CN101588627A

CN101588627A - 协作通信中源与中继节点的功率最优联合分配的方法

Info

Publication number: CN101588627A
Application number: CNA2009100873280A
Authority: CN
Inventors: 啜钢; 刘洪来
Original assignee: Beijing University of Posts and Telecommunications
Current assignee: Beijing University of Posts and Telecommunications
Priority date: 2009-06-23
Filing date: 2009-06-23
Publication date: 2009-11-25
Anticipated expiration: 2029-06-23
Also published as: CN101588627B

Abstract

一种协作通信中源与中继节点的功率最优联合分配的方法，用于无线通信领域。本发明在多中继节点多接收天线系统模型下，系统的总功率额定，首先根据第二跳信道状态信息利用注水算法对每个中继节点进行一次功率分配，然后将中继节点的总功率看作整体，将其与源节点根据第一跳信道状态信息利用注水算法进行功率分配，此时完成一次系统中所有节点的联合功率分配，随后采用迭代算法，重复上述步骤，直至达到迭代精度要求，从而达到系统所有节点的最优联合功率分配，获得系统最优的信道容量。仿真结果证明了功率的最优联合分配能获得更多的信道容量，并且迭代算法极大地简化了计算的复杂度和计算量。本发明普遍适用于未来4G无线通信系统中。

Description

协作通信中源与中继节点的功率最优联合分配的方法

技术领域

本发明涉及一种功率最优联合分配的方法，具体是一种协作通信中源与中继节点的功率最优联合分配的方法，用于未来4G通信领域。

背景技术

无线通信是当今通信领域发展最快、应用最广和最前沿的通信技术。无线网络已从语音、低速数据业务的窄带网络发展到了可以支撑语音、高速分组以及多媒体业务的宽带网络。4G(或称IMT-Advanced)也正在从理论探讨和系统仿真评估阶段逐步走向制定标准的阶段。为了充分利用有限的无线资源、追求最大的系统容量和QoS保证，人们正在积极研究各种新的无线传输技术、无线网络组网方法、无线网络优化策略和无线资源管理方法等，例如近年来人们热衷研究的无线中继技术，包括：固定中继和可移动中继技术；网络协作技术，包括：单一无线网内部不同终端或不同技术的协作和不同异构无线网络间的协作；高效可行的跨层优化设计；以及认知无线电技术这些理论和技术一定会在将来的4G标准中得到体现和应用。据此我们有理由相信未来的无线网络将会十分复杂，它将不再会是当前在移动通信中广泛采用的单一蜂窝组网网络，由于采用诸如无线中继技术、无线网络协作技术及认知无线电技术等，必将使无线网络的拓扑结构和组网方式有很大的变化。这也对未来的无线网络资源配置与性能优化提出了极大的挑战。

协作技术是在多用户通信环境中，使用单副天线的各临近移动用户可按照一定方式共享彼此的天线协作发送，从而产生一种类似多天线发送的虚拟环境，即协作MIMO，获得空间分集增益，提高系统的传输性能。作为一种分布式虚拟多天线传输技术，协作通信技术融合了分集技术与中继传输技术的优势，在不增加天线数量的基础上，可在传统通信网络中实现并获得多天线与多跳传输的性能增益。它可应用于蜂窝移动通信系统、无线Ad hoc网络、无线局域网以及无线传感器网络等多种场合，具有研究价值与意义。可以说，协作通信技术将是继多载波调制技术、多天线技术之后，可能会对未来无线通信的发展产生重大影响的一个研究热点。而且，协作通信技术非常灵活，可与现有多种技术相结合，突出各自优点。例如，与正交频分复用(OFDM)技术相结合，可以充分利用其抗频率选择性衰落的优点；与编码或者空时编码相结合，可以得到编码增益；与感知无线电技术相结合，能够提高频谱检测概率或者获得更多的频谱接入机会。

协作技术是未来4G网络的关键技术之一，在4G引入协作技术是为了满足4G系统对频谱有效性、功率有效性及无缝覆盖及容量提升的更高要求。然而，协作技术不仅对4G系统结构产生影响，还与其他的关键技术相互影响，相互制约，因此需要在协作多点传输技术的多个关键研究点实现突破，功率分配问题是其中重要的一个。

