能量采集認(rèn)知無(wú)線電的量子蝙蝠最優(yōu)合作策略

高洪元，杜亞男，張世鉑，劉丹丹

?

能量采集認(rèn)知無(wú)線電的量子蝙蝠最優(yōu)合作策略

高洪元，杜亞男，張世鉑，劉丹丹

（哈爾濱工程大學(xué)信息與通信工程學(xué)院，黑龍江 哈爾濱 150001）

為了減少5G網(wǎng)絡(luò)中認(rèn)知中繼無(wú)線通信系統(tǒng)的能量消耗并提高網(wǎng)絡(luò)的頻譜利用，在無(wú)線能量采集認(rèn)知中繼無(wú)線電系統(tǒng)中設(shè)計(jì)最優(yōu)合作策略。針對(duì)所提最優(yōu)合作策略，推導(dǎo)出次用戶的最大吞吐量方程和中斷概率。基于量子計(jì)算和蝙蝠算法的優(yōu)化機(jī)制設(shè)計(jì)的量子蝙蝠優(yōu)化算法可有效求解所推導(dǎo)的最大吞吐量方程，同時(shí)獲得能量和信息合作傳輸?shù)淖顑?yōu)方案。仿真結(jié)果表明，所設(shè)計(jì)的最優(yōu)合作策略不僅可以滿足主用戶的信息傳輸需求，還可以實(shí)現(xiàn)次用戶系統(tǒng)的能量自供應(yīng)，并提升次用戶的通信質(zhì)量，針對(duì)不同的仿真場(chǎng)景，所提策略性能均優(yōu)于已有認(rèn)知中繼無(wú)線電合作策略的性能。

認(rèn)知中繼無(wú)線電；能量采集；合作策略；量子蝙蝠算法；5G網(wǎng)絡(luò)

1 引言

隨著無(wú)線通信應(yīng)用技術(shù)的快速發(fā)展，5G通信網(wǎng)絡(luò)必然面對(duì)一些挑戰(zhàn)，比如頻譜共享和能源短缺，因此認(rèn)知無(wú)線電技術(shù)[1]和能量采集技術(shù)[2]受到5G通信領(lǐng)域的廣泛關(guān)注。相比于傳統(tǒng)的通信系統(tǒng)，能量采集系統(tǒng)能夠從周圍環(huán)境中采集能量[3-4]，為能量受限的通信系統(tǒng)提供新的能源供應(yīng)方式[5]。隨著無(wú)線設(shè)備和服務(wù)的增加，頻譜效率的改進(jìn)已是重要的難題[6-7]，認(rèn)知無(wú)線電是解決該難題的一個(gè)有效技術(shù)[8]，但認(rèn)知無(wú)線電需要較多的能量去完成其特有的功能[9]。因此，可更新能量的能量采集認(rèn)知無(wú)線電系統(tǒng)在利用接收到的信號(hào)自供應(yīng)能量的同時(shí)，還可有效利用頻譜資源，這成為當(dāng)前研究的熱點(diǎn)。

如何使認(rèn)知無(wú)線電在采集能量和有效利用頻譜效率的同時(shí)，盡可能多地為次用戶提供通信機(jī)會(huì)和增大吞吐量成為當(dāng)前急需解決的問(wèn)題。合作通信[10]和中繼通信[11-12]是認(rèn)知無(wú)線電當(dāng)前研究的熱點(diǎn)[13]，主用戶和次用戶可以積極地合作進(jìn)而尋找機(jī)會(huì)來(lái)更有效地進(jìn)行數(shù)據(jù)傳輸。

在合作認(rèn)知無(wú)線電系統(tǒng)中，當(dāng)主用戶繁忙時(shí)，次用戶可以作為中繼去提高主用戶的傳輸能力，進(jìn)而提高次用戶的傳輸機(jī)會(huì)。然而現(xiàn)存的合作通信很少能把信息傳輸與能量采集很好地結(jié)合起來(lái)[14]?；诖耍墨I(xiàn)[15]提出了一種信息和能量協(xié)同傳輸?shù)恼J(rèn)知無(wú)線電中繼系統(tǒng)，次用戶在采集能量的同時(shí)進(jìn)行信息傳輸，但該方法在中繼傳輸?shù)耐瑫r(shí)沒有考慮次用戶對(duì)主用戶的信號(hào)進(jìn)行能量采集，故可進(jìn)一步發(fā)展。

