CN105680965A - 无线携能通信收发机模型获得方法和装置 - Google Patents

Abstract

本发明提供一种无线携能通信收发机模型获得方法和装置，该方法包括：根据用户节点的信息解码模块接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数；根据基站的发射信号获得基站的发射功率；根据基站发送给能量接收模块的信号，获得用户节点的接收信号；根据目标函数、基站的发射功率和用户节点的接收信号获得无线携能通信收发机的第一系统模型。本发明提供的无线携能通信收发机模型获得方法和装置，获得并优化了无线携能通信系统的基站和用户收发机模型，提高了无线携能通信系统的通信质量。

Description

无线携能通信收发机模型获得方法和装置

技术领域

本发明涉及通信技术领域，尤其涉及一种无线携能通信收发机模型获得方法和装置。

背景技术

随着无线通信技术的快速发展，无线通信网络中的设备对能源的消耗越来越大，由于无线携能通信(SimultaneousInformationandPowerTransfer，简称SWIPT)用同一个无线载波来同时传输信息和能量，基站等节点在受限的能量之下，不仅为所覆盖范围内的节点传输信息，而且为用户节点进行微波充能，使得移动终端能够减少对电池容量的依赖，实现高效可靠通信，因此无线携能通信得到广泛应用。

目前，无线携能通信主要研究的场景为在通信系统中，尤其是应用在多小区多输入多输出(Multiple-InputMultiple-Output，简称MIMO)系统中，在目前的MIMO系统中，主要是根据用户节点之间点到点的信息传输过程获得系统信道信息，根据系统信道信息建立接收机和发射机(以下统称收发机)的模型，根据该模型，设计与该系统信道信息匹配的收发机。

然而，无线携能通信的接收段和发射段加入了能量的收发机，采用目前的MIMO系统中获得的系统信道信息只是考虑了用户节点之间的信息传输过程，并没有考虑能量的传输，因此，收发机获得的系统信道信息与真实的信道信息之间存在一定的误差，降低了系统的通信质量。

发明内容

本发明提供一种无线携能通信收发机模型获得方法和装置，提高了无线携能通信系统的通信质量。

本发明第一方面提供的无线携能通信收发机模型获得方法，包括：

根据用户节点的信息解码模块接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数；

根据基站的发射信号获得所述基站的发射功率；

根据所述基站发送给能量接收模块的信号，获得用户节点的接收信号；

根据所述目标函数、所述基站的发射功率和所述用户节点的接收信号获得无线携能通信收发机的第一系统模型。

本发明第二方面提供的无线携能通信收发机模型获得装置，包括：

目标函数获取模块，用于根据用户节点的信息解码模块接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数；

发射功率获取模块，用于根据基站的发射信号获得所述基站的发射功率；

接收信号获取模块，用于根据所述基站发送给能量接收模块的信号，获得用户节点的接收信号；

第一系统模型获取模块，用于根据所述目标函数、所述基站的发射功率和所述用户节点的接收信号获得无线携能通信收发机的第一系统模型。

其中，所述无线携能通信收发机模型的目标函数为：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right);$

所述无线携能通信收发机的第一系统模型为：

$\begin{array}{cc}& \underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)\\ s.t& Tr\[{\mathrm{Fr}}_k(\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H\]\≤P_k\\ & Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H)\≥P_c\end{array}$

其中，表示用户节点i_k的信号解码矩阵，表示用户节点i_k的均方误差MSE的加权系数，Fr_k表示基站的波束赋形矩阵，表示矩阵Fr_k的转置，表示用户节点i_k在系统信道容量中所占的比重， 表示用户节点i_k的ID接收信号的最小均方误差，Tr表示矩阵的秩，det表示行列式，k表示每个小区的基站，k＝1,2,...,K，K表示基站覆盖的小区的数量，i_k表示基站k中的第i个用户节点，i_k＝1,2,...,I_k，I_k表示基站覆盖的小区包含的用户节点的数量，s.t表示所述目标函数的约束条件，l_k表示基站k中的第l个用户节点，P_k表示基站发射功率，P_c表示EH的充能门限，表示ID到基站的信道，表示矩阵的转置，表示基站到ID的信道，表示矩阵的转置，表示ID的波束赋形，表示矩阵的转置，σ表示信道的标准差，I表示单位矩阵。

本发明实施例提供的无线携能通信收发机模型获得方法和装置，提出了多小区多输入多输出无线携能通信系统的信道模型，将无线携能通信系统中的最大信道容量与最小均方差误差相结合，获得并优化了无线携能通信系统的基站和用户收发机模型，提高了无线携能通信系统的通信质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的多小区多输入多输出无线携能通信系统的结构示意图；

图2为本发明实施例一提供的无线携能通信收发机模型获得方法的流程图；

图3为本发明实施例提供的系统最小MSE的仿真结果示意图；

图4为本发明实施例提供的最大信道容量的仿真结果示意图；

图5为图4仿真结果的局部放大示意图；

图6为本发明实施例一提供的无线携能通信收发机模型获得装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

通信系统一般由基站、中继和用户节点等组成，要实现用户节点相互之间的点对点通信，用户节点需要先将信号上行至中继或者基站，再由中继或者基站下行到对端的接收机，将用户节点上行至中继或者基站的链路可以称为上行链路，将中继或者基站下行到接收机的链路可以称为下行链路。图1为本发明实施例提供的多小区多输入多输出无线携能通信系统的结构示意图。如图1所示，节点一与节点二进行通信时，需要经过小区一的基站来实现。本发明实施例中假设小区数量为K，每个小区都有且只有一个基站，以k(k＝1,2,…,K)代替，其中每个基站包含M根天线，并且所覆盖的小区包含I_k个用户节点，每个用户节点都包含一个能量接收模块(EnergyHarvesting，简称EH)和一个信息解码模块(InformationDecoding，简称ID)，令第k个小区的用户节点为i_k(i_k＝1,2,...,I_k)，每个用户节点的EH和ID都分别包含N_EH和N_ID根天线。

