CN101511125A - 适用于分布式天线系统的离散速率跨层功率分配方法 - Google Patents

Abstract

一种适用于分布式天线系统的离散速率跨层功率分配方法涉及一种适用于单小区分布式天线系统各用户间的跨层功率分配方法。在分布式天线系统中，需要为每个用户分配适当的功率以完成点到点的业务传输，该方法在假定基站只能使用有限个离散传输速率的情况下首先获得数据链路层的队列状态信息和物理层的信道状态信息，然后应用改进粒子群算法优化系统的吞吐量系数和系统的公平性系数，从而进行跨层功率分配。离散传输速率的假设更符合实际系统，分布式天线系统采用本发明所提的跨层功率分配方法，可以有效提高系统队列时延性能、系统吞吐量性能和系统公平性性能。

Description

适用于分布式天线系统的离散速率跨层功率分配方法

技术领域

本发明涉及一种适用于分布式天线系统的自适应跨层功率分配方法，属于移动通信中的无线资源管理领域。

技术背景

分布式天线系统(Distributed Antennas System，DAS)将多根天线分散放置在小区的不同位置，并通过光纤、电缆或无线传输方式将这些天线统一连接到基站，减小了天线离移动用户的平均距离，可以提高系统无线信号的覆盖能力和系统容量，因而成为未来公共无线接口发展的一种新趋势。

功率分配是分布式天线系统必不可少的资源管理技术之一，直接影响到系统的总体性能。目前有关功率分配的研究主要针对集中式系统，有关分布式天线系统功率分配的研究较少。文献“Zou J，Bhargava V K.Optimized power allocation for mixed rate traffic inDS-CDMA cellular system.Electronics Letters，1995，31(22)：1902-1903”最早研究混合业务DS-CDMA系统的最优功率分配；文献“Wong C Y，Cheng R S.Multiuser OFDM withadaptive subcarrier bit and power allocation.IEEE Journal on Selected Areas inCommunications，1999，17(10)：1747-1758”以系统总发射功率最小为目标研究多用户OFDM系统的子载波分配、比特加载和功率分配；文献“Kim H，Kim Y，Han S L，et al.Joint subcarrier and power allocation in uplink OFDMA systems.IEEE CommunicationsLetters，2005，9(6)：526-528”以最大化系统和速率容量为目标研究上行OFDMA系统的载波分配和功率分配，给出载波和功率联合分配算法；文献“Liu Y，Kwok Y K，Wang J.Downlink TCP performance under cross layerrate and power allocation in infrastructureTH-PPM UWB networks.2007 IEEE International Conference on Communications，Glasgow，Scotland，2007.6135-6140”研究TH-PPM超宽带系统的下行跨层速率和功率分配，在建立多层优化模型的基础上提出深度优先算法和广度优先算法，但深度优先算法公平性较差，广度优先算法系统吞吐量性能较差；文献“Feiten A，MatharR，Reyer M.Rate andpower allocation for multiuser OFDM：an effective heuristic verified by branch-and-bound.IEEE Trans Wireless Communications，2008，7(1)：60-64”提出一种基于分枝定界的启发式算法对多用户OFDM系统进行速率和功率分配，收到较好的系统性能；文献“Choi J.Power allocation for two different traffics in layered MIMO systems.IEEE Trans WirelessCommunications，2008，7(10)：3942-3950”研究分层MIMO中继系统两种不同业务间的功率分配。文献“Xu W，Niu K.Time-frequency resource allocation for min-rate guaranteedservices in OFDM distributed antenna systems.IEEE Global TelecommunicationsConference，Washington，DC，USA，2007.3714-3718”“Song X，He Z.A hierarchicalresource allocation for OFDMA distributed wireless communication systems.IEEE GlobalTelecommunications Conference，Washington，DC，USA，2007.5195-5199”在系统总功率、用户最小速率等约束条件下研究和速率容量达到最大的下行子载波和功率分配算法，但这些算法都没有考虑队列信息，属于单层优化。

粒子群优化算法(PSO)是一种进化计算技术，具有步骤简单、可调参数少等优点，目前在通信中的路由及资源管理中有所应用。

发明内容

技术问题：针对分布式天线系统中的自适应传输问题，本发明提出一种基于改进粒子群算法的离散速率跨层功率分配方法，该方法是在系统只能支持有限个离散传输速率的假设下进行跨层功率分配的，更适合于实际系统。