本文深入研究了5G網(wǎng)絡(luò)中的認(rèn)知中繼無(wú)線電系統(tǒng)，提出新的時(shí)隙結(jié)構(gòu)和最優(yōu)合作策略，綜合考慮能量采集、頻譜利用和系統(tǒng)吞吐量最大化，主要貢獻(xiàn)如下。

1) 提出能量采集認(rèn)知中繼無(wú)線電系統(tǒng)的時(shí)隙結(jié)構(gòu)和最優(yōu)合作方案，推導(dǎo)出次用戶的最大吞吐量方程和次用戶的中斷概率。

2) 基于量子機(jī)制和蝙蝠算法，設(shè)計(jì)量子蝙蝠算法實(shí)現(xiàn)合作認(rèn)知中繼無(wú)線電的合作方案，可以保證在滿足主用戶數(shù)據(jù)傳輸?shù)耐瑫r(shí)，最大化次用戶的吞吐量。

3) 仿真結(jié)果不僅給出了系統(tǒng)性能與系統(tǒng)參數(shù)之間的關(guān)系，還與現(xiàn)有的認(rèn)知中繼無(wú)線電合作策略進(jìn)行對(duì)比，證明了所提方法具有更好的吞吐量性能、較易理解的實(shí)現(xiàn)方式和更廣泛的應(yīng)用前景。

2 能量采集認(rèn)知中繼無(wú)線電系統(tǒng)模型

2.1 合作認(rèn)知中繼無(wú)線電系統(tǒng)模型

由主用戶和次用戶組成的合作認(rèn)知中繼無(wú)線電系統(tǒng)如圖1所示。其中，主用戶包括主用戶發(fā)射機(jī)（PT, primary transmitter）和主用戶接收機(jī)（PR, primary receiver），次用戶包括次用戶發(fā)射機(jī)（ST, secondary transmitter）和次用戶接收機(jī)（SR, secondary receiver）。主用戶可以在任何時(shí)刻通過(guò)其授權(quán)信道對(duì)其存儲(chǔ)在緩存中確定數(shù)量的數(shù)據(jù)進(jìn)行傳輸。在每個(gè)時(shí)隙，主用戶先使用授權(quán)信道去傳輸它的數(shù)據(jù)，當(dāng)其數(shù)據(jù)傳輸完成后，主用戶停止傳輸數(shù)據(jù)，其授權(quán)信道此時(shí)狀態(tài)為空閑。在不影響主用戶的前提下，次用戶此時(shí)可以利用主用戶空閑的授權(quán)信道進(jìn)行數(shù)據(jù)傳輸。根據(jù)需要，次用戶可作為協(xié)作中繼幫助主用戶快速傳輸數(shù)據(jù)。此外，次用戶在每個(gè)時(shí)隙分出部分時(shí)間進(jìn)行能量采集以協(xié)助其信息傳輸，因此次用戶不需要專門的能量供應(yīng)設(shè)備。

圖1 合作認(rèn)知中繼無(wú)線電系統(tǒng)示意

2.2 最優(yōu)合作策略

圖2 認(rèn)知中繼無(wú)線電系統(tǒng)的時(shí)隙劃分

由圖2可知，每個(gè)時(shí)隙均被劃分為3個(gè)階段，每個(gè)階段主用戶和次用戶的具體工作過(guò)程如下。

2.3 吞吐量方程

針對(duì)圖2的最優(yōu)時(shí)隙合作模式，次用戶的吞吐量方程為

其中，式(3)的第一個(gè)約束確保合作傳輸時(shí)間不大于次用戶能量采集后剩下的時(shí)間；第二個(gè)約束確保次用戶采集的能量不小于合作傳輸過(guò)程中次用戶消耗的能量；第三個(gè)約束為功率約束，保證合作傳輸過(guò)程中次用戶傳輸功率不小于0；第四個(gè)約束為時(shí)間約束，保證合作傳輸過(guò)程的時(shí)間不小于0且有上限。

