CN104812047A - 下一代WiFi中基于干扰代价信息的多小区功率分配方法 - Google Patents

Abstract

本发明公开了下一代WiFi中基于干扰代价信息的多小区功率分配方法，包括如下步骤：获取信道信息，建立用户信道容量与基站功率的函数关系，并结合负载信息建立各小区内用户的频道分配矩阵；以最大化系统吞吐量为目标，建立优化目标函数和约束条件，用KKT方法求得最优的功率分配方案；根据最优解，结合频道分配矩阵，对小区进行功率分配，并迭代更新干扰代价信息。本发明提出的基于干扰代价信息的多小区功率分配方法能有效地协调小区间同频干扰，在满足用户服务质量的同时最大化系统吞吐量。

Description

下一代WiFi中基于干扰代价信息的多小区功率分配方法

技术领域

本发明属于移动通信领域，尤其是一种下一代WiFi中基于干扰代价信息的多小区功率分配方法。

背景技术

随着WiFi网络的广泛应用，为了适应人们对WiFi网络的速度、信号等性能的需求，WiFi技术也经历了多次变革。在IEEE 802.11ac即将成为主流之际，IEEE也展开下一代WiFi标准802.11ax的制定。802.11ax传输速率可达10.53Gbps，是现今的IEEE 802.11ac标准传输速度的10倍。802.11ax标准将使用正交频分多址接入(OFDMA，OrthogonalFrequency Division Multiple Access)技术来提升频谱效率、更好地管理串扰，从而提升多用户环境下的WiFi性能。

OFDMA技术因满足小区内不同用户的子载波具有相互正交性，在完全同步的情况下可有效避免小区内干扰。除小区内干扰以外，OFDMA接入系统还存在小区间干扰。OFDMA系统相同频率的子载波由于在不同小区内复用，将有可能带来严重的小区间干扰问题。随着用户对高速率、高质量无线业务需求的增大，如何对下一代无线通信系统的小区间干扰进行有效抑制已经成为了亟待解决的问题之一。

功率协调是解决小区间干扰的有效手段。最初，针对OFDMA系统的功率协调算法主要基于单小区系统，使得单小区内的用户效用达到最佳，典型的算法包括注水算法、贪婪算法等。随着频率复用因子的减小，现在已经发展到多小区功率分配协调。在多小区OFDMA系统中，因小区内不同用户的子载波相互正交，有效避免了小区内干扰，然而同频子载波在不同小区的复用将会给系统带来严重的小区间干扰。

因此，亟需设计一种多小区功率分配方案，来解决下一代WiFi中的小区间同频干扰问题。

发明内容

发明目的：提供一种下一代WiFi中基于干扰代价信息的多小区功率分配方法，以解决现有技术存在的上述问题。

技术方案：

下一代WiFi中基于干扰代价信息的多小区功率分配方法，包括如下步骤：

S1、获取信道信息，建立用户信道容量与基站功率的函数关系，并结合负载信息建立各小区内用户的频道分配矩阵；

S2、以最大化系统吞吐量为目标，建立优化目标函数和约束条件，用KKT方法求得最优的功率分配方案；

S3、根据最优解，结合频道分配矩阵，对小区进行功率分配，并迭代更新干扰代价信息。

在进一步的实施例中，所述步骤S1进一步为：

以待研究小区(M)OFDMA系统为研究对象，并设定有S个子载波，用Χ和S表示小区集合和子载波集合，

S11、将小区m中用户k在子载波s上的信号与干扰加噪声比表示为：

${\mathrm{\ω}}_{k,s}^m\left(p\right)=\frac{p_{k,s}^m{h}_{k,s}^m}{N_0+\underset{m^{\′}\∈A_m}{\mathrm{\Σ}}{h}_{k,s}^{m^{\′}}{p}_s^{m^{\′}}},$

