CN106506052A - 一种在大规模mimo系统中基于天线选择提高通信能效的方法 - Google Patents

Abstract

本发明公开了一种在大规模MIMO系统中基于天线选择提高通信能效的方法，包括以下步骤：S1、根据系统信道状态条件、发射链路功率、接收链路功率、转化效率，建立系统功耗模型，同时，进行信道估计，得到信道状态，并反馈给基站，确定用户端最小的容量要求，计算出最小天线个数；S2、根据系统功耗模型和最小天线个数，利用改进的搜索方法计算出最优能效时的天线个数；S3、利用最大范数法得到一个多于最优能效天线个数的一个子集，然后在该子集中利用递减法选出最优能效天线个数的天线阵列。与传统的天线选择算法相比，具有更高的系统容量以及更低的计算复杂度，能够提高大规模MIMO系统的通信能效，改善系统的性能。

Description

一种在大规模MIMO系统中基于天线选择提高通信能效的方法

技术领域

本发明涉及5G通信技术领域，特别涉及一种在大规模MIMO系统中基于天线选择提高通信能效的方法。

背景技术

大规模MIMO系统通过在收发端配置超大规模天线阵列，来充分利用系统的空间自由度从而为更多的用户提供高质量的无线通信服务，有望在不增加额外系统发送功率及带宽的情况下，显著提高系统的谱效和能效，是未来5G最具竞争力的主流备选方案之一。

当使用所有天线进行无线数据传输时，大规模MIMO系统的基站需要安装与基站天线数目相同的射频链路，导致系统的射频链路硬件成本和实现复杂度大大增加。天线选择技术通过选择合适的天线子集进行数据传输，能够在获得较高谱效和能效的同时降低系统成本及实现复杂度，从而满足绿色宽带移动通信的要求。现在有几种经典的天线选择算法：最优天线选择算法、递减天线选择算法、递加天线选择算法、最大范数天线选择算法和随机法。最优天线选择算法虽然能够最大限度地获得最大的系统能效，但是该算法具有很高的运算复杂度和运算量，消耗时间长。递减算法始于全集，通过逐次递减得到最优发送天线子集，且与最优天线选择算法计算复杂度相比大大降低。递加天线选择算法对比递减天线选择算法可以发现，两者的原理是相同的，且都具有较低的计算复杂度，但都需要计算矩阵的逆，计算复杂。最大范数天线选择算法的基本思想是从信道矩阵H的N列中选出具有最大Frobenius范数的n列构成选择的天线子集，此方法算法只需计算信道矩阵每列的Frobenius范数，复杂度最低。虽然已经存在上述几种算法，但这几种算法在计算复杂度和能效性能方面都存在改进的空间。因此，大规模MIMO系统中天线选择技术成为目前的研究热点。

发明内容

本发明提供一种在大规模MIMO系统中基于天线选择提高通信能效的方法，其目的在于，降低大规模MIMO系统中天线选择算法复杂度，提高系统的能效，改善通信系统的性能。

一种在大规模MIMO系统中基于天线选择提高通信能效的方法，包括以下步骤：

步骤S1：根据大规模MIMO系统信道状态条件、发射链路功率、接收链路功率、转化效率，建立大规模MIMO系统功耗模型，并依据用户端最小的容量需求，计算最小天线个数；

步骤S2：根据系统功耗模型和最小天线个数，利用搜索方法计算出最优能效时的天线个数；

步骤S3：利用最大范数法从步骤S2获取的天线个数中得到一个多于最优能效天线个数的一个子集，然后在该子集中利用递减法选出最优能效天线个数的天线阵列。

所述大规模MIMO系统系统功耗模型E(L)如下：

其中，C(L)为发送端总发送功率确定和信道状态确定的情况下的大规模MIMO系统容量，P(L)为发送端总发送功率确定和信道状态确定的情况下大规模MIMO系统功耗；B为大规模MIMO系统带宽，λ_i表示第i个所选发送天线的信道增益，p_i表示第i个所选发送天线的发射信号功率，σ表示大规模MIMO系统噪声，Γ表示大规模MIMO系统容限，L表示所选发送天线数量，M表示接收天线数量，γ表示天线发送效率，P_tx表示天线发射功率，P_s表示发送链路功率，P_r表示接收链路功率。