技术方案：本发明提出一种适用于分布式天线系统的离散速率跨层功率分配方法，该方法的具体实现步骤为：

第一步：基站读取数据链路层中每个用户的队列状态信息，并获得每个用户反馈的信道状态信息；

第二步：系统根据各用户的队列状态信息和信道状态信息利用改进粒子群算法进行跨层功率分配。

上述的适用于分布式天线系统的离散速率跨层功率分配方法，第一步中的每个用户的队列状态信息是指一个调度周期K个用户的业务在基站的缓存量u₁，u₂，…，u_K，每个用户反馈的信道状态信息是指K个用户反馈的信道衰落系数h_1，1，h_2，1，…，h_M，1，…，h_1，k，…，h_i，k，…，h_M，k，…，h_1，K，h_2，K，…，h_M，K，h_m，k表示第m根天线到第k个用户的信道衰落系数，M表示分布在小区不同位置的天线总数，K表示小区中的用户数。

上述的适用于分布式天线系统的离散速率跨层功率分配方法，其实现步骤的第二步的主要步骤为：

①系统根据K个用户的队列状态信息及信道状态信息建立功率跨层分配的优化模型

$\underset{P}{\max }f\left(P\right)$

$s.t.\left\{\begin{array}{c}{p}_{k,m}\≥0,k=\mathrm{1,2},\·\·\·K,m=\mathrm{1,2},\·\·\·M\\ \underset{k\′=1}{\overset{K}{\text{\Σ}}}\underset{m\′=1}{\overset{M}{\mathrm{\Σ}}}{p}_{k\′,m\′}\≤P_{\mathrm{total}}\end{array}\right.$

$P\stackrel{\mathrm{\&Delta;}}{=}{\left(p_{k,m}\right)}_{K\&times;M}$ 表示功率分配矩阵，p_k，m表示系统在第m根天线上分配给第k个用户的发送功率，P_total表示系统总的发送功率，f(P)＝κ₁ξ+κ₂ζ表示目标函数，κ₁和κ₂分别为ξ和ζ的权重，0≤κ₁，κ₂≤1且κ₁+κ₂＝1，ζ表示系统公平性系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户占系统所有用户的比例，即 $\mathrm{\&zeta;}=\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k,$ 设用户k的最低信噪比门限为Γ_k，在一个调度周期内，若第k个用户的信噪比γ_k≥Γ_k，则d_k＝1，否则令d_k＝0，ξ表示系统吞吐量系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户所获得的吞吐量之和与所有用户所能获得的最大吞吐量之和的比值，即 $\mathrm{\&xi;}=\frac{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k{R}_k}{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{R}}_k},$ R_k表示第k个用户在第某个调度周期的下行传输速率，其值取决于当前第k个用户反馈的信噪比，设系统只支持N种可供选择的速率下传，这N种速率分别为R⁽¹⁾，R⁽²⁾，…，R^(N)，满足 $0\stackrel{\mathrm{\&Delta;}}{=}{R}^{\left(0\right)}<R^{\left(1\right)}<R^{\left(2\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<R^{\left(N\right)}<\&infin;,$ 与这N种速率对应的最低信噪比门限为γ⁽⁰⁾，γ⁽¹⁾，…，γ^(N+1)，且满足 $0\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}^{\left(0\right)}<{\mathrm{\&gamma;}}^{\left(1\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<{\mathrm{\&gamma;}}^{\left(N\right)}<{\mathrm{\&gamma;}}^{(N+1)}\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}_{\max },$ 设第k个用户在一个调度周期的信噪比为γ_k，若γ_k∈[γ⁽ⁿ⁾，γ⁽ⁿ⁺¹⁾)，则此时只能选择R⁽ⁿ⁾作为下行传输速率，故第k个用户的下行传输速率R_k和信噪比γ_k之间的关系为 $R_k=\underset{n=0}{\overset{N}{\mathrm{\&Sigma;}}}{R}^{\left(n\right)}[U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{\left(n\right)})-U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{(n+1)})],$ 其中U(x)为Heaviside单位阶跃函数，其中 $U\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.,$ ${\stackrel{\&OverBar;}{R}}_k=u_k/T$ 表示第k个用户在一个调度周期的最大吞吐量，T为一个调度周期持续的时间，为0.5ms，