式中，小区功率矩阵表示小区m的基站的功率分配策略，

表示小区m中用户k在子载波s上的传输功率，

表示小区m在子载波s上的总传输功率，

系统功率矩阵p＝[p¹,...,p^M]表示整个系统的功率分配方案，

表示用户k和小区m的基站在子载波s上的信道增益，

A_m表示对小区m造成干扰的相邻小区的集合，

表示主要干扰小区在子载波s上对用户k的干扰，N₀是噪声功率；

S12、采用M元正交幅度调制进行调制，用户k在子载波s的最大传输速率是：

${\mathrm{\γ}}_{k,s}^m\left(p\right)=f\left({\mathrm{\ω}}_{k,s}^m\left(p\right)\right)={\log }_2(1+\frac{{\mathrm{\ω}}_{k,s}^m\left(p\right)}{T})$

公式中的T＝-ln(5BER)/1.5表示的是误码率差距，用户k的最大传输速率 ${\mathrm{\γ}}_k^m\left(p\right)=\underset{s\∈S}{\mathrm{\Σ}}{\mathrm{\γ}}_{k,s}^m\left(p\right);$

单位时间t内小区m的用户k在子载波s上可传输的数据：

$F_k^m=\min (q_k^m,t*{\mathrm{\γ}}_{k,s}^m)$

其中t表示一个单位时间，小区m的用户的负载情况用矩阵来表示，表示小区m的用户k的负载情况，K_m表示小区m的用户数，

S13、构建频道分配矩阵

其中Ψ_m表示小区m所有用户的集合，k＝(k¹,k²,...,k_m)代表各个小区的用户频道分配矩阵。

在进一步的实施例中，所述步骤S2进一步为：

目标函数为： $\max \underset{m\∈X}{\mathrm{\Σ}}\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}{\mathrm{\γ}}_k^m\left(p\right)$

约束条件：小区内用户的总功率不得超过基站的最大功率，

$\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}\underset{s\∈S}{\mathrm{\Σ}}{p}_{k,s}^m\≤p_{\max },\∀m\∈X,$

用户的功率必须大于0， $0\≤p_{k,s}^m,\∀m\∈X,k\∈{\mathrm{\Ψ}}_m,s\∈S,$

求得的最优解为：

式中，p为整个系统的功率分配矩阵，为整个系统的吞吐量，

为小区m中用户k的最大传输速率。

在进一步的实施例中，所述步骤S3进一步为：

S31、某小区(m)进行频道分配：遍历该小区(m)的所有频道，将频道分配给可传输数据最多的用户，最后得到用户频道分配矩阵；

S32、根据用户频道分配矩阵，结合功率分配最优解，对各个频道进行功率分配；

S33、根据功率分配结果更新干扰代价信息：遍历该小区(m)的主要干扰小区，更新小区(m)对其他小区的干扰代价信息；再根据更新其他小区对该小区(m)的干扰代价信息；

S34、根据功率分配结果传输数据，如果本次迭代用户的数据已经传输完，则该方法结束；否则从步骤S31开始下次迭代，从而更新频道分配、功率分配和干扰代价信息。

该方法是迭代运算过程，每次迭代时每个小区先通过干扰小区的干扰代价信息来做功率分配，然后再更新本小区对其他小区的干扰代价信息和其他小区对本小区的干扰代价信息。通过将小区间干扰转化为干扰代价信息，使得该方法可以智能地协调系统中的同频干扰。

下一代WiFi中基于干扰代价信息的多小区功率分配方法，各小区复用全部频率资源，小区内用户工作在正交的频道上，每个小区将本小区受到的干扰转化为干扰代价信息并广播到网络中，再根据其他小区的干扰代价信息来量化干扰强度；以系统吞吐量为目标，将基于干扰协调的功率分配问题建立成一个优化问题，采用KKT(Karush-Kuhn-Tucker)方法求解，最优的功率分配遵循注水原理。

在进一步的实施例中，小区内用户工作在正交的频道上，各小区复用系统资源，每个小区将本小区受到的干扰转化为干扰代价信息并广播到网络中，再根据其他小区的代价信息来量化干扰强度。

