CN107241799B - 异构网络中能量有效的资源分配和干扰对齐联合方法 - Google Patents
异构网络中能量有效的资源分配和干扰对齐联合方法 Download PDFInfo
- Publication number
- CN107241799B CN107241799B CN201610185741.0A CN201610185741A CN107241799B CN 107241799 B CN107241799 B CN 107241799B CN 201610185741 A CN201610185741 A CN 201610185741A CN 107241799 B CN107241799 B CN 107241799B
- Authority
- CN
- China
- Prior art keywords
- user
- femtocell
- base station
- time
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明提供了一种异构网络中能量有效的资源分配和干扰对齐联合方法,包括步骤1:设置异构网络下通信系统的各种参数;步骤2:基于宏蜂窝用户的最低速率需求、飞蜂窝用户的信号强度、飞蜂窝用户的干扰强度、飞蜂窝基站的调度约束、功率约束条件构造异构网络中能量有效的资源分配和干扰对齐联合优化问题;步骤3:进行能量有效的快速飞蜂窝调度和干扰对齐算法设计;步骤4:进行能量有效的迭代功率分配。本发明针对异构网络中的能量有效问题设计快速飞蜂窝调度、干扰对齐算法设计、最优功率分配算法;保障了宏蜂窝用户和飞蜂窝用户的通信性能,提升了系统的能量有效性。
Description
技术领域
本发明涉及无线通信技术领域,具体地,涉及一种异构网络中能量有效的资源分配和干扰对齐联合方法。
背景技术
随着移动数据需求指数级的增长,现有的网络架构将无法支撑日益庞大的数据量,因此,异构网络(Heterogeneous networks,HetNets)架构被视为能满足未来无线数据需求的一项重要技术。在异构网络中,宏蜂窝基站和一些低功耗的节点,如微蜂窝、飞蜂窝等,共用相同的信道。然而,低功耗节点的设置会引入干扰,这将严重降低异构网络的新能。
干扰对齐(Interference alignment,IA)技术可以将干扰信号压缩到低的心好空间,从而将它与有用信号分离开。目前,已有一些公开的文献使用IA技术提升异构网络中频谱效率。B.Guler,and A.Yener的文献”Selective Interference Alignment for MIMOCognitive Femtocell Networks,(MIMO认知网络中的选择性干扰对齐),”IEEEJ.Sel.Areas Commun.,2014,32,(3),pp.439-450.中提出了一种选择性干扰对齐方法,消除MIMO认知网络中的主干扰。G.Liu,M.Sheng,et al.的文献“Joint InterferenceAlignment and Avoidance for Downlink Heterogeneous Networks(下行异构网络联合干扰对齐和消除)”IEEE Commun.Lett.,2014,18,(8),pp.1431-1434中使用了有链路调度的一种两阶段干扰对齐消除了异构网络中的同层干扰。另一方面,由于绿色通信概念的持续走强,能量有效(energy efficient,EE)资源分配技术正不断受到关注。S.Liu,S.Jin,H.Zhu and K.K.,Wong的论文“On impact of relay placement for energy-efficientcooperative networks,(能量有效的协作网络中中继位置的影响)”IET Communications,2014,8,(1),pp.140-151,研究了协作无线网络中的中继位置与功率开销对系统的影响。J.Tang,D.So,et al.的文章“Resource Allocation for Energy EfficiencyOptimization in Heterogeneous Networks,(异构网络中的能效最优资源分配)”IEEEJ.Sel.Areas Commun.,2015,33,(10),pp.2104-2117,提出了联合发送波束成型设计和功率分配算法,提升系统的能效。上述研究均只从干扰对齐角度或能效角度考察系统,缺乏对两者统一的研究与认识。
在实际无线通信系统中,完美的干扰对齐可能无法达到,并且考虑的用户数较少。同时,对于使用干扰对齐技术的系统没有进行能量有效性的研究。本发明,针对异构网络体系,提供了一种能量有效的资源分配和干扰对齐联合方法,既给出了干扰对齐矩阵设计方法与快速调度过程,降低了通信过程中的干扰,又给出了功率分配方案,从两方面提升了系统的能效。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种异构网络中能量有效的资源分配和干扰对齐联合方法。
根据本发明提供的异构网络中能量有效的资源分配和干扰对齐联合方法,包括如下步骤:
步骤1:构建异构网络下的通信系统;
步骤2:基于异构网络下通信系统,分别计算飞蜂窝调度矩阵,飞蜂窝用户通信速率,异构网络下通信系统的总速率和总功耗;
步骤3:基于宏蜂窝用户的最低速率需求、飞蜂窝用户的信号强度、飞蜂窝用户的干扰强度、飞蜂窝基站的调度约束、功率约束条件构造异构网络中能量有效的资源分配和干扰对齐联合优化问题;
