Content uploaded by Yongjun Xu
Author content
All content in this area was uploaded by Yongjun Xu on Mar 20, 2024
Content may be subject to copyright.
无人机辅助的非正交多址反向散射通信系统max-min速率优化算法
王正强*①胡扬①樊自甫①万晓榆①徐勇军①多滨②
①(重庆邮电大学通信与信息工程学院重庆400065)
②(成都理工大学计算机与网络安全学院成都610059)
摘要:无人机(UAV)、非正交多址(NOMA)和反向散射通信(BC)相结合,可以满足热点地区高容量需求,提高
通信质量。该文提出一种无人机辅助的NOMA反向散射通信系统最小速率最大化资源分配算法。考虑无人机发射
功率、能量收集、反射系数、传输速率以及连续干扰消除(SIC)解码顺序约束,建立基于系统最小速率最大化的
资源分配模型。首先利用块坐标下降将原问题分解为无人机发射功率优化、反射系数优化和无人机位置与SIC解
码顺序联合优化3个子问题,然后使用反证法给出无人机最优发射功率,再用变量替换法和连续凸逼近将剩余子
问题进一步转化为凸优化问题进行求解。仿真结果表明,所提算法在系统和速率与用户公平性之间具有较好折中。
关键词:反向散射通信;无人机;非正交多址;资源分配
中图分类号:TN929.5 文献标识码:A文章编号:1009-5896(2023)07-2358-08
DOI:10.11999/JEIT221210
Max-min Rate Optimization Algorithm for Non-Orthogonal
Multiple Access Backscatter Communication System
Assisted by Unmanned Aerial Vehicles
WANGZhengqiang①HUYang①FANZifu①WANXiaoyu①
XUYongjun①DUObin②
①(School of Communication and Information Engineering, Chongqing University of Posts and
Telecommunications, Chongqing 400065, China)
②(College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu 610059, China)
Abstract:ThecombinationofUnmannedAerialVehicle(UAV),Non-OrthogonalMultipleAccess(NOMA),
andBackscatterCommunication(BC)canmeetthehighcapacitydemandandimprovethecommunication
qualityinhotspots.Amax-minrateoptimizationalgorithmisproposedforUAV-assistedNOMA-based
backscattercommunicationsystems.Specifically,aresourceallocationmodelisdevelopedtomaximizesystems’
minimumrateundertheUAVtransmitpower,energyharvesting,reflectioncoefficient,transmissionrate,and
SuccessiveInterferenceCancellation(SIC)decodingorderconstraints.Theoriginalproblemisdividedinto
threesubproblems:UAVtransmitpoweroptimization,reflectioncoefficientoptimization,andjointoptimization
ofUAVpositionandSICdecodingorderoptimization,whicharehandledbyblockcoordinateddecentmethod.
Then,theUAV’soptimaltransmitpoweroptimizationsubproblemissolvedbycontradiction.Furthermore,the
remainingsubproblemsaresolvedbyconvexoptimizationwithvariablesubstitutionandsuccessiveconvex
approximationmethods.Finally,thesimulationresultsshowthattheproposedalgorithmhasobtainedagood
tradeoffbetweenthesystems’sumrateandusers’fairness.
