龍彥，張曉倩,2，方旭明，何蓉

?

基于能量采集認(rèn)知無線網(wǎng)中的資源分配方案研究

龍彥1，張曉倩1,2，方旭明1，何蓉1

（1. 西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院，四川 成都 611756；2. 新譽集團北京防務(wù)技術(shù)研究院，北京 100071)

考慮到次用戶的能量采集能力具有差異，且不同的次用戶對信道的感知能力不同，在各信道上傳輸?shù)男诺蕾|(zhì)量也不同，基于單跳網(wǎng)絡(luò)場景，以次級網(wǎng)絡(luò)吞吐量為優(yōu)化目標(biāo)，結(jié)合能量采集技術(shù)，在能量因果關(guān)系約束下，提出一種次用戶傳輸信道選擇、傳輸功率控制、傳輸時間分配的多維聯(lián)合資源優(yōu)化模型。其中，針對原始的非凸優(yōu)化問題，通過將其轉(zhuǎn)化為一系列的凸優(yōu)化子問題，得出資源分配算法（OPTA），并通過與傳統(tǒng)資源分配算法（HDEA、OTA及RA）對比，驗證了所提算法的正確性及有效性。仿真結(jié)果顯示，在同一最大功率門限條件下，OPTA比傳統(tǒng)的HDEA、OTA及RA的吞吐量分別提高了約6%、37%及50%；在同一信道增益差異度的條件下，OPTA比HDEA、OTA及RA的吞吐量分別提高了約30%、60%及94%；在同樣次用戶能量采集效率差異度下，OPTA比HDEA、OTA及RA的吞吐量分別提高了約27%、50%及92%。

認(rèn)知無線網(wǎng)；能量采集；資源分配；能量因果關(guān)系

1 引言

無線通信業(yè)務(wù)的迅猛增長，使有限的頻譜資源已難以滿足數(shù)據(jù)業(yè)務(wù)的增長需求。認(rèn)知無線電作為一種能夠提高頻譜利用率的技術(shù)受到廣泛關(guān)注。在認(rèn)知無線電網(wǎng)絡(luò)中，次用戶通過頻譜感知檢測信道狀態(tài)，當(dāng)檢測到信道空閑時，次用戶即可接入信道傳輸，故其傳輸受到感知性能的影響[1-2]。另一方面，能量采集技術(shù)能有效解決認(rèn)知無線電網(wǎng)絡(luò)，尤其是認(rèn)知物聯(lián)網(wǎng)場景中次用戶的供能需求問題，延長網(wǎng)絡(luò)使用壽命及維護周期，成為近期的研究熱點。在結(jié)合能量采集技術(shù)的認(rèn)知無線電網(wǎng)絡(luò)中，次用戶在一個周期內(nèi)可使用的能量受限于采集到的能量，因此需要對次用戶的頻譜感知性能、信道傳輸質(zhì)量、能量采集效率等方面進(jìn)行聯(lián)合優(yōu)化，從而改善網(wǎng)絡(luò)的性能。

目前，國內(nèi)外已有一些文獻(xiàn)對基于能量采集認(rèn)知無線電網(wǎng)絡(luò)當(dāng)中的資源優(yōu)化問題進(jìn)行研究。例如，在文獻(xiàn)[3]中，若干次用戶以多跳的方式傳輸數(shù)據(jù)。每一跳次用戶在等待前面次用戶傳輸?shù)倪^程中采集能量，然后將采集到的能量數(shù)據(jù)進(jìn)行傳輸?？梢姡窂街械拿恳惶斡脩舻哪芰坎杉^程和傳輸時間分配過程相互影響，作者通過對發(fā)射功率及時間分配進(jìn)行聯(lián)合優(yōu)化，實現(xiàn)了端到端吞吐量的最優(yōu)。在文獻(xiàn)[4]中，作者假設(shè)次用戶采用時分的方式，依次執(zhí)行能量采集、頻譜感知、數(shù)據(jù)傳輸3個過程，并且通過優(yōu)化次用戶在這3個過程中的時間分配最大化網(wǎng)絡(luò)吞吐量。但是文獻(xiàn)[3]中缺少對次用戶感知過程的分析，文獻(xiàn)[4]雖然對感知時間進(jìn)行了優(yōu)化，但沒有考慮到次用戶的感知精度對其吞吐量的影響。