上述参数为大规模MIMO系统属性值。

所述步骤1中的最小天线个数L_min满足以下公式：

其中，C_min为大规模MIMO系统最小容量，η_i为每根所选天线信号发送的信噪比，

所述步骤S2中利用搜索方法计算出最优能效时的天线个数的具体过程如下：

步骤2.1：设置最小天线个数初始值，令L1＝k，L2＝k+1；

其中，k为步骤S1获得的最小天线个数，L1表示第一所选天线个数，L2表示第二所选天线个数；

步骤2.2：以大规模MIMO系统功耗模型E(L)作为目标函数，判断E(L2)<E(L1)是否成立，若成立，则以L1为满足系统容量时最优能效时的天线个数，完成计算；否则，进入步骤2.3，进行迭代运算；

步骤2.3：增大搜索范围，令L1＝k+1，L2＝α*L2，进入步骤2.4；

步骤2.4：判断E(L2)>E(L1)与L2<N是否同时成立，若成立，最优解没有在搜索区间，则返回步骤2.3；若不成立，则进入步骤2.5；

步骤2.5：利用二分法缩小搜索范围，令U＝(L1+L2)/2；

步骤2.6：判断E(U+1)>E(U)是否成立，若成立，U的位置在最优解左侧，进入步骤2.7，否则，进入步骤2.8；

步骤2.7：更新L1，令L1＝U，更新U，U＝(L1+L2)/2，进入步骤2.8；

步骤2.8：判断(L2-L1)>2是否成立，若成立，仍未达到最优解，则返回步骤2.6，否则，则以U的取值作为最优能效时的天线个数，完成计算；

其中，N为发送天线总个数，α为大于1的搜索步长系数，U为计算中间变量。

所述步骤S3的具体过程如下：

STEP1，利用最大范数法从信道初始矩阵H的N列中选出βL列组成信道矩阵S：

首先初始化信道矩阵S，并使信道矩阵S为空；接着选取信道初始矩阵H中Frobenius范数最大的列插入到信道矩阵S中并在H中删除该列，直到集合S中有βL列数据，得到信道矩阵S；

STEP2，在信道矩阵S上利用递减法从βL列中选出L列：

计算信道矩阵S去掉每列所对应的系统容量，去除对系统容量影响最小的一列；循环执行上述操作，直到所剩天线个数为L，即信道矩阵S中剩下L列，得到最后的天线阵列。

有益效果

本发明提供了一种在大规模MIMO系统中基于天线选择提高通信能效的方法，包括以下步骤：S1、根据系统信道状态条件、发射链路功率、接收链路功率、转化效率，建立系统功耗模型，同时，进行信道估计，得到信道状态，并反馈给基站，确定用户端最小的容量要求，计算出最小天线个数；S2、根据系统功耗模型和最小天线个数，利用改进的搜索方法计算出最优能效时的天线个数；S3、利用最大范数法得到一个多于最优能效天线个数的一个子集，然后在该子集中利用递减法选出最优能效天线个数的天线阵列。与传统的天线选择算法相比，具有更高的系统容量以及更低的计算复杂度，能够提高大规模MIMO系统的通信能效，改善系统的性能。

大规模MIMO系统通过增加天线数目能够有效缓解小尺度衰落和噪声对接收机性能的影响。但同时也增加了系统的复杂性和射频链路硬件成本。天线选择可以减少射频链路，同时可以利用信道条件好的天线将数据发送，从增加了系统能效。传统天线选择技术需要遍历所有天线选择可能，求出最优解。本发明通过分步天线选择技术首先确定天线个数，然后进行天线选择，可以有效降低天线选择的复杂度。