目前，关于协作通信中的功率分配，提出的主要方法有：协作中继节点间功率分配、协作源节点功率分配。这些方法仅仅单独的考虑了中继节点间、源节点的功率分配问题，没有从整体系统的将二者的功率分配结合起来，从整体角度来进行联合功率分配。

发明内容

本发明的目的在于将协作通信中各类节点间的功率进行统一处理，提出了一种协作通信中源与中继节点间功率的最优联合分配方法。其根据注水算法的基本思想，利用拉格朗日乘子法对每个信道进行功率分配，并将两跳系统模型按照迭代算法来进行联合功率分配，使得在总功率受限的前提下使得系统信道容量最优。仿真说明，这种方法使得系统信道容量优于中继节点间的最优功率分配，并且采用迭代算法能极大地降低运算的复杂度，具有很强的实用价值。

本发明通过以下技术方案来实现：

a、在总功率受限协作通信系统中，以系统容量最优为前提，基于第一跳与第二跳的信道状态信息，通过对第二跳信道(即虚拟MIMO信道)状态信息通过奇异值分解转换为独立并行信道以及初始化的功率分配系数，采用注水算法对各个中继节点进行最优功率分配，完成各中继节点间的一次功率分配；

b、在步骤a的基础上，将所有中继节点看作整体，再根据第一跳信道(即广播阶段)状态信息将其与源节点同样采用注水算法进行最优功率分配，此时完成一次源与中继节点、各中继节点间的最优功率分配，即一次功率联合分配；

c、基于步骤a、b，采用迭代算法，在迭代精度控制下，重复上述步骤，直至达到迭代终止条件，从而达到系统所有节点的最优联合功率分配。

以下对本发明作进一步的说明，具体步骤如下：

2、根据权利要求1所述的协作通信中源与中继节点的功率最优联合分配的方法，其特征是，通过以下步骤对其分别进行进一步限定。

步骤a具体为：

1)根据系统模型，目的节点的接收信号Y表示为

Y＝H·(Λ·X+N₀)+W₀ (1)

其中，Λ表征第一阶段的正交信道矩阵，为一对角阵；H表示虚拟MIMO信道矩阵，表征了第二阶段的多径瑞利衰落；N₀、W₀分别表征了中继节点处、接收天线处的噪声，其每个元素服从均值为0的独立同分布的复高斯随机分布；X表示发送数据向量。

将(1)式矩阵元素展开即为

Y或者表示为

Y＝H′·(Λ′·X+N₀′)+W₀ (3)

其中，h_ij ⁽²⁾(1≤i≤N，1≤j≤M)表示第j个中继节点与第i个接收天线之间的多径衰落系数；h_ii ⁽¹⁾(1≤i≤M)表示源节点和第i个接收天线之间的多径衰落系数；P_re表示中继节点的总功率；β_i(1≤i≤M)表示第i个中继节点的功率分配因子；A_i ^norm表示在每个中继节点进行归一化接收功率的变量.

2)对变换后的MIMO信道矩阵H′作奇异值分解(SVD)，则式(3)可以写成

Y＝U·S·V^H·(Λ′·X+N₀′)+W₀，

(H^{'} \overset{SVD}{=} U \cdot S \cdot V^{H})

(4)

其中U和V均为酉矩阵，S是非对角线元素为0，对角线元素为矩阵H′H′^H的特征值的平方根，(·)^H表示(·)的共轭转置。令(Λ′·X+N₀′)′＝V·(Λ′·X+N₀′)，可以得到式(5)：

Y′＝U·S·V^H·V·(Λ′·X+N₀′)+W₀

(5)

＝U·S·(Λ′·X+N₀′)+W₀

再对Y′左乘以矩阵U^H，可得

Y″＝U^H·U·S·(Λ′·X+N₀′)+W₀

(6)

＝S·(Λ′·X+N₀′)+W₀＝S·Λ′·X+S·N₀′+W₀

3)假设

σ_{n_{01}}^{2} = σ_{n_{02}}^{2} = \cdot \cdot \cdot = σ_{n_{0 M}}^{2} = σ_{n_{0}}^{2}

和

σ_{w_{01}}^{2} = σ_{w_{02}}^{2} = \cdot \cdot \cdot = σ_{w_{0 N}}^{2} = σ_{w_{0}}^{2},

