图1 系统模型
纸质出版日期:2023-01-25,
网络出版日期:2022-09-19,
收稿日期:2022-01-21,
录用日期:2022-06-17
扫 描 看 全 文
引用本文
阅读全文PDF
研究了基于无线携能通信(SWIPT, simultaneous wireless information and power transfer)和非正交多址接入(NOMA,non-orthogonal multiple access)的认知中继网络的中断性能。针对具有直接链路通信和两阶段通信两种传输模式,推导了系统总体中断概率的解析表达式和高信噪比条件下的渐近表达式,并通过Monte-Carlo仿真验证了理论推导的正确性。仿真结果表明,系统在直接通信模式下能获得更好的中断性能。此外,与传统的正交多址接入认知中继网络相比,基于SWIPT-NOMA的认知中继网络能获得更好的中断性能和更高的能量效率。
The outage performance of the cognitive relay networks is analyzed based on simultaneous wireless information and power transfer (SWIPT) and non-orthogonal multiple access (NOMA). The analytical expressions of overall outage probability and asymptotic expressions on high signal-to-noise ratio (SNR) are derived for the direct link transmission mode and the two-stage communication transmission mode. The analytical expressions are validated by Monte-Carlo simulations. The simulation results demonstrate that the outage performance is improved by through the direct link transmission. Furthermore, compared with the conventional cognitive relay networks with orthogonal multiple access (OMA), superior outage performance and high energy efficiency are achieved for the cognitive relay networks based on SWIPT-NOMA.
近年来,随着移动通信业务的迅猛发展,对移动数据流量的需求呈现出爆炸性的增长。但是目前无线通信技术一直面临着频谱资源短缺、频谱利用率低以及能耗等问题的挑战。如何同时提高通信的频谱效率和能量效率受到了业界和学界的广泛关注。
非正交多址接入技术可以在提高频谱效率的同时,提供更好的用户公平性,受到越来越多的学者关注[
在传统的协作NOMA网络中,中继消耗电池能量来转发信息。但是在实际应用中,电池的能量是非常有限的,需要经常充电或更换电池,在一些特殊环境下(如沙漠、海底等)造成使用的不便利。为了解决电源续航问题,提高无线通信系统的能量效率,一种新的技术——无线携能通信应运而生[
为了定量衡量SWIPT、NOMA技术为认知无线电系统带来的性能增益,学者们展开了大量的研究。文献[
然而,上述文献考虑的都是两跳中继网络,忽略了发射机到目的用户之间的直接通信链路。文献[
系统模型如
图1 系统模型
Fig.1 System model
假设主用户发射机距离中继和次用户接收机较远,系统可以忽略主用户发射机对中继节点和次用户接收机的干扰。为了保证主用户的服务质量(QoS,quality of service),次用户发射机对主用户接收机的干扰不能超过其最大干扰容限I,次用户的发射功率Ps需满足
Ps=min {P,IXsp} , | (1) |
其中P是次用户发射机的最大发射功率。
次用户发射机和接收机之间的信号传输有以下两种通信模式:
(1)直接通信模式
s→di通信链路条件好时,次用户发射机采用叠加编码技术,直接向次用户接收机发送信号√β1Psx1+√β2Psx2,x1和x2表示发送给d1和d2的信息,β1和β2表示功率分配因子,且β1>β2和β1+β2=1,0<β1,β2<1.则在用户di(i=1,2)处接收到的信号y1di为
y1di=√PsXsdi(√β1x1+√β2x2)+ndi , | (2) |
其中ndi为用户di处的加性高斯白噪声,且ndi∼CN(0,σ2) .
根据NOMA的串行干扰消除(SIC,successive interference cancellation)原理,d1将d2的信号视为干扰,用户d1的可达速率R11为
R11=12log2(1+ρsβ1Xsd1ρsβ2Xsd1+1) , | (3) |
其中ρs=Psσ2 .
