CN106793108B - Mimo系统下行链路中联合用户选择和功率分配优化方法 - Google Patents

Abstract

本发明提供一种MIMO系统下行链路中联合用户选择和功率分配优化方法，包括：将功率均匀分配给所有组中的波束；对于每条波束都计算相对于每个用户的信干噪比(SINR)；选择能使该波束信干噪比最大的用户作为该波束的通信用户，根据用户选择结果，利用拉格朗日乘子法对分配到和波束上的功率进行优化，至此，一次用户选择和功率优化迭代结束，然后根据得到的功率分配结果继续迭代地选择用户和优化功率，直到系统合率达到收敛。采用本发明的技术方案，可以达到更好的系统吞吐量。

Description

MIMO系统下行链路中联合用户选择和功率分配优化方法

技术领域

本发明属于大规模MIMO中改进信道容量方法研究的相关领域，尤其涉及一种FDD系统中，大规模MIMO下行链路中联合用户选择和功率分配方法，通过最大信噪比用户选择和功率分配迭代优化，可在系统总功率较大时能够大大提高系统和速率。

背景技术

大规模MIMO技术目前是下一代无线通信系统的主流技术之一，这主要归功于其发射端和接收端都装备了几十到上百根天线，使其具有较好的可靠性，频谱利用率和能量利用率。在现在通信用户不断增加的情况下，通信的压力不断增加，同时现在手机的数据业务的种类越来越丰富，图片，音频，视频等的数据传输量不断增长，大规模MIMO技术可以在不增加带宽的情况下满足日益增长的数据传输量的要求，通过频谱复用和空间复用得到较高的系统吞吐量。然而对于频分多用(FDD)系统，上下行链路之间不相关，需要消耗额外的资源进行信道估计与信道信息反馈，在大规模MIMO系统中，由于天线数量巨大，信道估计和信道信息反馈的开销将是不能接受的大，也因此，信道估计和信道信息反馈的开销将会成为大规模MIMO系统发展的一个瓶颈。为了解决这一问题，Ansuman Adhikary等人提出了一个联合空间分集和多路复用(JSDM)方案，该方案的主要思想是将小区内所有的用户根据各自的信道协方差矩阵进行分组，将具有相近信道协方差的用户分在一组，然后分组处理，同时采用二级预编码，分别消除组内干扰和组间干扰，极大的降低了大规模MIMO系统的复杂度。

JSDM方案的提出也带来了许多方面的研究，其中之一便是各组内用户选择和功率分配问题的研究。用户选择和功率分配对系统性能有较大的影响，选择合适的用户进行通信能使系统达到更好的吞吐量，而合理分配功率可以在节约能源的同时达到更理想的系统吞吐量，达到绿色通信，已有许多人对此进行了研究。在用户选择方面，基于最大信噪比的用户选择通过计算每条波束对应于每个用户的信噪比(SINR)，选择使其信噪比最大的用户进行通信，从而达到较好的系统合率；动态贪婪用户选择算法在最大化系统吞吐量的原则下，选择每一个加入后可以得到比之前更好系统吞吐量的用户，从而得到局部最优解；基于最小化预编码相关性的用户选择算法通过计算预编码矩阵的相关性，选择相应的能使其相关性达到最小的用户群。在功率分配方面，多种理论方法都可用来进行功率分配，博弈论被用在基于信漏噪比预编码的系统中进行功率分配，使系统在功率不变的前提下得到了更好的系统吞吐率；基于滑模控制器的功率分配方法则具有很好地鲁棒性；基于最大化信漏噪比(SLNR)的功率分配算法在得到功率分配方案的同时，还得到了相应的传输预编码。

以上提到的方法都是在一阶预编码的情况下采用的用户选择和功率分配算法，而JSDM采用的是二阶预编码，将预编码矩阵拆分成预波束成形矩阵和预编码矩阵的乘积。针对JSDM方案，我们提出了一个联合优化用户选择和功率分配的方法，该方法在用户已经分组的前提下，迭代地选择用户和分配功率，以达到更好的系统吞吐量。