Key words:BackscatterCommunication(BC);UnmannedAerialVehicle(UAV);Non-OrthogonalMultiple
Access(NOMA);Resourceallocation
收稿日期:2022-09-16;改回日期:2023-02-09;网络出版:2023-02-11
*通信作者:王正强 wangzq@cqupt.edu.cn
基金项目:国家自然科学基金(61701064,62271094),四川省区域创新合作项目(2022YFQ0017),重庆市教委科学技术研究项目(KJZD-
K202200501),重庆市博士后研究项目(2021XM3082),中国博士后科学基金(2022MD723725)
FoundationItems:TheNationalNaturalScienceFoundationofChina(61701064,62271094),TheSichuanRegionalInnovationCoopera-
tionProject(2022YFQ0017),TheScientificandTechnologicalResearchProgramofChongqingMunicipalEducationCommission(KJZD-
K202200501),ChongqingPostdoctoralResearchProject(2021XM3082),ChinaPostdoctoralScienceFoundation(2022MD723725)
第45卷第7期电子与信息学报Vol.45No.7
2023年7月JournalofElectronics&InformationTechnology Jul.2023
1 引言
5×1010
近年来,基于物联网在智能家居、智能城市等
广泛应用前景,连接到网络的无线设备数量呈爆炸
性增长,预计到2025年将有 台设备接入网
络[1]。由于电池容量的限制,无线设备的能量有
限,传统更换电池的方式会给大规模无线设备的维
护带来极高的制造成本和环境压力。在此背景下,
研究人员提出了反向散射通信技术[2](Backscatter
Communication,BC)。在BC中,反向散射器
(BackscatterDevice,BD)是一种无源器件,它可
以反射入射的射频(RadioFrequency,RF)信号来
传输信息,而不使用复杂和耗电的有源射频元件,
还可以从入射的RF信号中获取能量进行工作,从
而大大降低电路的功耗[3]。
另外,在无线通信中,无人机辅助通信由于易
于部署、移动性强以及与地面用户具有良好的视距
(LineofSight,LoS)吸引了许多研究人员[4]。同时,
非正交多址(Non-OrthogonalMultipleAccess,
NOMA)技术在基站处复用多个用户传输信号进行
传输,接收端使用连续干扰消除(SuccessiveInter-
ferenceCancellation,SIC)技术对信息进行解码,
可同时服务大量用户[5]。为提高通信质量,研究人
员对BC,NOMA和无人机做了大量研究。
目前,对BC的研究已取得了许多成果。文献[6]
研究了多载波无线供电BC系统的总速率最大化问
题,通过联合优化功率分配、时间分配、反射系
数、能量分配系数来最大化信息传输阶段的反向散
射数据速率和传输速率的总和速率。文献[7]提出在
不完美SIC的情况下对NOMA辅助的BC系统进行
资源分配,通过联合优化基站的发射功率和BD的
反射系数,提高系统的总速率。文献[8]研究了考虑
用户服务质量的基于NOMA的BC系统的资源分
配,提出了一种基于丁克巴赫(Dinkelbach)和2次
变换方法的迭代算法,通过联合优化基站的发射功
率和反射系数,最大化用户的能效。文献[9]研究了
一个地面上的多个BD由其相关的地面载波发射器
激活,并以时分多址的方式向无人机传输信息的
BC系统。通过联合优化BD调度、反射系数、载波
发射器的发射功率和无人机轨迹来最大化能效,并
提出了一种基于块坐标下降(BlockCoordinated
Decent,BCD)和连续凸逼近(SuccessiveConvex
Approximation,SCA)方法的迭代算法来解决问
题。文献[10]研究了全双工无人机辅助的BC系统,
上行链路采用NOMA协议,通过优化无人机的高
度最大限度地增加上行链路中成功解码的比特数,
同时最小化无人机的飞行时间。文献[6–8]研究均考
虑地面固定基站且只有单个BD的情况,没有考虑
无人机作为基站和多个BD的情况。文献[9]考虑了
无人机辅助的BC系统能效优化问题,但用户间公
平性没有考虑。文献[10]研究了全双工无人机辅助
的BC系统的成功解码的比特数最大化问题,没有
