1.一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,包括以下步骤:
101、建立大规模MIMO技术与无线供电通信网络WPCN相结合的无线供电大规模MIMO系统,在该系统中,功率信标PB和基站BS配有大量天线,在系统中考虑功率信标PB发射功率约束、能量传输时间约束、用户最小QoS约束、能量消耗约束,在此基础上构建最大化最小用户能效的Max‑Min优化问题模型,Max‑Min优化问题模型为一个非凸优化问题;
102、基于包括变量替换和一阶泰勒展开在内的简化计算方法将步骤101中的非凸Max‑Min能效优化问题转化为等价凸优化问题;所述变量替换是引入辅助变量将原目标函数简化替代,同时增加含引入变量的约束;所述一阶泰勒展开是采用泰勒展开式对非凸约束进行一阶展开,将约束条件转化为凸约束;
103、然后运用内点法和连续凸逼近SCA算法,求解上述步骤102等价转化后的凸优化问题,求解出该功率分配策略,包括:PB分配给用户k的发射功率pk、用户k向BS传输信息的发送功率pt,k、能量传输时间τ,从而就能得出基于所有约束条件下的最小用户的最优能效。
2.根据权利要求1所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,所述步骤101基于无线供电大规模MIMO系统的最大化最小用户能效的Max‑Min优化问题为:C2:0≤P≤Pmax,
C3:0≤τ≤1,
C4:pk≥0,k=1,…,K,
C5:pt,k≥0,k=1,…,K,
C6:Etot,k(pt,k,τ)≤Ehst,k(pk,τ),k=1,…,K,其中,为简化表达式,引入参数Mk,且有 p=(p1,p2,…,pK)表示PB分配给用户k的功率向量,pt=(pt,1,pt,2,…,pt,K)表示用户k向BS发送信息的发送功率向量,K、M、N分别表示单天线用户数、BS天线数、PB天线数,且有min{M,N}>>K;αk,βk分别表示用户k2
到BS、PB到用户k的路径损耗;σ表示噪声功率;Pmax表示PB的最大发射功率;P表示PB的总发射功率; 表示用户k的能量消耗,其中pr,k表示用户k的接收电路固定功耗,μ是反映功率放大器低效的常数因子,pc,k表示用户k的发射电路固定功耗;考虑时间单元归一化,τ表示PB向用户节点传输能量的时间,1‑τ是用户节点利用采集的能量完成信息传输的时间; 表示用户k通过非线性能量采集模型采集到的能量表达式,Ak表示能量采集电路饱和时,用户端的最大能量采集功率,常数ak和bk均为与电路相关的参数,分别表示为电路灵敏度和泄露电流, 表示为该模型的零输入零输出响应; 表示用户k的最小信干噪比SINR要求。
3.根据权利要求2所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,所述步骤101将约束C1和C2进行合并考虑,此时优化问题写为:C2:0≤τ≤1,
C3:pk≥0,k=1,…,K,
C4:pt,k≥0,k=1,…,K,
C5:Etot,k(pt,k,τ)≤Ehst,k(pk,τ),k=1,…,K,约束C1表示分配给所有用户的功率之和需要小于PB的最大发射功率Pmax;约束C2表示能量传输时间分配的约束;C3和C4分别表示PB分配给用户k的功率约束和用户k的发送功率约束;C5表示每个用户消耗的总能量必须小于等于从PB采集的能量,这里采集的能量是通过非线性能量采集电路获取的;C6为最小SINR约束,要求每个用户的SINR必须大于最小SINR约束 可知上述问题为非凸问题。
4.根据权利要求3所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,所述基于包括变量替换和一阶泰勒展开在内的简化计算方法将步骤101中的非凸Max‑Min能效优化问题转化为等价凸优化问题,具体为:
401、引入辅助变量t,且令 能效优化问题可以被改写为:C2:x≥0,
C3:pk≥0,k=1,…,K,
C4:pt,k≥0,k=1,…,K,
其中C7为对原目标函数的等价处理,用辅助变量t等价最小用户能效,则用户k,的能效一定大于等于最小用户能效t,简化了目标函数;
s z s
402、令t=e, 通过变量替换,引入x=e, 因为t=e 是关于s的单调递增函数,因此,所述步骤401的优化问题可以改写为:
C2:pk≥0,k=1,…,K,
其中,考虑的优化变量已被转化为v=(v1,…,vK)、p=(p1,p2,…,pK)、z、s,问题中K、M、N分别表示单天线用户数、BS天线数、PB天线数,且有min{M,N}>>K;约束C1表示分配给所有用户的功率之和需要小于PB的最大发射功率Pmax;约束C2表示PB分配给用户k的功率约束;
C3表示每个用户消耗的总能量必须小于等于从PB采集的能量;C4为最小SINR约束,要求每个用户的SINR必须大于最小SINR约束 C5为任意用户能效需要大于等于最小用户能效的约束;
403、所述步骤402优化问题目标函数为线性函数,约束C1中的 是线性函数,C1为凸约束;同理约束C2也为凸约束,C3、C4、C5约束具备凸性。
5.根据权利要求4所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,通过变量替换和公式变形,所述步骤402的原问题可以等价为一个凸优化问题:C2:pk≥0,k=1,…,K,
C3:fk(vk,z)+gk(pk,z)≤0,k=1,…,K,其中,在约束C3中, 表示为公式变形过程中
引入的表达式, 表示为公式变形过
程中引入的表达式,由于fk(vk,z)与gk(pk,z)均为凸函数,因此C3为凸约束;在C5中,表示为公式变形过程中引入的表达式,且Lk(z,s,vk)为一个凸约束, 为公式变形中的中间表达式,可以通过对hk(vk)进行一阶泰勒展开得到等价表达式:
其中n表示迭代次数, 表示展开点, 为关于vk的凸函数,通过SCA算法可以将近似表达式逐次逼近到原函数,因此,在等价问题中约束C5为一个凸约束。
6.根据权利要求5所述的一种基于非线性能量采集的大规模MIMO系统能效优化方法,其特征在于,所步骤103,通过SCA算法、内点法求解凸优化问题的步骤包括:
501、初始化所述问题的所有相关输入参数:PB的最大发射总功率Pmax,用户k到BS的大尺度衰落αk,PB到用户k的大尺度衰落βk,PB的天线数N,BS的天线数M,单天线用户数K,固定2
功耗pc,k、pr,k,传感器节点的最小信干噪比要求 高斯噪声功率σ,非线性能量采集电路参数Ak,ak,bk, 迭代次数n=1,最大迭代次数Nmax,收敛域值ε;
502、通过内点法求解该问题,即构造新的无约束目标函数—罚函数,将罚函数定义在可行域内,并在可行域内求解罚函数的及指定,极值点总在可行域内部,这样在求得的无约束优化问题的解总是可行解,故可以在可行域内部逐次逼近原优化问题的最优解;
503、算法复杂度取决于迭代次数n和收敛阈值ε,由于内点法的复杂度为其中x,y分别表示为优化变量数和约束条件数;所提问题优化变量数为x1=2K+2,约束条件数为y1=4K+1,因此该算法的计算复杂度为