②产生初始粒子群，在①中优化模型的可行域 $\mathrm{\&Omega;}=\left\{P\right|\underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\text{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total},},p_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\}$ 的每一维上以P_total/30为间隔画网格，在每个网格与可行域相交的部分内随机地选取一点作为一个初始粒子，显然，初始粒子群的规模Ps取值为与可行域相交的网格的个数；

③计算粒子群中各粒子的适应度，适应度函数取为f(O)＝κ₁ξ+κ₂ζ，即粒子群中粒子O＝(p_k，m)_K×M的适应度值为f(O)；

④对粒子群中的每个粒子，采用以下的操作更新每个粒子：

1)记更新前的粒子为O，计算其适应度值f(O)；

2)求新粒子O′＝(1-w₁-w₂)O+w₁O_L+w₂O_G，其中，O_L为局部最优粒子，O_G为全局最优粒子，w₁为[0，1)之间的随机数，w₂为[0，w₁)之间的随机数；

3)计算O′的适应度值f(O′)；若f(O′)-f(O)>0，则令O＝O′；若f(O′)-f(O)<0，则以接受概率P_rcv＝0.05令O＝O′；

⑤计算粒子群中各粒子的适应度，方法同③；当适应度值最大的粒子不再变化，或迭代次数超过30，终止算法，否则，返回④。

有益效果：与现有技术方案相比，本发明提出的功率分配方法是在系统只能支持有限个离散传输速率的假设下同时考虑数据链路层的队列状态信息和物理层的信道状态信息利用改进粒子群算法进行跨层优化；为了在实时性的条件下有效地找到近优解，改进粒子群算法引入接受机制更新粒子；离散传输速率的假设更符合实际系统；系统采用本发明所提的跨层功率分配方法，可以有效提高系统队列时延性能、系统吞吐量性能和系统公平性性能。

附图说明

图1为分布式天线系统结构示意图。

图2为用户信噪比与传输速率的关系图。

图3为本发明所提跨层功率分配方法的流程图。

具体实施方式

本发明提出一种适用于分布式天线系统的离散速率跨层功率分配方法，该方法的具体实现步骤为：

第一步：基站读取数据链路层中每个用户的队列状态信息，并获得每个用户反馈的信道状态信息；

第二步：系统根据各用户的队列状态信息和信道状态信息利用改进粒子群算法进行跨层功率分配。

上述的适用于分布式天线系统的离散速率跨层功率分配方法，第一步中的每个用户的队列状态信息是指一个调度周期K个用户的业务在基站的缓存量u₁，u₂，…，u_K，每个用户反馈的信道状态信息是指K个用户反馈的信道衰落系数h_1，1，h_2，1，…，h_M，1，…，h_1，k，…，h_i，k，…，h_M，k，…，h_1，K，h_2，K，…，h_M，K，h_m，k表示第m根天线到第k个用户的信道衰落系数，M表示分布在小区不同位置的天线总数，K表示小区中的用户数。

上述的适用于分布式天线系统的离散速率跨层功率分配方法，其实现步骤的第二步的主要步骤为：

①系统根据K个用户的队列状态信息及信道状态信息建立功率跨层分配的优化模型

$\underset{P}{\max }f\left(P\right)$

$s.t.\left\{\begin{array}{c}{p}_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\\ \underset{k\&prime;=1}{\overset{K}{\text{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total}}\end{array}\right.$

