無線通信中高譜效與高能效的功率管理研究.pdf

1、頻率資源稀缺和節(jié)省能耗是當前無線通信研究中的兩個重要問題。為此，我們以無線通信中高頻譜效率和高能量效率的功率管理作為本論文的研究對象。為了提高頻譜利用率，本文研究了認知網絡中主用戶和次用戶以underlay方式共享頻譜時的聯合功率控制，通過建立Stackelberg博弈模型來分析了基于頻分復用的認知無線網絡中層次化的主用戶網絡和次用戶網絡的聯合功率分配問題。由于主用戶對次用戶來講具有優(yōu)先性，本文將主用戶建模為領導者，將次用戶建模為跟隨者

2、。模型中所有用戶（主、次用戶）的策略為功率在子載波上的分配，效用為各自的最大傳輸速率。同時建立的模型還考慮了主用戶和次用戶的最大功率約束以及主用戶的干擾信號比約束，后者用來保證主用戶的服務質量?；谝陨霞s束，我們給出了各個用戶的可行策略集合。
　　本文對建立的Stackelberg博弈模型進行了理論分析。具體來講，分析了下層的次用戶博弈問題納什均衡的存在性，給出了納什均衡唯一的一個充分條件，并進一步給出了在一般信道條件下的能夠收斂

3、到納什均衡點的分布式迭代算法。在特殊信道（完美對稱信道）條件下，則給出了納什均衡點的閉式表達式。當只考慮一個主用戶時，上層博弈為包含下層次用戶博弈這一子問題的優(yōu)化問題。在下層次用戶博弈的納什均衡可以給出的情況下就變成了一般的優(yōu)化問題。對于只有一個主用戶的場景，我們在理論分析的基礎上根據次用戶網絡私有信息的可用性給出了兩類算法。在主用戶能夠獲得次用戶網絡信息時，提出了解析的算法。首先主用戶求解包含次用戶博弈子問題的優(yōu)化問題，得到最優(yōu)功率分

4、配。然后，次級用戶在主用戶最優(yōu)功率分配下，根據下層次用戶博弈的納什均衡解進行功率分配。我們證明該算法能夠得到Stackelberg均衡解。當主用戶不能得到次用戶網絡的信息時，提出了分布式的迭代算法并證明了該算法的收斂性。為了進一步提高時間效率，我們還提出了異步迭代算法。針對多個主用戶共存的場景，我們提出了相應的分布式迭代算法，拓展了算法的應用范圍。
　　針對車載無線協作網絡，本文提出用聯盟博弈以及定價機制的方法來提高頻譜利用率的方

5、法。具體來講，通過車輛之間的合作、車輛與路邊單元的合作，減少數據傳輸沖突、提高數據傳輸的準確性及吞吐量，從而提高頻譜的有效利用率。車輛之間可以組成聯盟然后在聯盟中進行傳輸聯合調度從而避免數據沖突，車輛和路邊單元之間也可以組成聯盟。路邊單元可以充當中繼來協助同一個聯盟中的車輛進行數據傳輸提高準確度和吞吐量。雖然轉發(fā)數據有消耗，但是路邊單元可以通過定價機制對協作進行收費獲得收益。我們分析了組成聯盟能夠讓參與者獲得效用增益的一些條件比如聯盟中

6、一定需要有車輛參加。此外，我們還分析了聯盟的穩(wěn)定性問題，給出了內核非空的一個必要條件。
　　高能量效率的通信能夠很好地實現節(jié)能減排，能量效率也是綠色通信的重要概念。本文中，我們研究了具有能量收割功能節(jié)點的綠色通信中物理層的功率控制與高層時延的跨層優(yōu)化問題。高層產生的數據進入緩存中排隊等待發(fā)送，高層時延就是指排隊的時延。在每個時隙中，發(fā)送端從隊列的前端發(fā)送一定數目的數據（數目的多少對應于速率）。同時，發(fā)送端還需要確定本時隙中從收割能

7、量的存儲電池中分配多少的收割能量（剩余的能量則從電網中得到）。本文在電網電量的平均值受限制的情況下，分析了時延最優(yōu)的功率分配，將可用功率的效用發(fā)揮到最佳，提高能量效率。在收割能量到達、數據產生、信道變化為馬爾科夫過程時，我們將該問題建模為約束馬爾科夫決策問題，系統狀態(tài)包括隊列狀態(tài)（緩存中的隊列長度）、電池狀態(tài)（電池中存儲的能量多少）、無線信道狀態(tài)、數據產生多少、收割能量的多少，行動包括傳輸速率的選擇和從電池中分配能量的多少，也就是說策略