有益效果：本发明提出的基于干扰代价信息的多小区功率分配方法能有效地协调小区间同频干扰，在满足用户服务质量的同时最大化系统吞吐量。

附图说明

图1是本发明的多小区功率分配方法流程图。

图2是本发明的用户频道分配流程图。

图3是本发明的干扰代价信息更新流程图。

具体实施方式

结合图1描述本发明的多小区功率分配方法流程。

步骤一、初始化：获取信道信息，建立用户信道容量与基站功率的函数关系，并结合负载信息，建立各个的用户频道分配矩阵。该步骤具体如下：

考虑多小区的下行通信系统。以一个M小区的OFDMA系统为研究对象，假设有S个子载波，Χ和S分别表示小区集合和子载波集合，Ψ_m表示小区m所有用户的集合。

假设所有小区共享一个总的带宽B，因此相邻小区间存在同频干扰。小区功率矩阵表示小区m的基站的功率分配策略，表示小区m中用户k在子载波s上的传输功率，表示小区m在子载波s上的总传输功率，系统功率矩阵p＝[p¹,...,p^M]表示整个系统的功率分配方案。给定功率分配方案p，则小区m中用户k在子载波s上的信号与干扰加噪声比(信干噪比)可以表示为：

${\mathrm{\ω}}_{k,s}^m\left(p\right)=\frac{p_{k,s}^m{h}_{k,s}^m}{N_0+\underset{m^{\′}\∈A_m}{\mathrm{\Σ}}{h}_{k,s}^{m^{\′}}{p}_s^{m^{\′}}}---\left(1\right)$

为信道信息，表示用户k和小区m的基站在子载波s上的信道增益，A_m表示对小区m造成干扰的相邻小区的集合，为了简化起见，本发明只考虑主要干扰小区(即干扰最大和次大的小区)的干扰，其他小区的忽略不计。假如最大或次大的小区不止一个，则它们都需要考虑。举个例子，在L个小区中，其他小区对小区l的干扰为假如最大，次大，则k₁和k₂为主要干扰小区；假如为最大，和都为次大，则k₁、k₂和k₃为主要干扰小区。因此表示主要干扰小区在子载波s上对用户k的干扰，N₀是噪声功率。

假如使用M元正交幅度调制(QAM)进行调制，则用户k在子载波s的最大传输速率是：

${\mathrm{\γ}}_{k,s}^m\left(p\right)=f\left({\mathrm{\ω}}_{k,s}^m\left(p\right)\right)={\log }_2(1+\frac{{\mathrm{\ω}}_{k,s}^m\left(p\right)}{T})---\left(2\right)$

公式中的T＝-ln(5BER)/1.5表示的是误码率(BER)差距。用户k的最大传输速率 ${\mathrm{\γ}}_k^m\left(p\right)=\underset{s\∈S}{\mathrm{\Σ}}{\mathrm{\γ}}_{k,s}^m\left(p\right).$

假设小区m的用户的负载情况用矩阵来表示，表示小区m的用户k的负载情况，K_m表示小区m的用户数。定义如下：

$F_k^m=\min (q_k^m,t*{\mathrm{\γ}}_{k,s}^m)---\left(3\right)$

t表示一个单位时间，表示单位时间t内小区m的用户k在子载波s上可传输的数据。定义频道分配矩阵k_s是通过下面的公式来选择的，

$k_s=\underset{k\∈{\mathrm{\Ψ}}_m}{\arg \max }{F}_k^m---\left(4\right)$

如图2所示，描述小区的用户频道分配流程，k^m就是所求的小区m的用户频道分配矩阵。k＝(k¹,k²,...,k^m)代表各个小区的用户频道分配矩阵。

以最大化系统吞吐量为目标，建立优化目标函数和约束条件，用KKT方法求得最优的功率分配方案。具体的数学模型为：

$\max \underset{m\∈X}{\mathrm{\Σ}}\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}{\mathrm{\γ}}_k^m\left(p\right)---\left(5\right)$

