劉迪迪，林基明，王俊義，陳小徽，張文輝

(1. 西安電子科技大學(xué) 通信工程學(xué)院，陜西 西安 710071; 2. 廣西師范大學(xué) 廣西多源信息挖掘與安全重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004; 3. 桂林電子科技大學(xué) 廣西信息科學(xué)實(shí)驗(yàn)室，廣西 桂林 541004; 4. 廣西高校衛(wèi)星導(dǎo)航與位置感知重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004; 5. 廣西密碼學(xué)組信息安全重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

?

混合供電發(fā)射機(jī)的功率分配及調(diào)度算法

劉迪迪1,2，林基明3,4，王俊義3,5，陳小徽3，張文輝3

(1. 西安電子科技大學(xué) 通信工程學(xué)院，陜西 西安 710071; 2. 廣西師范大學(xué) 廣西多源信息挖掘與安全重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004; 3. 桂林電子科技大學(xué) 廣西信息科學(xué)實(shí)驗(yàn)室，廣西 桂林 541004; 4. 廣西高校衛(wèi)星導(dǎo)航與位置感知重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004; 5. 廣西密碼學(xué)組信息安全重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

針對(duì)由固定電網(wǎng)和能量收集器混合供電的無(wú)線通信下行鏈路，研究在能量收集過(guò)程、數(shù)據(jù)到達(dá)過(guò)程以及衰落信道統(tǒng)計(jì)分布均未知的情況下發(fā)射機(jī)的動(dòng)態(tài)功率分配及傳輸調(diào)度問(wèn)題，目的是最小化發(fā)射機(jī)從固定電網(wǎng)消耗的平均電量，即提高收集的能量的利用效率．研究基于李雅普諾夫的優(yōu)化方法，提出了一種低復(fù)雜度的動(dòng)態(tài)功率分配以及多用戶之間的傳輸調(diào)度算法，保證各數(shù)據(jù)隊(duì)列穩(wěn)定且等待時(shí)延不超過(guò)用戶時(shí)延要求的條件下，使發(fā)射機(jī)從固定電源消耗的平均電量趨于最小值．仿真對(duì)比表明，該算法的性能優(yōu)于其他兩種貪婪算法．

能量收集;混合電源供電;功率分配;傳輸調(diào)度;李雅普諾夫優(yōu)化

近年來(lái)，能量收集(Energy Harvesting， EH)技術(shù)發(fā)展十分迅速，在通信系統(tǒng)中的應(yīng)用已經(jīng)成為當(dāng)前的研究熱點(diǎn)[1]．目前已有很多致力于能量收集源作為惟一供電源的無(wú)線通信系統(tǒng)的性能優(yōu)化研究[2-5]．這些研究從模型構(gòu)建上主要分為兩類[1]：一類是確知能量收集模型[2]，即能量到達(dá)的時(shí)間以及收集多少能量在發(fā)射機(jī)發(fā)送數(shù)據(jù)之前是已知的; 另一類是統(tǒng)計(jì)能量收集模型[3-5]，即能量收集過(guò)程為隨機(jī)過(guò)程，但其統(tǒng)計(jì)分布知識(shí)已知(比如設(shè)為泊松過(guò)程)．

但由于從自然環(huán)境中收集的能量具有時(shí)變性，因此單一的能量收集供電很難保證大功率系統(tǒng)(比如基站)運(yùn)行的穩(wěn)定性．為了減小大功率系統(tǒng)的能耗同時(shí)保證系統(tǒng)穩(wěn)定運(yùn)行，目前，華為等大型通信公司已經(jīng)開發(fā)了具有混合供電源(能量收集源和固定電網(wǎng))的基站[6]，但圍繞混合供電通信系統(tǒng)功率分配的研究還比較少．文獻(xiàn)[7]中研究了具有混合供電源的點(diǎn)到點(diǎn)無(wú)線通信系統(tǒng)，提出了發(fā)射機(jī)的最優(yōu)功率分配算法，目的是最小化從固定電網(wǎng)消耗的能量，但該文獻(xiàn)仍基于上述確知能量收集和統(tǒng)計(jì)能量收集模型，此外該文獻(xiàn)沒(méi)有考慮多用戶之間的傳輸調(diào)度問(wèn)題．

