CN108449119B - 异构网络时分协同多播的传输方法及装置 - Google Patents
异构网络时分协同多播的传输方法及装置 Download PDFInfo
- Publication number
- CN108449119B CN108449119B CN201810318366.1A CN201810318366A CN108449119B CN 108449119 B CN108449119 B CN 108449119B CN 201810318366 A CN201810318366 A CN 201810318366A CN 108449119 B CN108449119 B CN 108449119B
- Authority
- CN
- China
- Prior art keywords
- network
- optimization problem
- area coverage
- wide area
- noise ratio
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000005540 biological transmission Effects 0.000 title claims abstract description 83
- 238000005457 optimization Methods 0.000 claims abstract description 280
- 239000013598 vector Substances 0.000 claims abstract description 254
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 10
- 238000013468 resource allocation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010885 neutral beam injection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- 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
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种异构网络时分协同多播的传输方法及装置,该方法通过迭代的方式得到高速密集网络的优化波束向量和广域覆盖网络的优化波束向量,进而基于高速密集网络的优化波束向量进行高速密集网络的波束资源分配,并且基于广域覆盖网络的优化波束向量进行广域覆盖网络的波束资源分配,最终优化了异构网络时分协同系统性能,异构网络中,通过多网系协同覆盖,单网系覆盖时的瓶颈用户能够获得更大增益,改善了单网系系统性能,提高了信号的传输效果,缓解了现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,系统性能不好的技术问题。
Description
技术领域
本发明涉及无线通信中资源分配的技术领域,尤其是涉及一种异构网络时分协同多播的传输方法及装置。
背景技术
随着通信发展,通信从传统的基于连接的通信逐渐拓展到基于内容的通信,例如音乐、视频、网络电视等。基于内容的通信往往需求更大的通信容量,但具有被多个用户同时需求的特性。利用多播传输,可以在同样的系统资源消耗下,将相同需求内容同时传输给多个用户,相对于点对点传输能够有效提升系统性能。
在多播传输中,基于多天线,发射波束成形可以被用于改善接收信干燥比。已有文献研究了单用户组的多播波束成形方法,针对QoS约束,以及用户间最大最小公平问题分别求解系统的最优波束设计。原问题为NP难问题,因此通过半正定规划与系统松弛,得到原问题的近似解。该问题可进一步拓展到多用户组的场景,同样研究了QoS约束和用户间最大最小公平下的最优波束设计。
在多播传输中,各分组的传输速率由分组内速率最低用户决定。而由于覆盖的局限性,信道状况不佳,或者波束边缘的用户,通信质量相对较差,在多播传输情况下,成为系统容量的瓶颈。
综上,现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,影响了系统性能。
发明内容
有鉴于此,本发明的目的在于提供一种异构网络时分协同多播的传输方法及装置,以缓解现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,系统性能不好的技术问题。
第一方面,本发明实施例提供了一种异构网络时分协同多播的传输方法,所述方法包括:
获取异构网络的初始波束向量,其中,所述异构网络包括:高速密集网络,广域覆盖网络;
将所述初始波束向量作为当前波束向量,执行以下步骤,直到确定出所述高速密集网络的优化波束向量和所述广域覆盖网络的优化波束向量:
结合所述当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;
分别对所述高速密集网络波束优化问题和所述广域覆盖网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量;
判断所述高速密集网络的中间优化波束向量与所述当前波束向量的差值是否满足第一预设精度,并判断所述广域覆盖网络的中间优化波束向量与所述当前波束向量的差值是否满足第二预设精度;
如果都满足,则将所述高速密集网络的中间优化波束向量作为所述高速密集网络的优化波束向量,并将所述广域覆盖网络的中间优化波束向量作为所述广域覆盖网络的优化波束向量;
如果不都满足,则将所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量作为所述当前波束向量。
本发明实施例带来了以下有益效果:本发明实施例提供了一种异构网络时分协同多播的传输方法及装置,该方法包括:获取异构网络的初始波束向量,其中,异构网络包括:高速密集网络,广域覆盖网络;将初始波束向量作为当前波束向量,执行以下步骤,直到确定出高速密集网络的优化波束向量和广域覆盖网络的优化波束向量:结合当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量;判断高速密集网络的中间优化波束向量与当前波束向量的差值是否满足第一预设精度,并判断广域覆盖网络的中间优化波束向量与当前波束向量的差值是否满足第二预设精度;如果都满足,则将高速密集网络的中间优化波束向量作为高速密集网络的优化波束向量,并将广域覆盖网络的中间优化波束向量作为广域覆盖网络的优化波束向量;如果不都满足,则将高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量作为当前波束向量。