图2为本发明实施例一提供的无线携能通信收发机模型获得方法的流程图。如图2所示，本发明实施例提供的方法，包括：

S201：根据用户节点的信息解码模块接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数。

其中，无线携能通信收发机模型的目标函数为：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right).$

具体的，根据用户节点在系统中所占的比重和用户节点的信道容量可以确定系统的总系统容量为其中，S表示用户节点的接收信号功率N表示用户节点的接收噪声功率 $N=\underset{j\≠k}{\mathrm{\Σ}}\underset{l}{\mathrm{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\mathrm{\Σ}}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{{\mathrm{\σ}}_2}^{2}I.$

将总系统容量加入用户节点i_k的均方误差MSE的加权系数那么总系统容量可以与如下表达式等价：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$

其中，为正定的权值矩阵，并且和与无关。

需要说明的是，本发明实施例中，可以将用户节点的信息解码模块接收信号的最小均方误差称为系统最小均方误差。

S202：根据基站的发射信号获得基站的发射功率。

其中，基站的发射功率为： $\mathrm{Tr}\left[{\mathrm{Fr}}_k\right(\underset{i}{\overset{I_k}{\mathrm{\Σ}}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I\left){\mathrm{Fr}}_k^H\right].$

具体的，基站发射的信号为：

${\mathrm{Fr}}_k(\underset{l}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{s}_{i_k}+n_{i_k})$

根据基站发射的信号可获得基站的发射功率为：

$Tr\[{\mathrm{Fr}}_k(\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_k{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H\]$

其中，为同一个小区中所有上行链路的信道噪声的叠加，

S203：根据基站发送给能量接收模块的信号，获得用户节点的接收信号。

其中，用户节点的接收信号为： $\mathrm{Tr}\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\mathrm{\Σ}}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I\left){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H\right).$

具体的，基站下行到EH的信号为：

$D_{i_{k}k}{\mathrm{Fr}}_k(\underset{1}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{s}_{l_k}+n_{i_k})$

不考虑下行链路的加性白噪声以及来自其他中继的干扰，根据基站下行到EH的信号可以得出单个用户节点的接收信号为：

$Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H)$

S204：根据目标函数、基站的发射功率和用户节点的接收信号获得无线携能通信收发机的第一系统模型。

其中，无线携能通信收发机的第一系统模型为：

$\begin{array}{cc}& \underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)\\ s.t& Tr\[{\mathrm{Fr}}_k(\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H\]\≤P_k\\ & Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H)\≥P_c\end{array}$

其中，表示用户节点i_k的信号解码矩阵，表示用户节点i_k的均方误差MSE的加权系数，Fr_k表示基站的波束赋形矩阵，表示矩阵Fr_k的转置，表示用户节点i_k在系统信道容量中所占的比重， 表示用户节点i_k的ID接收信号的最小均方误差，Tr表示矩阵的秩，det表示行列式，k表示每个小区的基站，k＝1,2,...,K，K表示基站覆盖的小区的数量，i_k表示基站k中的第i个用户节点，i_k＝1,2,...,I_k，I_k表示基站覆盖的小区包含的用户节点的数量，s.t表示目标函数的约束条件，l_k表示基站k中的第l个用户节点，P_k表示基站发射功率，P_c表示EH的充能门限，表示ID到基站的信道，表示矩阵的转置，表示基站到ID的信道，表示矩阵的转置，表示ID的波束赋形，表示矩阵的转置，σ表示信道的标准差，I表示单位矩阵。

需要说明的是，i_k表示基站k中的第i个用户节点，l_k表示基站k中的第l个用户节点，本发明以字母组合的形式来表示某个基站中的一个通信用户节点，例如i_k，下标k表示基站k，i表示这个基站中的第i个用户节点，即基站k覆盖范围内的第i个用户节点。

本发明实施例提供的无线携能通信收发机模型获得方法，通过系统最小均方误差和系统容量获得无线携能通信收发机模型的目标函数，根据基站的发射信号获得基站的发射功率，根据基站下行到能量接收模块的信号获得用户节点的接收信号，根据目标函数、基站的发射功率和用户节点的接收信号获得无线携能通信收发机的第一系统模型，提出了多小区多输入多输出(MIMO)无线携能通信系统的信道模型，将无线携能通信系统中的最大信道容量与最小均方差误差相结合，获得并优化了无线携能通信系统的基站和用户收发机模型，提高了无线携能通信系统的通信质量。

进一步地，在图2所示实施例的基础上，本发明实施例提供的方法，在S201之前，还包括：

根据用户节点向用户节点i_k发送的信号采用公式获取基站接收到的信号

其中，用户节点和用户节点i_k为同一个小区中的不同用户节点，为同一个小区中所有上行链路的信道噪声的叠加，

具体的，假设从基站到任何节点的EH和ID的信道都是已知的，并且从基站发送的信息为单流的。那么基站的发射波束赋形可以表示为向量k＝1,2,...,K，i_k＝1,2,...,I_k，令为基站k想要发送给用户节点i_k的信号，其中不同的信号之间都是相互独立并且正交的，同时也与噪声信号相互正交，也就是：

$E\[s_{i_k}{s_{l_j}}^H\]=0,\∀(i,k)\≠(l,j)$

$E\[s_{i_k}{n_{l_j}}^H\]=0,\∀i_k,l_j,$ 且(单流)

