英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

无线大规模接入蜂窝物联网，SIC不完善，EH非线性

乔琪，陈晓明，IEEE高级会员

摘要:在本文中，我们研究了在使用大量不同接入设备(如信息解码设备、能量采集设备和混合设备)的情况下，移动物联网(IoT)中无线信息和能量传输的同步问题。特别是，我们考虑了一个实际的蜂窝物联网场景，其中物联网设备有一个非线性的EH接收器，由于有限的能力，执行不完全连续干扰消除(SIC)。利用多天线基站的优点来提高信息传输和功率传输的效率。特别地，我们建议联合优化空间波束、发射功率和功率分裂比，以缓解非线性EH和不完善SIC的影响。为此，分别从加权和率最大化和总功耗最小化的角度设计了两种有效的算法。最后，仿真结果验证了所提算法的有效性。

索引术语-蜂窝物联网(IoT)，不完全连续干扰消除(SIC)，大规模访问，非线性能量收集(EH)模型，同时无线信息和功率传输(SWIPT)。

1. 介绍

随着物联网的日益发展，大量的物联网设备需要接入无线网络，以提供各种典型的应用，如智慧城市、工业物联网[1]、[2]等。据预测，到2020年，物联网设备的数量将达到204亿。在此背景下，作为世界上最大的无线网络，即将到来的第五代(5G)网络需要为大规模的物联网[3]提供无缝接入。因此，3GPP将蜂窝物联网作为5G无线网络[4]的关键组成部分。

与传统的无线网络不同，5G蜂窝物联网有几个新特点，如规模巨大

2018年8月8日收到稿件;2018年9月27日和10月11日修订;2018年10月28日。2018年10月31日出版;当前版本的日期是2019年5月8日。这部分工作是支持下由中国自然科学基金会拨款61871344,部分由中国国家科技重大项目资助2018 zx03001017 - 002下,和部分国家移动通信研究实验室开放研究基金,在2018年授予d07东南大学。(通讯作者:陈晓明)

作者就职于浙江大学信息科学与电子工程学院，杭州310027;东南大学国家移动通信研究实验室，南京210018(电子邮箱:qiqiaozju@163.com;chen_xiaoming@zju.edu.cn)。

数字对象标识符10.1109/JIOT.2018.2878860

接入设备数量、有限的无线资源、差异化的服务质量(QoS)要求、受能力约束的物联网设备[5]。从直觉上看，这些特征可能是相互作用的，甚至是相互冲突的。例如，在有限的无线电频谱上实现大规模访问并非易事。传统的正交多址(OMA)技术，如时分多址(TDMA)和频分多址(frequency division multiple access)，将一个时频资源块分配给一个唯一的设备，导致低频谱效率(SE)。特别是，OMA技术限制了接入设备的数量。近年来，非正交多址接入技术(nonorthogo-nal multiple access technology, NOMA)作为一种有潜力的SE改善技术，在即将到来的5G网络[6]-[9]中受到了极大的关注。NOMA的主要原理是将不同的发射功率分配给多个用户，在功率域中进行区分，从而使这些用户可以共享相同的物理资源进行传输，例如时隙、频宽或扩展码[10]。从直观上看，NOMA不可避免地会引起用户间的干扰，从而导致严重的性能退化[11]。因此，实现大规模NOMA的关键是有效地减少用户间的干扰。在一般情况下，吸力干扰消除(SIC)是一种常用的消除器件干扰的方法。具体地说，具有强通道增益的器件首先对与器件相关的弱通道增益的干扰信号进行解码，消除接收信号中的干扰，然后对所需要的信号[12]进行解调。在连接量大的蜂窝物联网中，碳化硅后的残余干扰仍然很高，碳化硅的计算复杂度可能会令人望而却步。更严重的是，由于物联网设备大多是能力受限的节点，在SIC过程中可能出现解码错误，导致额外的干扰[13]。需要注意的是，在后续的干扰抵消过程中，剩余干扰可能会导致很高的解码错误概率，即错误传播。因此，在实际的蜂窝物联网中，缺陷SIC是一个不可避免的问题。为了缓解不完善SIC对蜂窝物联网大规模接入的影响，有必要对不完善SIC造成的剩余干扰进行建模。然而，由于不完善的SIC是由多种因素决定的，如器件性能、信号质量、通道条件等，因此对不完善SIC的建模仍是一个有待解决的问题。在[16]中，我们首次尝试建立了一个线性模型来显示不完全碳化硅的影响。此外，这些设备通常被划分为几个集群，并且只执行SIC

