基于神经动力学优化的无线携能通信系统资源分配策略研究.pdf

重庆三峡学院硕士学位论文

摘要

本研究旨在探讨无线携能通信系统（SimultaneousWirelessInformationandPower

Transfer,SWIPT）中资源分配策略的优化问题，有效的资源分配是提升系统性能的关

键。优化资源分配有助于平衡信息传输和能量传输的需求，保证用户的通信质量和系

统性能。通过智能算法和神经网络，可以实现动态、自适应的资源分配策略，适应复

杂和变化的通信环境。本文将深入研究利用高效智能的神经动力学方法，优化无线携

能通信系统中资源分配，平衡信息传输和能量传输的需求，提升系统性能保证用户的

通信质量。

（1）研究了基于中继的无线携能系统在时延有限情况下的接收端最优资源配置

问题。建立一个基于延迟受限传输模式下的SWIPT中继网络模型，分析其网络性能，

从不同角度研究造成能量中断和信息传输中断的原因：在固定环境噪声等外界条件下，

推导在不同信道条件下实现最大网络吞吐量的资源分配策略。分析了能量中断区域和

信息传输中断区域在吞吐量曲线图上的具体表示区域。

（2）研究了基于SWIPT的中继协作非正交多址接入（Non-OrthogonalMultiple

Access,NOMA）通信系统，建立了一个多用户SWIPT-NOMA中继协作模型，在基

站发射信号能量有限和保证用户通信质量的条件下，为了提高系统的资源利用率，构

建了一个以系统能效最大化为目标的优化问题，提出了一种基于双时间尺度双工神经

动力学算法的通信系统能效优化方案，利用粒子群算法思想更新两个神经网络的初始

状态使其在解空间不同路径上同时寻找全局最优解，联合优化系统的功率分割系数和

用户的功率分配系数，实现SWIPT-NOMA系统的能效最大化。仿真结果表明，所提

出的神经动力学能效优化算法和粒子群算法（ParticleSwarmOptimization,PSO）相比

能以更少的迭代次数求出系统的最佳能量效率，并且提出的算法与PSO算法相比，

系统能效提升约4.6%，而与固定功率分配算法比较，显著提高了约28.6%。

（3）研究了SWIPT下行链路系统接收端信息传输速率最大化的功率分配问题。

在保证接收端正常运行所需的最小能量捕获需求和服务质量标准的前提下，推导出了

系统信息传输速率最大化的目标函数表达式，由于目标函数为双凸函数，因此提出了

改进协作式神经动力学优化算法，引入自适应惯性权重和退火算法的Metropolis准则，

并将该算法用于求解此目标函数。利用改进的算法思想更新多个神经网络的初始状态

使其在解空间不同路径上运行，采用迭代过程寻找系统的最优配置，包括最优功率分

割系数和最佳发射功率。最后利用数学仿真软件，通过分析“最优功率分割系数”和

I

摘要

“信息传输速率”，证明了所提算法的有效性，有效解决了系统的功率分配优化问题。

最后与协作式神经动力学优化算法和传统粒子群算法进行比较，改进协作式神经动力

学算法寻求系统最优解迭代次数更少，效率更高，精度也更高。

关键字：神经动力学算法；自适应惯性权重混合粒子群算法；无线携能通信；功率分

配

II

重庆三峡学院硕士学位论文

Abstract

Thisstudyaimstoexploretheoptimizationproblemofresourceallocationstrategies

inSimultaneousWirelessInformationandPowerTransfer(SWIPT)systems,where

effectiveresourceallocationiskeytoenhancingsystemperformance.Optimizingresource

allocationhelpsbalance