考虑小区k中一个用户节点向另一个用户节点i_k发送一个单流信号该信号经由基站k发送到节点i_k，其中基站k接收到的信号为：

获取用户节点i_k接收到的信号

其中， ${\tilde{x}}_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+H_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+\underset{j\≠k}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j})+n_{io},$ 表示基站j中第l个用户节点发出的信号，表示基站j中第l个用户节点发出的信号，表示所有发向用户节点i_k的总下行噪声。

需要说明的是，基站j＝1,2,...,K，K表示基站覆盖的小区的数量，且j≠k。

具体的，本发明实施例中可以忽略其他小区的用户节点发送的相同的信号，那么从基站k下行到i_k的信号可以表示为：

$y_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k(\underset{l}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{s}_{i_k}+n_{i_k})$

其中为同一个小区中所有上行链路的信道噪声的叠加，仍为高斯白噪声，而Fr_k代表基站k的发射机波束赋形矩阵。

加上来自其他基站的信号以及下行信道的噪声，消除自干扰后，在i_k处接收到的信号为 ${\tilde{x}}_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+H_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+\underset{j\≠k}{\overset{K}{\Σ}}{H}_{i_{k}k}{\mathrm{Fr}}_j(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j})+n_{io}.$

根据采用公式获得解码后的信号

根据和采用公式获取系统最小均方误差。

具体的，经过解码矩阵之后，可以获得解码后的信号：

${\tilde{s}}_{i_k}=g_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+g_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+g_{i_k}\underset{j\≠k}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j})+g_{i_k}{n}_{io}.$

于是可以得到系统最小均方误差(minimizingmean-square-error，简称MSE)的计算公式：

$\begin{array}{c}{E}_{i_k}=({\tilde{s}}_{i_k}-s_{{\tilde{i}}_k}){({\tilde{s}}_{i_k}-s_{{\tilde{i}}_k})}^H\\ =g_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{g_{i_k}}^H-g_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}\\ -{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{g_{i_k}}^H+{\mathrm{\σ}}^2{g}_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{g_{i_k}}^H\\ +g_{i_k}\left(\underset{j\≠k}{\Σ}\underset{l}{\Σ}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\right){g_{i_k}}^H\\ +{\mathrm{\σ}}^2{g}_{i_k}\left(\underset{j\≠k}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\right){g_{i_k}}^H+{{\mathrm{\σ}}_2}^2{g}_{i_k}{g_{i_k}}^H+I\end{array}$

其中σ和σ₂分别代表ID到基站的信道(上行信道)和基站到ID的信道(下行信道)的加性噪声的标准差。

进一步地，在图2所示实施例的基础上，根据和采用公式获取系统最小均方误差包括：

将公式对求导，采用公式得到用户节点i_k的信号解码矩阵 ${g_{i_k}}^{MMSE}={f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}K}}^H{Z}^{-1};$

其中， $\begin{array}{c}Z=\underset{j\≠k}{\Σ}\underset{l}{\Σ}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\\ +{{\mathrm{\σ}}_2}^{2}I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H\end{array}$

将代入公式中，获得系统最小均方误差

具体的，固定基站发射波束赋形Fr_k，令可以得到：

${g_{i_k}}^{MMSE}={f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}$

即ID的最小MSE接收机。其中

$\begin{array}{c}Z=\underset{j\≠k}{\Σ}\underset{l}{\Σ}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\\ +{{\mathrm{\σ}}_2}^{2}I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H\end{array}$

把代入回可以得到：

$E_{i_k}=I-{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}$

进一步地，在图2所示实施例中，本发明实施例提供的方法，还包括：

采用公式获得用户节点i_k的均方误差的加权系数

具体的，由上述实施例可知， $E_{i_k}=I-{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}.$

将和代入第一系统模型，并将代入和后的第一系统模型进行克罗内克分解，将第一系统模型变更为第二系统模型：

$\begin{array}{cc}& \underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)\\ s.t.& Tr\left({\mathrm{fr}}_k^H\right((\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I)\⊗I\left){\mathrm{fr}}_k\right)\≤P_k\\ & Tr\left({\mathrm{fr}}_k^H\right((\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f_{l_k}}^H{G_{l_{k}k}}^H+{\mathrm{\σ}}^{2}I)\⊗{D_{i_{k}k}}^H{D}_{i_{k}k}\left){\mathrm{fr}}_k\right)\≥P_c\end{array}$

其中，fr_k＝vec(Fr_k)， $Q_a={\mathrm{\α}}_{i_k}{G}_{{\stackrel{\‾}{i}}_{k}k}{f}_{{\stackrel{\‾}{i}}_k}{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\⊗{H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{g}_{i_k}{H}_{i_{k}k},$

$Q_b=\underset{j\≠k}{\Σ}\underset{l}{\Σ}{\mathrm{\α}}_{l_j}(G_{i_{k}k}{f}_{i_k}{f_{i_k}}^H{G_{i_{k}k}}^H\⊗{H_{l_{j}k}}^H{g_{l_j}}^H{W}_{l_j}{g}_{l_j}{H}_{l_{j}k}),Q_c=\underset{j}{\Σ}{\mathrm{\α}}_{i_j}{\mathrm{\σ}}^2(I\⊗{H_{i_{j}k}}^H{g_{i_j}}^H{W}_{i_j}{g}_{i_j}{H}_{i_{j}k}),$ $q_a={\mathrm{\α}}_{i_k}vec{\left({H_{i_{k}k}}^H{g_{i_k}}^H{W_{i_k}}^H{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\right)}^H,q_b={\mathrm{\α}}_{i_k}vec\left({H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\right),$ vec表示对矩阵进行向量化。

具体的，本发明实施例中采用迭代算法将第一系统模型的目标函数分解成三个进行分别求解。

将上述求得的和代入第一系统模型中，可以将第一系统模型变更为：

$\begin{array}{cc}& \underset{{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)\\ s.t& Tr\[{\mathrm{Fr}}_k(\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H\]\≤P_k\\ & Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H)\≥P_c\end{array}$

