面向fd多中继协作swipt网络的中继选择优化方法
阅读说明：本技术 面向fd多中继协作swipt网络的中继选择优化方法 (Relay selection optimization method for FD multi-relay cooperation SWIPT network ) 是由 徐友云 单永峰 蒋锐 李大鹏 于 2021-05-31 设计创作，主要内容包括：本发明公开面向FD多中继协作SWIPT网络的中继选择优化方法,属于计算、推算或计数的技术领域。就该优化方法又提出发射端已知各中继电池电量信息和发射端未知各中继电池电量信息两种应用场景,以目的节点信道容量最大化为优化目标,通过在时间上充分利用中继处的能量收集模块增加了被选择中继处的发射功率,从而进一步提升了系统容量。本发明提升了全双工多中继协作SWIPT网络中单中继选择算法、贪婪中继选择算法和穷竭中继选择算法这三种中继选择算法的容量性能和中断性能。(The invention discloses a relay selection optimization method for an FD multi-relay cooperation SWIPT network, and belongs to the technical field of calculation, calculation or counting. The optimization method provides two application scenes that the power information of each relay battery is known by the transmitting terminal and the power information of each relay battery is unknown by the transmitting terminal, the channel capacity of the target node is maximized as an optimization target, and the transmitting power of the selected relay is increased by fully utilizing the energy collection module of the relay in time, so that the system capacity is further improved. The method improves the capacity performance and the interruption performance of three relay selection algorithms, namely a single relay selection algorithm, a greedy relay selection algorithm and an exhaustive relay selection algorithm, in the full-duplex multi-relay cooperation SWIPT network.)
技术领域
本发明涉及无线信息与能量同传技术，具体涉及面向FD多中继协作SWIPT网络的中继选择优化方法，适用于不便更换电池或更换电池难度较大的物联网节点、终端节点等设备的无线信息和能量传输，属于计算、推算或计数的
技术领域
。背景技术
能量收集(EH,Energy Harvesting)技术已经成为延长能源受限无线通信网络生命周期的解决方案。各种能量来源中，射频(RF,Radio Frequency)信号携带的能量更加稳定并且可以根据系统需求进行自适应调节。RF信号作为信号的载体，已经广泛地应用于无线信号传输(WIT,Wireless Information Transfer)，而RF信号又能够携带能量使得无线信息与能量同传(SWIPT,Simultaneous Wireless Information and Power Transfer)技术成为可能。