步骤4:在用户端和基站端进行能量有效的飞蜂窝调度,并得到对应的干扰对齐矩阵;
步骤5:进行能量有效的迭代功率分配。
优选地,所述步骤1中的通信系统包括:1个宏蜂窝基站BS0,K个飞蜂窝基站BS1到BSK,每个飞蜂窝基站有M个天线且第i个飞蜂窝基站BSi以d个数据流服务第i个用户;每个用户有N个天线用来接收数据,每个飞蜂窝基站在一个时隙内至多服务一个用户,则第j个用户在t时刻的接收信号yj(t)为:
式中:Pj(t)表示t时刻第j个飞蜂窝基站BSj的发送功率,表示第j个用户在t时刻接收矩阵的共轭转置,Hjj(t)表示t时刻BSj到第j个用户的信道相关矩阵,Vj(t)表示t时刻BSj的预编码矩阵,xj(t)表示t时刻BSj的发送数据,Hji(t)表示t时刻第i个飞蜂窝基站BSi到第j个用户的信道相关矩阵,Vi(t)表示t时刻BSj的预编码矩阵,xi(t)表示t时刻BSi的发送数据,nj(t)表示t时刻第j个用户所受到的加性高斯白噪声。
优选地,所述步骤2中的飞蜂窝调度矩阵是指:
定义飞蜂窝调度矩阵为一个K乘K矩阵,记为X,其中,X=[xt,j]K×K,xt,j表示取值为0或1的变量,当xt,j为0时,表示BSj在t时刻没有发送数据,当xt,j为1时,表示BSj在t时刻发送数据;X的每一行中的xt表示飞蜂窝基站在时刻t的调度情况;xt,0表示宏基站BS0在时刻t的发送情况,定义xt,0=1,使得宏基站BS0一直发送数据;
宏蜂窝用户和飞蜂窝用户通信速率均由如下公式计算:
式中:Rj(t)表示第j个用户在t时刻的通信速率,Pj(t)表示BSj在时刻t的发送功率,Ij(t)表示第j个用户在t时刻所受到的总干扰,σ2为噪声功率;xt,i表示取值为0或1的变量,当xt,i为0时,表示BSi在t时刻没有发送数据,当xt,i为1时,表示BSi在t时刻发送数据;Pi(t)表示t时刻第i个飞蜂窝基站BSi的发送功率,宏蜂窝基站和飞蜂窝基站发送的数据流数均为d,tr(·)表示矩阵的迹,表示t时刻BSj的预编码矩阵的共轭转置,表示t时刻第i个飞蜂窝基站BSi到第j个用户的信道相关矩阵的共轭转置,Uj(t)表示第j个用户在t时刻接收矩阵;
异构网络下通信系统的总速率的计算公式如下:
式中:Rtot表示异构网络下通信系统总速率,rank(X)表示调度矩阵X的秩,R0(t)表示宏蜂窝用户的速率;
异构网络下通信系统总功耗的计算公式如下:
其中:Pf=[Pt,j]K×K,当BSj在t时刻发送数据时Pt,j=Pj(t),否则为Pt,j=0;
式中:Ptot表示异构网络下通信系统总功耗,Pf为K乘K矩阵,表示飞蜂窝发送功率矩阵,Pt,j表示基站j在t时刻的发送功率,||XPf||1表示1范数,代表飞蜂窝的发送功率之和,P0(t)表示宏蜂窝在t时刻的发送功率,Pc表示宏蜂窝固定消耗功率,Pid为飞蜂窝不发送数据时的固定消耗功率,rank(·)表示矩阵的求秩运算;X表示调度矩阵。
优选地,所述步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题是指:
式中:表示优化的变量为X,Uj(t),Vj(t),Pj(t),P0(t),目标为最大化问题;C1表示第一约束条件,即宏用户的速率约束;C2表示第二约束条件,即飞蜂窝用户接收有用信号的强度约束;C3表示第三约束条件,即飞蜂窝用户所受干扰的强度约束;C4表示第四约束条件,即一个飞蜂窝基站在一次调度过程中只能发送一次;C5表示第五约束条件,即飞蜂窝基站的发送功率约束;C6表示第六约束条件,即宏蜂窝基站的发送功率约束,T表示通信的总时间,T∈{1,2,...,rank(X)},为系统能量有效性;γ0表示宏蜂窝用户的最小速率需求;Ijj(t)表示飞蜂窝用户j在t时刻的有用接收信号强度,Pth表示飞蜂窝用户有用接收信号强度阈值,ε表示飞蜂窝用户所受干扰信号强度阈值,Pf,max表示飞蜂窝基站的最大发送功率,Pmax表示宏蜂窝基站的最大发送功率。
优选地,所述步骤4包括:
步骤4.1:给定基站端预编码矩阵V(t),在基站端进行能量有效的飞蜂窝调度,并得到用户端的干扰对齐矩阵U(t),即用户接收矩阵;
步骤4.2:根据步骤4.1得到的用户端干扰对齐矩阵U(t),在用户端进行能量有效的飞蜂窝调度,并得到基站端的干扰对齐矩阵,即基站端预编码矩阵。
优选地,所述步骤4.1包括:
步骤4.1.1:根据预设的参数Pth、ε、γ0、V(t),t=1,基站采用最大功率,宏蜂窝基站在每次调度时都进行传输,让所有飞蜂窝基站也同时传输,得到每个传输用户所受到的干扰矩阵Ij(t);根据分布式干扰对齐算法,求解Ij(t)的d个最小特征值对应的特征向量u1(t),u2(t),...,ud(t),ui(t)表示第i小特征值对应的特征向量,并利用这些特征向量生成用户j的接收矩阵Uj(t),即干扰对齐矩阵;计算公式如下:
Uj(t)=span([u1(t),u2(t),...,ud(t)]);
式中:span(·)表示向量的生成子空间运算;
若存在用户的QoS无法保障,即不同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,则令所受干扰最大的飞蜂窝用户i本次不发送数据,即xt,i=0;
步骤4.1.2:令对应xt,j=1,令t的值增加1,对剩下的用户执行步骤4.1.1,当所有本次传输的用户同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,即获得相应的干扰对齐矩阵时结束;或者当所有飞蜂窝基站都发送一次时结束。
