多載波無線攜能通信的上下行鏈路聯合資源分配

崔苗，喻鑫，李學易，張廣馳 ，劉怡俊，林凡

?

多載波無線攜能通信的上下行鏈路聯合資源分配

崔苗1，喻鑫1，李學易1，張廣馳1，劉怡俊1，林凡2

（1. 廣東工業大學信息工程學院，廣東 廣州 510006；2.廣州杰賽科技股份有限公司，廣東 廣州 510310）

研究了由基站和用戶組成的多載波無線攜能通信系統，其上行鏈路和下行鏈路均采用正交頻分復用技術。在下行鏈路中，基站同時向用戶完成信息和能量的傳輸；在上行鏈路中，用戶利用從基站接收的能量向基站回傳信息。以最大化上下行鏈路加權和速率為目標，聯合優化上下行鏈路的子載波分配和功率分配，提出了基于拉格朗日對偶法和橢球法的最優子載波與功率聯合分配算法。實驗仿真驗證了所提算法的有效性。

多載波通信；無線攜能通信；資源分配；正交頻分復用

1 引言

無線攜能通信（SWIPT, simultaneous wireless information and power transfer）解決了能量受限的無線通信網絡中的能源供應問題，但同樣面臨著信息傳輸與能量傳輸的折中問題，如何分配信息和能量的資源是應用該技術的一個重要問題，引起了眾多學者的研究興趣[1]。

文獻[2]首次提出了無線攜能通信的概念，并提出了接收器可以對相同的信號進行信息解碼和能量收集，但該策略在實際應用中難以實現。文獻[3]提出了多載波無線攜能通信中繼系統中的2種基于能分（power splitting）中繼和模式適應的傳輸協議。文獻[4-7]研究了2種實現無線攜能通信的策略：時分（time switching）策略和能分策略。在時分策略中，接收端在一個傳輸周期內，根據時間分配系數對信息解碼模式、能量收集模式進行切換，例如有個用戶，整個傳輸時間被分成+1個時隙，第+1個時隙就用來收集能量，其余時隙則進行信息傳輸；在能分策略中，接收的信號被一個固定比例的功率分配器分成2個信號流，分別流向能量接收器和信息接收器。文獻[8]研究了一種多輸入單輸出（MISO, multiple-input single-output）無線攜能通信系統，該系統考慮一個多天線發射機對多個單天線接收機進行信息與能量同傳，發射端采用隨機波束成形技術進行信息傳輸。文獻[9]研究了基于無線攜能的保密通信系統，采用無線供電協同干擾技術來干擾竊聽者以提高系統的保密性。文獻[10]研究了基于無線攜能的中繼通信系統，該系統由發射端、中繼、信息和能量接收器及竊聽者組成，通過設計源端到中繼的波束成形向量來最大化系統的安全速率。

以正交頻分復用（OFDM, orthogonal frequency division multiplexing）為代表的多載波通信是無線通信中提高頻譜利用率和抗多徑干擾能力的關鍵技術。文獻[11]提出了一種多載波通信系統中實現無線攜能通信的新方法，利用OFDM和波束成形技術形成一組并行的子信道用于無線攜能通信，該方法簡化了頻帶資源的分配。文獻[12]研究了OFDM系統中資源的分配問題，系統模型包括一個基站和多用戶，在能量收集的約束下最大化整個系統的信息傳輸速率，每個用戶分別采用時分策略和能分策略進行信息解碼與能量收集的協作。文獻[13]研究了基于解碼與轉發的多中繼OFDM通信系統，提出了載波配對的功率策略來最大化信息傳輸速率。文獻[14]研究了放大與轉發的雙跳中繼無線通信系統，文中基于branch-and-bound方法提出了最優的上下行鏈路加權和速率最大化算法，并具有較低的運算復雜度。文獻[15]研究了基于放大與轉發的多中繼OFDM通信系統，通過設計源端與中繼之間的預編碼矩陣來最大化系統容量。文獻[16]研究了全雙工無線攜能通信網絡的性能，在功率、子載波受限的約束下，分別對自干擾完全消除以及自干擾存在情形下系統的可達速率進行優化。文獻[17]的系統模型由一個發射端和一個接收端組成，該系統將子載波分成2個部分，分別用于信息解碼與能量收集，在平均功率、傳輸速率的約束下，最大化接收端收集的能量。

2 系統模型

多載波無線攜能通信系統如圖1所示，該系統包括一個基站和一個用戶，其中，基站與用戶均只配備單天線。在下行鏈路中，基站同時向用戶進行信息傳輸與能量傳輸；在上行鏈路中，用戶利用從基站接收的能量向基站發送信息。該系統適用于能量受限的無線傳感網絡，首先，基站向傳感器節點同時發送能量與信息；然后，傳感器節點向基站發送傳感信息。

