本發(fā)明涉及無線通信網(wǎng)絡中的基站控制和波束形成技術，具體涉及一種基于穩(wěn)定接入關系的基站激活和波束成形方法。

背景技術：

在現(xiàn)代無線通信網(wǎng)絡中，基站可以密集部署并多點協(xié)作傳輸以增加信號質量和邊緣覆蓋率。但由于基站密集，且多個基站協(xié)同為一個用戶服務，部分基站很可能出現(xiàn)效率低下的問題，而且密集的基站同頻同時工作將導致通信干擾增加，系統(tǒng)內(nèi)共享數(shù)據(jù)量大增，調(diào)度管理復雜等問題。因此處于激活狀態(tài)并協(xié)同傳輸?shù)幕緮?shù)目往往受到限制，合理的選擇基站的激活/休眠狀態(tài)成為抑制干擾，提升網(wǎng)絡容量的關鍵。目前比較常見的基站激活算法有以下幾種：

mmcg：最大最小信道增益方法，選擇各個基站的最小信道增益中最大的幾個基站激活，其他的休眠。

macg：最大平均信道增益方法，選擇平均信道最大的幾個基站進行激活，其他的休眠。

窮舉法：對基站的狀態(tài)情況進行窮舉，找出能使系統(tǒng)狀態(tài)最優(yōu)的基站組合。

貪婪法：依次關閉對系統(tǒng)性能增益最小的基站，直至系統(tǒng)性能不再增加。

在以上算法中，mmcg和macg沒有完全或充分利用信道的狀態(tài)信息，系統(tǒng)性能沒有達到最優(yōu)，而窮舉法和貪婪算法能夠在較大程度上優(yōu)化系統(tǒng)性能，但它們的計算復雜度也十分之高。

此外，以上算法都是針對系統(tǒng)的瞬時性能，利用信道當前時隙的狀態(tài)信息來優(yōu)化系統(tǒng)性能，當信道變化時，基站的狀態(tài)也會隨之變化。系統(tǒng)的調(diào)度具有很高的靈活性。但當信道變化較快時，基站狀態(tài)也會快速變化，這會增加系統(tǒng)調(diào)度難度，加快設備損耗速度，甚至嚴重者會導致服務中斷。因此基站激活算法也必須考慮系統(tǒng)的穩(wěn)定性。

系統(tǒng)長期穩(wěn)定性研究主要是尋找一種簡單可實現(xiàn)的基站激活策略，通過靈活地選擇處于工作狀態(tài)的基站，來保證通信系統(tǒng)在較長的一段時間內(nèi)能有效的服務用戶，能有效的抵抗由信道快速變化給系統(tǒng)帶來的不良影響，同時兼顧接入關系的穩(wěn)定性，減少基站一些不必要的激活/休眠狀態(tài)切換，在系統(tǒng)的靈活性與穩(wěn)定性中尋找一種平衡。

技術實現(xiàn)要素：

本發(fā)明所要解決的技術問題是提供一種基于穩(wěn)定接入關系的基站激活和波束成形方法，該方法不再局限于某一時刻的系統(tǒng)表現(xiàn)，而是考慮系統(tǒng)的長期性能，兼顧系統(tǒng)的靈活性與穩(wěn)定性，通過基站激活與波束成形設計來控制活躍基站數(shù)量，避免基站的狀態(tài)頻繁切換以減小系統(tǒng)的能耗，同時保證了每個用戶對服務質量的要求。

本發(fā)明解決上述技術問題的技術方案如下：

一種基于穩(wěn)定接入關系的基站激活和波束成形方法，包括以下步驟：

步驟1：設置網(wǎng)絡參數(shù)：

所述參數(shù)包括各基站發(fā)送功率閾值p，噪聲功率σ²，用戶qos要求γm,，m＝1,2,...,m，m為用戶總數(shù)，k為基站總數(shù)，單位時間內(nèi)維持基站活躍與基站切換所消耗的能量分別為λ1,λ2，admm算法懲罰因子c，admm算法最大迭代次數(shù)rmax，收斂門限κ，一個通信周期的時隙長度l；