将代入上述目标函数中，并去除变量Fr_k的无关项，得到：

$\begin{array}{c}\underset{{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)=\\ \underset{{\mathrm{Fr}}_k}{min}\[\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr({\mathrm{\α}}_{i_k}{W}_{i_k}{g}_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\stackrel{\‾}{i}}_{k}k}{f}_{{\stackrel{\‾}{i}}_k}{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{g_{i_k}}^H-\\ {\mathrm{\α}}_{i_k}{W}_{i_k}{g}_{i_k}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\stackrel{\‾}{i}}_{k}k}{f}_{{\stackrel{\‾}{i}}_k}-{\mathrm{\α}}_{i_k}{W}_{i_k}{f_{{\stackrel{\‾}{i}}_k}}^H{f_{{\stackrel{\‾}{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{g_{i_k}}^H+\\ \underset{j\≠k}{\Σ}\underset{l}{\Σ}{\mathrm{\α}}_{l_j}{W}_{l_j}{g}_{l_j}{H}_{l_{j}k}{\mathrm{Fr}}_k{G}_{i_{k}k}{f}_{i_k}{f_{i_k}}^H{G_{i_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{l_{j}k}}^H{g_{l_j}}^H)+\\ \underset{j}{\Σ}{\mathrm{\α}}_{i_j}{\mathrm{\σ}}^2{W}_{i_j}{g}_{i_j}{H}_{i_{j}k}{\mathrm{Fr}}_k{{\mathrm{Fr}}_k}^H{H_{i_{j}k}}^H{g_{i_j}}^H)\]\end{array}$

根据克罗克内积公式对上式进行克罗内克分解，得到：

$\underset{{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)=\underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)$

因此，第一系统模型变更为第二系统模型：

$\begin{array}{cc}& \underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)\\ s.t& Tr\left({\mathrm{fr}}_k^H\right((\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I)\⊗I\left){\mathrm{fr}}_k\right)\≤P_k\\ & Tr\left({\mathrm{fr}}_k^H\right((\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f_{l_k}}^H{G_{l_{k}k}}^H+{\mathrm{\σ}}^{2}I)\⊗{D_{i_{k}k}}^H{D}_{i_{k}k}\left){\mathrm{fr}}_k\right)\≥P_c\end{array}$

需要说明的是，本发明实施例中将第一系统模型通过上述变化变更为第二系统模型，将第一系统模型中的目标函数转换成凸优化中的二次约束的二次规划(QCQP)的形式，也即，第二系统模型中的目标函数为凸优化中的QCQP的形式。

根据第二系统模型采用半正定松弛算法获得Fr_k。

具体的，将第二系统模型采用半正定松弛(SemiDefineRelaxation，简称SDR)算法即可求解，其中，第二系统模型采用SDR算法计算得到ID的波束赋形对反向量化即可计算得到Fr_k。需要说明的是，本发明实施例中涉及的QCQP的形式以及采用SDR算法求解QCQP的形式与现有技术中涉及的QCQP的形式以及采用SDR算法求解QCQP的形式相同，本发明实施例在此不再进行赘述。

进一步地，在图2所示实施例中，本发明实施例提供的方法，在S201之前，还包括：

获取预先设置的基站发射功率P_k、信息解码模块到基站的信道基站到ID的信道基站到EH的充能门限P_c。

具体的，在根据系统最小均方误差和系统容量获得无线携能通信收发机模型的目标函数之前，可以获取系统中预先设定的初始参数P_k、和P_c。

需要说明的是，在本发明实例中，可以在系统中根据用户节点功率P_i初始化ID波束赋形为等功率，根据基站的发射功率P_k初始化Fr_j为等功率。

需要说明的是，本发明实施例中，也可以对第一系统模型采用拉格朗日算法，将两个约束条件中的一个设定为等值条件，然后通过拉格朗日算法求出和Fr_k，其中，由于采用拉格朗日算法求出的和Fr_k不是最优解，因此，可以将采用拉格朗日算法求出的和Fr_k称为次优解。

本发明提出了一种多小区MIMO系统与无线携能结合的通信模型，在实现用户节点之间点对点通信的同时，基站为对端节点进行充能，实现了系统内信道容量的最大化以及均方误差的最小化。图3为本发明实施例提供的系统最小MSE的仿真结果示意图，图4为本发明实施例提供的最大信道容量的仿真结果示意图，图5为图4仿真结果的局部放大示意图。如图3至图5所示，对通信链路和通信过程进行仿真，仿真分析对比了SDR算法、拉格朗日算法和无充能约束三种情况下获得的系统最小MSE和最大信道容量的优劣，从图3至图5可以看出，本发明实施例使用的SDR最优算法，在很少的迭代次数就能够迅速的达到稳定，可以很好的设计出多小区MIMO无线携能收发机，性能优秀，并且能够使得系统的最大信道容量和最小均方误差同时达到，很好的均衡了无线通信的有效性和可靠性，并与此同时满足了无线携能的所有充能和功率约束条件，证明了方案的可行性。

需要说明的是，在本发明实施例中，可以通过以下方式证明公式 $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(\mathrm{Tr}\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$ 与 $\underset{g,\mathrm{Fr}}{\max }\underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{\mathrm{\α}}_{i_k}{R}_{i_k}$ 等价，也即，系统最小MSE和最大信道容量在相同的ID解码矩阵和基站发射波束赋形的条件下是可以同时达到的。

由于和无关，固定中的可以得到：

$\underset{W}{min}\underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$

对求偏导，可以得到

将 ${W_{i_k}}^{\mathrm{MMSE}}={E_{i_k}}^{-1}$ 代入到 $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(\mathrm{Tr}\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$ 中，可以得到： $\min \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}(I-\log \det (W_{i_k}\left)\right)=\min \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}(-\log \det ({E_{i_k}}^{-1}\left)\right)=\max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det \right({E_{i_k}}^{-1}\left)\right)$