图1所示。 蜂窝物联网网络模型。

在一个簇[17]，[18]中。一方面，用户聚类可以减少SIC后的残余干扰。另一方面，用户聚类可以减少各个IoT设备执行SIC的负担，降低不完善SIC[19]解码错误的概率。

除了频谱限制之外，功率限制也是蜂窝物联网[20]的一个关键问题。一般来说，大多数物联网设备的电池容量都很小。因此，电池应经常充电或更换。然而，频繁的电池充电或大量物联网设备的更换导致了高成本。特别是在某些特定的情况下，如墙内或水下设备，电池充电比较困难。为了解决这一问题，基于射频信号的无线功率传输即无线充电被应用到玻璃状物联网[21]-[23]中。射频信号的电磁能量被收集并转化为物联网设备的电能。由于射频信号的广播特性，可以同时向多个设备充电。因此，无线功率传输尤其适用于蜂窝物联网网络。更重要的是，信息和功率可以基于相同的射频载波[24]-[27]进行传输。值得指出的是，现有的研究大多采用线性能量获取(EH)模型。即采集的能量是接收射频信号输入功率的线性函数，忽略EH接收端的电路饱和限制和电路参数的影响[28]、[29]。事实上，实际的EH电路往往表现出非线性的特征，而不是线性的特征。因此，提出了基于[30]逻辑函数对实测数据进行拟合的非线性EH模型。与非线性的EH模型相比，线性的EH模型在实际应用中可能会导致显著的性能下降。此外，由于物联网设备具有不同的EH参数，固定的无线功率传输将进一步降低能效。因此，需要根据信道条件和EH参数来设计无线充电方案。

解决这两个实际问题在蜂窝物联网，即。在不完全SIC和非线性EH的情况下，本文提出了一种大规模的同时具有无线信息和功率传输的NOMA方案。具体而言，本文联合优化了空间波束、发射功率和功率分裂(PS)比，以减轻SIC不完善和非线性EH的影响。这篇论文的贡献有三方面。

1. 研究了蜂窝物联网中SIC不完善的实际问题。特别是在长期测量的基础上，将不完全碳化硅作为系数进行建模，便于定量分析，有效缓解了不完全碳化硅的影响。
2. 在蜂窝物联网网络中，我们使用了一个实际的非线性EH模型来代替线性模型。特别地，我们考虑了在一个集群中使用三种接收模式的物联网用户设备(UE)的一般场景，仅用于信息解码(ID)，仅用于EH，以及用于混合功能。
3. 提出了两种联合优化空间波束形成、发射功率和PS的优化算法

分别从加权和率最大化和总功耗最小化的角度考虑。

本文的其余部分概述如下。第二部分简要介绍了蜂窝物联网网络。第三节主要介绍空间波束、传输功率和PS比的联合设计算法。第四部分给出了几个仿真结果来验证所提算法的有效性。第五部分是本文的结论。

符号:我们使用大胆的上(下)字母来表示矩阵(列向量),(·)表示共轭转置,E(·)表示期望,var(·)表示方差,表示矢量的L-norm, | |表示绝对值,tr(·)来表示的一个矩阵,和等级(·)表示矩阵的秩。^H₂

1. 系统模型

让我们考虑一个如图1所示的蜂窝物联网网络，其中一个基站(BS)有N个天线，向K个单天线物联网用户广播ms -sages。_t为了在有限的无线电频谱上实现有效的大规模访问，采用了用户聚类和空间波束形成相结合的多天线NOMA技术。特别地，在空间域内将系统划分为多个簇，以达到系统性能与复杂性之间的平衡。同一簇内的UEs共用一个空间波束来消除簇间干扰，SIC在簇内进行以减少簇内干扰。

在不失一般性的前提下，我们假设K个事件被划分为M个簇，第M个簇包含N个事件。_mUEs可以在三种不同的模式下工作，即ID、EH和混合模式。id模式只解码接收到的信号，而eh模式只从接收到的信号中获取能量。此外，混合模式的UEs将接收到的信号分成两个组件，一个用于ID，另一个用于EH。如图1所示,PS接收器architec-ture部署在混合模式问题,从而接收到的射频信号的混合模式问题分为两个流的功率分配器rho;:1minus;rho;比例,其中0 lt;rho;lt; 1是PS的比例。1minus;rho;接收到的射频信号的一部分

