CN105072632A - 一种mimo分布式基站系统中能量效率最优化的方法 - Google Patents

Abstract

本发明公开了一种单用户MIMO分布式基站系统能量效率最优化方法：首先，建立给定远程接入点集合下的能量效率最优化问题模型，并将所述问题模型转化为速率最大化问题、没有速率约束下能效最优化问题和有速率约束下功率最小化问题的三个子问题进行求解，得到发送协方差的最优解和最大能量效率；然后，根据用户与接入点距离从小到大的顺序依次将接入点纳入激活接入点集合，基于能量效率最优化问题模型求解最大能量效率，确定最终选择给用户发送信息的接入点集合。本发明能够解决单用户MIMO分布式基站系统中基站发送预编码设计问题以及如何选择合适的分布式接入点使得系统的能量效率最大化问题，能快速收敛到最优解。

Description

一种MIMO分布式基站系统中能量效率最优化的方法

技术领域

本发明属于移动通信系统中的网络技术领域，尤其涉及一种移动通信网络中能量效率最优化问题。

背景技术

作为移动通信网络设计中要的性能指标之一，频谱效率在过去几十年间已被广泛研究，而MIMO分布式天线系统能大大提高系统的频谱效率。然而，由于能量短缺以及温室效应，能量效率成为移动通信网络的一个新的研究热点。而MIMO分布式天线中的能效最优化问题是一个非凸问题，在现有的技术中很难求得其最优解。

发明内容

发明目的：本发明的目的在于针对现有技术存在的不足，提供一种MIMO分布式基站系统中能量效率最优化的方法，该方法一方面解决了选择远程接入点的问题：选择一部分远程接入点进行信息传输，并不是采用远程接入点全开的方式；另一方面，在给定激活远程接入点集合的情况下，给出了一种求解能效最优化的问题。

技术方案：为实现上述发明目的，本发明采取的技术方案如下：

一种MIMO分布式基站系统中能量效率最优化的方法，包括如下步骤：

(1)建立给定远程接入点集合下的能量效率最优化问题模型，并将所述问题模型转化为三个子问题进行求解，得到满足远程端口最大发送功率约束和用户最小速率约束下使得用户能效最大的发送协方差的最优解和对应的最大能量效率值，所述三个子问题为：满足远程端口最大发送功率约束下最大化用户速率问题(P1)，满足远程端口最大发送功率约束下最大化能效问题(P2)，以及满足用户最小速率约束和远程端口最大发送功率约束下功率最小化问题(P3)；

(2)将用户到远程接入点的距离按照从小到大的顺序排列，每次将距离用户最小的接入点纳入激活接入点集合，采用步骤(1)的方法基于给定激活接入点集合计算得到对应的能量效率，直到增加的接入点使得接入点集合对应的能量效率降低，得到的最大能量效率对应的接入点集合即为最终选择给用户发送信息的接入点集合。

具体地，所述给定远程接入点集合下的能量效率最优化问题模型可表示为

其中，表示激活远程接入端口到用户的信道矩阵，R_min为用户的最小速率需求，为系统的硬件总功耗，为所有激活接入点给用户的发送信号的相关矩阵，表示在满足每个远程接入点最大发送功率约束条件下的可行解集合，A为集合中接入点总个数，为第s_i个接入点的天线数。

进一步地，基于上述能量效率最优化问题模型，所述三个子问题分别表示为：

对所述三个子问题进行求解的步骤包括：

(1.1)求解(P1)得到满足接入点功率约束下使得用户速率最大的发送协方差如果则进入步骤(1.2)，否则问题不可解；

(1.2)求解(P2)得到满足接入点功率约束下使得用户能效最大的发送协方差如果则即是给定远程接入点集合下能量效率最优化问题的最优解；否则进入步骤(1.3)；

(1.3)求解问题(P3)得到满足接入点功率和用户速率约束下使得用户能效最大的发送协方差即为给定远程接入点集合下能量效率最优化问题的最优解。

进一步地，所述步骤(1.1)中求解问题(P1)的方法为：将问题(P1)优化模型转化为拉格朗日函数对偶函数优化模型，最优解表示为其中，λ_i为拉格朗日因子，U为对矩阵进行奇异值分解得到的特征向量组成的矩阵，Λ＝diag{q₁,…,q_r}为r个子信道上的发送功率组成的对角矩阵；通过迭代算法求得最优解具体包括：