然而，现有的最先进的RF能量接收机还不能直接处理信号所携带的信息，于是研究人员提出时间切换(TS,Time Switching)和功率分割(PS,Power Splitting)两种实用策略来协调运行信息处理模块(IP,Information Processing)和EH模块。在TS策略中，IP模块和EH模块的运行时间相互错开，电路的设计与实现较为简单，但信息传输并不连续，并且为了适应信息传输的不连续性，信号发送端需要在信号编码上作调整以避免在EH模块运行期发送有用信号。PS策略则将RF能量接收机的接收信号按照功率划分为两部分，一部分用于IP模块，一部分用于EH模块。PS策略解决了信息传输的不连续性，更好地利用了通信系统的时间资源，但同时也增加了RF能量接收机的电路实现难度。
由于RF信号会遇到路径损耗和多径衰弱等问题，为了扩大信号覆盖的范围、提高通信服务的质量，中继协作通信越来越来多地与SWIPT技术结合起来使用。在中继协作通信网络中，放大转发(AF,Amplify and Forward)协议和译码转发(DF,Decode and Forward)协议是两种基本的转发协议。DF协议将中继处的接收信号先解码再转发给信号接收端，解码电路过滤了接收信号中所夹杂的天线噪声但同时也增加了中继处的电能损耗。AF转发协议则只对接收信号做简单的线性放大处理，在放大有用信号功率的同时也放大了噪声功率。然而，AF转发协议实现简单，不需要能耗较高的解码电路。在中继协作SWIPT网络中，中继的电路运行功率完全由中继所接收的RF信号提供，为了降低中继的能耗，实际应用中更多采用AF转发协议而不是耗能更多的DF转发协议。
在中继协作SWIPT网络中，EH中继按工作模式划分可分为半双工(HD,Half-Duplex)EH中继和全双工(FD,Full-Duplex)EH中继。当EH中继工作在HD模式时，每次通信的传输周期被分为两个阶段。在第一阶段，EH中继接收信号发射端发送的信号，在第二阶段，EH中继将在第一阶段接收到的信号转发给信号接收端。当EH中继工作在FD模式时，EH中继在接收信号发射端发送信号的同时将所接收到的信号转发给信号接收端。考虑到中继处自我干扰(SI,Self-Interference)的影响，早期对于中继协作网络的研究大多专注于HD中继通信。近些年来，随着自我干扰消除(SIC,Self-Interference Cancellation)技术的突破，FD中继网络凭借其相较于HD中继网络在频谱效率上的显著优势获得了广泛的关注度。因为基于TS策略的FD中继方案只能在传输周期的一部分发送或者接收信息，所以系统的时间资源利用率较低。另一方面，受益于近些年来SIC技术的突破，EH中继采取PS策略能够很好地协调EH模块和IP模块，在不影响系统通信质量情况下不间断地同时收发信息。因此，在EH中继处采取PS策略可以充分利用系统的FD特性。
在多中继协作通信网络中，中继选择(RS,Relay Selection)能够增强系统的分集增益。采用合适的标准选择最优中继能使系统性能达到最优。与传统的中继协作网络不同，在中继协作SWIPT网络中，中继处的信号发射功率并不受中继自身配备的电池容量所限制，从RF信号中收集的能量能够支持中继在不配备电池或者不更换电池的情况下不间断工作。因而选择更多的中继非但不会消耗额外的电池电量，反而可以收集更多的能量用于信号转发。然而，选择的中继数量越多意味着每个中继所分得的传输带宽越少，如何选择合适的中继以优化系统容量成为研究的热点。研究多中继协作SWIPT网络中RS问题时，多假设EH中继不配备电池，没有被选择进行通信的中继无法收集能量并储存。由于EH中继节点依赖于收集的能量进行工作，这使得原本不多的RF能量弥足珍贵。因此，选择为多中继协作SWIPT网络中的所有中继配备电池可以让在通信过程中没有被选择进行协作通信的中继能够继续利用自己的EH模块收集储存能量，从而可以在时间上充分利用中继内部的EH模块和RF信号中携带的能量，并最终达到提升系统通信性能的目标。