步驟2：初始化時隙l＝1，第0個時隙的基站狀態(tài)向量

步驟3：利用admm算法，求解波束成形矩陣w(l)0和基站狀態(tài)向量s(l)0，其具體求解過程如下:

步驟3-1：設置迭代次數(shù)r＝1；

輸入第l個時隙所有基站與用戶間的實際信道參數(shù)矩陣h(l)0；輸入第l個時隙所有基站與用戶間的訓練信道參數(shù)矩陣h(l)t，t＝1,2,...,t和前一時隙基站狀態(tài)向量

初始化波束成形矩陣w(l)⁽⁰⁾、基站狀態(tài)向量s(l)⁽⁰⁾、輔助矩陣f(l)⁽⁰⁾、波束形成鏡像矩陣u(l)⁽⁰⁾、基站狀態(tài)切換鏡像向量y(l)⁽⁰⁾、基站狀態(tài)鏡像向量x(l)⁽⁰⁾、第一拉格朗日乘子θ(l)⁽⁰⁾、第二拉格朗日乘子ψ(l)⁽⁰⁾、第三拉格朗日乘子φ(l)⁽⁰⁾和第四拉格朗日乘子ξ(l)⁽⁰⁾；

步驟3-2：更新波束成形矩陣w(l)和基站狀態(tài)向量s(l)：

將波束成形矩陣w(l)和基站狀態(tài)向量s(l)分割成k(t+1)個塊{s^k(l)t，w^k(l)t}進行更新，其中s^k(l)t是基站狀態(tài)向量s(l)t的第k個元素，是波束成形矩陣w(l)t的第k個行塊，k＝1,2,...k，t＝0,1,2,...,t,根據(jù)下式進行更新

其中，和分別是基站狀態(tài)鏡像向量第四拉格朗日乘子基站狀態(tài)切換鏡像向量和前一時隙的基站狀態(tài)的第k個元素；和分別是波束成形鏡像矩陣和第二拉格朗日乘子矩陣第k個行塊，表示其值在范圍[0,1]上的投影，是中間變量，其值由以下規(guī)則確定：

如果則ρ^k(l)t＝0；

否則求解這是一個關于ρ^k(l)t的一元三次方程，可解得ρ^k(l)t；

步驟3-3：更新輔助矩陣f(l)：

將輔助矩陣f(l)分解為m(t+1)個塊f^m(l)t進行更新，其中是輔助矩陣f(l)t的第m個行向量，m＝1,2,...,m，t＝0,1,2,...,t，根據(jù)以下情況更新

如果且則

如果且則

否則，根據(jù)下式計算

其中，向量和表示第三拉格朗日乘子矩陣和矩陣的第m個行向量，為的第m個元素，為去掉元素后的子向量，和分別為向量和的第m個元素，和分別為向量和去掉元素和后的子向量，γm表示第m個用戶的qos要求，μ^m(l)t,δ^m(l)t為中間變量，其值由以下規(guī)則確定：

如果則μ^m(l)t＝0；

否則根據(jù)如下公式計算中間變量μ^m(l)t和δ^m(l)t；

步驟3-4：更新基站狀態(tài)切換鏡像向量y(l)t：

將基站狀態(tài)切換鏡像向量y(l)，分解為kt個塊y^k(l)t進行更新，其中y^k(l)t是基站狀態(tài)切換鏡像向量y(l)t的k第個元素，k＝1,2,...,k，t＝1,2,...,t，根據(jù)以下公式更新

