工程科学与技术，国际期刊40（2023）101365空时分组码辅助的能量收集协作NOMA的速率优化Olumide Alamu Alamu，Thomas O.Olwal，Karim Djouani南非比勒陀利亚Tshwane技术大学电气工程系/阿提奇莱因福奥文章历史记录：收到2022年2023年2月8日修订2023年2月13日接受2023年2月24日在线提供保留字：速率可变的纳什议价解A B S T R A C T协作非正交多址接入（C-NOMA）是一种支持大规模用户连接和提高网络资源公平分配的技术。然而，由于多个用户辅助中继引入的复杂性以及它们的能耗瓶颈，C-NOMA网络的性能受到限制。在本文中，我们开发了一个低复杂度的网络框架，其主要目标是实现公平和最佳的可实现速率。对于网络模型，我们采用空时分组码传输方案，以最少的中继数目增加网络的空间分集。除此之外，我们考虑了一种基于射频的能量收集技术，称为同时无线信息和功率传输，以补偿中继器在协作传输链路上消耗的能量。基于所提出的网络模型，我们从联合最优功率分配因子和功率分配比。由于问题的非凸性质，也确保公平的资源分配，我们提出了一个低复杂度的解决方案的概念的基础上纳什讨价还价的解决方案。此外，我们评估系统的可实现速率和能量效率仿真结果表明，我们提出的解决方案优于基线方法。©2023 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在最近的研究中，功率域非正交多址（PD-NOMA）技术已被广泛用于支持5G和5G以上网络的要求[1]。PD-NOMA根据用户的信道增益差异为用户分配不同的功率电平.此外，PD-NOMA可以在相同的时间/频率资源上同时服务多个用户，同时提供低延迟数据传输，增强的小区边缘吞吐量和改进的公平性[2]。被认为具有更好信道增益的近场用户（NUE）被分配低功率电平，而被认为具有弱信道增益的远场或小区边缘用户（FUE）被分配高功率电平[3]。有趣的是，基于协作通信的概念，NUE也可以作为FUE的友好中继[4]，这被称为协作NOMA（C-NOMA）。尽管C-NOMA网络具有良好的性能，但由于连续干扰消除（SIC）的复杂性、不完善的SIC、中继站的高能耗、衰落信道的影响等，其性能可能会受到影响。*通讯作者。电子邮件地址：222449227@tut4life.ac.za（O. Alamu）。缓解这些挑战的关键策略之一是整合 这是通过在FUE接收器处有效地组合来自不同NUE发射天线对的发射信号来实现的。[5-8]介绍了这方面的显著贡献。在[5]中，作者考虑了前两个强用户形成STBC对以充当弱用户对的中继的场景目的是研究不完善SIC对系统中断概率的影响。基于推导出的封闭形式的中断概率表达式，得到的结果表明，系统中断概率的不完善SIC值在[6]中进一步扩展了该研究，其中研究了定时偏移对符号错误概率（SEP）的影响在这项研究中，作者认为，可能发生的情况下，从STBC对的数据传输不同时到达弱用户对，从而导致符号间干扰。基于推导出的SEP的封闭形式的表达式，得到的结果表明，在定时偏移的值的增加增加的SEP。除了在[5，6]中考虑的实际问题之外，在[7]中提出的研究还表明，不完美的信道状态信息（CSI）对系统中断概率具有降级的影响。然而，[5-https://doi.org/10.1016/j.jestch.2023.1013652215-0986/©2023 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchO. Alamu，T. O.Olwal和K. 朱阿尼工程科学与技术，国际期刊40（2023）1013652固定STBC对的选择和功率分配方案。这些限制在[8]中得到解决，其中作者提出了一种双中继选择方案，以便动态地建立STBC对。在此基础上，推导了固定功率分配和动态功率分配下的中断概率的封闭表达式。结果表明，在动态功率分配方案下，系统的中断概率较低.尽管有上述贡献，能源瓶颈仍然是一个主要的限制，在建立和可持续性的空时编码辅助C-NOMA网络。这是因为NUE可能不愿意充当中继，因为它们的电池容量很小[9]。为了补偿在C-NOMA网络中的中继阶段期间的能量损失，已经提出了来自所发送的射频（RF）信号的能量收集（EH），使得NUE可以使用来自射频信号的所收集的能量来永久地补充它们的电池[10]。