一种移动多用户分子通信系统接收方检测间隔优化方法

技术领域

本申请属于分子通信技术领域，尤其涉及一种移动多用户分子通信系统接收方检测间隔优化方法。

背景技术

随着科学技术的发展进步与人类对通信需求的进一步提高，分子通信开始占据了通信领域的一席之地，成为了生物、环境保护、微观通信等方面的重要通信手段，因其良好的生物相容性，能够满足人们在生物环境内的通信需求，从而实现生物研究、医疗救护、环境保护等领域的重要应用。分子通信是一种利用分子来传输信息的通信形式，被用在纳米机械和纳米机器人之间以及纳米机械和大型机器之间传输信息，还被用来在纳米机器人和细胞之间进行信息传输。分子通信网络在生物、医学领域中最重要的应用之一是人体内药物递送，为生物纳米材料的网络化奠定了基础。对于分子通信的潜在应用，如人类细胞治疗和靶向药物输送，实际的分子通信信道并不理想，异常扩散现象普遍存在于实际的分子通信过程中。异常扩散是一种特殊的扩散现象，其中分子的均方位移随时间呈非线性关系。子扩散和超扩散则是异常扩散的两种特殊类型，并已在某些特殊场景下被发现，如细胞质和蛋白质在分子中的扩散运动。为了提高分子通信系统在异常扩散环境下的性能和效率，进一步满足分子通信在人体内药物递送应用的效果，可以采用多用户的分子通信系统结构并针对异常扩散现象对接收方的检测间隔进行调整。多用户的分子通信系统可以满足多各用户同接收方同时进行的通信，满足多链路的通信需求，对人体内药物递送应用有着较好的应用能力，接收方检测间隔的优化可以减轻异常扩散环境对于多用户的分子通信系统的干扰。

多用户分子通信系统是一种使用多个发送方纳米机器和一个接收接收方纳米机器来发送和接收的分子通信系统，由于多用户分子通信系统能够提高数据传输速率和增加通信范围，同时接收方检测间隔的调整可以减少异常扩散环境对于分子通信系统的干扰并降低系统的功耗，因此是一种很有前途的纳米网络通信技术。在多用户移动分子通信网络中，当有两个发送方时，可以通过简单的穷举搜索对最优检测间隔进行搜索。但当有更多发送方时，穷举算法所需的耗时几何级增长。如何在尽可能少的时间内获得接收方最优检测间隔就成了一项极具有挑战性的工作。

发明内容

本申请的目的是提供一种移动多用户分子通信系统接收方检测间隔优化方法，以了克服现有技术的不足，实现以更少的时间和计算复杂度来完成异常扩散环境下多用户移动分子通信系统中接收方的检测间隔的优化，并尽可能使得优化结果接近最优解。

为了实现上述目的，本申请技术方案如下：

一种移动多用户分子通信系统接收方检测间隔优化方法，包括：

根据异常扩散下的移动多用户分子通信系统中的时变信道脉冲响应函数，推导异常扩散下的移动多用户分子通信系统的平均误码率；

以接收方开始检测时间和结束检测时间为优化变量，以最小化每条通信链路上误码率为目标，建立针对接收方检测间隔的多变量优化模型；

采用基于梯度投影和替代搜索的优化算法对针对接收方检测间隔的多变量优化模型进行求解，获得接收方的最优检测间隔。

进一步地，所述接收方检测间隔的多变量优化模型，公式表示如下：

s.t.:0≤t

其中，P

进一步地，所述采用基于梯度投影和替代搜索的优化算法对针对接收方检测间隔的多变量优化模型进行求解，包括：

步骤3.1、初始化接收方检测间隙的开始时间、结束时间、终止变量和最大迭代次数；

步骤3.2、开始进行迭代，以当前迭代次数对应的接收方开始检测时间和结束检测时间，计算目标函数的梯度；

步骤3.3、判断目标函数的梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方开始检测时间作为下一次迭代的接收方开始检测时间，进入步骤3.6，否则进入下一步；

步骤3.4、计算开始检测时间的下降幅度；

步骤3.5、采用开始检测时间的下降幅度更新得到下一次迭代的开始检测时间；

步骤3.6、以所述下一次迭代的开始检测时间和当前迭代次数对应的接收方结束检测时间，第二次计算目标函数的梯度；

步骤3.7、判断第二次计算的目标函数梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方结束检测时间作为下一次迭代的接收方结束检测时间，进入步骤3.10，否则进入下一步；