约束条件：

$\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}\underset{s\∈S}{\mathrm{\Σ}}{p}_{k,s}^m\≤p_{\max },\∀m\∈X---\left(6\right)$

$0\≤p_{k,s}^m,\∀m\∈X,k\∈{\mathrm{\Ψ}}_m,s\∈S---\left(7\right)$

其中(5)式为系统吞吐量的优化目标。(6)式表示小区内用户的总功率不得超过基站的最大功率。(7)式表示的是用户的功率必须大于0。

问题(5)的最优解满足KKT(Karush-Kuhn-Tucker)两个定理：

定理1：对于问题(5)的所有局部最优解存在唯一的一组非负拉格朗日乘数 ${\mathrm{\λ}}_1^{*},....{\mathrm{\λ}}_M^{*}$ 和 ${\mathrm{\μ}}_{\mathrm{1,1}}^{1^{*}},...,{\mathrm{\μ}}_{k,s}^{m*},..,{\mathrm{\μ}}_{,K_{m,}s}^{M*},$ 使得对于 $\∀m\∈X$ 来说：

$\underset{i\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}\frac{\∂f\left({\mathrm{\ω}}_{i,s}^m\left(p^{*}\right)\right)}{\∂p_{k,s}^m}+\underset{m^{\′}}{\mathrm{\Σ}}\underset{\∈A_{m}i\∈{\mathrm{\Ψ}}_{m^{\′}}}{\mathrm{\Σ}}\frac{\∂f\left({\mathrm{\ω}}_{i,s}^{m^{\′}}\left(p^{*}\right)\right)}{\∂p_{k,s}^m}-{\mathrm{\λ}}_m^{*}+{\mathrm{\μ}}_{k,s}^{m^{*}}=0,\∀k\∈{\mathrm{\Ψ}}_m,\∀s\∈S---\left(8\right)$

${\mathrm{\λ}}_m^{*}(\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}\underset{s\∈S}{\mathrm{\Σ}}{p}_{k,s}^{m^{*}}-p_{\max }=0)---\left(9\right)$

${\mathrm{\μ}}_{k,s}^{m^{*}}{p}_{k,s}^{m^{*}}=0,\∀k\∈{\mathrm{\Ψ}}_m,\∀s\∈S---\left(10\right)$

定理2：由于在同一时间内一个子载波只会分配给一个用户，假设小区m在子载波s上的最大传输功率为则对于k_s∈Ψ_m，如果则

综上所述，对于每个子载波s∈S的最优解如下：

其中表示其他小区对小区m的干扰代价信息，它的求解过程如下：首先定义干扰率 表示小区m在子载波s上每减少一个单位的干扰，小区m'中用户i传输率的增加量，再定义小区m对小区m'的干扰代价信息：

表示小区m在子载波s上每减少一个单位的功率，小区m'吞吐量的增加量。因此可以定义为：

其中I_m表示被小区m干扰的相邻小区集合，表示小区m在子载波s上每减少一个单位的功率，所有被干扰小区吞吐量增加的总和。

根据最优解，结合频道分配矩阵，对小区进行功率分配，并迭代更新干扰代价信息。以小区m的功率分配流程为例，具体步骤如下所示：

1)首先小区m进行频道分配，分配流程如图2所示，具体步骤如下：

首先获取小区m用户的负载矩阵先从第一个频道s＝1开始遍历频道，求得小区m中K_m个用户的可传输数据其中t表示一个单位时间，表示用户k在子载波s的最大传输速率，因此表示单位时间t内小区m的用户k在子载波s上可传输的数据。定义频道分配矩阵k_s是通过下面的公式来选择的，即找到K_m个用户中可传输数据最大的一个用户k_s来分配频道s。遍历完S个频道后得到小区m的的用户频道分配矩阵k^m。

