本發(fā)明屬于信息與通信工程
技術(shù)領(lǐng)域：
，涉及無線通信系統(tǒng)中的大規(guī)模mimo技術(shù)，具體是一種基于干擾動(dòng)態(tài)更新的能效資源分配方法。
背景技術(shù)：
：近年來隨著無線通信設(shè)備和多媒體業(yè)務(wù)要求的提高，無線通信網(wǎng)絡(luò)中的業(yè)務(wù)量急劇增加。大規(guī)模多輸入多輸出(mimo)系統(tǒng)通過充分利用空間分集技術(shù)，可以大幅提高系統(tǒng)的信道容量和系統(tǒng)的可靠性，因此受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。然而，隨著天線數(shù)目的增加，大規(guī)模mimo系統(tǒng)中的能量消耗也隨之增加，因此如何合理的分配系統(tǒng)資源從而實(shí)現(xiàn)信號(hào)的高效傳輸成為研究的熱點(diǎn)。對(duì)于多用戶大規(guī)模mimo上行鏈路，為了區(qū)分來自不同用戶的信息，需要在基站端對(duì)接收信號(hào)進(jìn)行一定的處理，現(xiàn)有的研究大多是采用最大比合并(mrc)、迫零(zf)以及最小均方誤差(mmse)這三種線性接收方案，其中mrc由于其較低的復(fù)雜度得到了廣泛的應(yīng)用。針對(duì)采用mrc接收的大規(guī)模mimo上行通信系統(tǒng)，由于對(duì)信號(hào)處理的復(fù)雜度較低，因而無法將干擾完全消除?，F(xiàn)有的算法研究為了降低復(fù)雜度，采用將干擾項(xiàng)用最大可容忍的常數(shù)值代替的方法，使得原本處于動(dòng)態(tài)變化的干擾始終為一個(gè)固定值，對(duì)算法的精確性造成了很大的影響。且在對(duì)能效資源進(jìn)行分配時(shí)，現(xiàn)有研究大多僅進(jìn)行功率分配，將基站天線數(shù)和功率進(jìn)行聯(lián)合優(yōu)化的研究較少。在優(yōu)化目標(biāo)函數(shù)的限制條件上，都是對(duì)總發(fā)射功率進(jìn)行限制，沒有針對(duì)單個(gè)用戶的功率限制，這樣很容易對(duì)用戶的公平性造成影響。技術(shù)實(shí)現(xiàn)要素：為了解決現(xiàn)有大規(guī)模mimo系統(tǒng)能效資源分配中的上述問題，本發(fā)明提供一種基于干擾動(dòng)態(tài)更新的能效資源分配方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案的具體步驟如下：步驟1.確定系統(tǒng)模型并進(jìn)行問題描述；1-1.考慮單小區(qū)多用戶的大規(guī)模mimo上行鏈路系統(tǒng)，配有m根天線的基站(bs)位于小區(qū)中央和k個(gè)地理位置分散的單天線用戶進(jìn)行通信。g表示基站(bs)和k個(gè)用戶之間的信道矩陣，表示成：g＝hd1/2公式1其中，h表示m×k維的快衰落系數(shù)矩陣，d＝diag{β1,β2,…,βk,…,βk}表示大尺度衰落矩陣，元素由路徑損耗和陰影衰落組成，是與載波頻率和天線增益相關(guān)的常數(shù)，dk表示基站bs和第k個(gè)用戶之間的距離，α為路徑損耗指數(shù)，表示服從對(duì)數(shù)正太分布的陰影衰落。1-2.采用最大比合并接收(mrc)。則第k個(gè)用戶的接收信號(hào)yk表示為：其中pk表示用戶k的發(fā)射功率,gk是信道矩陣g的第k個(gè)向量元素,xk是用戶k的發(fā)送信號(hào),nk為用戶k的高斯白噪聲。1-3.