发明内容

本发明基于JSDM方案中用户分组和二级预编码技术提出了联合优化组内用户选择和功率分配的方法。

为实现上述目的，本发明采用如下的技术方案：

一种MIMO系统下行链路中联合用户选择和功率分配优化方法包括以下步骤：

步骤1、将功率均匀分配给所有组中的波束；

步骤2、对于每条波束都计算相对于每个用户的信干噪比(SINR)；

步骤3、选择能使该波束信干噪比最大的用户作为该波束的通信用户，根据用户选择结果，利用拉格朗日乘子法对分配到和波束上的功率进行优化，至此，一次用户选择和功率优化迭代结束，然后根据得到的功率分配结果继续迭代地选择用户和优化功率，直到系统合率达到收敛。

作为优选，步骤3具体为：假设系统总的发射功率为P，所有用户被分成了G个组，每个组内都有K个用户，且K＞S_g，为了最大化系统合率要选出表现最好的几个用户进行信息传递，该联合用户选择和功率分配方案通过为每条波束选择表现最好的用户并优化分配的功率来得到更好的系统表现，首先假设功率是均匀分配在每条波束上的，即其中g_m表示第g组中的第m条波束，m＝1,...,b_g，然后根据下式计算每条波束对应各用户的信干噪比(SINR)：

其中表示用户g_k在波束g_m上的组内干扰：

表示用户g_k在波束g_m上的组间干扰：

用MAX用户选择算法，找到使波束g_m上的信干噪比最大的用户即每条波束都选出了各自的用户后，用拉格朗日乘子法优化功率分配。首先计算系统合率：

则系统功率分配问题可以表示为：

maximize C

采用拉格朗日乘子法求解上述问题，可以写成：

然后求拉格朗日公式的一阶导数，即为：

式中信干噪比的一阶导数根据下式计算得到：

于是拉格朗日公式的一阶导数可以表示为：

根据拉格朗日乘子法，令该导数等于零可以得到近似优化解为：

将该优化的功率解代入到功率约束条件中，即可以得到：

最后可以得到优化后，波束g_m上分配到的功率为：

其中

本发明法以每个组内的波束为对象，为其选择用户和分配功率，通过迭代的方法，先对每条波束进行处理，得到每条波束对应的用户和功率，然后将对应的功率累加到用户上。该方法用在第一级的预波束成形编码之后，第二级的预编码之前，由于预波束成形编码消除的是各组组间的干扰，预编码才是消除组内用户间干扰的，因此注意到，在进行用户选择和功率分配时，组内干扰没有消除，干扰过大，于是我们进一步提出了在该阶段计算信干噪比时，忽略掉组内干扰。实验结果表明，本方法在一定程度上改善了系统吞吐量。

附图说明

图1为本发明方法的流程图；

图2为单环模型图。

图3为最终系统合率比较图。

具体实施方式

如图1所示，本发明提供一种MIMO系统下行链路中联合用户选择和功率分配优化方法包括：首先将功率均匀分配给所有组中的波束，然后对于每条波束都计算相对于每个用户的信干噪比(SINR)，然后选择能使该波束信干噪比最大的用户作为该波束的通信用户，待所有波束都完成用户选择以后，根据用户选择结果，利用拉格朗日乘子法对分配到和波束上的功率进行优化，至此，一次迭代就完成了。由于用户选择和功率分配之间存在耦合的关系，用户选择会影响功率分配，功率分配也会影响用户选择，因此为了达到更好的效果，我们迭代地进行用户选择和功率分配，直到系统和速度达到收敛，下一次迭代的用户选择以上一次迭代的功率分配结果为基础进行。迭代停止后，统计每个组内被调度的用户，由于每个用户可能会对应超过1条波束，在这里我们将用户相对应的波束上分配到的功率都累加到该用户，得到该用户分配到的功率。