现有的单网系多播传输方法中,由于单网系覆盖的局限性,信道状况不佳,信号的传输效果差,或者波束边缘的用户,通信质量相对较差,系统的性能不好。与现有的单网系多播传输方法相比,本发明实施例的异构网络时分协同多播的传输方法中,通过迭代的方式得到高速密集网络的优化波束向量和广域覆盖网络的优化波束向量,进而基于高速密集网络的优化波束向量进行高速密集网络的波束资源分配,并且基于广域覆盖网络的优化波束向量进行广域覆盖网络的波束资源分配,最终优化了异构网络时分协同系统性能,异构网络中,通过多网系协同覆盖,单网系覆盖时的瓶颈用户能够获得更大增益,改善了单网系系统性能,提高了信号的传输效果,缓解了现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,系统性能不好的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种异构网络时分协同多播的传输方法流程图;
图2为本发明实施例提供的结合当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题的流程图;
图3为本发明实施例提供的对高速密集网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量的流程图;
图4为本发明实施例提供的基于第三关系通过对广域覆盖网络QoS波束优化问题进行求解,得到简化的广域覆盖网络波束优化问题的第二优化波束矩阵的流程图;
图5为本发明实施例提供的基于第二待处理优化波束向量对广域覆盖网络的功率资源进行优化,得到广域覆盖网络的最优功率分配的流程图;
图6为本发明实施例提供的异构网络时分协同多播传输的系统示意图;
图7为本发明实施例提供的时分协同与非时分协同传输情况下传输速率的对比示意图;
图8为本发明实施例提供的一种异构网络时分协同多播的传输装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种异构网络时分协同多播的传输方法进行详细介绍。
实施例一:
一种异构网络时分协同多播的传输方法,参考图1,该方法包括:
S102、获取异构网络的初始波束向量,其中,异构网络包括:高速密集网络,广域覆盖网络;
在本发明实施例中,该方法的执行主体发射端。具体的,如果广域覆盖网络为卫星时,那么卫星即为该方法的执行主体,如果高速密集网络为微基站,那么微基站即为该方法的执行主体。
具体的,在本发明实施例中,广域覆盖网络与高速密集网络时分协同为用户提供多播传输服务。广域覆盖网络能够为异构网络时分协同系统中的所有用户提供广域的低速覆盖传输;高速密集网络由密集微基站组成,可为小覆盖范围内的用户提供高速传输。其中,广域覆盖网络可以为卫星网络,宏基站网络,本发明实施例对广域覆盖网络的形式不进行具体限制。
异构网络时分协同传输过程中,可分为两个时隙,时隙1广域覆盖网络传输信号,时隙2高速密集网络传输信号。异构网络时分协同系统(包括卫星,微基站,用户终端等)中,对用户(具体是指用户终端)按照其需求的数据进行分组,需求同样数据的用户被归为同一分组中。具体的,在通信时,用户先申请其需要的数据,根据用户申请的数据就能够将用户进行分组。
处于多网系覆盖范围内用户在两个时隙接收来自不同网系信号后,利用最大比合并方法合并信号。由于网络的覆盖差异,以及信道的波动性,单网系覆盖时的瓶颈用户在协同传输情况下,能获得更大的增益,改善系统性能。由于不同分组用户之间存在干扰,需要优化异构网络时分协同系统的波束资源,最优化异构网络时分协同系统性能。
下面对干扰的产生进行举例,假设有10组用户,这10组用户都会同时接收到这10组用户所有的信号,而对于每一组用户来说,其它组用户所需要的信号都属于干扰信号,所以需要进行波束资源的设计,使得用户的接收信噪比越高越好。
本发明中的方法在进行波束资源的设计时,采用了迭代的算法,要进行迭代,那么迭代的初始值必不可少,所以先要获取异构网络的初始波束向量。
S104、将初始波束向量作为当前波束向量,执行以下步骤,直到确定出高速密集网络的优化波束向量和广域覆盖网络的优化波束向量:
在得到初始波束向量后,将初始波束向量作为当前波束向量,执行以下步骤,直到确定出高速密集网络的优化波束向量和广域覆盖网络的优化波束向量。
具体的,步骤包括:
S106、结合当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;
在得到当前波束向量后,基于异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题,其中,这两个波束优化问题表示在满足功率约束下,最大化最小用户的加权信噪比。下文中再对该过程进行详细描述,在此不再赘述。
S108、分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量;
在得到高速密集网络波束优化问题和广域覆盖网络波束优化问题后,分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量。下文中再对该过程进行详细描述,在此不再赘述。
S110、判断高速密集网络的中间优化波束向量与当前波束向量的差值是否满足第一预设精度,并判断广域覆盖网络的中间优化波束向量与当前波束向量的差值是否满足第二预设精度;
在得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量后,判断高速密集网络的中间优化波束向量与当前波束向量的差值是否满足第一预设精度,并判断广域覆盖网络的中间优化波束向量与当前波束向量的差值是否满足第二预设精度。
具体的,是判断高速密集网络的中间优化波束向量与当前波束向量中用于表征高速密集网络的波束向量的差值是否满足第一预设精度,并判断广域覆盖网络的中间优化波束向量与当前波束向量中用于表征广域覆盖网络的波束向量的差值是否满足第二预设精度。其中,第一预设精度和第二预设精度的大小可以相同,也可以不同,本发明实施例对其不进行具体限制。
S112、如果都满足,则将高速密集网络的中间优化波束向量作为高速密集网络的优化波束向量,并将广域覆盖网络的中间优化波束向量作为广域覆盖网络的优化波束向量;
如果两个都满足,那么就将高速密集网络的中间优化波束向量作为高速密集网络的优化波束向量,并将广域覆盖网络的中间优化波束向量作为广域覆盖网络的优化波束向量。这样,就得到了高速密集网络的优化波束向量和广域覆盖网络的优化波束向量,在进行波束资源分配时,以该两个优化波束向量轮流交替进行(比如,时隙1广域覆盖网络的优化波束向量,时隙2高速密集网络的优化波束向量)。
基站I(即高速密集网络)的发射信号为广域覆盖网络的发射信号为其中,ωI,j为高速密集网络的优化波束向量,νj为广域覆盖网络的优化波束向量,sj表示发送给分组j的信号,也就是ωI,j和νj为要求解的参量。
S114、如果不都满足,则将高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量作为当前波束向量。
如果两个不都满足,那么那么就将高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量作为当前波束向量,继续执行上述的步骤S106的过程,直到确定出高速密集网络的优化波束向量和广域覆盖网络的优化波束向量为止。