附图说明

图1为本发明所述方法的流程图；

图2为大规模MIMO系统模型图；

图3为大规模MIMO系统能效随天线个数变化曲线；

图4为最佳系统能效时计算天线个数流程图；

图5为最大Frobenius范数天线选择算法流程图；

图6为递减天线选择算法流程图；

图7为不同发射功率情况下四种算法系统能效示意图；

图8为不同接收天线情况下四种算法系统能效示意图。

具体实施方式

下面结合附图和实例，对本发明作进一步详细描述。

本发明提出了一种在大规模MIMO系统中基于天线选择的能效算法，具体流程如图1所示，包括以下步骤：

S1、利用图2所示的大规模MIMO系统模型，建立系统的功耗模型：

其中，E(L，M)为系统能效函数，其值在发送功率和信道状态确定的情况下是发送选择天线个数L和接收天线个数M的函数；C(L，M)为发送功率和信道确定的情况下的系统容量，P(L，M)为发送功率和信道确定的情况下系统功耗，系统带宽为B，λ_i为信道增益，p_i为发射信号功率，σ²为噪声功率，系统信噪比为天线发射功率为P_tx，天线发送效率γ、发送链路功率P_s和接收链路功率P_r。

一般情况下，在基站端可以布置大量天线，在用户端布置少量天线，即L>>M。在本发明中令M一定，因此，只需考虑基站端天线的选择。能效函数为：

根据信道估计，得到系统信道矩阵H：

通过信道状态计算出各个信号的信噪比组成的向量η：

同时，将用户端的最低系统容量C_min要求反馈给基站，在基站端计算在系统最坏条件下，利用：

计算所需的最少天线发送个数L_min。其中，C_min为系统最小容量，B为信道带宽，η_i为每根天线信号发送的信噪比，Γ系统容限。

S2、如图3所示，系统能效先随着天线数的增多变大，到达一个最优解时，系统能效最大，当天线数大于最优解时，系统能效逐渐减小。因此，可以通过搜索的方法来求得最优解。详细过程如图4所示，算法实施过程包括：天线个数初值计算、迭代相关系数确定、最优解区间搜索和二分法最优解搜索，二分法最优解搜索得到的值即为选择天线个数。其中，k＝L_min，N为发送天线总个数，α为大于1的搜索步长系数，U为计算中间变量，E(L)为能效函数。

S3、首先，利用最大范数法从信道矩阵H的N列中选出βL列组成信道矩阵S，最大范数法具体过程如图5所示，其过程为：

STEP1，利用最大范数法从信道初始矩阵H的N列中选出βL列组成信道矩阵S：

首先初始化信道矩阵S，并使信道矩阵S为空；接着选取信道初始矩阵H中Frobenius范数最大的列插入到信道矩阵S中并在H中删除该列，直到集合S中有βL列数据，得到信道矩阵S；

STEP2，在信道矩阵S上利用递减法从βL列中选出L列，递减法具体过程如图6所示：

计算信道矩阵S去掉每列所对应的系统容量，去除对系统容量影响最小的一列；循环执行上述操作，直到所剩天线个数为L，即信道矩阵S中剩下L列，得到最后的天线阵列。

本发明的性能仿真如图7、8所示，从图7可以看出，与随机法、最大Frobenius范数法和递减法相比，该方法(即图中标示的新方法)在发射天线个数相同、转化效率等相同条件下，在不同的发射功率情况下，具有更高的信道容量。从图8可以看出，在发射天线个数相同，发射功率等条件相同的情况下，在不同的接收天线情况下，该方法(即图中标示的新方法)的信道容量优于其他三种方法。同时，该方法减少了矩阵的逆运算，因此，计算复杂度低于递减法，而性能优于递减法。

从以上实施例可以看出，本发明能用来有效地提高大规模MIMO系统的能效。与传统的方法对比，在不增加系统计算复杂度和功耗的情况下，本发明能够有效提高系统的信道容量，从而提高系统能效。

Claims (5)

1.一种在大规模MIMO系统中基于天线选择提高通信能效的方法，其特征在于，包括以下步骤：

步骤S1：根据大规模MIMO系统信道状态条件、发射链路功率、接收链路功率、转化效率，建立大规模MIMO系统功耗模型，并依据用户端最小的容量需求，计算最小天线个数；