$P\stackrel{\mathrm{\&Delta;}}{=}{\left(p_{k,m}\right)}_{K\&times;M}$ 表示功率分配矩阵，p_k，m表示系统在第m根天线上分配给第k个用户的发送功率，P_total表示系统总的发送功率，f(P)＝κ₁ξ+κ₂ζ表示目标函数，κ₁和κ₂分别为ξ和ζ的权重，0≤κ₁，κ₂≤1且κ₁+κ₂＝1，ζ表示系统公平性系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户占系统所有用户的比例，即 $\mathrm{\&zeta;}=\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k,$ 设用户k的最低信噪比门限为Γ_k，在一个调度周期内，若第k个用户的信噪比γ_k≥Γ_k，则d_k＝1，否则令d_k＝0，ξ表示系统吞吐量系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户所获得的吞吐量之和与所有用户所能获得的最大吞吐量之和的比值，即 $\mathrm{\&xi;}=\frac{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k{R}_k}{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{R}}_k},$ R_k表示第k个用户在第某个调度周期的下行传输速率，其值取决于当前第k个用户反馈的信噪比，设系统只支持N种可供选择的速率下传，这N种速率分别为R⁽¹⁾，R⁽²⁾，…，R^(N)，满足 $0\stackrel{\mathrm{\&Delta;}}{=}{R}^{\left(0\right)}<R^{\left(1\right)}<R^{\left(2\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<R^{\left(N\right)}<\&infin;,$ 与这N种速率对应的最低信噪比门限为γ⁽⁰⁾，γ⁽¹⁾，…，γ^(N+1)，且满足 $0\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}^{\left(0\right)}<{\mathrm{\&gamma;}}^{\left(1\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<{\mathrm{\&gamma;}}^{\left(N\right)}<{\mathrm{\&gamma;}}^{(N+1)}\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}_{\max },$ 设第k个用户在一个调度周期的信噪比为γ_k，若γ_k∈[γ⁽ⁿ⁾，γ⁽ⁿ⁺¹⁾)，则此时只能选择R⁽ⁿ⁾作为下行传输速率，故第k个用户的下行传输速率R_k和信噪比γ_k之间的关系为 $R_k=\underset{n=0}{\overset{N}{\mathrm{\&Sigma;}}}{R}^{\left(n\right)}[U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{\left(n\right)})-U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{(n+1)})],$ 其中U(x)为Heaviside单位阶跃函数，其中 $U\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.,$ R_k＝u_k/T表示第k个用户在一个调度周期的最大吞吐量，T为一个调度周期持续的时间，为0.5ms，

②产生初始粒子群，在①中优化模型的可行域 $\mathrm{\&Omega;}=\left\{P\right|\underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\text{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total},},p_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\}$ 的每一维上以P_total/30为间隔画网格，在每个网格与可行域相交的部分内随机地选取一点作为一个初始粒子，显然，初始粒子群的规模Ps取值为与可行域相交的网格的个数；

③计算粒子群中各粒子的适应度，适应度函数取为f(O)＝κ₁ξ+κ₂ζ，即粒子群中粒子O＝(p_k，m)_K×M的适应度值为f(O)；

④对粒子群中的每个粒子，采用以下的操作更新每个粒子：

1)记更新前的粒子为O，计算其适应度值f(O)；

2)求新粒子O′＝(1-w₁-w₂)O+w₁O_L+w₂O_G，其中，O_L为局部最优粒子，O_G为全局最优粒子，w₁为[0，1)之间的随机数，w₂为[0，w₁)之间的随机数；

3)计算O′的适应度值f(O′)；若f(O′)-f(O)>0，则令O＝O′；若f(O′)-f(O)<0，则以接受概率P_rcv＝0.05令O＝O′；

⑤计算粒子群中各粒子的适应度，方法同③；当适应度值最大的粒子不再变化，或迭代次数超过30，终止算法，否则，返回④。

下文结合附图详细说明本发明所提的跨层功率分配方法。研究一个支持下行多业务传输的单小区分布式天线蜂窝移动通信系统，如图1所示。设系统有M根天线按一定规则分布在小区内，M的取值一般为2～8，例如M＝2、M＝5、M＝8，小区内有若干移动用户，假设每个移动用户使用一根接收天线接收信号。每个用户的数据包到达基站后，被存储在基站的相应缓冲队列中，并且按照先入先出(FIFO)的规则通过小区的M根发送天线同时传输给相应的用户。不失一般性，假设系统采用OFDMA的方式划分正交信道，基站为每个移动用户分配一个正交子信道进行下行业务传输。移动用户能够通过信道估计算法测量信道的参数，并能通过反馈信道将所测量的信道状态信息(CSI)反馈给基站。这样，基站就可以根据数据链路层的队列状态信息(QSI)和物理层的CSI在每个传输时间间隔(TTI)内自适应地调整不同用户的传输功率，并进行相应的自适应调制编码(AMC)，从而优化系统整体性能。

假设系统中有K个移动用户，K的取值一般为1～100，例如K＝1、K＝30、K＝100，这K个移动用户订阅的业务分别记为S₁，S₂，…，S_K，K个用户的业务在一个TTI内在基站中的缓存量为u₁，u₂，…，u_K比特。设K个用户的传输符号为X＝(x₁，x₂，…，x_K)^T∈C^K，其中上标T表示矩阵或向量的转置。假设信号向量X的协方差矩阵为，其中