现有的单网系多播传输方法中,由于单网系覆盖的局限性,信道状况不佳,信号的传输效果差,或者波束边缘的用户,通信质量相对较差,系统的性能不好。与现有的单网系多播传输方法相比,本发明实施例的异构网络时分协同多播的传输方法中,通过迭代的方式得到高速密集网络的优化波束向量和广域覆盖网络的优化波束向量,进而基于高速密集网络的优化波束向量进行高速密集网络的波束资源分配,并且基于广域覆盖网络的优化波束向量进行广域覆盖网络的波束资源分配,最终优化了异构网络时分协同系统性能,异构网络中,通过多网系协同覆盖,单网系覆盖时的瓶颈用户能够获得更大增益,改善了单网系系统性能,提高了信号的传输效果,缓解了现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,系统性能不好的技术问题。
上述内容对异构网络时分协同多播的传输方法进行了简要介绍,下面对其中涉及到的具体内容进行详细描述。
在一个可选地实施方式中,参考图2,结合当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题包括:
S201、收集异构网络到用户的下行信道信息;
具体的,利用导频信号,估计高速密集网络中所有基站到其覆盖范围内用户以及相邻基站覆盖范围内用户的下行信道信息。也就是,得到高速密集网络(即基站)到其覆盖范围内的用户的信道信息以及高速密集网络到与高速密集网络相邻的高速密集网络覆盖范围内的用户的信道信息。
假设基站数量为NB,天线数N,从基站i发出,到达属于基站I,分组J内的用户K的信道为hi,I,J,K
由于地面信道衰减速率较快,对于每个用户,只考虑以用户为中心7个基站的信号,包括用户所属基站,以及相邻6个基站。以基站I为中心的基站集合为BI,|BI|=7,有
具体的,i指的是信号发送的基站编号,I指的是接收用户所属范围内的基站的编号。
同时,利用导频信号,估计广域覆盖网络到所有用户的信道信息;
假设广域覆盖网络发射天线数为M,广域覆盖网络到基站I覆盖范围内,分组J内的用户K的信道为gI,J,K。
S202、基于下行信道信息和当前波束向量确定第一信噪比和第二信噪比,其中,第一信噪比为用户在高速密集网络中的接收信噪比,第二信噪比为用户在广域覆盖网络中的接收信噪比;
基站I覆盖范围内,分组J内的用户K的接收信噪比为:
来自高速网络信噪比(即第一信噪比):
来自广域网络信噪比(即第二信噪比):
上述两个式子中,只有ω和ν未知,其它参量的值都已知,表示噪声功率,如果当前波束向量为初始波束向量(也就是ω和ν也已知),那么该第一信噪比和第二信噪比的值就能够得到。
ωi,J表示基站i发送的,分组J的波束向量,ωi,j表示基站i发送的,分组j的波束向量,其中,i可取以基站I为中心7个基站编号,J为接收用户所属的分组,j可取除J外所有分组编号;
νJ表示广域覆盖网络发送的分组J的波束向量,νj表示广域覆盖网络发送的分组j的波束向量,其中,J为接收用户所属的分组,j可取除J外所有分组编号。
S203、确定异构网络的波束优化问题,其中,波束优化问题表示在满足功率约束下,最大化最小用户的加权信噪比;
在得到第一信噪比和第二信噪比的表达式,以及其初始值后,基于最大比合并,用户总接收信噪比为:
最大化最小用户的加权信噪比,得到异构网络的波束优化问题:
FT:
其中,γI,J,K,tar表示加权系数,为已知量,NB为基站数量,NG为分组数量,|GI,J|为基站I内分组J的用户数量,PB,I,max为基站最大传输功率,PS,max为广域网络最大传输功率,PB,I为基站当前的使用功率,PS为广域覆盖网络的使用功率,s.t.表示受约束。
为要实现的目标,表示功率的约束,即求解需要满足该约束条件。ωi,j和νj为未知量,PB,I和PS为未知量(可以根据ωI,j和νj求解得到),其它量为已知量。ωI,j基站I发送的,分组j的波束向量,I可取所有基站编号。
这里目标函数中的νj取J之外的所有值,而约束PS中的νj可取所有值。
S204、将异构网络的波束优化问题进行分解,得到预设高速密集网络波束优化问题和预设广域覆盖网络波束优化问题;
在得到异构网络的波束优化问题后,将异构网络的波束优化问题进行分解,得到两个子问题,分别是预设高速密集网络波束优化问题和预设广域覆盖网络波束优化问题:
预设高速密集网络波束优化问题:
FB:
预设广域覆盖网络波束优化问题:
FS:
S205、基于第二信噪比和预设高速密集网络波束优化问题确定高速密集网络波束优化问题;
在得到预设高速密集网络波束优化问题后,将第二信噪比的值(上述内容中已经求解得到)代入预设高速密集网络波束优化问题中的γS,I,J,K位置,得到高速密集网络波束优化问题。
也就是在对高速密集网络进行优化时,将广域覆盖网络的信噪比看为常数。
S206、基于第一信噪比和预设广域覆盖网络波束优化问题确定广域覆盖网络波束优化问题。
在得到预设广域覆盖网络波束优化问题后,将第一信噪比的值(上述内容中已经求解得到)代入预设广域覆盖网络波束优化问题中的γB,I,J,K位置,得到广域覆盖网络波束优化问题。
也就是在对广域覆盖网络进行优化时,将高速密集网络的信噪比看为常数。
上述内容介绍了确定高速密集网络波束优化问题和广域覆盖网络波束优化问题,下面具体介绍如何分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解。
在一个可选地实施方式中,分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量包括:
(1)对高速密集网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量;
(2)对广域覆盖网络波束优化问题进行求解,得到广域覆盖网络的中间优化波束向量。
可选地,参考图3,对高速密集网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量包括:
S301、通过第一预设矩阵对高速密集网络波束优化问题进行转换,得到简化的高速密集网络波束优化问题,其中,简化的高速密集网络波束优化问题中使得高速密集网络波束优化问题中的预设约束条件松弛;
在得到高速密集网络波束优化问题后,通过第一预设矩阵对高速密集网络波束优化问题进行转换,得到简化的高速密集网络波束优化问题。
具体的,令
其中,D表示对角矩阵。
所以,上述的高速密集网络波束优化问题可以转化为简化的高速密集网络波束优化问题(即FB,r问题):
FB,r:
s≥0.
其中,t表示最小用户的加权信噪比),XB,J为要求解的值,tr()为矩阵的迹,表示半正定,并且略去了rank(XB,J)=1这一约束,rank()表示矩阵的秩。
通过略去秩的约束,将原问题进行松弛,得到新的简化问题FB,r。
S302、确定与简化的高速密集网络波束优化问题所对应的高速密集网络QoS波束优化问题,其中,高速密集网络QoS波束优化问题表示在满足用户的最小接收信噪比的约束下,最小化传输功率;
在得到简化的高速密集网络波束优化问题后,无法对该简化的高速密集网络波束优化问题进行求解,所以,确定与简化的高速密集网络波束优化问题所对应的高速密集网络QoS波束优化问题(即QB,r问题):
QB,r:
表示在满足用户的最小接收信噪比的约束下,最小化传输功率。
该高速密集网络QoS波束优化问题为标准的半正定规划问题,可以利用SDP工具求解,从而得到相应的优化波束矩阵XB,J,进而也就得到的简化的高速密集网络波束优化问题的解XB,J,下面描述具体的求解过程。