實(shí)際上，能量收集過(guò)程受到各種因素的影響，很難預(yù)知其未來(lái)的狀況，而同時(shí)從太陽(yáng)能和風(fēng)能等可再生能源收集能量，其聯(lián)合能量收集過(guò)程的統(tǒng)計(jì)分布則更加難以確知．針對(duì)能量收集過(guò)程難以統(tǒng)計(jì)的混合供電無(wú)線通信下行鏈路，在能量收集過(guò)程、數(shù)據(jù)達(dá)到過(guò)程以及信道狀態(tài)統(tǒng)計(jì)特性未知的情況下，基于隨機(jī)網(wǎng)絡(luò)優(yōu)化理論，筆者研究其發(fā)射機(jī)的動(dòng)態(tài)功率分配和多用戶間的傳輸調(diào)度問(wèn)題，目標(biāo)是在滿足各數(shù)據(jù)隊(duì)列穩(wěn)定且數(shù)據(jù)等待時(shí)延不超過(guò)各用戶要求的條件下，最小化發(fā)射機(jī)從固定電網(wǎng)消耗的電量．

圖1 混合供電發(fā)射機(jī)下行通信模型

1 問(wèn)題描述

筆者研究的混合供電發(fā)射機(jī)下行通信模型如圖1所示．發(fā)射機(jī)(TX)由能量收集能源和固定電網(wǎng)共同供電；能量收集器從不同可再生源(太陽(yáng)能、風(fēng)能等)聯(lián)合收集的能量緩存在能量隊(duì)列B(t)中，聯(lián)合收集過(guò)程的統(tǒng)計(jì)分布未知，并且收集的能量只用于發(fā)射機(jī)發(fā)送數(shù)據(jù)．

該下行通信中有N個(gè)接收用戶，接收用戶與發(fā)射機(jī)之間的N條無(wú)線鏈路分別與接收用戶一一對(duì)應(yīng)．?dāng)?shù)據(jù)隨機(jī)到達(dá)發(fā)射機(jī)(其統(tǒng)計(jì)分布未知)，并根據(jù)接收用戶進(jìn)入相應(yīng)的數(shù)據(jù)隊(duì)列排隊(duì)等待傳輸，發(fā)射機(jī)每個(gè)時(shí)隙內(nèi)最多服務(wù)一個(gè)數(shù)據(jù)隊(duì)列．假設(shè)t (t= 0, 1 ,2, …)時(shí)隙數(shù)據(jù)隊(duì)列n的積壓(即等待發(fā)送的數(shù)據(jù)量)記為Qn(t)，n∈ [1, 2, …, N]，t時(shí)隙內(nèi)(假設(shè)時(shí)隙間隔固定為Δt)隨機(jī)到達(dá)數(shù)據(jù)隊(duì)列n的數(shù)據(jù)量為an(t)，離開數(shù)據(jù)隊(duì)列n的速率(即服務(wù)速率)記為μn(t)，則下一時(shí)隙數(shù)據(jù)隊(duì)列n的積壓 Qn(t+1) 為(隊(duì)列更新公式)

數(shù)據(jù)隊(duì)列n的服務(wù)速率μn(t)也就是在鏈路n上的傳輸速率，其大小取決于當(dāng)前時(shí)刻鏈路n的鏈路增益hn(t)以及發(fā)射機(jī)分配給數(shù)據(jù)隊(duì)列n的發(fā)射功率pn(t)．高斯衰落鏈路的傳輸速率和發(fā)射功率之間的關(guān)系可用“速率-功率”公式表示[3]為

假設(shè)鏈路增益hn(t)(n∈[1,2,…,N])在每個(gè)時(shí)隙內(nèi)保持不變，且有hmin≤hn(t)≤hmax，n=1, 2, …, N，這里hmin，hmax為常數(shù)．

