采用无线携能技术的中继辅助CR-NOMA系统能效分析

苗丰满，张海军，蔺 莹，薛建彬，张永刚

(兰州理工大学 计算机与通信学院， 甘肃 兰州 730050)

随着社会发展进入新的信息时代，智能化已经深入人们的生活，大量的智能设备和新的应用程序不断地涌现，这刺激了对大规模移动接入和巨大的数据流量的需求的不断增长，激发了广大研究者对5G接入技术的研究热情[1-2]。在5G的主要技术的候选者中，非正交多址(non-orthogonal multiple access, NOMA)由于其高频谱效率被一致认为是实现增加系统吞吐量的一个很有前景的候选技术[3]。与传统的在频域、时域或者码域正交的独立信道中对用户进行复用的正交多址接入(orthogonal multiple access，OMA)技术不同，NOMA在同一信道中进行多用户复用[4]。更具体地说，在NOMA系统中，发送端主动引入干扰，而在接收端牺牲接收机的复杂度来通过串行干扰消除(successive interference cancellation, SIC)技术实现目标信号的正确解调[5]。基于用户公平性，NOMA根据用户信道增益的强弱来进行功率分配，即信道增益强的用户分配相对较少的传输功率，信道增益弱的用户分配较多的功率[6]。

如何利用有限的频谱资源应对爆炸式的数据流量增长，是5G中一个非常重要的研究课题[7]。而5G中提高频谱效率的另外一项关键技术是底层认知无线电(cognitive radio, CR)网络。底层CR网络的原则是只要次级用户(secondary user, SU)满足主要网络(primary network, PN)的干扰阈值，则允许每个次要用户访问主用户(primary user, PU)的频谱[8]。

NOMA与CR组合成底层CR-NOMA网络能进一步提高系统性能。从未来的6G甚至更远的发展来看，海量机器类通信(massive machine communication, mMTC)是间歇性激发的，因此先验资源分配会造成极大的资源浪费，从而提供随机访问的共享资源十分必要，CR-NOMA网络的巨大应用前景恰在于此[9]。文献[10]将协作通信的优点引入CR-NOMA网络，文献[11]研究了协作式CR-NOMA网络在有硬件损害和干扰下的中断性能。在次级网络中加入中继辅助传输可以有效地改善次级用户功率受限的问题，所以CR网络的中继选择、中断概率等问题在文献[12]中有所研究。

无线携能(simultaneous wireless information and power transfer，SWIPT)技术是无线能量传输和无线信息传输相结合的产物，可以实现能量收集和信息的同时传输[13]。文献[14]提出了两种用于能量收集中继网络的时间切换和功率分配的能量收集策略，并推导了系统的吞吐量表达式。文献[15]比较了系统连续时间获取策略和离散时间获取策略两方面的中断概率。

随着现代软硬件技术的不断发展，网络中的终端设备将越来越轻巧便捷，如智能手机、智能手表、可穿戴机器人等，这就导致了终端设备的电池容量只能是很小且有限的，而出于节能和网络干扰的限制，基站发射功率应尽可能小。这种情况下，如何在保证终端正常通信的同时优化系统能效是一个很值得研究的课题。为此，本文通过在用户端引入SWIPT技术[16]，在考虑主网络干扰的情况下，研究了在最小能量捕获和保证主网络可靠通信等条件的约束下次级网络的传输能效问题，并与OMA传输方案进行比较。

1 系统模型

考虑了一个基于SWIPT的蜂窝网络下行链路中继辅助的协作底层CR-NOMA系统。在这个网络中，包含一个主网络用户PU，一个辅助源节点S，一个中继R和两个目标用户Di(∀i∈{1,2})，其中D1是远用户，D2是近用户。系统模型如图1所示，S和Di的信息传输需要两个阶段来完成。第一阶段，S向中继R传输信息，R采用解码转发(decode and forward，DF)协议在第二阶段来转发信息。针对所有系统节点有以下假设：

图1 系统模型Fig.1 System model

1)所有网络节点均配备单天线，并且遵循半双工模式工作，所有信道服从瑞利衰落且独立同分布。

3)PI～CN(0,ησ2)是来自主网络的干扰，所有节点受到的干扰视为相同的高斯白噪声，η为PI的缩放系数[17]。SN和PN分别表示次级源节点和中继对主用户的干扰。

4)R以DF方式运行，这可能对PU造成干扰，假定仅当PU没有受到来自SU的有害干扰时，才允许进行辅助通信，因此，次级节点的发射功率要受到限制[18],即：

(1)

(2)

(3)