实现这一点的技术被称为同时无线信息和功率传输[11，12]。该技术使用两种广泛采用的信号划分方法（即功率分割和时间切换（TS）），用于并发EH和信息解码（ID）[13]。在[14]中，作者研究了传输功率对系统的能量效率、可达速率和中断概率性能的影响。在此基础上，推导出了最优功率分配比。仿真结果表明，增加源发射功率可以提高系统的速率，同时使中断概率最小。此外，系统的能量效率随着传输功率的增加而增加，直到传输功率开始降低之前的某个极限。这项工作的主要限制在于假设的源和辅助用户之间的非直接路径，这在某些情况下可能是无效的。在[15]中解决了该限制，其中导出了中断概率、遍历吞吐量和能量效率的封闭形式表达式。得到的结果表明，与非直接路径的情况相比，直接路径的中断概率更低。该研究在[16]中进一步扩展，其中将基于TS的系统的中断性能与其功率分裂对应物进行了比较。基于功率分割的协议在整个SNR区域上优于TS方案。与[15，16]中假设继电器为了操作线性EH电路，[17]的作者研究了基于TS的中继对系统中断概率的非线性影响。基于一个封闭形式的解析解，由于EH电路的非线性特性引起的NUE中继的上界值，FUE的中断概率在高信噪比下收敛。在另一个采用非线性功率分配继电器的相关工作中[18]，作者开发了一种低复杂度的次优解决方案，用于传输功率最小化和能量效率最大化。在研究中，粒子群优化（PSO）和布谷鸟搜索（CS）优化算法提出了最大化的功率分配比，功率分配因子和传输时间比。在收敛时间方面，基于PSO的方法优于CS和基线穷举搜索方法。一些努力也致力于改善空间通过在BS处部署多个天线来实现C-NOMA网络中的在[19]中，评估了系统的可实现和速率为了最大限度地提高系统的性能，最佳功率分配比推导出封闭形式。仿真结果表明，所开发的解决方案优于在所有节点上部署单个天线的情况。然而，系统的能量效率可能随着天线数量的增加而降低这个问题在[20]中突出显示，其中作者提出了NUE中继的速率最大化，同时满足FUE的速率约束此外，采用符号调制技术来确保用户符号到有源天线的映射，未使用的天线的RF链可以被去激活以节省额外的能量在此基础上，推导了功率分配因子、功率分配比和中继发射功率的联合优化表达式，并基于逐次凸逼近法迭代求解然而，没有捕获关于用于映射过程的有源天线的选择的细节在[21]中，作者开发了发射天线选择技术，其中用户可以选择提供最佳接收信号的天线该研究的目标是最小化系统的中断概率。在解码转发（DF）、固定增益放大转发（AF）和可变增益放大转发（AF）等不同的基于功率分配的中继协议下，对系统的性能进行了评估与固定增益的DF和AF相比，从推导的封闭形式的解得到的结果表明，在AF可变增益下可实现更低的中断概率全双工（FD）传输协议在基于SWIPT的C-NOMA网络中的性能也在一些研究中进行了研究。在[22]中，作者提出了一种基于合同的激励机制， 以在可达速率方面实现用户公平 性。此外， Gale-Shapley算法的提出，以确保一个稳定的中继选择方案。仿真结果表明，与传统的NOMA相比，该算法在小区边缘用户处的可达速率更然而，在所提出的设计中完美SI消除的假设可能是无效的。在[23]中考虑了这一点，其中在半双工和FD传输协议下比较了NUE和FUE的中断概率此外，最优功率分配因子和功率分配比推导出在系统中的中断概率最小从推导的封闭形式的表达式的结果表明，FD计划可以实现在低SINR较低的中断概率。然而，在高SNR下，残余SI增加，导致不完美的SIC，这又增加了弱用户的超时概率。除了中断概率评估之外，[24]的作者还制定了保密中断概率、用户吞吐量和公平性的表达式。一个迭代算法，共同最大化的目标函数的发展来解决这个问题。虽然这项研究没有考虑不完美的SIC，然而，从数值结果的结果表明，增加功率分配比也可以导致更大的剩余SI。尽管残留SI是不期望的，但是其能量含量也可以被提取用于额外的收集能量。这个想法在[25]中提出。结果表明，较低的中断概率的情况下，其中EH从RSI是不考虑。1.1. 动机和贡献基于5G和B5 G要求，C-NOMA网络设计的一个关键方面在于实现系统中可实现的数据速率和能耗如[5-8]中所讨论的一些努力也致力于解决基于SWIPT的C-NOMA 网络中的能量消耗问题，例如[26，27]，其中系统的能量效率最大化，[28，22，18]其中源传输功率最小化。