固定 $W_{i_k}={E_{i_k}}^{-1}$ 此时 $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(\mathrm{Tr}\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$ 就完全可以看成为即求系统最小MSE。

在上述实施例中，已求得 $E_{i_k}=I-{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k},$ 最后固定 $W_{i_k}={E_{i_k}}^{-1},$ 将 $E_{i_k}=I-{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}$ 代入到 $\max \underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{\mathrm{\α}}_{i_k}\left(\log \det \right({E_{i_k}}^{-1}\left)\right)$ 中，可以得到：

$\min \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}(I-\log \det (W_{i_k}\left)\right)=\min \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det {\left(I-{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}\right)}^{-1}\right)$

根据矩阵论的求逆公式：(A-UD^-1V)^-1＝A^-1+A^-1U(D-VA^-1U)^-1VA^-1，以及公式：logdet(I+AB)＝logdet(I+BA)，可以求得：

$\begin{array}{c}\min \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}(I-\log \det (W_{i_k}\left)\right)=\\ \max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det \right(I+{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{(Z-H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H)}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}))\\ =\max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det \right(I+{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{N}^{-1}{H}_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}))\\ =\max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det \right(I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{N}^{-1}))\\ =\max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}\left(\log \det \right(I+{\mathrm{SN}}^{-1}))\\ =\max \underset{i}{\Σ}\underset{k}{\Σ}{\mathrm{\α}}_{i_k}{R}_{i_k}\end{array}$

因此，可以看出， $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(\mathrm{Tr}\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$ 与 $\underset{g,\mathrm{Fr}}{\max }\underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{\mathrm{\α}}_{i_k}{R}_{i_k}$ 是等价的，于是，可以从最大信道容量和系统最小MSE两个角度同时对系统进行优化。

图6为本发明实施例一提供的无线携能通信收发机模型获得装置的结构示意图。如图6所示，本发明实施例提供的装置，包括：目标函数获取模块61、发射功率获取模块62、接收信号获取模块63和第一系统模型获取模块64。

目标函数获取模块61，用于根据用户节点的信息解码模块接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数。

发射功率获取模块62，用于根据基站的发射信号获得基站的发射功率。

接收信号获取模块63，用于根据基站发送给能量接收模块的信号，获得用户节点的接收信号。

第一系统模型获取模块64，用于根据目标函数、基站的发射功率和用户节点的接收信号获得无线携能通信收发机的第一系统模型。

其中，无线携能通信收发机模型的目标函数为：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right).$

无线携能通信收发机的第一系统模型为：

$\begin{array}{cc}& \underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)\\ s.t& Tr\[{\mathrm{Fr}}_k(\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H\]\≤P_k\\ & Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\right(\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H)\≥P_c\end{array}$

其中，表示用户节点i_k的信号解码矩阵，表示用户节点i_k的均方误差MSE的加权系数，Fr_k表示基站的波束赋形矩阵，表示矩阵Frk的转置，表示用户节点i_k在系统信道容量中所占的比重， 表示用户节点i_k的ID接收信号的最小均方误差，Tr表示矩阵的秩，det表示行列式，k表示每个小区的基站，k＝1,2,...,K，K表示基站覆盖的小区的数量，i_k表示基站k中的第i个用户节点，i_k＝1,2,...,I_k，I_k表示基站覆盖的小区包含的用户节点的数量，s.t表示目标函数的约束条件，l_k表示基站k中的第l个用户节点，P_k表示基站发射功率，P_c表示EH的充能门限，表示ID到基站的信道，表示矩阵的转置，表示基站到ID的信道，表示矩阵的转置，表示ID的波束赋形，表示矩阵的转置，σ表示信道的标准差，I表示单位矩阵。

本发明实施例的无线携能通信收发机模型获得装置用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步，在图6所示实施例的基础上，本发明实施例提供的装置还包括：最小均方误差获取模块。

最小均方误差获取模块，用于根据用户节点向用户节点i_k发送的信号采用公式获取基站接收到的信号获取用户节点i_k接收到的信号根据采用公式获得解码后的信号根据和采用公式获取系统最小均方误差。

其中， ${\tilde{x}}_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+H_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+\underset{j\≠k}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j})+n_{io},$ 表示基站j中第l个用户节点发出的信号，表示用户节点l_j向基站j进行上行通信时的信道噪声，表示所有发向用户节点i_k的总下行噪声，用户节点和用户节点i_k为同一个小区中的不同用户节点，为同一个小区中所有上行链路的信道噪声的叠加，

最小均方误差获取模块，还用于将公式对求导，采用公式得到用户节点i_k的信号解码矩阵将代入公式中，获得系统最小均方误差

其中， $\begin{array}{c}Z=\underset{j\≠k}{\Σ}\underset{l}{\Σ}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\\ +{{\mathrm{\σ}}_2}^{2}I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H\end{array}.$

进一步地，在图6所示实施例的基础上，本发明实施例提供的装置还包括：加权系数获取模块、第二系统模型获取模块和计算模块。

加权系数获取模块，用于采用公式获得用户节点i_k的均方误差MSE的加权系数

第二系统模型获取模块，用于将和代入第一系统模型，并将代入和后的第一系统模型进行克罗内克分解，将第一系统模型变更为第二系统模型：

$\underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)$

$\begin{array}{cc}s.t.& Tr\left({\mathrm{fr}}_k^H\right((\underset{i}{\overset{I_k}{\Σ}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I)\⊗I\left){\mathrm{fr}}_k\right)\≤P_k\\ & Tr\left({{\mathrm{fr}}_k}^H\right((\underset{l}{\overset{I_k}{\Σ}}{G}_{l_{k}k}{f}_{l_k}{f_{l_k}}^H{G_{l_{k}k}}^H+{\mathrm{\σ}}^{2}I)\⊗{D_{i_{k}k}}^H{D}_{i_{k}k}\left){\mathrm{fr}}_k\right)\≥P_c\end{array}$

