CN105933971A - 一种适用于大规模多输入多输出系统的能效优化方法 - Google Patents

Abstract

本发明请求保护一种适用于大规模多输入多输出(MIMO)系统的能效优化方法。首先建立联合优化基站天线数，天线子集和发射功率的能效优化模型。然后提出一种复杂度低的迭代搜索方法，假设基站天线数为M，首先对基站天线数从1到M进行遍历；每选定一个天线数后，采用次优的基于信道矩阵范数的天线选择算法进行天线子集的选取；当天线数和天线子集确定后，能效是发射功率的准凹函数，因此可以利用凸优化理论求解出最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效；最后比较这M次能效，得出系统最优能效，最优天线数，天线子集和发射功率。本发明能够在提高系统能量效率的同时降低系统的开销。

Description

一种适用于大规模多输入多输出系统的能效优化方法

技术领域

本发明属于无线通信技术领域，具体设计一种适用于大规模MIMO系统的能效优化方法，特别是涉及一种单小区多用户大规模MIMO系统的能效优化方法。

背景技术

由于移动通信用户数量的逐渐增加和宽带多媒体业务的迅速发展，人们对通信系统的传输速率以及性能的要求也越来越高，移动通信领域也因此在短时间内经历了从第一代到现在的第四代通信系统的发展。为了满足人们日益渐进的需求，现已展开了对第五代移动通信相关技术的研究。同时，高的传输速率意味着更多的能源消耗，有关研究表明，基站的能耗是整个通信网能耗主要部分，每个基站大约需要消耗25MWh/年的能量，占系统总能耗的57％。大量的能源消耗不仅增加了运营成本，而且加大二氧化碳的排放量，加重温室效应，带来严重的环境问题。相关资料表明，通信领域所产生的二氧化碳占总二氧化碳排放量的9％，其中很大一部分的二氧化碳是由移动通信产生的。我国一直坚持走可持续道路，且提出建设资源节约型和环境友好型社会的战略目标，无论从符合中国国情角度出发还是从降低运营商成本角度考虑，能效成为通信系统重要的衡量指标，也就是说未来的移动通信系统的研究侧重点将由最大化系统吞吐量或者最小化系统功耗为准则逐步向以最大化系统能效为准则转移。大规模MIMO作为第五代移动通信系统关键技术之一，是传统MIMO技术的扩展和延伸，不仅拥有传统MIMO的优点，而且还可以提供更高的能量效率，因此对大规模MIMO系统的能效进行研究尤为重要。

大规模MIMO系统是指基站端配置大规模天线阵列，因此大部分资料只研究了天线数对系统能效的影响，并证明了系统能效随着天线数的增加呈现准凹的变化趋势，即存在最优天线数使能效最优。与传统MIMO不同，大规模MIMO系统基站端天线数很大，射频链路也随之增加，因此为了更好地表达能效，不同于只考虑发射功耗的功耗模型的传统MIMO，大规模MIMO功耗模型采用同时考虑发射功耗和回路功耗两部分，此时大规模MIMO系统的能效与发射功率的关系也会与传统MIMO系统不同。也就是说，规模MIMO系统的能效随着基站天线数，天线子集和发射功率变化而变化。基于以上背景，本发明给出了一种基于单小区多用户大规模MIMO系统的能效优化方法。

发明内容

为了克服上述现有技术的不足，本发明提供了一种复杂度低、有效的提高系统能量效率的适用于大规模多输入多输出(MIMO)系统的能效优化方法。

本发明的技术方案如下：

一种适用于大规模多输入多输出系统的能效优化方法，其包括以下步骤：

101、根据基站天线数M、用户数K与能效的关系建立联合优化基站天线数、天线子集和用户数的能效优化模型，能效优化模型可以表示为

$EE=\frac{C_N}{P_{total}}=\frac{{\mathrm{Klog}}_2\left(1+\frac{P_d}{K^2}{\mathrm{\Σ}}_{n=1}^N{\mathrm{\Σ}}_{k=1}^K|h_{n,k}{|}^2\right)}{\mathrm{\β}*P_d+P_B+N*P_{RF}}---\left(1\right)$