其中，是第四拉格朗日乘子的第k個元素，是轉化矩陣a的第(t-1)k+k行向量；是第l個時隙所有基站狀態(tài)鏡像向量所組成的新向量：

步驟3-5：更新波束成形鏡像矩陣u(l)：

將波束成形鏡像矩陣u(l)分解為m(t+1)個塊um(l)t進行更新，其中為波束成形鏡像矩陣u(l)t的第m個列向量m＝1,2,...,m,t＝0,1,2,...,t，根據(jù)下式更新

其中，表示輔助矩陣的第m個列向量，表示第三拉格朗日乘子矩陣第m個列向量；和分別表示波束形成矩陣和第二拉格朗日乘子矩陣的第m個列向量；

步驟3-6：更新基站狀態(tài)鏡像向量x(l)，按照下式計算

其中，分別為所有的基站狀態(tài)向量基站狀態(tài)鏡像向量和第一拉格朗日乘子組成的新的列向量,

其中，和

是由第l個時隙內(nèi)基站狀態(tài)切換鏡像向量所組成的新的向量是由第l個時隙內(nèi)第三拉格朗日乘子t＝1,2,...t所組成的新向量

步驟3-7：更新基站狀態(tài)切換鏡像向量y(l)0：

將基站狀態(tài)切換鏡像向量y(l)0分解為k個塊y^k(l)0進行更新，其中y^k(l)0是基站狀態(tài)切換鏡像向量y(l)0的k第個元素，k＝1,2,...,k，根據(jù)以下公式更新

其中，和分別是基站狀態(tài)向量第四拉格朗日乘子基站狀態(tài)切換鏡像向量和前一時隙的基站狀態(tài)的第k個元素；

步驟3-8：更新第一拉格朗日乘子θ(l)、第二拉格朗日乘子ψ(l)、第三拉格朗日乘子φ(l)和第四拉格朗日乘子ξ(l)：

按照如下公式對第一拉格朗日乘子θ(l)，第二拉格朗日乘子ψ(l)、第三拉格朗日乘子φ(l)和第四拉格朗日乘子ξ(l)進行更新：

步驟3-9：若r＜rmax，且有

則r＝r+1，轉到步驟3-2，否則輸出波束成形矩陣和基站狀態(tài)向量

步驟4：若l＜l，則l＝l+1，轉到步驟3，否則算法結束。

本發(fā)明的有益效果是：該方法不再局限于某一時刻的系統(tǒng)表現(xiàn)，而是考慮系統(tǒng)的長期性能，兼顧用戶基站接入關系的靈活性與穩(wěn)定性，在保障用戶對通信服務質量的要求的同時降低系統(tǒng)能耗。該方法在設計當前時刻基站狀態(tài)與波束成形時不僅要考慮之前時刻基站的狀態(tài)，也需要考慮后續(xù)時刻可能的基站狀態(tài)，以避免基站的狀態(tài)頻繁切換，從而降低系統(tǒng)調(diào)度的復雜度，減少設備損耗速度，同時降低因基站狀態(tài)快速切換而造成的服務中斷。與其他基站激活方法相比，該方法充分利用了系統(tǒng)的信道信息，對基站狀態(tài)和波束成形進行了全局優(yōu)化，降低了系統(tǒng)能耗，提升了系統(tǒng)的穩(wěn)定性。該方法能夠在基站用戶間分布式實現(xiàn)，降低了算法的時間復雜度，減小了系統(tǒng)反應時間。