考虑对SIC解码顺序优化和BD之间速率公平性问
题。在无人机作为基站情况下,基于NOMA的
BC系统的解码顺序将依赖无人机的位置,因此需
要联合考虑优化无人机位置以提高系统性能。
为了解决上述问题,本文针对无人机辅助的NOMA
反向散射系统,研究系统最小速率最大化问题,主
要贡献如下:
(1)建立了无人机辅助的NOMA反向散射通信
系统模型。在无人机发射功率、能量收集、反射系
数、传输速率以及SIC解码顺序约束下,提出了多
变量耦合的非凸最小速率最大化资源分配问题。
(2)为求解上述非凸问题,利用BCD方法将原
问题分解为无人机发射功率优化、反射系数优化和
无人机位置与SIC解码顺序联合优化3个子问题;
然后使用反证法求解无人机发射功率优化子问题,
再用变量替换法和SCA将剩余子问题进一步转化为
凸优化问题;最后,通过凸优化求解工具CVX[11]
求解剩余子问题并迭代更新得到原问题的解。
(3)仿真结果表明,与现有算法比较,所提算
法具有较好的最小速率。
2 系统模型
n∈ N ={1,2,..., N }
H
q= [xu, yu]T
wn= [xn, yn]T
n
hn=β0/d2
n
dn=H2+∥q−wn∥2
β0
如图1所示,本文考虑由1个全双工无人机、
N个BD组成的BC系统。其中无人机配备双天线,
BD配备单天线,BD集合定义为 。
无人机飞行高度为 ,无人机的水平位置为
,第n个BD的位置为 。
本文假设无人机完全了解信道状态信息,并考虑
BD和无人机之间的链路以LoS链路为主,基于自
由空间路径损耗模型[9],无人机到第 个BD的信道
功率增益为 ,其中
是BD和无人机之间的距离, 为参考距离1m处的
信道功率增益。
x
E|x|2= 1
n
√hnPux
Pr
BDn=Puhn
Pu
(1 −rn)hnPux
En=ηn(1 −rn)Puhn
ηn∈[0,1]
n
rn∈[0,1]
n
假设无人机发送的RF信号为 满足 ,
则第 个BD从无人机接收的信号为 ,BD的
接收功率为 ,其中 是无人机的发射
功率。BD将接收到的信号分为两部分,一部分反
射到无人机,另一部分用于自身的供能。用于自身
供能部分信号为 ,BD采集的能量
为 ,其中 是第 个
BD的能量效率转换系数, 为第 个BD的
第7期王正强等:无人机辅助的非正交多址反向散射通信系统max-min速率优化算法 2359
Pt
BDn=rnPr
BDn
xn=√rnPuhnan
an
n
E|an|2= 1
y=N
n=1
Pt
BDn√hnan+n0+xuu
n0~CN 0, σ 2
σ2
xuu
反射系数。BD的反射功率为 且反射
到无人机的信号表示为 ,其中
为第 个BD的符号信号满足 。由NOMA
原理[12],无人机收到来自BD的信号为
,其中 是加
性高斯白噪声, 是噪声方差, 为无人机的自
干扰。
αnm ∈ {0,1},∀n, m ∈ N
αnm = 1
m
n
n
m
αnm = 0
αnm
无人机使用SIC对来自不同BD的消息进行解
码,本文假设来自信道增益较差的BD的消息被视
为对信道增益较强的BD的干扰,在解码来自信道
增益较差BD的消息时,从接收到的消息中减去来
自信道增益较强BD的消息[13]。具体地,本文引入
变量 来表示SIC解码顺序,
其中 表示第 个BD比第 个BD到无人机的
信道增益小,在无人机解码第 个BD的消息时,第
个BD的消息被视为干扰;否则 。因此,
的定义如式(1)
αnm =
0, dn> dm
1, dn< dm
0 或 1, dn=dm
(1)
式(1)可以等价写为式(2)
αnm ∈ {0,1},∀n≠=m, (2a)
αnn = 0,∀n, (2b)
αnm +αmn = 1,∀n≠=m, (2c)
αnm H2+∥q−wn∥2≤H2+∥q−wm∥2,∀n≠=m
(2d)
n
Rn=log2
1+ Purnhn2
N
m=1,m≠=n
αnmPurmhm2+σ2
,∀n
假设无人机接收来自BD的信号时可以通过自干
扰消除技术完全消除自身发射信号的干扰,且可用带
宽是归一化的,因此第 个BD到无人机的速率可以表示
为 。
考虑在无人机发射功率、反射系数、能量采
集、传输速率以及SIC解码顺序约束下,建立最小
速率最大化资源分配问题为
max
Pu,q,R,Amin
1≤n≤Nlog2
1+ Purnhn2
N
m=1,m≠=n
αnmPurmhm2+σ2
,
s.t.C1 : 0 ≤Pu≤Pmax,
C2 : 0 ≤rn≤1,∀n,
C3 : Pc≤ηn(1 −rn)Puhn,∀n,
C4 : log2
1+ Purnhn2
N
m=1,m≠=n
αnmPurmhm2+σ2
≥Rmin,∀n
式(2a)—式(2d)(3)