由于無(wú)線鏈路衰落時(shí)變、聯(lián)合收集的能量以及待發(fā)送的數(shù)據(jù)均隨機(jī)到達(dá)發(fā)射機(jī)，需要自適應(yīng)調(diào)整發(fā)射機(jī)的發(fā)射功率，在保證各數(shù)據(jù)隊(duì)列穩(wěn)定且數(shù)據(jù)等待不超過(guò)接收用戶可容忍的時(shí)延條件下，使發(fā)射機(jī)從固定電網(wǎng)消耗的平均電量最?。疄閷?shí)現(xiàn)該目標(biāo)，發(fā)射機(jī)的功率分配需要進(jìn)行二次決策:由于每個(gè)時(shí)隙內(nèi)發(fā)射機(jī)最多服務(wù)一個(gè)數(shù)據(jù)隊(duì)列，因此發(fā)射機(jī)需要根據(jù)每個(gè)數(shù)據(jù)隊(duì)列的當(dāng)前積壓、鏈路狀態(tài)以及用戶可忍受的時(shí)延，判決該時(shí)隙服務(wù)哪個(gè)數(shù)據(jù)隊(duì)列，即給哪個(gè)數(shù)據(jù)隊(duì)列分配功率，也就是多用戶之間的傳輸調(diào)度問(wèn)題;在確定服務(wù)的數(shù)據(jù)隊(duì)列后，發(fā)射機(jī)需要根據(jù)當(dāng)前能量隊(duì)列中的可用電量、數(shù)據(jù)隊(duì)列積壓、相應(yīng)接收用戶可容忍的時(shí)延以及鏈路狀態(tài)，決策分配多大的功率才能既保證數(shù)據(jù)隊(duì)列穩(wěn)定和用戶時(shí)延要求，又要使發(fā)射機(jī)從固定電網(wǎng)消耗的平均電量最?。?/p>

假設(shè)t時(shí)隙到達(dá)能量隊(duì)列的能量為b(t)，能量隊(duì)列B(t)更新如下:

這里，ε為能量緩存裝置每時(shí)隙所漏的電量(常數(shù))，Bmax是能量隊(duì)列的最大尺寸．由于能量緩存裝置容量有限，并且漏電，因此發(fā)射機(jī)優(yōu)先使用收集的能量．當(dāng)能量隊(duì)列中的可用能量不足于綜合各因素決策的功率消耗時(shí)，發(fā)射機(jī)才消耗固定電網(wǎng)的電量．

2 優(yōu)化建模

基于上述模型，在滿足所有數(shù)據(jù)隊(duì)列穩(wěn)定的條件下，發(fā)射機(jī)從固定電網(wǎng)消耗的平均能量最小化的優(yōu)化問(wèn)題可描述如下:

目標(biāo)函數(shù)式(4)表示發(fā)射機(jī)從固定電網(wǎng)消耗的平均電量; 約束式(6)是發(fā)射機(jī)功率分配約束; 約束式(7)是當(dāng)前功率分配決策下的隊(duì)列服務(wù)能力．為了保證式(4)～(7)總可行，假設(shè)任一數(shù)據(jù)到達(dá)矢量 a= [a1(t), a2(t), …, aN(t)]，t=1，2，…，屬于集合Λ，集合Λ落在問(wèn)題的可行域．文獻(xiàn)[8]中定義了在所有可能功率分配算法下數(shù)據(jù)到達(dá)矢量的容量域，該容量域?yàn)橐婚]集．

2.1 用戶等待時(shí)延約束

為進(jìn)一步保證式(4)～(7)所有數(shù)據(jù)隊(duì)列中數(shù)據(jù)等待的最大時(shí)延不超過(guò)接收用戶可容忍的范圍，利用虛擬隊(duì)列[8-9]來(lái)解決這一問(wèn)題．讓 Z= [Z1(t), Z2(t), …, ZN(t)]，表示虛擬隊(duì)列矢量，對(duì)于所有的n，n∈ {1, 2, …, N}，有 Zn(0)=0，固定參數(shù) σn>0，虛擬隊(duì)列根據(jù)以下公式更新:

所有實(shí)隊(duì)列Qn(t)和虛隊(duì)列Zn(t)穩(wěn)定 ．

2.2 李雅普諾夫優(yōu)化

為求解以上問(wèn)題，利用李雅普諾夫優(yōu)化方法在滿足所有實(shí)隊(duì)列和虛隊(duì)列穩(wěn)定[9]的條件下，推導(dǎo)出一種動(dòng)態(tài)功率分配和傳輸調(diào)度算法，使發(fā)射機(jī)從固定電網(wǎng)消耗的平均電量無(wú)限趨于最小，且能保證各數(shù)據(jù)隊(duì)列中數(shù)據(jù)的等待不超過(guò)各用戶可容忍的時(shí)延．

動(dòng)態(tài)功率分配算法的設(shè)計(jì)則是根據(jù)當(dāng)前隊(duì)列Q(t)和Z(t)的積壓以及當(dāng)前信道狀態(tài)h(t)做出的功率分配決策使下式最小化:

注意式(11)的左邊一項(xiàng)是李雅普諾夫漂移，表示隊(duì)列的積壓情況，即數(shù)據(jù)的時(shí)延; 而右邊一項(xiàng)是懲罰，表示發(fā)射機(jī)從固定電網(wǎng)消耗的能量，即優(yōu)化目標(biāo)．式(11)被稱為“漂移加懲罰”表達(dá)式，V是性能-時(shí)延的調(diào)節(jié)參數(shù)(正參數(shù))，用于調(diào)節(jié)第1項(xiàng)和第2項(xiàng)在整個(gè)優(yōu)化中所占的比重，經(jīng)證明該表達(dá)式有界[8-9]．

引理2 所有時(shí)隙內(nèi)，“漂移加懲罰”表達(dá)式滿足以下不等式:

這里C為常數(shù)，具體表示為

其中，amax和μmax分別為所有時(shí)隙中任一數(shù)據(jù)隊(duì)列的最大數(shù)據(jù)到達(dá)和最大服務(wù)速率．引理2的證明可根據(jù)如下不等式推出:

其中，a≥0，b≥0，c≥0．

利用李雅普諾夫優(yōu)化方法，將待求解的問(wèn)題轉(zhuǎn)化為最小化每個(gè)時(shí)隙的“漂移加懲罰”表達(dá)式(11)，該表達(dá)式有界，從而等效于最小化每個(gè)時(shí)隙的不等式(12)右邊的各項(xiàng)，即

簡(jiǎn)化式(15)，除去決策變量P(t)的無(wú)關(guān)項(xiàng)，原問(wèn)題則轉(zhuǎn)化為

3 實(shí)時(shí)功率分配算法

第3步(隊(duì)列更新) 分別根據(jù)式(1)、式(3)和式(8)更新數(shù)據(jù)隊(duì)列、能量隊(duì)列和虛擬隊(duì)列．返回第1步，基于下一時(shí)刻的隊(duì)列積壓和信道狀況，用以上決策方法進(jìn)行下一時(shí)刻的傳輸調(diào)度和功率分配．

算法的復(fù)雜度和優(yōu)勢(shì): 基于李雅普諾夫提出的實(shí)時(shí)功率分配和傳輸調(diào)度算法，只需每個(gè)時(shí)隙觀察所有隊(duì)列積壓以及鏈路的狀態(tài)做出相應(yīng)決策(求解式(16))，因此算法復(fù)雜度與用戶的個(gè)數(shù)N成線性關(guān)系，易于實(shí)現(xiàn)．而文獻(xiàn)[7]中基于動(dòng)態(tài)規(guī)劃提出的最優(yōu)功率分配方案針對(duì)的是點(diǎn)到點(diǎn)通信，其復(fù)雜度與有限的時(shí)隙個(gè)數(shù)呈指數(shù)增長(zhǎng)[7-8]，特別是對(duì)維度大的系統(tǒng)(比如多隊(duì)列)優(yōu)化，采用動(dòng)態(tài)規(guī)劃其復(fù)雜度很大[8]．此外，基于動(dòng)態(tài)規(guī)劃的優(yōu)化算法需要知道能量收集、數(shù)據(jù)到達(dá)以及信道狀況的統(tǒng)計(jì)分布知識(shí)，而基于李雅普諾夫優(yōu)化的算法則不需要知道這些隨機(jī)過(guò)程的統(tǒng)計(jì)分布知識(shí)．