假設(shè)接收端完全已知信道狀態(tài)信息(csi),噪聲方差值為1，通過對(duì)矩陣的隨機(jī)理論加以應(yīng)用推導(dǎo)出用戶k的上行速率下界:其中，pk表示用戶k的發(fā)射功率，pl表示來自其他用戶的干擾，m表示基站端的天線數(shù)目。因此，系統(tǒng)吞吐量的下界能夠表示為：能效ee定義為每焦耳能量所能成功傳輸?shù)谋忍財(cái)?shù)(bits/j)。因此，大規(guī)模mimo上行鏈路系統(tǒng)能效函數(shù)下界表示為：其中，p＝[p1,...,pk,...,pk]，pk表示用戶k的發(fā)射功率，m表示基站配備的天線數(shù)，pc表示每根天線平均所消耗的電路功率。1-4.在實(shí)際的通信系統(tǒng)中，除了能效還需要考慮用戶的qos要求。本文除了考慮每個(gè)用戶的最低速率外還對(duì)每個(gè)用戶的最高發(fā)射功率進(jìn)行限制。因此，大規(guī)模mimo上行通信系統(tǒng)中基于能效優(yōu)化的資源分配問題可以表述為如下的約束優(yōu)化問題：c1,c2表示兩個(gè)約束條件，pt,k表示第k個(gè)用戶可提供的最高發(fā)射功率，rt,k表示第k個(gè)用戶的最低速率要求。由于上述問題是一個(gè)約束性的非凸優(yōu)化問題，難以獲得最優(yōu)解，因次將通過凸轉(zhuǎn)化和約束消除對(duì)目標(biāo)問題進(jìn)行轉(zhuǎn)化。步驟2.目標(biāo)函數(shù)的轉(zhuǎn)化2-1.凸轉(zhuǎn)換：公式6中的分?jǐn)?shù)目標(biāo)函數(shù)歸類為非線性分?jǐn)?shù)規(guī)劃問題。通過使用分?jǐn)?shù)規(guī)劃的性質(zhì)，可實(shí)現(xiàn)能效最大化，當(dāng)且僅當(dāng)：其中因此初始的最優(yōu)化問題可以轉(zhuǎn)化成：由于上式是一個(gè)凸優(yōu)化問題。因此，可以利用凸優(yōu)化的方法來求解目標(biāo)函數(shù)的極值問題。2-2.約束消除對(duì)于上式中的凸優(yōu)化問題，利用拉格朗日對(duì)偶函數(shù)，將含有約束條件的凸優(yōu)化問題轉(zhuǎn)化為等價(jià)的無約束問題。因此，目標(biāo)函數(shù)的拉格朗日對(duì)偶函數(shù)可以表示為：其中λ表示數(shù)據(jù)速率約束的拉格朗日乘子，ω為對(duì)應(yīng)于發(fā)射功率約束的拉格朗日乘子。因此，上式的對(duì)偶問題可以表示為：2-3.基于干擾動(dòng)態(tài)更新的能效資源分配2-3-1.基于標(biāo)準(zhǔn)干擾求解p和m的表達(dá)式：對(duì)于上式中的對(duì)偶問題，給定λ和ω，采用kkt條件，分別對(duì)pk和m進(jìn)行求導(dǎo)，其中速率表達(dá)式中干擾項(xiàng)表達(dá)式采用以pk為自變量的函數(shù)即：其中，表示向上取整，令pk右邊的表達(dá)式用t(pk)表示，若在迭代過程中令其中n表示迭代次數(shù),則算法可以快速收斂至局部最優(yōu)點(diǎn)。由利用對(duì)干擾項(xiàng)θk進(jìn)行更新。令τ表示循環(huán)終止的閾值，δ1和δ2表示迭代步長，采用dinkelbach方法。本發(fā)明有益效果如下：通過采用本發(fā)明中的基于干擾動(dòng)態(tài)更新的能效資源分配算法，可以在滿足最小傳輸速率要求和最高發(fā)射功率限制的情況下同時(shí)迭代出系統(tǒng)最優(yōu)的基站天線數(shù)和用戶發(fā)射功率，且由于本發(fā)明中的算法在迭代過程中考慮干擾的動(dòng)態(tài)更新，使得所獲得的資源分配情況更加合理，相比于以往的算法，本發(fā)明能夠以更低的資源消耗獲得更高的能量效率，同時(shí)還且有較好的系統(tǒng)吞吐量。