S303、确定简化的高速密集网络波束优化问题和高速密集网络QoS波束优化问题之间的第一关系;
在得到高速密集网络QoS波束优化问题后,确定简化的高速密集网络波束优化问题和高速密集网络QoS波束优化问题之间的第一关系。
令
令FB,r(γtar,PB,PT)代表问题FB,r,代表相应最优解,QB,r(γtar,PB)代表问题QX,r,高速密集网络QoS波束优化问题和简化的高速密集网络波束优化问题之间有以下关系
t*=FB,r(γtar,PB,QB,r(t*γtar,PB)+s*)
PT-s*=QB,r(FB,r(γtar,PB,PT)γtar,PB)
其中,t*代表问题FB,r中得到的解,也即最大最小用户的加权信噪比,γtar表示加权信噪比的加权因子,s*是问题FB,r中的s,代表波束分配后未使用的功率,PT是异构网络系统两个网络加起来的总功率约束,问题FB,r(γtar,P,PT)代表加权因子为γtar,两个网络分别的功率约束组成的向量为P,总功率约束为PT时的MMF问题FB,r。
S304、基于第一关系通过对高速密集网络QoS波束优化问题进行求解,得到简化的高速密集网络波束优化问题的第一优化波束矩阵;
得到上述的第一关系后,基于第一关系通过对高速密集网络QoS波束优化问题进行求解,得到简化的高速密集网络波束优化问题的第一优化波束矩阵。下文中再对该过程进行详细描述。
S305、采用高斯随机方法对第一优化波束矩阵进行处理,生成第一待处理优化波束向量;
上述过程得到的是第一优化波束矩阵,而实际中要得到的为向量的形式,所以需要进行矩阵和向量之间的转换,得到第一待处理优化波束向量。
具体的,使用高斯随机方法,基于得到的XB,J生成波束向量。
XB,J可利用特征值分解得到如下结果:
其中,ΣB,J为对角阵,该对角阵中的值为矩阵XB,J的特征值,UB,J和为特征向量组成的矩阵。
相应分组J的波束向量可以通过以下方法生成:
其中,为遵循0均值,标准方程的独立高斯随机变量组成。
S306、基于第一待处理优化波束向量对高速密集网络的功率资源进行优化,得到高速密集网络的最优功率分配;
在得到第一待处理优化波束向量后,该第一待处理优化波束向量与高速密集网络的中间优化波束向量不完全等价,功率资源不一定得到充分利用,进一步基于高斯随机方法生成的第一待处理优化波束向量ωJ进行功率资源的优化,得到高速密集网络的最优功率分配。具体内容,将在下文中进行详细描述,在此不再赘述。
S307、基于第一待处理优化波束向量和高速密集网络的最优功率分配确定高速密集网络的中间优化波束向量。
在得到第一待处理优化波束向量和高速密集网络的最优功率分配后,进一步确定高速密集网络的中间优化波束向量。
具体的:(1)将第一待处理优化波束向量和高速密集网络的最优功率分配相乘,得到乘积向量;
(2)将乘积向量作为高速密集网络的中间优化波束向量。
在一个可选地实施方式中,基于第一关系通过对高速密集网络QoS波束优化问题进行求解,得到简化的高速密集网络波束优化问题的第一优化波束矩阵包括:
(1)获取二分法迭代的第一初始上限加权信噪比和第一初始下限加权信噪比;
(2)确定第一初始上限加权信噪比和第一初始下限加权信噪比的第一平均信噪比;
执行下述迭代过程:
(3)基于第一关系将第一平均信噪比代入高速密集网络QoS波束优化问题,得到待求解高速密集网络QoS波束优化问题;
(4)采用SDP工具对待求解高速密集网络QoS波束优化问题进行求解;
(5)如果待求解高速密集网络QoS波束优化问题无解或得到的解所对应的能量大于能量约束,则对第一历史上限加权信噪比进行更新,得到第一更新的上限加权信噪比,其中,第一更新的上限加权信噪比为第一平均信噪比;
(6)如果待求解高速密集网络QoS波束优化问题有解,则记录得到的解,并对第一历史下限加权信噪比进行更新,得到第一更新的下限加权信噪比,其中,第一更新的下限加权信噪比为第一平均信噪比;
(7)判断当前的第一上限加权信噪比和当前的第一下限加权信噪比之差是否满足第三预设精度;
(8)如果满足第三预设精度,且待求解高速密集网络QoS波束优化问题有解,则将解作为简化的高速密集网络波束优化问题的第一优化波束矩阵;
(9)如果不满足预设精度,则基于第一更新的上限加权信噪比或第一更新的下限加权信噪比,确定第一平均信噪比,并执行上述迭代过程,直至满足第三预设精度为止。
该过程与二分法迭代求解简化的广域覆盖网络波束优化问题的第二优化波束矩阵的过程相似,在此不再赘述,具体内容可参考下文中求解第二优化波束矩阵的过程。
可选地,基于第一待处理优化波束向量对高速密集网络的功率资源进行优化,得到高速密集网络的最优功率分配包括:
(1)结合高速密集网络波束优化问题,高速密集网络QoS波束优化问题和第一待处理优化波束向量确定关于功率的高速密集网络波束优化问题和关于功率的高速密集网络QoS波束优化问题;
(2)确定关于功率的高速密集网络波束优化问题和关于功率的高速密集网络QoS波束优化问题之间的第二关系;
(3)基于第二关系通过对关于功率的高速密集网络QoS波束优化问题进行求解,得到关于功率的高速密集网络波束优化问题的最优功率分配;
(4)将最优功率分配作为高速密集网络的最优功率分配。
该过程与求解广域覆盖网络的最优功率分配相似,在此不再赘述,具体内容可参考下文中求解广域覆盖网络的最优功率分配的过程。
上述内容介绍了对高速密集网络波束优化问题进行求解的过程,下面具体介绍如何求解广域覆盖网络波束优化问题。
在一个可选地实施方式中,对广域覆盖网络波束优化问题进行求解,得到广域覆盖网络的中间优化波束向量包括:
(1)通过第二预设矩阵对广域覆盖网络波束优化问题进行转换,得到简化的广域覆盖网络波束优化问题,其中,简化的广域覆盖网络波束优化问题中使得广域覆盖网络波束优化问题中的预设约束条件松弛;
在得到广域覆盖网络波束优化问题后,通过第二预设矩阵对广域覆盖网络波束优化问题进行转换,得到简化的广域覆盖网络波束优化问题。
具体的,令
所以,上述的广域覆盖网络波束优化问题可以转化为简化的广域覆盖网络波束优化问题(即FS,r问题):
FS,r:
s≥0.
其中,t表示最小用户的加权信噪比,XS,J为要求解的值,tr()为矩阵的迹,表示半正定,并且略去了rank(XS,J)=1这一约束,rank()表示矩阵的秩。
通过略去秩的约束,将原问题进行松弛,得到新的简化问题FS,r。
(2)确定与简化的广域覆盖网络波束优化问题所对应的广域覆盖网络QoS波束优化问题,其中,广域覆盖网络QoS波束优化问题表示在满足用户的最小接收信噪比的约束下,最小化传输功率;
在得到简化的广域覆盖网络波束优化问题,无法对该简化的广域覆盖网络波束优化问题进行求解,所以,确定与简化的广域覆盖网络波束优化问题所对应的广域覆盖网络QoS波束优化问题(即QS,r问题):
QS,r:
表示在满足用户的最小接收信噪比的约束下,最小化传输功率。
该广域覆盖网络QoS波束优化问题为标准的半正定规划问题,可以利用SDP工具求解,从而得到相应的第二优化波束矩阵XS,J,进而也就得到的简化的广域覆盖网络波束优化问题的解XS,J,下面描述具体的求解过程。
(3)确定简化的广域覆盖网络波束优化问题和广域覆盖网络QoS波束优化问题之间的第三关系;