现有技术文献中，“A Selection-Based Cooperative SWIPT Scheme withEnergy-Preserving DF Relays”(SWIPT储存能量DF中继的选择协作方案，《2018IEEE 10thInternational Conference on Wireless Communications and Signal Processing,pp.1-6,October,2018》)一文考虑了多中继协作SWIPT网络中配备电池的情形，但是所采用的功率消耗方案以节能和网络生命周期最大化为优化目标，仅仅设定了网络容量性能所要达到的下限，并且以HD中继为研究背景，没有采用能够取得更优网络容量性能的FD中继；另外，“Energy-aware relay selections for simultaneous wireless information andpower transfer”(无线信息与能量同传技术的能量感知中继选择方案，《2017IEEE 23rdAsia-Pacific Conference on Communications,pp.1-6,December,2017》)一文，提出了三种基于不同功率消耗方案的中继选择策略，分别以剩余能量最大、额外能量最小和额外能量效率指数最小为优化目标，但是没有考虑网络容量性能的优化，并且虽然在中继处采用了PS策略，但仍然专注于HD中继传输，没有采用能够取得更优网络容量性能的FD中继。
发明内容
本发明的发明目的是针对上述背景技术的不足，通过为网络中每个中继配备储能电池，解决FD中继协作SWIPT网络中未被选择中继的闲置利用问题并通过利用未被选择中继进一步提升网络的容量性能和中断性能，提出面向FD多中继协作SWIPT网络的中继选择优化方法，即当某个中继被选作进行通信时，该中继的发射功率的来源有两个部分，一部分是当前通信阶段中该中继内部EH模块所收集的功率，另一部分是先前未被选作通信中继时由EH模块所收集储存的功率，相比于现有中继选择方案，被选中中继的发射功率多出了后一部分，实现全双工中继协作SWIPT网络中中继发射功率最大化的发明目的，从而提升网络的容量性能，也间接提升网络的中断性能。
本发明为实现上述发明的目的采用如下技术方案：
面向FD多中继协作SWIPT网络的中继选择优化方法，通过逐步增加待选中继构建接收端信道容量最大的已选中继集作为本次通信周期的已选中继集，优化第n次通信周期已选中继集的过程具体包括如下两大步骤：
步骤一：以一个待选中继和前一步优化的已选中继集构建当前步骤已选中继集根据网络总带宽B计算当前步骤已选中继集中各中继所分得的信道带宽将各中继未被选时EH模块收集的能量Ppre[n]计入各中继被选时提供的最大发射功率中，分别计算当前步骤已选中继集中各中继被选时提供最大发射功率对应的信号放大系数βi[n]，根据当前步骤已选中继集中各中继被选时提供的最大发射功率及其对应的信号放大系数计算当前步骤已选中继集中各中继被选时的接收端信干噪比以当前步骤已选中继集中各中继被选时的接收端信干噪比最大为目标更新已选中继集中各中继的PS比，根据当前步骤已选中继集各中继被选时的接收端信干噪比计算当前步骤已选中继集的接收端信道容量
步骤二：重复执行步骤一得到N个已选中继集并根据各已选中继集各中继被选时的接收端信干噪比计算各已选中继集的接收端信道容量，以接收端信道容量最大的已选中继集为本次通信周期的最优已选中继集，
进一步地，分别计算当前步骤已选中继集中各中继被选时提供最大发射功率对应的信号放大系数βi[n]的方法为：联立和求解βi[n]。
进一步地，根据当前步骤已选中继集中各中继被选时提供的最大发射功率及其对应的信号放大系数计算当前步骤已选中继集的接收端信干噪比的表达式为：
进一步地，根据当前步骤已选中继集各中继被选时的接收端信干噪比计算当前步骤已选中继集的接收端信道容量的表达式为：
进一步地，中继未被选时EH模块收集的功率Ppre[n]为Ppre[n]＝Pi (n-1),n≥1，
本发明采用上述技术方案，相对于现有技术具有如下的有益效果：