附圖說明圖1為本發(fā)明算法所適用的大規(guī)模mimo上行鏈路系統(tǒng)的模型結(jié)構(gòu)。圖2為當(dāng)用戶數(shù)k＝15的情況下干擾項(xiàng)中pk值的動(dòng)態(tài)更新情況仿真圖圖3為本發(fā)明算法和已有算法在不同用戶數(shù)情況下的能效性能對(duì)比仿真圖。圖4為本發(fā)明算法和已有算法在不同用戶數(shù)情況下的吞吐量性能比較仿真圖。圖5為本發(fā)明算法和已有算法在不同用戶數(shù)情況下的平均發(fā)射功率對(duì)比仿真圖。圖6為本發(fā)明算法和已有算法在不同用戶數(shù)情況下的算法迭代次數(shù)對(duì)比仿真圖。圖7為本發(fā)明算法和已有算法在不同用戶數(shù)情況下的所需最優(yōu)基站天線數(shù)目對(duì)比仿真圖。具體實(shí)施方式下面結(jié)合附圖和附表對(duì)本發(fā)明實(shí)施例作詳細(xì)說明。如圖1所示，本發(fā)明提供一種基于干擾動(dòng)態(tài)更新的能效資源分配方法。本發(fā)明針對(duì)采用mrc接收的大規(guī)模mimo上行鏈路，將進(jìn)行基站天線數(shù)和發(fā)射功率的聯(lián)合優(yōu)化，并在滿足用戶最低速率的基礎(chǔ)上進(jìn)一步考慮用戶端的最高發(fā)射功率限制作為約束因子從而建立起能效最優(yōu)化模型，與已有研究中將干擾項(xiàng)用常數(shù)值代替的方法不同，由于本發(fā)明在每一輪迭代過程中都會(huì)對(duì)用戶端發(fā)射功率進(jìn)行重新分配，進(jìn)而導(dǎo)致干擾項(xiàng)的值發(fā)生改變，因而在每一次的迭代過程都將對(duì)干擾項(xiàng)進(jìn)行重新計(jì)算，采用實(shí)時(shí)更新干擾項(xiàng)的方式來代替已有研究中的干擾項(xiàng)常數(shù)化方案。本發(fā)明具體步驟如下：步驟1.確定系統(tǒng)模型并進(jìn)行問題描述；1-1.考慮單小區(qū)多用戶的大規(guī)模mimo上行鏈路系統(tǒng)，配有m根天線的基站(bs)位于小區(qū)中央和k個(gè)地理位置分散的單天線用戶進(jìn)行通信。g表示基站(bs)和k個(gè)用戶之間的信道矩陣，表示成：g＝hd1/2公式1其中，h表示m×k維的快衰落系數(shù)矩陣，d＝diag{β1,β2,…,βk,…,βk}表示大尺度衰落矩陣，元素由路徑損耗和陰影衰落組成，是與載波頻率和天線增益相關(guān)的常數(shù)，dk表示基站bs和第k個(gè)用戶之間的距離，α為路徑損耗指數(shù)，表示服從對(duì)數(shù)正太分布的陰影衰落。1-2.采用最大比合并接收(mrc)。則第k個(gè)用戶的接收信號(hào)yk表示為：其中pk表示用戶k的發(fā)射功率,gk是信道矩陣g的第k個(gè)向量元素,xk是用戶k的發(fā)送信號(hào),nk為用戶k的高斯白噪聲。1-3.假設(shè)接收端完全已知信道狀態(tài)信息(csi),噪聲方差值為1，通過對(duì)矩陣的隨機(jī)理論加以應(yīng)用推導(dǎo)出用戶k的上行速率下界:其中，pk表示用戶k的發(fā)射功率，pl表示來自其他用戶的干擾，m表示基站端的天線數(shù)目。因此，系統(tǒng)吞吐量的下界能夠表示為：能效ee定義為每焦耳能量所能成功傳輸?shù)谋忍財(cái)?shù)(bits/j)。