附圖說明

圖1為本發(fā)明應用場景圖；

圖2為本發(fā)明動態(tài)逐次激活示意圖；

圖3為本發(fā)明發(fā)明方法總體流程圖；

圖4為本發(fā)明依次優(yōu)化每個時隙的波束和狀態(tài)流程圖；

圖5為本發(fā)明每個時隙的波束和狀態(tài)計算流程圖；

圖6為本發(fā)明更新每個時隙的波束和狀態(tài)流程圖；

圖7為本發(fā)明更新輔助矩陣f流程圖。

具體實施方式

以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

本發(fā)明提供了一種基于穩(wěn)定接入關系的基站激活和波束成形方法。該方法不再局限于某一時刻的系統(tǒng)表現(xiàn)，而是考慮系統(tǒng)的長期性能，兼顧系統(tǒng)的靈活性與穩(wěn)定性，通過基站激活與波束成形設計來控制活躍基站數(shù)量，避免基站的狀態(tài)頻繁切換以減小系統(tǒng)的能耗，同時保證了每個用戶對服務質量的要求。此方法在設計當前基站狀態(tài)時不僅考慮了之前時隙的基站狀態(tài)，還將根據(jù)信道的統(tǒng)計特性估計后續(xù)時隙的基站狀態(tài)所產(chǎn)生的影響，使系統(tǒng)在整體上保持穩(wěn)定。此外該方法能用交替方向乘子法來分布式實現(xiàn)，大大減少計算時間開銷。

該方法的應用場景如圖1所示，具體描述如下：

考慮一個miso網(wǎng)絡的下行鏈路，其中有k個基站隨機分布，并為m個用戶提供服務，每個基站配備n根天線(n＞1)，每個用戶配備一根天線。

考慮塊衰落信道(blockfadingchannel)，即信道的統(tǒng)計特性在同一塊內(nèi)保持不變，在不同塊間互相獨立。每個衰落塊為一個時隙，數(shù)據(jù)的傳輸過程歷經(jīng)l個時隙。

定義和當t＝0時，它表示在第l個時隙內(nèi)所有基站與用戶間的實際信道信息和傳輸波束形成，當t＝1,2,...,t時，它們表示在第l個時隙根據(jù)信道統(tǒng)計特性估計的第l+1時隙的信道樣本和訓練出來的波束成形，t為訓練樣本數(shù)量。在第l個時隙，h(l)t是已知的。

定義基站的射頻能量預算向量為pk代表第k個基站的射頻能量預算，基站的射頻能量不能超過這個閾值。用σ²表示用戶接收端的加性高斯白噪聲的功率。

為了表示基站狀態(tài)，定義k×1的向量：

s(l)t＝[s¹(l)t,s²(l)t,...,s^k(l)t]^t，l＝1,2,...,l,t＝0,1,...t，

當t＝0時它表示基站在第l個時隙的狀態(tài)，當t＝1,2,...,t時，s(l)t表示第l時隙估計出的第l+1時隙的基站狀態(tài)。

其中s^k(l)t∈{0,1},k＝1,2,...,k,l＝1,2,...l,t＝0,1,...t，若在第l個時隙第t個信道樣本下第k個基站處于激活狀態(tài)則s^k(l)t＝1，否則s^k(l)t＝0。

用λ1,λ2分別表示單位時間內(nèi)維持基站活躍與基站切換所消耗的能量，γm為第m個用戶的qos要求，表示前一時隙的基站狀態(tài)，在第l個時隙它是已知的。

在長度為l個時隙的時段中，需要通過逐次計算來獲得整個時段的基站狀態(tài)和發(fā)射波束成形，每個時隙都應有一個對應的最優(yōu)波束w(l)和基站狀態(tài)s(l)。該方法是依次優(yōu)化每個時隙的波束w(l)和狀態(tài)s(l)，因此需要循環(huán)l次，但每個時隙的結果受上一個時隙的基站狀態(tài)影響，逐次計算示意圖如附圖2所示，具體計算步驟如附圖3所示，為了較好的說明這個過程，現(xiàn)將圖3拆分為兩個流程圖；圖4說明了依次優(yōu)化的過程，圖5說明了每個時隙的計算過程，即圖4中設計并輸出第l個時隙基站狀態(tài)和波束成形這一步的具體步驟，此外，在圖5中突出了該方法的并行計算特點，詳細計算步驟說明如下：

