本發(fā)明屬于無線傳感網(wǎng)
技術(shù)領(lǐng)域：
，更具體地說，涉及一種無線傳感網(wǎng)絡(luò)能量采集節(jié)點(diǎn)協(xié)作傳輸?shù)穆?lián)合功率分配和中繼選擇方法。
背景技術(shù)：
：無線傳感器網(wǎng)絡(luò)(WirelessSensorNetworks,WSN)是一種分布式傳感網(wǎng)絡(luò)，它的末梢是可以感知和檢查外部世界的傳感器。WSN中的傳感器通過無線方式通信，因此網(wǎng)絡(luò)設(shè)置靈活，設(shè)備位置可以隨時(shí)更改，還可以跟互聯(lián)網(wǎng)進(jìn)行有線或無線方式的連接。能夠通過各類集成化的微型傳感器以協(xié)作方式實(shí)時(shí)監(jiān)測、感知和采集各種環(huán)境或監(jiān)測對象的信息，通過嵌入式系統(tǒng)對信息進(jìn)行處理，并通過自組織無線通信網(wǎng)絡(luò)將所感知的信息傳送到用戶終端，從而真正實(shí)現(xiàn)“無處不在的計(jì)算”理念。無線傳感器網(wǎng)絡(luò)是由多個(gè)帶有傳感器，數(shù)據(jù)處理單元及通信模塊的節(jié)點(diǎn)，根據(jù)數(shù)據(jù)采集任務(wù)的需求自組織而成的網(wǎng)絡(luò)。其任務(wù)是從環(huán)境中采集用戶感興趣的數(shù)據(jù)，數(shù)據(jù)源節(jié)點(diǎn)負(fù)責(zé)數(shù)據(jù)的采集，所采集到的數(shù)據(jù)通過多個(gè)中間節(jié)點(diǎn)轉(zhuǎn)發(fā)以多跳方式傳遞給數(shù)據(jù)接收者(Sink)，通常數(shù)據(jù)在經(jīng)過中間節(jié)點(diǎn)時(shí)，需要一定的處理，去除冗余性提取有用信息。目前WSN廣泛應(yīng)用于軍事、智能交通、環(huán)境監(jiān)控、醫(yī)療衛(wèi)生等多個(gè)領(lǐng)域。歸結(jié)起來，WSN與傳統(tǒng)產(chǎn)業(yè)的全面融合，將成為21世紀(jì)全球新一輪社會(huì)經(jīng)濟(jì)發(fā)展的主導(dǎo)力量，但同時(shí)也引出了幾個(gè)函待解決的問題：1)無線傳感網(wǎng)絡(luò)中會(huì)存在大量待通信節(jié)點(diǎn)和大量需要流通的數(shù)據(jù)，為了達(dá)到最佳的網(wǎng)絡(luò)性能，需要充分考慮網(wǎng)關(guān)節(jié)點(diǎn)的合理選擇并分配最佳功率，從而最大化網(wǎng)絡(luò)中特定通信節(jié)點(diǎn)對之間吞吐量最大化的問題；2)無線傳感網(wǎng)絡(luò)的能耗也是一個(gè)非常重要的問題，迫切需要在降低能耗的前提下，研究網(wǎng)絡(luò)中特定通信節(jié)點(diǎn)對之間吞吐量最大化的問題；3)迫切需要能夠投入實(shí)際應(yīng)用的關(guān)于無線傳感網(wǎng)絡(luò)資源分配的算法，強(qiáng)調(diào)算法的低復(fù)雜度、實(shí)時(shí)運(yùn)算能力和高收斂速度。中國發(fā)明專利號(hào)201310183276.3，公開日2013年5月17日，公開了一份名稱為一種無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)路由的路徑選擇方法，其包括：基于Dijkstra算法，將無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)路由的信息分布模式從無向圖轉(zhuǎn)化為有向節(jié)點(diǎn)圖，得到信息素初值；基于蟻群算法的多樣性和正反饋性的特性，構(gòu)建節(jié)點(diǎn)路由的路徑選擇方法；根據(jù)相對能量因子、相對距離因子以及信息素強(qiáng)度，確定轉(zhuǎn)移方向，得到所選路徑。該方法實(shí)現(xiàn)了無線傳感器網(wǎng)路中各個(gè)節(jié)點(diǎn)能量均衡消耗，達(dá)到了節(jié)能效果。中國發(fā)明專利號(hào)201310374140.0，公開日2013年8月23日，公開了一份名稱為一種無線傳感器網(wǎng)絡(luò)通信資源分配方法，其包括：網(wǎng)絡(luò)分層：無線集中器作為網(wǎng)絡(luò)中心發(fā)起網(wǎng)絡(luò)，無線設(shè)備依次按照與無線集中器跳數(shù)逐漸加入網(wǎng)絡(luò)；網(wǎng)絡(luò)為分層結(jié)構(gòu)，新加入網(wǎng)絡(luò)節(jié)點(diǎn)根據(jù)父節(jié)點(diǎn)的層號(hào)加1作為節(jié)點(diǎn)自身網(wǎng)絡(luò)層號(hào)；時(shí)隙分配：從時(shí)間順序上來看，網(wǎng)絡(luò)資源以超幀和時(shí)隙的形式存在，資源分配將網(wǎng)絡(luò)資源分配到網(wǎng)絡(luò)中不同的節(jié)點(diǎn)，從而實(shí)現(xiàn)網(wǎng)絡(luò)中所有無線設(shè)備與無線集中器之間的通信；超幀中的時(shí)隙以時(shí)分多址接入方式分配到各個(gè)層，同一層內(nèi)無線設(shè)備共享該層對應(yīng)時(shí)隙，采取載波偵聽多路訪問方式；無線信道分配：從空間順序上來看，網(wǎng)絡(luò)資源主要以不同無線信道存在，也就是無線集中器和無線設(shè)備在不同的無線信道進(jìn)行通信，從而實(shí)現(xiàn)同一時(shí)間對不同信道的充分利用；非間隔層在不同信道共享相同時(shí)隙。該方法可以實(shí)現(xiàn)大規(guī)模、低功耗、多跳網(wǎng)絡(luò)的組建。