摘要：无线携能通信网络中发送端获取用户信道状态信息时,会造成时间和频谱资源的浪费。对此,在多用户多输入单输出网络中研究了发送端只有信道分布信息的节能波束形成设计。在信息中断概率、总可用功率以及授权用户可用功率约束下,网络能量效率通过改进的教与学优化算法实现了最大化。此外,针对提出的功率消耗方案,考虑了非线性能量接收机制并提出功率分流机制,使接收机避免进入饱和区,从而提高了功率接收效率。改进的教与学优化算法结合了鲸鱼优化算法的优点,解决了构造得出的非凸优化问题,并提高了收敛速度。仿真实验分析了动态能量分配场景下中断概率、动态功耗系数以及发送端可用功率对系统能量效率的影响,证实了所提算法的有效性。

摘要：异构携能通信网络中信道状态信息不准确时,为保证信息、能量传输的安全性与可靠性,该文提出一种基于人工噪声辅助的鲁棒安全传输方案。通过联合设计宏基站、微基站的下行信息波束及人工噪声矩阵,干扰窃听者,同时提升系统能量接收性能。在基站的发送功率约束、合法用户的信息接收及能量接收中断约束和窃听者的窃听信息中断约束下,以最大化系统能量接收性能为目标进行建模。针对该问题的非凸性,首先将其等效转化为一种易于处理的形式;而后进一步利用Berstein-type不等式处理其中的中断概率约束,将其转化为凸的问题进行求解。仿真结果验证了该方案的安全性和鲁棒性。

摘要：异构携能通信网络中CSI存在随机误差时,为保证信息与能量传输的安全性及可靠性,提出一种人工噪声辅助的顽健能量与信息安全传输方案。通过联合设计宏基站、微基站的下行信息波束矩阵及人工噪声矩阵,使网络中其他用户信号及人工噪声能够干扰窃听者。同时提升系统能量的接收性能。考虑CSI随机误差,在基站的发送功率约束、合法用户的信息接收中断约束及窃听者的信息窃听中断约束下,以最大化系统能量接收性能为目标进行数学建模。建模后的问题是非凸的,首先将其等效转化为一种易于处理的形式;然后,分别利用Berstein-type不等式和Large-deviation不等式这2种方式将其中的中断概率约束转化为凸的线性矩阵不等式;最后结合二次等式引理及递归估计算法处理秩为1波束成形约束的非凸性。仿真结果表明,与对比方案相比,所提方案具有更高的系统能量接收性能和可行解性能,验证了其有效性和顽健性。

摘要：在存在窃听者且合法用户配备功率分裂器用于能量转化的条件下,对毫米波大规模多输入多输出(MIMO)非正交多址接入(NOMA)系统的安全能效(SEE)问题进行了研究。首先根据信道状态信息对合法用户进行分组并选出各组的簇头,然后利用NOMA技术和混合数字模拟预编码技术设计多个波束分别服务于各簇。在此基础上,研究优化发送功率及功率分配系数的安全能效最大化问题。应用Dinkelbach技术和一阶泰勒展开式将原非凸问题转化为凸优化问题,进而提出一种迭代优化算法获得最初问题的解。仿真结果表明,所提方案有效提高了系统的安全能效。

摘要：以智能反射面(intelligent reflecting surface,IRS)辅助的无线携能通信(simultaneous wireless information and power transfer,SWIPT)系统为背景,研究了该系统中基于能效优先的多天线发送端有源波束成形与IRS无源波束成形联合设计与优化方法。以最大化接收端的最小能效为优化目标,构造在发送端功率、接收端能量阈值、IRS相移等多约束下的非线性优化问题,用交替方向乘子法(alternating direction method of multipliers,ADMM)求解。采用Dinkelbach算法转化目标函数,通过奇异值分解(singular value decomposition,SVD)和半定松弛(semi-definite relaxation,SDR)得到发送端有源波束成形向量。采用SDR得到IRS相移矩阵与反射波束成形向量。结果表明,该系统显著降低了系统能量收集(energy harvesting,EH)接收端的能量阈值。当系统总电路功耗为−15 dBm时,所提方案的用户能效为300 KB/J。当IRS反射阵源数与发送天线数均为最大值时,系统可达最大能效。

摘要：针对下行多用户携能通信网络中具有非线性特征的能量收集过程,提出了一种使用连续凸逼近方法的能量收集方案。该方案考虑授权用户对信息的安全性要求,构造了具有最大化保密能量效率的优化问题,联合优化了多用户的保密速率与网络能耗。为求解该多变量耦合的非凸优化问题,采用泰勒级数转换非凸函数,在连续凸逼近和Dinkelbach理论框架内,设计了满足最大保密能量效率要求的资源分配算法,获得了授权用户所需的最小输入功率。仿真实验的结果验证了该算法在最优化系统保密能量效率上的有效性。为多输入多输出或无法获得完整信道状态信息等更真实无线携能通信网络中通信安全及能量效率的研究提供了依据。

摘要：为了解决传统基于最优化方法所设计的无线网络资源管理策略通常复杂度较高且实时性差,不利于在线决策制定的问题,针对基于SWIPT的传感云系统,建立汇聚(sink)节点能效最大化问题及其数学模型,然后引入深度学习方法,通过对最优化算法的学习实现更低复杂度与更高实时性的算法设计。为了实现深度学习算法在网络资源分配中的应用,首先将sink节点最优能效模型转化为高维可求解形式,设计具有迭代形式的SWIPT-WMMSE算法实现最优波束成形矢量的求解,同时证明了算法的收敛性。然后基于DNN逼近误差的传递过程推导了DNN设计准则,并通过对DNN的训练实现其对SWIPT-WMMSE算法的逼近。最后通过仿真实验分别验证了SWIPT-WMMSE算法与DNN算法的有效性,及DNN算法的逼近效果和在提升系统性能方面的优势。

摘要：设计一种具有SWIPT的全双工异构蜂窝网络系统框架,考虑到小区之间的跨层干扰和宏微蜂窝小区的服务质量要求,提出一种基于最大化毫微蜂窝小区能效的资源分配算法.算法首先考虑对上行传输链路的功率控制,以减小对下行传输链路的干扰;其次在确定了上行最优传输速率的基础上,对下行发射功率和功率分流因子进行联合优化以最大化能效.针对联合优化的问题属于难以解决的非凸问题,首先利用Dinkelbach方法对原始非凸分式规划问题进行转化,并基于双循环变量法将联合优化问题转化为2个等价的子问题,然后通过拉格朗日对偶原理和次梯度迭代算法获得最优发射功率分配和功率分流因子.仿真实验证明了所提出的基于最大化系统能效的资源分配算法的可行性和有效性.

摘要：现有的无线供电通信网络(Wireless powered communication networks,WPCN)只考虑在下行链路中进行能量传输,没有考虑信息传输的需求。实际上,在很多应用场景中需要考虑利用下行链路传输信息。如何制定发送策略来权衡各用户上行传输速率的公平性与最大化是WPCN中的研究热点。本文提出一种新的在强干扰蜂窝小区中进行能量与信息传输的设计方案,将下行无线信息与能量的同时传输(Simultaneous wireless information and power transfer,SWIPT)与无线供电通信网络相结合,实现基站与用户之间的下行能量传输与上下行双向信息传输。该方案通过上行功率分配、下行时间分配与波束成形以实现上下行最小传输速率的最大化,从而实现各用户上下行信息传输的性能与公平性的平衡。仿真结果表明,与传统的传输方式相比,本方案显著提高用户的最小传输速率。