步骤3.8、计算结束检测时间的下降幅度；

步骤3.9、采用结束检测时间的下降幅度更新得到下一次迭代的结束检测时间；

步骤3.10、将迭代次数加一，判断是否达到最大迭代次数，如果是则记录下一次迭代的开始检测时间和结束检测时间，输出优化结果，否则返回步骤3.2，继续进行迭代。

进一步地，所述采用开始检测时间的下降幅度更新得到下一次迭代的开始检测时间，包括：

下一次迭代的开始检测时间为当前迭代的开始检测时间减去开始检测时间的下降幅度与目标函数的梯度乘积。

进一步的，所述采用结束检测时间的下降幅度更新得到下一次迭代的结束检测时间，包括：

下一次迭代的结束检测时间为当前迭代的结束检测时间减去结束检测时间的下降幅度与第二次计算目标函数的梯度乘积。

进一步地，所述判断第二次计算的目标函数梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方结束检测时间作为下一次迭代的接收方结束检测时间之后，结束迭代，输出优化结果。

本申请提出的一种移动多用户分子通信系统接收方检测间隔优化方法，借助梯度投影(Projection Gradient，PG)以及替代搜索(Alternative Search，AS)对异常扩散环境下多用户移动分子通信中接收方的检测间隔进行优化，以使得移动多用户分子通信系统的平均误码率最低。

本申请的有益效果主要表现在：1、研究了由多个发送方纳米机器和一个接收方纳米机器组成的移动多用户分子通信网络系统；2、对异常扩散环境中移动多用户分子通信系统中的时变信道脉冲响应函数进行了推导并通过仿真实验验证了响应函数的准确性，进而推导了异常扩散环境中移动多用户分子通信系统的平均误码率；3、基于梯度投影和替代搜索的优化算法对移动多用户分子通信系统中接收方的检测间隔进行了优化；4、数值结果表明，基于梯度投影和替代搜索的优化算法相比穷举搜索，基于梯度投影和替代搜索的优化算法的运行时间极短，但优化效果接近或可等于穷举搜索。

附图说明

图1为本申请移动多用户分子通信系统接收方检测间隔优化方法流程图。

图2为本申请平均误码率与发送方所释放分子数量、时隙个数的关系示意图。

图3为本申请平均误码率与发送方所释放分子数量、异常扩散系数的关系示意图。

图4为本申请优化方法收敛性示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请针对异常扩散环境下的移动分子通信网络系统中的时变信道，推导了时变信道脉冲响应函数并利用仿真数据对所推导的时变信道脉冲响应函数进行验证。接着，利用信道脉冲响应函数推导出异常扩散环境中移动多用户分子通信网络系统的平均误码率，建立目标为最小化该分子通信系统的平均误码率的最优化问题；最后，设计了基于梯度投影下降和替代搜索优化算法，通过该算法能够完成优化任务，从而实现异常扩散环境中移动多用户分子通信系统中接收方检测间隙的优化。

本申请的一个实施例，如图1所示，提供了一种移动多用户分子通信系统接收方检测间隔优化方法，包括：

步骤S1、根据异常扩散下的移动多用户分子通信系统中的时变信道脉冲响应函数，推导异常扩散下的移动多用户分子通信系统的平均误码率。

本实施例以包括3个发送方纳米机器Tx

Tx

在异常扩散环境中，Tx

其中

在(2)中t表示Tx

其中

利用异常扩散环境中信道脉冲响应函数h(t,τ)来推导链路Tx

其中T为每个时隙的时长，τ为t的相对时间，w

值得注意的是，当w

用

其中泊松分布系数

根据公式(6)(7)(8)(9)，推导出Rx在第n个时隙接收到分子总数可以表示为：

其中

其中泊松分布系数λ

随后，利用最大后验(MAP)决策来推导最小化系统平均BER的最佳决策阈值。假设H

其中

假设ξ

用Λ(N

其中Tx

等于：

将公式(20)和(21)代入(19)中，可以得到Rx关于链路Tx

在得到Rx关于链路Tx

其中

表示为：

考虑链路Tx

步骤S2、以接收方开始检测时间和结束检测时间为优化变量，以最小化每条通信链路上误码率为目标，建立针对接收方检测间隔的多变量优化模型。

本实施例建立了一个带约束的多变量优化问题通过对接收方检测间隙进行优化，来优化分子通信系统链路Tx

上述多变量优化模型以最小化每条链路的误码率为目标，优化变量为开始检测时间t

针对异常扩散环境下的移动多用户分子通信系统，设计一个优化该分子通信系统中接收方检测间隔的基于梯度投影和替代搜索的优化算法。对于多目标优化，当一个目标函数无法在不降低其他目标函数之一的值的情况下增加值时，通常会考虑帕累托最优解，其中将原始多目标优化问题转换为单目标优化问题的标量化方法被研究人员广泛采用。多目标优化问题的线性标量化方法的一般公式如下：