(1)本发明以提升目的节点信道容量为目标，通过优化各EH中继的PS比选择接收端信道容量最大的中继集合，在时间上充分利用EH中继节点，通过让EH中继在未被选择期间继续收集储存能量，从而提升EH中继在被选择期间的发射功率，最终达到提升信道容量的结果。
(2)本发明将所公开的中继选择优化方案应用于FD多中继协作SWIPT网络中，能够提升单中继选择(SRS,Single Relay Selection)算法，贪婪中继选择(GRS,Greedy RelaySelection)算法和穷竭搜索(ES,Exhaustive Search)这三种中继选择算法的容量性能和中断性能，其中，SRS算法从中继选择优化方案中获得的性能提升最为明显，GRS算法和ES算法从中继选择优化方案中获得的性能提升虽然没有SRS算法明显，依然在大部分发射功率区间内获得了较明显的性能提升，并且采用了中继选择优化方案的GRS算法的性能依然近乎等同于采用了中继选择优化方案的ES算法。
(3)在采用中继选择优化方案的前提下，分别考虑发射端已知电池电量信息(BIKT,Battery Information Known at Transmitter)和发射端未知电池电量信息(BIUT,Battery Information Unknown at Transmitter)两种场景，SRS算法应用于BIKT场景相较应用于BIUT场景的容量性能提升微乎其微，而在源发射功率的大部分区间内，无论是GRS算法还是ES算法应用于BIKT场景都表现出了比应用于BIUT场景更优的性能。
附图说明
图1为基于PS策略的FD AF多中继协作SWIPT网络模型的拓扑图。
图2为中继节点内部功率分割的示意图。
图3为中继参与通信过程功率消耗的示意图。
图4为GRS算法的流程图。
图5为SRS算法的在不同场景下不同个数中继参与通信的平均容量对比图。
图6为SRS算法在不同场景下不同个数中继参与通信的中断概率对比图。
图7为GRS算法在不同场景下不同个数中继参与通信的平均容量对比图。
图8为GRS算法在不同场景下不同个数中继参与通信的中断概率对比图。
图9为M＝8时GRS算法和ES算法的容量性能对比图。
图10为M＝8时GRS算法和ES算法的中断性能对比图。
具体实施方式
本发明提出的面向FD多中继协作SWIPT网络的中继选择优化方法，在各个EH中继配备电池的前提下，充分利用时间资源，使EH中继在未被选作通信中继期间继续收集储存能量，并在EH中继在被选作通信中继期间充分消耗当前收集能量和已储能量，进一步提升EH中继处的信号发射功率，最终提升目的端接收信号SINR以达到提升信道容量的优化目标。下面结合图1至图3对发明的技术方案的理论推导进行详细说明。
如图1所述，假设网络中有N个可供使用的中继，并且每个中继都配备有一个即充即用的小容量电池，以便采用所提出的HTT功率消耗方案。设所有中继都工作在FD模式，即所有中继都能够在同一频段同时收发信号。假设源发射端S到目的接收端D的距离较远以至于直连链路的衰耗非常严重，所以未考虑直连链路。同时，为了避免被选中继之间产生信号干扰，采用等频段划分系统总带宽的方式使得每个被选中继都工作在不相干的频率范围内。设定网络可用总带宽为B，为被选中继组成的集合，|·|运算符表示一个集合的基，则每个被选中继所分得的信道带宽为
假设多中继协作网络涉及到的所有信道均为瑞利信道，将源发射端S与中继Ri(i＝1,2,…,N)之间信道响应记作hi，中继Ri与目的接收端D之间的信道响应记作gi。尽管中继处的自我干扰已经可以通过各种各样的SIC技术压制，剩余自我干扰(RSI,Residual Self-Interference)对系统性能的影响依然不可忽略。因此考虑中继Ri处的RSI信道响应，记作Ωi，如图2所示。设定源发射端S知晓所有信道的信道状态信息(CSI,Channel StateInformation)，并根据CSI的变化动态选择“最优”中继集以最大化系统容量。为了简化分析，假设在中继内部电路和在CSI获取阶段的信号处理所消耗的电能可以忽略不计。