优选地,所述步骤4.2包括:
根据预设的参数Pth、ε、γ0、V(t),t=1,采用最大功率发送,宏用户在每次调度时都进行传输,让所有飞蜂窝用户也同时传输,得到每个传输用户所受到的干扰矩阵Ij(t);根据分布式干扰对齐算法,求解Ij(t)的d个最小特征值对应的特征向量u1(t),u2(t),...,ud(t),ui(t)表示第i小特征值对应的特征向量,并利用这些特征向量生成基站j的接收矩阵Uj(t),即干扰对齐矩阵;计算公式如下:
Uj(t)=span([u1(t),u2(t),...,ud(t)]);
式中:span(·)表示向量的生成子空间运算;
若存在用户的QoS无法保障,即不同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,则令所受干扰最大的飞蜂窝用户i本次不发送数据,即xt,i=0;
步骤4.2.2:令对应xt,j=1,令t的值增加1对剩下的用户执行步骤4.2.1,当所有本次传输的用户同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,即获得相应的干扰对齐矩阵时结束;或者当所有飞蜂窝用户都发送一次时结束。
优选地,所述步骤5包括:
步骤5.1:将步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题进行变形,得到每个调度时隙的优化问题,然后转化为新的优化问题,求解最优能效和最优功率分配;
步骤5.2:使用一阶凸近似处理步骤5.1中新的优化问题,采用迭代求解一阶凸近似处理后的最优功率分配。
优选地,所述步骤5.1中的每个调度时隙的优化问题是指:
式中:用户速率j∈{0,1,...,K},R0表示每个时间点的R0(t),pj为飞蜂窝基站j的功率分配因子,gj,i为基站i到用户j的有效信道增益;Pj,max表示基站j的最大发送功率,Pid表示飞蜂窝不发送数据时的固定消耗功率,p0表示宏蜂窝基站的功率分配因子;
新的优化问题是指:
式中:η为最大能效,定义为p为功率pj组成的向量;C1'表示宏蜂窝用户速率约束的变形,C2'表示飞蜂窝用户有用信号约束,g0,0表示宏蜂窝基站到宏蜂窝用户的有效信道增益,gj,j表示飞蜂窝基站j到飞蜂窝用户j的有效信道增益,g0,i表示飞蜂窝基站i到宏蜂窝用户的有效信道增益,σ2表示噪声功率;
求解最优能效和最优功率分配方法为:
设定最大迭代次数L,最大误差容忍值δ1>0,迭代次数l=0,给定初始能效ηl;
式中:Dl表示总速率与能效乘以总功率计算的差值,表示第l次迭代时的最优功率分配方案,表示最优功率分配方案时的总速率,表示最优功率分配方案时的总功率,Dl-1表示第l-1次迭代时的总速率与能效乘以总功率计算的差值,ηl表示第l次迭代时的系统能效,ηl+1表示l+1次迭代时的系统能效。
优选地,所述步骤5.2包括:
步骤5.2.1:使用一阶凸近似处理步骤5.1中新的优化问题;具体地如下:
式中:f(p)表示凸近似处理后的中间变量,g(pl)表示凸近似处理后的中间变量,g′(pl)T表示函数关于pl的导数转置,Pi,max表示基站i的最大发送功率,pi表示基站i的功率分配因子,gj,i表示基站i到用户j的有效信道增益,g′(·)表示求导运算,pl表示第l次迭代后的发送功率;
迭代求解最优功率分配是指:
设置迭代次数l=0,最大误差容忍值δ2>0,初始化pl的值,Dl=f(pl)-g(pl);
式中:f(pl)表示f函数关于pl的值;
步骤5.2.2:求解凸近似处理后的问题得到最优功率分配方案p*;
步骤5.2.2.1:设置迭代次数为l,计算中间误差变量Dl:
Dl=f(pl)-g(pl);
步骤5.2.2.2:令令l的值增加1,且pl=p*,判断|Dl-Dl-1|是否小于等于δ2,若大于δ2,则执行步骤5.2.2.1;若小于等于δ2,则结束。
与现有技术相比,本发明具有如下的有益效果:
1、本发明提供的异构网络中能量有效的资源分配和干扰对齐联合方法针对飞蜂窝、宏蜂窝共存的异构网络的能量有效问题,给出了快速飞蜂窝调度方案,同时得到干扰对齐算法中的基站预编码矩阵、用户端接收矩阵,降低了通信过程中的干扰,提升了系统的能效。
2、本发明提供的异构网络中能量有效的资源分配和干扰对齐联合方法给出了最优功率分配方案,保障了宏蜂窝用户和飞蜂窝用户的通信性能,进一步提升了系统的能量有效性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为调度矩阵在秩不同情况下的系统能量有效性对比图。
图2为不同飞蜂窝数目时最大频效方法、干扰对齐调度方法、能量有效的资源分配以及干扰对齐联合方法的系统能效对比图。
图3为不同飞蜂窝数目时,使用干扰对齐调度、不使用干扰对齐调度方法的系统成功传输百分比对比图。
图4为宏蜂窝阈值不同时,系统能效迭代收敛示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的异构网络中能量有效的资源分配和干扰对齐联合方法,包括如下步骤:
步骤1:构建异构网络下的通信系统;
步骤2:基于异构网络下通信系统,分别计算飞蜂窝调度矩阵,飞蜂窝用户通信速率,异构网络下通信系统的总速率和总功耗;
步骤3:基于宏蜂窝用户的最低速率需求、飞蜂窝用户的信号强度、飞蜂窝用户的干扰强度、飞蜂窝基站的调度约束、功率约束条件构造异构网络中能量有效的资源分配和干扰对齐联合优化问题;
