采用無線攜能技術的中繼輔助CR-NOMA系統能效分析

苗豐滿，張海軍，藺 瑩，薛建彬，張永剛

(蘭州理工大學 計算機與通信學院， 甘肅 蘭州 730050)

隨著社會發展進入新的信息時代，智能化已經深入人們的生活，大量的智能設備和新的應用程序不斷地涌現，這刺激了對大規模移動接入和巨大的數據流量的需求的不斷增長，激發了廣大研究者對5G接入技術的研究熱情[1-2]。在5G的主要技術的候選者中，非正交多址(non-orthogonal multiple access, NOMA)由于其高頻譜效率被一致認為是實現增加系統吞吐量的一個很有前景的候選技術[3]。與傳統的在頻域、時域或者碼域正交的獨立信道中對用戶進行復用的正交多址接入(orthogonal multiple access，OMA)技術不同，NOMA在同一信道中進行多用戶復用[4]。更具體地說，在NOMA系統中，發送端主動引入干擾，而在接收端犧牲接收機的復雜度來通過串行干擾消除(successive interference cancellation, SIC)技術實現目標信號的正確解調[5]。基于用戶公平性，NOMA根據用戶信道增益的強弱來進行功率分配，即信道增益強的用戶分配相對較少的傳輸功率，信道增益弱的用戶分配較多的功率[6]。

如何利用有限的頻譜資源應對爆炸式的數據流量增長，是5G中一個非常重要的研究課題[7]。而5G中提高頻譜效率的另外一項關鍵技術是底層認知無線電(cognitive radio, CR)網絡。底層CR網絡的原則是只要次級用戶(secondary user, SU)滿足主要網絡(primary network, PN)的干擾閾值，則允許每個次要用戶訪問主用戶(primary user, PU)的頻譜[8]。

NOMA與CR組合成底層CR-NOMA網絡能進一步提高系統性能。從未來的6G甚至更遠的發展來看，海量機器類通信(massive machine communication, mMTC)是間歇性激發的，因此先驗資源分配會造成極大的資源浪費，從而提供隨機訪問的共享資源十分必要，CR-NOMA網絡的巨大應用前景恰在于此[9]。文獻[10]將協作通信的優點引入CR-NOMA網絡，文獻[11]研究了協作式CR-NOMA網絡在有硬件損害和干擾下的中斷性能。在次級網絡中加入中繼輔助傳輸可以有效地改善次級用戶功率受限的問題，所以CR網絡的中繼選擇、中斷概率等問題在文獻[12]中有所研究。

無線攜能(simultaneous wireless information and power transfer，SWIPT)技術是無線能量傳輸和無線信息傳輸相結合的產物，可以實現能量收集和信息的同時傳輸[13]。文獻[14]提出了兩種用于能量收集中繼網絡的時間切換和功率分配的能量收集策略，并推導了系統的吞吐量表達式。文獻[15]比較了系統連續時間獲取策略和離散時間獲取策略兩方面的中斷概率。

隨著現代軟硬件技術的不斷發展，網絡中的終端設備將越來越輕巧便捷，如智能手機、智能手表、可穿戴機器人等，這就導致了終端設備的電池容量只能是很小且有限的，而出于節能和網絡干擾的限制，基站發射功率應盡可能小。這種情況下，如何在保證終端正常通信的同時優化系統能效是一個很值得研究的課題。為此，本文通過在用戶端引入SWIPT技術[16]，在考慮主網絡干擾的情況下，研究了在最小能量捕獲和保證主網絡可靠通信等條件的約束下次級網絡的傳輸能效問題，并與OMA傳輸方案進行比較。

1 系統模型

考慮了一個基于SWIPT的蜂窩網絡下行鏈路中繼輔助的協作底層CR-NOMA系統。在這個網絡中，包含一個主網絡用戶PU，一個輔助源節點S，一個中繼R和兩個目標用戶Di(?i∈{1,2})，其中D1是遠用戶，D2是近用戶。系統模型如圖1所示，S和Di的信息傳輸需要兩個階段來完成。第一階段，S向中繼R傳輸信息，R采用解碼轉發(decode and forward，DF)協議在第二階段來轉發信息。針對所有系統節點有以下假設：

圖1 系統模型Fig.1 System model

1)所有網絡節點均配備單天線，并且遵循半雙工模式工作，所有信道服從瑞利衰落且獨立同分布。

3)PI～CN(0,ησ2)是來自主網絡的干擾，所有節點受到的干擾視為相同的高斯白噪聲，η為PI的縮放系數[17]。SN和PN分別表示次級源節點和中繼對主用戶的干擾。

4)R以DF方式運行，這可能對PU造成干擾，假定僅當PU沒有受到來自SU的有害干擾時，才允許進行輔助通信，因此，次級節點的發射功率要受到限制[18],即：

(1)

