一种基于OMA的认知反向散射通信鲁棒传输方法
一种基于noma的认知反向散射通信鲁棒传输方法
技术领域
1.本发明属于无线供电通信技术领域，具体涉及一种基于noma的认知反向散射通信鲁棒传输方法。
背景技术：
2.随着数字化和信息化的快速发展，在当今社会，无线设备越来越需要承担大量的计算和通信任务。然而，能源短缺和频谱有限的问题严重影响了物联网的应用。认知无线电、非正交多址接入技术(noma)是提高频谱利用率的两种主要的技术，次级发射机基于射频能量收集技术从主要信号中收集能量，对主要用户造成可容忍的干扰时，利用收集到的能量来执行数据信息。基于射频的认知反向散射用户网络可提高频谱效率，noma可以通过允许更多用户共享相同子信道来改善通信系统的频谱效率。与此同时，通信网络的能耗问题引起了大家的注意，它对经济和生态成本都产生了严重影响，环境反向散射利用周围的环境射频源，而无需部署专用射频节点，因此可以节省成本并降低能耗，且不需要使用额外的频谱，只需利用现有的射频信号，提高了频谱利用效率。
3.很多现有方法对基于noma的认知反向散射通信网络进行了研究，但仅考虑了理想信道条件下的系统性能优化问题。由于实际的通信场景较为复杂，假设获得完美的信道状态信息是不可行的。不完美信道状态信息可能会导致资源分配方法性能下降。因此，为方便实际工程应用，亟需一种基于noma的认知反向散射通信鲁棒传输方法提高系统吞吐量。
技术实现要素：
4.针对现有技术存在的不足，本发明提出了一种基于noma的认知反向散射通信鲁棒传输方法，该方法包括：
5.s1：构建认知反向散射通信网络；
6.s2：根据认知反向散射通信网络构建次级系统吞吐量最大化的资源分配问题；
7.s3：根据信道估计误差服从高斯分布构建高斯信道不确定模型；
8.s4：根据次级系统吞吐量最大化的资源分配问题和高斯信道不确定模型构建鲁棒资源分配问题；
9.s5：求解鲁棒资源分配问题，得到传输方案；用户根据传输方案进行信息传输。
10.优选的，认知反向散射通信网络包括：一个主、m个主接收机、k个认知反向散射用户、一个认知接收机；
11.第一阶段：主向所有认知反向散射用户传输信号，认知反向散射用户采用时分多址的方式轮流向认知接收机传输信号，所有认知反向散射用户从接收到的信号中收集能量；
12.第二阶段：认知反向散射用户利用第一阶段收集的能量，通过上行noma主动的向认知接收机传输数据。
13.优选的，次级系统吞吐量最大化的资源分配问题表示为：
[0014][0015]
其中，rk表示系统吞吐量，表示第k个认知反向散射用户在第一阶段的总吞吐量，表示第k个认知反向散射用户在反向散射阶段最小总吞吐量阈值，表示第k个认知反向散射用户在第二阶段的总吞吐量，表示第k个认知反向散射用户在第二阶段最小总吞吐量阈值，表示第k个认知反向散射用户的最小能耗阈值，ek表示第k个认知反向散射用户收集的总能量，t表示传输总时间，表示反射时隙，βk表示第k个认知反向散射用户的反射系数，p0表示主发射机的发射总功率，fk表示主到第k个认知反向散射用户的信道增益，h
k,m
表示第k个认知反向散射用户到第m个主接收机的信道增益，ta表示主动传输时间，k表示认知反向散射用户数量，pk表示第k个认知反向散射用户在主动传输时的发射功率，表示第m个主接收机可以接受的最大干扰功率。
[0016]
进一步的，第k个认知反向散射用户在第一阶段的总吞吐量为：
[0017][0018]
其中，b表示信道带宽，hk表示第k个认知反向散射用户到认知接收机的信道增益，f
pt-cr
表示主到认知接收机的信道增益，σ2表示认知接收机的背景噪声功率。
[0019]
进一步的，第k个认知反向散射用户在第二阶段的总吞吐量为：
[0020][0021]
其中，b表示信道带宽，γk表示第k个认知反向散射用户在主动传输阶段的信噪比。
[0022]
进一步的，第k个认知反向散射用户收集的总能量为：
[0023][0024]
其中，表示第k个认知反向散射用户在第一能量收集阶段收集的能量，表示第k个认知反向散射用户在第二能量收集阶段收集的能量。