其中θ

将上述公式29所示的模型作为针对接收方检测间隔的多变量优化模型，其中目标函数为：

步骤S3、采用基于梯度投影和替代搜索的优化算法对针对接收方检测间隔的多变量优化模型进行求解，获得接收方的最优检测间隔。

接下来，设计了基于梯度投影和替代搜索的优化算法对异常扩散环境下的移动多用户分子通信系统中接收方的检测间隙进行优化，优化算法具体如下：

3.1、初始化接收方检测间隙的开始时间、结束时间、终止变量和最大迭代次数。

本实施例优化变量为接收方检测间隙的开始时间t

3.2、开始进行迭代，以当前迭代次数对应的接收方开始检测时间和结束检测时间，计算目标函数的梯度。

假设该优化算法的当前迭代次数为q以及最大迭代次数为Q，则在第q次算法迭代后，接收方检测间隙可以表示为(t

计算目标函数P

关于梯度的计算，是本领域比较成熟的技术，这里不再赘述。需要说明的是，在第一次迭代时，所采用的接收方开始检测时间和结束检测时间为初始化的开始时间和结束时间；而在其他次的迭代中，则采用的是上一次迭代后更新的开始时间和结束时间，这里不再赘述。

3.3、判断目标函数的梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方开始检测时间作为下一次迭代的接收方开始检测时间，进入步骤3.6，否则进入下一步。

本步骤中，如果

而如果目标函数的梯度不小于终止变量，则进入下一步，来计算出下一次迭代的开始检测时间。

3.4、计算开始检测时间的下降幅度。

本实施例，开始检测时间t

3.5、采用开始检测时间的下降幅度更新得到下一次迭代的开始检测时间。

本实施例根据下降步幅度β

具体的，有三种可能：

3.5.1，如果t

3.5.2，如果t

3.5.3，如果(w

3.6、以所述下一次迭代的开始检测时间和当前迭代次数对应的接收方结束检测时间，第二次计算目标函数的梯度。

本步骤计算P

3.7、判断第二次计算的目标函数梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方结束检测时间作为下一次迭代的接收方结束检测时间，进入步骤3.10，否则进入下一步。

本步骤中，如果

3.8、计算结束检测时间的下降幅度。

本步骤计算t

3.9、采用结束检测时间的下降幅度更新得到下一次迭代的结束检测时间。

本步骤根据下降步幅度β

具体的，有三种可能：

3.9.1，如果t

3.9.2，如果t

3.9.3，如果(w

3.10、将迭代次数加一，判断是否达到最大迭代次数，如果是则记录下一次迭代的开始检测时间和结束检测时间，输出优化结果，否则返回步骤3.2，继续进行迭代。

本实施例执行步骤3.2-3.9的一次，就是一次迭代。容易理解的是，在上述算法中，当在步骤3.3中发现梯度小于终止变量时，相当于保持开始检测时间不变，进入步骤3.6后再次计算梯度，在步骤3.7中发现梯度小于终止变量时，保持结束检测时间不变。也就是说，这种情况下，保持开始检测时间和结束检测时间不变，进入下一次迭代。由于此时开始检测时间和结束检测时间不能继续进行优化，也可以结束整个算法，输出优化结果。

因而，在一个具体的实施例中，本申请所述判断第二次计算的目标函数梯度是否小于终止变量，如果是则将当前迭代次数对应的接收方结束检测时间作为下一次迭代的接收方结束检测时间之后，结束迭代，输出优化结果。

而当迭代次数达到最大值Q时，则停止迭代，将最新得到的开始检测时间和结束检测时间作为最优结果输出。如果未达到迭代终止条件，则将t

通过比较不同优化算法，可以发现相比于穷举搜索，本申请基于梯度投影和替代搜索的优化算法得出接收方的最佳检测间隙所花费的时间较少，同时基于梯度投影和替代搜索的优化算法所得到的最佳检测间隙对应的分子系统平均误码率无限接近穷举搜索。

在图2和图3中，设置Rx的检测间隔为[t

图4展示了基于梯度投影和替代搜索的优化算法对移动多用户分子通信中发送方纳米机器分子检测间隔进行优化所需的迭代次数，同时还研究了

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。