(2)

(3)

式中，ω(·)～CN(0,σ2) 表示接收端引入的AWGN噪聲。R分別解碼x1和x2的接收信干噪比(signal to interference plus noise ratio, SINR)為：

(4)

(5)

(6)

Ei=?αgiPR

(7)

其中，α為能量轉化效率。

D1譯碼x1時的SINR為：

(8)

D2譯碼x1和x2時的SINR分別為：

(9)

(10)

對應的解碼速率分別為：

(11)

(12)

考慮了次用戶能耗效率對中繼CR-NOMA網絡進行評估，把能效定義為傳輸和速率與系統總能耗的比值[21]。SU傳輸的和速率為：

Rtotal=RD1+RD2

(13)

根據次用戶傳輸過程中的能源消耗以及自身捕獲的能量，SU傳輸系統的實際能耗為：

Qtotal=Pels+PR-(E1+E2)

(14)

式中，Pels為除R發射功率外的所有SU的鏈路功耗。

次用戶傳輸能效最大化問題為：

s.t.RD1≥rth

Etotal≥Emin

(15)

PR≤Pmax

b1+b2=1,0

其中，rth代表近用戶可以成功解碼遠用戶的最小傳輸速率，Pmax表示系統最大發射功率限制，Emin表示最低能量捕獲閾值。

2 問題分析

2.1 優化中繼功率分配

在給定次用戶功率分配因子的條件下優化中繼發射功率，分析可知b2只與和速率有關，對Rtotal求關于b2的偏導數有：

(16)

其中：

(17)

(18)

(19)

2.2 優化用戶接收端功率分配系數

給定PR和b2優化?。對目標函數(15)中第2個和第4個約束條件變換得到?min≤?≤1。

(20)

以?為自變量的函數f(?)，利用黃金分割算法獲得最優?，即?*，如算法1所示。

算法1 利用黃金分割算法獲取?*

2.3 優化中繼發射功率

通過分式規劃的方法將目標函數轉化為等式最優解問題，即：

(21)

(22)

(23)

式中：

其中，ρ0=P0/σ2，ζ為泰勒展開誤差。當給定P0時φ是定值。

(24)

當P0給定時φ為定值，即：

(25)

Etotal(PR)≥Emin

PR≤Pmax

(26)

綜上,目標函數近似為凸優化問題[23],通過拉格朗日對偶算法求解PR的最優解,即：

Emin]+ν(Pmax-PR)

(27)

(28)

其中：

2.4 多目標聯合優化

經過前面部分的過程優化，總結提出一種多目標的交替迭代優化算法來獲得最優解，詳見算法2。

算法2 利用多目標聯合優化算法獲取

算法復雜度分析：黃金分割算法的復雜度是O(log2(2n))，而多目標聯合優化算法的復雜度是O(n)，所以本文算法具有低復雜度。

3 仿真分析

通過MATLAB對此系統進行仿真，仿真參數設置見表1。

表1 仿真參數設置Tab.1 Simulation parameter setting

圖2所示為次用戶和速率與不同的中繼功率分配因子的關系。由圖可知，隨著功率因子的增大次用戶的傳輸和速率逐漸增大。

圖2 次用戶和速率與不同的中繼功率分配因子的關系Fig.2 Relationship between secondary users and rates and different relay power allocation factors

圖3所示為中繼傳輸功率與能效的關系。由圖可知，SN系統的能效隨著發射功率的增加先增大后減小，從圖中可以看到在發射功率為20 dBm附近能效達到最大值以后逐漸降低。不難理解，增大發射功率會使得傳輸和速率增加的同時也會造成傳輸能耗的增加，增大主用戶干擾。

圖3 中繼傳輸功率與能效的關系Fig.3 Relationship between relay transmission power and energy efficiency

圖4所示為用戶端接收功率分配因子與能效的關系。由圖可知，隨著功率因子的增加，能效先增大后減小，采用NOMA方式傳輸比OMA方案能效提升47%，這是由于NOMA方案在相同的時間內頻譜利用效率更高。在用戶功率分配系數?達到0.8時系統能效逐漸減小，這是由于當功率分配系數增加到一定程度的時候其已經不能成為影響能效的主要積極因素。

圖4 用戶端接收功率分配系數與能效的關系Fig.4 Relationship between the user end received power allocation factor and energy efficiency

4 結論

本文考慮了底層CR-NOMA中繼網絡中次級網絡的傳輸能效。其中,中繼傳輸采用了發展綠色通信的重要方案中的SWIPT技術，對中繼發射功率、功率分配因子與源端以及用戶接收端的功率分配進行了優化，在保證主用戶可靠通信的條件下分析各個因子對系統性能的影響。仿真結果說明了分析與方案是合理有效的，為方案在未來更加輕巧便捷的終端環境中得以應用提供了支撐。