用戶接收到的能量為

基站的接收信號為

上行鏈路中的子載波都用來進行信息傳輸，其信息傳輸速率（單位為bit.(s.Hz)?1）如式(10)所示。

3 子載波與功率聯合分配算法

3.1 最大化加權上下行鏈路和速率問題的形成

約束條件：式(1)、式(2)、式(5)、式(7)、式(9) (12)

3.2 子載波與功率聯合分配算法的設計

本文求解式(11)的方法如下。首先，可證明式(11)中的優化變量滿足time-sharing 條件[18]，那么式(11)是強對偶問題，因此利用拉格朗日對偶方法來求解，求解過程分2個步驟進行，第一步先優化對偶變量，第二步利用第一步中計算出的對偶變量來優化變量。

3.2.1 優化對偶變量

式(11)的拉格朗日對偶函數為

其中，={DI,DE}，={DI,DE,UI}，拉格朗日函數表示為

3.2.2 優化變量

求解式(16)~式(18)，可得

將式(19)~式(21)中計算得出的功率代入式(14)中，拉格朗日對偶函數轉換為如式(23)所示。在式(23)中，只有最后一行與載波的分配有關，因此用以下的方法來解決拉格朗日對偶函數中的載波分配問題。

式(26)所示的問題的求解可以轉換為求解式(31)所示的問題，這是因為式(26)的任意一個解都是式(30)的可行解。

約束條件：式（27）和式（28）

綜上所述，本文提出的子載波與功率聯合分配算法的具體步驟如下。

步驟3 根據式(23)得到載波分配集合。

4 實驗仿真

因為已有文獻的算法無法直接擴展應用于本文的系統中，所以本文算法只與子載波固定算法和啟發式算法這2種算法進行對比。

1) 子載波固定算法

①載波分配：下行鏈路第1~24條子載波用于信息傳輸，第25~32條子載波用來能量傳輸；上行鏈路子載波都用于信息傳輸。將用于能量傳輸的子載波數固定為8是因為當總子載波數為16時，能量傳輸的子載波數為4，可得到最大的下行鏈路信息傳輸速率[21]，本文設總子載波數為32，因此將能量傳輸的子載波數固定為8。

② 功率分配：載波分配問題通過第一步解決后，優化問題就轉化成功率分配問題，如式(32)~式(36)所示。該問題是凸優化問題，采取注水功率分配方法進行求解。

2) 啟發式算法。

約束條件為

上行鏈路的優化問題如式(40)~式(42)所示。該優化問題凸優化問題，采取注水功率分配方法進行求解。

約束條件為

采用蒙特卡羅法，將上述3種算法在Matlab軟件進行仿真實驗。對500個隨機信道的運行結果取平均，得到如下結果。

圖2 上行鏈路可達速率與基站發射功率的關系變化曲線

圖3是與圖2對應的下行鏈路可達速率與基站發射功率的關系變化曲線，圖中呈現的是3種算法下，下行鏈路信息傳輸速率隨著基站發射功率的增加而增加。在不同加權因子影響下，本文算法的信息傳輸速率要大于載波數固定算法的可達速率。對于本文算法以及固定載波的算法來說，下行鏈路信息傳輸速率與加權因子有關，即加權因子越大，速率越高，這是因為加權因子越大，系統更側重下行鏈路信息傳輸。

圖4是上行鏈路可達速率隨基站和用戶之間距離變化的關系曲線。其中，基站的發射功率=30 dBm。因為當用戶與基站之間距離不超過6 m時，無線攜能通信系統有較好的性能，但當距離超過6 m時，由于極大的無線能量信號的路徑損耗，用戶接收的能量幾乎為零[17]，所以將用戶與基站之間距離設置在0.5~5.5 m。圖中顯示在3種算法下，上行鏈路可達速率隨著基站和用戶之間距離的增加而減小。在加權因子=0.2時，本文算法的可達速率要大于載波數固定算法的可達速率，當加權因子為=1和5時，本文算法的可達速率要小于載波數固定算法的可達速率，這是由于=0.2時，整個通信系統更傾向于上行鏈路信息傳輸，此時更多載波用于能量傳輸來完成上行鏈路信息傳輸，而本文算法中用于上行鏈路信息傳輸的能量要大于固定載波算法中上行鏈路信息傳輸的能量。同理，在加權因子為=1和=5時，結果剛好相反。