4 仿真結(jié)果

假設(shè)發(fā)射機(jī)有3個(gè)接收用戶，每個(gè)信道均為加性高斯衰落信道，每個(gè)信道的帶寬W= 1 MHz，數(shù)據(jù)發(fā)送速率 μn(t)= W log1+ hn(t) pn(t)，n=1，2，3．h(t)是鏈路增益，為信道衰落除以噪聲功率譜密度和帶寬的乘積．發(fā)射機(jī)和接收機(jī)RX1、RX2和RX3之間的平均信道衰落分別為h1= 101 dB，h2= 100 dB，h3= 102 dB，方差為0.04．每個(gè)信道的噪聲功率譜密度相同，均為 10-18W/Hz．聯(lián)合收集的能量以泊松過(guò)程到達(dá)能量隊(duì)列．注意能量收集過(guò)程和信道狀態(tài)的假設(shè)僅僅是為了仿真展示，前面各節(jié)的分析不依賴這種分布，算法本身不需要知道這些隨機(jī)過(guò)程的統(tǒng)計(jì)分布．仿真參數(shù)具體設(shè)置見(jiàn)表1．

表1 仿真參數(shù)設(shè)置

為了評(píng)估提出的動(dòng)態(tài)功率分配算法，將該動(dòng)態(tài)功率分配算法與兩種簡(jiǎn)單的貪婪算法進(jìn)行對(duì)比．其中一種貪婪算法采用的策略是: 每個(gè)時(shí)隙發(fā)射機(jī)服務(wù)積壓最大的數(shù)據(jù)隊(duì)列．若能量隊(duì)列中的能量不足以發(fā)送該隊(duì)列中的數(shù)據(jù)，則發(fā)射機(jī)立刻從固定電網(wǎng)獲取能量的不足部分，但受限于最大發(fā)射功率，這種貪婪算法稱為“Absorb-upon-arrival”．第2種貪婪算法稱為“Absorb-at-deadline”，發(fā)射機(jī)仍然根據(jù)隊(duì)列的積壓大小服務(wù)相應(yīng)的隊(duì)列，但若存儲(chǔ)的能量不足以發(fā)送數(shù)據(jù)，則發(fā)射機(jī)不急于從固定電網(wǎng)獲取能量以盡快發(fā)送數(shù)據(jù)，而是等待收集更多的能量．這樣數(shù)據(jù)可能會(huì)有一定的時(shí)延，當(dāng)數(shù)據(jù)等待時(shí)延達(dá)到某個(gè)期限(deadline)時(shí)，發(fā)射機(jī)才從固定電網(wǎng)獲取能量，以不讓數(shù)據(jù)等待超過(guò)期限時(shí)延(仿真中，3個(gè)數(shù)據(jù)隊(duì)列的期限均設(shè)為27個(gè)時(shí)隙)．

使用3種不同的功率分配算法，在6 000個(gè)時(shí)隙內(nèi)發(fā)射機(jī)累計(jì)從固定電網(wǎng)獲取電量的情況如圖2所示，從圖2可看出，基于李雅普諾夫優(yōu)化得到的算法性能最好，發(fā)射機(jī)從固定電網(wǎng)獲取的額外電量最少(權(quán)重因子 V=30)．同時(shí)，圖2中設(shè)置了平均收集能量大小不同的3種情況．當(dāng)能量收集相對(duì)大時(shí)(中間 1/3 個(gè)時(shí)隙)，從圖2可知，筆者提出的算法不需要從固定電網(wǎng)額外獲取電量，就能夠使各數(shù)據(jù)隊(duì)列穩(wěn)定，而其余兩種貪婪算法則需要不斷地從固定電網(wǎng)額外獲取電量．這兩種貪婪算法雖然根據(jù)隊(duì)列積壓情況對(duì)用戶進(jìn)行調(diào)度和最大時(shí)延(第1種貪婪算法的期限為零)以決策是否需要從固定電網(wǎng)獲取能量，但這兩種算法實(shí)際上均沒(méi)有考慮鏈路狀態(tài); 而筆者提出的實(shí)時(shí)優(yōu)化算法綜合考慮了隊(duì)列擠壓和鏈路狀態(tài)以及用戶可忍受的時(shí)延，判決該時(shí)隙服務(wù)哪個(gè)數(shù)據(jù)隊(duì)列，因此筆者提出的算法優(yōu)于其他兩種貪婪算法．