先構造如下新變量：

(1)定義tk×(t+1)k維的轉換矩陣a：

其中，i和0分別為k×k維的單位矩陣和零矩陣。

(2)波束成形鏡像矩陣：

(3)輔助矩陣：

(4)基站狀態(tài)切換鏡像向量：

(5)基站狀態(tài)鏡像向量：

(6)第一，二，三，四拉格朗日乘子其中，t＝0,1,2,...t，l＝1,2,...,l；

為了書寫清晰規(guī)定對于任何變量v，使用和表示v^(r)和v^(r+1)。

一種基站激活和波束成形聯(lián)合設計方法，包括以下步驟：

步驟1：設置網(wǎng)絡參數(shù)：包括各基站發(fā)送功率閾值p，噪聲功率σ²，用戶qos要求γm,，m＝1,2,...,m，m為用戶總數(shù)，k為基站的總數(shù)，單位時間內(nèi)維持基站活躍與基站切換所消耗的能量為λ1,λ2，admm算法懲罰因子c，admm算法最大迭代次數(shù)rmax，收斂判斷門限k，一個通信周期的時隙長度l；

步驟2：初始化l＝1，第0個時隙的基站狀態(tài)向量

步驟3：利用admm算法求解波束成形矩陣w(l)0和基站狀態(tài)向量s(l)0，具體求解過程如下:

步驟3-1：設置迭代次數(shù)r＝1，輸入第l個時隙所有基站與用戶間的信道參數(shù)矩陣h(l)t和前一時隙基站狀態(tài)向量初始化所有波束成形矩陣w(l)⁽⁰⁾，基站狀態(tài)向量s(l)⁽⁰⁾，輔助矩陣f(l)⁽⁰⁾，波束形成鏡像矩陣u(l)⁽⁰⁾，基站狀態(tài)切換鏡像向量y(l)⁽⁰⁾，基站狀態(tài)鏡像向量x(l)⁽⁰⁾，以及第一、二、三、四拉格朗日乘子θ(l)⁽⁰⁾,ψ(l)⁽⁰⁾,φ(l)⁽⁰⁾,ξ(l)⁽⁰⁾；

步驟3-2：更新波束成形矩陣w(l)和基站狀態(tài)向量s(l)，具體實施流程如圖6所示：

將波束成形矩陣w(l)和基站狀態(tài)向量s(l)分割成k(t+1)個塊{s^k(l)t，w^k(l)t}進行更新，其中s^k(l)t是基站狀態(tài)向量s(l)t的第k個元素，是波束成形矩陣w(l)t的第k個行塊，k＝1,2,...k，t＝0,1,2,...,t,根據(jù)下式進行更新

其中，和分別是基站狀態(tài)鏡像向量第四拉格朗日乘子基站狀態(tài)切換鏡像向量和前一時隙的基站狀態(tài)的第k個元素；和分別是波束成形鏡像矩陣和第二拉格朗日乘子矩陣第k個行塊，表示其值在范圍[0,1]上的投影，是中間變量，其值由以下規(guī)則確定：

如果則ρ^k(l)t＝0；

否則求解這是一個關于ρ^k(l)t的一元三次方程，可解得ρ^k(l)t；

步驟3-3：更新輔助矩陣f(l)：具體實施流程如圖7所示。

將輔助矩陣f(l)分解為m(t+1)個塊f^m(l)t進行更新，其中是輔助矩陣f(l)t的第m個行向量，m＝1,2,...,m，t＝0,1,2,...,t，根據(jù)以下情況更新

如果且則

如果且則

否則根據(jù)下式計算

其中，向量和表示第三拉格朗日乘子矩陣和矩陣的第m個行向量，為的第m個元素，為去掉元素后的子向量，和分別為向量和的第m個元素，和分別為向量和去掉元素和后的子向量，γm表示第m個用戶的qos要求，μ^m(l)t,δ^m(l)t為中間變量，其值由以下規(guī)則確定：