本方法是在JSDM方案的基础上进行的，JSDM方案是Ansuman Adhikary等人在信道相关性基础上提出的降低大规模MIMO复杂度的方案，主要特点是将所有用户分组，以及将预编码矩阵分为两级。

本方法的物理模型是单小区大规模MIMO系统，在FDD系统中的下行链路中，基站作为发射端有M根天线，形成均匀的线阵，接收端为K个单天线的用户，信道模型可以表示为

其中y是K×1维的矢量，表示用户端接收到的信号，x是M×1维的矢量，表示基站的传输信号，是加性高斯白噪声，而h_k表示的是用户k的信道信息，是一个M×1维的矢量。

考虑非视距传播模型，用户k的信道信息其中R_k是用户k的信道协方差矩阵，维度为M×M。为了计算协方差矩阵R_k，考虑如图2的单环模型，用户k所在地的方位角为θ_k，角度扩展为Δ_k，而均匀线阵中，两根天线间的距离为λD，其中λ为波长。根据这些信息，用户k的第m根和第n根天线间的相关性可以通过下式计算得到

将R_k进行特征值分解可以得到其中Λ_k是r×r维的对角矩阵，其对角元素为R_k的非零特征值，U_k是M×r维的高酉矩阵，其每一列都是Λ_k对应的特征向量，而r是R_k的秩。应用Karhunen-Loeve变换，用户k的信道矢量可以表示为θ

其中

本方案假设小区内的所有用户都已经分好组了，总共分成了G组，其中第g组的到达角为角度扩展为于是第g组的协方差矩阵为：

假设第g组有K_g个用户，用g_k表示第g组中第k个用户，k＝1,2,...,K_g，那么用户g_k的信道矢量可以表示为：

传输信号x可以表示为x＝Vd，其中V＝BP是二阶预编码矩阵，其中第一阶B＝[B₁,...,B_G]是预波束成形矩阵，通过近似块对角化编码(BD)得到，是一个M×b维的矩阵，用于消除组间干扰，B_g的维度为M×b_g，表示第g组的预波束成形矩阵，参数b_g表示第g组中波束的数目，b则表示系统中波束的总数，且第二阶P＝diag[P₁,...,P_G]的维度是b×S，是传统的归一化预编码矩阵，用于消除组内用户间的相互干扰，P_g的维度是b_g×S_g，表示第g组内的预编码矩阵，参数S_g表示第g组中独立传播的数据流数量，S则表示系统中独立传播的数据流总数，且

现在假设系统总的发射功率为P，所有用户被分成了G个组，每个组内都有K个用户，且K＞S_g，为了最大化系统合率要选出表现最好的几个用户进行信息传递。该联合用户选择和功率分配方案通过为每条波束选择表现最好的用户并优化分配的功率来得到更好的系统表现。首先假设功率是均匀分配在每条波束上的，即其中g_m表示第g组中的第m条波束，m＝1,...,b_g，然后根据下式计算每条波束对应各用户的信干噪比(SINR)：

其中表示用户g_k在波束g_m上的组内干扰：

表示用户g_k在波束g_m上的组间干扰：

用MAX用户选择算法，找到使波束g_m上的信干噪比最大的用户即每条波束都选出了各自的用户后，用拉格朗日乘子法优化功率分配。首先计算系统合率：

则系统功率分配问题可以表示为：

maximize C

采用拉格朗日乘子法求解上述问题，可以写成：

接下来求拉格朗日公式的一阶导数，这里注意到，由于每条波束的功率分配都与其他波束相关，因此该拉格朗公式的一阶导数将十分复杂，为了简化计算，这里将用户间的相互关系忽略掉，一阶导数简化为：