文獻(xiàn)[5]提出了一種模式選擇策略，作者基于次用戶在一個周期內(nèi)剩余能量和能量采集能力的差異特性，將次用戶行為模式劃分成3種，并選擇合適的模式來平衡系統(tǒng)吞吐量及能量采集之間的關(guān)系。文獻(xiàn)[6]利用壓縮感知技術(shù)降低了次用戶的感知能耗及時間。通過優(yōu)化各次用戶發(fā)送功率及次用戶各階段時間分配，在不干擾主用戶且滿足能量因果關(guān)系的前提條件下，追求吞吐量的最大化。但是，文獻(xiàn)[5-6]都僅僅考慮了次用戶接入單一信道的情況，對于多信道場景以及其中的信道分配問題沒有做進(jìn)一步的討論。

文獻(xiàn)[7]考慮一個擁有多個次用戶及多信道可用的認(rèn)知無線電網(wǎng)絡(luò)，分別就填充式和襯墊式2種頻譜接入方式，討論了感知時間分配、傳輸功率控制及信道分配選擇的聯(lián)合優(yōu)化問題，并基于感知時間、能量采集最小門限、吞吐量三者之間的相互影響關(guān)系，實現(xiàn)了資源的公平分配。但是文中的模型對次用戶能量采集與能量消耗之間的約束關(guān)系沒有進(jìn)行深入的討論。

文獻(xiàn)[8]基于協(xié)同頻譜感知技術(shù)，借助次用戶行為模式、感知時間、能量檢測門限多維變量的統(tǒng)一配置，結(jié)合次用戶頻譜感知組合的選擇策略，最大化次級網(wǎng)絡(luò)的總吞吐量。文獻(xiàn)[9]基于電池儲能、能量因果關(guān)系，在避免干擾主用戶的約束條件下，通過控制傳輸功率及優(yōu)化信道分配，最大化網(wǎng)絡(luò)能效。文獻(xiàn)[10]提出一種提升次用戶平均頻譜效率的信道選擇及接入策略，策略基于次用戶可用能量、主用戶活躍狀態(tài)及信道條件，決定是否感知或接入某授權(quán)頻段。但是，文獻(xiàn)[8-10]未對能量采集及傳輸時間分配問題進(jìn)行深入研究。

綜上，本文主要從以下方面進(jìn)行研究。

1) 經(jīng)過信道感知階段后，次用戶從感知到的可用信道中選擇信道進(jìn)行數(shù)據(jù)傳輸。次用戶的吞吐量性能一方面將受不同信道的傳輸質(zhì)量影響，另一方面將受信道感知階段的感知精度影響。例如，在某信道上感知的虛檢概率越大，意味著次用戶將浪費更多的傳輸機會，這降低了吞吐量。因此，從最大化次用戶吞吐量的角度出發(fā)，需綜合考慮信道質(zhì)量及各信道上感知性能的差異，選擇合適信道接入進(jìn)行數(shù)據(jù)傳輸。

2) 當(dāng)次用戶在某信道上接入進(jìn)行數(shù)據(jù)傳輸時，考慮能量采集認(rèn)知無線電網(wǎng)絡(luò)的特點，次用戶的吞吐量性能進(jìn)一步受能量采集效率、能量采集時間、發(fā)送功率、傳輸時間影響。例如，由于能量因果關(guān)系，次用戶在某一信道進(jìn)行數(shù)據(jù)傳輸時所消耗的總能量必須小于或等于該次用戶前期所采集到的總能量。因此，次用戶的能量采集效率越高，能量采集時間越長，獲得的可供后期數(shù)據(jù)傳輸?shù)哪芰烤驮蕉啵斡脩舻耐掏铝烤驮酱?。但若能量采集時間過長，相反又會相應(yīng)壓縮后續(xù)數(shù)據(jù)傳輸?shù)臅r間，從而降低吞吐量性能。因此，需基于次用戶能量采集效率的差異性及能量因果關(guān)系的約束，平衡發(fā)送功率、數(shù)據(jù)傳輸時間兩者對網(wǎng)絡(luò)吞吐量的影響。