然而，在所有这些前述工作中，在系统中的可实现速率和能量消耗最小化方面的公平性出于这种限制，第一次，并尽作者这是为了提高可实现的数据速率并增强系统中的节能，同时确保公平的资源分配。此外，委员会认为，O. Alamu，T. O.Olwal和K. 朱阿尼工程科学与技术，国际期刊40（2023）1013653Jj ¼Pk¼1P. Xpf1.Σ···c2000年;2002年2¼NKf1. Xpf1上述研究中的公式化问题是非凸的并且需要复杂的解析解方法。同时，基于这一挑战，本研究基于纳什讨价还价解（NBS）的原理，提出了一种低复杂度的近似最优解。这项工作的主要贡献突出如下：为了在C-NOMA网络中实现更高的分集增益，我们采用了双中继选择策略来建立空时分组码传输。此外，对于网络中的移动设备的可持续操作，我们考虑在所选择的中继处集成SWIPT以补偿中继阶段期间的能量损失。主要目标是最大化系统中可实现的数据速率，同时满足网络中的能量消耗和最小数据速率约束。本文从功率分配因子和功率分配比联合优化的角度来解决这一问题优化问题是一个非凸的、难以求解的问题。因此，我们提出了NBS的概念，以开发一个低计算复杂度的框架，可以保证公平的网络。仿真结果表明，我们提出的设计在用户的效用方面的优越性，即，与基准情景相比，可实现的速率。这些包括具有固定功率分配因子和功率分配比的STBC辅助的C-NOMA SWIPT、没有SWIPT的STBC辅助的C-NOMA、非STBC辅助的C-NOMA SWIPT。U fk用户的渠道收益较弱。空时分组码辅助的C-NOMA方案分两个阶段实现。在第一阶段中，执行双中继选择（DRS）过程，其中从NUE集合中选择前两个强用户充当FUE集合中的第一用户的中继DRS方法的使用被认为是一种合适的选择，因为它可以在频谱效率和与单个和多个中继选择技术相关联的复杂性之间实现良好的权衡平衡[8]。除此之外，合作用户使用NOMA方案在第一时隙T=2在该阶段期间，STBC对中的每个用户采用SWIPT技术来使用功率分配协议从接收到的信号中协调EH和ID在第二阶段中，空时分组码对基于Alamanti空时分组码编码技术向所选择的Ufk用户发送关于两个时间实例的信息。此外，STBC对中的每个用户采用放大转发（AF）中继协议。每个阶段的详细过程如下所示2.1. 第1阶段：直接传输阶段在该阶段中，首先基于NUE的信道增益、速率和所收获的能量要求来发起DRS。在算法1中，集合fU1;U2;·· ·;Mg表示未排序用户的集合，m是等功率分配因子，并且hth0： 7是归一化信道系数阈值。在DRS过程之后，源发送排序的C-N的叠加消息。合作NOMA和传统的正交多路复用接入方案（OMA）。NOMA基团，可以描述为Kk¼1. ankxnkafkxfk.本文的其余部分组织如下：系统模型在第2节中介绍。第3节和第4节分别介绍了优化问题的问题公式和解决方案。第5介绍并讨论了从所提出的解决方案中获得的结果。结论见第6。2. 系统模型不失一般性，在这项研究中，我们提出了一组合作用户，即，对于Unk用户和Ufk用户，分别为K1/2和K1因此，xn1、xn2和xnf1分别是针对Un1、Un2和Uf1的信息承载消息。它们对应的功率分配因子记为an1、an2和af1，满足an1
>qjhnkj在（13）中使用（12），我们可以将（13）重新表示为02其中，是功率分配比，并且是AWGN。为了使Un1解码其消息，它首先使用SIC检测并减去Uf1和Un2的消息因此，在（5）和（6）中分别给出了Un1检测Uf1和Un2的接收SINR，并且22.2. 第二阶段：STBC合作阶段在第二阶段，基于算法1中发展的DSR算法，将Un1和Un2作为前两个最强用户，STBC配对并使用它们收集的能量来转发消息，ð1Þn1;xf11n1;xn21-qn11-qn11-qn1n1n1n1 0使用AF中继协议的Uf1的消息算法1：双中继选择算法在从y1中减去xf1和xn2之后，获得检测其自身信号的相应信噪比（SNR），如下所示：1n1;xn1¼ð1-qn1Þjhn1jan1b0ð7Þ类似地，在Un2处，检测Uf1的消息的接收SINR和Un1分别在（8）和（9）2ð1Þn2;xf11n2;xn11-qn21-qn22019-01-2200：00：00在从y中减去xf1和xn1之后，消息给出为21n2;xn21-qn21-qn2ð10Þ此外，通过Unk收集的能量可以计算为：Enk¼qnknnkP0 jhnk j2T11其中T和nk分别表示第一阶段中的传输时间比和EH效率。