2.4 中斷概率分析

在瑞利衰落信道條件下，中斷概率可以表示為

3 基于量子蝙蝠算法的認(rèn)知中繼無(wú)線電合作策略

獲得每個(gè)時(shí)隙次用戶的最大吞吐量是一個(gè)有約束的連續(xù)優(yōu)化問(wèn)題，可以使用智能優(yōu)化算法來(lái)求解。近年來(lái)，擬態(tài)物理學(xué)優(yōu)化[17]和量子細(xì)菌覓食算法[18]等智能優(yōu)化算法在認(rèn)知無(wú)線電中得到了廣泛應(yīng)用，通過(guò)改進(jìn)移植可用于求解所推導(dǎo)的吞吐量方程。對(duì)于所提出的優(yōu)化問(wèn)題，由于待優(yōu)化變量的定義域相差過(guò)大，因此傳統(tǒng)的連續(xù)優(yōu)化算法很難快速求得高精度結(jié)果。為了能夠更好地求解所推導(dǎo)的吞吐量方程，通過(guò)結(jié)合量子演化理論[19]和傳統(tǒng)蝙蝠算法[20]的定位機(jī)理，利用量子蝙蝠算法對(duì)所要優(yōu)化的問(wèn)題進(jìn)行求解。

3.1 量子蝙蝠算法

每只量子蝙蝠都可根據(jù)所設(shè)計(jì)的2種量子演進(jìn)策略進(jìn)行量子位置的更新。一種是通過(guò)量子蝙蝠自身的量子位置向全局最優(yōu)量子位置和群體經(jīng)驗(yàn)學(xué)習(xí)進(jìn)行更新；另一種是通過(guò)全局最優(yōu)量子位置，使量子蝙蝠向全局最優(yōu)量子位置方向演進(jìn)或?qū)θ肿顑?yōu)量子位置周邊進(jìn)行搜索。

3.2 量子蝙蝠算法的復(fù)雜度分析

對(duì)于提出的量子蝙蝠算法，所有量子蝙蝠在每次迭代中需對(duì)各自的頻率進(jìn)行更新，群體中有只量子蝙蝠，則每次迭代中所有量子蝙蝠頻率的計(jì)算復(fù)雜度為()。每只量子蝙蝠需更新每一維的速度及量子位，由于優(yōu)化問(wèn)題維數(shù)為，則每次迭代更新速度及量子位的計(jì)算復(fù)雜度為(2)。根據(jù)脈沖發(fā)射率，每一代種群所有量子蝙蝠的量子旋轉(zhuǎn)角和量子位置的計(jì)算復(fù)雜度為(2)。在每次迭代中，需要進(jìn)行貪婪選擇，將所有量子蝙蝠的量子區(qū)間映射到定義域區(qū)間，然后更新響度和脈沖發(fā)射率，此部分計(jì)算復(fù)雜度為(6)。

因此，到量子蝙蝠算法的第次迭代為止，計(jì)算復(fù)雜度為((7+4))。

3.3 基于量子蝙蝠算法的最優(yōu)合作策略

步驟1 根據(jù)所提出的無(wú)線能量采集認(rèn)知中繼無(wú)線電模型，確定待優(yōu)化變量及目標(biāo)方程。

步驟2 算法初始化，隨機(jī)初始化量子位置和速度，給出初始的脈沖發(fā)射率、頻率和響度。

步驟3 計(jì)算每只量子蝙蝠的適應(yīng)度，選擇適應(yīng)度最好的量子蝙蝠位置所對(duì)應(yīng)的量子位置為全局最優(yōu)量子位置。

步驟4 更新每只量子蝙蝠的頻率，對(duì)量子蝙蝠群中每只量子蝙蝠的速度和位置進(jìn)行演進(jìn)，獲得新量子位置的適應(yīng)性，根據(jù)貪婪選擇機(jī)制選擇量子位置。