步骤S2：根据系统功耗模型和最小天线个数，利用搜索方法计算出最优能效时的天线个数；

步骤S3：利用最大范数法从步骤S2获取的天线个数中得到一个多于最优能效天线个数的一个子集，然后在该子集中利用递减法选出最优能效天线个数的天线阵列。

2.根据权利要求1所述的方法，其特征在于，所述大规模MIMO系统系统功耗模型E(L)如下：

$E\left(L\right)=\frac{C\left(L\right)}{P\left(L\right)}=\frac{\underset{i=1}{\overset{L}{\&Sigma;}}{\mathrm{Blog}}_2(1+\frac{{{\mathrm{\&lambda;}}_i}^2{p}_i}{{\mathrm{\&sigma;}}^2\mathrm{\&Gamma;}})}{\frac{P_{tx}}{\mathrm{\&gamma;}}+{\mathrm{LP}}_s+{\mathrm{MP}}_r}$

其中，C(L)为发送端总发送功率确定和信道状态确定的情况下的大规模MIMO系统容量，P(L)为发送端总发送功率确定和信道状态确定的情况下大规模MIMO系统功耗；B为大规模MIMO系统带宽，λ_i表示第i个所选发送天线的信道增益，p_i表示第i个所选发送天线的发射信号功率，σ表示大规模MIMO系统噪声，Γ表示大规模MIMO系统容限，L表示所选发送天线数量，M表示接收天线数量，γ表示天线发送效率，P_tx表示天线发射功率，P_s表示发送链路功率，P_r表示接收链路功率。

上述参数为大规模MIMO系统属性值。

3.根据权利要求2所述的方法，其特征在于，所述步骤1中的最小天线个数L_min满足以下公式：

其中，C_min为大规模MIMO系统最小容量，η_i为每根所选天线信号发送的信噪比，

4.根据权利要求3所述的方法，其特征在于，所述步骤S2中利用搜索方法计算出最优能效时的天线个数的具体过程如下：

步骤2.1：设置最小天线个数初始值，令L1＝k，L2＝k+1；

其中，k为步骤S1获得的最小天线个数，L1表示第一所选天线个数，L2表示第二所选天线个数；

步骤2.2：以大规模MIMO系统功耗模型E(L)作为目标函数，判断E(L2)<E(L1)是否成立，若成立，则以L1为满足系统容量时最优能效时的天线个数，完成计算；否则，进入步骤2.3，进行迭代运算；

步骤2.3：增大搜索范围，令L1＝k+1，L2＝α*L2，进入步骤2.4；

步骤2.4：判断E(L2)>E(L1)与L2<N是否同时成立，若成立，最优解没有在搜索区间，则返回步骤2.3；若不成立，则进入步骤2.5；

步骤2.5：利用二分法缩小搜索范围，令U＝(L1+L2)/2；

步骤2.6：判断E(U+1)>E(U)是否成立，若成立，U的位置在最优解左侧，进入步骤2.7，否则，进入步骤2.8；

步骤2.7：更新L1，令L1＝U，更新U，U＝(L1+L2)/2，进入步骤2.8；

步骤2.8：判断(L2-L1)>2是否成立，若成立，仍未达到最优解，则返回步骤2.6，否则，则以U的取值作为最优能效时的天线个数，完成计算；

其中，N为发送天线总个数，α为大于1的搜索步长系数，U为计算中间变量。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述步骤S3的具体过程如下：

STEP1，利用最大范数法从信道初始矩阵H的N列中选出βL列组成信道矩阵S：

首先初始化信道矩阵S，并使信道矩阵S为空；接着选取信道初始矩阵H中Frobenius范数最大的列插入到信道矩阵S中并在H中删除该列，直到集合S中有βL列数据，得到信道矩阵S；

STEP2，在信道矩阵S上利用递减法从βL列中选出L列：

计算信道矩阵S去掉每列所对应的系统容量，去除对系统容量影响最小的一列；循环执行上述操作，直到所剩天线个数为L，即信道矩阵S中剩下L列，得到最后的天线阵列。