我们假设T1=2，这表明传输阶段具有相等的持续时间。因此，在强用户对处用于将信息转发到Uf1的可用收获功率可以被给出为2EnkqnknnkP0jhnkjT=2Pnk<$T=2<$T=2<$nnkP012其中，P=0^qn kP0jhn kj2。值得注意的是，（12）描述了EH电路和所收集的功率之间的线性然而，这在实践中是不现实的，因为基于RF的EH电路表现出可能导致资源分配失配的非线性特性[30]。因此，为了使EH过程发生，EH电路的输入功率必须大于最小输入功率阈值Phmin。此外，捕获当输入功率非常高时发生的非线性模型的饱和行为也是重要的，即，最大pH值[31]第30段。因此，非线性EH模型可以给出为：8>0;P≤0PhminPenk<$$>>Pnk<$n1kP0;Phmin 6P≤06Phmaxð13Þ：fPhmaxP0>Phmax8>0;P=0Phmin2Penk¼nnkqnkP0jhnkj2;Phmin 6名P-6pHmaxð14Þ>>：nnkPhMaxqjhnkjP<0>Phmax ：qjhnk j2qjhnkj2CC¼2场景。 基于此，我们可以使用前两项的乘积，（39）确定n1 和一个n2，最终得到一个f1 使用SIM-简单的代数运算提案1.最优功率分配因子可以表示为qXj hj2Wjh222jhj2 j h j 2 2 22 206qnk ≤18k：≤ 36k在约束（36 b）和（36 c）中，Unk和Uf1表示aωn1-Xjh n1jþWjh n2j Þ2XWjhn1j2jhn2j2ð40Þ分别为U nk和U f1。在约束条件（36 d）中，c1ð1Þnk;xf1 repre-aω1ω发送成功解码Unk的消息所需的SINR，以及Uf1，分别。网络中所有用户的最小SINR由cmin表示。功率分配因子约束分别在（36 e）和（36 f）中给出。在约束（36g）中给出了所需的最小收获功率。中继装置的发送功率受到（36 h）的约束的限制。 康-straint（36i）是功率分配比的范围n2¼2-an141aω21/4。aωn142证据@fan1的一阶导数可以表示为：n1f0an1a。Xjhn1j22！.log.1þ22-dn2Pn2！4. 最优功率分配因子与功率分配率框架an1Xjhn1j1.WJHN2J2an1Wjhn2j1！..2ΣΣ在这里，我们将P1中的主要优化问题分解为基于耦合参数的两个子问题-an1WJHN2j1log1an1Xjhn1jdn1Pn1ð43Þqnk. 每个子问题中对应的目标变量是最优的，一个是固定的，另一个是固定的。在获得最佳在每个子问题的解决方案，迭代算法，更新哪里X¼1-qn1b0和W1-qn2-b0。在（43）当an1Xjh n1j1和an1Wjh n2j1、条款X和W可以Xan11Wan11两者之间的解决方案将被开发，以获得最佳的，问题P1的解。近似为1。因此，f0an1可以简化为：10 0王健林2j21114.1. 最优功率分配因子fan1an1@log@。一Xjhn1j2001年。an1Wjhn2j1A为了实现比例公平，假设UminUmin0[34]，dn1Pn1-dn2Pn2P1可以简化为：nk f1当an1<$0时，我们有f0an1jan11/4！因此，f0≠n1≠Maxank;af1;qnk2fank;af1; qnk ¼Unk：Uf137k¼1以零点为界，达到最优。基于对分搜索方法，当n1 1/41时，则（44）变为.C¼和c236aaaðÞþð39Þ02n1O. Alamu，T. O.Olwal和K. 朱阿尼工程科学与技术，国际期刊40（2023）10136582. .好吧Σ×224@qn2拉吉þÞðÞn1n2n1n22公司简介 j1K-dP 维生素B1Þ232Þ2n2jn1 j jn2 jþ4jn1 jjn2 jþ0n224216n2Q1-qn2an1b0jhn2jþ1þn1b0-n2双极晶体jn1 jðn1n2b0jn2jÞb0jhn2j2¼-2jhn2jan1dn1Pn1b0jhDP-B.J.HB DP¼-2jhJaDPqω算法2：联合迭代功率分配和功率分配n10n1log 10-dn2Pn 22n1n2n1an1b0jhn1 j2DP-B.J.Hj223a2n22jhn2j近似为1.