2n 2
[0051]
其中，m，n分别表示矩阵的维度；
[0052]
引入最后一个变量，作为目标函数，为了结合目标函数和约束条件，相应的把引入的最后一个变量加入每一个约束条件中，进而求解新的标准型问题，从而求解出空中网络层用户和地面网络层用户功率分配的最优解。
[0053]
进一步地，所述最后一个变量为y
2m 2n 3
，其为目标函数，即优化目标为min y
2m 2n 3
，在变换之后所有的xi,wi均转变为yi，i＝1,2,
…
,2m 2n 2，至此优化的问题写为经典线性优化的典式形式，求出其最优解，得到功率分配的最优解。
[0054]
另一方面，本发明还提供了一种空天地一体化网络干扰抑制的功率分配装置，所述空天地一体化网络包括卫星网络层、空中网络层及地面网络层；所述空天地一体化网络干扰抑制的功率分配装置包括：
[0055]
网络内部干扰模型构建模块，用于针对所述空天地一体化网络，建立网络内部干扰模型；
[0056]
功率分配最优解求解模块，用于基于寻找优化问题潜在凸度的对偶内点法算法对所述网络内部干扰模型构建模块所构建的网络内部干扰模型进行求解，得到空中网络层用户和地面网络层用户功率分配的最优解，实现空天地一体化网络的功率分配，降低不同网络层，以及相同网络层互相之间的干扰。
[0057]
进一步地，所述网络内部干扰模型表示为：
[0058][0059][0060][0061]
c3 0≤pi≤p
imax
,i＝1,2,...n
[0062]
其中，c1、c2、c3为约束条件；p
uav
表示无人机与d2d用户对接收端通信时无人机发送端的发送功率，p表示n个d2d用户通信的发送功率；
[0063]
为无人机与d2d用户对接收端通信的信噪比，表达式为：
[0064][0065]
第i对d2d用户通信的信噪比为γi，γi表达式为：
[0066][0067]
无人机网络中的第i个d2d用户对接收端的速率为表达式为：
[0068][0069]
f(p)为系统中d2d网络的吞吐量，f(p)表达式为：
[0070][0071]
其中，pi表示第i个d2d用户对发送端的发送功率，h
ii
表示第i个d2d用户对发送端
到第i个d2d用户对接收端的信道增益，h
ji
表示第j个d2d用户对发送端到第i个d2d用户对接收端的信道增益，p
uav
表示无人机的发送功率，表示无人机到第i对d2d用户对接收端的信道增益，σ2表示噪声功率，r
min
表示无人机服务用户的最低速率要求，表示无人机最大传输功率，p
imax
表示第i个d2d通信对发送端的最大传输功率，m为边缘设备数量，n为终端设备数量，pj表示第j个d2d用户对发送端的发送功率。
[0072]
进一步地，所述功率分配最优解求解模块具体用于：
[0073]
寻找优化问题的凸度，将优化目标改写为：
[0074][0075][0076][0077][0078][0079]
0≤pi≤p
imax
,i＝1,2,...n
[0080]
其中，其中，表示d2d通信对接收端速率的下限，表示d2d通信对信噪比下限，i表示干扰上限；y表示辅助变量yi的集合，wi表示辅助变量；
[0081]
根据优化目标，限制条件所组成的矩阵，找到优化问题的对偶问题；其中，
[0082]
设原始问题为：
[0083][0084]
其中，c
t
代表价值系数向量，为n维行向量；a代表工艺系数矩阵，为m*n维矩阵；x代表决策向量，为n维行向量；b代表资源限量向量，为m维列向量；
[0085]
那么写出其对偶问题为：
[0086][0087]
其中，b
t
代表资源限量向量b的转置，为m维行向量；a
t
代表工艺系数矩阵a的转置，
为n*m维矩阵；c
t
代表价值系数向量，为n维行向量；λ为x对偶规划的决策向量，为m维行向量；
[0088]
在原始问题和对偶问题中引入松弛变量，将两个问题结合；其中，
[0089]
松弛变量设为xi,剩余变量设为λi，使得ax≤b转化为ax e＝b,a
t
λ≥c
t
转换为a
t
λ f＝c
t
，其中，则有表达式：
[0090][0091]
引入新的约束条件，确保约束值要能包括所有可行解的和；
[0092]
基于约束条件要求有一个足够大的k，使得∑xi ∑λi≤k，接着继续引入一个松弛变量s，使得∑xi ∑λi s＝k；
[0093]
引入一个虚拟变量d，均匀化约束条件：其中，d＝1；
[0094]
引入下列变换，从而得到方程式右面的变换：
[0095]
xi＝(k 1)yi,i＝1,2,...,m n
[0096]
λi＝(k 1)y
m n i
,i＝1,2,...,m n
[0097]
s＝(k 1)y
2m 2n 1
[0098]
d＝(k 1)y
2m 2n 2
[0099]
其中，m，n分别表示矩阵的维度；
[0100]
引入最后一个变量，作为目标函数，为了结合目标函数和约束条件，相应的把引入的最后一个变量加入每一个约束条件中，进而求解新的标准型问题，从而求解出空中网络层用户和地面网络层用户功率分配的最优解。
[0101]