中國專利申請?zhí)?01310635782.1，公開日2013年12月13日，公開了一份名稱為一種無線傳感網(wǎng)絡(luò)分布式速率控制方法，其包括以下步驟：網(wǎng)絡(luò)中的中間鏈路根據(jù)所在鏈路干擾集在帶寬上的供求關(guān)系，按比例微分型方式更新帶寬價(jià)格因子；中間節(jié)點(diǎn)根據(jù)所在節(jié)點(diǎn)的能量供求關(guān)系，按比例微分型方式更新能量價(jià)格因子；源節(jié)點(diǎn)根據(jù)數(shù)據(jù)所經(jīng)鏈路上各節(jié)點(diǎn)的能量價(jià)格因子和帶寬價(jià)格因子，優(yōu)化設(shè)定合適的數(shù)據(jù)傳輸速率；通過多次迭代后，使得無線傳感網(wǎng)絡(luò)的帶寬和能量資源取得最優(yōu)分配。該方法可以高效實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)的帶寬和能量資源的最優(yōu)分配，降低通信開銷的成本?？偟膩碚f，申請?zhí)?01310183276.3的公開材料考慮節(jié)點(diǎn)的能耗問題，但是沒有但是沒有聯(lián)合考慮功率分配和路徑選擇的最優(yōu)化問題。申請?zhí)?01310374140.0的公開材料考慮大規(guī)模、低功耗、多跳網(wǎng)絡(luò)的組建，但是沒有充分考慮能耗的問題。申請?zhí)?01310635782.1的公開材料考慮高效率的能量和帶寬的資源分配，但是沒有考慮協(xié)作節(jié)點(diǎn)的選擇以及算法實(shí)時(shí)運(yùn)算的實(shí)踐要求。技術(shù)實(shí)現(xiàn)要素：針對現(xiàn)有的無線傳感網(wǎng)絡(luò)路徑選擇和功率分配方法未充分考慮能量采集因素帶來的性能改善、聯(lián)合資源分配的性能優(yōu)化、低復(fù)雜度算法實(shí)際應(yīng)用等問題，本發(fā)明提出一種無線傳感網(wǎng)中能量采集節(jié)點(diǎn)的聯(lián)合路徑選擇和功率分配方法，在綜合考慮聯(lián)合路徑選擇和功率分配，結(jié)合能量采集技術(shù)帶來的節(jié)能方案，輔助低復(fù)雜度迭代算法，最大化通信節(jié)點(diǎn)間網(wǎng)絡(luò)性能。為解決上述問題，本發(fā)明所采用的技術(shù)方案如下：一種無線傳感網(wǎng)絡(luò)能量采集節(jié)點(diǎn)協(xié)作傳輸?shù)穆?lián)合功率分配和中繼選擇方法，包括：步驟1：系統(tǒng)場景分析，問題歸結(jié)；步驟1.1：建立信道模型；場景中有一個(gè)能量采集源節(jié)點(diǎn)A，N個(gè)能量采集的協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N和一個(gè)目標(biāo)通信節(jié)點(diǎn)B，能量采集源節(jié)點(diǎn)A和目標(biāo)通信節(jié)點(diǎn)B之間沒有直達(dá)路徑，協(xié)作節(jié)點(diǎn)Ci選用放大轉(zhuǎn)發(fā)工作方式，一個(gè)傳輸過程T包含K個(gè)數(shù)據(jù)塊，每個(gè)數(shù)據(jù)塊的傳輸都包含兩個(gè)時(shí)隙，聯(lián)合考慮該場景下的N個(gè)能量采集的協(xié)作節(jié)點(diǎn)的選擇問題以及這N個(gè)協(xié)作節(jié)點(diǎn)和源節(jié)點(diǎn)A的功率指派問題；假設(shè)用于能量采集的電池容量有限，設(shè)定能量采集源節(jié)點(diǎn)A的電池容量為BA,max，能量采集協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N的電池容量為除了用于傳輸消耗的能量忽略不計(jì)，規(guī)定在每個(gè)數(shù)據(jù)塊k,k＝1,2,...,K的傳輸過程中，從協(xié)作節(jié)點(diǎn)集合N中唯一選擇最佳的協(xié)作節(jié)點(diǎn)參與協(xié)作這次傳輸，記這個(gè)參與協(xié)作的節(jié)點(diǎn)為Cζ,ζ＝1,2,...,N，第一時(shí)隙源節(jié)點(diǎn)A廣播發(fā)送數(shù)據(jù)給所有協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N，第二時(shí)隙，選擇最佳的協(xié)作節(jié)點(diǎn)Cζ,ζ＝1,2,...,N協(xié)作轉(zhuǎn)發(fā)第一時(shí)隙源節(jié)點(diǎn)A廣播的數(shù)據(jù)給目標(biāo)通信節(jié)點(diǎn)B；定義端到端等效信噪比如下：SNReq,ζ,k=PA,kγACζ,kPCζ,kγCζB,kPA,kγACζ,k+PCζ,kγCζB,k+1]]>其中：SNReq,ζ,k表示傳輸?shù)趉個(gè)數(shù)據(jù)塊同時(shí)選中第ζ個(gè)協(xié)作節(jié)點(diǎn)協(xié)作轉(zhuǎn)發(fā)時(shí)的等效端到端信噪比，PA,k和分別表示第k個(gè)數(shù)據(jù)塊傳輸時(shí)第一時(shí)隙源節(jié)點(diǎn)A的發(fā)射功率和第二時(shí)隙第ζ個(gè)協(xié)作節(jié)點(diǎn)協(xié)作轉(zhuǎn)發(fā)數(shù)據(jù)的發(fā)射功率，相應(yīng)的，和分別表示傳輸?shù)趉個(gè)數(shù)據(jù)塊同時(shí)選中第ζ個(gè)中繼協(xié)作轉(zhuǎn)發(fā)時(shí)第一時(shí)隙中繼Cζ和第二時(shí)隙目標(biāo)通信節(jié)點(diǎn)B的接收信噪比，從而系統(tǒng)吞吐量表示為：12log2(1+SNReq,ζ,k);]]>步驟1.2：建立能量采集模型；定義BM,k為各種能量采集終端在準(zhǔn)備傳輸?shù)趉個(gè)數(shù)據(jù)塊時(shí)的儲(chǔ)存能量