8、為以傳輸速率和電池功率分配為元素的2維策略。在收割能量的存儲電池容量無限、有限情況下分別分析了最優(yōu)速率和最優(yōu)電池功率分配的性質。電池容量無限時，我們證明最策略可以順次得到即先得到最優(yōu)速率，然后在此基礎上得到最優(yōu)電池功率分配。另外，還得到了最優(yōu)速率的一些結構化性質。電池容量有限時，我們首先證明了靜態(tài)確定性策略為最優(yōu)策略的存在性，然后證明存在一個拉格朗日系數使得經過拉格朗日松馳后的無約束問題得到的解對于約束馬爾科夫決策也是最優(yōu)策略。同時，我

9、們還證明該無約束的馬爾科夫決策問題的最優(yōu)策略可以通過其對應的折扣馬爾科夫決策得到。我們給出了最優(yōu)策略的兩個必要條件，給出了盡可能多的發(fā)送數據同時盡可能多的分配電池功率為最優(yōu)策略的系統狀態(tài)需要滿足的條件，也給出了不發(fā)送任何數據（當然同時不分配任何電池和電網功率）為最優(yōu)的系統狀態(tài)條件。最后，我們分析了策略的兩個元素之間的相互關系，發(fā)現傳輸速率是主導并且提出了在給定傳輸速率的情況下電池功率的貪婪分配策略為最優(yōu)的猜想。由此，我們研究了策略的降維

10、問題，提出原問題等價于策略只有傳輸速率的一個約束馬爾科夫決策的猜想。在理論分析基礎上提出了兩種具體的策略:激進策略和保守策略。
　　在本文的最后一部分，我們將馬爾科夫決策模型拓展應用到電動車充電調度問題中，提高了電動車充電站的能量（功率）的利用效率。充電站有多個充電節(jié)點，另外它配備有可再生能量生成裝置（比如太陽能板）。同時，為了保證服務的相對穩(wěn)定，充電站也可以從電網中購買電量，但是平均的購電代價是受限制的。
　　電動車到達充

11、電站后先進行排隊等候充電。在每個周期開始時，充電站從隊列的前端取一定數目的電動車進行充電服務。與此同時，充電站還需要從可再生能量中分配一定數量的功率用來滿足充電需求（剩余所需電量從電網中購買）。本文考慮了電動車到達的隨機性、可再生能量的不穩(wěn)定性、電價的時變性質以及每輛電動車充電電量的不確定性，在此基礎上研究了平均購電代價約束下時延最優(yōu)的功率分配問題。當考慮了每輛電動車充電電量的不確定性這一因素后，問題變得更復雜和棘手。為此，我們提出隊列

12、映射的方法將電動車隊列映射為充電能量需求隊列。我們證明這兩個隊列平均長度最小化是等價的。在電動車到達、可再生能量生成以及電價變化都為馬爾科夫過程時，平均充電能量需求隊列長度最小化的功率分配問題可以在馬爾科夫決策的框架下進行研究，我們建立了約束馬爾科夫決策對研究的問題進行了描述。為了簡便，我們給出了建立的馬爾科夫決策在一種特殊情況下的分析、求解過程，對于一般情況的分析、求解可以類似的給出。
　　本文分別考慮了傳統電網和智能電網的情況

13、。傳統電網環(huán)境下，可再生能量產生后需要存儲到一個電池中，這樣由于存儲電池的容量有限，電池的容量將會對最優(yōu)策略的分析、求解帶來很大影響，而在智能電網中，產生的可再生能量則可以存儲到電網中從而可以不再需要存儲電池，因而分配策略也不會受到電池容量的影響。相同策略下，智能電網環(huán)境下的平均電電動車隊列長度不會比傳統電網環(huán)境下的長。在智能電網環(huán)境下，我們證明最優(yōu)策略可以順次得到即先得到最優(yōu)的進行充電服務的電動車數目;然后在此基礎上得到最優(yōu)的可再生功

14、率分配。我們得到了最優(yōu)的進行充電的電動車數目的一些結構化性質。在傳統電網環(huán)境下，我們證明一定存在一個靜態(tài)確定性策略為最優(yōu)策略，同時證明約束馬爾科夫決策問題的解可以由拉格朗日松弛后的非約束問題給出，而松弛后的非約束問題的最優(yōu)解又可以通過其對應的折扣馬爾科夫決策得到。我們給出了最優(yōu)策略的必要條件以及某些策略比如盡可能多的對電池進行充電服務同時盡可能多的分配可再生能量為最優(yōu)時的系統狀態(tài)滿足的充分條件。在兩種場景下（傳統和智能電網），我們都考慮