步驟5 對(duì)于群體中的每只量子蝙蝠，根據(jù)脈沖發(fā)射率，按照概率用2種策略對(duì)量子位置進(jìn)行演進(jìn)。計(jì)算演進(jìn)后量子位置的適應(yīng)度，每只量子蝙蝠按照貪婪選擇機(jī)制對(duì)其量子位置進(jìn)行選擇更新。

步驟6 計(jì)算當(dāng)代演進(jìn)出的最優(yōu)量子位置的適應(yīng)度，并與全局最優(yōu)量子位置進(jìn)行比較，更新全局最優(yōu)量子位置。

4 仿真實(shí)驗(yàn)和結(jié)果分析

4.1 認(rèn)知中繼無(wú)線電次用戶中斷概率仿真結(jié)果

圖3 次用戶中斷概率與次用戶分配給合作中繼的功率的關(guān)系曲線

圖4 次用戶中斷概率與非合作傳輸階段次用戶的能量采集率的關(guān)系曲線

圖5 次用戶中斷概率與非合作傳輸階段次用戶用于能量采集的時(shí)間占有率的關(guān)系曲線

圖6 次用戶中斷概率與合作階段能量采集率的關(guān)系曲線

圖7 次用戶中斷概率與中繼傳輸時(shí)間占有率的關(guān)系曲線

圖8 次用戶中斷概率與次用戶目標(biāo)吞吐量的關(guān)系曲線

4.2 量子蝙蝠算法的最優(yōu)合作策略仿真結(jié)果

圖9 2種智能優(yōu)化算法的最大適應(yīng)度均值和迭代次數(shù)關(guān)系曲線

圖10 次用戶最大吞吐量和環(huán)境信號(hào)采集率Xs的關(guān)系曲線

圖11 次用戶最大吞吐量隨和變化的關(guān)系曲線

圖12 最優(yōu)中繼功率和Xs的關(guān)系曲線

圖13 次用戶最大吞吐量隨和變化的關(guān)系曲線

4.3 仿真對(duì)比實(shí)驗(yàn)

圖14 當(dāng)時(shí)次用戶最大吞吐量的跡

圖15 3種合作策略吞吐量隨變化的關(guān)系曲線

圖16 3種合作策略吞吐量隨變化的關(guān)系曲線

5 結(jié)束語(yǔ)

本文提出了一種無(wú)線能量采集認(rèn)知無(wú)線電的量子蝙蝠最優(yōu)合作策略，適合應(yīng)用在5G網(wǎng)絡(luò)等高性能系統(tǒng)。所提的合作策略不僅可以使次用戶系統(tǒng)自己提供能源，在保證不影響主用戶傳輸數(shù)據(jù)的同時(shí)，還可以最大化次用戶的吞吐量。和現(xiàn)有的認(rèn)知無(wú)線電合作策略相比，所提策略具有更靈活的合作方式和更廣泛的應(yīng)用前景。

所提的量子蝙蝠算法將量子優(yōu)化理論和蝙蝠算法結(jié)合，設(shè)計(jì)了新的演化方程，提高了蝙蝠算法的開發(fā)和探索能力。其可以有效求解能量采集認(rèn)知無(wú)線電系統(tǒng)的最大吞吐量方程，是具有良好性能的連續(xù)優(yōu)化算法，可獲得較好的系統(tǒng)參量。與現(xiàn)有的一些連續(xù)優(yōu)化算法相比，其具有較優(yōu)秀的收斂性能和較好的擴(kuò)展性，可推廣應(yīng)用到其他工程問(wèn)題的連續(xù)優(yōu)化中。

所設(shè)計(jì)的最優(yōu)合作策略在保證不影響主用戶傳輸數(shù)據(jù)的前提下，可以最大化次用戶的吞吐量。下一步工作將研究能量采集多用戶協(xié)同通信問(wèn)題，推導(dǎo)出新的吞吐量方程，對(duì)諸如選擇哪些次用戶參與主用戶的協(xié)同傳輸、具體每一個(gè)次用戶的協(xié)同時(shí)隙如何劃分、每個(gè)次用戶的功率如何分配等問(wèn)題進(jìn)行深入的討論，設(shè)計(jì)新的最優(yōu)傳輸方案。

[1] ZHENG G, HO Z, JORSWIECK E, et al. Information and energy cooperation in cognitive radio networks[J]. IEEE Transactions on Signal Processing, 2014, 62(9): 2290-2303.