[0025]
进一步的，第k个认知反向散射用户的最小能耗阈值为：
[0026]
[0027]
其中，和分别表示第k个认知反向散射用户在进行反向散射通信和主动通信时的恒定电路功耗。
[0028]
优选的，高斯信道不确定模型表示为：
[0029][0030][0031][0032]
其中，和分别表示第一、第二和第三不确定性集合；fk、和δfk分别表示主到第k个认知反向散射用户的信道增益、估计信道增益和估计信道增益误差，hk、和δhk分别表示第k个认知反向散射用户到认知接收机的信道增益、估计信道增益和估计信道增益误差，h
k,m
、和δh
k,m
分别表示第k个认知反向散射用户到第m个主接收机的信道增益、估计信道增益和估计信道增益误差，和分别表示第一、第二和第三方差。
[0033]
优选的，鲁棒资源分配问题表示为：
[0034][0035]
其中，rk表示系统吞吐量，k表示认知反向散射用户数量，表示第k个认知反向散射用户在第一阶段的总吞吐量，表示第k个认知反向散射用户在反向散射阶段最小总吞吐量阈值，表示第k个认知反向散射用户在第二阶段的总吞吐量，表示第k个认知反向散射用户在第二阶段最小总吞吐量阈值，表示第k个认知反向散射用户的最小能耗阈值，ek表示第k个认知反向散射用户收集的总能量，pr{
·
}表示求中断概率；εk、ζk、ρk和θk分别表示第一、第二、第三和第四中断概率门限，t表示传输总时间，表示反射时隙，βk表示第k个认知反向散射用户的反射系数，p0表示主发射机的发射总功率，fk表示主到第k个认知反向散射用户的信道增益，h
k,m
表示第k个认知反向散射用户到第m个主接收机的
信道增益，ta表示主动传输时间，pk表示第k个认知反向散射用户在主动传输时的发射功率，表示第m个主接收机可以接受的最大干扰功率；表示第m个主接收机可以接受的最大干扰功率；和分别表示第一、第二和第三不确定性集合，δfk表示主到第k个认知反向散射用户的估计信道增益误差，δhk表示第k个认知反向散射用户到认知接收机的估计信道增益误差，δh
k,m
表示第k个认知反向散射用户到第m个主接收机的估计信道增益误差。
[0036]
优选的，求解鲁棒资源分配问题的过程包括：
[0037]
s51：采用q函数将中断概率约束转化为确定性约束，得到重写的鲁棒资源分配问题；
[0038]
s52：对重写的鲁棒资源分配问题进行等价替换；采用交替迭代算法将等价替换后的鲁棒资源分配问题分解为两个子问题；
[0039]
s53：采用凸优化工具求解两个子问题，得到认知反向散射用户的发射功率、反射系数、主动传输时间和反向散射传输时间即传输方案
[0040]
本发明的有益效果为：本发明的网络系统的反向散射极大地降低了通信节点的功耗，突破了传统物联网能量受限，设备功耗高，寿命短的问题，缓解了过于依赖电池供给问题，noma通过允许更多用户共享相同子信道改善了通信系统的频谱效率。本发明考虑了不完美信道状态信息，避免了资源分配方法性能的下降。并通过调节系统用户传输信号的时间分配、反向散射系数、主动传输功率，提高了认知无线供电反向散射通信网络系统的鲁棒性和吞吐量。
附图说明
[0041]
图1为本发明中基于noma的认知反向散射通信鲁棒传输方法流程图；
[0042]
图2为本发明中认知反向散射通信网络系统模型图；
[0043]
图3为本发明的吞吐量收敛图；
[0044]
图4为本发明与对比方法的用户中断概率与信道误差的关系图。
具体实施方式
[0045]
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，所描述的实施例仅仅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做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。
[0046]
本发明提出了一种基于noma的认知反向散射通信鲁棒传输方法，如图1所示，所述方法包括以下内容：
[0047]