可見，在基于能量采集的認(rèn)知無線電網(wǎng)絡(luò)中，受能量因果關(guān)系約束，需綜合考慮各個次用戶在各個信道上感知性能、傳輸質(zhì)量、能量采集效率等方面的差異性，對次用戶的傳輸信道選擇、傳輸功率控制、傳輸時間分配進(jìn)行聯(lián)合優(yōu)化，以最大化次級網(wǎng)絡(luò)的吞吐量性能。

2 系統(tǒng)模型

考慮一個基于能量采集技術(shù)的單跳認(rèn)知無線電網(wǎng)絡(luò)，如圖1所示。網(wǎng)絡(luò)由個主用戶、個次用戶、一個認(rèn)知基站、一個主用戶基站組成。次用戶僅有單根天線且工作在半雙工模式，則一個次用戶不可同時在多信道上傳輸，也不能同時進(jìn)行頻譜感知、能量采集和數(shù)據(jù)傳輸操作。假設(shè)每個主用戶擁有一條授權(quán)信道，故網(wǎng)絡(luò)中共有條授權(quán)信道。網(wǎng)絡(luò)采用集中式架構(gòu)，認(rèn)知基站借助專用控制信道與次用戶交互控制信息（專用控制信道不屬于上文中條授權(quán)信道的范圍）。利用能量采集技術(shù)，次用戶可以從周圍環(huán)境中的太陽能、風(fēng)能等能源采集能量。

圖1 系統(tǒng)模型

圖2 次用戶幀結(jié)構(gòu)

在次用戶頻譜感知的過程中，若主用戶占用信道，即信道忙，用事件1表示，信道空閑用事件0表示。采用基于能量檢測的頻譜感知方式[13]，次用戶在感知時間內(nèi)對其所收到的主用戶信號采樣，計算出表示主用戶信號強度的檢驗統(tǒng)計量()。假設(shè)預(yù)設(shè)的能量檢測門限為，則將()的值與比較，若()＞，則判定為事件1，否則判定為事件0。

雖然次用戶可以通過頻譜感知判斷信道狀態(tài)，但其感知結(jié)果不總是準(zhǔn)確的。對于次用戶的感知精度，常采用檢測概率和虛檢概率來衡量。檢測概率的表達(dá)式如式(1)所示，表示主用戶占用信道傳輸數(shù)據(jù)時次用戶能夠正確檢測出該狀態(tài)的概率。為限定次用戶傳輸對主用戶造成的干擾，并最大限度地保護主用戶，通常將次用戶檢測概率設(shè)置為不低于某一門限值。

虛檢概率如式(2)所示，表示當(dāng)主用戶沒有傳輸，信道處于空閑狀態(tài)時，次用戶錯誤檢測為信道處于占用狀態(tài)的概率。

可見，次用戶的頻譜感知精度越高，意味著次用戶有更大的檢測概率及更小的虛檢概率。根據(jù)文獻(xiàn)[13]，假設(shè)主信號為復(fù)相移鍵控已調(diào)信號，噪聲為循環(huán)對稱復(fù)高斯噪聲，那么次用戶對主用戶的檢測概率與虛檢概率表達(dá)式分別為

因此，式(4)所表示的虛檢概率可等價為

3 優(yōu)化資源分配算法

假設(shè)={1,…,}表示次用戶的集合，={1,…,}表示主用戶的集合，設(shè)信道帶寬為1，則次用戶在信道上的傳輸速率為

假設(shè)為次用戶分配了信道，則其吞吐量為

根據(jù)式(7)及式(8)，在次用戶傳輸信道確定后，可通過增大傳輸功率或延長傳輸時間的方式來進(jìn)一步增加吞吐量。然而，一方面，受硬件設(shè)備的限制，傳輸功率具有上界，并且傳輸時間需小于一個周期時長。另一方面，傳輸功率與傳輸時間同時決定能量消耗，兩者相互制約，共同受制于能量因果關(guān)系的約束?？梢?，為實現(xiàn)吞吐量的最優(yōu)，需要設(shè)計聯(lián)合的優(yōu)化方案。

假設(shè)為次用戶分配信道，根據(jù)能量因果關(guān)系，有

根據(jù)式(8)可得，次級網(wǎng)絡(luò)總吞吐量為

根據(jù)上述分析，建立相應(yīng)的目標(biāo)函數(shù)及約束條件。

s.t.