步骤4:在用户端和基站端进行能量有效的飞蜂窝调度,并得到对应的干扰对齐矩阵;
步骤5:完成能量有效的迭代功率分配。
所述步骤1中的通信系统包括:1个宏蜂窝基站(macrocell base station,MBS)BS0,K个飞蜂窝基站(femtocell base station,FBS)BS1到BSK,每个飞蜂窝基站有M个天线且第i个飞蜂窝基站BSi以d个数据流服务第i个用户,记为;每个用户有N个天线用来接收数据,每个飞蜂窝基站在一个时隙内至多服务一个用户,则第j个用户在时隙t的接收信号yj(t)为:
式中:Pj(t)表示t时刻第j个飞蜂窝基站BSj的发送功率,表示第j个用户在t时刻接收矩阵的共轭转置,Hjj(t)表示t时刻BSj到用户j的信道相关矩阵,Vj(t)表示t时刻BSj的预编码矩阵,xj(t)表示t时刻BSj的发送数据,Hji(t)表示t时刻第i个飞蜂窝基站BSi到用户j的信道相关矩阵,Vi(t)表示t时刻BSj的预编码矩阵,xi(t)表示t时刻BSi的发送数据,nj(t)表示t时刻用户j所受到的加性高斯白噪声。
所述步骤2中的飞蜂窝调度矩阵是指:
定义飞蜂窝调度矩阵为一个K乘K矩阵,记为X,其中,X=[xt,j]K×K,xt,j表示取值为0或1的变量,当xt,j为0时,表示BSj在时刻t没有发送数据,当xt,j为1时,表示BSj在时刻t发送数据;X的每一行中的xt表示飞蜂窝基站在时刻t的调度情况定义xt,0=1,使得BS0(宏基站)一直发送数据;
用户通信速率的计算公式如下:
式中:Rj(t)表示用户j在时刻t的通信速率,Pj(t)表示BSj在时刻t的发送功率,Ij(t)表示用户j在时刻t所受到的总干扰,σ2为噪声功率;Pi(t)表示t时刻第i个飞蜂窝基站BSi的发送功率,表示t时刻BSj的预编码矩阵的共轭转置,表示t时刻第i个飞蜂窝基站BSi到用户j的信道相关矩阵的共轭转置,Uj(t)表示第j个用户在t时刻接收矩阵;
通信系统的总速率的计算公式如下:
式中:Rtot表示异构网络下通信系统总速率,rank(X)表示调度矩阵X的秩,R0(t)表示宏用户的速率(即用户0);
通信系统总功耗的计算公式如下:
其中:Pf=[Pt,j]K×K,当BSj在时隙t发送数据时Pt,j=Pj(t),否则为Pt,j=0.
式中:Ptot表示异构网络下通信系统总功耗,Pf为K乘K矩阵,表示飞蜂窝发送功率矩阵,P0(t)表示宏蜂窝在时刻t的发送功率,Pc表示宏蜂窝固定消耗功率,Pid为飞蜂窝不发送数据时的固定消耗功率。
所述步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题是指:
式中:为系统能量有效性;γ0表示宏蜂窝用户的最小速率需求;Ijj(t)表示飞蜂窝用户j在t时刻的有用接收信号强度,Pth表示飞蜂窝用户有用接收信号强度阈值,ε表示飞蜂窝用户所受干扰信号强度阈值,Pf,max表示飞蜂窝基站的最大发送功率,Pmax表示宏蜂窝基站的最大发送功率。
所述步骤4包括:
步骤4.1:在BS端进行能量有效的飞蜂窝调度,并得到干扰对齐矩阵;
步骤4.2:在用户端进行能量有效的飞蜂窝调度,并得到干扰对齐矩阵。
所述步骤4.1包括:
步骤4.1.1:根据预设的参数Pth、ε、γ0、V(t),t=1,基站采用最大功率,宏蜂窝基站在每次调度时都进行传输,让所有飞蜂窝基站也同时传输,得到每个传输用户所受到的干扰矩阵Ij(t);根据分布式干扰对齐算法,求解Ij(t)的d个最小特征值对应的特征向量并利用这些特征向量生成用户j的接收矩阵Uj(t),即干扰对齐矩阵;计算公式如下:
若存在用户的QoS无法保障,即不同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,则令所受干扰最大的飞蜂窝用户i本次不发送数据,即xt,i=0;
步骤4.1.2:令对应xt,j=1,t=t+1,对剩下的用户执行步骤4.1.1,当所有本次传输的用户同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,即获得相应的干扰对齐矩阵时结束;或者当所有飞蜂窝基站都发送一次时结束。
在用户端重复4.1的方法。
所述步骤5包括:
步骤5.1:将步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题进行变形,得到每个调度时隙的优化问题,然后转化为新的优化问题,求解最优能效和最优功率分配;
步骤5.2:使用一阶凸近似处理步骤5.1中新的优化问题,采用迭代求解最优功率分配。
所述步骤5.1中的每个调度时隙的优化问题是指:
新的优化问题是指:
设定最大迭代次数L,最大误差容忍值δ1>0,迭代次数l=0,给定初始能效ηl;
所述步骤5.2包括:
步骤5.2.1:使用一阶凸近似处理步骤5.1中新的优化问题;具体地如下:
迭代求解最优功率分配是指:
设置迭代次数l=0,最大误差容忍值δ2>0,初始pl,Dl=f(pl)-g(pl);
步骤5.2.2:求解凸近似处理后的问题得到最优功率分配方案p*;
步骤5.2.2.1:设置迭代次数为l,计算中间误差变量Dl:
Dl=f(pl)-g(pl);
步骤5.2.2.2:令l=l+1,pl=p*,判断|Dl-Dl-1|是否小于等于δ2,若大于δ2,则执行步骤5.2.2.1;若小于等于δ2,则结束。