，其中M∈{A,C1,C2,...,CN}k∈{1,2,...,K}，在第k個(gè)數(shù)據(jù)塊的傳輸期間，能量采集終端M的發(fā)射功率應(yīng)該滿足0≤PM,k≤BM,k，能量限制條件是：BM,k+1=min{(BM,k-PM,k+HM,k),BM,max},∀k∈{1,2,...,K};]]>其中，BM,k+1表示能量采集終端M在準(zhǔn)備傳輸?shù)趉+1個(gè)數(shù)據(jù)塊時(shí)的存儲(chǔ)能量，PM,k表示能量采集終端M的發(fā)送第k個(gè)數(shù)據(jù)塊消耗的能量，HM,k表示能量采集終端M在第k個(gè)傳輸期間能量采集終端M采集到的能量，HM,k也要滿足HM,k≤BM.max，定義能量采集終端的平均采集能量E{·}表示期望，設(shè)定初值BN,1＝HN,0≥0；步驟2：最優(yōu)化問題的數(shù)學(xué)模型建立；在上述假設(shè)前提和約束條件下，歸結(jié)出最優(yōu)化問題如下：P1:maxτ≥0,w1,1,,...wN,KΣk=1K12log2(1+SNReq,k)s.t.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=1l(wn,kPCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max,∀m,∀nΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>其中：表示考慮功率分配和中繼選擇的第k個(gè)傳輸塊的等效信噪比，τ=Δ{PA,k,PC1,k,...,PCN,k,λA,k,λC1,k,...,λCN,k|,k∈{1,2...,K}}]]>l∈{1,2,...,K},m∈{1,2,...,K-1},n∈{1,2,...,N}andk∈∈{1,2,...,K}，λA,k,表示拉格朗日松弛變量；步驟3：最優(yōu)化問題求解；所述優(yōu)化問題P1的求解可以采用拉格朗日因子方法：L(PA,k,PCn,k,wn,k,λA,k,λCn,k,βA,k,0,βCn,k,0,βA,k,1,βCn,k,1,βk)=Σk=1K12log2(1+SNReq,k)-βA,k,0(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-βCn,k,0(Σk=1l(wn,kPCn,k+λCn,k)-Σk=0l-1HCn,k)-βA,k,1(Σk=0mHA,k-Σk=0m(PA,k+λA,k)-BA,max)-βCn,k,1(Σk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max)-βk(Σn=1Nwn,k-1)]]>再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,是相應(yīng)的拉格朗日因子。進(jìn)一步的，所述優(yōu)化問題P1的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是：βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HC0,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。進(jìn)一步的，所述次梯度算法迭代更新方程的迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n2,k=1,2,...,K,n=1,2,...,N.]]>進(jìn)一步的，所述步驟1中端到端等效信噪比近似為：SNReq,k≈SNR‾eq,k=ΔΣn=1Nwn,kPA,kγACζ,kPCζ,kγCζB,kPA,kγACζ,k+PCζ,kγCζB,k]]>從而得到修正后的優(yōu)化問題P2：P2:maxτ≥0,w1,1,,...wN,KΣk=1K12log2(1+SNR‾eq,k)s.t.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=1l(wn,kPCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max,∀m,∀nΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>所述優(yōu)化問題P2的求解可以采用拉格朗日因子方法：L(PA,k,PCn,k,wn,k,λA,k,λCn,k,βA,k,0,βCn,k,0,βA,k,1,βCn,k,1,βk)=Σk=1K12log2(1+SNR‾eq,k)-βA,k,0(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-βCn,k,0(Σk=1l(wn,kPCn,k+λCn,k)-Σk=0l-1HCn,k)-βA,k,1(Σk=0mHA,k-Σk=0m(PA,k+λA,k)-BA,max)-βCn,k,1(Σk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max)-βk(Σn=1Nwn,k-1)]]>再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,βk是相應(yīng)的拉格朗日因子。進(jìn)一步的，所述優(yōu)化問題P2的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是：βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HCn,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。所述迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n,k=1,2,...,K,n=1,2,...,N.]]