如果則μ^m(l)t＝0；

否則根據(jù)如下公式計算μ^m(l)t和δ^m(l)t；

步驟3-4：更新基站狀態(tài)切換鏡像向量y(l)t：

將基站狀態(tài)切換鏡像向量y(l)t，分解為kt個塊y^k(l)t進行更新，其中y^k(l)t是基站狀態(tài)切換鏡像向量y(l)t的k第個元素，k＝1,2,...,k，t＝1,2,...,t，根據(jù)以下公式更新

其中，是第四拉格朗日乘子的第k個元素，是轉化矩陣a的第(t-1)k+k行元素，是第l個時隙所有基站狀態(tài)鏡像向量所組成的新向量：

步驟3-5：更新波束成形鏡像矩陣u(l)：

將波束成形鏡像矩陣u(l)分解為m(t+1)個塊um(l)t進行更新，其中為波束成形鏡像矩陣u(l)t的第m個列向量，m＝1,2,...,m,t＝0,1,2,...,t，根據(jù)下式更新

其中，表示輔助矩陣的第m個列向量，表示第三拉格朗日乘子矩陣第m個列向量；和分別表示波束形成矩陣和第二拉格朗日乘子矩陣的第m個列向量；

步驟3-6：更新基站狀態(tài)鏡像向量x(l)，按照下式計算

其中，分別為所有的基站狀態(tài)向量基站狀態(tài)鏡像向量和第一拉格朗日乘子組成的新的列向量,

其中，

和是由第l個時隙內(nèi)基站狀態(tài)切換鏡像向量t＝1,2,...t所組成的新的向量

是由第l個時隙內(nèi)第三拉格朗日乘子所組成的新向量

步驟3-7：更新基站狀態(tài)切換鏡像向量y(l)0：

將基站狀態(tài)切換鏡像向量y(l)0分解為k個塊y^k(l)0進行更新，其中y^k(l)0是基站狀態(tài)切換鏡像向量y(l)0的k第個元素，k＝1,2,...,k，根據(jù)以下公式更新

步驟3-8：更新第一拉格朗日乘子θ(l)、第二拉格朗日乘子ψ(l)、第三拉格朗日乘子φ(l)和第四拉格朗日乘子ξ(l)：

按照如下公式對第一拉格朗日乘子θ(l)，第二拉格朗日乘子ψ(l)、第三拉格朗日乘子φ(l)和第四拉格朗日乘子ξ(l)進行更新：

步驟3-9：若r＜rmax，且有

則r＝r+1，轉到步驟3-2，否則輸出波束成形矩陣和基站狀態(tài)向量

步驟4：若l＜l，則l＝l+1，轉到步驟3，否則算法結束。

本發(fā)明提供的方法不再局限于某一時刻的系統(tǒng)表現(xiàn)，而是考慮系統(tǒng)的長期性能，兼顧用戶基站接入關系的靈活性與穩(wěn)定性，在保障用戶對通信服務質量的要求的同時降低系統(tǒng)能耗。該方法在設計當前時刻基站狀態(tài)與波束成形時不僅要考慮之前時刻基站的狀態(tài)，也需要考慮后續(xù)時刻可能的基站狀態(tài)，以避免基站的狀態(tài)頻繁切換，從而降低系統(tǒng)調(diào)度的復雜度，減少設備損耗速度，同時降低因基站狀態(tài)快速切換而造成的服務中斷。與其他基站激活方法相比，該方法充分利用了系統(tǒng)的信道信息，對基站狀態(tài)和波束成形進行了全局優(yōu)化，降低了系統(tǒng)能耗，提升了系統(tǒng)的穩(wěn)定性。該方法能夠在基站用戶間分布式實現(xiàn)，降低了算法的時間復雜度，減小了系統(tǒng)反應時間。

實施例1

考慮一個部署了k＝10個基站的六邊形區(qū)域，這些基站將協(xié)同為m＝15個用戶傳輸信息，每個基站配備n＝4根天線，每個用戶配備一根天線，基站和用戶的位置隨機分布在邊長為1000米的六邊形區(qū)域中?？紤]通信網(wǎng)絡在l＝20時隙內(nèi)的性能。