进一步地，最后一个变量为y
2m 2n 3
，其为目标函数，即优化目标为min y
2m 2n 3
，在变换之后所有的xi,wi均转变为yi，i＝1,2,
…
,2m 2n 2，至此优化的问题写为经典线性优化的典式形式，求出其最优解，得到最终的功率分配最优解。
[0102]
再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0103]
又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0104]
本发明提供的技术方案带来的有益效果至少包括：
[0105]
本发明的技术方案，利用凸优化算法，提升了地面用户通信的信道容量。在构建网络内部复杂干扰模型后，引入新的约束条件，找到原有问题的凸度，进而将原有问题进行放缩，进而使用对偶内点法进行求解，得到最优功率分配解。从而可以实现对用户的最优功率分配，进而实现用户数据高质量的传输。
附图说明
[0106]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0107]
图1是本发明实施例提供的空天地一体化网络干扰抑制的功率分配方法的执行流程示意图；
[0108]
图2是本发明实施例提供的空天地一体化网络系统的结构图；
[0109]
图3是本发明实施例提供的基于寻找优化问题潜在凸度的对偶内点法算法对网络内部复杂干扰模型进行求解的流程示意图。
具体实施方式
[0110]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0111]
第一实施例
[0112]
本实施例提供了一种空天地一体化网络干扰抑制的功率分配方法，所述空天地一体化网络包括卫星网络层、空中网络层及地面网络层；该空天地一体化网络干扰抑制的功率分配方法的执行流程如图1所示，包括以下步骤：
[0113]
s1，针对所述空天地一体化网络，建立网络内部干扰模型；
[0114]
具体地，在本实施例中，系统结构如图2所示，包括物联网层、边缘层以及云层，其中，边缘层可扩展至多个，本实施例以一层为例进行说明。
[0115]
本实施例考虑包含一个云中心，m个边缘设备以及n个终端设备的网络，网络中的每个节点都具有一定的计算能力，原始系统各种基本数据由终端设备采集生成，数据处理结果最终传输至云中心。每个终端设备最多可连接1个边缘设备，每个边缘设备最多可连接一个云中心。
[0116]
为了使系统吞吐量最大，本实施例构建网络内部复杂干扰模型如下：
[0117][0118][0119][0120]
c3 0≤pi≤p
imax
,i＝1,2,...n
[0121]
其中，c1、c2、c3为约束条件；c1表示无人机的服务用户的速率要不低于无人机服务用户的最低速率，c2表示无人机的发射功率要不高于无人机最大传输功率，c3表示d2d通信对发送端的发送功率要不高于d2d通信对发送端的最大传输功率。p
uav
表示无人机与d2d用户对接收端通信时无人机发送端的发送功率，p表示n个d2d用户通信的发送功率；
[0122]
为无人机与d2d用户对接收端通信的信噪比，表达式为：
[0123][0124]
第i对d2d用户通信的信噪比为γi，γi表达式为：
[0125][0126]
无人机网络中的第i个d2d用户对接收端的速率为表达式为：
[0127][0128]
f(p)为系统中d2d网络的吞吐量，f(p)表达式为：
[0129][0130]
其中，pi表示第i个d2d用户对发送端的发送功率，h
ii
表示第i个d2d用户对发送端到第i个d2d用户对接收端的信道增益，h
ji
表示第j个d2d用户对发送端到第i个d2d用户对接收端的信道增益，p
uav
表示无人机的发送功率，表示无人机到第i对d2d用户对接收端的信道增益，σ2表示噪声功率，r
min
表示无人机服务用户的最低速率要求，表示无人机最大传输功率，p
imax
表示第i个d2d通信对发送端的最大传输功率，pj为第j个d2d用户对发送端的发送功率。
[0131]
s2，基于寻找优化问题潜在凸度的对偶内点法算法对网络内部干扰模型进行求解，得到空中网络层用户和地面网络层用户功率分配的最优解，实现空天地一体化网络的功率分配，降低不同网络层，以及相同网络层互相之间的干扰。
[0132]
需要说明的是，因为本实施例的优化问题是一个非凸优化问题，因此利用基于寻找优化问题潜在凸度的对偶内点法算法先进行变形，在进行求解。
[0133]
具体地，上述s2的实现过程如图3所示，包括以下步骤：
[0134]
s21，寻找优化问题的凸度，将原本非凸问题转换为凸问题方便进行求解。
[0135]
其中，优化目标可改写为：
[0136][0137][0138][0139][0140]
[0141]
0≤pi≤p
imax
,i＝1,2,...n
[0142]
其中，其中，表示d2d通信对接收端速率的下限，表示d2d通信对信噪比下限，i表示干扰上限；y表示辅助变量yi的集合，wi表示辅助变量；