s1：构建认知反向散射通信网络。
[0048]
如图2所示，基于noma的认知反向散射通信网络场景，构建认知反向散射通信网络；该网络场景由主网络(包括主和主接收机)和次级网络(包括认知反向散射用户和认知接收机)组成，具体的，本网络有一个主、m个主接收机，可表示为k个认知反向散射用户，可表示为和一个认知接收机，设备收发端均为单天线。
[0049]
假设主到认知反向散射用户、认知接收机、主接收机的信道增益分别为:fk、f
pt-cr
、f
p,m
；认知反向散射用户到主接收机和认知接收机的信道增益为：hk、h
k,m
。为了在传输阶段实现反向散射通信和主动传输，每个认知反向散射用户配备能量收集模块、反向散射电路和主动传输电路，都能通过反向散射或主动传输向认知接收机传输数据。
[0050]
主一直在向主接收机、认知反向散射用户和主接收机发送信号，整个时间块定义为t，将其分为第一阶段和第二阶段；在第一阶段即反向散射传输阶段，主向所有认知反向散射用户传输载波信号，认知反向散射用户采用时分多址的方式轮流向认知接收机传输数据即进行反向散射传输，其传输时间即反射时隙为所有认知反向散射用户从接收到的信号中收集能量，认知反向散射用户收集能量的过程分为第一能量收集阶段和第二能量收集阶段；在第一能量收集阶段，认知反向散射用户在未进行反向散射收集能量，在第二能量收集阶段，认知反向散射用户在进行反向散射时收集能量。在第二阶段即主动传输阶段，认知反向散射用户利用第一阶段收集的能量，通过上行noma主动的向认知接收机传输数据，传输时间为ta。
[0051]
s2：根据认知反向散射通信网络构建次级系统吞吐量最大化的资源分配问题。
[0052]
在第一阶段即反向散射传输阶段，认知反向散射用户采用时分多址接入的方式向认知接收机进行反射信息；在反射时隙认知反向散射用户到认知接收机的吞吐量即认知反向散射用户在第一阶段的总吞吐量表示为：
[0053][0054]
其中，表示第k个认知反向散射用户在第一阶段的总吞吐量，b表示信道带宽，βk表示第k个认知反向散射用户的反射系数，p0表示主发射机的发射总功率，fk表示主到第k个认知反向散射用户的信道增益，hk表示第k个认知反向散射用户到认知接收机的信道增益，f
pt-cr
表示主到认知接收机的信道增益，σ2表示认知接收机的背景噪声功率。
[0055]
在第一阶段即反向散射传输阶段，第k个认知反向散射用户收集的总能量ek为：
[0056][0057][0058][0059]
其中，表示第k个认知反向散射用户在第一能量收集阶段收集的能量，表示第k个认知反向散射用户在第二能量收集阶段收集的能量；η∈(0,1)表示能量转换效率因子，ta为主动传输时间，t为传输的总时间。
[0060]
在第二阶段即主动传输阶段，认知反向散射用户通过上行noma主动的向认知接收机传输数据，第k个认知反向散射用户在第二阶段的总吞吐量为：
[0061][0062]
[0063]
其中，表示第k个认知反向散射用户在第二阶段的总吞吐量，γk表示第k个认知反向散射用户在主动传输时的信噪比，pk表示第k个认知反向散射用户在主动传输时的发射功率；若k＝k，则
[0064]
第一阶段和第二阶段的认知反向散射用户都对主接收机存在干扰。为了在进行资源共享时保证主用户的正常通信不被影响，需要保证网络中所有认知反向散射用户对主接收机产生的干扰满足如下约束：
[0065][0066]
其中，h
k,m
表示第k个认知反向散射用户到第m个主接收机的信道增益，表示第m个主接收机可以接受的最大干扰功率。
[0067]
第k个认知反向散射用户的最小能耗表示为：
[0068][0069]
其中，和分别表示认知反向散射用户k在进行反向散射通信和主动通信时的恒定电路功耗。
[0070]
次级系统吞吐量最大化的资源分配问题表示为：
[0071][0072]