在得到广域覆盖网络QoS波束优化问题后,确定简化的广域覆盖网络波束优化问题和广域覆盖网络QoS波束优化问题之间的关系。
令PS=[PS,max]
令FS,r(γtar,PS,PT)代表问题FS,r,代表相应最优解,QS,r(γtar,PS)代表问题QX,r,广域覆盖网络QoS波束优化问题和广域覆盖网络波束优化问题之间有以下关系
t*=FS,r(γtar,PS,QS,r(t*γtar,PS)+s*)
PT-s*=QS,r(FS,r(γtar,PS,PT)γtar,PS)
其中,t*代表问题FS,r中得到的解,也即最大最小用户的加权信噪比,γtar表示加权信噪比的加权因子,s*是问题FS,r中的s,代表波束分配后未使用的功率,PT是异构网络系统两个网络加起来的总功率约束,问题FS,r(γtar,P,PT)代表加权因子为γtar,两个网络分别的功率约束组成的向量为P,总功率约束为PT时的MMF问题FS,r。
(4)基于第三关系通过对广域覆盖网络QoS波束优化问题进行求解,得到简化的广域覆盖网络波束优化问题的第二优化波束矩阵;
得到上述的第三关系后,基于第三关系通过对广域覆盖网络QoS波束优化问题进行求解,得到简化的广域覆盖网络波束优化问题的第二优化波束矩阵。下文中再对该过程进行详细描述。
(5)采用高斯随机方法对第二优化波束矩阵进行处理,生成第二待处理优化波束向量;
上述过程得到的是第二优化波束矩阵,而实际中要得到的为向量的形式,所以需要进行矩阵和向量之间的转换,得到第二待处理优化波束向量。
具体的,使用高斯随机方法,基于得到的XS,J生成波束向量。
XS,J可利用特征值分解得到如下结果:
其中,ΣS,J为对角阵,该对角阵中的值为矩阵XS,J的特征值,US,J和为特征向量组成的矩阵。
相应分组J的波束向量可以通过以下方法生成:
其中,为遵循0均值,标准方程的独立高斯随机变量组成。
(6)基于第二待处理优化波束向量对广域覆盖网络的功率资源进行优化,得到广域覆盖网络的最优功率分配;
在得到第二待处理优化波束向量后,该第二待处理优化波束向量与广域覆盖网络的中间优化波束向量不完全等价,功率资源不一定得到充分利用,进一步基于高斯随机方法生成的第二待处理优化波束向量νJ进行功率资源的优化,得到广域覆盖网络的最优功率分配。具体内容,将在下文中进行详细描述,在此不再赘述。
(7)基于第二待处理优化波束向量和广域覆盖网络的最优功率分配确定广域覆盖网络的中间优化波束向量。
在得到第二待处理优化波束向量和广域覆盖网络的最优功率分配后,进一步确定广域覆盖网络的中间优化波束向量。
具体的:(1)将第二待处理优化波束向量和广域覆盖网络的最优功率分配相乘,得到乘积向量;
(2)将乘积向量作为广域覆盖网络的中间优化波束向量。
在一个可选地实施方式中,参考图4,基于第三关系通过对广域覆盖网络QoS波束优化问题进行求解,得到简化的广域覆盖网络波束优化问题的第二优化波束矩阵包括:
S401、获取二分法迭代的第二初始上限加权信噪比和第二初始下限加权信噪比;
本发明实施例中,采用了二分法迭代求解t(即最小用户的加权信噪比)的最大值,得到t的最大值后,对于该特定t值,通过求解相应的广域覆盖网络QoS波束优化问题,可得到当前t值对应的波束资源分配方法(即第二优化波束矩阵)。
先获取二分法迭代的第二初始上限加权信噪比和第二初始下限加权信噪比,具体的,tL=tmin=0,其中,tL表示第二初始下限加权信噪比,tR表示第二初始上限加权信噪比,PT表示广域覆盖网络QoS波束优化问题中的能量约束,为预先设定的值,σ2表示噪声功率,其它参量在上文中已经进行了解释,在此不再赘述。
S402、确定第二初始上限加权信噪比和第二初始下限加权信噪比的第二平均信噪比;
也就是,设定第二平均信噪比为
执行下述迭代过程:
S403、基于第三关系将第二平均信噪比代入广域覆盖网络QoS波束优化问题,得到待求解广域覆盖网络QoS波束优化问题;
将第二平均信噪比代入广域覆盖网络QoS波束优化问题,具体的,用tγI,J,K,tar替换广域覆盖网络QoS波束优化问题中的γI,J,K,tar,替换完成后,得到待求解广域覆盖网络QoS波束优化问题。
S404、采用SDP工具对待求解广域覆盖网络QoS波束优化问题进行求解;
进而采用SDP工具对待求解广域覆盖网络QoS波束优化问题进行求解,就能得到一个与对应的第二优化波束矩阵XS,J。因为关系的存在,用tγI,J,K,tar替换广域覆盖网络QoS波束优化问题中的γI,J,K,tar,进而求解得到的第二优化波束矩阵XS,J为简化的广域覆盖网络波束优化问题的第二优化波束矩阵。
S405、如果待求解广域覆盖网络QoS波束优化问题无解或得到的解所对应的能量大于能量约束,则对第二历史上限加权信噪比进行更新,得到第二更新的上限加权信噪比,其中,第二更新的上限加权信噪比为第二平均信噪比;
S406、如果待求解广域覆盖网络QoS波束优化问题有解,则记录得到的解,并对第二历史下限加权信噪比进行更新,得到第二更新的下限加权信噪比,其中,第二更新的下限加权信噪比为第二平均信噪比;
S407、判断当前的第二上限加权信噪比和当前的第二下限加权信噪比之差是否满足第四预设精度;
S408、如果满足第四预设精度,且待求解广域覆盖网络QoS波束优化问题有解,则将解作为简化的广域覆盖网络波束优化问题的第二优化波束矩阵;
S409、如果不满足预设精度,则基于第二更新的上限加权信噪比或第二更新的下限加权信噪比,确定第二平均信噪比,并执行上述迭代过程,直至满足第四预设精度为止。
以通俗的语言对该过程进行描述,具体过程如下:
(1)设定
(2)设定将tγI,J,K,tar替换广域覆盖网络QoS波束优化问题中的γI,J,K,tar,替换完成后,得到待求解广域覆盖网络QoS波束优化问题,采用SDP工具对待求解广域覆盖网络QoS波束优化问题(即QS,r(tγtar,PS))进行求解;
(3)若问题QS,r(tγtar,PS)无解,或者得到的解XS,J对应的最小能量Pm=QS,r(tγtar,PS)>PT,令tR=t,否则令tL=t;
(4)若|tR-tL|达到精度,停止迭代,否则返回步骤(2)继续迭代,直至满足精度为止。
在一个可选地实施方式中,参考图5,基于第二待处理优化波束向量对广域覆盖网络的功率资源进行优化,得到广域覆盖网络的最优功率分配包括:
S501、结合广域覆盖网络波束优化问题,广域覆盖网络QoS波束优化问题和第二待处理优化波束向量确定关于功率的广域覆盖网络波束优化问题和关于功率的广域覆盖网络QoS波束优化问题;
关于功率的广域覆盖网络波束优化问题(即FS,p问题):
FS,p:
pS,J≥0,J∈[1,NG].
其中,pS,J为分组J的功率分配因子。该FS,p问题与广域覆盖网络波束优化问题(即FS问题)都是求解同一个系统的最大化最小用户的加权信噪比,该优化目标一样,但一个是求波束(FS问题),一个是已知波束求加权功率因子(FS,p问题)。
同理,该问题无法直接求解,需要借助关于功率的广域覆盖网络QoS波束优化问题进行求解。
具体的,关于功率的广域覆盖网络QoS波束优化问题(与广域覆盖网络QoS波束优化问题等价,广域覆盖网络QoS波束优化问题为矩阵形式,而关于功率的广域覆盖网络QoS波束优化问题为向量形式)为:
QS,p:
pS,J≥0,J∈[1,NG].