R={rn,∀n}
A={αnm,∀n, m}
Pc
Rmin
其中, 为反射系数,
为SIC解码顺序, 是BD维持自身电路工作需要消
耗的功率, 为最小速率门限。问题式(4)是多
变量耦合的非凸问题,不能直接采用凸优化求解。
3 资源分配算法
首先利用BCD方法将问题式(4)分解为无人机
发射功率优化、反射系数优化和无人机位置与
SIC解码顺序联合优化3个子问题。
Pu∗
3.1 求解最优无人机发射功率
q
R
A
固定无人机位置 、反射系数 和SIC解码顺序
,可得优化问题
max
Pu
min
1≤n≤Nlog2
1+ Purnhn2
N
m=1,m≠=n
αnmPurmhm2+σ2
,
s.t.C1,C3,C4(4)
对于问题式(4),通过反证法证明无人机的最
优发射功率为最大发射功率,即定理1。
P∗
u
P∗
u=Pmax
定理1 假设 为优化问题式(4)的最优解,则
。
P∗
u
P∗
u<
Pmax
L=Pmax
λ=Pmax/P∗
u
P∗
u< Pmax
λ > 1
L
C3
C4
证明 假设 为问题式(4)的最优解且
成立。接下来,构造一个新的可行解 ,
令 ,因为 ,得到 。接下
来,分别证明 也满足 和 约束。
P∗
u
C3
Pc≤ηn(1 −rn)P∗
uhn
λ=Pmax/P∗
u
P∗
u
对于 满足约束 有 ,通
过 将 替代得到
图1系统模型
2360 电子与信息学报第45卷
Pc≤λPc≤ηn(1 −rn)Lhn(5)
P∗
u
C4
log2
1 + P∗
urnhn2
N
m=1,m≠=n
αnmP∗
urmhm2+σ2
≥Rmin
P∗
u
对于 满足约束 有
,类
似地,将 替代得到
log2
1 + Lrnhn2
N
m=1,m≠=n
αnmLrmhm2+σ2
≥log2
1 + Lrnhn2
N
m=1,m≠=n
αnmLrmhm2+λσ2
≥Rmin
(6)
L
C3
C4
L
P∗
u
L
由式(5)和式(6)可看出 满足 和 约束且
得到系统最小速率大于 。这表明 是优化问题
式(4)的最优解,与假设相互矛盾,因此定理1成立。
R∗
3.2 求解最优反射系数
q
A
t
固定无人机位置 和SIC解码顺序 ,引入辅助
变量 并根据定理1,可得优化问题
max
R,t t,
s.t.C2,C3,
¯
C4 : log2
1+ Pmax rnhn2
N
m=1,m≠=n
αnmPmax rmhm2+σ2
≥t, ∀n
¯
C5 : t≥Rmin (7)
rn=exn
¯
C4
etln 2−
1 = ek
使用变量替换令 ,对于 ,再令
可写为
k+ln
N
m=1,m≠=n
αnmPmax exmhm2+σ2
Pmaxexnhn2
≤0,∀n
(8)
ln
N
m=1,m≠=n
αnmPmax exmhm2+σ2
Pmaxexnhn2
其中, 是一个
log-sum-exp函数所以是凸函数,因此式(8)是凸函
数的下水平集为凸集。因此问题式(7)可以等价为
max
x,k k,
s.t.C1′:exn≤1,∀n,
C2′:exn≤1−Pc
ηnPmaxhn
,∀n
C3′:k+ln
N
m=1,m≠=n
αnmPmax exmhm2+σ2
Pmaxexnhn2
≤0,∀n
C4′:k≥ln(2Rmin −1) (9)
问题式(9)是凸问题,因此可以使用凸优化内
点算法,通过CVX工具箱求解最优解。
q∗
A∗
3.3 求解最优无人机位置 和SIC解码顺序
对于约束式(2a),这是一个非凸约束,它等价
于式(10)
0≤αnm ≤1,∀n, m (10a)
αnm −α2
nm ≤0,∀n, m (10b)
式(10a)是凸的,式(10b)仍然是非凸的。若对式(10b)
使用SCA,由于式(10a)和式(10b)的联合存在,会
产生一些不可行的迭代问题[14,15],因此在目标函
数中引入惩罚函数来松弛约束式(10b)并得到约束
式(11)
αnm −α2
nm ≤φnm (11)
P∗
u
R∗
s
代入3.1节和3.2节求得的无人机发射功率 和
反射系数 ,并引入辅助变量 可得优化问题
max
Y,q,A,s s−µ
N
n=1
N
m=1
φnm
s.t.C1′′ :log2
1 + Pmaxr∗
nhn2
N
m=1,m≠=n
αnmPmax r∗
mhm2+σ2
≥s, ∀n
C2′′ :s≥Rmin
C3′′ :H2+∥q−wn∥2≤ηn(1 −r∗
n)Pmaxβ0
Pc
,∀n
式(2b)—式(2d),式(10a),式(11)
φnm ≥0,∀n, m
(12)
Y={φnm >0,∀n, m}
µ > 0
φnm = 0,∀n, m
¯αnm
其中, 是扩展约束式(10b)可
行域的松弛变量集, 是惩罚参数。问题式(12)