[2] BI S Z, HO C K, ZHANG R. Wireless powered communication: opportunities and challenges[J]. IEEE Communications Magazine, 2015, 53(4): 117-125.

[3] 謝振威, 朱琦. 基于能量協(xié)作的認(rèn)知能量采集網(wǎng)絡(luò)功率分配算法[J].通信學(xué)報(bào), 2017, 38(9): 176-184.

XIE Z W, ZHU Q. Power allocation algorithm for cognitive radio energy harvesting networks based on energy cooperation[J]. Journal on Communications, 2017, 38(9): 176-184.

[4] LIU Y W, MOUSAVIFAR S A, DENG Y S, et al. Wireless energy harvesting in a cognitive relay network[J]. IEEE Transactions on Wireless Communications, 2016, 15(4): 2498-2508.

[5] 謝顯中, 羅瑩, 嚴(yán)可, 等. 認(rèn)知無(wú)線電網(wǎng)絡(luò)中四維資源協(xié)作的研究現(xiàn)狀與未來(lái)方向[J]. 通信學(xué)報(bào), 2018, 39 (2): 149-163.

XIE X Z, LUO Y, YAN K, et al. Recent advances and future challenges of four key resources cooperation in cognitive radio network[J]. Journal on Communications, 2018, 39 (2): 149-163.

[6] ZHAI C, LIU J, ZHENG L N. Cooperative spectrum sharing with wireless energy harvesting in cognitive radio networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(7): 5303-5316.

[7] BHOWMICK A, ROY S D, KUNDU S. Throughput of a cognitive radio network with energy-harvesting based on primary user signal[J]. IEEE Wireless Communications Letters, 2016, 5(2): 136-139.

[8] 劉建平, 金順福, 王寶帥. 基于排隊(duì)模型的混合overlay/underlay頻譜共享優(yōu)化策略研究[J]. 通信學(xué)報(bào), 2017, 38(9): 55-64.

LIU J P, JIN S F, WANG B S. Study on optimization strategy for hybrid underlay/overlay spectrum sharing based on queuing model[J]. Journal on Communications, 2017, 38(9): 55-64.

[9] KRIKIDIS I, LANEMAN J N, THOMPSON J S, et al. Protocol design and throughput analysis for multi-user cognitive cooperative systems[J]. IEEE Transaction on Wireless Communications, 2009, 8(9): 4740-4751.

[10] NASIR A, ZHOU X Y, DURRANI S, et al. Relaying protocols for wireless energy harvesting and information processing[J]. IEEE Transactions on Wireless Communications, 2013, 12(7): 3622-3636.

[11] SANKET S K, ADRISH B. Secure communication via a wireless energy harvesting untrusted relay[J]. IEEE Transactions on Vehicular Technology, 2017, 66(3): 2199-2213.

[12] ZHONG W, CHEN G, JIN S, et al. Relay selection and discrete power control for cognitive relay networks via potential game[J]. IEEE Transactions on Signal Processing, 2014, 62(20): 5411-5424.

[13] LIU Y, MOUSAVIFAR S A, DENG Y, et al. Wireless energy harvesting in a cognitive relay network[J]. IEEE Transactions on Wireless Communications, 2016, 15(4): 2498-2508.

[14] PRADHA J J, KALAMKAR S S, BANERJEE A. On information and energy cooperative in energy harvesting cognitive radio[C]//The 26th IEEE Annual International Symposium on Personal, Indoor, and Mobile Radio Communications. 2015: 943-948.

[15] YIN S X, ZHANG E Q, QU Z W, et al. Optimal cooperation strategy in cognitive radio systems with energy harvesting[J]. IEEE Transactions on Wireless Communications, 2014, 13(9): 4693-4707.