对于用户d2,在检测自身信号x2之前,需要正确解码信号x1 .此时用户d2关于解码信号x1的可达速率R11→2为
R11→2=12log2(1+ρsβ1Xsd2ρsβ2Xsd2+1) . | (4) |
设R*1表示d1的目标速率要求,当R11→2>R*1时,d2可以采用SIC技术成功消除信号x1 .此时用户d2的可达速率R12为
R12=12log2(1+ρsβ2Xsd2) . | (5) |
(2)两阶段通信模式
当s→di通信链路传输中断时,只能借助中继进行信号传输。此时信号传输分两个阶段进行。
第1阶段:次用户发射机向中继节点发送信号√β1Psx1+√β2Psx2 .中继节点采用基于功率分割模式的SWIPT技术,功率分割参数为ω(0≤ω<1),其中ωPs用于能量转换,(1-ω)Ps用于信息传输。中继节点处接收到的信号yr为
yr=√(1-ω)PsXsr(√β1x1+√β2x2)+nr , | (6) |
其中nr为中继节点处,均值为0,方差为σ2的加性高斯白噪声。
中继节点接收到信号后,首先检测信号x1,其可达速率Rx1为
Rx1=12log2(1+(1-ω)Xsrρsβ1(1-ω)Xsrρsβ2+1) . | (7) |
如果Rx1>R*1,中继能够成功解码,并将信号x1消除。此时中继节点上关于信号x2的可达速率Rx2为
Rx2=12log2(1+(1-ω)Xsrρsβ2) . | (8) |
为了保证中继节点能够正确解码,需满足
{12log2(1+(1-ω)Xsrρsβ1(1-ω)Xsrρsβ2+1)≥R*1 ,12log2(1+(1-ω)Xsrρsβ2)≥R*2 , | (9) |
其中R*2表示d2的目标速率要求。经过代数运算,
{(1-ω)Xsrρs(1-22R*1β2)≥22R*1-1 ,(1-ω)Xsrρs≥22R*2-1 . | (10) |
根据
β2=22R*2-122R*1+2R*2-1 , | (11) |
和
ω=max{0,1-22R*1+2R*2-1Xsrρs} . | (12) |
中继节点处收集的能量EHr由文献[
EHr=12ηωPsXsr , | (13) |
其中η表示能量转换效率。
根据
PHr=ηωPsXsr={η(PsXsr-ε), PsXsr≥ε ,0, PsXsr<ε , | (14) |
其中ε=22(R*1+R*2)-1 .
第2阶段:中继节点转发消息给di,为保证主用户的QoS,中继节点的发射功率Pr需满足以下条件
Pr=min{PHr,IXrp} . | (15) |
当信号x1和x2都能正确解码时,根据NOMA工作原理,中继节点重新将信号x1和x2叠加编码为√α1Prx1+√α2Prx2发送给次用户接收机,α1和α2表示功率分配因子,且α1>α2和α1+α2=1,0<α1,α2<1.用户di处接收到的信号表示y2di为
y2di=√PrXrdi(√α1x1+√α2x2)+ndi . | (16) |
由此可得出,用户d1的可达速率R21为
R21=12log2(1+ρrα1Xrd1ρrα2Xrd1+1) . | (17) |
用户d2关于信号x1的可达速率R21→2为
R21→2=12log2(1+ρrα1Xrd2ρrα2Xrd2+1) . | (18) |
用户d2的可达速率R22为
R22=12log2(1+ρra2Xrd2) . | (19) |
在具有直接链路的传输模式下,系统总体中断概率Pout定义为