该关于功率的广域覆盖网络QoS波束优化问题为标准线性规划问题,可基于优化理论直接进行求解,得到最优功率分配。下文中对求解过程进行详细描述。
S502、确定关于功率的广域覆盖网络波束优化问题和关于功率的广域覆盖网络QoS波束优化问题之间的第四关系;
关于功率的广域覆盖网络波束优化问题和关于功率的广域覆盖网络QoS波束优化问题之间的关系为:
t*=FS,p(γtar,PS,QS,p(t*γtar,PS)+s*)
PT-s*=QS,p(FS,p(γtar,PS,PT)γtar,PS)
S503、基于第四关系通过对关于功率的广域覆盖网络QoS波束优化问题进行求解,得到关于功率的广域覆盖网络波束优化问题的最优功率分配;
同理,基于二分法迭代求解t的最大值,对于某个特定t值,通过求解相应的关于功率的广域覆盖网络QoS波束优化问题,可得到当前t值对应的功率分配。
也就是:
(1)设定tL=tmin=0,tR=tmax;
(2)设定将tγI,J,K,tar替换关于功率的广域覆盖网络QoS波束优化问题中的γI,J,K,tar,替换完成后,采用优化理论对替换后的关于功率的广域覆盖网络QoS波束优化问题进行求解,得到p;
(3)若关于功率的广域覆盖网络QoS波束优化问题无解,令tR=t,否则令tL=t;
(4)若|tR-tL|达到精度,停止迭代,否则返回步骤(2)继续迭代,直至满足精度为止。
S504、将最优功率分配作为广域覆盖网络的最优功率分配。
本发明提出了一种异构网络时分协同多播的传输方法及装置,异构网络时分协同对用户进行多播传输,不同网络在不同时隙传输,利用最大比合并方法合并信号。在各网络内利用MMF(max min fair的缩写,最大最小公平)波束优化问题和QoS波束优化问题之间的关系求解各网络内波束设计,并在网络之间迭代求解,求解得到最大化最小用户的加权信噪比的波束资源分配方法(即波束向量)。
本发明通过异构网络对用户进行协同覆盖,由于网络的覆盖差异,以及信道的波动性,单网系覆盖时的瓶颈用户在协同传输情况下,能获得更大的增益,改善系统性能。同时,借助时分协同传输,不同网络在不同时隙传输,能够有效减小系统干扰,优化系统资源利用,并具有较低复杂度。
本发明的异构网络时分协同多播传输的系统示意图如图6所示,其中广域覆盖网络以卫星网络为实例。传输载频为2GHz,带宽为10MHz。地面基站数量为2,天线数为2,用户分组数量2,发射功率为43dBm。卫星天线数为2,发射功率为50dBm。参考图7,(时分协同与非时分协同传输情况下传输速率的对比示意图),可以看出,当基站数量增多,用户规模增大时,相对于非时分协同传输,时分协同传输能够显著减小系统干扰,改善传输质量,系统速率增加50%。
实施例二:
一种异构网络时分协同多播的传输装置,参考图8,该装置包括:
获取模块11,用于获取异构网络的初始波束向量,其中,异构网络包括:高速密集网络,广域覆盖网络;
确定模块12,用于将初始波束向量作为当前波束向量,执行以下步骤,直到确定出高速密集网络的优化波束向量和广域覆盖网络的优化波束向量:
其中,确定模块12包括:确定子模块121,求解子模块122,判断子模块123,第一设定子模块124,第二设定子模块125;
确定子模块121,用于结合当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;
求解子模块122,用于分别对高速密集网络波束优化问题和广域覆盖网络波束优化问题进行求解,得到高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量;
判断子模块123,用于判断高速密集网络的中间优化波束向量与当前波束向量的差值是否满足第一预设精度,并判断广域覆盖网络的中间优化波束向量与当前波束向量的差值是否满足第二预设精度;
第一设定子模块124,如果都满足,则将高速密集网络的中间优化波束向量作为高速密集网络的优化波束向量,并将广域覆盖网络的中间优化波束向量作为广域覆盖网络的优化波束向量;
第二设定子模块125,如果不都满足,则将高速密集网络的中间优化波束向量和广域覆盖网络的中间优化波束向量作为当前波束向量。
本发明实施例的异构网络时分协同多播的传输装置中,通过迭代的方式得到高速密集网络的优化波束向量和广域覆盖网络的优化波束向量,进而基于高速密集网络的优化波束向量进行高速密集网络的波束资源分配,并且基于广域覆盖网络的优化波束向量进行广域覆盖网络的波束资源分配,最终优化了异构网络时分协同系统性能,异构网络中,通过多网系协同覆盖,单网系覆盖时的瓶颈用户能够获得更大增益,改善了单网系系统性能,提高了信号的传输效果,缓解了现有的单网系多播传输方法中,信号的传输效果差,存在通信瓶颈用户,系统性能不好的技术问题。
本发明实施例所提供的异构网络时分协同多播的传输方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种异构网络时分协同多播的传输方法,其特征在于,所述方法包括:
获取异构网络的初始波束向量,其中,所述异构网络包括:高速密集网络,广域覆盖网络;
将所述初始波束向量作为当前波束向量,执行以下步骤,直到确定出所述高速密集网络的优化波束向量和所述广域覆盖网络的优化波束向量:
结合所述当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;
分别对所述高速密集网络波束优化问题和所述广域覆盖网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量;
判断所述高速密集网络的中间优化波束向量与所述当前波束向量的差值是否满足第一预设精度,并判断所述广域覆盖网络的中间优化波束向量与所述当前波束向量的差值是否满足第二预设精度;
如果都满足,则将所述高速密集网络的中间优化波束向量作为所述高速密集网络的优化波束向量,并将所述广域覆盖网络的中间优化波束向量作为所述广域覆盖网络的优化波束向量;
如果不都满足,则将所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量作为所述当前波束向量;
其中,结合所述当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题包括:
收集所述异构网络到用户的下行信道信息;
基于所述下行信道信息和所述当前波束向量确定第一信噪比和第二信噪比,其中,所述第一信噪比为用户在所述高速密集网络中的接收信噪比,所述第二信噪比为用户在所述广域覆盖网络中的接收信噪比;
确定所述异构网络的波束优化问题,其中,所述波束优化问题表示在满足功率约束下,最大化最小用户的加权信噪比;
将所述异构网络的波束优化问题进行分解,得到预设高速密集网络波束优化问题和预设广域覆盖网络波束优化问题;
基于所述第二信噪比和所述预设高速密集网络波束优化问题确定所述高速密集网络波束优化问题;
基于所述第一信噪比和所述预设广域覆盖网络波束优化问题确定所述广域覆盖网络波束优化问题。
2.根据权利要求1所述的方法,其特征在于,分别对所述高速密集网络波束优化问题和所述广域覆盖网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量包括:
对所述高速密集网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量;
对所述广域覆盖网络波束优化问题进行求解,得到所述广域覆盖网络的中间优化波束向量。
3.根据权利要求2所述的方法,其特征在于,对所述高速密集网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量包括:
通过第一预设矩阵对所述高速密集网络波束优化问题进行转换,得到简化的高速密集网络波束优化问题,其中,所述简化的高速密集网络波束优化问题中使得所述高速密集网络波束优化问题中的预设约束条件松弛;
确定与所述简化的高速密集网络波束优化问题所对应的高速密集网络QoS波束优化问题,其中,所述高速密集网络QoS波束优化问题表示在满足用户的最小接收信噪比的约束下,最小化传输功率;
确定所述简化的高速密集网络波束优化问题和所述高速密集网络QoS波束优化问题之间的第一关系;