$\arg \underset{N,P_d}{max}EE(N,P_d)---\left(2\right)$

其中，基站到第k个用户的信道矩阵是一个均值为0，方差为1的复高斯矩阵，可以表示为h_k＝[h_k,1,h_k,2...h_k,M]，h_k,n表示用户k在第n个天线上的信道增益，C_N表示系统总容量，P_total表示总能耗，β为发射端功率放大器效率的倒数，P_B为基带处理功耗，P_RF为射频前端功耗，包括信号传输路径上所有的电路模块；

102、对步骤101建立的能效优化模型进行迭代搜索，所述迭代搜索包括如下步骤：

1)对M根天线进行遍历，即所选天线数N＝1:M，N代表本次遍历中取的天线个数，取值在1～M之间；

2)当天线数N确定后，采用基于矩阵范数的天线选择进行对天线子集的选取；

3)当天线数和天线子集确定后，此时能效是关于发射功率的函数，利用凸优化理论求解出最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效。

4)根据1),2)和3)可以得出当天线数为1到M时最优的能效，比较这M次能效的大小，进而得出最优能效，最优天线数，天线子集以及发射功率。

进一步的，所述步骤102的步骤2)进行对天线子集进行选取包括步骤；首先采用基于信道矩阵范数的天线选择方法，求出信道矩阵H的M个列向量的范数然后利用快速排序算法对α_n进行降序排列，得到新的序列α′_n，也就是说新的序列满足α′₁＞α′₂...＞α′_M，因为天线数为N，所以此时天线子集选为{α′₁,α′₂...α′_N}。

进一步的，所述步骤102的步骤3)天线数和天线子集确定后，进行发射功率的调整，具体为：

当天线数和天线子集一定后，这时函数可以表示为K表示用户数目，此时能效是关于发射功率的准凹函数，因此利用凸优化理论求解出最优发射功率。

进一步的，所述利用凸优化理论求解出最优发射功率具体包括以下步骤；

能效优化函数关于发送功率p_d的伪凹函数，因此可以利用凸优化理论得到能效最优时的发射功率，即当时，可得最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效。所以，每次迭代中，利用求得当前迭代中的最优发射功率。

本发明的优点及有益效果如下：

1、本发明利用系统能效与基站天线和发射功率的关系，提出联合调整基站天线数，天线子集和发射功率的方案，进而提高系统能效；

2、能效是关于基站天线，天线子集以及发射功率的函数，也就是说优化目标是多维的，直接求解复杂度比较大，因此本发明采用一种新的迭代搜索方法，此迭代搜索方法通过先确定天线数，再确定天线子集最后确定发射功率，以此降低了所求目标的复杂度；

3、本发明采用次优的基于矩阵范数的天线选择进行天线子集的选取，在保证系统能效的同时降低算法复杂度。

附图说明

图1是本发明提供优选实施例单小区多用户大规模MIMO无线通信系统示意图；

图2为本发明方法的流程图；

图3为本发明方法的天线子集选取的流程图。

具体实施方式

以下结合附图，对本发明作进一步说明：

如图1所示，本发明实施例考虑一个典型的单小区下行大规模MIMO无线通信系统，系统模型如图1所示，其中基站端配置M根天线，同时和K个单天线用户进行通信。基站到第k个用户的信道矩阵是一个均值为0，方差为1的复高斯矩阵，可以表示为h_k＝[h_k,1,h_{k, 2}...h_k,M]，那么整个系统的信道矩阵H＝[h₁ ^T,h₂ ^T...h_k ^T]是一个K×M的矩阵。然后结合图2说明本发明的具体实施方法，该方法包括以下步骤：

步骤1、根据系统能效是关于天线数和发射功率的准凹函数这一性质，本发明提出联合调整天线数，天线子集和发射功率来提高能效的方案，并建立能效优化模型。为了降低用户间干扰，采用迫零(ZF)预编码。为了更好地表示大规模MIMO系统的能效，采用同时考虑发射功耗和电路功耗的实际功耗模型，则能效优化模型可以表示为

$EE=\frac{C_N}{P_{total}}=\frac{{\mathrm{Klog}}_2(1+\frac{P_d}{K^2}{\mathrm{\Σ}}_{n=1}^N{\mathrm{\Σ}}_{k=1}^K|h_{n,k}{|}^2)}{\mathrm{\β}*P_d+P_B+N*P_{RF}}---\left(1\right)$

$\arg \underset{N,P_d}{max}EE(N,P_d)---\left(2\right)$

其中，β为发射端功率放大器效率的倒数，P_B为基带处理功耗，P_RF为射频前端功耗，包括信号传输路径上所有的电路模块，这些电路模块包括模数转换器，数模转换器，频率合成器，混频器，功率放大器等。