在收敛时有 [14],所以它和原问题是
等价的,对约束式(11)在1阶泰勒展开有凸约束
¯α2
nm + 2 ¯αnm (αnm −¯αnm) + φnm ≥αnm,∀n, m (13)
此时2元约束式(2a)转化为式(10a)和式(13)两
第7期王正强等:无人机辅助的非正交多址反向散射通信系统max-min速率优化算法 2361
q
¯αnm
个凸约束。对于约束式(2d),在 和 1阶泰勒展 开有凸约束
H2+∥q−wn∥2−¯αnmH2+∥q−wn∥2+ 2( ¯
q−wn)T(q−q)−αnm
2+H2+∥¯
q−wm∥2+ 2( ¯
q−wm)T
·(q−q)≥H2+∥q−wn∥2+αnm2
4+H2+∥q−wn∥2−¯αnm2
4,∀n≠=m(14)
{bn,∀n}
{cn,∀n}
C1′′
引入辅助变量 和 ,由于目标函
数式(12)关于变量s的单调性,约束 可以等价表
示为式(15)
log21 + ebn−cn≥s, ∀n(15a)
ρ0r∗
n
(H2+∥q−wn∥2)2≥ebn,∀n(15b)
1 +
N
m=1,m≠=n
ρ0αnmr∗
m
(H2+∥q−wm∥2)2≤ecn,∀n(15c)
ρ0=Pmaxβ2
0/σ2
¯
bn
¯cn
其中, 。约束式(15a)—式(15c)均是
非凸的,下面使用SCA将它们转化为凸约束。对于
约束式(15a),与式(14)类似,在 和 1阶泰勒展
开有凸约束
log21 + e¯
bn−¯cn+e¯
bn−¯cn
(1 + e¯
bn−¯cn)ln 2
·bn−¯
bn−cn+ ¯cn≥s, ∀n(16)
对于约束式(15b),使用SCA得到凸约束
H2+∥q−wn∥22
ρ0r∗
n≤e−¯
bn(1 −bn+¯
bn),∀n(17)
{gn,∀n}
{unm,∀n, m}
对于约束式(15c),引入辅助变量 和
并将其改写为
gn≤(H2+∥q−wn∥2)2,∀n(18a)
ρ0αnmr∗
m
gm≤unm,∀n≠=m(18b)
1 +
N
m=1,m≠=n
unm ≤ecn,∀n(18c)
与式(14)类似,使用SCA,式(18a)—式(18c)可近
似为凸约束
gn≤H2+∥q−wn∥22+ 4 H2+∥q−wn∥2
·(q−wn)T(q−q),∀n
(19)
ρ0(αnm +r∗
m)2+ (unm −gm)2≤2 (¯unm + ¯gm)
·(unm +gm)−(¯unm + ¯gm)2+ρ02 ( ¯αnm −r∗
m)
·(αnm −r∗
m)−(¯αnm −r∗
m)2,∀n≠=m(20)
1 +
N
m=1,m≠=n
unm ≤e¯cn(cn−¯cn+ 1),∀n(21)
¯gm
¯unm
¯cn
C1′′
其中, , 和 是给出的可行点。综上,约束
已经转换为凸约束式(16)、式(17)、式(19)—式(21)。
根据上述转换,问题式(12)转化为凸优化问题
式(22)
max
Y,q,A,s,B,
C,U,G
s−µ
nm
φnm
s.t.C2′′、C3′′ 、式(2b)、式(2c)、式(10a)、式(13)、
式(14)、式(16)、式(17)、式(19)、式(20)、式(21)、
φnm ≥0,∀n, m
(22)
B={bn,∀n}
C={cn,∀n}
U={unm,∀n, m}
G={gn,∀n}
其中, , , ,
,问题式(22)可采用凸优化内点算法
求解。
3.4 算法求解及复杂度分析
µ
αnm
综上,3个子问题全部解决。本节基于SCA迭代
的最小速率最大化资源分配算法如算法1所示。在
内循环中,更新无人机位置和反射系数,直到收
敛。在外循环中,最初将惩罚参数 设置为足够小
的值,以便为 提供足够的自由度,然后逐步更
算法1 最小速率最大化资源分配算法
R0
max −min
l= 0
t= 0
µ=µ0
γ=γ0
Pmax
q0,A0,B0,C0,U0,G0
ς1
ς2
Tmax
初始化:max-min速率 ,内层迭代次数 ,外层迭
代次数 ,惩罚参数 ,步长 ;无人机最大发射
功率 , ;max-min速率收敛精度
,惩罚收敛精度 ,外层最大迭代次数为 ;
(1)repeat
(2) repeat
ql
Al
R∗
(3) 根据给定的 和 利用凸优化内点法求解问题式(9)得
到反射系数 ;
R∗,Bl,Cl,Ul,Gl
q∗
A∗
(4) 根据 利用凸优化内点法求解问题
式(22)得到无人机位置 和SIC解码顺序 ;
l=l+ 1
(5) 更新 ;
■
■
■Rl+1
max −min −Rl
max −min■
■
■< ς1
(6) until;
max {φnm}> ς2
(7) if
µ=γµ
(8) 更新 ;
(9) else
t=t+ 1
(10) 更新 ;