2)根据用户频道分配矩阵，结合公式(11)的功率分配最优解，对各个频道进行功率分配。

3)根据功率分配结果更新干扰代价信息，更新流程如图3所示，具体步骤如下：

先任取小区m的一个主要干扰小区m'∈A_m，先从第一个频道s＝1开始遍历频道，根据公式(12)更新小区m在频道s＝1对小区m'的干扰代价信息遍历所有频道更新小区m对小区m'的干扰代价信息更新完小区m'的干扰代价信息后继续更新下一个小区m'∈A_m，循环执行以上操作直至更新完所有主要干扰小区的干扰代价信息，即之后再根据公式(13)更新其他小区对小区m在所有频道的干扰代价信息

4)根据功率分配结果传输数据，如果本次迭代用户的数据已经传输完，即条件成立，则该方法结束；否则从步骤1)开始下次迭代，从而更新频道分配、功率分配和干扰代价信息。

总之，在本发明中，每个小区将本小区受到的干扰转化为代价信息并广播到整个网络中，再根据其他小区的代价信息来量化干扰强度，通过对功率的调整来最大化本小区的系统吞吐量。该方法通过多次迭代，不断地更新频道分配、功率分配和干扰代价信息，从而能有效地协调同频干扰，在满足用户服务质量的同时最大化系统吞吐量。该方法可以智能地协调小区间干扰。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合,例如步骤间的先后顺序,本文的顺序仅是描述上的顺序,技术人员可以根据情况合理调整。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (7)

1.下一代WiFi中基于干扰代价信息的多小区功率分配方法，其特征在于，包括如下步骤：

S1、获取信道信息，建立用户信道容量与基站功率的函数关系，并结合负载信息建立各小区内用户的频道分配矩阵；

S2、以最大化系统吞吐量为目标，建立优化目标函数和约束条件，用KKT方法求得最优的功率分配方案；

S3、根据最优解，结合频道分配矩阵，对小区进行功率分配，并迭代更新干扰代价信息。

2.如权利要求1所述的下一代WiFi中基于干扰代价信息的多小区功率分配方法，其特征在于，所述步骤S1进一步为：

以待研究小区(M)OFDMA系统为研究对象，并设定有S个子载波，用X和S表示小区集合和子载波集合，

S11、将小区m中用户k在子载波s上的信号与干扰加噪声比表示为：

${\mathrm{\ω}}_{k,s}^m\left(p\right)=\frac{p_{k,s}^m{h}_{k,s}^m}{N_0+\underset{m^{\′}\∈A_m}{\mathrm{\Σ}}{h}_{k,s}^{m^{\′}}{p}_s^{m^{\′}}},$

式中，小区功率矩阵表示小区m的基站的功率分配策略，

表示小区m中用户k在子载波s上的传输功率，

表示小区m在子载波s上的总传输功率，

系统功率矩阵=＝[p¹，...，p^M]表示整个系统的功率分配方案，

表示用户k和小区m的基站在子载波s上的信道增益，

A_m表示对小区m造成干扰的相邻小区的集合，

表示干扰小区在子载波s上对用户k的干扰，N₀是噪声功率；

S12、采用M元正交幅度调制进行调制，用户k在子载波s的最大传输速率是：

${\mathrm{\γ}}_{k,s}^m\left(p\right)=f\left({\mathrm{\ω}}_{k,s}^m\left(p\right)\right)={\log }_2(1+\frac{{\mathrm{\ω}}_{k,s}^m\left(p\right)}{T})$

公式中的T＝-ln(5BER)/1.5表示的是误码率差距，用户k的最大传输速率 ${\mathrm{\γ}}_k^m\left(p\right)=\underset{s\∈S}{\mathrm{\Σ}}{\mathrm{\γ}}_{k,s}^m\left(p\right);$