圖2 3種算法下從固定電網(wǎng)獲取電量的對(duì)比圖(能量收集平均值bave2>bave3>bave1)

圖3 3個(gè)數(shù)據(jù)隊(duì)列到達(dá)數(shù)據(jù)等待分布圖

圖4 不同V值對(duì)額外電量消耗及數(shù)據(jù)隊(duì)列的平均時(shí)延的影響

為了更好地評(píng)估筆者提出的算法在時(shí)延方面的性能，給出了與圖2的參數(shù)設(shè)置完全相同的情況下的3個(gè)數(shù)據(jù)隊(duì)列的等待分布，如圖3所示．圖3表明每個(gè)數(shù)據(jù)隊(duì)列的等待時(shí)延，基于李雅普諾夫優(yōu)化得到的算法比“Absorb-at-deadline”算法下等待的時(shí)延小，基于李雅普諾夫優(yōu)化提出的算法數(shù)據(jù)時(shí)延主要集中在12至14個(gè)時(shí)隙，而基于“Absorb-at-deadline”算法的數(shù)據(jù)時(shí)延主要集中在24至26個(gè)時(shí)隙．

參數(shù)V用于調(diào)節(jié)發(fā)射機(jī)從固定電網(wǎng)獲取的額外電量和數(shù)據(jù)隊(duì)列的等待時(shí)延．以上仿真中 V=30，為了更好地觀察V對(duì)筆者提出的算法對(duì)平均時(shí)延和消耗電量的影響，給出不同V值下的額外電量消耗及數(shù)據(jù)隊(duì)列的平均時(shí)延圖，如圖4所示．與前面所分析的結(jié)果一致，數(shù)據(jù)隊(duì)列的平均時(shí)延隨著V值增大而增大，發(fā)射機(jī)從固定電網(wǎng)獲取的額外電量隨著V值增大而下降，但當(dāng)V值達(dá)到某個(gè)比較大的值時(shí)，兩者的變化較小，即達(dá)到飽和，此時(shí)該算法中V對(duì)兩者幾乎沒(méi)有影響．

5 總 結(jié)

筆者對(duì)混合電源(能量收集源和固定電網(wǎng))供電的無(wú)線通信系統(tǒng)多用戶下行鏈路提出了一種有效的實(shí)時(shí)功率分配方案和多用戶傳輸調(diào)度算法，可使其從固定電網(wǎng)平均消耗的額外電量最?。撍惴◤?fù)雜度低，易于實(shí)現(xiàn)，同時(shí)給出每個(gè)數(shù)據(jù)隊(duì)列的最大時(shí)延，可通過(guò)調(diào)節(jié)權(quán)重參數(shù)對(duì)額外電量消耗和隊(duì)列時(shí)延平衡折中．該算法的優(yōu)勢(shì)是不需要知道能量收集過(guò)程、數(shù)據(jù)到達(dá)過(guò)程以及信道狀態(tài)的統(tǒng)計(jì)分布，就可使優(yōu)化目標(biāo)無(wú)限趨于最優(yōu)的．因此，該算法具有普適性，為能量收集隨機(jī)過(guò)程概率分布難以統(tǒng)計(jì)的混合供電無(wú)線通信提供了一種有效的功率分配和傳輸調(diào)度算法．

[1] OZEL O, TUTUNCUOGLU K, ULUKUS S, et al. Fundamental Limits of Energy Harvesting Communications[J]. IEEE Communications Magazine, 2015, 53(4):126-132.

[2]YANG J, ULUKUS S. Optimal Packet Scheduling in an Energy Harvesting Communication System[J]. IEEE Transactions on Communications, 2012, 60(1): 220-230.