Pout=Pr(PsXsd1<ε1,PsXsd2<ε2,PsXsr<ε)︸ΔA1+ Pr(PsXsd1<ε1,PsXsd2<ε2,PsXsr≥ε,PrXrd1<ε1,PrXrd2<ε2)︸ΔA2 , | (20) |
其中ε1=22R*1-1、ε2=22R*2-1. ΔA1表示直接通信链路发生中断以及次用户发射机到中继节点的传输速率小于目标速率的情况。ΔA2表示直接链路发生中断,中继节点可以正确解码,但中继节点到次用户接收机的传输速率小于目标速率的情况。
将
ΔA1=Pr(Xsd1<ε1P,Xsd2<ε2P,Xsr<εP,Xsp<IP)︸ΔA11+ Pr(Xsd1<Xspε1I,Xsd2<Xspε2I,Xsr<XspεI,Xsp≥IP) ︸ΔA12 . | (21) |
为了方便表达,第1项用ΔA11表示,第2项用ΔA12表示。由于所有的信道都是独立分布的,可得ΔA11的表达式为
ΔA11=(1-e-λsd1ε1P)(1-e-λsd2ε2P)(1-e-λsrεP)(1-e-λspIP) . | (22) |
同理可得ΔA12的表达式为
ΔA12=1λspe-λspIP-(Iλsd1ε1+λspIe-λsd1ε1+λspIP+Iλsd2ε2+λspIe-λsd2ε2+λspIP)-Iλsrε+λspIe-λsrε+λspIP+ 1λsd1ε1+λsrε+λspe-(λsd1ε1+λsrε+λsp)IP+1λsd2ε2+λsrε+λspe-(λsd2ε2+λsrε+λsp)IP+ 1λsd1ε1+λsd2ε2+λspe-(λsd1ε1+λsd2ε2+λsp)IP+1λsd1ε1+λsd2ε2+λsrε+λspe-(λsd1ε1+λsd2ε2+λsrε+λsp)IP . | (23) |
将
ΔA2=(Pr{Xsr≥εP,Xrd1<ε1η(PXsr-ε),Xrd2<ε2η(PXsr-ε),Xrp<Iη(PXsr-ε)}︸ΔA21)FXsp(IP)FXsd1(ε1P)FXsd2(ε2P)+ (Pr{Xsr≥εP,Xrd1<Xrpε1I,Xrd2<Xrpε2I,Xrp<Iη(PXsr-ε)}︸ΔA22)FXsp(IP)FXsd1(ε1P)FXsd2(ε2P)+ Pr{Xsd1Xsp<ε1I,Xsd2Xsp<ε2I,XsrXsp≥εI,Xsp≥IP,Xrd1<ε1η(IXspXsr-ε),Xrd2<ε2η(IXspXsr-ε),Xrp<Iη(IXspXsr-ε)}︸ΔA23+ Pr(Xsd1Xsp<ε1I,Xsd2Xsp<ε2I,XsrXsp≥εI,Xsp≥IP,Xrd1<Xrpε1I,Xrd2<Xrpε2I,Xrp<Iη(IXspXsr-ε))︸ΔA24 . | (24) |
计算可得ΔA21的表达式为
ΔA21=e-λsrεP[1-2√λsrλrpIηPK1(2√λsrλrpIηP)-2√λsrλrd1ε1ηPK1(2√λsrλrd1ε1ηP)-2√λsrλrd2ε2ηP K1(2√λsrλrd2ε2ηP)+2√λsr(λrd1ε1+λrd2ε2)ηPK1(2√λsr(λrd1ε1+λrd2ε2)ηP)+2√λsr(λrd1ε1+λrpI)ηP K1(2√λsr(λrd1ε1+λrpI)ηP)+2√λsr(λrd2ε2+λrpI)ηPK1(2√λsr(λrd2ε2+λrpI)ηP)+2√λsr(λrd1ε1+λrd2ε2+λrpI)ηPK1(2√λsr(λrd1ε1+λrd2ε2+λrpI)ηP)] , | (25) |