{·}表示求期望，上标

表示矩阵或向量的共轭转置，I_K为K×K的单位矩阵。假设信道是慢变的，设信道矩阵为H＝(h_k，m)_K×M，其中h_k，m为第m根发送天线到第k个用户的信道响应，设矩阵H的所有元素都相互独立，此外，对于任意的k和m，h_k，m是一个实部和虚部独立同分布的复高斯随机变量。移动用户k接收到的下行信号为

$y_k=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{h}_{k,m}\sqrt{p_{k,m}}{x}_k+n_k,$             k＝1，2，…，K(1)

其中，p_k，m为基站在天线m上分配给用户k的功率，n_k为移动用户k接收机端的加性Gauss白噪声，其功率为σ²，则在一个TTI内用户k的接收信噪比(SNR)为

${\mathrm{\&gamma;}}_k=\frac{1}{{\mathrm{\&sigma;}}^2}{\left(\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\sqrt{p_{k,m}}\right|h_{k,m}\left|\right)}^2---\left(2\right)$

假设在每个TTI内，K种业务只能以N种可供选择的速率下传，这N种速率分别为R⁽¹⁾，R⁽²⁾，…，R^(N)，满足下列不等式

$0\stackrel{\mathrm{\&Delta;}}{=}{R}^{\left(0\right)}<R^{\left(1\right)}<R^{\left(2\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<R^{\left(N\right)}<\&infin;---\left(3\right)$

与这N种速率对应的最低SNR门限设为γ⁽⁰⁾，γ⁽¹⁾，…，γ^(N+1)，且满足

$0\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}^{\left(0\right)}<{\mathrm{\&gamma;}}^{\left(1\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<{\mathrm{\&gamma;}}^{\left(N\right)}<{\mathrm{\&gamma;}}^{(N+1)}\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}_{\max }---\left(4\right)$

如图2所示，设用户k在一个TTI的SNR为γ_k，若γ_k∈[γ⁽ⁿ⁾，γ⁽ⁿ⁺¹⁾)，则此时只能选择R(n)作为下行传输速率，故用户k的下行传输速率R_k和SNRγ_k之间的关系为

$R_k=\underset{n=0}{\overset{N}{\mathrm{\&Sigma;}}}{R}^{\left(n\right)}[U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{\left(n\right)})-U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{(n+1)})]---\left(5\right)$

其中U(x)为Heaviside单位阶跃函数

$U\left(x\right)\stackrel{\mathrm{\&Delta;}}{=}\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.---\left(6\right)$

用户k在一个TTI内传输的业务量为

s_k＝TR_k                              (7)

其中T为一个TTI持续的时间，取值为0.5ms。由于在一个TTI用户k的业务缓存量为u_k，因此用户k在这个TTI内的最大吞吐量为

${\stackrel{\&OverBar;}{R}}_k=\frac{u_k}{T}---\left(8\right)$

显然所有用户的功率总和具有上限，即

$\underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total}}---\left(9\right)$

设所有用户的业务都为弹性业务，为了保证用户的QoS(Quality of Service)要求，每种业务都有其最低SNR门限，设用户k的最低SNR门限为Γ_k，设在一个TTI内，若用户k的SNRγ_k≥Γ_k，令d_k＝1，否则令d_k＝0。定义系统的公平性系数为

$\mathrm{\&zeta;}\stackrel{\mathrm{\&Delta;}}{=}\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k---\left(10\right)$

定义系统的吞吐量系数为

$\mathrm{\&xi;}\stackrel{\mathrm{\&Delta;}}{=}\frac{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k{R}_k}{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{R}}_k}---\left(11\right)$

跨层功率分配是一个多目标优化问题，第一个目标是最大化系统吞吐量系数ξ，第二个目标是最大化系统公平性系数ζ，但同时达到这两个目标的功率分配矩阵 $P\stackrel{\mathrm{\&Delta;}}{=}{\left(p_{k,m}\right)}_{K\&times;M}$ 在很多场合不存在，因此采用加权求和的方法折中这两个目标，也即用f(P)＝κ₁ξ+κ₂ζ作为目标函数，其中κ₁和κ₂分别为ξ和ζ的权重，0≤κ₁，κ₂≤1且κ₁+κ₂＝1。因此，功率分配问题的离散速率集优化模型为

$\underset{P}{\max }f\left(P\right)$

$s.t.\left\{\begin{array}{c}{p}_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\\ \underset{k\&prime;=1}{\overset{K}{\text{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total}}\end{array}\right.---\left(12\right)$