[0143]
s22，根据优化目标，限制条件所组成的矩阵，找到优化问题的对偶问题；
[0144]
其中，设原始问题为：
[0145][0146]
其中，c
t
代表价值系数向量，为n维行向量；a代表工艺系数矩阵，为m*n维矩阵；x代表决策向量，为n维行向量；b代表资源限量向量，为m维列向量；
[0147]
那么写出其对偶问题为：
[0148][0149]
其中，b
t
代表资源限量向量b的转置，为m维行向量；a
t
代表工艺系数矩阵a的转置，为n*m维矩阵；c
t
代表价值系数向量，为n维行向量；λ为x对偶规划的决策向量，为m维行向量；
[0150]
s23，在原始问题和对偶问题中引入松弛变量，将两个问题结合；
[0151]
其中，松弛变量设为xi,剩余变量设为λi，使得ax≤b转化为ax e＝b,a
t
λ≥c
t
转换为a
t
λ f＝c
t
，其中，则有表达式：
[0152][0153]
s24，引入新的约束条件，确保约束值要能包括所有可行解的和；
[0154]
基于上述条件要求有一个足够大的k，使得∑xi ∑λi≤k，接着可以继续引入一个松弛变量s，使得∑xi ∑λi s＝k；
[0155]
s25，引入一个虚拟变量，均匀化约束条件。
[0156]
引入一个虚拟变量d(这里限制虚拟变量的值为1，即d＝1)，这里是为了均匀化约
束条件：
[0157]
引入下列变换，从而得到方程式右面的变换：
[0158]
xi＝(k 1)yi,i＝1,2,...,m n
[0159]
λi＝(k 1)y
m n i
,i＝1,2,...,m n
[0160]
s＝(k 1)y
2m 2n 1
[0161]
d＝(k 1)y
2m 2n 2
[0162]
其中，m，n分别表示矩阵的维度；
[0163]
s26，引入最后一个变量，作为目标函数(最小化，最大化)，为了结合目标函数和约束条件，相应的把引入的最后一个变量加入每一个约束条件中，进而求解新的标准型问题，从而求解出最优的功率分配。
[0164]
其中，最后一个变量为y
2m 2n 3
，此变量为目标函数，即优化目标为min y
2m 2n 3
，在s25变换之后所有的xi,wi均转变为yi，i＝1,2,
…
,2m 2n 2，至此优化的问题可写为经典线性优化的典式形式，可以采用单纯形法等其他方法，很容易求出其最优解，进而得到最优的功率分配解。
[0165]
综上，本实施例提供了一种空天地一体化网络干扰抑制的功率分配方法，利用凸优化算法，提升了地面用户通信的信道容量。在构建网络内部复杂干扰模型后，引入新的约束条件，找到原有问题的凸度，进而将原有问题进行放缩，进而使用对偶内点法进行求解，得到最优功率分配解。从而可以实现对用户的最优功率分配，进而实现用户数据高质量的传输。
[0166]
第二实施例
[0167]
本实施例提供了一种空天地一体化网络干扰抑制的功率分配装置，包括：
[0168]
网络内部干扰模型构建模块，用于针对所述空天地一体化网络，建立网络内部干扰模型；
[0169]
功率分配最优解求解模块，用于基于寻找优化问题潜在凸度的对偶内点法算法对所述网络内部干扰模型构建模块所构建的网络内部干扰模型进行求解，得到空中网络层用户和地面网络层用户功率分配的最优解，实现空天地一体化网络的功率分配，降低不同网络层，以及相同网络层互相之间的干扰。
[0170]
本实施例的空天地一体化网络干扰抑制的功率分配装置与上述第一实施例的空天地一体化网络干扰抑制的功率分配方法相对应；其中，本实施例的空天地一体化网络干扰抑制的功率分配装置中的各功能模块所实现的功能与上述第一实施例的空天地一体化网络干扰抑制的功率分配方法中的各流程步骤一一对应；故，在此不再赘述。
[0171]
第三实施例
[0172]
本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。
[0173]
该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。
[0174]
第四实施例
[0175]
本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd-rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0176]
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
[0177]
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0178]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0179]
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0180]
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。