模型中將次級網(wǎng)絡(luò)吞吐量作為目標(biāo)函數(shù)，其中，P表示第條信道的空閑概率，P(1?f,i,j)表示只有當(dāng)信道空閑且由次用戶正確檢測出該情況時才能產(chǎn)生實際的吞吐量。

約束條件C1表示次用戶在信道上的傳輸時間需小于或等于一個周期的時長與感知時長之差。約束C2表示次用戶在信道上的傳輸功率受硬件約束不可超過其最大閾值。約束C3表示次用戶在信道上的傳輸能耗需小于或等于其采集到的總能量。約束C4表示次用戶是否接入信道。約束C5表示一條信道同一時刻只可由一個次用戶接入傳輸。約束C6表示一個次用戶同一時刻只能接入一條信道。

該原始優(yōu)化模型為非凸優(yōu)化問題，不易求解，下面，本文將進(jìn)一步對其轉(zhuǎn)化，從而便于求解。

據(jù)此，原問題轉(zhuǎn)化為

s.t.

其中，有

3) 輸入變量的初始值，=0。

8)=，轉(zhuǎn)到步驟5)。

4 仿真與分析

仿真過程的參數(shù)設(shè)置依據(jù)文獻(xiàn)[15-16]。主用戶空閑概率、次用戶單位時間采集能量、次用戶相對信道的傳輸增益及其對主用戶的感知信噪比在一定范圍內(nèi)隨機取值，其他常量參數(shù)如表1所示。

表1 仿真參數(shù)

本文利用不同次用戶間的差異性，通過對次用戶傳輸功率、傳輸時間和信道分配的聯(lián)合優(yōu)化來提升網(wǎng)絡(luò)性能，因此本文提出的算法將對不同次用戶的傳輸功率及傳輸時間分別進(jìn)行優(yōu)化，記為OPTA。其他用于比較的對比算法如下。

1) 文獻(xiàn)[2]中提出的HDEA（hybrid differential evolution algorithm)，該算法主要通過優(yōu)化次用戶能量采集、頻譜感知以及數(shù)據(jù)傳輸3個階段的時間分配最大化次級網(wǎng)絡(luò)吞吐量。

2) 基于次用戶的頻譜感知結(jié)果，僅根據(jù)信道傳輸性能進(jìn)行信道分配的OTA（optimized transmission algorithm），在該算法中各次用戶具有相同的傳輸功率和傳輸時間。

3) 基于次用戶的頻譜感知結(jié)果的隨機分配信道算法RA（random assignment channel algorithm），其中所有次用戶的傳輸功率及傳輸時間相同。

4) 基于算法OPTA，但不考慮信道空閑的概率及次用戶的感知精度，等價于信道空閑概率（idle probability）始終為1的情況，簡稱為OPTA-P=1。

當(dāng)網(wǎng)絡(luò)中存在4個次用戶、4條信道且基于本次仿真參數(shù)設(shè)置的前提下，隨著次用戶數(shù)量的增加，網(wǎng)絡(luò)吞吐量經(jīng)不同算法優(yōu)化后所能達(dá)到的最大值如圖3所示。

圖3 次用戶數(shù)量對吞吐量的影響

從圖3可知，隨著次用戶數(shù)量的增加，不同算法的吞吐量也逐漸增大，原因在于隨著次用戶數(shù)目增多，次級網(wǎng)絡(luò)的傳輸業(yè)務(wù)也將增大，故提升了吞吐量。算法OTA能根據(jù)次用戶傳輸性能合理分配傳輸信道，使其比隨機分配信道的RA能獲得更高的吞吐量。算法OPTA除基于信道傳輸性能外還額外考慮了次用戶能量采集性能的影響來進(jìn)行信道分配，因而其實現(xiàn)的吞吐量相比OTA及RA分別提高了大約60%及76%。算法HDEA在進(jìn)行信道分配優(yōu)化的過程中未考慮感知精度的影響，因此本文算法OPTA的吞吐量比HDEA提升了大約10%。算法OPTA-P=1表示確定信道處于空閑狀態(tài)時，算法OPTA實現(xiàn)吞吐量可達(dá)到的最大值。