(11) endif
t≥Tmax
(12)until。
2362 电子与信息学报第45卷
µ
K1
K2
OK1K2N7log2(1/ς1)
新惩罚参数 。假设算法1的外循环迭代次数为
,内循环迭代次数为 ,由文献[16]分析方法可
知算法1复杂度为 。
4 仿真结果与分析
60 m×60 m
β0=−10 dB
η=0.6
σ2=−70 dBm
Pc=0.25 µW
Pmax = 1.5W
H= 15 m
Rmin = 0.8bit/(s·Hz)
Tmax = 30
本节通过分析仿真结果来验证所提算法的性
能,仿真结果是通过200次蒙特卡罗模拟实验得到
的。假设系统中有10个BD,它们随机部署在一个
的正方形区域。其他参数设置如下,
, , , [17],
, , ,
[13],无人机的初始位置部署在所有BD的
几何中心。
为了进行比较,本文考虑以下3个基准方案:
(1)几何中心方案:无人机被部署在所有BD的
几何中心,只通过问题式(9)来优化反射系数。
(2)频分多址(FrequencyDivisionMultiple
Access,FDMA)方案:类似于文献[18]中的OMA-
TYPE-I,其中可用带宽被归一化,每个BD占用带
宽与可用带宽比为1/N,联合优化BD的反射系数
和无人机位置。
(3)和速率最大化方案:联合优化BD的反射系
数和无人机的位置使该系统和速率最大。
从图2可以看出,本文方案在经过7次迭代后趋
于收敛,验证了本算法的收敛性。
Pmax
Rmin
J=N
n=1 Rn2NN
n=1 R2
n
在图3中,从图3(a)可以看出,系统最小速率
随无人机发射功率门限的增加而增加。当 较小
时,FDMA方案不能满足传输速率约束,因此最小
速率为0。和速率最大化方案中,无人机会悬停在
信道最强的BD附近,使其有最大的速率,而其余
BD满足传输速率约束,因此最小速率接近 。
从图3(b)可以看出,本文方案的和速率并不是最大,这
是由于本文方案为了保证系统用户间速率分配公平性。
从图3(c)可以看出,本文方案的公平性最好,其中
公平指数由 [19]
计算。其中,和速率最大化方案的公平指数随着无
人机发射功率门限增大而降低。这是因为无人机会
悬停在信道最强的BD附近,使其有最大的速率,
而其余BD满足传输速率约束,信道最强的BD速率
会随着无人机发射功率增大而增大,导致公平性下降。
从图4(a)可以看出,系统最小速率随着无人机
飞行高度的增加而减少。从图4(b)可以看出,本文
方案的和速率并不是最大。从图4(c)可以看出随着
无人机飞行高度增加,除了FDMA方案,其他方案
的公平指数均增加。这是因为当无人机飞行高度增
加到一定值时,每个BD到无人机的距离趋近一
致,分配的速率也会趋近一致。无人机飞行高度增
加到9m后,FDMA方案的公平指数降低,这是因
为无人机高度增加,信道增益变小,FDMA方案不
能满足传输速率约束。
从图5(a)可以看出,系统最小速率随着BD数
目增加而减少。从图5(b)可以看出,本文方案的和
速率并不是最大。当BD数目增加到10,FDMA方
案和速率下降,这是因为FDMA方案不能满足传输
速率约束,此时和速率为0。从图5(c)可以看出,
图2本文方案迭代图
Pmax
图3不同方案下系统最小速率、和速率和公平指数与无人机最大发射功率 之间的关系
第7期王正强等:无人机辅助的非正交多址反向散射通信系统max-min速率优化算法 2363
本文方案的公平性最好。随着BD数目增加,和速
率最大化方案公平指数增加,这是因为BD数目增
加,信道最强的BD分配的资源减少,每个BD的速
率差距减小。当BD数目增加到10,FDMA方案的
公平指数下降,这是因为FDMA方案不能满足传输
速率约束。
5 结束语
本文研究了无人机辅助的NOMA反向散射通
信系统最小速率优化问题,考虑无人机发射功率、
能量收集、反射系数、传输速率以及SIC解码顺序
约束,建立了系统最小速率最大化资源分配模型。
针对提出的优化问题,首先利用BCD将原问题分
解为无人机发射功率优化、反射系数优化和无人机
位置与SIC解码顺序联合优化3个子问题,然后使
用反证法求解无人机发射功率优化子问题,再用变
量替换法和SCA将剩余子问题转化为凸优化问题处
理。仿真结果表明,本文方案相对于其他基准方案
使得系统用户最小速率最大化,在系统和速率与用
户公平性之间具有较好折中。在下一步的研究中可
以进一步考虑物理层安全[20]、隐蔽通信[21]和智能反
射面[22]的场景,并考虑实际应用中会遇到的一些问
题,如BD采用的是非线性采集模型[23]和系统由于
估计误差、量化误差等存在非理想信道状态信息[24]
情况。
参 考 文 献
AL-FUQAHAA, GUIZANIM, MOHAMMADIM, et al.