其中，rk表示系统吞吐量，表示第k个认知反向散射用户在反向散射阶段最小总吞吐量阈值，表示第k个认知反向散射用户在第二阶段最小总吞吐量阈值；c1表示在反向散射阶段，认知反向散射用户的最小吞吐量约束，c2表示在主动传输阶段，认知反向散射用户的最小吞吐量约束；c3表示在第一阶段收集的能量要大于在第一阶段和第二阶段的电路的恒定电路功耗之和，c4表示第m个主接收机所受干扰功率小于最大干扰功率，c5是时间分配约束，c6表示反射系数的范围。
[0073]
s3：根据信道估计误差服从高斯分布构建高斯信道不确定模型。
[0074]
考虑不确定性参数的加性模型，且假设信道估计误差服从高斯分布，构建高斯信道不确定模型，表示为：
[0075][0076][0077][0078]
其中，和分别表示第一、第二和第三不确定性集合；fk、和δfk分别表示主到第k个认知反向散射用户的信道增益、主到第k个认知反向散射用户的估计信道增益和主到第k个认知反向散射用户的估计信道增益误差，表示δfk服从均值为零，方差为的高斯分布；hk、和δhk分别表示第k个认知反向散射用户到认知接收机的信道增益、第k个认知反向散射用户到认知接收机的估计信道增益和第k个认知反向散射用户到认知接收机的估计信道增益误差，表示δhk服从均值为零，方差为的高斯分布；h
k,m
、和δh
k,m
分别表示第k个认知反向散射用户到第m个主接收机的信道增益、第k个认知反向散射用户到第m个主接收机的估计信道增益和第k个认知反向散射用户到第m个主接收机的估计信道增益误差，表示δh
k,m
服从均值为零，方差为的高斯分布；和分别表示第一、第二和第三方差。
[0079]
s4：根据次级系统吞吐量最大化的资源分配问题和高斯信道不确定模型构建鲁棒资源分配问题。
[0080]
次级系统吞吐量最大化的资源分配问题p1可表示为鲁棒资源分配问题：
[0081][0082]
其中，pr{
·
}表示求中断概率；εk∈[0,1]、ζk∈[0,1]、ρk∈[0,1]和θk∈[0,1]分别表示第一、第二、第三和第四中断概率门限；表示第k个认知反向散射用户的在反向散射阶段的吞吐量的中断概率约束，表示第k个认知反向散射用户的在主动传输阶段吞吐量的中断概率约束，表示第k个认知反向散射用户能量收集的中断概率约束，表示第m个主接收机所受干扰的中断概率约束，c7是对信道估计误差的约束。
[0083]
s5：求解鲁棒资源分配问题，得到传输方案；用户根据传输方案进行信息传输。
[0084]
求解鲁棒资源分配问题的过程包括：
[0085]
s51：采用q函数将中断概率约束转化为确定性约束，得到重写的鲁棒资源分配问题。
[0086]
定义基于可以得到：
[0087][0088]
由于和基于概率论，可以得到：
[0089][0090]
其中，因此原始概率约束转化为确定性约束为
[0091]
采用类似于式(2)的转化方法，将和转换为确定性约束：
[0092][0093][0094][0095]
其中，其中，
[0096]
根据式(3)～式(6)，p2可以重新表示为：
[0097][0098]
s52：对重写的鲁棒资源分配问题进行等价替换；采用交替迭代算法将等价替换后的鲁棒资源分配问题分解为两个子问题。
[0099]
由于耦合变量的约束，和目标函数都是非凸的，有：
[0100][0101]
此外，由于的耦合性，还需要对其进行变换，重写为：
[0102][0103]
采用交替迭代优化的迭代算法来求解，在给定βk和pk的情况下，可以求解和ta的子问题；表示为：
[0104][0105]
在给定和ta，可以求解βk和pk的子问题表示为：
[0106][0107]
s53：采用凸优化工具求解两个子问题，得到认知反向散射用户的发射功率、反射系数、主动传输时间和反向散射传输时间即传输方案。
[0108]
p3和p4都是凸优化问题，所以本发明直接采用凸优化工具对这两个子问题求解，得到认知反向散射用户的发射功率、反射系数、主动传输时间和反向散射传输时间即传输方案；认知反向散射通信网络系统中的用户可根据传输方案进行信息传输。
[0109]
对本发明进行评价：
[0110]
结合仿真对本发明的应用效果作详细的描述：
[0111]
1)仿真条件
[0112]