>進(jìn)一步的，所述步驟1中端到端等效信噪比近似為：SNReq,k≈SNR‾‾eq,k=ΔΣn=1NPA,kγACζ,kPCζ,kγCζB,kPA,kγACζ,k+PCζ,kγCζB,k]]>從而得到修正后的優(yōu)化問題P3：P3:maxτ≥0,w1,1,...,wN,KΣk=1K12log(1+SNR‾‾eq,k)s.t.Σk=1l(PCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHCn,k-Σk=1m(PCn,k+λCn,k)≤BCn,max,∀m,∀nPCn,k≤wn,kΣk=0mHCn,m,∀k,∀nΣk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>所述優(yōu)化問題P3的求解可以采用拉格朗日因子方法：L(PA,k,PCn,k,wn,k,λA,k,λCn,k,βA,k,0,βCn,k,0,βA,k,1,βCn,k,1,βk)=Σk=1K12log2(1+SNR‾eq,k)-βA,k,0(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-βCn,k,0(Σk=1l(wn,kPCn,k+λCn,k)-Σk=0l-1HCn,k)-βA,k,1(Σk=0mHA,k-Σk=0m(PA,k+λA,k)-BA,max)-βCn,k,1(Σk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max)-βk(Σn=1Nwn,k-1)]]>再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,βk是相應(yīng)的拉格朗日因子。進(jìn)一步的，所述優(yōu)化問題P3的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，所述次梯度算法的迭代更新方程是：βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HCn,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。所述迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n,k=1,2,...,K,n=1,2,...,N.]]>進(jìn)一步的，針對求解問題P3，采用GBD方法，將最優(yōu)化問題分解成2個(gè)子問題P4和P5，并用交叉迭代方法求解，包括：P4:maxτ≥0Σk=1K12log2(1+SNR‾‾eq,k)s.t.PCn,k≤wn,k(i-1)Σm=0k-1HCn,m,∀kand∀n.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀l,Σk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=1l(PCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHCn,k-Σk=1m(PCn,k+λCn,k)≤BCn,max,∀m,∀n]]>需要特別指出的是子問題P4實(shí)質(zhì)上是在給定協(xié)作選擇因子ω1,1,...,ωN,K的基礎(chǔ)上求解功率分配集合τ，定義分別表明第i次迭代是獲得的最優(yōu)功率分配；子問題P5是在給定功率分配集合τ的基礎(chǔ)上求解協(xié)作選擇因子ω1,1,...,ωN,K，為了求解P5，首先定義P5問題的拉格朗日表達(dá)式如下：L(PA,k,PCn,k,λA,k,λCn,k,ξA,l,ξCn,l,ηA,m,ηCn,m,αn,k)=Σk=1K12log2(1+Σn=1NPA,kPCn,kγACn,kγCnB,kPCn,kγCn,B,k+PA,kγACn,k)-Σl=1KξA,l(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-Σn=1NΣk=1Kαn,k(PCn,k-wn,kΣm=0k-1HCn,m)-Σn=1NΣk=1KξCn,l(Σk=1l(PCn,k+λCn,k)-Σk=0l-1HCn,k)-Σm=1KηA,m(Σk=0mHA,k-Σk=1m(PA,k+λA,k)-BA,max)-Σn=1NΣm=1KηCn,m(Σk=0mHCn,k-Σk=1m(PCn,k+λCn,k)-BCn,max)]]>其中ξA,l,ηA,m,αn,k是相應(yīng)的拉格朗日因子，表示最優(yōu)的拉格朗日因子，在給定第i次迭代的最優(yōu)值的前提下，歸結(jié)最優(yōu)化子問題P5如下：P5:maxβM≥0,w1,1,...,wN,kβMs.t.βM≤L(PA,k(j)*,PCn,k(j)*,λA,k(j)*,λCn,k(j)*,ξA,k(j)*,ξCn,k(j)*,ηA,m(j)*,ηCn,k(j)*,αn,k(j)*),j∈{1,2,...,i}Σn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n,]]>需要特別指出的是子問題P5實(shí)質(zhì)上是在給定功率分配集合τ的基礎(chǔ)上求解協(xié)作選擇因子定義分別表明第j次迭代是獲得的最優(yōu)功率分配。進(jìn)一步的，所述的GBD方法包括：步驟A1：初始化協(xié)作選擇因子迭代算法收斂閾值ε，迭代次數(shù)i；步驟A2：求解最優(yōu)化子問題P4，獲得當(dāng)前的最優(yōu)值并獲得最優(yōu)化問題P3第i次迭代的下界，記為LB(i)；步驟A3：利用當(dāng)前的最優(yōu)的P4的解代入最優(yōu)化子問題P5，求得當(dāng)前的最優(yōu)值并獲得最優(yōu)化問題P3第i次迭代的上界，記為UB(i)；步驟A4：收斂條件判斷，當(dāng)|UB(i)-LB(i)|≤ε時(shí)，算法收斂，跳至步驟A5，否則，設(shè)置i＝i+1跳至步驟A2，繼續(xù)迭代算法；步驟A5：算法結(jié)束，輸出最后一次的子問題P4和P5的解，作為當(dāng)前收斂閾值下的最優(yōu)解。