Internetofthings: A survey onenablingtechnologies,
protocols,andapplications[J].IEEE Communications
Surveys & Tutorials,2015,17(4):2347–2376.doi:10.1109/
COMST.2015.2444095.
[1]
VANHUYNHN,HOANGDT,LUXiao,et al.Ambient
backscattercommunications: Acontemporarysurvey[J].
IEEE Communications Surveys & Tutorials,2018,20(4):
2889–2922.doi:10.1109/COMST.2018.2841964.
[2]
BOYERCandROYS.Backscatter communicationand
RFID:Coding, energy, and MIMO analysis[J]. IEEE
Transactions on Communications,2014, 62(3):770–785.
doi:10.1109/TCOMM.2013.120713.130417.
[3]
WANGZhe,DUANLingjie,andZHANGRui.Adaptive
deploymentforUAV-aided communicationnetworks[J].
IEEE Transactions on Wireless Communications,2019,
18(9):4531–4543.doi:10.1109/TWC.2019.2926279.
[4]
H
图4不同方案下系统最小速率、和速率和公平指数与无人机飞行高度 之间的关系
图5不同方案下系统最小速率、和速率和公平指数与BD数目之间的关系
2364 电子与信息学报第45卷
WANGZhengqiang,CHENGQu,FANZifu,et al.Areview
ofresourceallocationstudiesfornon-orthogonalmultiple
accesssystem[J].Telecommunication Science,2018,34(8):
136–146.doi:10.11959/j.issn.1000-0801.2018236.
[5]
XUYongjunandGUIGuan.Optimalresourceallocation
forwirelesspoweredmulti-carrierbackscattercommunication
networks[J].IEEE Wireless Communications Letters,2020,
9(8):1191–1195.doi:10.1109/LWC.2020.2985010.
[6]
KHANWU,LIXingwang,ZENGMing,et al.Backscatter-
enabledNOMAforfuture6Gsystems:Anewoptimization
frameworkunderimperfectSIC[J].IEEE Communications
Letters,2021,25(5):1669–1672.doi:10.1109/LCOMM.2021.
3052936.
[7]
XU Yongjun, QIN Zhijin, GUI Guan, et al. Energy
efficiencymaximizationin NOMA enabledbackscatter
communicationswithQoS guarantee[J].IEEE Wireless
Communications Letters,2021,10(2): 353–357.doi:10.
1109/LWC.2020.3031042.
[8]
YANGGang,DAIRao,andLIANGYingchang.Energy-
efficient UAV backscatter communication with joint
trajectorydesignandresourceoptimization[J].IEEE
Transactions on Wireless Communications,2021, 20(2):
926–941.doi:10.1109/TWC.2020.3029225.
[9]
FARAJZADEHA,ERCETINO,andYANIKOMEROGLU
H.UAVdatacollectionoverNOMAbackscatternetworks:
UAValtitudeandtrajectoryoptimization[C].2019IEEE
InternationalConference onCommunications,Shanghai,
China,2019:1–7.doi:10.1109/ICC.2019.8761125.
[10]
GRANTMandBOYDS.CVX:Matlabsoftwarefor
disciplinedconvexprogramming[EB/OL].http://cvxr.
com/cvx,2020.
