CN103944618B - 大规模miso协同能效发送方法 - Google Patents

Abstract

本发明公开了一种在大规模MISO协同能效发送方法，实现在大规模天线系统中在给定的单基站总功率和信干噪比的约束下能效的优化。首先将上下行传输的对偶性引入到能效的优化中，设立相应的能效优化目标函数，引入与下行传输对偶的虚拟的上行问题，其次通过GP优化对虚拟的上行传输问题进行求解，然后将相应的上行优化结果转化成原来的下行传输问题的解，从而解决在下行多用户的能效传输问题。通过考虑大规模天线系统的特殊性，获得了只利用大尺度衰落得出波束设计和功率分配的方法。所述方法计算复杂度低，易于实现，而且在大规模天线的系统下所需要的反馈量较小，在天线较多的情况下性能接近获得完整信道信息反馈的算法。

Description

大规模MISO协同能效发送方法

技术领域

本发明属于无线通信技术领域，具体涉及一种在大规模天线系统下的MISO协同能效发送方法。

背景技术

随着通信技术与设备的发展，无线传输数据的数据量剧增，也造成了相应的能量消耗的显著增加。以往，多天线传输作为一种有效地提高系统频谱效率的方法得到了广泛的利用，而随之衍生出的大规模天线可以提高系统的能效。能效一般被定义为系统和速率与总的功率损耗的比值，最近，在下行多用户多天线系统中利用小区波束成形和功率控制方法来抑制解决能效问题成为了无线通信领域的一大研究热点。在功率约束下的能效问题是一个非凸的问题，求解起来比较困难，目前波束成形和功率分配方法的设计主要集中在通过迭代以及取界等方法来转化成相应的易于求解的凸问题，并没有考虑到上下行的对偶特性。所以本发明引入了上下行对偶性的特点简化了问题。而大规模天线系统由于其对于系统容量巨大的提升得到了广泛的关注，大规模天线系统下所需要的反馈信息较少，为此，本发明设计了一种在大规模天线系统下的多小区能效波束设计和功率分配方法。