输入到EH接收端，其余部分发送到ID接收端。假设在第m个簇中有ID-mode UEs、EH-mode UEs和hybrid-mode UEs，即。由于id模式和混合模式都需要恢复信息，因此我们称它们为信息模式。类似地，我们把eh模式的风语用例和混合模式的风语用例称为能量风语用例。为简化表达式，根据风语元通道增益的适当顺序，我们分别表示为混合模式风语元的下标集合、信息风语元的下标集合、能量风语元的下标集合，其中表示信息风语元的个数，为能量风语元的个数。

在本文中，我们假设信道在一个时隙中保持不变，但是在时隙中独立地衰减。在每个时隙的开始，通过估计或反馈，BS能够获得完整的信道状态信息(CSI)。在现有CSI的基础上，BS首先进行叠加编码，实现K IoT UEs之间的海量频谱共享。一般来说，这样一个庞大的NOMA系统的叠加编码包含两轮，即、功率分配和发射波束形成。首先，BS将第m个簇的传输信号构造为

(1)

式中为第n个UE在第n个簇中的单位模的高斯分布信号，为具有以下约束条件的胞内功率分配因子:

。 (2)

注意，腔内功率分配用于协调腔内干扰，从而提高了性能。然后，BS将总发射信号x构造为

(3)

其中为基于CSI的第m个簇的三维发射波束。最后，BS通过下行信道广播信号x。因此，第m个簇中第n个UE处接收到的信号可以表示为

(4)

式中为第n个簇中从BS到第n个UE的维信道向量，为有方差的加性高斯白噪声(AWGN)。在ID模式和EH模式下，接收到的信号直接用于ID和EH。对于混合模式，对接收到的信号进行PS。因此，用于ID和EH的信号分别由和给出。

在包括id模式和混合模式在内的信息环境中，采用SIC来减少非正交传输引起的胞内干扰。在实际应用中，每个UE都是通过对相干检测[14]、[15]进行信道估计来获得其有效的信道增益。因此，UEs可以通过上行通道将有效信道增益传递给BS，而BS决定每个簇中有效信道增益的顺序，并通过下行通道通知UEs。假设第m个簇的有效信道增益顺序如下:

(5)

然后，根据碳化硅原理，首先对与信息问题有关的干扰信号进行解码和消除。如果SIC处理得很好，则可以完全消除来自通道增益较弱的UEs的胞内干扰。但在实际系统中，由于物联网业务的硬件限制、信号质量低等因素，可能会出现弱干扰信号的解码错误。因此，即使在SIC之后，仍然存在弱UEs的残余干扰。一般情况下，SIC不完善引起的残余干扰是一个复杂的多因素函数，如编码/调制相关参数、信道相关问题(衰落和阴影)、设备/硬件/电池相关限制等。此外，由于不完全碳化硅的误差传播特性，很难对不完全碳化硅的影响进行建模。在[16]中，给出了不完全碳化硅影响的线性模型。在此不完全SIC模型下，ID的第m个簇中第n个信息UE处的后SIC信号可以由

(6)

其中和用来区分风语筑的模式，定义如下:

(7)

该变量表示第m个簇中第n个信息UE处的不完全SIC系数，可以通过长期测量得到。^[1]表示由RF频段到基带信号转换产生的基带AWGN，表示噪声功率。因此，在信息事件的ID接收者处接收到的信噪比可以由

(8)

这里只是一个辅助参数，由

(9)

请注意，辅助参数代表了不完善的SIC对无线蜂窝物联网网络设计的影响。首先，我们使用参数，并表示某些物联网设备不能执行SIC的情况。其次，我们通过让、、和来表示完全SIC下的理想状态。最后，如果IoT设备执行SIC但SIC不完美，则参数在(0,1)范围内。因此，所采用的模型适用于碳化硅的各种情况。

然后，能量风场EH接收机接收到的射频信号，包括EH模态风场和混合模态风场，可以表示为

(10)

在哪里

(11)

因此，EH接收机在能量ue处的输入射频功率为

。 (12)

若采用传统的线性EH模型，则风场处的收获能量可表示为

(13)

式中为能量转换效率。一般来说，对于传统的线性EH模型，能量转换效率与能量接收器(ER)的输入功率电平无关。然而，EH电路在实际应用中表现出非线性特性。换句话说，在ER处收获的总能量与接收到的射频功率不是线性正比的。具体来说，射频能量转换效率在低功率区域随着输入功率的增加而提高，但当功率足够大时，收获的能量将趋于饱和。从直观上可以看出，传统的线性EH模型并不准确，特别是当接收功率较大时，会造成严重的性能损失。因此，为了准确地分析和优化性能，我

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[608405]，资料为PDF文档或Word文档，PDF文档可免费转换为Word