式(12)是一个复杂的组合优化问题，目前没有有效的方法获得该问题的最优解，提出一种简单快速的全局搜索算法有很大的应用价值，下面拟用改进粒子群算法优化式(12)。

粒子群算法模拟鸟群觅食的过程，它的基本思想是从初始粒子群也即一组候选解开始迭代，所有粒子都有一个与优化函数有关的适应度值，所有粒子通过追随当前的最优粒子在解空间中进行搜索，重复这个过程，直到满足某个收敛条件为止。粒子群算法的主要步骤如下：①产生初始粒子群；②评价粒子的优劣；③对粒子进行更新；④如果满足结束条件，结束算法；如果不满足，返回②。下面给出求解式(12)的改进粒子群算法的几个关键步骤。

粒子群中的每个粒子都是优化问题的一个可行解，根据式(12)，确定粒子的结构为P＝(p_k，m)_K×M。一般地，初始粒子群的产生是随机进行的，但考虑到功率分配问题的实时性要求，初始粒子最好能分布在最优解附近，这样，经过有限次迭代，粒子向最优解逼近；另一方面，为了防止算法陷入局部最优解，改进粒子群算法将式(12)的可行域 $\mathrm{\&Omega;}=\left\{P\right|\underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\text{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total},},p_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\}$ 的每一维上以P_total/30为间隔画网格，在每个网格与可行域相交的部分内随机地选取一点作为一个初始粒子，显然，初始粒子群的规模Ps取值为与可行域相交的网格的个数。在粒子群算法中，粒子适应度值的大小表示粒子的优劣，这里的适应度函数取为式(12)的目标函数。

根据粒子群算法的原理，在每次迭代中，每个粒子通过跟踪局部最优粒子和全局最优粒子更新自己，其中，局部最优粒子是当前该粒子本身找到的最优解，而全局最优粒子是当前所有粒子找到的最优解。为了使算法收敛，改进粒子群算法引入接受机制，若更新后的粒子优于更新前的粒子，则以概率1接受更新后的粒子为当前粒子；否则以较小的概率接受更新后的粒子为当前粒子，粒子更新的算法如表1所示。为了保证算法的收敛性，改进粒子群算法采取保护措施，将每次迭代粒子群中的最劣粒子替换为全局最优粒子。

改进粒子群算法会向前迭代去搜寻最优功率分配矩阵，直到终止条件满足。当适应度值最大的粒子不再变化，或迭代次数超过30，终止算法。

表1 粒子更新算法

 

Step1	记更新前的粒子为O，计算其适应度值f(O)；
		Step2	按式更新粒子P′＝(1-w1-w2)P+w1PL+w2PG          (13)其中，OL为局部最优粒子，OG为全局最优粒子，w1为[0，1)之间的随机数，w2为[0，w1)之间的随机数；
Step3	计算O′的适应度值f(O′)；若f(O′)-f(O)>0，则令O＝O′；若f(O′)-f(O)<0，则以接受概率Prcv＝0.05令O＝O′。

Claims (3)

1.一种适用于分布式天线系统的离散速率跨层功率分配方法，其特征在于，该方法的具体实现步骤为：

第一步：基站读取数据链路层中每个用户的队列状态信息，并获得每个用户反馈的信道状态信息；

第二步：系统根据各用户的队列状态信息和信道状态信息利用改进粒子群算法进行跨层功率分配。

2.如权利要求1所述的适用于分布式天线系统的离散速率跨层功率分配方法，其特征在于，第一步中的每个用户的队列状态信息是指第一个调度周期K个用户的业务在基站的缓存量u₁，u₂，…，u_K，每个用户反馈的信道状态信息是指K个用户反馈的信道衰落系数h_1，1，h_2，1，…，h_M，1，…，h_1，k，…，h_i，k，…，h_M，k，…，h_1，K，h_2，K，…，h_M，K，h_m，k表示第m根天线到第k个用户的信道衰落系数，M表示分布在小区不同位置的天线总数，K表示小区中的用户数。

3.如权利要求1所述的适用于分布式天线系统的离散速率跨层功率分配方法，其特征在于，其实现步骤的第二步的主要步骤为：

①系统根据K个用户的队列状态信息及信道状态信息建立功率跨层分配的优化模型

$\underset{P}{\max }f\left(P\right)$

$s.t.\left\{\begin{array}{c}{p}_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\\ \underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total}}\end{array}\right.$