有益效果：相對比于現(xiàn)有技術(shù)，本發(fā)明的有益效果為：(1)本發(fā)明針對特殊的應(yīng)用場景，來源實(shí)際應(yīng)用，場景設(shè)置細(xì)致、合理，更有實(shí)踐指導(dǎo)意義；(2)本發(fā)明區(qū)別與以往的獨(dú)立的節(jié)點(diǎn)路徑選擇或者功率分配問題，考慮聯(lián)合路徑選擇和功率分配，充分利用無線傳感網(wǎng)中空閑節(jié)點(diǎn)的協(xié)作轉(zhuǎn)發(fā)功能，最大化通信節(jié)點(diǎn)之間的吞吐量性能；(3)本發(fā)明充分考慮可再生能源的環(huán)保方案，結(jié)合能量采集技術(shù)，增加考慮能量采集傳感器源節(jié)點(diǎn)和能量采集網(wǎng)關(guān)，在不影響網(wǎng)絡(luò)性能的前提下，考慮因果限制條件下的系統(tǒng)性能最優(yōu)問題，達(dá)到能耗和網(wǎng)絡(luò)速率的折中，更加合理充分利用可再生能源，降低了網(wǎng)絡(luò)的能耗；(4)本發(fā)明針對最優(yōu)化問題的求解，采用凸優(yōu)化處理，轉(zhuǎn)化優(yōu)化問題的目標(biāo)函數(shù)，不經(jīng)過近似計(jì)算，不影響問題的精度的同時(shí)極大的降低的計(jì)算復(fù)雜度，減少系統(tǒng)開銷產(chǎn)生的時(shí)延；(5)本發(fā)明尋優(yōu)采用拉格朗日乘子方法，尋優(yōu)速度快，算法迭代過程中采用次梯度方法，并選用漸進(jìn)步長，尋優(yōu)更加精確；(6)本發(fā)明的資源分配方法，算法設(shè)計(jì)合理，易于實(shí)現(xiàn)。附圖說明圖1為本發(fā)明系統(tǒng)場景架構(gòu)示意圖。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。實(shí)施例一一種無線傳感網(wǎng)絡(luò)能量采集節(jié)點(diǎn)協(xié)作傳輸?shù)穆?lián)合功率分配和中繼選擇方法，包括：步驟1：系統(tǒng)場景分析，問題歸結(jié)；步驟1.1：建立信道模型；本發(fā)明針對特殊的應(yīng)用場景，來源實(shí)際應(yīng)用，場景設(shè)置細(xì)致、合理，更有實(shí)踐指導(dǎo)意義?？紤]一個(gè)基于能量采集多中繼協(xié)作通信場景，場景中有一個(gè)能量采集源節(jié)點(diǎn)A，N個(gè)能量采集的協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N和一個(gè)目標(biāo)通信節(jié)點(diǎn)B，考慮能量采集源節(jié)點(diǎn)A和目標(biāo)通信節(jié)點(diǎn)B之間的沒有直達(dá)路徑，必須通過能量采集的協(xié)作節(jié)點(diǎn)Ci協(xié)作轉(zhuǎn)發(fā)，協(xié)作節(jié)點(diǎn)Ci選用放大轉(zhuǎn)發(fā)工作方式，假設(shè)一個(gè)傳輸過程T包含K個(gè)數(shù)據(jù)塊，每個(gè)數(shù)據(jù)塊的傳輸都包含兩個(gè)時(shí)隙。聯(lián)合考慮該場景下的N個(gè)能量采集的協(xié)作節(jié)點(diǎn)的選擇問題以及這N個(gè)協(xié)作節(jié)點(diǎn)和源節(jié)點(diǎn)A的功率指派問題。本發(fā)明充分考慮可再生能源的環(huán)保方案，結(jié)合能量采集技術(shù)，增加考慮能量采集傳感器源節(jié)點(diǎn)和能量采集網(wǎng)關(guān)，在不影響網(wǎng)絡(luò)性能的前提下，考慮因果限制條件下的系統(tǒng)性能最優(yōu)問題，達(dá)到能耗和網(wǎng)絡(luò)速率的折中，更加合理充分利用可再生能源，降低了網(wǎng)絡(luò)的能耗。同時(shí)假設(shè)用于能量采集的電池容量有限，設(shè)定能量采集源節(jié)點(diǎn)A的電池容量為BA,max，能量采集協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N的電池容量為BCi,max，更加貼近實(shí)際應(yīng)用，除了用于傳輸消耗的能量忽略不計(jì)。規(guī)定在每個(gè)數(shù)據(jù)塊k,k＝1,2,...,K的傳輸過程中，我們從協(xié)作節(jié)點(diǎn)集合N中唯一選擇最佳的協(xié)作節(jié)點(diǎn)參與協(xié)作這次傳輸，記這個(gè)參與協(xié)作的節(jié)點(diǎn)為Cζ,ζ＝1,2,...,N。我們選用的放大轉(zhuǎn)發(fā)(Amplify-and-Forward，AF)的中繼協(xié)議，第一時(shí)隙源節(jié)點(diǎn)A廣播發(fā)送數(shù)據(jù)給所有協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N，第二時(shí)隙，我們選擇最佳的協(xié)作節(jié)點(diǎn)Cζ,ζ＝1,2,...,N協(xié)作轉(zhuǎn)發(fā)第一時(shí)隙源節(jié)點(diǎn)A廣播的數(shù)據(jù)給目標(biāo)通信節(jié)點(diǎn)B。