更进一步地,本实施例中,所用的参数如下:宏蜂窝半径为500米,飞蜂窝半径为30米;载波频率为2GHz,总带宽为10MHz;从基站到用户的路损为128.1+37.6log10(R)[dB];宏基站的最大发送功率为Pmax=46dBm,飞蜂窝基站的最大发送功率为Pj,max=30dBm;宏基站的静态功耗为PC=40dBm,飞蜂窝的闲置功耗为Pid=20dBm;天线数目为M=N=2数据流数为d=1,宏用户速率阈值为r0=2bit/s/Hz,飞蜂窝QoS为Pth=10-7mw,ε=10-9mw;图4中三个阈值为r0=1bit/s/Hz、r0=2bit/s/Hz、r0=3bit/s/Hz。
实施例步骤如下:
步骤S1:定义飞蜂窝调度矩阵X=[xt,j]K×K,为一个K乘K矩阵,其中xt,j为0,1变量,当为0时,表示BS j在时刻t没有发送数据,当为1时,表示BS j在时刻t发送数据。X的每一行,xt表示飞蜂窝BS在时刻t的调度情况。定义xt,0=1确保BS 0(宏基站)一直发送数据。在图1中,共有K=20个飞蜂窝基站。
用户通信速率是指:
系统总速率是指:
系统总功耗是指:
步骤S2:异构网络中能量有效的资源分配和干扰对齐联合优化问题是指:
步骤S3:在BS端进行能量有效的飞蜂窝调度同时得到干扰对齐矩阵;在用户端进行能量有效的飞蜂窝调度同时得到干扰对齐矩阵。
步骤S4:对每个调度时隙进行优化;
新的优化问题是指:
步骤S5:一阶凸近似处理;
图1展示了系统能效随着调度矩阵的秩变化,当秩越大时,即调度时间越长时,系统能效越低。这说明,使用快速调度方案可以提升系统能效。图2展示了不同飞蜂窝数目时最大频效方法、干扰对齐调度方法、能量有效的资源分配和干扰对齐联合方法的系统能效对比。从图中可以看出,干扰对齐调度方法对比最大频效方法可以提升系统能效。同时结合功率分配的联合方法能极大提升系统能效。图3为使用干扰对齐调度和不使用干扰对齐调度方法的系统成功传输百分比对比图。由图可知,干扰对齐调度方法可以保障系统成功传输。图4为宏蜂窝阈值不同时,系统能效迭代收敛示意图。可以看出所提方法可以在10次迭代以内收敛,并且宏蜂窝阈值越大,系统能效越低。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (1)
1.一种异构网络中能量有效的资源分配和干扰对齐联合方法,其特征在于,包括如下步骤:
步骤1:构建异构网络下的通信系统;
步骤2:基于异构网络下通信系统,分别计算飞蜂窝调度矩阵,飞蜂窝用户通信速率,异构网络下通信系统的总速率和总功耗;
步骤3:基于宏蜂窝用户的最低速率需求、飞蜂窝用户的信号强度、飞蜂窝用户的干扰强度、飞蜂窝基站的调度约束、功率约束条件构造异构网络中能量有效的资源分配和干扰对齐联合优化问题;
步骤4:在用户端和基站端进行能量有效的飞蜂窝调度,并得到对应的干扰对齐矩阵;
步骤5:进行能量有效的迭代功率分配;
所述步骤1中的通信系统包括:1个宏蜂窝基站BS0,K个飞蜂窝基站BS1到BSK,每个飞蜂窝基站有M个天线且第i个飞蜂窝基站BSi以d个数据流服务第i个用户;每个用户有N个天线用来接收数据,每个飞蜂窝基站在一个时隙内至多服务一个用户,则第j个用户在t时刻的接收信号yj(t)为:
式中:Pj(t)表示t时刻第j个飞蜂窝基站BSj的发送功率,表示第j个用户在t时刻接收矩阵的共轭转置,Hjj(t)表示t时刻BSj到第j个用户的信道相关矩阵,Vj(t)表示t时刻BSj的预编码矩阵,xj(t)表示t时刻BSj的发送数据,Hji(t)表示t时刻第i个飞蜂窝基站BSi到第j个用户的信道相关矩阵,Vi(t)表示t时刻BSj的预编码矩阵,xi(t)表示t时刻BSi的发送数据,nj(t)表示t时刻第j个用户所受到的加性高斯白噪声;
所述步骤2中的飞蜂窝调度矩阵是指:
定义飞蜂窝调度矩阵为一个K乘K矩阵,记为X,其中,X=[xt,j]K×K,xt,j表示取值为0或1的变量,当xt,j为0时,表示BSj在t时刻没有发送数据,当xt,j为1时,表示BSj在t时刻发送数据;X的每一行中的xt表示飞蜂窝基站在时刻t的调度情况;xt,0表示宏基站BS0在时刻t的发送情况,定义xt,0=1,使得宏基站BS0一直发送数据;
宏蜂窝用户和飞蜂窝用户通信速率均由如下公式计算:
式中:Rj(t)表示第j个用户在t时刻的通信速率,Pj(t)表示BSj在时刻t的发送功率,Ij(t)表示第j个用户在t时刻所受到的总干扰矩阵,σ2为噪声功率;xt,i表示取值为0或1的变量,当xt,i为0时,表示BSi在t时刻没有发送数据,当xt,i为1时,表示BSi在t时刻发送数据;Pi(t)表示t时刻第i个飞蜂窝基站BSi的发送功率,宏蜂窝基站和飞蜂窝基站发送的数据流数均为d,tr(·)表示矩阵的迹,表示t时刻BSj的预编码矩阵的共轭转置,表示t时刻第i个飞蜂窝基站BSi到第j个用户的信道相关矩阵的共轭转置,Uj(t)表示第j个用户在t时刻接收矩阵;
异构网络下通信系统的总速率的计算公式如下:
式中:Rtot表示异构网络下通信系统总速率,rank(X)表示调度矩阵X的秩,R0(t)表示宏蜂窝用户的速率;
异构网络下通信系统总功耗的计算公式如下:
其中:Pf=[Pt,j]K×K,当BSj在t时刻发送数据时Pt,j=Pj(t),否则为Pt,j=0;
式中:Ptot表示异构网络下通信系统总功耗,Pf为K乘K矩阵,表示飞蜂窝发送功率矩阵,Pt,j表示基站j在t时刻的发送功率,||XPf||1表示1范数,代表飞蜂窝的发送功率之和,P0(t)表示宏蜂窝在t时刻的发送功率,Pc表示宏蜂窝固定消耗功率,Pid为飞蜂窝不发送数据时的固定消耗功率,rank(·)表示矩阵的求秩运算;X表示调度矩阵;