发明内容

本发明提供了反馈量比较低的、有效提高系统能效的MISO(多输入单输出)协同能效发送方法。

本发明提供的大规模MISO协同能效发送方法包括以下步骤：

1).通过求解满足信干噪比和功率的约束下的功率最小化问题初始化上行传输功率q⁽⁰⁾；K为基站数，N为每个基站所服务的用户数，是用户的编号；

w为{w_1,1,…,w_1,N,w_2,1,…,w_K,N},w_m为是基站对用户的波束矢量；和为向下和向上取整；

q为{q_1,1,…,q_1,N,q_2,1,…,q_K,N},q_m为是用户m的虚拟上行功率；

p为{p_1,1,…,p_1,N,p_2,1,…,p_K,N},p_m为是用户m的下行传输功率；

h_m,n为基站与第个基站中的第个用户之间的信道参数；

σ_m为用户m的噪声均方差；

每个基站天线有M_j根；P_j为第j个基站的发射功率；

为 为是用户m的虚拟上行信干噪比；

为 为是用户m的下行信干噪比；

为基站与第个基站中的第个用户之间的大尺度衰落；

2).令β_max＝1，然后通过q⁽⁰⁾和β_min计算系统的能效，得到ρ^(*)；

β^(*)为满足单基站功率约束和目标信干噪比约束下的最小发射功率之和与总功率之间的比值；β_min与β_max为二分法搜寻β^(*)时的辅助变量；

ρ^(*)为给定的条件下的能效，能效的定义如下：

ξ为功率放大器的效率，P_c为每根天线上的能量损耗，P₀为基本的基站能量损耗，a_m表示用户m的速率权重；

R为R_m为表示用户m的数据速率；β为辅助变量；

计算能效时需要使用下行功率，利用上下行的对偶性，可以得到下行功率的转换方法，设计并计算如下的辅助计算矩阵：

其中D、G的定义如下：

其中为算法中的近似辅助变量；

上式中求解上述辅助计算矩阵最大特征值所对应的特征向量对最后一个元素作归一化得到的前个元素就是所求的下行功率；

表示第个基站的发射天线数；

3).初始化辅助变量λ^(*)，令和q^(*)＝q⁽⁰⁾，通过q^(*)和λ^(*)计算出目标函数值，得到τ^(*)；

为虚拟上行信干噪比的近似值，在大规模天线系统中，根据推导，虚拟上行信干噪比可以只用大尺度衰落信息进行近似，相应的定义如下：

也可以表示为其中∑_m(z)代表在z点处的斯蒂尔杰斯变换；

相应的上行优化问题(1)如下所示，τ^(*)为优化目标的更新数值：

在上式中，

4).利用q^(*)和λ^(*)求解相应的上行优化问题(1)，得到优化后的上行功率q^(**)，并计算相应的目标函数值，得到τ^(**)和如果|τ^(**)-τ^(*)|≤η，令q^(*)＝q^(**)和然后进行步骤5)，否则令q^(*)＝q^(**)和然后返回步骤4)；

5).根据MMSE准则,即最小均方误差准则更新波束，并根据对偶性得到相应的下行传输功率，判断此时椭圆准则的收敛条件是否满足，如果满足进行步骤6)，否则利用q^(*)和更新辅助变量λ^(*)，利用椭圆准则得出每个辅助变量的变化梯度，然后乘以相应的步长，得到更新后的辅助变量λ^(*)，并返回步骤4)；

6).通过和β^(*)计算能效，得到ρ^(**)，判断如果ρ^(**)<ρ^(*)，令β_max＝β^(*)，否则，令ρ^(*)＝ρ^(**)，β_min＝β^(*)；如果|β_min-β_max|≤η，其中η为给定的停止阈值，算法结束，否则令并返回步骤3)。

上述方法中的步骤1)中，初始化虚拟上行功率和波束的方法如下所示：

1.1).初始化辅助变量η^(*)>0，μ^(*)＝0和μ⁽⁰⁾＝0；

1.2).更新上行虚拟传输功率μ，更新公式如下：

公式中 表示矩阵Λ_m在z处的斯蒂尔杰斯变换；

η_m为第个基站的虚拟上行噪声方差；

η为{η₁,…,η_K}表示所有基站的虚拟上行噪声方差；

1.3).如果满足其中为给定的停止阈值，令μ^(*)＝μ^(**)，并进行步骤

1.4)，否则令μ^(*)＝μ^(**)，

返回步骤1.2)；

1.4).如果满足则算法停止，否则根据上下行的对偶性，利用之前的辅助计算矩阵Q计算出下行功率，利用次梯度法更新η，获得新的辅助变量令μ⁽⁰⁾＝μ^(**)，μ^(*)＝μ⁽⁰⁾，η^(*)＝η^(**)，并返回步骤1.2)，其中，θ为变化的步长，其中为第j个基站参数变化的次梯度值，而

本发明方法应用的对象为多基站多用户通信系统，每个基站包含N个用户，基站有M_j根发射天线。

本发明方法和以往的算法相比，计算复杂度低，反馈量较小，而且获得的能效更高。

附图说明

图1为本发明方法的系统模型；

图2为大规模MISO协同能效发送方法流程图；

图3为不同算法在不同天线数下的能效性能。

图4为不同算法在不同天线数下的合速率性能。

具体实施方式

本发明所基于的基础理论说明：针对功率约束的多用户下行链路系统，以能效最大化为优化目标，定义能效的表达式如下所示：

表示用户m的速率，其单位是比特/秒/赫兹；a_m表示用户速率权重。下行信干噪比定义如下：

因此相应的优化目标定义如下：

利用分数优化，对以上的优化问题进行转化，可以转化为如下的形式：

因此在给定β时，相应的下行优化问题可以转化为：

利用上下行的对偶性，上述优化问题可以转化为如下的虚拟上行优化问题：

在大规模天线系统中可以只利用大尺度信息来近似上行信干噪比，下面推导近似的上行信干噪比，当N趋近无穷时，有以下数学性质：

其中x∈C^N，均值为0且方差为并且独立同分布，而A为H阵且元素与x独立。当考虑A为一个N*M维的矩阵时，若且满足B中元素均值为0，方差为1，且σ_max<∞，可进一步推导得到：