一、因此，（50）可以简化为n1n2b0jhNK2NK1Þ ¼日志1an 2 b0jh n2j.Σ凌晨2H2Σn1 0n2n1n1n2dn1Pn1命题2：最佳功率分配比qωqω为qωð56Þ0 0Wjh0j11个0分，2个1/2。洛湾1-an1P0jhn1j2-dn1Pn1f/n1±1/4@log@1XWh162小时21 .一、Wh2.1Aabj2aabjhj2dn1Pn1-dn2Pn2注意，jhn1j2Pjhn2j2，那么我们可以推断，--an1Q1-qn2an1b0 jh n2j 1-qn2 1ð54Þ1 Xjh n1j2Wjh n2j2 PWjh n2j2.此外，1XWjh n1j2jh n2j2>0。因此，在本发明中，应满足f0an1jan1/41<0。如前所述，由于f0an1有唯一的零点是最优的，则最优为了评估最佳功率分配比qω，一阶导数@fqn2可以被给出为（54）。由于jhn1j2Pjhn2j2，我们可以.Σ趋于零点。 因此功率分配因子aωn1应满足（54）中的表达式也具有唯一的零点，这是最佳的。JH j2±1¼。aωXjhj21。aωWjhj2146因此qn2 应满足2n2n1n1n1n2...两个小时。2Σn1（46）如下：.a1q1h2英里。aaH2ΣqXj hj2Wjh222jhj2 j h j 2 2 2aω-Xjhj2Wjhj2n1n21/4。.an1好吧an1b0jhn2j21-qn2Þþ1Σð55Þn1¼2XWjhn1j2jhn2j2ð47Þ因此，最佳功率分配因子qωn2可以计算为：r好吧ffiffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffi2ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffiffi2ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi3ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi ffi2.b02 2继电器可以表示为n1n 2n2凌晨2H2Σ2qωn12n10n1n 2n248an1b0jhn 1j2r好吧ffiffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffi2ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffiffi2ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi ffi2Jn1n 1n 10n 2n10n1n 1n2n1 b0jn2j4.3. 该算法提出的联合最优功率分配因子和功率分配-在算法2中给出了求解问题P1的一种新算法.b0的n22n1n1n1n22n1 b0jn2j注意，为了优化目标功率分配比qn1，我们保持qn2恒定，反之亦然，并且它们在所提出的迭代算法中相应地联合更新。分裂比算法输入：P0、n、T、#和N0输出aωnk，aωf1，qωnk;对于k2f1;2g1.初始化一个步长k，最大容差nk f1证据@f<$qn1<$的一阶导数 可以给出为n1s，迭代索引m 1/402.重复f主循环g.ab jh j！n12qXjhj2Wjhj22XW2jhj 2 jhj22221- 1-qabjhj3.aω1/4 -1/2/3/4/5/6/7/8/10/12/13/124.aω¼1-aωn1n1 0n1n12XWjhn1j2jhn2j2n2n 1..an2b jh n2j2 ！！25.aω1/4。aω aωqωan1b0jhn1j2an2b0jhn2j12r好吧ffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffi2ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiΣffiffiffi2ffiffiffiffiffiffiffiffiffiffiffiffi ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi一2b0jh n1n 1n 1J2在（50）式中，当n 1-qn1nb0jh n1j1、术语n1b0jhn1j可以1-溴-1-qQ拉瓜bjhj. b02 27.qω22J2an1n2 ¼-..！！