其中Kn(·)为第二类修正贝塞尔函数[
ΔA22=e-λsrεP[2√λsrλrpIηPK1(2√λsrλrpIηP)-2Iλrd1ε1+λrpI√λsr(λrd1ε1+λrpI)ηPK1(2√λsr(λrd1ε1+λrpI)ηP)-2Iλrd2ε2+λrpI√λsr(λrd2ε2+λrpI)ηPK1(2√λsr(λrd2ε2+λrpI)ηP)+2Iλrd1ε1+λrd2ε2+λrpI· √λsr(λrd1ε1+λrd2ε2+λrpI)ηPK1(2√λsr(λrd1ε1+λrd2ε2+λrpI)ηP)] . (26) |
令Xsp≜x,Xsr≜y,则
ΔA23=(1-Iλsd1ε1+λsd2ε2e-λsd1ε1+λsd2ε2P+Iλsd1ε1e-λsd1ε1P+Iλsd2ε2e-λsd2ε2P)· [Iλsrε+λrpIe-λsrε+λrpIP-(h(x)+h1(x,0)+h2(x,0)-h1(x,I)-h2(x,I)-h3(x,0)+h3(x,I))] , | (27) |
其中
h(x)=∫∞IP2√λsrxηIK1(2√λsrxηI)e-λspI+λsrεIxdx, |
h1(x,0)=∫∞IP2√λsrxλrd1εηIK1(2√λsrxλrd1εηI) e-λspI+λsrεIxdx, |
h1(x,I)=∫∞IP2√λsrx(λrd1ε+λrpI)ηIK1(2√λsrx(λrd1ε+λrpj)ηI)e-λspI+λsrεIxdx, |
h2(x,0)=∫∞IP2√λsrxλrd2εηIK1(2√λsrxλrd2εηI)e-λspI+λsrεIxdx, |
h2(x,I)=∫∞IP2√λsrx(λrd2ε+λrpI)ηIK1(2√λsrx(λrd2ε+λrpI)ηI) e-λspI+λsrεIxdx, |
h3(x,0)=∫∞IP2√λsrx(λrd1ε+λrd2ε)ηIK1(2√λsrx(λrd1ε+λrd2ε)ηI)e-λspI+λsrεIxdx, |
h3(x,I)=∫∞IP2√λsrx(λrd1ε+λrd2ε+λrpI)ηIK1(2√λsrx(λrd1ε+λrd2ε+λrpI)ηI)e-λspI+λsrεIxdx . |
同理,ΔA24表达式为
ΔA24=(1-Iλsd1ε1+λsd2ε2e-λsd1ε1+λsd2ε2P+Iλsd1ε1e-λsd1ε1P+Iλsd2ε2e-λsd2ε2P)· [h(x)-Iλrd1ε1+λrpIh1(x,I)-Iλrd2ε2+λrpIh2(x,I)+Iλrd1ε1+λrd2ε2+λrpIh3(x,I)] . | (28) |
将式(
为了得到更直观的规律,进一步推导了直接通信链路传输模式下中断概率的渐近表达式。当ρs→∞时,可推导得
h1(x,0)≈lnI . | (29) |
h1(x,I)≈2η∞∑k=0Γ(k+1,v)ϕ(k+1)(k!)2-1η∞∑k=0G(i,k)(k!)2 . | (30) |
h1(0)=2√λsd1ε1λsrηPK1(2√λsd1ε1λsrηP)≈1+λsd1ε1λsrηPlnλsd1ε1λsrηP=1 . | (31) |
将式(
Pout≈lnPP+O[(lnPP)2] . | (32) |
两阶段传输模式下,系统总体中断概率Pout定义为
Pout=1-Pr{R21→2≥R*1,R22≥R*2,R21≥R*1} , | (33) |