由于次用戶的傳輸功率不能超過其可達(dá)的最大閾值，該最大值的設(shè)定以及次用戶感知信噪比的變化對不同算法實現(xiàn)吞吐量的影響如圖4所示。圖中實線表示多個次用戶在給定?20~?10 dB的感知信噪比范圍內(nèi)隨機取值，并基于這一組參數(shù)得到相應(yīng)算法下的最大吞吐量，最終在經(jīng)過100組實驗后取平均值；圖中虛線則表示將每個次用戶的感知信噪比降低到了實線情況5%時的仿真結(jié)果。由圖4可知，幾種算法的吞吐量都會隨著感知信噪比的降低而有所減小，算法OPTA、HDEA、OTA及RA分別下降了約38%、42%、37%及39%。針對最大傳輸功率門限對網(wǎng)絡(luò)吞吐量的影響，由圖4可知，隨著傳輸功率門限增大，不同算法實現(xiàn)的網(wǎng)絡(luò)吞吐量都隨之增大，但增長速度逐漸減小，最后趨于平穩(wěn)。這是因為增大次用戶的傳輸功率會促進(jìn)網(wǎng)絡(luò)吞吐量提高，但受到能量因果關(guān)系的約束，次用戶傳輸功率的增大需要付出傳輸時間縮短的代價，而傳輸時間縮短則會使網(wǎng)絡(luò)吞吐量減小，反之亦然。因此，當(dāng)初始傳輸功率較低而傳輸時間較高時，傳輸功率增大對網(wǎng)絡(luò)吞吐量的有利影響比傳輸時間減少帶來的不利影響要大。但隨著傳輸功率不斷增大，傳輸時間減小的速度逐漸加快，使兩者對網(wǎng)絡(luò)吞吐量的影響程度逐漸相反。對比來看，由于算法OPTA考慮了不同次用戶單位時間采集能量的差異性，使得在相同傳輸功率門限下，其實現(xiàn)的吞吐量高于算法HDEA、OTA及RA，分別提高了約6%、37%及50%。

圖4 最大傳輸功率門限及感知信噪比對吞吐量的影響

隨著同一次用戶基于信道增益以及不同次用戶在能量采集能力差異度的變化，不同算法實現(xiàn)吞吐量的變化趨勢如圖5所示。圖中實線代表多個次用戶的信道增益在0.005~0.05范圍內(nèi)隨機取值，虛線則代表次用戶在同一信道上的傳輸增益比實線降低了50%，此時算法OPTA、HDEA、OTA及RA實現(xiàn)的吞吐量相比實線平均下降了約9%、9%、11%及10%。由圖5可知，所有算法吞吐量都隨著能量采集差異度的增加而降低，并且在差異度接近1時降低速度明顯。這一現(xiàn)象表明，為了使網(wǎng)絡(luò)整體吞吐量達(dá)到最大化，在優(yōu)化分配信道的過程中，并不是每個次用戶都能分配到最優(yōu)的傳輸信道，在優(yōu)化平衡的過程中必然會有部分次用戶的傳輸需求不能得到滿足。特別是當(dāng)次用戶在同一信道上的差異度越大，則由這種折中平衡為次用戶利益帶來的折損程度越高。對比來看，算法OPTA相對于算法HDEA、OTA及RA平均提高了約30%、60%及94%的吞吐量。

信道增益差異度及能量采集效率對吞吐量的影響如圖6所示。圖中實線代表次用戶在單位時間內(nèi)采集到的能量在0.5~5 J范圍中隨機取值，虛線則代表次用戶能量采集效率比實線降低了50%，此時算法OPTA、HDEA、OTA及RA的吞吐量也隨之分別下降了約10%、11%、10%及8%。由圖6可知，經(jīng)不同算法優(yōu)化實現(xiàn)的最大網(wǎng)絡(luò)吞吐量都會隨著信道增益差異度的增加而減小。類似對圖5的分析，若不同次用戶在同一信道上的傳輸增益差異度越大，則在優(yōu)化分配信道的過程中，對于部分次用戶而言，其自身在信道上實現(xiàn)的吞吐量折損程度越高。對比來看，在不同的次用戶信道增益差異度下，算法OPTA實現(xiàn)的吞吐量比算法HDEA、OTA及RA分別提高了約27%、50%及92%。