假设主网络中有一个主发射机，两个主接收机，次级网络中有两个认知反向散射用户，一个认知接收机。假设所有设备随机分布在一个半径为10米的圆内。信道模型为其中d是发射端和接收端之间的距离，χ＝3是路径损耗指数，表示衰落系数；其他参数如表1所示。
[0113]
表1仿真参数
[0114][0115]
2)仿真结果
[0116]
图3表示了本发明在不同条件下的收敛性，从图3可以看出，在本发明下认知反向散射用户的总吞吐量在4次迭代内即可收敛到稳定点。因此，本发明具有良好的收敛性。此外，认知反向散射用户的总吞吐量随着的增大而增大。因为越大，就需要认知反向散射用户分配更多的反向散射速率或传输时间来保证基本的服务质量要求，从而使总吞吐量增加。图4描述了本发明和对比方法的实际中断概率与信道估计误差σ
k,m
的关系；从图4可以看出，在不同算法下，主接收机的实际中断概率与认知反向散射用户到主接收机的信道估计误差的关系。随着标准差σ
k,m
的增加，本发明的实际中断概率低于非鲁棒算法，且不超过中断概率门限，由于非鲁棒算法忽略了信道估计误差，将会导致实际的中断概率高于本发明算法，因此本发明具有较好的鲁棒性。
[0117]
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：
1.一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，包括：s1：构建认知反向散射通信网络；s2：根据认知反向散射通信网络构建次级系统吞吐量最大化的资源分配问题；s3：根据信道估计误差服从高斯分布构建高斯信道不确定模型；s4：根据次级系统吞吐量最大化的资源分配问题和高斯信道不确定模型构建鲁棒资源分配问题；s5：求解鲁棒资源分配问题，得到传输方案；用户根据传输方案进行信息传输。2.根据权利要求1所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，认知反向散射通信网络包括：一个主、m个主接收机、k个认知反向散射用户、一个认知接收机；第一阶段：主向所有认知反向散射用户传输信号，认知反向散射用户采用时分多址的方式轮流向认知接收机传输信号，所有认知反向散射用户从接收到的信号中收集能量；第二阶段：认知反向散射用户利用第一阶段收集的能量，通过上行noma主动的向认知接收机传输数据。3.根据权利要求1所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，次级系统吞吐量最大化的资源分配问题表示为：s.t.c1:c2:c3:c4:c5:c6:0≤β
k
≤1.其中，r
k
表示系统吞吐量，表示第k个认知反向散射用户在第一阶段的总吞吐量，表示第k个认知反向散射用户在反向散射阶段最小总吞吐量阈值，表示第k个认知反向散射用户在第二阶段的总吞吐量，表示第k个认知反向散射用户在第二阶段最小总吞吐量阈值，表示第k个认知反向散射用户的最小能耗阈值，e
k
表示第k个认知反向散射用户收集的总能量，t表示传输总时间，表示反射时隙，β
k
表示第k个认知反向散射用户的反射系数，p0表示主发射机的发射总功率，f
k
表示主到第k个认知反向散射用户的信道增益，h
k,m
表示第k个认知反向散射用户到第m个主接收机的信道增益，t
a
表示主动传输时间，k表示认知反向散射用户数量，p
k
表示第k个认知反向散射用户在主动传输时的发射功率，表示第m个主接收机可以接受的最大干扰功率。
4.根据权利要求3所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，第k个认知反向散射用户在第一阶段的总吞吐量为：其中，b表示信道带宽，h
k
表示第k个认知反向散射用户到认知接收机的信道增益，f
pt-cr
表示主到认知接收机的信道增益，σ2表示认知接收机的背景噪声功率。5.根据权利要求3所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，第k个认知反向散射用户在第二阶段的总吞吐量为：其中，b表示信道带宽，γ