其中R21≥R*1表示远端用户d1可以正确解码信号x1的情况,R22≥R*2表示近端用户d2可以正确解码信号x2的情况,R21→2≥R*1表示近端用户d2可以成功解码信号x1的情况。
将式Pr=min{PHr,IXrp}代入
Pout=1-Pr(α1PHrXrd1α1PHrXrd1+1≥ε1,α1PHrXrd2α2PHrXrd2+1≥ε1,Xsr>εPs,PHr<IXrp,α2PHrXrd2≥ε2)︸ΔB1+ Pr(Xsr>εPs,α2IXrd2Xrp≥ε2,PHr>IXrp,α1IXrd1α2IXrd1+Xrp≥ε1,α1IXrd2α2IXrd2+Xrp≥ε1)︸ΔB2 , | (34) |
其中ΔB1和ΔB2可以进一步转化为
ΔB1=Pr{α1η(PXsr-ε)Xrd1α1η(PXsr-ε)Xrd1+1≥ε1,α1η(PXsr-ε)Xrd2α2η(PXsr-ε)Xrd2+1≥ε1,Xsr>εP,η(PXsr-ε)<IXrp,P<IXsp,α2η(PXsr-ε)Xrd2≥ε2}︸ΔB11+ Pr{α1η(XsrIXsp-ε)Xrd1α1η(XsrIXsp-ε)Xrd1+1≥ε1,α1η(XsrIXsp-ε)Xrd2α2η(XsrIXsp-ε)Xrd2+1≥ε1,Xsr>εXspP,η(XsrIXsp-ε)<IXrp,P>IXsp,α2η(XsrIXsp-ε)Xrd2≥ε2}︸ΔB12 . | (35) |
ΔB2=Pr{Xrd2Xrp≥ε1I(α1-α2ε1),Xrd1Xrp≥ε1I(α1-α2ε1),η(PXsr-ε)<IXrp,Xsr>εP,Xsp<IP,Xrd2Xrp≥ε2α2I}︸ΔB21+ Pr{Xrd2Xrp≥ε1I(α1-α2ε1),Xrd2Xrp≥ε2α2I,Xrp>IXspη(IXsr-εXsp),Xsr>εXspI,Xsp>IP,Xrd1Xrp≥ε1I(α1-α2ε1)}︸ΔB22 . | (36) |
经过推导,可求得ΔB11和ΔB21为
ΔB11=(1-e-λspIP)e-λsrεP[2√λrd1φ1+λrd2φ2PK1(2√λrd1φ1+λrd2φ2P)-2√(λrd1φ1+λrd2φ2+λrp)IηPK1(2√(λrd1φ1+λrd2φ2+λrp)IηP)] , | (37) |
ΔB21=λrp(1-e-λspIP)e-λsrεPλrd1ψ1+λrd2ψ2+λrp[2√(λrd1ψ1+λrd2ψ2+λrp)IηPK1(2√(λrd1ψ1+λrd2ψ2+λrp)IηP)] , | (38) |
其中φ1=ε1η(α1-ε1α2),φ2=max{ε1η(α1-ε1α2),ε2ηα2}.
接下来推导ΔB12和ΔB22的表达式。为了简化表达式,令Xsp≜y,经过推导得ΔB12和ΔB22的表达式为
ΔB12=∫∞IPe-λsrεyI[2√y(λrd1φ1+λrd2φ2)IK1(2√y(λrd1φ1+λrd2φ2)I)-2√y(λrd1ηφ1+λrd2ηφ2+λrpI)IK1(2√y(λrd1ηφ1+λrd2ηφ2+λrpI)I)]λspe-λspydy . | (39) |
ΔB22=∫∞IPe-λsrεyI[2√(λrd1ψ1+λrd2ψ2+λrp)yηK1(2√(λrd1ψ1+λrd2ψ2+λrp)yη)]λspe-λspydy , | (40) |
其中ψ1=ε1I(α1-α2ε1),ψ2=max{ε1I(α1-ε1α2),ε2Iα2} .