其中ψ(z)＝diag(ψ₁(z),…,ψ_N(z))，其中的元素为一下迭代问题的解：

这一迭代问题也被称为在z处的斯蒂尔杰斯变换。

根据上述的推导可以将虚拟上行信干噪比进行如下的转化：

上行信干噪比满足的方程如下：

令可将相应的优化问题转化为如下的形式：

此时波束设计遵循MMSE准则，MMSE接收滤波器下的最优接收机波束设计如下：

这一问题可以通过几何优化实现快速求解，从而得到优化后的虚拟上行功率，利用上下行的信干噪比相等，可以求解得到下行功率。利用对偶性的上下行信干噪比相等可以表述为：

从而可以利用计算辅助矩阵Q的特征矢量，得到最终的功率分配方案。注意到此时的上行信道信息只采用大尺度信息，因此Q矩阵中G、D的形式也将有所变化，根据之前得到的关于虚拟上行信干噪比的方程，令可以推导出如下的方程：

可对上下行信干噪比相等的方程两边的参数进行推导可知：

为的差分，而其中的φ'_m(q)定义为：

而干扰项的相关定义如下：

因此根据上下行的对偶性，可以得到辅助计算矩阵中的G、D定义如下：

通过求解辅助计算矩阵的特征矢量并进行归一化后，可以得到下行功率的数值。

基于上述理论，本发明考虑的大规模MISO协同能效发送方法，其特征在于，该方法包括以下步骤：

1).通过求解满足信干噪比和功率的约束下的功率最小化问题初始化上行传输功率q⁽⁰⁾。

K为基站数，N为每个基站所服务的用户数，是用户的编号；

w为{w_1,1,…,w_1,N,w_2,1,…,w_K,N},w_m为是基站对用户的波束矢量；和为向下和向上取整；

q为{q_1,1,…,q_1,N,q_2,1,…,q_K,N},q_m为是用户m的虚拟上行功率；

p为{p_1,1,…,p_1,N,p_2,1,…,p_K,N},p_m为是用户m的下行传输功率；

h_m,n为基站与第个基站中的第个用户之间的信道参数；

每个基站天线有M_j根；P_j为第j个基站的发射功率；

为 为是用户m的虚拟上行信干噪比；

为 为是用户m的下行信干噪比；

为基站与第个基站中的第个用户之间的大尺度衰落；

2).令β_max＝1，然后通过q⁽⁰⁾和β_min计算系统的能效，得到ρ^(*)。

β^(*)为满足单基站功率约束和目标信干噪比约束下的最小发射功率之和与总功率之间的比值；β_min与β_max为二分法搜寻β^(*)是的辅助变量；

ρ^(*)为给定的条件下的能效，能效的定义如下：

ξ为功率放大器的效率，P_c为每根天线上的能量损耗，P₀为基本的基站能量损耗。

R为R_m为表示用户m的数据速率。

计算能效时需要使用下行功率，利用上下行的对偶性，可以得到下行功率的转换方法，设计并计算如下的辅助计算矩阵：

其中D、G的定义如下：

其中为算法中的近似辅助变量。

上式中求解上述辅助计算矩阵最大特征值所对应的特征向量对最后一个元素作归一化得到的前个元素就是所求的下行功率。

3).初始化辅助变量λ^(*)，令和q^(*)＝q⁽⁰⁾，通过q^(*)和λ^(*)计算出目标函数值，得到τ^(*)。

为虚拟上行信干噪比的近似值，在大规模天线系统中，根据推导，虚拟上行信干噪比可以只用大尺度衰落信息进行近似，相应的定义如下：

其中表示第个基站到第个基站的第个用户的大尺度衰落。

也可以表示为其中∑_m(z)代表在z点处的斯蒂尔杰斯变换。

相应的上行优化问题(1)如下所示，τ^(*)为优化目标的更新数值：

在上式中，

4).利用q^(*)和λ^(*)求解相应的上行最优化问题，得到优化后的上行功率q^(**)，并计算相应的目标函数值，得到τ^(**)和如果|τ^(**)-τ^(*)|≤η，令q^(*)＝q^(**)和然后进行步骤5)，否则令q^(*)＝q^(**)和然后返回步骤4)。

5).根据MMSE准则更新波束，并根据对偶性得到相应的下行传输功率，判断此时椭圆准则的收敛条件是否满足，如果满足进行步骤6)，否则通过椭圆准则，利用q^(*)和更新辅助变量λ^(*)，并返回步骤4)。利用椭圆准则得出每个辅助变量的变化梯度，然后乘以相应的步长，然后得到更新后的辅助变量。

6).通过和β^(*)计算能效，得到ρ^(**)，判断如果ρ^(**)<ρ^(*)，令β_max＝β^(*)，否则，令ρ^(*)＝ρ^(**)，β_min＝β^(*)。如果|β_min-β_max|≤η，算法结束，否则令并返回步骤3)。