[11]
ZHANGNingbo,WANGJing,KANGGuixia,et al.Uplink
nonorthogonalmultipleaccess in 5Gsystems[J].IEEE
Communications Letters,2016,20(3): 458–461.doi:10.
1109/LCOMM.2016.2521374.
[12]
LUJinhui, WANGYuntian,LIUTingting,et al.UAV-
enableduplinknon-orthogonalmultipleaccesssystem:Joint
deploymentandpowercontrol[J].IEEE Transactions on
Vehicular Technology,2020,69(9):10090–10102.doi:10.
1109/TVT.2020.3005732.
[13]
VUQD,NGUYENKG,andJUNTTIM.Max-min
fairnessfor multicastmultigroupmulticell transmission
under backhaul constraints[C]. 2016 IEEE Global
CommunicationsConference,Washington,USA,2016:1–6.
doi:10.1109/GLOCOM.2016.7841981.
[14]
NGUYENTM,AJIBW,andASSIC.Anovelcooperative
NOMAfordesigningUAV-assistedwirelessbackhaul
networks[J]. IEEE Journal on Selected Areas in
Communications,2018,36(11):2497–2507.doi:10.1109/
JSAC.2018.2874136.
[15]
WANGZhengqiang,DU Jin, FAN Zifu,et al.Energy
efficiencymaximizationformulti-carriercooperativenon-
[16]
orthogonal multiple access systems[J]. Digital Signal
Processing,2022,130: 103725.doi:10.1016/j.dsp.2022.
103725.
LIDong.Twobirdswithonestone:Exploitingdecode-and-
forward relaying for opportunistic ambient
backscattering[J].IEEE Transactions on Communications,
2020, 68(3): 1405–1416. doi: 10.1109/TCOMM.2019.
2957490.
[17]
CHENZhiyong,DINGZhiguo, DAI Xuchu, et al. An
optimizationperspectiveofthesuperiorityofNOMA
comparedtoconventionalOMA[J].IEEE Transactions on
Signal Processing,2017,65(19):5191–5202.doi:10.1109/
TSP.2017.2725223.
[18]
WANGZhengqiang,WAN Xiaoyu,WEIXiao, et al.A
closed-formpowercontrol algorithmincognitiveradio
networksbasedonNashbargainingsolution[C].The3rd
IEEE International Conference on Computer and
Communications,Chengdu,China,2017:681–685.doi:10.
1109/CompComm.2017.8322630.
[19]
LIXingwang,ZHENGYike,KHANWU,et al.Physical
layer security of cognitive ambient backscatter
communicationsforgreenInternet-of-Things[J]. IEEE
Transactions on Green Communications and Networking,
2021,5(3):1066–1076.doi:10.1109/TGCN.2021.3062060.
[20]
ZHANGYanliang,HEWenjing,LIXingwang,et al.Covert
communicationindownlinkNOMAsystemswithchannel
uncertainty[J]. IEEE Sensors Journal, 2022, 22(19):
19101–19112.doi:10.1109/JSEN.2022.3201319.
[21]
LIGeng, LIUHuiling, HUANGGaojian, et al.Effective
capacityanalysisofreconfigurableintelligentsurfacesaided
NOMA network[J]. EURASIP Journal on Wireless
Communications and Networking,2021,2021(1):198.
doi:10.1186/s13638-021-02070-7.
[22]
HUAMengandWUQingqing.Throughputmaximization
for IRS-aided MIMO FD-WPCN with non-linear EH
model[J].IEEE Journal of Selected Topics in Signal
Processing,2022,16(5):918–932.doi:10.1109/JSTSP.2022.
3179840.
[23]
LIXingwang,ZHAOMengle,ZENGMing,et al.Hardware
impairedambientbackscatterNOMAsystems:Reliability
andsecurity[J]. IEEE Transactions on Communications,
2021, 69(4): 2723–2736. doi: 10.1109/TCOMM.2021.
3050503.
[24]
王正强:男,副教授,博士生导师,研究方向为无人机通信.
胡 扬:男,硕士生,研究方向为反向散射通信.
樊自甫:男,教授,硕士生导师,研究方向为下一代无线通信.
万晓榆:男,教授,博士生导师,研究方向为下一代无线通信.
徐勇军:男,副教授,博士生导师,研究方向为反向散射通信.
多 滨:男,教授,硕士生导师,研究方向为无人机通信.
责任编辑: 余 蓉
第7期王正强等:无人机辅助的非正交多址反向散射通信系统max-min速率优化算法 2365