因此，大規(guī)模mimo上行鏈路系統(tǒng)能效函數(shù)下界表示為：其中，p＝[p1,...,pk,...,pk]，pk表示用戶k的發(fā)射功率，m表示基站配備的天線數(shù)，pc表示每根天線平均所消耗的電路功率。1-4.在實(shí)際的通信系統(tǒng)中，除了能效還需要考慮用戶的qos要求。本文除了考慮每個(gè)用戶的最低速率外還對(duì)每個(gè)用戶的最高發(fā)射功率進(jìn)行限制。因此，大規(guī)模mimo上行通信系統(tǒng)中基于能效優(yōu)化的資源分配問題可以表述為如下的約束優(yōu)化問題：c1,c2表示兩個(gè)約束條件，pt,k表示第k個(gè)用戶可提供的最高發(fā)射功率，rt,k表示第k個(gè)用戶的最低速率要求。由于上述問題是一個(gè)約束性的非凸優(yōu)化問題，難以獲得最優(yōu)解，因次將通過凸轉(zhuǎn)化和約束消除對(duì)目標(biāo)問題進(jìn)行轉(zhuǎn)化。步驟2.目標(biāo)函數(shù)的轉(zhuǎn)化2-1.凸轉(zhuǎn)換：公式6中的分?jǐn)?shù)目標(biāo)函數(shù)歸類為非線性分?jǐn)?shù)規(guī)劃問題。通過使用分?jǐn)?shù)規(guī)劃的性質(zhì)，可實(shí)現(xiàn)能效最大化，當(dāng)且僅當(dāng)：其中因此初始的最優(yōu)化問題可以轉(zhuǎn)化成：由于上式是一個(gè)凸優(yōu)化問題。因此，可以利用凸優(yōu)化的方法來求解目標(biāo)函數(shù)的極值問題。2-2.約束消除對(duì)于上式中的凸優(yōu)化問題，利用拉格朗日對(duì)偶函數(shù)，將含有約束條件的凸優(yōu)化問題轉(zhuǎn)化為等價(jià)的無約束問題。因此，目標(biāo)函數(shù)的拉格朗日對(duì)偶函數(shù)可以表示為：其中λ表示數(shù)據(jù)速率約束的拉格朗日乘子，ω為對(duì)應(yīng)于發(fā)射功率約束的拉格朗日乘子。因此，上式的對(duì)偶問題可以表示為：2-3.基于干擾動(dòng)態(tài)更新的能效資源分配2-3-1.基于標(biāo)準(zhǔn)干擾求解p和m的表達(dá)式：對(duì)于上式中的對(duì)偶問題，給定λ和ω，采用kkt條件，分別對(duì)pk和m進(jìn)行求導(dǎo)，其中速率表達(dá)式中干擾項(xiàng)表達(dá)式采用以pk為自變量的函數(shù)即：其中，表示向上取整，令pk右邊的表達(dá)式用t(pk)表示，若在迭代過程中令其中n表示迭代次數(shù),則算法可以快速收斂至局部最優(yōu)點(diǎn)。由利用對(duì)干擾項(xiàng)θk進(jìn)行更新。令τ表示循環(huán)終止的閾值，δ1和δ2表示迭代步長，采用dinkelbach方法。表1為該發(fā)明算法在仿真中所需要的系統(tǒng)參數(shù)值參數(shù)值基站端每根天線的電路功率消耗pc10mw用戶初始化發(fā)射功率p0[0.1，…，0.1]基站天線初始化m0128步長δ10.01步長δ20.01每個(gè)用戶最低速率要求rt1.2bit/s每個(gè)用戶最高發(fā)射速率pt0.1w循環(huán)閾值τ0.01由圖表可知，本發(fā)明對(duì)所需的系統(tǒng)參數(shù)和算法初始值進(jìn)行了設(shè)置，將基站端每根天線的電路功率消耗設(shè)置為10mw，用戶初始化發(fā)射功率一律設(shè)為0.1w，基站天線初始化為128根，拉格朗日乘子更新步長δ1和δ2都設(shè)置為0.01，每個(gè)用戶最低速率設(shè)為1.2bit/s，每個(gè)用戶最高發(fā)射速率限制為0.1w，算法循環(huán)結(jié)束的閾值設(shè)置為0.01。