上述方法中的步骤1)中，初始化虚拟上行功率和波束的方法如下所示：

1.1).初始化辅助变量η^(*)>0，μ^(*)＝0和μ⁽⁰⁾＝0。

1.2).更新上行虚拟传输功率μ，更新公式如下：

公式中 表示矩阵Λ_m在z处的斯蒂尔杰斯变换；

η_m为第个基站的虚拟上行噪声方差；

η为{η₁,…,η_K}表示所有基站的虚拟上行噪声方差；

1.3).如果满足令μ^(*)＝μ^(**)，并进行步骤1.4)，否则令μ^(*)＝μ^(**)。返回步骤1.2)。

1.4).如果满足则算法停止，否则根据上下行的对偶性，利用之前的计算辅助矩阵Q计算出下行功率，利用次梯度法更新η，获得新的辅助变量令μ⁽⁰⁾＝μ^(**)，μ^(*)＝μ⁽⁰⁾，η^(*)＝η^(**)，并返回步骤1.2)。，其中，θ为变化的步长，其中为第j个基站参数变化的次梯度值，而

下面对本发明方法与其他方法的性能对比作出说明：

在下面的仿真图中，LSDEEA表示本发明所提的算法，而FSDEEA表示知道完整信道信息下的利用对偶性优化能效的算法，其中每个用户的目标速率在仿真中是等功率分配最大比合并算法所实现的用户速率的80％。图3反映算法的能效特性，在不同的天线数下用户数也是改变的，但是保证天线数与用户数的比值为8，而一共考虑3个小区的情况，从图中可以发现本发明所提的算法与FSDEEA相比，在能效上的差距不大，平均每个用户的能效损失很小，而且随着天线数的增加，这种损失进一步地减小并趋于稳定。而在取得相近能效性能的情况下，本发明所提的算法只需要大尺度衰落信息，在计算量以及反馈上都得到了极大地简化，充分体现了大规模天线系统的优势。图4反映算法的合速率特性，在不同的天线数下用户数也是改变的，但是保证天线数与用户数的比值为8，也考虑3个小区的情况，从图中可以发现本发明所提的算法随着天线数的增加，合速率也能够实现提升，这与实际也是符合的，也保证了在能效提升的同时，不会损失合速率性能。

Claims (2)

1.一种大规模MISO协同能效发送方法，其特征在于，该方法包括以下步骤：

1).通过求解满足信干噪比和功率的约束下的功率最小化问题初始化上行传输功率q⁽⁰⁾；

K为基站数，N为每个基站所服务的用户数，是用户的编号；

w为{w_1,1,…,w_1,N,w_2,1,…,w_K,N},w_m为是基站对用户的波束矢量；和为向下和向上取整；

q为{q_1,1,…,q_1,N,q_2,1,…,q_K,N},q_m为是用户m的虚拟上行功率；

p为{p_1,1,…,p_1,N,p_2,1,…,p_K,N},p_m为是用户m的下行传输功率；

h_m,n为基站与第个基站中的第个用户之间的信道参数；σ_m为用户m的噪声均方差；

每个基站天线有M_j根；P_j为第j个基站的发射功率；

为 为是用户m的虚拟上行信干噪比；

为 为是用户m的下行信干噪比；

为基站与第个基站中的第个用户之间的大尺度衰落；

2).令β_max＝1，然后通过q⁽⁰⁾和β_min计算系统的能效，得到ρ^(*)；

β^(*)为满足单基站功率约束和目标信干噪比约束下的最小发射功率之和与总功率之间的比值；β_min与β_max为二分法搜寻β^(*)时的辅助变量；

ρ^(*)为给定的条件下的能效，能效的定义如下：

$g(w,p,\mathrm{\&beta;})=\frac{\underset{m=1}{\overset{\stackrel{\&OverBar;}{N}}{\&Sigma;}}{a}_m{R}_m}{\mathrm{\&xi;}\mathrm{\&beta;}\underset{j=1}{\overset{K}{\&Sigma;}}{P}_j+\underset{j=1}{\overset{K}{\&Sigma;}}(M_j{P}_c+P_0)}$