则整个协作中继系统的信道可以通过奇异值分解等效成M个并行信道。由式(6)可得最后的噪声功率矩阵P^noise是一个对角阵：

P^{noise} = E [(S \cdot {N_{0}}^{'} + W_{0}) \cdot {(S \cdot {N_{0}}^{'} + W_{0})}^{H}] = σ_{w_{0}}^{2} \cdot I_{N} + S \cdot {N_{0}}^{'} \cdot {N_{0}}^{' H} \cdot S^{H} - - - (7)

其中E是统计数学期望符号，I_N为一个N阶的单位矩阵。

4)信号功率矩阵也是一个对角阵，用P^signal表示：

P^signal＝E[(S·Λ′·X)·(S·Λ′·X)^H]＝P_s·S·Λ′·Λ′^H·S^H (8)

对于第i个并行信道来说，噪声功率可以写成

σ_{i}^{2} = σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot \frac{P_{re} \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2}, 1 \leq i < M - - - (9)

其中

{[A_{i}^{norm}]}^{2} = P_{s} \cdot {| h_{ii}^{(1)} |}^{2} + σ_{n_{0}}^{2},

信号功率为

P_{i} = P_{s} \cdot \frac{{| h_{ii}^{(1)} |}^{2} \cdot P_{re} \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2}, 1 \leq i < M - - - (10)

5)单位带宽下的信道容量(频谱利用率，单位为bps/Hz)可以表示成

C = Σ_{i = 1}^{M} \log_{2} (1 + \frac{P_{s} \cdot \frac{{| h_{ii}^{(1)} |}^{2} \cdot P_{re} \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2}}{σ_{w_{0}}^{2} + σ_{n_{0}}^{2} + \frac{P_{re} \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2}}) - - - (11)

令

λ_{i} = \frac{P_{re} \cdot s_{i}^{2}}{{[A_{i}^{norm}]}^{2}} - - - (12)

信道可以通过奇异值分解等效成M个并行信道，故单位带宽下的信道容量可以表示成

C = Σ_{i = 1}^{M} \log_{2} (1 + \frac{P_{s} \cdot {| h_{ii}^{(1)} |}^{2} \cdot λ_{i} \cdot β_{i}}{σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot λ_{i} \cdot β_{i}}) - - - (13)

6)以信道容量为最优标准，则联合功率分配的最优化问题可以写成

\max (C) = \max {Σ_{i = 1}^{M} \log_{2} (1 + \frac{{| h_{ii}^{(1)} |}^{2} \cdot P_{re} \cdot s_{i}^{2} \cdot β_{i} \cdot P_{s}}{(P_{s} \cdot {| h_{ii}^{(1)} |}^{2} + σ_{n_{0}}^{2}) + σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot P_{re} \cdot s_{i}^{2} \cdot β_{i}})} - - - (14)

并且

Σ_{i = 1}^{M} β_{i} = 1,

0≤β_i≤1。

根据系统容量最优化问题的表达式(14)以及各中继节点的功率分配系数β_i的限定条件，采用注水算法对式(14)进行求解，得出中继节点间一次功率分配系数β_i。

步骤b具体为：

1)在步骤a的基础上，已经求得各中继节点间的一次功率分配系数β_i，将中继节点间的总功率看作整体，将其与源节点进行功率分配。

2)将源节点功率与中继节点总功率的分配系数考虑进来，信号功率P^signal即变换为

P^signal＝E[(S·Λ′·X)·(S·Λ′·X)^H]＝P_s·S·Λ′·Λ′^H·S^H＝αP·S·Λ′·Λ′^H·S^H (15)

3)同样，噪声功率变换为

σ_{i}^{2} = σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot \frac{P_{re} \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2} = σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot \frac{(1 - α) \cdot β_{i}}{{[A_{i}^{norm}]}^{2}} \cdot s_{i}^{2}, 1 \leq i < M - - - (16)

4)在2)、3)的基础上，此阶段的联合功率分配的最优化问题即表述为

\max (C) = \max {Σ_{i = 1}^{M} \log_{2} (1 + \frac{{| h_{ii}^{(1)} |}^{2} \cdot P_{re} \cdot s_{i}^{2} \cdot β_{i} \cdot P_{s}}{(P_{s} \cdot {| h_{ii}^{(1)} |}^{2} + σ_{n_{0}}^{2}) \cdot σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot P_{re} \cdot s_{i}^{2} \cdot β_{i}})}