k
表示第k个认知反向散射用户在主动传输阶段的信噪比。6.根据权利要求3所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，第k个认知反向散射用户收集的总能量为：其中，表示第k个认知反向散射用户在第一能量收集阶段收集的能量，表示第k个认知反向散射用户在第二能量收集阶段收集的能量。7.根据权利要求3所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，第k个认知反向散射用户的最小能耗阈值为：其中，和分别表示第k个认知反向散射用户在进行反向散射通信和主动通信时的恒定电路功耗。8.根据权利要求1所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，高斯信道不确定模型表示为：于，高斯信道不确定模型表示为：于，高斯信道不确定模型表示为：其中，和分别表示第一、第二和第三不确定性集合；f
k
、和δf
k
分别表示主到第k个认知反向散射用户的信道增益、估计信道增益和估计信道增益误差，h
k
、和δh
k
分别表示第k个认知反向散射用户到认知接收机的信道增益、估计信道增益和估计信道增益误差，h
k,m
、和δh
k,m
分别表示第k个认知反向散射用户到第m个主接收机的信道增益、估计信道增益和估计信道增益误差，和分别表示第一、第二和第三方差。9.根据权利要求1所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，鲁棒资源分配问题表示为：
c5:c6:0≤β
k
≤1.c7:其中，r
k
表示系统吞吐量，k表示认知反向散射用户数量，表示第k个认知反向散射用户在第一阶段的总吞吐量，表示第k个认知反向散射用户在反向散射阶段最小总吞吐量阈值，表示第k个认知反向散射用户在第二阶段的总吞吐量，表示第k个认知反向散射用户在第二阶段最小总吞吐量阈值，表示第k个认知反向散射用户的最小能耗阈值，e
k
表示第k个认知反向散射用户收集的总能量，pr{
·
}表示求中断概率；ε
k
、ζ
k
、ρ
k
和θ
k
分别表示第一、第二、第三和第四中断概率门限，t表示传输总时间，表示反射时隙，β
k
表示第k个认知反向散射用户的反射系数，p0表示主发射机的发射总功率，f
k
表示主到第k个认知反向散射用户的信道增益，h
k,m
表示第k个认知反向散射用户到第m个主接收机的信道增益，t
a
表示主动传输时间，p
k
表示第k个认知反向散射用户在主动传输时的发射功率，表示第m个主接收机可以接受的最大干扰功率；表示第m个主接收机可以接受的最大干扰功率；和分别表示第一、第二和第三不确定性集合，δf
k
表示主到第k个认知反向散射用户的估计信道增益误差，δh
k
表示第k个认知反向散射用户到认知接收机的估计信道增益误差，δh
k,m
表示第k个认知反向散射用户到第m个主接收机的估计信道增益误差。10.根据权利要求1所述的一种基于noma的认知反向散射通信鲁棒传输方法，其特征在于，求解鲁棒资源分配问题的过程包括：s51：采用q函数将中断概率约束转化为确定性约束，得到重写的鲁棒资源分配问题；s52：对重写的鲁棒资源分配问题进行等价替换；采用交替迭代算法将等价替换后的鲁棒资源分配问题分解为两个子问题；s53：采用凸优化工具求解两个子问题，得到认知反向散射用户的发射功率、反射系数、主动传输时间和反向散射传输时间即传输方案。
技术总结
本发明属于无线供电通信技术领域，具体涉及一种基于OMA的认知反向散射通信鲁棒传输方法；该方法包括：构建认知反向散射通信网络；根据认知反向散射通信网络构建次级系统吞吐量最大化的资源分配问题；根据信道估计误差服从高斯分布，构建高斯信道不确定模型；根据次级系统吞吐量最大化的资源分配问题和高斯信道不确定模型构建鲁棒资源分配问题；求解鲁棒资源分配问题，得到传输方案；用户根据传输方案进行信息传输；本发明提高了认知无线供电反向散射通信网络系统的鲁棒性和吞吐量，实用性高。高。高。