单位时间t内小区m的用户k在子载波s上可传输的数据：

$F_k^m=\min (q_k^m,t*{\mathrm{\γ}}_{k,s}^m)$

其中t表示一个单位时间，小区m的用户的负载情况用矩阵来表示，表示小区m的用户k的负载情况，K_m表示小区m的用户数，

S13、构建频道分配矩阵 $k^m=(k_l^m,...,k_s^m,...,k_S^m),$

其中Ψ_m表示小区m所有用户的集合，k＝(k¹,k²,...,k_m)代表各个小区的用户频道分配矩阵。

3.如权利要求2所述的下一代WiFi中基于干扰代价信息的多小区功率分配方法，其特征在于，所述步骤S2进一步为：

目标函数为： $\max \underset{m\∈X}{\mathrm{\Σ}}\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}{\mathrm{\γ}}_k^m\left(p\right)$

约束条件：小区内用户的总功率不得超过基站的最大功率，

$\underset{k\∈{\mathrm{\Ψ}}_m}{\mathrm{\Σ}}\underset{s\∈S}{\mathrm{\Σ}}{p}_{k,s}^m\≤p_{\max },\∀m\∈X,$

用户的功率必须大于0， $0\≤p_{k,s}^m,\∀m\∈X,k\∈{\mathrm{\Ψ}}_m,s\∈S,$

求得的最优解为：

式中，p为整个系统的功率分配矩阵，为整个系统的吞吐量，

为小区m中用户k的最大传输速率。

4.如权利要求3所述的下一代WiFi中基于干扰代价信息的多小区功率分配方法，其特征在于，所述步骤S3进一步为：

S31、对某小区(m)进行频道分配：遍历该小区(m)的所有频道，将频道分配给可传输数据最多的用户，最后得到用户频道分配矩阵；

S32、根据用户频道分配矩阵，结合功率分配最优解，对各个频道进行功率分配；

S33、根据功率分配结果更新干扰代价信息：遍历该小区(m)的主要干扰小区，更新小区(m)对其他小区的干扰代价信息；再根据更新其他小区对该小区(m)的干扰代价信息；

S34、根据功率分配结果传输数据，如果本次迭代用户的数据已经传输完，则该方法结束；否则从步骤S31开始下次迭代，从而更新频道分配、功率分配和干扰代价信息。

5.下一代WiFi中基于干扰代价信息的多小区功率分配方法，其特征在于：各小区复用全部频率资源，小区内用户工作在正交的频道上，每个小区将本小区受到的干扰转化为干扰代价信息并广播到网络中，再根据其他小区的干扰代价信息来量化干扰强度；以系统吞吐量为目标，将基于干扰协调的功率分配问题建立成一个优化问题，采用KKT方法求解，最优的功率分配遵循注水原理。

6.如权利要求5所述的基于干扰代价信息的多小区功率分配方法，其特征在于：小区内用户工作在正交的频道上，各小区复用系统资源，每个小区将本小区受到的干扰转化为干扰代价信息并广播到网络中，再根据其他小区的代价信息来量化干扰强度；

定义小区m对小区m'的干扰代价信息为它表示小区m在子载波s上每减少一个单位的功率，整个小区m'吞吐量的增加量，因此小区m对相邻小区的干扰代价信息可以表示为I_m表示被小区m干扰的相邻小区集合，表示小区m在子载波s上每减少一个单位的功率，所有被干扰小区吞吐量增加的总和，因此可以用表示本小区在子载波s上对其他小区的干扰强度，为小区m在子载波s上的传输功率。

7.如权利要求5所述的基于干扰代价信息的多小区功率分配方法，其特征在于：以最大化系统吞吐量为目标，将基于干扰协调的功率分配问题建立成一个优化问题，采用KKT(Karush-Kuhn-Tucker)方法求解，最优的功率分配遵循注水原理；

首先定义小区m中用户k的最大传输速率为p为整个系统的功率分配矩阵，表示整个系统的吞吐量，则可以建立数学模型：约束条件为：①小区内用户的总功率不得超过基站的最大功率，②用户的功率必须大于0，通过KKT求得的最优解为：

其中,为其他小区对小区m的干扰代价信息。