将ΔB11、ΔB12、ΔB21和ΔB22相加可得出在两阶段通信模式下系统的总体中断概率Pout为
Pout=1-(F1-F2)-F3 , | (41) |
其中
F1=(1-e-λspIP)e-λsrεP2√λsr(λrd2φ2+λrd1φ1)PK1(2√λsr(λrd2φ2+λrd1φ1)P), |
F2=(1-e-λspIP)e-λsrεP(1ηλrpIλrd2φ2+ηλrpIλrd1φ1+1-1)2√Iλsr(λrd2ψ2+λrd1ψ1+λrp)ηPK1(2√Iλsr(λrd2ψ2+λrd1ψ1+λrp)ηP), |
F3=∫∞IPλspe-λsrεyI-λspy(2√yλrp(λrd1φ1+λrd2φ2)IK1(2√yλrp(λrd1φ1+λrd2φ2)I)-2√yλsr(ηλrd1φ1+ηλrd2φ2+λrpI)ηIK1(2√yλsr(ηλrd1φ1+ηλrd2φ2+λrpI)ηI)+2√yλsr(λrd1ψ1+ηλrd2ψ2+λrp)ηλrpK1(2√yλsr(λrd1ψ1+ηλrd2ψ2+λrp)ηλrp)]dy . |
当ρs→∞,I=kP时,可以推导得到
F1≈1-λsrεP-e-λspk(1-λsrεP)-(1-e-λspk)(λrd1φ1+λrd2φ2)Pln(λrd1φ1+λrd2φ2)P . | (42) |
F2≈-(1-e-λspk)(-ηλrd1ψ1+ηλrd2ψ2λrpI)λrpI(2√λrpλsrkηK1(2√λrpλsrkη)) . | (43) |
F3≈e-λspk(1-λsrεP) . | (44) |
因此,在两阶段通信模式下,系统中断概率的渐进表达式为
Pout≈lnPP. | (45) |
在SWIPT-OMA认知中继网络中,信号传输分为4个时隙进行。在第1个时隙,发射机向中继节点发送信号;在第2个时隙,中继节点解码信号并转发给第1个用户;在第3个时隙,发射机向中继节点发送信号;在第4个时隙,中继节点解码信号转发给第2个用户。
与
Pr=max{0,η(PsXsr-ε*i)}, | (46) |
其中ε*i=24R*i-1,i=1,2 .
中继节点和用户di处的可达速率Rxi、Ri分别为
Rxi=14log2(1+PrXsr), | (47) |
Ri=14log2(1+PrXrdi) . | (48) |
OMA认知中继网络总体中断概率POMAout定义为
POMAout=1-Pr{14log2(1+PrXrdi)>R*i,PsXsr>ε*i}=1-Pr{Xrdi>ε*iη(PXsr-ε*i),Xsr>ε*iPs} . | (49) |
本节通过蒙特卡罗仿真验证理论推导的正确性。不失一般性,系统参数设置如下:噪声功率归一化为1,速率R1=0.5 bit/s,R2=1.5 bit/s,功率分配系数β1=α1=0.8,最大干扰功率值I=20 dB,能量转换效率η=0.5 .假设路径损耗因子α=2,信道参数λsp=λrp=2,λsr=λrd1=λrd2=1,λsd1=λsd2=3.