[16] MAKKI B, SVENSSON T, ERIKSSON T, et al. On the throughput and outage probability of multi-relay networks with imperfect power amplifiers[J]. IEEE Transactions on Wireless Communications, 2015, 14(9): 4994-5008.

[17] 柴爭(zhēng)義, 王秉, 李亞倫. 擬態(tài)物理學(xué)優(yōu)化的認(rèn)知無(wú)線電網(wǎng)絡(luò)頻譜分配[J]. 物理學(xué)報(bào), 2014, 63(22): 433-438.

CHAI Z Y, WANG B, LI Y L. Spectrum allocation of cognitive radio network based on artificial physics optimization[J]. Acta Physical Sinica, 2014, 63(22): 433-438.

[18] GAO H Y, LI C W. Quantum-inspired bacterial foraging algorithm for parameter adjustment in green cognitive radio[J]. Journal of Systems Engineering and Electronics, 2015, 26(5): 1-9.

[19] GAO H Y, ZHANG S B, DU Y N, et al. Relay selection scheme based on quantum differential evolution algorithm in relay networks[J]. KSII Transactions on Internet & Information Systems, 2017, 11(7): 3501-3523.

[20] YANG X S, GANDOMI A H. Bat algorithm: a novel approach for global engineering optimization[J]. Engineering Computations: International Journal for Computer-Aided Engineering and Software, 2012, 29(5): 464-483.

Optimal cooperative strategy based on quantum bat for cognitive radio of energy harvesting

GAO Hongyuan, DU Yanan, ZHANG Shibo, LIU Dandan

College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China

In order to reduce energy consumption and improve spectral efficiency of the cognitive relay wireless communication system in 5G network, an optimal cooperative transmission strategy of information and energy was designed for cognitive relay radio with wireless energy harvesting. For the proposed optimal cooperative strategy, the maximal throughput formula and outage probability of secondary user were deduced. In order to resolve the derived maximum throughput equation, a quantum bat algorithm which was based on the optimization mechanism of quantum computing and bat algorithm was designed to solve the deduced equation, and the optimal cooperative transmission scheme for information and energy could be obtained. Simulation results show that the proposed optimal cooperative strategy not only can meet the information transfer demand of primary user, but also can realize the energy self-supply of the secondary user system and improve the communication quality of the secondary user. The proposed optimal cooperative strategy has a better performance than the cooperative strategy of existing cognitive relay radio for different simulation scenarios.

cognitive relay radio, energy harvesting, cooperative strategy, quantum bat algorithm, 5G network

TN914.34

A

10.11959/j.issn.1000?436x.2018149

高洪元（1977?），男，黑龍江木蘭人，博士，哈爾濱工程大學(xué)副教授、博士生導(dǎo)師，主要研究方向?yàn)闊o(wú)線通信系統(tǒng)、陣列信號(hào)處理、智能計(jì)算理論及應(yīng)用。

杜亞男（1992?），女，黑龍江訥河人，哈爾濱工程大學(xué)博士生，主要研究方向?yàn)榱孔觾?yōu)化算法、群智能計(jì)算、認(rèn)知無(wú)線電和陣列信號(hào)處理等。

張世鉑（1994?），男，黑龍江哈爾濱人，哈爾濱工程大學(xué)博士生，主要研究方向?yàn)橹悄苡?jì)算、物聯(lián)網(wǎng)、5G網(wǎng)絡(luò)和認(rèn)知中繼等。

劉丹丹（1991?），女，黑龍江海倫人，哈爾濱工程大學(xué)碩士生，主要研究方向?yàn)榫G色認(rèn)知無(wú)線電技術(shù)和智能計(jì)算。

2018?04?23；

2018?08?30

高洪元，gaohongyuan@hrbeu.edu.cn

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61571149）；中國(guó)博士后基金特別資助項(xiàng)目（No.2015T80325）

The National Natural Science Foundation of China (No.61571149), The Special China Postdoctoral Science Foundation (No.2015T80325)