(1.1.1)令迭代次数初值n＝0，随机产生拉格朗日因子λ⁽⁰⁾＝[λ₁,…,λ_A]使得矩阵 $B={\mathrm{\Σ}}_{i=1}^A{\mathrm{\λ}}_i{B}_i\≥0;$

(1.1.2)计算用户发送协方差

(1.1.3)计算次梯度步长

(1.1.4)更新u⁽ⁿ⁾＝1/n，如果收敛，则停止迭代，得到的即为最优解否则进入步骤(1.1.2)，ε为设定的收敛阈值。

进一步地，所述步骤(1.2)中求解问题(P2)的方法为：将问题(P2)优化模型转化为函数通过迭代算法求得最优解具体包括：

(1.2.1)令迭代次数n＝0，设置初始值η⁽⁰⁾，使得G(η⁽⁰⁾)＝0；

(1.2.2)采用所述步骤(1.1.1)至(1.1.4)的方法计算得到此时步骤(1.1.1)至(1.1.4)中的矩阵B替代为

(1.2.3)更新如果|η⁽ⁿ⁺¹⁾-η⁽ⁿ⁾|≤ε收敛，则停止迭代，得到的即为最优解否则进入步骤(1.2.2)。

进一步地，所述步骤(1.3)中求解问题(P3)的步骤包括：

(1.3.1)记η^*＝η⁽ⁿ⁺¹⁾，其中η⁽ⁿ⁺¹⁾为求解(P2)算法产生的结果，令迭代次数n＝1，初始化u^max＝η^*，u^min＝0，u⁽¹⁾＝(u^max+u^min)/2，；

(1.3.2)采用所述步骤(1.1.1)至(1.1.4)的方法计算得到此时步骤(1.1.1)至(1.1.4)中的矩阵B替代为如果则停止迭代；否则，令u^max＝u⁽ⁿ⁾，u⁽ⁿ⁺¹⁾＝(u^max+u^min)/2，重复步骤(1.3.2)进行迭代。

进一步地，所述步骤(2)中具体包括：

(2.1)设置初始的能量效率EE_opt＝0，问题可行标志flag＝0，最优的接入点集合为激活的接入点个数A＝1；将接入点到用户的距离d_i按照递增的顺序排列，即d_π(1)≤…≤d_π(I),π(i)代表离用户第i近的接入点的索引，I为远程接入点总个数；

(2.2)令激活接入点集合来自激活接入点的信道矩阵为

(2.3)在给定情况下，通过采用所述步骤(1.1)至(1.3)的方法求解能效最大化问题，得到最优解，如果最优化问题不可解，那么令否则，令flag＝1，根据最优解计算得到

(2.4)如果令否则，终止，得到最终选择给用户发送信息的接入点集合

(2.5)如果A＜I,令A＝A+1,跳到步骤(2.2)；否则进入步骤(2.6)；

(2.6)如果flag＝0，令基于求解速率最大化问题(P1),计算相应的并将所有接入点打开；否则，终止。

有益效果：与现有技术相比，本发明求解了分布式基站系统在用户速率约束和分布式接入点功率限制条件下的能效最优化问题，并提出一种新型的基于距离的接入点选择方案，方法简单，能快速收敛到最优解，并且结果精确。