被选中的中继在从源发射端S接收信号的同时，采用AF协议将信号转发给目的接收端D。每个中继处接收到的信号可根据相应PS比ρi:(1-ρi)被分割成两部分，其中，ρi部分进入IP模块，1-ρi部分进入EH模块。未被选择的中继无法启用IP模块，但由于配备了电池可以启用EH模块，显然此时中继处的接收信号全部用于EH模块，即ρi＝0。在每个通信周期过后，未被选择中继EH模块的信号被转换成电能储存在中继配备的电池里以供将来使用，而被选择中继EH模块的信号与先前存储在该中继电池电能一并消耗殆尽以最大化中继处的发射功率。最后，目的接收端D采用MRC分集接收方式处理来自多个被选择中继的转发信号。
在第n次通信周期中，当第i个中继Ri被选中时，Ri的接收信号可以表示为：
式(1)中，为第n次通信周期中第i个中继Ri的接收信号，hi[n]为第n次通信周期中源发射端与第i个中继Ri之间的信道响应，xS[n]为第n次通信周期中的源发射信号，Ωi[n]为第n次通信周期中第i个中继Ri处的RSI信道响应，为第n次通信周期中第i个中继Ri的发射信号，为第n次通信周期中第i个中继Ri处的天线噪声，服从均值为0方差为的高斯分布其中，NA代表第i个中继Ri处天线的噪声功率谱密度。
接收信号进入第i个中继Ri后，根据PS比ρi:(1-ρi),ρi∈[0,1]被分割成两部分，一部分用于IP模块，一部分用于EH模块，如下：
式(2)、式(3)中，为第n次通信周期中第i个中继Ri的接收信号用于IP模块的部分，为第n次通信周期中第i个中继Ri的接收信号用于EH模块的部分，ρi[n]:(1-ρi[n])为第n次通信周期中第i个中继Ri接收信号的PS比。
进入IP模块后先被放大然后转发给目的接收端D。给出第i个中继Ri处的信号放大系数为βi，第i个中继Ri处的发送信号可以表示为：
式(4)中，为第n次通信周期中第i个中继Ri处的发送信号，βi[n]为第n次通信周期中第i个中继Ri处的信号放大系数，为第n-1次通信周期中第i个中继Ri的接收信号用于IP模块的部分，代表第n次通信周期中第i个中继Ri处的信号处理噪声，服从均值为0方差为的高斯分布NP代表第i个中继Ri处天线的噪声功率谱密度。
第i个中继Ri处所需提供的发射功率为：
式(5)中，为第n次通信周期中第i个中继Ri处所需提供的发射功率，表示对进行取模运算，E[·]表示期望；由两部分功率供给，一部分是第i个中继Ri在当前通信阶段由EH模块所收集的功率，另一部分是第i个中继Ri在先前未被选为通信中继而只启用EH模块所收集储存的功率，这里暂且记作Ppre[n]，本发明所提出的中继选择优化方法便是充分利用这两部分功率以达到在通信容量上的优化。记EH模块收集能量的效率为η，第n次通信周期中第i个中继Ri处所能提供的最大发射功率为：
结合式(5)和式(6)，可以得到第n次通信周期中第i个中继Ri处的信号放大系数βi[n]的值为：
由于在实际接收机中，远远大于公式(7)可进一步简化为：
展开式(6)，有：
PS为第n次通信周期中源发射信号的功率，将式(9)视为关于的方程，解得：
为了得到S-D链路的信道容量，首先推得经过第i个中继Ri转发到达目的接收端D的接收信号为：
式(11)中，为第n次通信周期中第i个中继Ri转发到达目的接收端D的接收信号，gi[n]为第n次通信周期中第i个中继Ri与目的接收端D之间的信道响应，是第n次通信周期中在第i个中继Ri所分得频率范围内作用于目的接收端D接收天线的加性高斯白噪声(AWGN,Additive White Gaussian Noise)，服从均值为0方差为的高斯分布其中，ND是在目的接收端D的噪声功率谱密度。
则第n次通信周期中经过第i个中继Ri转发到达目的端D的接收信号的功率为：
注意到式(12)等号右边只有第一项是对应于源发射信号的有用信号，其余各项为干扰和噪声，代入式(8)给出的第n次通信周期中第i个中继Ri处的信号放大系数βi[n]和式(10)给出的可以得到第n次通信周期中经第i个中继Ri转发到达目的接收端D的接收信号的信干燥比(Signal-to-Interference-Noise Ratio,SINR)如下：
其中，可以由式(1)推出：