f02- -P8 .第八条。直到jav-av1j6sð51Þ9. jav-av1j6sn1qabjhj1n2n 2f1f1n1n20n2W2@q2þ2推断log 1 -an1P0jhn1j2因此，我们可以得到ω通过求解二次方程，an14.2.最佳功率分配比an1dn1Pn1-b0jhn2jan1b 0dn1Pn1一杰贾ð49Þf0Þ ¼n1n2n1n2ð50Þ一B DP0n 2n1 0n 1n 1n1n10n 1an1dn1Pn1O. Alamu，T. O.Olwal和K. 朱阿尼工程科学与技术，国际期刊40（2023）1013659NKNK10. jqv-qv1 j6s当qn1 <$0时，我们有f 0<$qn1 <$jqn1 <$0！1，因此，f 0<$qn1 <$0以零点为界，从而达到最优。因此，qn1应满足an1b0jhn1j2K-dn2Pn21-1-qn1an1b0jhn1j25211. returnaωn1;aωn2;aωf1;qωn1;qωn24.4. 能效其中，K^log.1an2b0jhn2j2-是的因此，qω可以写成an2b 0jhn 2j2 1n1an1b0jhn1j21K-dn2Pn2-1在这里，我们评估系统的总能量效率其可以被确定为总可实现速率与qωn1/4an1b0jhn1j253整个系统的总功耗这可以描述为O. Alamu，T. O.Olwal和K. 朱阿尼工程科学与技术，国际期刊40（2023）10136510XCPðÞ.Σ0NK0f1NKf1NKf1¼NKk¼1k¼12RnkR2Ek¼122;257公斤1P0PcXPcP-XPnk其中，Rnk和Rf1分别是Unk和Uf1的用户速率。1是功率放大系数和Pc代表电路0nk f1源的功耗分别为Unk和Uf1的负项2k¼1Pnk是可以被被认为是能量消耗的反面4.5. 复杂性分析在本节中，分析了算法的计算复杂度。在双中继选择算法中，初始化阶段可以看作是一个快速排序算法，其计算复杂度为OKlog2K.这也类似于算法剩余部分中的速率和收获功率阈值。因此，总的计算复杂度对于算法1，可以给出为O3K log 2K。在算法2中，假设需要D次迭代以实现收敛，因此，（40）的配位络合物i为O。K2D，而（41）和（42）具有PnkPhmin图二. 平均效用与SNR。. 这种情况相当于坏疽性口炎的直接传播OKD的复杂性。同样对于（48）和（49），复杂性可以分别给出为OK2D和OKD。请注意，第5节图4给出了下限收敛速度。因此，算法二的总复杂度可以给出为：O.2K2DO3KD。5. 模拟结果与讨论在本节中，我们使用表1中的仿真参数评估所提出的系统模型的性能。基于2D系统拓扑，假设NUE和FUE随机分布。同时，我们假设信源和用户之间以及用户间的所有信道都是平坦衰落的瑞利信道。我们 将 信 道 系 数 建 模 为 hnk1/4 d-λx~n k;hf1/4d-λx~f 1 ，和gnk1/4l-#x^nk;k2f1;2g，其中d nk;d f1和lnk分别表示从源到U nk;U f1的距离以及U nk与U f1之间的用户间距离。路径损耗指数由#表示，并且x~nk;x~f1和x^nk是对应的瑞利衰落分量。图2比较了各种场景下SNR对用户可这些包括所提出的具有固定功率分配（FPA）因子和固定功率分配FPS（比率）的设计，其中，an1/40： 2;an2/4 0： 3，以及af1/40：5，其中，qnk 1/4 0： 6。我们还考虑了基于（25）中的表达式的没有STBC的情况，以及当表1系统模拟参数。参数值最大源发射功率（P0）40 dBm噪声功率（N0）-84dBm路径损耗指数（#）2.5传输时间帧T1 s单位功率假设d1k2能量转换效率（nnk）0.7采集功率阈值（Phmin）-10dBm功率放大系数（1）0.388源端电路功耗（Pc）34 dBm（35）由于参与的继电器是连续的，根据最小pH值进行应变。最后，还比较了基本OMA情况，其中用于直接阶段和协作阶段的传输时间帧在用户之间平均划分。可以看出，所提出的技术下的平均效用显着优于其他。这是由于采用了灵活的功率分配和功率分配比设计，以及空时分组码技术提高了分集