附图说明

图1是MIMO分布式基站系统的网络结构图。

具体实施方式

下面对本发明技术方案进行详细说明，但本发明的保护范围不局限于所述实施实例。

本发明实施例公开了一种MIMO分布式基站系统中能量效率最优化的方法。如图1所示，

我们考虑一个下行的单用户分布式基站中有I个远程接入点，和1个用户。当远程接入点数目小于6时，第j个接入点的位置为(rcos(2π(j-1)/I)),rsin(2π(j-1)/I)),j＝1,2,…,I，其中r＝2Rsin(π/I)/(3π/I),否则第一个远程接入点位于小区中心(0,0)，其他I-1个接入点位于(rcos(2π(j-1)/(I-1))),rsin(2π(j-1)/(I-1))),j＝2,…,I。

本发明实施例的能量效率最优化的方法主要包括两个部分，首先在给定激活接入点集合下，提出了一种低复杂度的发送预编码最优设计方案，该方案将能效最优化问题转化为三个子问题进行求解(速率最大化问题，没有速率约束下能效最优化问题，有速率约束下功率最小化问题)，通过迭代求解最优的发送预编码方案(即所有激活接入点给用户的发送信号的相关矩阵的最优解)；然后提出了一种基于距离的新型的低复杂度分布式接入点选择算法。具体的，本发明实施例的方法主要包括如下步骤：

(1)给定远程接入点集合下的能量效率最优化问题可以表示为

其中，表示激活远程接入端口到用户的信道矩阵，R_min为这个用户的最小和速率需求，为激活的远程接入点总个数，系统的硬件总功耗为所有激活的天线总数，为第s_i个接入点的天线数，p_c为每根天线对应的射频链路功率损耗，p₀为每个远程接入端口的静态链路损耗，为所有激活接入点给用户的发送信号的相关矩阵，表示满足每个远程接入点最大发送功率约束下的可行解集合，

我们将上述能量效率最优化问题转化为求解如下三个辅助的子问题：满足远程端口最大发送功率限制下最大化用户速率问题(P1)，满足远程端口最大发送功率限制下最大化能效最优化问题(P2)，以及用户最小速率约束和远程端口最大发送功率约束下功率最小化问题(P3)。所述的三个子问题分别表示为：

那么求解给定激活接入点集合下的能效优化问题可以分为以下步骤求解：

(1.1)求解(P1)得到满足接入点功率约束下使得用户速率最大的发送协方差如果则进入步骤(1.2)，否则问题不可解；

(1.2)求解(P2)得到满足接入点功率约束下使得用户能效最大的发送协方差如果则即是给定远程接入点集合下能量效率最优化问题的最优解；否则进入步骤(1.3)；

(1.3)求解问题(P3)得到满足接入点功率和用户速率约束使得用户能效最大的发送协方差即为给定远程接入点集合下能量效率最优化问题的最优解。

(2)将用户到远程接入点的距离按照从小到大的顺序排列，每次将距离用户最小的接入点纳入激活接入点集合，用步骤(1)的方法计算能量效率，直到增加的接入点使得能量效率降低，得到的接入点集合即为最终选择给用户发送信息的接入点集合。

上述步骤(1)中对三个子问题进行求解的步骤包括：

(2.1)求解问题(P1)的步骤

对矩阵进行奇异值分解其中其中λ_i为拉格朗日因子，U为特征向量组成的矩阵，D＝diag{d₁,…,d_r}为矩阵的特征值组成的对角矩阵，首先定义矩阵Λ＝diag{q₁,…,q_r}为r个子信道上的发送功率组成的对角矩阵，其中每个对角元素为然后下面给出问题(P1)求解的详细步骤：

第一步、迭代次数初值n＝0，随机产生拉格朗日因子λ⁽⁰⁾＝[λ₁，…,λ_A]使得矩阵 $B={\mathrm{\Σ}}_{i=1}^A{\mathrm{\λ}}_i{B}_i\≥0;$