我們定義端到端等效信噪比如下SNReq,ζ,k=PA,kγACζ,kPCζ,kγCζ,B,kPA,kγACζ,k+PCζ,kγCζB,k+1]]>其中：SNReq,ζ,k表示傳輸?shù)趉個(gè)數(shù)據(jù)塊同時(shí)選中第ζ個(gè)協(xié)作節(jié)點(diǎn)協(xié)作轉(zhuǎn)發(fā)時(shí)的等效端到端信噪比，PA,k和分別表示第k個(gè)數(shù)據(jù)塊傳輸時(shí)第一時(shí)隙源節(jié)點(diǎn)A的發(fā)射功率和第二時(shí)隙第ζ個(gè)協(xié)作節(jié)點(diǎn)協(xié)作轉(zhuǎn)發(fā)數(shù)據(jù)的發(fā)射功率，相應(yīng)的，和分別表示傳輸?shù)趉個(gè)數(shù)據(jù)塊同時(shí)選中第ζ個(gè)中繼協(xié)作轉(zhuǎn)發(fā)時(shí)第一時(shí)隙中繼Cζ和第二時(shí)隙目標(biāo)通信節(jié)點(diǎn)B的接收信噪比。從而系統(tǒng)吞吐量表示為步驟1.2：建立能量采集模型；定義BM,k為各種能量采集終端在準(zhǔn)備傳輸?shù)趉個(gè)數(shù)據(jù)塊時(shí)的儲(chǔ)存能量，其中M∈{A,C1,C2,...,CN},k∈{1,2,...,K}，在第k個(gè)數(shù)據(jù)塊的傳輸期間，能量采集終端M的發(fā)射功率應(yīng)該滿足0≤PM,k≤BM,k，為了簡化計(jì)算，假設(shè)能量采集終端的能量只在數(shù)據(jù)塊開始的時(shí)候發(fā)生變化，則能量限制條件是BM,k+1=min{(BM,k-PM,k+HM,k),BM,max},∀k∈{1,2,...,K}]]>其中，BM,k+1表示能量采集終端M在準(zhǔn)備傳輸?shù)趉+1個(gè)數(shù)據(jù)塊時(shí)的存儲(chǔ)能量，PM,k表示能量采集終端M的發(fā)送第k個(gè)數(shù)據(jù)塊消耗的能量，HM,k表示能量采集終端M在第k個(gè)傳輸期間能量采集終端M采集到的能量。上式表達(dá)的物理意義是：針對每個(gè)終端M，在每個(gè)傳輸塊開始傳輸以前，剩余的能量等于上一傳輸塊的剩余能量加上新采集的能量，減去消耗額能量，同時(shí)不能超過最大能量上限BM,max。同樣的HM,k也要滿足HM,k≤BM.max，為簡化運(yùn)算，定義能量采集終端的平均采集能量E{·}表示期望，設(shè)定初值BN,1＝HN,0≥0。步驟2:問題的數(shù)學(xué)模型建立；P1:maxτ≥0,w1,1,,...wN,KΣk=1K12log2(1+SNReq,k)s.t.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=1l(wn,kPCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max,∀m,∀nΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>我們進(jìn)一步分析最優(yōu)化問題P1:優(yōu)化目標(biāo)函數(shù)是最大化K個(gè)傳輸周期的總的吞吐量優(yōu)化變量是協(xié)作選擇因子和功率分配集合τ，約束條件是其中：表示考慮功率分配和中繼選擇的第k個(gè)傳輸塊的等效信噪比，τ=Δ{PA,k,PC1,k,...,PCN,k,λA,k,λC1,k,...,λCN,k|,k∈{1,2...,K}}]]>λA,k,表示拉格朗日松弛變量。分析約束條件：表示針對源節(jié)點(diǎn)A每一次傳輸?shù)南牡哪芰恐鸵欢ㄒ∮诓杉降哪芰恐?；表示針對協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N每一次傳輸?shù)南牡哪芰恐鸵欢ㄒ∮诓杉降哪芰恐?；表示針對源?jié)點(diǎn)A每一次傳輸?shù)牟杉降哪芰恐蜏p去消耗的能量之和一定要小于該自身的能量存儲(chǔ)上限；表示針對協(xié)作節(jié)點(diǎn)Ci,i＝1,2,...,N每一次傳輸?shù)牟杉降哪芰恐蜏p去消耗的能量之和一定要小于該自身的能量存儲(chǔ)上限；表示每一次的傳輸只能唯一的選擇一個(gè)協(xié)作節(jié)點(diǎn)參與轉(zhuǎn)發(fā)數(shù)據(jù)；表示協(xié)作選擇的指示因子，wn,k＝0表示第n個(gè)協(xié)作節(jié)點(diǎn)在第k個(gè)數(shù)據(jù)包的轉(zhuǎn)發(fā)中沒有參與協(xié)作，ωn,k＝1示第n個(gè)協(xié)作節(jié)點(diǎn)在第k個(gè)數(shù)據(jù)包的轉(zhuǎn)發(fā)中參與協(xié)作。步驟3:問題求解，拉格朗日因子法求解P1；為了提高進(jìn)一步改進(jìn)，提高算法的運(yùn)算效率，本發(fā)明提出一種新的求解最優(yōu)化問題P1的思路，采用拉格朗日乘子方法去尋優(yōu)，速度更快，算法復(fù)雜度更低。具體來說，所述最優(yōu)化問題P1的求解可以采用拉格朗日因子方法：所述優(yōu)化問題P1的求解可以采用拉格朗日因子方法：L(PA,k,PCn,k,wn,k,λA,k,λCn,k,βA,k,0,βCn,k,0,βA,k,1,βCn,k,1,βk)=Σk=1K12log2(1+SNReq,k)-βA,k,0(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-βCn,k,0(Σk=1l(wn,kPCn,k+λCn,k)-Σk=0l-1HCn,k)-βA,k,1(Σk=0mHA,k-Σk=0m(PA,k+λA,k)-BA,max)-βCn,k,1(Σk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max)-βk(Σn=1Nwn,k-1)]]>再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,βk是相應(yīng)的拉格朗日因子。實(shí)施例二采用拉格朗日乘子算法的基礎(chǔ)上，每一次循環(huán)迭代的過程中我們可以采用次梯度方法，并選用漸進(jìn)步長，尋優(yōu)更加精確。具體來說，所述優(yōu)化問題P1的拉格朗日形式中的拉格朗日因子μl,λl的迭代更新方法采用次梯度算法，復(fù)雜度更低，更有效率。