其中，fr_k＝vec(Fr_k)，vec表示， $Q_a={\mathrm{\α}}_{i_k}{G}_{{\stackrel{\‾}{i}}_{k}k}{f}_{{\stackrel{\‾}{i}}_k}{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\⊗{H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{g}_{i_k}{H}_{i_{k}k},$ $Q_b=\underset{j\≠k}{\Σ}\underset{l}{\Σ}{\mathrm{\α}}_{l_j}(G_{i_{k}k}{f}_{i_k}{f_{i_k}}^H{G_{i_{k}k}}^H\⊗{H_{l_{j}k}}^H{g_{l_j}}^H{W}_{l_j}{g}_{l_j}{H}_{l_{j}k}),Q_c=\underset{j}{\Σ}{\mathrm{\α}}_{i_j}{\mathrm{\σ}}^2(I\⊗{H_{i_{j}k}}^H{g_{i_j}}^H{W}_{i_j}{g}_{i_j}{H}_{i_{j}k}),$ $q_a={\mathrm{\α}}_{i_k}vec{\left({H_{i_{k}k}}^H{g_{i_k}}^H{W_{i_k}}^H{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\right)}^H,q_b={\mathrm{\α}}_{i_k}vec\left({H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{f_{{\stackrel{\‾}{i}}_k}}^H{G_{{\stackrel{\‾}{i}}_{k}k}}^H\right).$

计算模块，用于根据第二系统模型采用半正定松弛SDR算法获得Fr_k。

进一步地，在图6所示实施例的基础上，本发明实施例提供的装置还包括：预获取模块。

预获取模块，用于获取预先设置的基站发射功率P_k、ID到基站的信道基站到ID的信道基站到EH的充能门限P_c。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种无线携能通信收发机模型获得方法，其特征在于，包括：

根据用户节点的信息解码模块ID接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数；

根据基站的发射信号获得所述基站的发射功率；

根据所述基站发送给能量接收模块EH的信号，获得用户节点的接收信号；

根据所述目标函数、所述基站的发射功率和所述用户节点的接收信号获得无线携能通信收发机的第一系统模型。

2.根据权利要求1所述的方法，其特征在于，所述无线携能通信收发机模型的目标函数为： $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(Tr\left(W_{i_k}{E}_{i_k}\right)-\log \det \left(W_{i_k}\right)\right);$

所述无线携能通信收发机的第一系统模型为：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(Tr\left(W_{i_k}{E}_{i_k}\right)-\log \det \left(W_{i_k}\right)\right);$

$\begin{array}{cc}s.t.& Tr\[{\mathrm{Fr}}_k\left(\underset{i}{\overset{I_k}{\mathrm{\Σ}}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I\right){\mathrm{Fr}}_k^H\]\≤P_k\end{array}$

$Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\left(\underset{l}{\overset{I_k}{\mathrm{\Σ}}}{G}_{l_{k}k},f_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I\right){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H\right)\≥P_c$

其中，表示用户节点i_k的信号解码矩阵，表示用户节点i_k的均方误差MSE的加权系数，Fr_k表示基站的波束赋形矩阵，表示矩阵Fr_k的转置，表示用户节点i_k在系统信道容量中所占的比重，表示用户节点i_k的ID接收信号的最小均方误差，Tr表示矩阵的秩，det表示行列式，k表示每个小区的基站，k＝1,2,...,K，K表示基站覆盖的小区的数量，i_k表示基站k中的第i个用户节点，i_k＝1,2,...,I_k，I_k表示基站覆盖的小区包含的用户节点的数量，s.t表示所述目标函数的约束条件，l_k表示基站k中的第l个用户节点，P_k表示基站发射功率，P_c表示EH的充能门限，表示信息解码模块ID到基站的信道，表示矩阵的转置，表示基站到ID的信道，表示矩阵的转置，表示信息解码模块ID的波束赋形，表示矩阵的转置，σ表示信道的标准差，I表示单位矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据系统最小均方误差和系统容量获得无线携能通信收发机模型的目标函数之前，还包括：

根据用户节点向用户节点i_k发送的信号采用公式获取基站接收到的信号

其中，用户节点和用户节点i_k为同一个小区中的不同用户节点，为同一个小区中所有上行链路的信道噪声的叠加，

获取用户节点i_k接收到的信号

其中， ${\tilde{x}}_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+H_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+\underset{j\≠k}{\overset{K}{\mathrm{\Σ}}}{H}_{i_{k}j}{\mathrm{Fr}}_j\left(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j}\right)+n_{io},$ 表示基站j中第l个用户节点发出的信号，表示用户节点l_j向基站j进行上行通信时的信道噪声，表示所有发向用户节点i_k的总下行噪声；

根据所述采用公式获得解码后的信号

根据所述和所述采用公式获取所述系统最小均方误差。

4.根据权利要求3所述的方法，其特征在于，所述根据所述和所述采用公式获取所述系统最小均方误差包括：

将公式对求导，采用公式得到用户节点i_k的信号解码矩阵 $g_{i_k}^{\mathrm{MMSE}}={f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_k,k}}^H{Z}^{-1};$

其中， $\begin{array}{c}Z=\underset{j\≠k}{\mathrm{\Σ}}\underset{l}{\mathrm{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\mathrm{\Σ}}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\\ +{{\mathrm{\σ}}_2}^{2}I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H\end{array}$