綜合圖3~圖6的仿真結(jié)果可知，較之傳統(tǒng)算法HDEA、OTA、RA，本文所提出的算法OPTA能實現(xiàn)更高的次級網(wǎng)絡(luò)吞吐量。尤其對于OTA及RA，OPTA算法約能提升40%~90%的吞吐量。這是因為在算法OTA及RA中，不同次用戶的發(fā)射功率及時間分配相同，而算法OPTA則充分考慮次用戶間的差異性及各物理量間的相互影響關(guān)系，為不同次用戶分別進(jìn)行最優(yōu)的時間分配并發(fā)射功率配置，同時，根據(jù)不同次用戶的特性實現(xiàn)更加合理的信道分配，從而大幅提高了次級網(wǎng)絡(luò)的吞吐量。此外，算法RA采用隨機分配信道的方式，相比算法OTA實現(xiàn)的吞吐量遠(yuǎn)低于算法OPTA。

圖6 信道增益差異度及能量采集效率對吞吐量的影響

5 結(jié)束語

在基于能量采集的認(rèn)知無線電網(wǎng)絡(luò)中，根據(jù)次用戶感知精度、信道傳輸性能及能量采集效率，在滿足能量因果關(guān)系的條件下，對次用戶的傳輸功率、傳輸時間、信道分配問題進(jìn)行聯(lián)合優(yōu)化，以追求網(wǎng)絡(luò)吞吐量性能最大化。針對提出的優(yōu)化問題建立相應(yīng)的系統(tǒng)模型，并將原始問題轉(zhuǎn)化為易于求解的凸優(yōu)化問題。通過算法仿真顯示，本文所提算法相較于其他算法能夠?qū)崿F(xiàn)更高的網(wǎng)絡(luò)吞吐量。例如，在同一最大功率門限條件下，本文算法OPTA比算法HDEA、OTA及RA分別提高了約6%、37%及50%；在同一信道增益差異度條件下，算法OPTA比HDEA、OTA及RA分別提高了約30%、60%及94%的吞吐量；在同樣的次用戶能量采集效率差異度下，算法OPTA比HDEA、OTA及RA分別提高了約27%、50%及92%。

[1] LONG Y, LI H, YUE H, et al. SUM: spectrum utilization maximization in energy-constrained cooperative cognitive radio networks[J]. IEEE Journal on Selected Areas in Communications, 2014, 32(11): 2105-2116.

[2] LONG Y, LI H, PAN M, et al. A fair QoS-aware resource-allocation scheme for multiradio multichannel networks[J]. IEEE Transactions on Vehicular Technology, 2013, 62(7): 3349-3358.

[3] XU C, ZHENG M, LIANG W, et al. End-to-end throughput maximization for underlay multi-hop cognitive radio networks with RF energy harvesting[J]. IEEE Transactions on Wireless Communications, 2017, 16(6): 3561-3572.

[4] YIN S, ZHANG E, YIN L, et al. Optimal saving-sensing-transmitting structure in self-powered cognitive radio systems with wireless energy harvesting[C]//2013 IEEE International Conference on Communications (ICC). 2013: 2807-2811.

[5] WU C, SHI Q, HE C, et al. Energy utilization efficient frame structure for energy harvesting cognitive radio networks[J]. IEEE Wireless Communications Letters, 2016, 5(5): 488-491.

[6] QIN Z, LIU Y, GAO Y, et al. Wireless powered cognitive radio networks with compressive sensing and matrix completion[J]. IEEE Transactions on Communications, 2017, 65(4): 1464-1476.

[7] ZHOU F, LI Z, BEAULIEUZ N C, et al. Resource allocation in wideband cognitive radio with swipt: Max-min fairness guarantees[C]//2016 IEEE Global Communications Conference (GLOBECOM). 2016: 1-6.

[8] CELIK A, ALSHAROA A, KAMAL A E. Hybrid energy harvesting-based cooperative spectrum sensing and access in heterogeneous cognitive radio networks[J]. IEEE Transactions on Cognitive Communications and Networking, 2017, 3(1): 37-48.

[9] RAMNARESH Y, KESHAV S, ANKIT G, et al. Optimal energy-efficient resource allocation in energy harvesting cognitive radio networks with spectrum sensing[C]//Vehicular Technology Conference (VTC-Fall). 2016: 1-5

[10] JEYA J, KALAMKAR S S, BANERJEE A. Energy harvesting cognitive radio with channel-aware sensing strategy[J]. IEEE Communications Letters, 2014, 18(7): 1171-1174.