圖3 下行鏈路可達速率與基站發射功率的關系變化曲線

圖4 上行鏈路可達速率隨基站和用戶之間距離變化的關系曲線

圖5是下行鏈路可達速率隨基站和用戶之間距離變化的關系曲線。圖中呈現出3種算法下，下行鏈路可達速率隨著基站和用戶之間距離的增加而減小。在不同加權因子影響下，本文算法的信息傳輸速率要大于載波數固定算法的可達速率，對于每一種算法來說，下行鏈路信息傳輸速率與加權因子有關，即加權因子越大，傳輸速率越高，這是因為加權因子越大，系統更側重下行鏈路信息傳輸。

圖5 下行鏈路可達速率隨基站和用戶之間距離變化的關系曲線

圖6是上行鏈路可達速率隨加權因子變化的關系曲線。從圖6可以看出，本文算法、子載波固定算法中上行鏈路可達速率隨著加權因子的增加而減小。在本文算法中，當加權因子增加時，整個系統更傾向于下行鏈路信息傳輸，由于用于上行鏈路信息傳輸的能量是來自于上一時隙接收到的能量，因此此時的上行鏈路傳輸能力較弱。當加權因子足夠大，下行鏈路都會分配給信息傳輸。而啟發式算法中上行鏈路可達速率不隨加權因子的改變而改變。

圖6 上行鏈路可達速率隨加權因子變化的關系曲線

圖7是下行鏈路可達速率隨加權因子變化的關系曲線。從圖7可以明顯看出，本文算法、子載波固定算法中下行鏈路可達速率隨著加權因子的增加而增加。當加權因子在0.1~3時，下行鏈路信息傳輸速率隨加權因子變化的幅度較大，當加權因子在其他區間時，信息傳輸速率的變化趨勢不明顯。這是因為加權因子較大時，系統更側重于下行鏈路信息傳輸，此時基本上所有資源都用于下行鏈路信息傳輸，因此在加權因子繼續增加時，信息傳輸速率并沒有太大的變化。而啟發式算法中上行鏈路可達速率不隨加權因子的改變而改變。

圖7 下行鏈路可達速率隨加權因子變化的關系曲線

5 結束語

本文研究了多載波無線協能通信系統的資源分配問題，聯合優化載波分配和功率分配最大化上下行鏈路加權和速率，并通過實驗仿真驗證了本文算法的有效性。本文研究的加權上下行鏈路和速率最大化問題具有通用性，通過調整加權因子的大小，該問題等效于下行鏈路速率最大化、上行鏈路速率最大化等一系列問題，因此，研究結果具有較廣的適用范圍。

[1] ZHANG R, HO C K. MIMO broadcasting for simultaneous wireless information and power transfer[J]. IEEE Transactions on Wireless Communications, 2013, 12(5):1989-2001.

[2] VARSHNEY L R. Transporting information and energy simultaneously[C]//IEEE International Symposium on Information Theory. IEEE, 2008: 1612-1616.

[3] LIU Y, WANG X. Information and energy cooperation in OFDM relaying: protocols and optimization[J]. IEEE Transactions on Vehicular Technology, 2016, 65(7):5088-5098.

[4] LIU L, ZHANG R, CHUA K C. Wireless information transfer with opportunistic energy harvesting [J]. IEEE Transactions on Wireless Communications, 2012, 12(1): 288-300.

[5] ZHAO F, WEI L, CHEN H. Optimal time allocation for wireless information and power transfer in wireless powered communication systems[J]. IEEE Transactions on Vehicular Technology, 2016, 65(3):1830-1835.

[6] LIU L, ZHANG R, HO C K. Wireless information and power transfer: a dynamic power splitting approach[J]. IEEE Transactions on Communications, 2013, 61(9): 3990-4001.

[7] ZHOU X, ZHANG R, HO C K. Wireless information and power transfer: architecture design and rate-energy tradeoff[J]. IEEE Transactions on Wireless Communications, 2013, 61(11): 4754-4767.

[8] JU H, ZHANG R. A novel mode switching scheme utilizing random beamforming for opportunistic energy harvesting[C]//IEEE Wireless Communications and Networking Conference. IEEE 2013: 4250-4255.

[9] ZHANG G C, XU J, WU Q Q, et al. Wireless powered cooperative jamming for secure OFDM system[J]. IEEE Transactions on Vehicular Technology, 2018, 67(2):1331-1346.

[10] ZHANG G C, LI X Y, CUI M, et al. Signal and artificial noise beamforming for secure simultaneous wireless information and power transfer multiple-input multiple-output relaying systems[J]. IET Communications, 2016, 10(7):796-804.

[11] HUANG K B, LARSSON E. Simultaneous information and power transfer for broadband wireless systems[J]. IEEE Transactions Signal Processing, 2013, 61(23): 5972-5986.