[3]OZEL O, TUTUNCUOGLU K, YANG J, et al. Transmission with Energy Harvesting Nodes in Fading Wireless Channels: Optimal Policies[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(8): 1732-1743.

[4]HUANG C, ZHANG R, CUI S G. Optimal Power Allocation for Outage Probability Minimization in Fading Channels with Energy Harvesting Constraints[J]. IEEE Transactions on Wireless Communications, 2014, 13(2): 1074-1087.

[5]TUTUNCUOGLU K, YENER A. Optimum Transmission Policies for Battery LImited Energy Harvesting Nodes[J]. IEEE Transactions on Wireless Communications, 2012, 11(3): 1180-1189.

[6]NG D W K, LO S E, SCHOBER R. Energy-efficient Resource Allocation in OFDMA Systems with Hybrid Energy Harvesting Base Station[J]. IEEE Transactions on Wireless Communication, 2013, 12(7): 3412-3426.

[7]AHMED I, IKHLEF A, NG D W K, et al. Power Allocation for an Energy Harvesting Transmitter with Hybrid Energy Sources[J]. IEEE Transactions on Wireless Communications, 2013, 12(12): 6255-6267.

[8]NEELY M J. Stochastic Network Optimization with Application to Communication and Queueing Systems[M]. San Rafael: Morgan & Claypool Publishers, 2010.

[9]JIN C, SHENG X, GHOSH P. Optimized Electric Vehicle Charging with Intermittent Renewable Energy Sources[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(6): 1063-1072.

(編輯：郭 華)

Power allocation and transmission scheduling for a transmitter with hybrid energy sources

LIUDidi1,2，LINJiming3,4，WANGJunyi3,5，CHENXiaohui3，ZHANGWenhui3

(1. School of Telecommunications Engineering, Xidian Univ., Xi’an 710071, China; 2. Guangxi Key Lab. of Multi-source Information Mining & Security, Guangxi Normal Univ., Guilin 541004, China; 3. Guangxi Experiment Center of Information Science, Guilin 541004, China; 4. Guangxi Colleges and Univ. Key Lab. of Satellite Navigation and Position Sensing, Guilin 541004, China; 5. Guangxi Key Lab. of Cryptography and Information Security, Guilin Univ. of Electronic Technology, Guilin 541004, China)

The problem of dynamic power allocation and transmission scheduling for a transmitter powered by hybrid energy sources (combination of power grid and energy harvesters) is studied. The goal is to minimize the time average energy consumed from the power grid, that is, to improve the utilization efficiency of the energy harvested by the harvesters under the condition of unknowing statistical distribution of the energy harvesting process, data arrival process and fading channel state. An efficient dynamic power allocation and transmission scheduling algorithm is proposed based on Lyapunov optimization, and the algorithm is simple to operate due to its low complexity. Using the proposed algorithm the power consumed by the transmitter from the power grid can be close to the minimum arbitrarily under all data queues stability, and meanwhile the algorithm guarantees that data queues cannot exceed the maximum delay. Simulation results indicate that the proposed algorithm has a better performance than other two simple algorithms.Key Words: energy harvesting; hybrid energy sources; power allocation;transmission scheduling;Lyapunov optimization

2015-11-09

時(shí)間：2016-04-01

國(guó)家自然科學(xué)基金資助項(xiàng)目(61261017，61571143)；廣西自然科學(xué)基金資助項(xiàng)目(2014GXNSFAA118387, 2013GXNSFAA019334)； 教育部重點(diǎn)實(shí)驗(yàn)室2015年開放基金資助項(xiàng)目(CRKL150206，CRKL150204)；廣西教育廳資助項(xiàng)目(YB2014121); 廣西多源信息挖掘與安全重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(MIMS14-06)

劉迪迪(1980-)，女，副教授，西安電子科技大學(xué)博士研究生，E-mail: ldd866@mailbox.gxnu.edu.cn．

王俊義(1977-)，男，副教授，博士，E-mail: wangjy@guet.edu.cn．

http://www.cnki.net/kcms/detail/61.1076.tn.20160401.1622.004.html

10.3969/j.issn.1001-2400.2016.06.002

TN802

A

1001-2400(2016)06-0008-07