第二步、计算用户发送协方差

第三步、计算次梯度步长

第四步、更新 ${\mathrm{\λ}}_i^{(n+1)}=\[{\mathrm{\λ}}_i^{\left(n\right)}-u^{\left(n\right)}{s}_i^{\left(n\right)}\],\∀i,$ u⁽ⁿ⁾＝1/n，如果 $|{\mathrm{\λ}}_i^{\left(n\right)}-{\mathrm{\λ}}_i^{(n+1)}|\≤\mathrm{\ϵ},\∀i$ 收敛，则停止迭代，否则重复第二步。

(2.2)求解问题(P2)的步骤

定义函数那么求解问题(P2)的具体算法流程为：

第一步、设置初始值η⁽⁰⁾，使得G(η⁽⁰⁾)＝0，迭代次数n＝0；

第二步、用问题(P1)的算法得到此时矩阵B替代为

第三步、更新如果|η⁽ⁿ⁺¹⁾-η⁽ⁿ⁾|≤ε收敛，否则重复第二步。

(2.3)求解问题(P3)的步骤

记η^*＝η⁽ⁿ⁺¹⁾，其中η⁽ⁿ⁺¹⁾为求解(P2)算法产生的结果。

那么求解问题(P3)的具体方法如下：

第一步、初始化u^max＝η^*，u^min＝0，u⁽¹⁾＝(u^max+u^min)/2，此时迭代次数n＝1；

第二步、用问题(P1)的算法求解G(u⁽ⁿ⁾)得到此时矩阵B替代为如果则停止迭代；否则，u^max＝u⁽ⁿ⁾，u⁽ⁿ⁺¹⁾＝(u^max+u^min)/2。重复进行第二步。

其中步骤(2)的具体方法如下：

设置初始的能量效率EE_opt＝0，问题可行标志flag＝0，最优的接入点集合为激活的接入点个数A＝1。将接入点到用户的距离d_i按照递增的顺序排列，即d_π(1)≤…≤d_π(I),π(i)代表离用户第i近的接入点的索引。

第一步、令来自激活接入点的信道矩阵为

第二步、在给定情况下，通过步骤一的方法求解能效最大化问题。如果最优化问题不可解，那么令否则，flag＝1，计算得到

第三步、如果令否则，终止；

第四步、如果A＜I,令A＝A+1,跳到第一步；否则进行第五步；

第五步、如果flag＝0，令基于求解速率最大化问题(P1),计算相应的并将所有接入点打开；否则，终止。

以上所述发明仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干可以预期的改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种MIMO分布式基站系统中能量效率最优化的方法，其特征在于，包括如下步骤：

(1)建立给定远程接入点集合下的能量效率最优化问题模型，并将所述问题模型转化为三个子问题进行求解，得到满足远程端口最大发送功率约束和用户最小速率约束下使得用户能效最大的发送协方差的最优解和对应的最大能量效率值，所述三个子问题为：满足远程端口最大发送功率约束下最大化用户速率问题(P1)，满足远程端口最大发送功率约束下最大化能效问题(P2)，以及满足用户最小速率约束和远程端口最大发送功率约束下功率最小化问题(P3)；

(2)将用户到远程接入点的距离按照从小到大的顺序排列，每次将距离用户最小的接入点纳入激活接入点集合，采用步骤(1)的方法基于给定激活接入点集合计算得到对应的能量效率，直到增加的接入点使得接入点集合对应的能量效率降低，得到的最大能量效率对应的接入点集合即为最终选择给用户发送信息的接入点集合。

2.根据权利要求1所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述给定远程接入点集合下的能量效率最优化问题模型表示为

其中，表示激活远程接入端口到用户的信道矩阵，R_min为用户的最小速率需求，为系统的硬件总功耗，为所有激活接入点给用户的发送信号的相关矩阵，表示在满足每个远程接入点最大发送功率约束条件下的可行解集合，A为集合中接入点总个数，为第s_i个接入点的天线数。

