1.课题概述
考虑使用UAV作为中继辅助节点的设备到设备（D2D）无线信息和电力传输系统。由于无人机的能量容量和飞行时间有限，部署无人机的一个重要问题是实时应用中的能耗管理，能耗与无人机的发射功率成正比。为了解决这一重要问题，开发了一种实时资源分配算法，通过联合优化无人机嵌入式D2D通信的能量收集时间和功率控制，最大限度地提高能源效率。
2.系统仿真结果
平均吞吐量随 D2D 对数增加而增长，能量收集与传输时间长度存在权衡，体现时间优化的必要性。
3.核心程序与模型
版本：MATLAB2022a
..............................................................................
%这里设计OPA算法
for i = 1:length(D2D)%开始循环ifor mc = 1:MTKL%开始循环tic;obj = [];for it = 1:Iter%开始迭代N = D2D(i);%产生信道h和ph = randn(N,N);if it==1p = rand(1,N);pk = p;tk = it;enddelta = rand;P0 = 0.5;Pcir = 1.2;thetafix = 0.125;...................................................endobj(it) = sum(rn)/theta;%目标值%更新ppk = pnew;tk = 1;%每次循环之后，对其进行约束的判决endRT2(mc)=toc;endRT(i) = 1e3*mean(RT2);%秒转换为毫秒
endfigure;%画图
plot(D2D,RT,'r-o');
axis([1,11,0,350]);
xlabel('Number of D2D pairs');
ylabel('Running time（ms）');
grid on
legend('OPA(tao = 0.5)');
026_014m
4.系统原理简介
由于无人机的能量容量和飞行时间有限，部署无人机的一个重要问题是实时应用中的能耗管理，能耗与无人机的发射功率成正比。为了解决这一重要问题，开发了一种实时资源分配算法，通过联合优化无人机嵌入式D2D通信的能量收集时间和功率控制，最大限度地提高能源效率。
算法的流程如下图所示：
具体来讲算法步骤：
1.初始化：
首先，设定能量收集时间 k 以及一个可行的初始功率解 pn′(t)。这里的 k 是预先确定的能量收集时间，而 pn′(t) 是功率的初始估计值，这个初始值需要满足一定的条件，使得它在问题的可行域内，以保证后续的优化过程可以正常进行。
2.重复执行以下操作：
这是一个迭代过程，不断重复步骤 3 到 5，直到满足终止条件。
对于给定的 pn′(t)，使用标准的凸优化技术求解问题 (25) 以获得最优解 {pn◦(t)}。这里假设问题 (25) 是一个凸优化问题，这意味着它具有良好的数学性质，例如局部最优解就是全局最优解，因此可以使用标准的凸优化算法（如内点法、梯度下降法等）来求解。
在求解问题 (25) 的过程中，可能涉及到一些优化目标和约束条件，例如，在给定能量收集时间 k 的情况下，根据一定的性能指标（如最小化功率消耗、最大化系统性能等）和约束条件（如功率范围、链路容量等）来优化功率分配 {pn◦(t)}。
更新功率解：
将得到的最优解 {pn◦(t)} 更新为 pn′(t)，这样可以将本次迭代得到的结果作为下一次迭代的输入，逐步优化功率分配。
检查终止条件：
每次迭代后，需要检查是否满足某些终止条件。这些终止条件可以是多种多样的，例如：功率解 pn′(t) 的变化小于某个预设的阈值，即前后两次迭代得到的功率分配结果足够接近，说明算法已经收敛，进一步迭代对结果的改进不大，可以停止。
达到最大迭代次数，防止算法陷入无限迭代而无法结束，保证算法的有限时间可终止性。
返回结果：
当满足终止条件时，将最终的 pn′(t) 作为次优解 {pn∗(t)} 返回。由于整个问题可能是非凸的，通过这种迭代求解凸子问题的方式得到的结果可能是次优的，但在实际中可以满足一定的性能要求。