[11] JU H, ZHANG R. Throughput maximization in wireless powered communication networks[J]. IEEE Transactions on Wireless Communications, 2014, 13(1): 418-428.

[12] KANG X, HO C K, SUN S. Full-duplex wireless-powered communication network with energy causality[J]. IEEE Transactions on Wireless Communications, 2015, 14(10): 5539-5551.

[13] LIANG Y C, ZENG Y, PEH E C Y, et al. Sensing-throughput tradeoff for cognitive radio networks[J]. IEEE Transactions on Wireless Communications, 2008, 7(4): 1326-1337.

[14] DACOROGNA B, MARéCHAL P. The role of perspective functions in convexity, polyconvexity, rank-one convexity and separate convexity[J]. Journal of Convex Analysis, 2008, 15(2): 271-284.

[15] WU C, SHI Q, HE C, et al. Energy utilization efficient frame structure for energy harvesting cognitive radio networks[J]. IEEE Wireless Communications Letters, 2016, 5(5): 488-491.

[16] DAI Z, WANG Z, WONG V W S. An overlapping coalitional game for cooperative spectrum sensing and access in cognitive radio networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(10): 8400-8413.

Resource allocation in cognitive radio network with energy harvesting

LONG Yan1, ZHANG Xiaoqian1,2, FANG Xuming1, HE Rong1

1. School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, China 2. New United Group, Defense Technology Research Institute, Beijing 100071, China

Considering the diversity of energy harvesting capability and spectrum sensing accuracy of SU, as well as dynamic channel quality, under the constraint of energy causality, the secondary network throughput maximization problem in single-hop cognitive radio networks with energy harvesting was studied. The transmission channel selection, transmission power control and transmission time allocation of SU were jointly optimized. Since the optimization problem was non-convex, by converting it into a series of convex optimization sub-problems, the optimize transmission power and transmission time algorithm (OPTA) was obtained. Compared with the existing resource allocation algorithms, such as, hybrid differential evolution algorithm (HDEA), optimized transmission algorithm (OTA), and random assignment channel algorithm (RA), the simulation results verify the correctness and effectiveness of the proposed algorithm. For example, under the same maximum transmission power constraint, the throughput of the proposed OPTA scheme could increase by around 6%, 37% and 50% than that of HDEA, OTA and RA schemes respectively. Under the same channel gain diversity, the throughput of the proposed OPTA scheme could increase by around 30%, 60% and 94% than that of HDEA, OTA and RA schemes respectively. Under the same energy harvesting efficiency diversity, the throughput of the proposed OPTA scheme could increase by around 27%, 50% and 92% than that of HDEA, OTA and RA schemes respectively.

cognitive radio network, energy harvesting, resource allocation, energy causality

TN929.5

A

10.11959/j.issn.1000?436x.2018162

龍彥（1988?），女，貴州遵義人，博士，西南交通大學(xué)講師、碩士生導(dǎo)師，主要研究方向為物聯(lián)網(wǎng)、毫米波通信技術(shù)、5G通信網(wǎng)絡(luò)、認(rèn)知無線網(wǎng)絡(luò)、無線網(wǎng)絡(luò)資源優(yōu)化。

張曉倩（1993?），女，四川成都人，西南交通大學(xué)碩士生，主要研究方向為認(rèn)知無線網(wǎng)絡(luò)資源分配。

方旭明（1962?），男，浙江義烏人，博士，西南交通大學(xué)教授、博士生導(dǎo)師，主要研究方向為無線寬帶接入控制、無線資源管理、多跳中繼網(wǎng)絡(luò)、高鐵寬帶無線接入。

何蓉（1974?），女，四川成都人，西南交通大學(xué)副教授，主要研究方向為無線Mesh網(wǎng)絡(luò)、接入控制、擁塞控制和無線資源管理技術(shù)等。

2018?06?06；

2018?09?10

龍彥，yanlong@home.swjtu.edu.cn

國家自然科學(xué)基金資助項目（No.61601380, No.61471303）；中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目（No.2682016CX044）；國家自然科學(xué)基金與廣東聯(lián)合基金資助項目（No.U1501255）

The National Natural Science Foundation of China (No.61601380, No.61471303), The Central University Basic Business Expenses Special Funding for Scientific Research Project (No.2682016CX044), The National Natural Science-Guangdong Joint Foundation (No.U1501255)