所述所述優(yōu)化問題P1的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，復(fù)雜度更低，更有效率，所述次梯度算法的迭代更新方程是βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HC0,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。為了使得迭代速度更快，精度更高，我們選擇遞進(jìn)減小的迭代步長。所述迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n2,k=1,2,...,K,n=1,2,...,N.]]>實(shí)施例三為了進(jìn)一步提高算法的效率，降低算法復(fù)雜度，從而滿足實(shí)時(shí)運(yùn)算的要求，本發(fā)明可以在實(shí)施例一和實(shí)施例二的基礎(chǔ)上進(jìn)一步改進(jìn)，具體來說，我們可以利用凸優(yōu)化理論進(jìn)行SNR近似，在極大的降低算法復(fù)雜度的同時(shí)不明顯降低系統(tǒng)性能。所述步驟1中端到端等效信噪比近似為：SNReq,k≈SNR‾eq,k=ΔΣn=1Nwn,kPA,kγACζ,kPCζ,kγCζB,kPA,kγACζ,k+PCζ,kγCζB,k]]>得到修正后的優(yōu)化問題P2P2:maxτ≥0,w1,1,,...wN,KΣk=1K12log2(1+SNR‾eq,k)s.t.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=1l(wn,kPCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)≤BCn,max,∀m,∀nΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>我們進(jìn)一步分析最優(yōu)化問題P2:優(yōu)化目標(biāo)函數(shù)是最大化K個(gè)傳輸周期的總的吞吐量優(yōu)化變量是協(xié)作選擇因子ω1,1,...,ωN,K和功率分配集合τ，約束條件是所述優(yōu)化問題P2的求解可以采用拉格朗日因子方法：再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,βk是相應(yīng)的拉格朗日因子。所述所述優(yōu)化問題P2的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，復(fù)雜度更低，更有效率，所述次梯度算法的迭代更新方程是βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HCn,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。所述迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n,k=1,2,...,K,n=1,2,...,N.]]>實(shí)施例四在某些應(yīng)用場景下，我們可以進(jìn)一步犧牲精度要求，獲得更快捷實(shí)時(shí)運(yùn)算效果。因此，我們可以進(jìn)一步利用凸優(yōu)化理論進(jìn)行SNR近似，在極大的降低算法復(fù)雜度的同時(shí)不明顯降低系統(tǒng)性能。所述步驟1中端到端等效信噪比近似為：SNReq,k≈SNR‾‾eq,k=ΔΣn=1NPA,kγACζ,kPCζ,kγCζB,kPA,kγACζ,k+PCζ,kγCζB,k]]>得到修正后的優(yōu)化問題P3P3:maxτ≥0,w1,1,...,wN,KΣk=1K12log(1+SNR‾‾eq,k)s.t.Σk=1l(PCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHCn,k-Σk=1m(PCn,k+λCn,k)≤BCn,max,∀m,∀nPCn,k≤wn,kΣk=0mHCn,m,∀k,∀nΣk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀lΣk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>我們進(jìn)一步分析最優(yōu)化問題P3:優(yōu)化目標(biāo)函數(shù)是最大化K個(gè)傳輸周期的總的吞吐量優(yōu)化變量是協(xié)作選擇因子ω1,1,...,ωN,K和功率分配集合τ，約束條件是所述優(yōu)化問題P3的求解可以采用拉格朗日因子方法：L(PA,k,PCn,k,wn,k,λA,k,λCn,k,βA,k,0,βCn,k,0,βA,k,1,βCn,k,1,βk)=Σk=1K12log2(1+SNR‾eq,k)-βA,k,0(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-βCn,k,0(Σk=1l(wn,kPCn,k+λCn,k)-Σk=0l-1HCn,k)-βA,k,1(Σk=0mHA,k-Σk=0m(PA,k+λA,k)-BA,max)-βCn,k,1(Σk=0mHCn,k-Σk=1m(wn,kPCn,k+λCn,k)-BCn,max)-βk(Σn=1Nwn,k-1)]]>再聯(lián)立和n∈{1,2,...,N},k∈{1,2,...,K}，并用次梯度方法迭代求解，其中βA,k,0,βA,k,1,βk是相應(yīng)的拉格朗日因子。