式中信干噪比的一阶导数根据下式计算得到：

于是拉格朗日公式的一阶导数可以表示为：

根据拉格朗日乘子法，令该导数等于零可以得到近似优化解为：

将该优化解代入到得到功率约束条件中，即可以得到：

最后可以得到优化后，波束g_m上分配到的功率为：

其中

至此，一次用户选择和功率优化迭代结束，接下来根据得到的功率分配结果继续迭代地选择用户和优化功率，直到系统合率达到收敛。

另外，我们注意到，在进行用户选择计算信噪比时，组内干扰没有消除，因此组内干扰过大，遮盖了组间干扰和噪声的干扰效果，同时组内干扰将在后面的步骤中被消除，因此在用户选择阶段将组内干扰考虑在内将影响用户选择的结果，不能得到最好的系统合率。于是我们进一步提出在联合用户选择和功率优化阶段，计算用户信干噪比的时候，忽略掉组内干扰，即

如图3所示，实验结果显示，与均匀分配功率相比，本方案可以在增加少量计算复杂度的前提下，得到较好的系统合率的增加，尤其是在基站发射功率较大的情况下，可以得到较大的合率增益。同时，在用户选择和功率优化阶段计算信干噪比时忽略掉组内干扰，可以较大的提高系统合率。

大规模MIMO系统由于在发射端和接收端都有几十到上百根天线，能得到很高的频谱效率和能量效率。然而对于频分多工(FDD)系统，随着大规模MIMO系统中天线数的增加，CSIT反馈量过大已经成为了研究的瓶颈，Ansuman Adhikary等人提出了一个联合空间分集合多路复用(JSDM)方案，该方案根据各用户信道协方差的特征矩阵将用户分组，并采用了二级预编码，极大减少了下行训练和上行反馈的消耗。在这个方案的基础上，我们提出了联合用户选择和功率分配方案，这个方案迭代地选择用户和优化功率，其中用户选择采用的最大信噪比用户选择算法，通过计算组内各波束与各用户的信噪比，对于每条波束，选择使其信噪比最大的用户；优化功率采用的是拉格朗日优化方法。同时我们注意到，在进行用户选择时，由于还未进行组内预编码，组内干扰没有消除，会影响用户选择的效果，因此我们进一步提出在用户选择时忽略组内干扰的影响，只考虑组间干扰。本方案改善了系统用户选择和功率分配的方法，得到了更好的系统吞吐量。

Claims (1)

1.一种MIMO系统下行链路中联合用户选择和功率分配优化方法，其特征在于，包括以下步骤：

步骤1、将功率均匀分配给所有组中的波束；

步骤2、对于每条波束都计算相对于每个用户的信干噪比(SINR)；

步骤3、选择能使该波束信干噪比最大的用户作为该波束的通信用户，根据用户选择结果，利用拉格朗日乘子法对分配到和波束上的功率进行优化，至此，一次用户选择和功率优化迭代结束，然后根据得到的功率分配结果继续迭代地选择用户和优化功率，直到系统合率达到收敛；

步骤3具体为：假设系统总的发射功率为P，所有用户被分成了G个组，每个组内都有K个用户，且K＞S_g，为了最大化系统合率要选出表现最好的几个用户进行信息传递，该联合用户选择和功率分配方案通过为每条波束选择表现最好的用户并优化分配的功率来得到更好的系统表现，首先假设功率是均匀分配在每条波束上的，即其中g_m表示第g组中的第m条波束，m＝1,...,b_g，然后根据下式计算每条波束对应各用户的信干噪比(SINR)：

其中表示用户g_k在波束g_m上的组内干扰：

表示用户g_k在波束g_m上的组间干扰：

用MAX用户选择算法，找到使波束g_m上的信干噪比最大的用户即每条波束都选出了各自的用户后，用拉格朗日乘子法优化功率分配，首先计算系统合率：

则系统功率分配问题可以表示为：

maximize C

采用拉格朗日乘子法求解上述问题，可以写成：

然后求拉格朗日公式的一阶导数，即为：

式中信干噪比的一阶导数根据下式计算得到：

于是拉格朗日公式的一阶导数可以表示为：

根据拉格朗日乘子法，令该导数等于零可以得到近似优化解为：

将该优化得到的功率解代入到功率约束条件中，即可以得到：

最后可以得到优化后，波束g_m上分配到的功率为：

其中