一种智能超表面辅助无线供电网络的稳健能效优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113613273A(43)申请公布日2021.11.05(21)申请号202110908145.1(22)申请日2021.08.09(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人徐勇军应鸣峻陈前斌周继华黄东赵涛(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人廖曦(51)Int.Cl.H04W24/02(2009.01)H04W24/06(2009.01)权利要求书4页说明书9页附图3页(54)发明名称一种智能超表面辅助无线供电网络的稳健能效优化方法(57)摘要本发明涉及一种智能超表面辅助无线供电网络的稳健能效优化方法，属于6G无线资源管理技术领域，包括：S1：建立智能超表面辅助多用户无线供电通信网络场景能量及信息传输模型；S2：考虑用户能量消耗约束、传输时间约束、最小吞吐量约束、能量站最大发射功率约束和智能超表面反射相移约束，建立基于有界信道不确定性智能超表面辅助的多用户无线供电通信网络能效最大化稳健资源分配模型；S3：将目标函数转换为两项相减形式，并将原优化问题转换为确定性形式；S4：利用交替优化法和变量替换法将确定性非凸优化问题转化成稳健性凸优化问题；S5：利用半正定规划和高斯随机化法对上述凸优化问题进行求解。本发明具有较好的能效和稳健性。CN113613273ACN113613273A权利要求书1/4页1.一种智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：包括以下步骤：S1：建立智能超表面辅助多用户无线供电通信网络场景能量及信息传输模型；S2：考虑用户能量消耗约束、传输时间约束、最小吞吐量约束、能量站最大发射功率约束和智能超表面反射相移约束，建立基于有界信道不确定性智能超表面辅助的多用户无线供电网络WPCN能效最大化稳健资源分配模型；S3：利用Dinkelbach方法将目标函数转换为两项相减形式，并利用Worst‑case方法和S‑procedure方法将原优化问题转换为确定性形式，得到确定性非凸优化问题；S4：利用交替优化法和变量替换法将确定性非凸优化问题转化成稳健性凸优化问题；S5：利用半正定规划和高斯随机化法对上述凸优化问题进行求解。2.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：步骤S1具体包括：建立智能超表面辅助多用户无线供电通信网络场景下，第k个用户能量收集及速率模型分别为其中，和分别是能量站到智能超表面和智能超表面到第k个用户的信道矩阵和信道向量；是智能超表面的反射系数矩阵，其中，θn∈[0,2π)代表第n个反射单元的相移；为能量站的波束成形矩阵，且其中为能量信号；0≤η≤1为能量转换效率；t0为能量传输时间；tk为第k个用户的信息传输时间；2gk表示第k个用户到信息接收站的信道增益；δ表示噪声功率；pk为用户发射功率；系统总吞吐量表示为：系统消耗总能量表示为：其中，和分别为能量站和信息接收站的电路功耗，为每个反射单元的电路功耗，为第k个用户的电路功耗。3.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：在所述步骤S2中，所述多用户WPCN能效最大化稳健资源分配模型为：2CN113613273A权利要求书2/4页maxC4:Tr(W)≤PC5:|vn|＝1,其中，和表示对应的信道估计值，ΔGk和Δgk表示信道估计误差，ωk和σk表示不确定性参数上界；包含Θ中的所有对角元素，W为能量站的波束成形矩阵，t0为能量传输时间；tk为第k个用户的信息传输时间，pk为用户发射功率；C1和C2分别为用户能量收集和服务质量约束，C3为总传输时间约束，C4为能量站发送功率约束，C5为反射相移约束，C6为不确定性参数集合。4.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：步骤S3中引入松弛变量χk且满足基于S‑Procedure方法和最坏准则，再利用广义分式规则理论，将原优化问题(5)转化为确定性形式：maxC4:Tr(W)≤PC5:|vn|＝1(6)其中ak≥0为松弛变量，q＞0为系统能效。5.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：步骤S4中，给定v，利用交替优化法和变量替换法将S3中的确定性非凸优化问题转化成以下关于{W,t0,tk,pk}的稳健性凸优化子问题：3CN113613273A权利要求书3/4页其中，和针对式(7)凸优化问题利用凸优化工具箱进行求解。6.根据权利要求1所述的智能超表面辅助无线供电网络的稳健能效优化方法，其特征在于：步骤S5具体包括以下步骤：S51：给定{W,t0,tk,pk}，关于v的优化子问题描述为：S52：针对S5