基于所述第一关系通过对所述高速密集网络QoS波束优化问题进行求解,得到所述简化的高速密集网络波束优化问题的第一优化波束矩阵;
采用高斯随机方法对所述第一优化波束矩阵进行处理,生成第一待处理优化波束向量;
基于所述第一待处理优化波束向量对所述高速密集网络的功率资源进行优化,得到所述高速密集网络的最优功率分配;
基于所述第一待处理优化波束向量和所述高速密集网络的最优功率分配确定所述高速密集网络的中间优化波束向量。
4.根据权利要求3所述的方法,其特征在于,基于所述第一关系通过对所述高速密集网络QoS波束优化问题进行求解,得到所述简化的高速密集网络波束优化问题的第一优化波束矩阵包括:
获取二分法迭代的第一初始上限加权信噪比和第一初始下限加权信噪比;
确定所述第一初始上限加权信噪比和所述第一初始下限加权信噪比的第一平均信噪比;
执行下述迭代过程:
基于所述第一关系将所述第一平均信噪比代入所述高速密集网络QoS波束优化问题,得到待求解高速密集网络QoS波束优化问题;
采用SDP工具对所述待求解高速密集网络QoS波束优化问题进行求解;
如果所述待求解高速密集网络QoS波束优化问题无解或得到的解所对应的能量大于能量约束,则对第一历史上限加权信噪比进行更新,得到第一更新的上限加权信噪比,其中,所述第一更新的上限加权信噪比为所述第一平均信噪比;
如果所述待求解高速密集网络QoS波束优化问题有解,则记录得到的解,并对第一历史下限加权信噪比进行更新,得到第一更新的下限加权信噪比,其中,所述第一更新的下限加权信噪比为所述第一平均信噪比;
判断当前的第一上限加权信噪比和当前的第一下限加权信噪比之差是否满足第三预设精度;
如果满足所述第三预设精度,且所述待求解高速密集网络QoS波束优化问题有解,则将所述解作为所述简化的高速密集网络波束优化问题的第一优化波束矩阵;
如果不满足所述预设精度,则基于所述第一更新的上限加权信噪比或所述第一更新的下限加权信噪比,确定所述第一平均信噪比,并执行上述迭代过程,直至满足所述第三预设精度为止。
5.根据权利要求3所述的方法,其特征在于,基于所述第一待处理优化波束向量对所述高速密集网络的功率资源进行优化,得到所述高速密集网络的最优功率分配包括:
结合所述高速密集网络波束优化问题,所述高速密集网络QoS波束优化问题和所述第一待处理优化波束向量确定关于功率的高速密集网络波束优化问题和关于功率的高速密集网络QoS波束优化问题;
确定所述关于功率的高速密集网络波束优化问题和所述关于功率的高速密集网络QoS波束优化问题之间的第二关系;
基于所述第二关系通过对所述关于功率的高速密集网络QoS波束优化问题进行求解,得到所述关于功率的高速密集网络波束优化问题的最优功率分配;
将所述最优功率分配作为所述高速密集网络的最优功率分配。
6.根据权利要求2所述的方法,其特征在于,对所述广域覆盖网络波束优化问题进行求解,得到所述广域覆盖网络的中间优化波束向量包括:
通过第二预设矩阵对所述广域覆盖网络波束优化问题进行转换,得到简化的广域覆盖网络波束优化问题,其中,所述简化的广域覆盖网络波束优化问题中使得所述广域覆盖网络波束优化问题中的预设约束条件松弛;
确定与所述简化的广域覆盖网络波束优化问题所对应的广域覆盖网络QoS波束优化问题,其中,所述广域覆盖网络QoS波束优化问题表示在满足用户的最小接收信噪比的约束下,最小化传输功率;
确定所述简化的广域覆盖网络波束优化问题和所述广域覆盖网络QoS波束优化问题之间的第三关系;
基于所述第三关系通过对所述广域覆盖网络QoS波束优化问题进行求解,得到所述简化的广域覆盖网络波束优化问题的第二优化波束矩阵;
采用高斯随机方法对所述第二优化波束矩阵进行处理,生成第二待处理优化波束向量;
基于所述第二待处理优化波束向量对所述广域覆盖网络的功率资源进行优化,得到所述广域覆盖网络的最优功率分配;
基于所述第二待处理优化波束向量和所述广域覆盖网络的最优功率分配确定所述广域覆盖网络的中间优化波束向量。
7.根据权利要求6所述的方法,其特征在于,基于所述第三关系通过对所述广域覆盖网络QoS波束优化问题进行求解,得到所述简化的广域覆盖网络波束优化问题的第二优化波束矩阵包括:
获取二分法迭代的第二初始上限加权信噪比和第二初始下限加权信噪比;
确定所述第二初始上限加权信噪比和所述第二初始下限加权信噪比的第二平均信噪比;
执行下述迭代过程:
基于所述第三关系将所述第二平均信噪比代入所述广域覆盖网络QoS波束优化问题,得到待求解广域覆盖网络QoS波束优化问题;
采用SDP工具对所述待求解广域覆盖网络QoS波束优化问题进行求解;
如果所述待求解广域覆盖网络QoS波束优化问题无解或得到的解所对应的能量大于能量约束,则对第二历史上限加权信噪比进行更新,得到第二更新的上限加权信噪比,其中,所述第二更新的上限加权信噪比为所述第二平均信噪比;
如果所述待求解广域覆盖网络QoS波束优化问题有解,则记录得到的解,并对第二历史下限加权信噪比进行更新,得到第二更新的下限加权信噪比,其中,所述第二更新的下限加权信噪比为所述第二平均信噪比;
判断当前的第二上限加权信噪比和当前的第二下限加权信噪比之差是否满足第四预设精度;
如果满足所述第四预设精度,且所述待求解广域覆盖网络QoS波束优化问题有解,则将所述解作为所述简化的广域覆盖网络波束优化问题的第二优化波束矩阵;
如果不满足所述预设精度,则基于所述第二更新的上限加权信噪比或所述第二更新的下限加权信噪比,确定所述第二平均信噪比,并执行上述迭代过程,直至满足所述第四预设精度为止。
8.根据权利要求6所述的方法,其特征在于,基于所述第二待处理优化波束向量对所述广域覆盖网络的功率资源进行优化,得到所述广域覆盖网络的最优功率分配包括:
结合所述广域覆盖网络波束优化问题,所述广域覆盖网络QoS波束优化问题和所述第二待处理优化波束向量确定关于功率的广域覆盖网络波束优化问题和关于功率的广域覆盖网络QoS波束优化问题;
确定所述关于功率的广域覆盖网络波束优化问题和所述关于功率的广域覆盖网络QoS波束优化问题之间的第四关系;
基于所述第四关系通过对所述关于功率的广域覆盖网络QoS波束优化问题进行求解,得到所述关于功率的广域覆盖网络波束优化问题的最优功率分配;
将所述最优功率分配作为所述广域覆盖网络的最优功率分配。
9.一种异构网络时分协同多播的传输装置,其特征在于,所述装置包括:
获取模块,用于获取异构网络的初始波束向量,其中,所述异构网络包括:高速密集网络,广域覆盖网络;
确定模块,用于将所述初始波束向量作为当前波束向量,执行以下步骤,直到确定出所述高速密集网络的优化波束向量和所述广域覆盖网络的优化波束向量:
其中,所述确定模块包括:确定子模块,求解子模块,判断子模块,第一设定子模块,第二设定子模块;
所述确定子模块,用于结合所述当前波束向量和异构网络时分协同多播的传输方式确定高速密集网络波束优化问题和广域覆盖网络波束优化问题;
所述求解子模块,用于分别对所述高速密集网络波束优化问题和所述广域覆盖网络波束优化问题进行求解,得到所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量;
所述判断子模块,用于判断所述高速密集网络的中间优化波束向量与所述当前波束向量的差值是否满足第一预设精度,并判断所述广域覆盖网络的中间优化波束向量与所述当前波束向量的差值是否满足第二预设精度;
所述第一设定子模块,如果都满足,则将所述高速密集网络的中间优化波束向量作为所述高速密集网络的优化波束向量,并将所述广域覆盖网络的中间优化波束向量作为所述广域覆盖网络的优化波束向量;
所述第二设定子模块,如果不都满足,则将所述高速密集网络的中间优化波束向量和所述广域覆盖网络的中间优化波束向量作为所述当前波束向量;
其中,所述确定子模块还用于:
收集所述异构网络到用户的下行信道信息;
基于所述下行信道信息和所述当前波束向量确定第一信噪比和第二信噪比,其中,所述第一信噪比为用户在所述高速密集网络中的接收信噪比,所述第二信噪比为用户在所述广域覆盖网络中的接收信噪比;
确定所述异构网络的波束优化问题,其中,所述波束优化问题表示在满足功率约束下,最大化最小用户的加权信噪比;
将所述异构网络的波束优化问题进行分解,得到预设高速密集网络波束优化问题和预设广域覆盖网络波束优化问题;