图2 基于SWIPT-NOMA的认知中继网络中断概率
Fig.2 Outage probability of SWIPT-NOMA cognitive relay networks
图3 不同η取值下用户中断概率
Fig.3 Outage probability with different η values
图4 不同目标速率下用户中断概率
Fig.4 Outage probability with different target data rates
图5 不同干扰约束条件下用户中断概率
Fig.5 Outage probability with different interference power constraints
图6 SWIPT-NOMA认知中继网络与传统NOMA认知中继网络中断概率比较
Fig.6 Outage probability comparison between SWIPT-NOMA cognitive relay networks and traditional NOMA cognitive relay networks
但是,通过对
在实际应用中,考虑到采用SWIPT技术可以有效解决网络的充电问题,提高能量效率,在中断性能可接受的条件下,SWIPT-NOMA认知中继网络具有更广阔的实际应用场景。
针对SWIPT-NOMA认知中继网络,本文推导了在直接通信模式和中继协助的两阶段通信模式下系统总体中断概率的解析表达式以及高信噪比条件下的渐近表达式。理论推导和仿真结果均表明,在SWIPT-NOMA认知中继网络中,采用直接通信模式可以有效降低认知用户的中断概率,提高网络通信传输的可靠性。与基于SWIPT的OMA认知中继网络相比,SWIPT-NOMA认知中继网络的中断概率更低,说明采用NOMA技术可以提高信息传输的可靠性。与传统NOMA认知中继网络相比,SWIPT-NOMA认知中继网络的中断概率略有所增加,但中断概率曲线的斜率一样,说明采用SWIPT技术不会降低分集增益。此外,分析还表明,SWIPT-NOMA认知中继网络的能量效率优于传统NOMA认知中继网络,说明SWIPT技术可以提高系统的能量效率,解决中继节点的供电问题。所以,将SWIPT和NOMA技术引入认知中继网络中,能为用户带来可靠性和能量效率方面的增益。本文的研究为SWIPT和NOMA技术在认知中继网络中的应用提供了更准确的理论依据。
ISLAM S, AVAZOV N, DOBRE O A, et al. Power-domain non-orthogonal multiple access (NOMA) in 5G systems: Potentials and challenges[J]. IEEE Communications Surveys & Tutorials, 2016,19(2):721-742. [百度学术]
DING Z, LEI X, KARAGIANNIDIS G K. A survey on non-orthogonal multiple access for 5G networks: Research challenges and future trends[J]. IEEE Journal on Selected Areas in Communications, 2017,35(10):2181-2195. [百度学术]
曾志超, 崔苗, 林凡,等. 非正交多址接入无线供电通信网络的能量传输开启条件研究[J]. 中山大学学报(自然科学版), 2019, 58(6):104-120. [百度学术]
LU L,CHEN J,NI Q. Cooperative non-orthogonal multiple access in cognitive radio[J]. IEEE Communications Letters, 2016,20(10):2059-2062. [百度学术]
VARSHNEY L R. Transporting information and energy simultaneously[C]// IEEE International Symposium on Information Theory,2008:1612-1616. [百度学术]
李陶深,宁倩丽,王哲. SWIPT-NOMA机会协作系统的优化方案[J]. 通信学报,2020,41(8):141-154. [百度学术]
ZHENG Y, DING Z, FAN P, et al. Outage performance for dynamic power allocation in hybrid non-orthogonal multiple access systems[J]. IEEE Communications Letters,2016,20(8):1695-1698. [百度学术]
CHENG Y, YANG J, DING J, et al. Outage analysis of underlay cognitive DF relaying network with SWIPT in Nakagami-m fading environment [C]// IEEE International Conference on Communications in China, 2017:8330-370. [百度学术]
ZHENG Y, DING Z, FAN P, et al. Outage performance of cognitive relay networks with wireless information and power transfer [J]. IEEE Transactions on Vehicular Technology, 2016,65(5):1-5. [百度学术]
DO D T, VAEZI M, NGUYEN T L . Wireless powered cooperative relaying using NOMA with imperfect CSI[C]//IEEE, Globecom Workshops (GC Wkshps) ,2018:1-6. [百度学术]
ZHENG Y, DING Z, FAN P, et al. The impact of power allocation on cooperative non-orthogonal multiple access networks with SWIPT [J]. IEEE Transactions on Wireless Communications, 2017,16(7):4332-4343. [百度学术]
YU Y, YANG Z, WU Y, et al. Outage performance of NOMA in cooperative cognitive radio networks with SWIPT[J]. IEEE Access, 2019,7:117308-117317. [百度学术]
JING Y, CHENG Y, PEPPAS K P, et al. Outage performance of cognitive DF relaying networks employing SWIPT[J]. Wireless Communication over ZigBee for Automotive Inclination Measurement. China Communications, 2018,15(4):28-40. [百度学术]
GRADSHTEYN S I, RYZHIK M I. Table of integrals, series, and products[M]. 6 th ed. New York: Academic Press, 2000. [百度学术]
43
浏览量
79
下载量
2
CSCD
相关文章
相关作者
相关机构