$P\stackrel{\mathrm{\&Delta;}}{=}{\left(p_{k,m}\right)}_{K\&times;M}$ 表示功率分配矩阵，p_k，m表示系统在第m根天线上分配给第k个用户的发送功率，P_total表示系统总的发送功率，f(P)＝κ₁ξ+κ₂ζ表示目标函数，κ₁和κ₂分别为ξ和ζ的权重，0≤κ₁，κ₂≤1且κ₁+κ₂＝1，ζ表示系统公平性系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户占系统所有用户的比例，即 $\mathrm{\&zeta;}=\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k,$ 设用户k的最低信噪比门限为Γ_k，在一个调度周期内，若第k个用户的信噪比γ_κ≥Γ_k，则d_k＝1，否则令d_k＝0，ξ表示系统吞吐量系数，定义为系统在某个调度周期达到所订阅业务最低信噪比要求的用户所获得的吞吐量之和与所有用户所能获得的最大吞吐量之和的比值，即 $\mathrm{\&xi;}=\frac{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{d}_k{R}_k}{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{R}}_k},$ R_k表示第k个用户在第某个调度周期的下行传输速率，其值取决于当前第k个用户反馈的信噪比，设系统只支持N种可供选择的速率下传，这N种速率分别为R⁽¹⁾，R⁽²⁾，…，R^(N)，满足 $0\stackrel{\mathrm{\&Delta;}}{=}{R}^{\left(0\right)}<R^{\left(1\right)}<R^{\left(2\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<R^{\left(N\right)}<\&infin;,$ 与这N种速率对应的最低信噪比门限为γ⁽⁰⁾，γ⁽¹⁾，…，γ^(N+1)，且满足 $0\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}^{\left(0\right)}<{\mathrm{\&gamma;}}^{\left(1\right)}<\&CenterDot;\&CenterDot;\&CenterDot;<{\mathrm{\&gamma;}}^{\left(N\right)}<{\mathrm{\&gamma;}}^{(N+1)}\stackrel{\mathrm{\&Delta;}}{=}{\mathrm{\&gamma;}}_{\max },$ 设第k个用户在一个调度周期的信噪比为γ_κ，若γ_κ∈[γ⁽ⁿ⁾，γ⁽ⁿ⁺¹⁾)，则此时只能选择R⁽ⁿ⁾作为下行传输速率，故第k个用户的下行传输速率R_k和信噪比γ_κ之间的关系为 $R_k=\underset{n=0}{\overset{N}{\mathrm{\&Sigma;}}}{R}^{\left(n\right)}[U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{\left(n\right)})-U({\mathrm{\&gamma;}}_k-{\mathrm{\&gamma;}}^{(n+1)})],$ 其中U(x)为Heaviside单位阶跃函数，其中 $U\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.,$ R_k＝u_k/T表示第k个用户在一个调度周期的最大吞吐量，T为一个调度周期持续的时间，为0.5ms，

②产生初始粒子群，在①中优化模型的可行域 $\mathrm{\&Omega;}=\left\{P|\underset{k\&prime;=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{m\&prime;=1}{\overset{M}{\mathrm{\&Sigma;}}}{p}_{k\&prime;,m\&prime;}\&le;P_{\mathrm{total}},p_{k,m}\&GreaterEqual;0,k=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;K,m=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;M\right\}$ 的每一维上以P_total/30为间隔画网格，在每个网格与可行域相交的部分内随机地选取一点作为一个初始粒子，显然，初始粒子群的规模Ps取值为与可行域相交的网格的个数；

③计算粒子群中各粒子的适应度，适应度函数取为f(O)＝κ₁ξ+κ₂ζ，即粒子群中粒子O＝(p_k，m)_K×M的适应度值为f(O)；

④对粒子群中的每个粒子，采用以下的操作更新每个粒子：

1)记更新前的粒子为O，计算其适应度值f(O)；

2)求新粒子O′＝(1-w₁-w₂)O+w₁O_L+w₂O_G，其中，O_L为局部最优粒子，O_G为全局最优粒子，w₁为[0，1)之间的随机数，w₂为[0，w₁)之间的随机数；

3)计算O′的适应度值f(O′)；若f(O′)-f(O)>0，则令O＝O′；若f(O′)-f(O)<0，则以接受概率P_rcv＝0.05令O＝O′；

⑤计算粒子群中各粒子的适应度，方法同③；当适应度值最大的粒子不再变化，或迭代次数超过30，终止算法，否则，返回④。

Images