所述所述優(yōu)化問題P3的拉格朗日形式中的拉格朗日因子βA,k,0,βA,k,1,βk的迭代更新方法采用次梯度算法，復(fù)雜度更低，更有效率，所述次梯度算法的迭代更新方程是βA,k,0(n+1)=[βA,k,0(n)-δA,k,0(n)(Σk=0l-1HA,k-Σk=1l(PA,k+λA,k))]+]]>βCn,k,0(n+1)=[βCn,k,0(n)-δCn,k,0(n)(Σk=0l-1HCn,k-Σk=1l(wn,kPCn,k+λCn,k))]+]]>βA,k,1(n+1)=[βA,k,1(n)-δA,k,1(n)(Σk=0m(PA,k+λA,k)+BA,max-Σk=0mHA,k)]+]]>βCn,k,1(n+1)=[βCn,k,1(n)-δCn,k,1(n)(Σk=1m(wn,kPCn,k+λCn,k)+BCn,max-Σk=0mHCn,k)]+]]>βk(n+1)=[βk(n)-δk(n)(1-Σn=1Nwn,k)]+]]>其中βA,k,0(n),βA,k,1(n),βk(n)分別表示第n次迭代的拉格朗日因子，δA,k,0(n),δA,k,1(n),δk(n)分別表示相應(yīng)的迭代步長。所述迭代步長可以設(shè)置成：δA,k,0(n)=δCn,k,0(n)=δA,k,1(n)=δCn,k,1(n)=δk(n)=1n,k=1,2,...,K,n=1,2,...,N.]]>實(shí)施例五針對求解問題P3，為了進(jìn)一步降低算法復(fù)雜度，滿足實(shí)時(shí)運(yùn)算的需求，本發(fā)明采用GBD方法，將最優(yōu)化問題分解成2個(gè)子問題P4和P5，并用交叉迭代方法求解。具體來說，P4實(shí)質(zhì)上是在給定協(xié)作選擇因子ω1,1,...,ωN,K的基礎(chǔ)上求解功率分配集合τ，子問題P5實(shí)質(zhì)上是在給定功率分配集合τ的基礎(chǔ)上求解協(xié)作選擇因子ω1,1,...,ωN,K。P4:maxτ≥0Σk=1K12log2(1+SNR‾‾eq,k)s.t.PCn,k≤wn,k(i-1)Σm=0k-1HCn,m,∀kand∀n.Σk=1l(PA,k+λA,k)≤Σk=0l-1HA,k,∀l,Σk=0mHA,k-Σk=0m(PA,k+λA,k)≤BA,max,∀mΣk=1l(PCn,k+λCn,k)≤Σk=0l-1HCn,k,∀l,∀nΣk=0mHCn,k-Σk=1m(PCn,k+λCn,k)≤BCn,max,∀m,∀n]]>我們進(jìn)一步分析最優(yōu)化子問題P4:目標(biāo)函數(shù)是最大化修正后的K個(gè)傳輸周期的總的吞吐量優(yōu)化變量是功率分配集合τ，約束條件是需要特別指出的是子問題P4實(shí)質(zhì)上是在給定協(xié)作選擇因子ω1,1,...,ωN,K的基礎(chǔ)上求解功率分配集合τ，定義分別表明第i次迭代是獲得的最優(yōu)功率分配。子問題P5是在給定功率分配集合τ的基礎(chǔ)上求解協(xié)作選擇因子ω1,1,...,ωN,K，為了求解P5，首先定義P5問題的拉格朗日表達(dá)式如下L(PA,k,PCn,k,λA,k,λCn,k,ξA,lξCn,l,ηA,m,ηCn,m,αn,k)=Σk=1K12log2(1+Σn=1NPA,kPCn,kγACn,kγCnB,kPCn,kγCn,B,k+PA,kγACn,k)-Σl=1KξA,l(Σk=1l(PA,k+λA,k)-Σk=0l-1HA,k)-Σn=1NΣk=1Kαn,k(PCn,k-wn,kΣm=0k-1HCn,m)-Σn=1NΣk=1KξCn,l(Σk=1l(PCn,k+λCn,k)-Σk=0l-1HCn,k)-Σm=1KηA,m(Σk=0mHA,k-Σk=1m(PA,k+λA,k)-BA,max)-Σn=1NΣm=1KηCn,m(Σk=0mHCn,k-Σk=1m(PCn,k+λCn,k)-BCn,max)]]>其中ξA,l,ηA,m,αn,k是相應(yīng)的拉格朗日因子，表示最優(yōu)的拉格朗日因子，在給定第i次迭代的最優(yōu)值的前提下，歸結(jié)最優(yōu)化子問題P5如下：P5:maxβM≥0,w1,1,...,wN,kβMs.t.βM≤L(PA,k(j)*,PCn,k(j)*,λA,k(j)*,λCn,k(j)*,ξA,k(j)*,ξCn,k(j)*,ηA,m(j)*,ηCn,k(j)*,αn,k(j)*),j∈{1,2,...,i}Σn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n]]>我們進(jìn)一步分析最優(yōu)化子問題P5:目標(biāo)函數(shù)是最大化非負(fù)的拉格朗日對偶因子βM，優(yōu)化變量是協(xié)作選擇因子ω1,1,...,ωN,K，約束條件是βM≤L(PA,k(j)*,PCn,k(j)*,λA,k(j)*,λCn,k(j)*,ξA,k(j)*,ξCn,k(j)*,ηA,m(j)*,ηCn,k(j)*,αn,k(j)*),j∈{1,2,...i}Σn=1Nwn,k=1,∀kwn,k∈{0,1},∀k,∀n,]]>需要特別指出的是子問題P5實(shí)質(zhì)上是在給定功率分配集合τ的基礎(chǔ)上求解協(xié)作選擇因子ω1,1,...,ωN,K，定義分別表明第j次迭代是獲得的最優(yōu)功率分配。下面給出本發(fā)明GBD算法的詳細(xì)步驟：步驟A1：初始化協(xié)作選擇因子ωn,k,迭代算法收斂閾值ε，迭代次數(shù)i；步驟A2：求解最優(yōu)化子問題P4，獲得當(dāng)前的最優(yōu)值并獲得最優(yōu)化問題P3第i次迭代的下界，記為LB(i)；步驟A3：利用當(dāng)前的最優(yōu)的P4的解代入最優(yōu)化子問題P5，求得當(dāng)前的最優(yōu)值并獲得最優(yōu)化問題P3第i次迭代的上界，記為UB(i)；步驟A4：收斂條件判斷，當(dāng)|UB(i)-LB(i)|≤ε時(shí)，算法收斂，跳至步驟A5，否則，設(shè)置i＝i+1跳至步驟A2，繼續(xù)迭代算法；步驟A5：算法結(jié)束，輸出最后一次的子問題P4和P5的解，作為當(dāng)前收斂閾值下的最優(yōu)解。需要特別指出的是，迭代算法收斂閾值ε可以根據(jù)當(dāng)前信道狀態(tài)以及用戶的需求，自適應(yīng)調(diào)整，從而滿足實(shí)時(shí)運(yùn)算，易于實(shí)際運(yùn)用。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3