所述步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题是指:
s.t.C1:R0(t)≥γ0,t∈T
C2:Ijj(t)≥xt,jPth,j∈{1,2,...,K},t∈T
C3:xt,jIj(t)≤ε,j∈{1,2,...,K},t∈T
C5:0≤Pj(t)≤Pf,max,j∈{1,2,...,K},t∈T
C6:0≤P0(t)≤Pmax,t∈T
式中:表示优化的变量为X,Uj(t),Vj(t),Pj(t),P0(t),目标为最大化问题;C1表示第一约束条件,即宏用户的速率约束;C2表示第二约束条件,即飞蜂窝用户接收有用信号的强度约束;C3表示第三约束条件,即飞蜂窝用户所受干扰的强度约束;C4表示第四约束条件,即一个飞蜂窝基站在一次调度过程中只能发送一次;C5表示第五约束条件,即飞蜂窝基站的发送功率约束;C6表示第六约束条件,即宏蜂窝基站的发送功率约束,T表示通信的总时间,T∈{1,2,...,rank(X)},为系统能量有效性;γ0表示宏蜂窝用户的最小速率需求;Ijj(t)表示飞蜂窝用户j在t时刻的有用接收信号强度,Pth表示飞蜂窝用户有用接收信号强度阈值,ε表示飞蜂窝用户所受干扰信号强度阈值,Pf,max表示飞蜂窝基站的最大发送功率,Pmax表示宏蜂窝基站的最大发送功率;
所述步骤4包括:
步骤4.1:给定基站端预编码矩阵V(t),在基站端进行能量有效的飞蜂窝调度,并得到用户端的干扰对齐矩阵U(t),即用户接收矩阵;
步骤4.2:根据步骤4.1得到的用户端干扰对齐矩阵U(t),在用户端进行能量有效的飞蜂窝调度,并得到基站端的干扰对齐矩阵,即基站端预编码矩阵;
所述步骤4.1包括:
步骤4.1.1:根据预设的参数Pth、ε、γ0、V(t),t=1,基站采用最大功率,宏蜂窝基站在每次调度时都进行传输,让所有飞蜂窝基站也同时传输,得到第j个用户在t时刻所受到的总干扰矩阵Ij(t);根据分布式干扰对齐算法,求解Ij(t)的d个最小特征值对应的特征向量u1(t),u2(t),...,ud(t),ui(t)表示第i小特征值对应的特征向量,并利用这些特征向量生成用户j的接收矩阵Uj(t),即干扰对齐矩阵;计算公式如下:
Uj(t)=span([u1(t),u2(t),...,ud(t)]);
式中:span(·)表示向量的生成子空间运算;
若存在用户的QoS无法保障,即不同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,则令所受干扰最大的飞蜂窝用户i本次不发送数据,即xt,i=0;
步骤4.1.2:令对应xt,j=1,令t的值增加1,对剩下的用户执行步骤4.1.1,当所有本次传输的用户同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,即获得相应的干扰对齐矩阵时结束;或者当所有飞蜂窝基站都发送一次时结束;
所述步骤4.2包括:
根据预设的参数Pth、ε、γ0、V(t),t=1,采用最大功率发送,宏用户在每次调度时都进行传输,让所有飞蜂窝用户也同时传输,得到每个传输用户所受到的干扰矩阵Ij(t);根据分布式干扰对齐算法,求解Ij(t)的d个最小特征值对应的特征向量u1(t),u2(t),...,ud(t),ui(t)表示第i小特征值对应的特征向量,并利用这些特征向量生成基站j的接收矩阵Uj(t),即干扰对齐矩阵;计算公式如下:
Uj(t)=span([u1(t),u2(t),...,ud(t)]);
式中:span(·)表示向量的生成子空间运算;
若存在用户的QoS无法保障,即不同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,则令所受干扰最大的飞蜂窝用户i本次不发送数据,即xt,i=0;
步骤4.2.2:令对应xt,j=1,令t的值增加1对剩下的用户执行步骤4.2.1,当所有本次传输的用户同时满足第一约束条件C1,第二约束条件C2,第三约束条件C3,即获得相应的干扰对齐矩阵时结束;或者当所有飞蜂窝用户都发送一次时结束;
所述步骤5包括:
步骤5.1:将步骤3中的异构网络中能量有效的资源分配和干扰对齐联合优化问题进行变形,得到每个调度时隙的优化问题,然后转化为新的优化问题,求解最优能效和最优功率分配;
步骤5.2:使用一阶凸近似处理步骤5.1中新的优化问题,采用迭代求解一阶凸近似处理后的最优功率分配;
所述步骤5.1中的每个调度时隙的优化问题是指:
s.t.C1:R0(t)≥γ0,t∈T
C2:Ijj(t)≥xt,jPth,j∈{1,2,...,K}
C4:0≤p0≤1,
C5:0≤pj≤1,j∈{1,2,...,K}
式中:用户速率R0表示每个时间点的R0(t),pj为飞蜂窝基站j的功率分配因子,gj,i为基站i到用户j的有效信道增益;Pj,max表示基站j的最大发送功率,Pid表示飞蜂窝不发送数据时的固定消耗功率,p0表示宏蜂窝基站的功率分配因子;
新的优化问题是指:
C2':pjPf,maxgj,j-xt,jPth≥0,j∈{1,2,...,K}
C4,C5
式中:η为最大能效,定义为p为功率pj组成的向量;C1'表示宏蜂窝用户速率约束的变形,C2'表示飞蜂窝用户有用信号约束,g0,0表示宏蜂窝基站到宏蜂窝用户的有效信道增益,gj,j表示飞蜂窝基站j到飞蜂窝用户j的有效信道增益,g0,i表示飞蜂窝基站i到宏蜂窝用户的有效信道增益,σ2表示噪声功率;