将所述代入公式中，获得所述系统最小均方误差

5.根据权利要求4所述的方法，其特征在于，还包括：

采用公式获得用户节点i_k的均方误差MSE的加权系数

将所述和所述代入所述第一系统模型，并将代入所述和所述后的第一系统模型进行克罗内克分解，将所述第一系统模型变更为第二系统模型：

$\underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)$

$\begin{array}{cc}s.t.& Tr\left({\mathrm{fr}}_k^H\right(\left(\underset{i}{\overset{I_k}{\mathrm{\Σ}}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I\right)\⊗I\left){\mathrm{fr}}_k\right)\≤P_k\end{array}$

$Tr\left({{\mathrm{fr}}_k}^H\right(\left(\underset{l}{\overset{I_k}{\mathrm{\Σ}}}{G}_{l_{k}k}{f}_{l_k}{f_{l_k}}^H{G_{l_{k}k}}^H+{\mathrm{\σ}}^{2}I\right)\⊗{D_{i_{k}k}}^H{D}_{i_{k}k}\left){\mathrm{fr}}_k\right)\≤P_c$

其中，fr_k＝vec(Fr_k)， $Q_a={\mathrm{\α}}_{i_k}{G}_{\stackrel{\‾}{i_k}k}{f}_{\stackrel{\‾}{i_k}}{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\⊗{H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{g}_{i_k}{H}_{i_{k}k},$ $Q_b=\underset{j\≠k}{\mathrm{\Σ}}\underset{l}{\mathrm{\Σ}}{\mathrm{\α}}_{l_j}\left(G_{i_{k}k}{f}_{i_k}{f_{i_k}}^H{G_{i_{k}k}}^H\⊗{H_{l_{j}k}}^H{g_{l_j}}^H{W}_{l_j}{g}_{l_j}{H}_{l_{j}k}\right),Q_c=\underset{j}{\mathrm{\Σ}}{\mathrm{\α}}_{i_j}{\mathrm{\σ}}^2\left(I\⊗{H_{i_{j}k}}^H{g_{i_j}}^H{W}_{i_j}{g}_{i_j}{H}_{i_{j}k}\right),$ $q_a={\mathrm{\α}}_{i_k}vec{\left({H_{i_{k}k}}^H{g_{i_k}}^H{W_{i_k}}^H{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\right)}^H,q_b={\mathrm{\α}}_{i_k}vec\left({H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\right),$ vec表示对矩阵进行向量化；

根据所述第二系统模型采用半正定松弛SDR算法获得所述Fr_k。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据系统最小均方误差和系统容量获得无线携能通信收发机模型的目标函数之前，还包括：

获取预先设置的基站发射功率P_k、信息解码模块ID到基站的信道基站到ID的信道基站到EH的充能门限P_c。

7.一种无线携能通信收发机模型获得装置，其特征在于，包括：

目标函数获取模块，用于根据用户节点的信息解码模块ID接收信号的最小均方误差和信道容量获得无线携能通信收发机模型的目标函数；

发射功率获取模块，用于根据基站的发射信号获得所述基站的发射功率；

接收信号获取模块，用于根据所述基站发送给能量接收模块EH的信号，获得用户节点的接收信号；

第一系统模型获取模块，用于根据所述目标函数、所述基站的发射功率和所述用户节点的接收信号获得无线携能通信收发机的第一系统模型；

其中，所述无线携能通信收发机模型的目标函数为： $\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{\min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{I_k}{\mathrm{\Σ}}}{\mathrm{\α}}_{i_k}\left(Tr\left(W_{i_k}{E}_{i_k}\right)-\log \det \left(W_{i_k}\right)\right);$

所述无线携能通信收发机的第一系统模型为：

$\underset{g_{i_k},W_{i_k},{\mathrm{Fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}{\mathrm{\α}}_{i_k}\left(Tr\right(W_{i_k}{E}_{i_k})-\log \det (W_{i_k}\left)\right)$

$\begin{array}{cc}s.t.& Tr\[{\mathrm{Fr}}_k\left(\underset{i}{\overset{I_k}{\mathrm{\Σ}}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I\right){\mathrm{Fr}}_k^H\]\≤P_k\end{array}$

$Tr\left(D_{i_{k}k}{\mathrm{Fr}}_k\left(\underset{l}{\overset{I_k}{\mathrm{\Σ}}}{G}_{l_{k}k}{f}_{l_k}{f}_{l_k}^H{G}_{l_{k}k}^H+{\mathrm{\σ}}^{2}I\right){\mathrm{Fr}}_k^H{D}_{i_{k}k}^H\right)\≥P_c$

其中，表示用户节点i_k的信号解码矩阵，表示用户节点i_k的均方误差MSE的加权系数，Fr_k表示基站的波束赋形矩阵，表示矩阵Fr_k的转置，表示用户节点i_k在系统信道容量中所占的比重，表示用户节点i_k的ID接收信号的最小均方误差，Tr表示矩阵的秩，det表示行列式，k表示每个小区的基站，k＝1,2,...,K，K表示基站覆盖的小区的数量，i_k表示基站k中的第i个用户节点，i_k＝1,2,...,I_k，I_k表示基站覆盖的小区包含的用户节点的数量，s.t表示所述目标函数的约束条件，l_k表示基站k中的第l个用户节点，P_k表示基站发射功率，P_c表示EH的充能门限，表示信息解码模块ID到基站的信道，表示矩阵的转置，表示基站到ID的信道，表示矩阵的转置，表示信息解码模块ID的波束赋形，表示矩阵的转置，σ表示信道的标准差，I表示单位矩阵。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

最小均方误差获取模块，用于根据用户节点向用户节点i_k发送的信号采用公式获取基站接收到的信号获取用户节点i_k接收到的信号根据所述采用公式获得解码后的信号根据所述和所述采用公式获取所述系统最小均方误差；