3.根据权利要求2所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述三个子问题分别表示为：

对所述三个子问题进行求解的步骤包括：

(1.1)求解(P1)得到满足接入点功率约束下使得用户速率最大的发送协方差如果则进入步骤(1.2)，否则问题不可解；

(1.2)求解(P2)得到满足接入点功率约束下使得用户能效最大的发送协方差如果则即是给定远程接入点集合下能量效率最优化问题的最优解；否则进入步骤(1.3)；

(1.3)求解问题(P3)得到满足接入点功率和用户速率约束下使得用户能效最大的发送协方差即为给定远程接入点集合下能量效率最优化问题的最优解。

4.根据权利要求3所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述步骤(1.1)中求解问题(P1)的方法为：将问题(P1)优化模型转化为拉格朗日函数对偶函数优化模型，最优解表示为其中，λ_i为拉格朗日因子，U为对矩阵进行奇异值分解得到的特征向量组成的矩阵，Λ＝diag{q₁,…,q_r}为r个子信道上的发送功率组成的对角矩阵；通过迭代算法求得最优解具体包括：

(1.1.1)令迭代次数初值n＝0，随机产生拉格朗日因子λ⁽⁰⁾＝[λ₁,…,λ_A]使得矩阵 $B={\mathrm{\Σ}}_{i=1}^A{\mathrm{\λ}}_i{B}_i\≥0;$

(1.1.2)计算用户发送协方差

(1.1.3)计算次梯度步长

(1.1.4)更新u⁽ⁿ⁾＝1/n，如果收敛，则停止迭代，得到的即为最优解否则进入步骤(1.1.2)，ε为设定的收敛阈值。

5.根据权利要求4所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述步骤(1.2)中求解问题(P2)的方法为：将问题(P2)优化模型转化为函数通过迭代算法求得最优解具体包括：

(1.2.1)令迭代次数n＝0，设置初始值η⁽⁰⁾，使得G(η⁽⁰⁾)＝0；

(1.2.2)采用所述步骤(1.1.1)至(1.1.4)的方法计算得到此时步骤(1.1.1)至(1.1.4)中的矩阵B替代为

(1.2.3)更新如果|η⁽ⁿ⁺¹⁾-η⁽ⁿ⁾|≤ε收敛，则停止迭代，得到的即为最优解否则进入步骤(1.2.2)。

6.根据权利要求5所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述步骤(1.3)中求解问题(P3)的步骤包括：

(1.3.1)记η^*＝η⁽ⁿ⁺¹⁾，其中η⁽ⁿ⁺¹⁾为求解(P2)算法产生的结果，令迭代次数n＝1，初始化u^max＝η^*，u^min＝0，u⁽¹⁾＝(u^max+u^min)/2，；

(1.3.2)采用所述步骤(1.1.1)至(1.1.4)的方法计算得到此时步骤(1.1.1)至(1.1.4)中的矩阵B替代为如果则停止迭代；否则，令u^max＝u⁽ⁿ⁾，u⁽ⁿ⁺¹⁾＝(u^max+u^min)/2，重复步骤(1.3.2)进行迭代。

7.根据权利要求3所述的MIMO分布式基站系统中能量效率最优化的方法，其特征在于，所述步骤(2)中具体包括：

(2.1)设置初始的能量效率EE_opt＝0，问题可行标志flag＝0，最优的接入点集合为激活的接入点个数A＝1；将接入点到用户的距离d_i按照递增的顺序排列，即d_π(1)≤…≤d_π(I),π(i)代表离用户第i近的接入点的索引，I为远程接入点总个数；

(2.2)令激活接入点集合来自激活接入点的信道矩阵为

(2.3)在给定情况下，通过采用所述步骤(1.1)至(1.3)的方法求解能效最大化问题，得到最优解，如果最优化问题不可解，那么令否则，令flag＝1，根据最优解计算得到

(2.4)如果令否则，终止，得到最终选择给用户发送信息的接入点集合

(2.5)如果A＜I,令A＝A+1,跳到步骤(2.2)；否则进入步骤(2.6)；

(2.6)如果flag＝0，令基于求解速率最大化问题(P1),计算相应的并将所有接入点打开；否则，终止。