[12] ZHOU X, ZHANG R, HO C K. Wireless information and power transfer in multiuser OFDM systems[J]. IEEE Transactions on Wireless Communications, 2014, 13(4):2282-2294.

[13] LI X Y, ZHANG Q, ZHANG G C,et al. Joint resource allocation with subcarrier pairing in cooperative OFDM DF multi-relay networks[J]. IET Communications, 2015, 9(1):78-87.

[14] CHENG W, GHOGHO M, HUANG Q,et al. Maximizing the sum-rate of amplifyandforwardtwo-way relaying networks[J]. IEEE Signal Processing Letters, 2011, 18(11): 635-638.

[15] LI X Y, ZHANG Q, ZHANG G C, et al. Joint source and relays power allocation for MIMO AF multi-relay networks[J]. Wireless Personal Communications, 2015, 83(3):1915-1926.

[16] KIM H J, LEE H, AHN M. Joint subcarrier and power allocation method in wireless powered communication networks for OFDM systems[J]. IEEE Transactions on Wireless Communications, 2016, 15(7):4745-4753.

[17] LU W D, GONG Y, WU J Y. Simultaneous wireless information and power transfer based on joint subcarrier and power allocation in OFDM systems[J]. IEEE Access, 2017, 5:2763-2770.

[18] YU W, LUI R. Dual methods for nonconvex spectrum optimization of multi-carrier systems[J]. IEEE Transactions on Wireless Communications, 2006, 54(7):1310-1322.

[19] BOYD S, VANDENBERGHE L. Convex optimization[M]. Cambridge:Cambridge University Press, 2004.

[20] WU Q, CHEN W, NG D, et al. Spectral and energy-efficient wireless powered IoT networks: NOMA or TDMA?[J]. IEEE Transactions on Vehicular Technology, 2018, 67(1): 6663-6667.

[21] NA Z , LI X , LIU X , et al. Subcarrier allocation based simultaneous wireless information and power transfer for multiuser OFDM systems[J]. EURASIP Journal on Wireless Communications and Networking, 2017, 2017(1):148.

Joint downlink and uplink resource allocation for multi-carrier SWIPT system

CUI Miao1, YU Xin1, LI Xueyi1, ZHANG Guangchi1, LIU Yijun1, LIN Fan2

1. School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, China 2.Guangzhou GCI Science & Technology Co., Ltd., Guangzhou 510310, China

A multi-carrier simultaneous wireless information and power transfer (SWIPT) communication system including one base station (BS) and one user was investigated, where both uplink and downlink adopt orthogonal frequency division multiplexing (OFDM). In the downlink, the BS transmited information and power to the user simultaneously. In the uplink, the user transmited information to the BS by using the power harvested from the BS in the downlink. The weighted sum of the downlink and uplink achievable rates by jointly optimizing subcarrier allocation and power allocation of the uplink and downlink were aimed to maximized. An optimal algorithm to solve the joint resource allocation problem was proposed, which was based on the Lagrange duality method and the ellipsoid method. Finally, the result shows the performances of the proposed algorithm by computer simulations.

multi-carrier communication, simultaneous wireless information and power transfer, resource allocation, OFDM

TN915

A

10.11959/j.issn.1000-436x.2019052

2018?05?08；

2019?01?16

李學易，leexueyi@gdut.edu.cn

國家自然科學基金資助項目（No.61571138）；廣東省科技計劃基金資助項目（No.2017B090909006, No.2016B090904001, No.2016B090919031）

The National Natural Science Foundation of China (No.61571138), The Science and Technology Plan Project of Guangdong Province (No.2017B090909006, No.2016B090904001, No.2016B090919031)

崔苗（1978– ），女，新疆昌吉人，博士，廣東工業大學講師，主要研究方向為新一代無線通信技術。

喻鑫（1993– ），男，湖北隨州人，廣東工業大學碩士生，主要研究方向為無線攜能通信技術。

李學易（1974– ），男，四川樂山人，博士，廣東工業大學講師，主要研究方向為協作無線通信、通信信號處理。

張廣馳（1982– ），男，廣東廣州人，博士，廣東工業大學教授，主要研究方向為5G無線通信、無人機通信、無線能量傳輸、資源分配、物理層安全等。

劉怡俊（1976– ），男，江西于都人，博士，廣東工業大學教授，主要研究方向為類腦計算機、人工智能、新型計算機系統結構和面向應用的集成電路設計。

林凡（1983– ），男，浙江溫州人，廣州杰賽科技股份有限公司高級工程師，主要研究方向為智慧城市和新一代無線通信。