基于所述第二信噪比和所述预设高速密集网络波束优化问题确定所述高速密集网络波束优化问题;
基于所述第一信噪比和所述预设广域覆盖网络波束优化问题确定所述广域覆盖网络波束优化问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318366.1A CN108449119B (zh) | 2018-04-10 | 2018-04-10 | 异构网络时分协同多播的传输方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318366.1A CN108449119B (zh) | 2018-04-10 | 2018-04-10 | 异构网络时分协同多播的传输方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108449119A CN108449119A (zh) | 2018-08-24 |
CN108449119B true CN108449119B (zh) | 2019-01-29 |
Family
ID=63199014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810318366.1A Active CN108449119B (zh) | 2018-04-10 | 2018-04-10 | 异构网络时分协同多播的传输方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108449119B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103959837A (zh) * | 2011-11-04 | 2014-07-30 | 英特尔公司 | 异构网络中的波束形成协调 |
CN106604300A (zh) * | 2016-11-10 | 2017-04-26 | 北京邮电大学 | 一种基于全双工和大规模天线技术的小小区基站自供能自回传方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102109655B1 (ko) * | 2012-02-23 | 2020-05-12 | 한국전자통신연구원 | 대규모 안테나 시스템에서의 다중 입력 다중 출력 통신 방법 |
-
2018
- 2018-04-10 CN CN201810318366.1A patent/CN108449119B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103959837A (zh) * | 2011-11-04 | 2014-07-30 | 英特尔公司 | 异构网络中的波束形成协调 |
CN106604300A (zh) * | 2016-11-10 | 2017-04-26 | 北京邮电大学 | 一种基于全双工和大规模天线技术的小小区基站自供能自回传方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108449119A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Deep reinforcement learning based dynamic channel allocation algorithm in multibeam satellite systems | |
Zhao et al. | Coordinated multipoint transmission with limited backhaul data transfer | |
Sun et al. | Deep learning-based long-term power allocation scheme for NOMA downlink system in S-IoT | |
CN111475301B (zh) | 卫星资源分配方法、装置和电子设备 | |
CN107682935B (zh) | 一种基于系统稳定性的无线自回传资源调度方法 | |
Hu et al. | A joint power and bandwidth allocation method based on deep reinforcement learning for V2V communications in 5G | |
US20090082028A1 (en) | System and Method for Utility-Based Scheduling for Space Division Multiple Access (SDMA) on an Uplink of a Wireless Communications Network | |
CN113596785B (zh) | 基于深度q网络的d2d-noma通信系统资源分配方法 | |
Liao et al. | Licensed and unlicensed spectrum management for cognitive M2M: A context-aware learning approach | |
CN111555795A (zh) | 一种基于用户分组调度的网络资源分配方法和装置 | |
CN114245348B (zh) | 基于无蜂窝网络架构的多业务联合传输方法及装置 | |
Zhang et al. | Deep learning based user association in heterogeneous wireless networks | |
CN114698128A (zh) | 一种认知星地网络的抗干扰信道选择方法和系统 | |
CN104080091A (zh) | 分层异构网络中基于负载预测分组的家庭基站频谱分配方法 | |
Ye et al. | Pricing-based resource allocation in virtualized cloud radio access networks | |
Guo et al. | Radio resource management for C-V2X: From a hybrid centralized-distributed scheme to a distributed scheme | |
Hassan et al. | A near optimal interference minimization resource allocation algorithm for D2D communication | |
He et al. | Energy-efficient power allocation maximization with mixed group sum power bound and QoS constraints | |
CN114423028A (zh) | 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法 | |
CN108632767B (zh) | 异构网络协同多播的传输方法及装置 | |
CN108449119B (zh) | 异构网络时分协同多播的传输方法及装置 | |
CN114884957B (zh) | 空天地网络中的计算任务卸载方法、装置和电子设备 | |
Uesugi et al. | Clustering for signal power distribution toward low storage crowdsourced spectrum database | |
CN111343722B (zh) | 边缘计算中基于认知无线电的能效优化方法 | |
He et al. | QoE‐aware Q‐learning resource allocation for NOMA wireless multimedia communications |
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 |