式中，ω(·)～CN(0,σ2) 表示接收端引入的AWGN噪声。R分别解码x1和x2的接收信干噪比(signal to interference plus noise ratio, SINR)为：

(4)

(5)

(6)

Ei=ϑαgiPR

(7)

其中，α为能量转化效率。

D1译码x1时的SINR为：

(8)

D2译码x1和x2时的SINR分别为：

(9)

(10)

对应的解码速率分别为：

(11)

(12)

考虑了次用户能耗效率对中继CR-NOMA网络进行评估，把能效定义为传输和速率与系统总能耗的比值[21]。SU传输的和速率为：

Rtotal=RD1+RD2

(13)

根据次用户传输过程中的能源消耗以及自身捕获的能量，SU传输系统的实际能耗为：

Qtotal=Pels+PR-(E1+E2)

(14)

式中，Pels为除R发射功率外的所有SU的链路功耗。

次用户传输能效最大化问题为：

s.t.RD1≥rth

Etotal≥Emin

(15)

PR≤Pmax

b1+b2=1,0

其中，rth代表近用户可以成功解码远用户的最小传输速率，Pmax表示系统最大发射功率限制，Emin表示最低能量捕获阈值。

2 问题分析

2.1 优化中继功率分配

在给定次用户功率分配因子的条件下优化中继发射功率，分析可知b2只与和速率有关，对Rtotal求关于b2的偏导数有：

(16)

其中：

(17)

(18)

(19)

2.2 优化用户接收端功率分配系数

给定PR和b2优化ϑ。对目标函数(15)中第2个和第4个约束条件变换得到ϑmin≤ϑ≤1。

(20)

以ϑ为自变量的函数f(ϑ)，利用黄金分割算法获得最优ϑ，即ϑ*，如算法1所示。

算法1 利用黄金分割算法获取ϑ*

2.3 优化中继发射功率

通过分式规划的方法将目标函数转化为等式最优解问题，即：

(21)

(22)

(23)

式中：

其中，ρ0=P0/σ2，ζ为泰勒展开误差。当给定P0时φ是定值。

(24)

当P0给定时φ为定值，即：

(25)

Etotal(PR)≥Emin

PR≤Pmax

(26)

综上,目标函数近似为凸优化问题[23],通过拉格朗日对偶算法求解PR的最优解,即：

Emin]+ν(Pmax-PR)

(27)

(28)

其中：

2.4 多目标联合优化

经过前面部分的过程优化，总结提出一种多目标的交替迭代优化算法来获得最优解，详见算法2。

算法2 利用多目标联合优化算法获取

算法复杂度分析：黄金分割算法的复杂度是O(log2(2n))，而多目标联合优化算法的复杂度是O(n)，所以本文算法具有低复杂度。

3 仿真分析

通过MATLAB对此系统进行仿真，仿真参数设置见表1。

表1 仿真参数设置Tab.1 Simulation parameter setting

图2所示为次用户和速率与不同的中继功率分配因子的关系。由图可知，随着功率因子的增大次用户的传输和速率逐渐增大。

图2 次用户和速率与不同的中继功率分配因子的关系Fig.2 Relationship between secondary users and rates and different relay power allocation factors

图3所示为中继传输功率与能效的关系。由图可知，SN系统的能效随着发射功率的增加先增大后减小，从图中可以看到在发射功率为20 dBm附近能效达到最大值以后逐渐降低。不难理解，增大发射功率会使得传输和速率增加的同时也会造成传输能耗的增加，增大主用户干扰。

图3 中继传输功率与能效的关系Fig.3 Relationship between relay transmission power and energy efficiency

图4所示为用户端接收功率分配因子与能效的关系。由图可知，随着功率因子的增加，能效先增大后减小，采用NOMA方式传输比OMA方案能效提升47%，这是由于NOMA方案在相同的时间内频谱利用效率更高。在用户功率分配系数ϑ达到0.8时系统能效逐渐减小，这是由于当功率分配系数增加到一定程度的时候其已经不能成为影响能效的主要积极因素。

图4 用户端接收功率分配系数与能效的关系Fig.4 Relationship between the user end received power allocation factor and energy efficiency

4 结论

本文考虑了底层CR-NOMA中继网络中次级网络的传输能效。其中,中继传输采用了发展绿色通信的重要方案中的SWIPT技术，对中继发射功率、功率分配因子与源端以及用户接收端的功率分配进行了优化，在保证主用户可靠通信的条件下分析各个因子对系统性能的影响。仿真结果说明了分析与方案是合理有效的，为方案在未来更加轻巧便捷的终端环境中得以应用提供了支撑。