求解最优能效和最优功率分配方法为:
设定最大迭代次数L,最大误差容忍值δ1>0,迭代次数l=0,给定初始能效ηl;
式中:Dl表示总速率与能效乘以总功率计算的差值,表示第l次迭代时的最优功率分配方案,表示最优功率分配方案时的总速率,表示最优功率分配方案时的总功率,Dl-1表示第l-1次迭代时的总速率与能效乘以总功率计算的差值,ηl表示第l次迭代时的系统能效,ηl+1表示l+1次迭代时的系统能效;
所述步骤5.2包括:
步骤5.2.1:使用一阶凸近似处理步骤5.1中新的优化问题;具体地如下:
s.t.C1',C2',C4,C5
式中:f(p)表示凸近似处理后的中间变量,g(pl)表示凸近似处理后的中间变量,g′(pl)T表示函数关于pl的导数转置,Pi,max表示基站i的最大发送功率,pi表示基站i的功率分配因子,gj,i表示基站i到用户j的有效信道增益,g′(·)表示求导运算,pl表示第l次迭代后的发送功率;
迭代求解最优功率分配是指:
设置迭代次数l=0,最大误差容忍值δ2>0,初始化pl的值,计算中间误差变量Dl:Dl=f(pl)-g(pl);
式中:f(pl)表示f函数关于pl的值;
步骤5.2.2:求解凸近似处理后的问题得到最优功率分配方案p*;
步骤5.2.2.1:设置迭代次数为l,计算中间误差变量Dl:
Dl=f(pl)-g(pl);
步骤5.2.2.2:令l的值增加1,且pl=p*,判断|Dl-Dl-1|是否小于等于δ2,若大于δ2,则执行步骤5.2.2.1;若小于等于δ2,则结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185741.0A CN107241799B (zh) | 2016-03-28 | 2016-03-28 | 异构网络中能量有效的资源分配和干扰对齐联合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185741.0A CN107241799B (zh) | 2016-03-28 | 2016-03-28 | 异构网络中能量有效的资源分配和干扰对齐联合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107241799A CN107241799A (zh) | 2017-10-10 |
CN107241799B true CN107241799B (zh) | 2021-05-11 |
Family
ID=59982751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610185741.0A Expired - Fee Related CN107241799B (zh) | 2016-03-28 | 2016-03-28 | 异构网络中能量有效的资源分配和干扰对齐联合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107241799B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108848045B (zh) * | 2018-07-07 | 2021-12-21 | 西北大学 | 基于联合干扰对齐和功率优化的d2d通信干扰管理方法 |
CN109450494B (zh) * | 2018-11-12 | 2021-11-30 | 苏州大学 | 基于CoMP的异构网络信道及功率资源联合分配方法 |
CN111556511B (zh) * | 2020-03-30 | 2022-05-17 | 西北大学 | 一种基于智能边缘缓存的部分机会性干扰对齐方法 |
CN112954806B (zh) * | 2021-01-26 | 2022-10-21 | 西安电子科技大学 | 异构网络中基于弦图着色的联合干扰对齐与资源分配方法 |
CN113473629B (zh) * | 2021-06-30 | 2023-10-31 | 华南师范大学 | 用户自适应连接基站进行通信的方法、装置、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166685A (zh) * | 2013-02-04 | 2013-06-19 | 重庆邮电大学 | Lte中一种基于联合功率分配的干扰对齐方法 |
CN103297103A (zh) * | 2013-05-31 | 2013-09-11 | 北京航空航天大学 | 一种多小区mimo系统中能效优先的干扰对准方法 |
CN104125577A (zh) * | 2014-07-02 | 2014-10-29 | 上海师范大学 | 一种认知双层异构网络系统下的干扰管理策略 |
CN104168573A (zh) * | 2014-07-24 | 2014-11-26 | 江苏科技大学 | Femtocell网络下基于分簇干扰对齐的干扰消除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8971906B2 (en) * | 2013-01-17 | 2015-03-03 | Qualcomm Incorporated | Hybrid interference alignment for mixed macro-FEMTO base station downlink |
-
2016