針對(duì)特定的系統(tǒng)需求可將參數(shù)按要求進(jìn)行重新設(shè)置。首先，針對(duì)用戶數(shù)k＝15的情況下對(duì)用戶端發(fā)射功率pk的動(dòng)態(tài)變化情況進(jìn)行了仿真，仿真結(jié)果如圖2所示，從圖中可以看出，隨著迭代次數(shù)的增加，用戶端發(fā)射功率的分配進(jìn)一步調(diào)整，最終趨于穩(wěn)定。這說明干擾項(xiàng)的更新對(duì)發(fā)射功率的分配情況有很大影響，但最終仍能得到穩(wěn)定的分配方案。圖3為不同用戶數(shù)情況下采用本發(fā)明算法、干擾常數(shù)化算法以及sif-based算法時(shí)的能效性能對(duì)比仿真圖。從圖中可以看出，本文算法的能效性能始終優(yōu)于干擾常數(shù)化算法，平均能提升2.5bit/j左右，由此說明在迭代過程中實(shí)時(shí)更新干擾項(xiàng)的創(chuàng)新有助于實(shí)現(xiàn)資源更加合理的分配。且隨著用戶數(shù)的增加，本發(fā)明算法的能效性能也開始逐漸優(yōu)于sif-based算法的性能，由此說明，將基站天線和發(fā)射功率這兩個(gè)系統(tǒng)資源進(jìn)行聯(lián)合優(yōu)化的做法有助于提高系統(tǒng)的能量效率。圖4給出了本發(fā)明算法和其他兩種已有算法在不同用戶數(shù)情況下的吞吐量性能比較仿真圖。從圖中可以看出，本發(fā)明算法的吞吐量性能介于sif-bssed算法和干擾常數(shù)化算法之間，這是因?yàn)楦蓴_常數(shù)化算法是在發(fā)射功率不受任何約束的情況下最大化系統(tǒng)能效，因此能獲得很高的吞吐量，而sif-based算法未對(duì)系統(tǒng)的基站天線數(shù)進(jìn)行優(yōu)化，因此吞吐量性能較差。從圖中還可以看出，隨著用戶的增多，系統(tǒng)吞吐量性能都在逐漸增加，這是由于隨著用戶數(shù)增加，系統(tǒng)多用戶分集特性更加明顯。圖5為采用采用本發(fā)明算法、干擾常數(shù)化算法以及sif-based算法在用戶數(shù)范圍在15～50的情況下，各算法的平均發(fā)射功率比較仿真圖，可以看出本發(fā)明算法所需的平均發(fā)射功率遠(yuǎn)低于干擾常數(shù)化算法，這是因?yàn)樵撍惴ㄊ窃诎l(fā)射功率不受任何限制的情況下進(jìn)行能效最優(yōu)的發(fā)射功率分配，而本發(fā)明算法對(duì)每一個(gè)用戶的最高發(fā)射功率進(jìn)行了約束，雖然sif-based算法也對(duì)用戶的發(fā)射功率進(jìn)行了約束，但由于該算法是進(jìn)行總發(fā)射功率的限制，因此功率消耗還要略高于本發(fā)明算法。圖6和圖7分別給出了算法收斂所需的迭代次數(shù)以及最終確定的基站天線數(shù)目對(duì)比仿真圖。從圖6可知，本發(fā)明算法經(jīng)過低數(shù)量級(jí)的迭代次數(shù)便可達(dá)到收斂，故該發(fā)明算法具有運(yùn)用于實(shí)際的價(jià)值。并且所需的最優(yōu)天線數(shù)也比已有的干擾常數(shù)化算法平均低50左右，大大節(jié)約了天線資源。本
技術(shù)領(lǐng)域：
中的普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，以上實(shí)施例僅是用來說明本發(fā)明，而并非作為對(duì)本發(fā)明的限定，只要在本發(fā)明的范圍內(nèi)，對(duì)以上實(shí)施例的變化、變形都將落在本發(fā)明的保護(hù)范圍。當(dāng)前第1頁12