最后，第n次通信周期中目的接收端D采用MRC分集接收方式处理来自多个被选中继的信号样本。第n次通信周期中S-D链路的信道容量CD[n]可以计算为：
以上理论推导都是在一次通信周期的范围内展开的，而式(6)所提出的动态变量Ppre[n]是一个累积量，即当前通信周期的Ppre[n]是在前一个通信周期的基础上累加而来。为了进一步研究相邻通信周期之间的关系，假设在第n次通信周期中，第n次通信周期中选择的中继集为则第i个中继Ri在第n次通信结束之后的剩余功率为：
默认在通信开始之前，各个中继的电池储能为0，即Pi (0)＝0(i＝1,2,…,N)。第i个中继Ri在每次通信结束之后的剩余功率如图3所示。
式(6)所提出的Ppre[n]可以表示为:
Ppre[n]＝Pi (n-1),n≥1 (17)。
下面将通过BIKT和BIUT两种应用场景，以GRS算法为代表性算法，分析本发明中继选择优化方法的具体实施方法，并结合图5到图10六张数值仿真图，分别说明中继选择优化方法给SRS算法，GRS算法和ES算法这三种RS算法所带来的性能提升。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。本领域普通技术人员基于本发明中的实施例所获得的同一发明构思的所有其它实施例，都落入本发明的保护范围。
几种常见的RS算法有SRS算法、全选(AP,All Participate)算法、GRS算法和ES算法。其中，AP算法中未被选择的中继数量始终为0，没有中继有机会去储存收集的能量，因此在AP算法框架下，所公开的中继选择优化方法并不会带来任何性能上的提升；而SRS算法本质上是GRS算法在第一步只选择一个“最优”中继的特殊情况；ES算法虽然可以取得真正意义上的最优性能，但是当可选中继的数量较大时，其算法复杂度巨大，无法在实际中应用。GRS算法在系统平均容量上可以获得几乎与最优ES算法一样的性能，并且其算法复杂度较低，可满足实时处理要求，因此在实际中被广泛应用。因此将以GRS算法为实施算法说明中继选择优化方法所带来的性能提升。
GRS算法流程如图4所示。GRS算法初始化已选中继集为之后再逐个加入中继。每一步都维持先前已经选好的中继集不变，然后再从剩下的待选中继集中选择一个局部最优中继，该局部最优中继与先前已经选好的中继集组合成新的中继集，新的中继集合相较相同中继数量的其它中继组合S-D链路信道条件应当更优，因此理论上可以取得当前步骤的S-D链路最大信道容量。记为在第j步选择的中继集合，有在每次通信周期都进行图4所示N步循环过程得到各次通信周期的已选中继集。
虽然GRS算法并不能保证最优性能，但是仿真结果图显示它的性能与ES算法几乎相同。为了更加全面的说明本发明所公开的中继选择优化方法对GRS算法性能的提升，将基于BIKT和BIUT两种不同应用场景进行分析。
(1)在BIKT场景下，中继选择优化方法在GRS算法的实施例实现：
式(13)在采用S-D链路信干噪比进行GRS算法的RS决策时，默认源发射端S知晓各个中继的电量状态信息(BIKT)。考虑S-D链路的信道容量最优，RS问题可以建模如下：
其中，是被选中继的集合，是各个中继的PS比所组成的一维向量。
图4中每个中继的最优PS比都是通过对式(13)求最优解得出，即，
式(19)中，|SR[n]|为第n次通信周期中已选中继集的基。虽然每个中继最优PS比的求解都与已选中继集SR[n]中的其它中继无关，但是由于噪声功率是依赖于带宽的，中继Ri所分得带宽大小会直接影响到的结果。因此，的求解只与已选中继集SR[n]的中继个数有关。当已选中继集SR[n]的中继个数固定时，式(18)的联合优化问题可以解耦合分为两步：第一步，对每个中继求解最优PS比第二步，选择最优中继集。
最后得到最优中继集显然是从中选出的，即：
可以证明是关于变量ρi[n]的拟凹函数，则变量ρi[n]的优化问题是一个拟凹目标函数的最值问题。因此可以通过一维搜索方法得到全局最优PS比而不需要担心局部最优陷阱。
(2)在BIUT场景下，中继选择优化方法在GRS算法的实施例实现：