用戶與基站間的信道建模如下：

假設用戶m與基站k在第l個時隙的距離為它們的信道是一個均值為0，方差為(200/dm,k(l))³lm,k(l)的瑞利信道，其中為陰影衰落系數(shù)，它的分布如下：

10log10(lm,k(l))～n(0,64)

假設環(huán)境噪聲σ²＝10dbm，各個基站的發(fā)射功率閾值均為10db，即每個用戶的qos需求門限admm算法終止門限設為κ2＝1×10^-6。

具體步驟如下：

步驟1：輸入一個通信周期的時隙長度l,按照上述信道分布產(chǎn)生網(wǎng)絡中所有用戶和基站間的傳輸信道的增益輸入各個基站的發(fā)射功率上限10db，p＝[p1,p2,...,pk]；輸入各個用戶的qos的門限γm＝15db；輸入基站的維持代價和開關代價λ1＝1,λ2＝0.1；輸入admm算法的懲罰因子c＝1；輸入admm算法的終止門限κ＝1×10^-6；輸入最大的迭代次數(shù)rmax＝500。

步驟2：初始化時隙l＝1；

步驟3：利用admm算法求解w(l)0和s(l)0。

步驟3-1：設置迭代次數(shù)r＝1；初始化所有波束成形矩陣w(l)⁽⁰⁾，基站狀態(tài)向量s(l)⁽⁰⁾，輔助矩陣f(l)⁽⁰⁾，波束形成鏡像矩陣u(l)⁽⁰⁾，基站狀態(tài)切換鏡像向量y(l)⁽⁰⁾，基站狀態(tài)鏡像向量x(l)⁽⁰⁾，以及第一、二、三、四拉格朗日乘子θ(l)⁽⁰⁾,ψ(l)⁽⁰⁾,φ(l)⁽⁰⁾,ξ(l)⁽⁰⁾；

步驟3-2：更新波束成形矩陣w(l)和基站狀態(tài)向量s(l)，并更新每個基站的狀態(tài)和波束成形

其中，ρ^k(l)t的取值由以下規(guī)則確定：

(1)如果則ρ^k(l)t＝0；

(2)否則求解這是一個關于ρ^k(l)t的一元三次方程，可解得ρ^k(l)t；

步驟3-3：更新輔助矩陣f(l)，通過以下步驟并行更新每個用戶的輔助向量

如果且則

如果且則更新為：

如果上述條件均不滿足，則初始化中間變量μ^m(l)t,δ^m(l)t，根據(jù)以下規(guī)則確定μ^m(l)t,δ^m(l)t：

如果則μ^m(l)t＝0；

否則根據(jù)以下兩式求解μ^m(l)t,δ^m(l)t：

將中間變量μ^m(l)t,δ^m(l)t帶入下式求出每個用戶的輔助向量

步驟3-4：更新基站狀態(tài)切換鏡像向量y(l)t，并行更新每個基站狀態(tài)切換鏡像向量y^k(l)t,k＝1,2,...,k,t＝1,2,...,t：

步驟3-5：更新束成形鏡像矩陣u(l)。并行更新每個用戶的波束成形鏡像矩陣

步驟3-6：更新基站狀態(tài)切換鏡像向量x(l)。

步驟3-7：更新基站狀態(tài)切換鏡像向量y(l)0。并行更新每個基站狀態(tài)切換鏡像向量y^k(l)0,k＝1,2,...,k：

步驟3-8：更新拉格朗日乘子ξ(l),θ(l),ψ(l)和φ(l)：

步驟3-9：若r＜rmax且有

則r＝r+1，轉到步驟3-2，否則輸出波束成形矩陣w(l)0和基站狀態(tài)向量s(l)0。

步驟4：若l＜l，則l＝l+1，轉到步驟3，否則算法結束。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。