(17)

= \max {Σ_{i = 1}^{M} \log_{2} (1 + \frac{{| h_{ii}^{(1)} |}^{2} \cdot (1 - α) P \cdot s_{i}^{2} \cdot β_{i} \cdot αP}{(αP \cdot {| h_{ii}^{(1)} |}^{2} + σ_{n_{0}}^{2}) \cdot σ_{w_{0}}^{2} + σ_{n_{0}}^{2} \cdot (1 - α) P \cdot s_{i}^{2} \cdot β_{i}})}

其中，β_i已知，0＜α＜1。

根据系统容量最优化问题的表达式(17)以及源节点的功率分配系数α的限定条件，采用注水算法对式(17)进行求解，得出在中继节点间一次功率分配基础上的源节点功率分配系数α。此时，即完成一次联合功率分配。

步骤c具体为：

针对式(14)、式(17)所提出的最优化问题均为单方面的最优化问题，其无法保证系统整体的最优化。因此，需要根据一方面的最优化问题去动态地调整另一方面的最优化问题，同样也影响前一方面的最优化问题，通过反复地的迭代修正，最终达到两方面最优化问题的动态平衡，即系统的容量最优。

针对本专利具体涉及问题，在迭代法的基础上，按系数的作用范围分为两部分，这样可以先对一部分进行分配，然后利用前一部分的结果进行另一部分的分配，重复前述过程，直至求得最优解。需要说明的是，在实际仿真中，我们α的初值设定为0.4，这是因为已有众多研究表明α位于0.5附近，设定为0.4不但不会影响求解结果，而且能减少迭代次数，从而节省时间。

算法流程如下：

for循环参量

生成初始参量，如H、h、alpha、β...

while迭代条件

中继节点间分配，更新β参数，并对其合理性判断

利用新β求解源与中继间系数alpha，判断合理性

if alpha合理

保存信道容量

else

修正循环变量后，break

end

统计信道容量

end

该算法基于迭代算法，将求解参数划分为两部分，每部分单独采用注水算法，通过迭代精度来控制迭代算法的终止，这样就大大地降低了直接求解式(14)和式(17)联合式的计算复杂度的问题，经过实际的仿真，能大大缩短求解时间。

附图说明

图1是单发送节点多中继节点多接收天线协作通信系统模型框图

图2(a)是采用最优联合功率分配与中继节点间最优功率分配的系统容量仿真图

图2(b)是采用最优联合功率分配与中继节点间最优功率分配的系统容量之差仿真图

图3是最优联合功率分配时源节点的功率分配系数α的分布柱形图

具体实施方式

如图1所示，一个发送节点多个中继节点和一个接收节点的协作通信系统模型，发送节点S和中继节点R_i都只有一根天线，而目的节点D配有多个天线，这样中继节点和目的节点之间可以形成一个虚拟MIMO系统。

系统中的每一个用户都分配一个唯一的正交的多址接入信道，本文采用Amplify-and-Forward中继模式，所有的中继节点都是半双工工作模式，这个过程分为两个阶段，在第一阶段，S通过广播信道广播信息，此时R_i只收不发，称此阶段为监听阶段(Listening Phase)，在第二阶段，R_i向D发送信息，然后D将两个阶段接收到的信息进行结合再解码，称此阶段为协作阶段(Cooperative Phase)。

进行最优联合功率分配时，首先根据虚拟MIMO(即第二跳协作阶段)的信道状态信息，采用注水算法对R_i进行最优功率分配，此时，达到了R_i之间的最优功率分配，即达到了虚拟MIMO阶段的系统容量最优。然后，在虚拟MIMO阶段系统容量最优的前提下，根据第一跳监听阶段的信道状态信息，仍采用注水算法对S与中继节点之间进行最优功率分配，以保证第一跳阶段的系统容量最优。经过以上两步后，完成一次功率分配。在迭代算法的控制下，重复上述两步骤，直至二者达到动态平衡(即系统容量最大)时终止。

Claims

1、一种协作通信中源与中继节点的功率最优联合分配的方法，其特征在于，该方法包括如下步骤：

步骤a具体限定为：