其中， ${\tilde{x}}_{i_k}=H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{s}_{{\tilde{i}}_k}+H_{i_{k}k}{\mathrm{Fr}}_k{n}_{{\tilde{i}}_k}+\underset{j\≠k}{\overset{k}{\mathrm{\Σ}}}{H}_{i_{k}j}{\mathrm{Fr}}_j\left(\underset{l}{\overset{I_j}{\Σ}}{G}_{l_{j}j}{f}_{l_j}{s}_{l_j}+n_{l_j}\right)+n_{io,}$ 表示基站j中第l个用户节点发出的信号，表示用户节点l_j向基站j进行上行通信时的信道噪声，表示所有发向用户节点i_k的总下行噪声，用户节点和用户节点i_k为同一个小区中的不同用户节点，为同一个小区中所有上行链路的信道噪声的叠加，

所述最小均方误差获取模块，还用于将公式对求导，采用公式得到用户节点i_k的信号解码矩阵 ${g_{i_k}}^{MMSE}={f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H{Z}^{-1};$ 将所述代入公式 $E_{i_k}=({\tilde{s}}_{i_k}-s_{{\tilde{i}}_k}){({\tilde{s}}_{i_k}-s_{{\tilde{i}}_k})}^H$ 中，获得所述系统最小均方误差

其中， $\begin{array}{c}Z=\underset{j\≠k}{\mathrm{\Σ}}\underset{l}{\mathrm{\Σ}}{H}_{i_{k}j}{\mathrm{Fr}}_j{G}_{l_{j}j}{f}_{l_j}{f_{l_j}}^H{G_{l_{j}j}}^H{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H+{\mathrm{\σ}}^2\underset{j}{\overset{K}{\mathrm{\Σ}}}{H}_{i_{k}j}{\mathrm{Fr}}_j{{\mathrm{Fr}}_j}^H{H_{i_{k}j}}^H\\ +{{\mathrm{\σ}}_2}^{2}I+H_{i_{k}k}{\mathrm{Fr}}_k{G}_{{\tilde{i}}_{k}k}{f}_{{\tilde{i}}_k}{f_{{\tilde{i}}_k}}^H{G_{{\tilde{i}}_{k}k}}^H{{\mathrm{Fr}}_k}^H{H_{i_{k}k}}^H\end{array}.$

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

加权系数获取模块，用于采用公式获得用户节点i_k的均方误差MSE的加权系数

第二系统模型获取模块，用于将所述和所述代入所述第一系统模型，并将代入所述和所述后的第一系统模型进行克罗内克分解，将所述第一系统模型变更为第二系统模型：

$\underset{{\mathrm{fr}}_k}{min}\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{I_k}{\Σ}}Tr\left({{\mathrm{fr}}_k}^H\right(Q_a+Q_b+Q_c){\mathrm{fr}}_k-q_a{\mathrm{fr}}_k-{{\mathrm{fr}}_k}^H{q}_b)$

$\begin{array}{cc}s.t.& Tr\left({\mathrm{fr}}_k^H\right(\left(\underset{i}{\overset{I_k}{\mathrm{\Σ}}}{G}_{i_{k}k}{f}_{i_k}{f}_{i_k}^H{G}_{i_{k}k}^H+{\mathrm{\σ}}^{2}I\right)\⊗I\left){\mathrm{fr}}_k\right)\≤P_k\end{array}$

$Tr\left({{\mathrm{fr}}_k}^H\left(\left(\underset{l}{\overset{I_k}{\mathrm{\Σ}}}{G}_{l_{k}k}{f}_{l_k}{f_{l_k}}^H{G_{l_{k}k}}^H+{\mathrm{\σ}}^{2}I\right)\⊗{D_{i_{k}k}}^H{D}_{i_{k}k}\right){\mathrm{fr}}_k\right)\≥P_c$

其中，fr_k＝vec(Fr_k)， $Q_a={\mathrm{\α}}_{i_k}{G}_{\stackrel{\‾}{i_k}k}{f}_{\stackrel{\‾}{i_k}}{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\⊗{H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{g}_{i_k}{H}_{i_{k}k},$ $Q_b=\underset{j\≠k}{\mathrm{\Σ}}\underset{l}{\mathrm{\Σ}}{\mathrm{\α}}_{l_j}\left(G_{i_{k}k}{f}_{i_k}{f_{i_k}}^H{G_{i_{k}k}}^H\⊗{H_{l_{j}k}}^H{g_{l_j}}^H{W}_{l_j}{g}_{l_j}{H}_{l_{j}k}\right),Q_c=\underset{j}{\mathrm{\Σ}}{\mathrm{\α}}_{i_j}{\mathrm{\σ}}^2\left(I\⊗{H_{i_{j}k}}^H{g_{i_j}}^H{W}_{i_j}{g}_{i_j}{H}_{i_{j}k}\right),$ $q_a={\mathrm{\α}}_{i_k}vec{\left({H_{i_{k}k}}^H{g_{i_k}}^H{W_{i_k}}^H{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\right)}^H,q_b={\mathrm{\α}}_{i_k}vec\left({H_{i_{k}k}}^H{g_{i_k}}^H{W}_{i_k}{f_{\stackrel{\‾}{i_k}}}^H{G_{\stackrel{\‾}{i_k}k}}^H\right),$ vec表示对矩阵进行向量化；

计算模块，用于根据所述第二系统模型采用半正定松弛SDR算法获得所述Fr_k。

10.根据权利要求7-9任一项所述的装置，其特征在于，所述装置还包括：

预获取模块，用于获取预先设置的基站发射功率P_k、信息解码模块ID到基站的信道基站到ID的信道基站到EH的充能门限P_c。