ξ为功率放大器的效率，P_c为每根天线上的能量损耗，P₀为基本的基站能量损耗，a_m表示用户m的速率权重；

R为R_m为表示用户m的数据速率；β为辅助变量；

计算能效时需要使用下行功率，利用上下行的对偶性，可以得到下行功率的转换方法，设计并计算如下的辅助计算矩阵：

$Q(w,\mathrm{\&lambda;},\stackrel{\&LeftArrow;}{\mathrm{\&gamma;}},P_{max})=\left(\begin{array}{cc}DG& D{1}_{\stackrel{\&OverBar;}{N}}\\ \frac{1}{P_{max}}{\mathrm{\&lambda;}}^{T}DG& \frac{1}{P_{max}}{\mathrm{\&lambda;}}^{T}D{1}_{\stackrel{\&OverBar;}{N}}\end{array}\right)$

其中D、G的定义如下：

其中为算法中的近似辅助变量；

上式中求解上述辅助计算矩阵最大特征值所对应的特征向量对最后一个元素作归一化得到的前个元素就是所求的下行功率；

表示第个基站的发射天线数；

3).初始化辅助变量λ^(*)，令和q^(*)＝q⁽⁰⁾，通过q^(*)和λ^(*)计算出目标函数值，得到τ^(*)；

为虚拟上行信干噪比的近似值，在大规模天线系统中，根据推导，虚拟上行信干噪比可以只用大尺度衰落信息进行近似，相应的定义如下：

也可以表示为其中∑_m(z)代表在z点处的斯蒂尔杰斯变换；

相应的上行优化问题(1)如下所示，τ^(*)为优化目标的更新数值：

$\underset{m=1}{\overset{\stackrel{\&OverBar;}{N}}{\&Sigma;}}{q}_m\&le;\underset{j=1}{\overset{K}{\&Sigma;}}({\mathrm{\&lambda;}}_j+{\mathrm{\&beta;\&lambda;}}_{K+1})P_j$

在上式中，

4).利用q^(*)和λ^(*)求解相应的上行优化问题(1)，得到优化后的上行功率q^(**)，并计算相应的目标函数值，得到τ^(**)和如果|τ^(**)-τ^(*)|≤η，令q^(*)＝q^(**)和然后进行步骤5)，否则令q^(*)＝q^(**)和然后返回步骤4)；

5).根据MMSE准则,即最小均方误差准则更新波束，并根据对偶性得到相应的下行传输功率，判断此时椭圆准则的收敛条件是否满足，如果满足进行步骤6)，否则利用q^(*)和更新辅助变量λ^(*)，利用椭圆准则得出每个辅助变量的变化梯度，然后乘以相应的步长，得到更新后的辅助变量λ^(*)，并返回步骤4)；

6).通过和β^(*)计算能效，得到ρ^(**)，判断如果ρ^(**)<ρ^(*)，令β_max＝β^(*)，否则，令ρ^(*)＝ρ^(**)，β_min＝β^(*)；如果|β_min-β_max|≤η，其中η为给定的停止阈值，算法结束，否则令并返回步骤3)。

2.根据权利要求1所述的大规模MISO协同能效发送方法，其特征在于，上述方法的步骤1)中，初始化虚拟上行功率和波束的方法包括如下步骤：

1.1).初始化辅助变量η^(*)>0，μ^(*)＝0和μ⁽⁰⁾＝0；

1.2).更新上行虚拟传输功率μ，更新公式如下：

公式中 表示矩阵Λ_m在z处的斯蒂尔杰斯变换；

η_m为第个基站的虚拟上行噪声方差；

η为{η₁,…,η_K}表示所有基站的虚拟上行噪声方差；

1.3).如果满足其中为给定的停止阈值，令μ^(*)＝μ^(**)，并进行步骤1.4)，否则令μ^(*)＝μ^(**)，

返回步骤1.2)；

1.4).如果满足则算法停止，否则根据上下行的对偶性，利用之前的辅助计算矩阵Q计算出下行功率，利用次梯度法更新η，获得新的辅助变量令μ⁽⁰⁾＝μ^(**)，μ^(*)＝μ⁽⁰⁾，η^(*)＝η^(**)，并返回步骤1.2)，其中，θ为变化的步长，其中为第j个基站参数变化的次梯度值，而

$S_{\mathrm{\&eta;}}=\{\mathrm{\&eta;}:\mathrm{\&eta;}>0,\underset{j=1}{\overset{K}{\&Sigma;}}(1-{\mathrm{\&eta;}}_j)P_j=0\}.$