- 2016-03-28 CN CN201610185741.0A patent/CN107241799B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166685A (zh) * | 2013-02-04 | 2013-06-19 | 重庆邮电大学 | Lte中一种基于联合功率分配的干扰对齐方法 |
CN103297103A (zh) * | 2013-05-31 | 2013-09-11 | 北京航空航天大学 | 一种多小区mimo系统中能效优先的干扰对准方法 |
CN104125577A (zh) * | 2014-07-02 | 2014-10-29 | 上海师范大学 | 一种认知双层异构网络系统下的干扰管理策略 |
CN104168573A (zh) * | 2014-07-24 | 2014-11-26 | 江苏科技大学 | Femtocell网络下基于分簇干扰对齐的干扰消除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107241799A (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107241799B (zh) | 异构网络中能量有效的资源分配和干扰对齐联合方法 | |
CN108234101B (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
CN110190881B (zh) | 权重速率最优的下行mimo-noma功率分配方法 | |
CN111314935B (zh) | 基于noma-mec系统的下行传输时延最小化的方法 | |
CN110149127B (zh) | 一种基于noma技术的d2d通信系统预编码向量优化方法 | |
CN111446992B (zh) | 无线供电大规模mimo网络中的最大化最小能效资源分配方法 | |
CN104168574B (zh) | 一种混合蜂窝系统中基于干扰适变选择的上行传输方法 | |
CN109068382B (zh) | 一种基于时延QoS的NOMA跨层功率分配方法 | |
Tran et al. | Dynamic radio cooperation for downlink cloud-RANs with computing resource sharing | |
CN102186178B (zh) | 一种用于协作多点系统的小区间干扰协调方法 | |
Chinnadurai et al. | Energy efficient MIMO-NOMA HCN with IoT for wireless communication systems | |
CN113938173B (zh) | 一种星地融合网络中联合广播和单播的波束赋形方法 | |
Abidrabbu et al. | Energy-Efficient resource allocation for 5G cognitive radio NOMA using game theory | |
Zhao et al. | Secure energy-saving resource allocation on massive mimo-mec system | |
Wei et al. | Optimized time-shifted pilots for maritime massive MIMO communication systems | |
WO2019041477A1 (zh) | 添加d2d通信的分布式天线系统中功率分配方法及装置 | |
Shaima’S et al. | Energy-efficient resource allocation for 5G cognitive radio NOMA using game theory | |
CN112261662A (zh) | 一种提升noma协作通信系统能量效率的传输方法 | |
Xu et al. | Energy efficiency optimization of NOMA IoT communication for 5G | |
CN112994870B (zh) | 面向全双工d2d通信的电力设备发送功率优化方法及装置 | |
CN112584403B (zh) | Noma小小区最大速率最小功率的联合优化方法 | |
CN111565072B (zh) | 一种可见光通信网络中上行容量区域和最佳波速优化方法 | |
CN105577591B (zh) | 一种异构网中基于全双工通信的跨层串行干扰删除方法 | |
Xin et al. | Energy-efficient power control for ultra-dense networks with distributed antenna arrays | |
Wu et al. | A novel low-complexity power allocation algorithm based on the NOMA system in a low-speed environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210511 |
|
CF01 | Termination of patent right due to non-payment of annual fee |