在实际应用中，受限于内存大小或反馈电路功耗等其它因素，源发射端S很有可能无法知晓各个中继的电量状态信息。因此当电量状态信息未知(BIUT)时，源发射端S只能假定所有中继的电能储备是相等的。为方便计算分析，而又不失一般性，源发射端S默认所有中继的电能储备始终为0，即源发射端S在进行计算和RS决策时，没有考虑到各个中继配备的电池的储能能力。此时，式(6)改写为：
结合式(5)和式(21)，式(7)和式(8)改写为：
式(13)改写为：
式(15)改写为：
此时，源发射端S将基于式(23)和式(24)进行GRS算法的RS决策。但由于各个中继实际又配备电池，所以当某个中继被源发射端S选中进行通信时，依然可以采用本文所提出的中继选择优化方法。同样，可以证明是关于变量ρi[n]的拟凹函数，因此仍然可以通过一维搜索方法得到全局最优PS比
将采用所公开的中继选择优化方法的RS算法与传统RS算法进行仿真性能对比，其中，采用所提中继选择优化方法的RS算法的应用场景又可分为BIUT和BIKT两种。所有的无线链路信道都采用瑞利衰弱信道建模，表1列出了仿真过程中所用到的主要参数。
表1仿真参数列表
图5和图6比较了在SRS算法框架下，即将选择的中继个数限定为1时，采用所公开的中继选择优化方法的SRS算法与传统SRS算法的性能。首先，从图中明显可以看出采用所公开中继选择优化方法的SRS算法，无论是在BIUT还是BIKT场景下，都表现出了比传统SRS算法更优的性能。当源发射功率较低时，采用所公开中继选择优化方法所收集的额外功率在总消耗功率中的占比更高，所以采用所公开中继选择优化方法的SRS算法在低源发射功率下相较传统的SRS算法取得的容量性能优势更为明显。而采用数量更多的待选中继提供了更多的信道状态可能性，能够选到更优中继的概率更大，系统性能明显提升。同时，中继数量从4增加到8也意味着将每次通信未被选择的中继数量从3增加到7，从而可以大幅提升中继选择优化方法下的总收集能量。另外，SRS算法无论是应用于BIUT还是BIKT场景，各个中继被选择的概率相差都不会太大，因此SRS算法应用于BIKT和BIUT场景的性能近乎是一样的。最后，从图6可以明显看出，待选中继数量相同时，采用所公开中继选择优化方法的SRS算法中断性能明显优于传统SRS算法。
图7和图8则比较了在GRS算法框架下，采用所公开中继选择优化方法的GRS算法与传统GRS算法的性能。首先，从图中可以看出采用所公开中继选择优化方法的GRS算法，无论是在BIUT还是BIKT场景下，都表现出了比传统GRS算法更优的性能。当源发射功率较高时，采用所公开中继选择优化方法的GRS算法对所收集功率的利用效率更高，在容量性能上相较传统GRS算法取得的性能优势更为明显。当源发射功率较低时，无论是采用所公开中继选择优化方法的GRS算法还是传统GRS算法都倾向于选择更多的中继来协作通信以取得更优的性能，导致未被选择的中继数量较少甚至于为0，性能接近无法受益于中继选择优化方法的AP算法。而在源发射功率较高时，则倾向于选择较少的中继来协作通信，从而性能接近于SRS算法。因此尽管在大部分源发射功率区间内，采用所公开中继选择优化方法的GRS算法应用于BIKT场景相较应用于BIUT场景都取得了更优的容量性能，但是这种优势在较高源发射功率和较低源发射功率会变小。同理，在较低源发射功率时，中继数量越多则算法性能改善越明显，然而这种优势随源发射功率不断增加而减小。最后，从图8可以看出，在GRS算法框架内，当待选中继集的中继数量相同时，无论是应用于BIUT场景还是应用于BIKT场景的GRS算法，中断性能相较传统GRS算法都取得了显著提升。并且应用于BIKT场景的GRS算法相较应用于BIUT场景的GRS算法取得的性能优势，比应用于BIUT场景的GRS算法相较传统GRS算法取得的性能优势更为明显，这说明在GRS算法框架下，应用于BIKT场景的中继选择优化方法在中断性能上有着显著优势。
图9和图10对比了中继数量M＝8时，GRS算法与ES算法的性能。可以看出无论是传统GRS算法和ES算法，还是采用所公开中继选择优化方法的GRS算法和ES算法，GRS算法的性能几乎都是等同于ES算法的。鉴于ES算法的指数复杂度带来的计算量提升，GRS算法则更能满足实际应用中的实时处理需求。