步骤2、为了解决步骤1所述优化模型，进而提出一种新的迭代搜索方法。所述的迭代搜索方法包括如下步骤：

5)对M根天线进行遍历，即所选天线数N＝1:M；

6)当天线数N确定后，进行对天线子集进行选取，具体流程如图3所示，具体描述包括：首先采用基于信道矩阵范数的天线选择方法，即求出信道矩阵H的M个列向量的范数然后利用快速排序算法对α_n进行降序排列，得到新的序列α′_n，也就是说新的序列满足α′₁＞α′₂...＞α′_M。因为天线数为N，所以此时天线子集选为{α′₁,α′₂...α′_N}。

7)当天线数和天线子集确定后，此时能效是关于发射功率的函数，即根据能效随着发射功率的增大呈现准凹的变化趋势这一性质，利用凸优化理论求解出最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效。

8)根据1),2)和3)可以得出当天线数为1到M时最优的能效，比较这M次能效的大小，进而得出最优能效，最优天线数，天线子集以及发射功率。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种适用于大规模多输入多输出系统的能效优化方法，其特征在于，包括以下步骤：

101、根据基站天线数M、用户数K与能效的关系建立联合优化基站天线数、天线子集和用户数的能效优化模型，能效优化模型可以表示为

$EE=\frac{C_N}{P_{total}}=\frac{K{\log }_2(1+\frac{P_d}{K^2}{\mathrm{\Σ}}_{n=1}^N{\mathrm{\Σ}}_{k=1}^K|h_{n,k}{|}^2)}{\mathrm{\β}*P_d+P_B+N*P_{RF}}---\left(1\right)$

$\arg \underset{N,P_d}{max}EE(N,P_d)---\left(2\right)$

其中，基站到第k个用户的信道矩阵是一个均值为0，方差为1的复高斯矩阵，可以表示为h_k＝[h_k,1,h_k,2...h_k,M]，h_k,n表示用户k在第n个天线上的信道增益，C_N表示系统总容量，P_total表示总能耗，β为发射端功率放大器效率的倒数，P_B为基带处理功耗，P_RF为射频前端功耗，包括信号传输路径上所有的电路模块；

102、对步骤101建立的能效优化模型进行迭代搜索，所述迭代搜索包括如下步骤：

1)对M根天线进行遍历，即所选天线数N＝1:M，N代表本次遍历中取的天线个数，取值在1～M之间；

2)当天线数N确定后，采用基于矩阵范数的天线选择进行对天线子集的选取；

3)当天线数和天线子集确定后，此时能效是关于发射功率的函数，利用凸优化理论求解出最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效。

4)根据1),2)和3)可以得出当天线数为1到M时最优的能效，比较这M次能效的大小，进而得出最优能效，最优天线数，天线子集以及发射功率。

2.根据权利要求1所述的一种适用于大规模多输入多输出系统的能效优化方法，其特征在于，所述步骤102的步骤2)进行对天线子集进行选取包括步骤；首先采用基于信道矩阵范数的天线选择方法，求出信道矩阵H的M个列向量的范数然后利用快速排序算法对α_n进行降序排列，得到新的序列α’_n，也就是说新的序列满足α₁＞α₂...＞α_M，因为天线数为N，所以此时天线子集选为{α′₁,α′₂...α′_N}。

3.根据权利要求1或2所述的一种适用于大规模多输入多输出系统的能效优化方法，其特征在于，所述步骤102的步骤3)天线数和天线子集确定后，进行发射功率的调整，具体为：

当天线数和天线子集一定后，这时函数可以表示为K表示用户数目，此时能效是关于发射功率的准凹函数，因此利用凸优化理论求解出最优发射功率。

4.根据权利要求3所述的一种适用于大规模多输入多输出系统的能效优化方法，其特征在于，所述利用凸优化理论求解出最优发射功率具体包括；能效是关于发射功率的函数为此函数分子是关于p_d的凹函数，分母是关于p_d的凸函数，则函数f(p_d)是关于发送功率p_d的伪凹函数，因此可以利用凸优化理论得到能效最优时的发射功率，即当时，可得最优发射功率，此时最优发射功率对应的能效即当前天线数下的最优能效,所以，每次迭代中，利用求得当前迭代中的最优发射功率。