CN108770005A - 一种基于粒子群算法的非正交接入上行传输时间优化方法 - Google Patents

Abstract

一种基于粒子群算法的非正交接入上行传输时间优化方法，包括以下步骤：(1)在基站的覆盖范围下总共有I个移动用户，提出了一种满足移动用户的服务质量同时，最小化移动用户的上行传输时间和所有移动用户总能量消耗。其中，优化问题描述为一个非凸性优化问题；(2)将ORRCM问题等价转换为ORRCM‑E问题；(3)基于粒子群算法，在移动用户的上传量给定的情况下优化整体无线资源消耗(上行传输时间与所有移动用户总能量消耗)。本发明提供一种最小化上行传输时间与所有移动用户总能量消耗的基于粒子群算法的非正交接入上行传输时间优化方法。本发明的技术效果主要表现在:1、对于上行整体而言，利用非正交接入技术大大提高了系统传输效率；2、对于上行整体而言，利用非正交接入技术大大节省带宽资源；3、对于移动用户而言，通过非正交接入技术获得更优质的无线网络体验质量。

Description

一种基于粒子群算法的非正交接入上行传输时间优化方法

技术领域

本发明属于通信领域，一种基于粒子群算法的非正交接入上行传输时间优化方法。

背景技术

移动互联网业务的快速发展，对蜂窝无线接入网造成了巨大的流量压力。由于有限的无线资源，利用非正交接入技术使移动用户同时共用同一信道为无线接入提供一种有效的方法，实现在未来的5G网中超高吞吐量和大规模连接的目标。

发明内容

为了克服现有技术的上行传输时间较长、所有用户总能量消耗较大缺点，本发明提供一种最小化上行传输时间与所有用户总能量消耗的基于粒子群算法的非正交接入上行传输时间优化方法，本发明针对上行传输时间过大的难点，主要考虑的是利用非正交接入技术技术来传输数据，研究了一种基于粒子群算法的非正交接入上行传输时间优化方法。

本发明解决其技术问题所采用的技术方案是：

一种基于粒子群算法的非正交接入上行传输时间优化方法，包括以下步骤：

(1)在基站的覆盖范围下总共有I个移动用户，移动用户用集合表示，移动用户使用非正交接入技术同时向基站发送数据，其中移动用户i需要发送的数据量用表示；

在保证发送完成所有移动用户数据量的条件下，最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM(Overall Radio ResourceConsumption Minimization)问题，ORRCM指的是整体无线资源消耗最小化：

0≤t≤T^max (1-3)

Variables:t

下面将问题中的各个变量做一个说明，如下：

α:上行传输时间的权重因子；

β:上行传输总能量消耗的权重因子；

t:移动用户发送数据到基站的上行传输时间，单位是秒；

是关于t的函数，表示移动用户i为了在给定上行传输时间t内完成发送数据量所需要的最小发射功率，单位是瓦特；

W:移动用户到基站的信道带宽，单位是赫兹；

n₀:信道背景噪声的频谱功率密度；

g_iB:移动用户i到基站的信道功率增益；

移动用户i需要发送到基站的数据量，单位是兆比特；

移动用户i最大上传能量消耗，单位是焦耳；

T^max:移动用户发送数据到基站的最大上行传输时间，单位是秒；

通过引入一个辅助变量求解ORRCM优化问题；

(2)ORRCM问题表示如下：

s.t.constraint(1-1)

constraint(1-2)

Variable:0≤t≤T^max

ORRCM问题是在给定移动用户上传量的情况下找到最小的上行传输时间与所有移动用户总能量消耗，定义一个变量x,如下：

ORRCM问题等价为ORRCM-E问题，“E”表示的是等价地，如下：

ORRCM-E:min θ

Variable: x≥1/T^max

定义函数G(x)如下：

因此，得到函数G(x)的一阶导数如下：

(3)求解ORRCM-E问题的算法ORRCM-Algorithm，采用粒子群算法的基本思想，用随机解初始化一群随机例子，然后通过迭代找到最小的θ值，该θ值要满足ORRCM-E问题中约束条件(2-2)和(2-3)，是ORRCM所对应的整体资源消耗(即上行传输时间与所有移动用户总能量消耗)的最小值，步骤如下：

步骤3.1:初始化种群个数N＝50，最大迭代次数ger＝50，当前迭代次数iter＝1，惯性权重w＝0.08，自我学习因子c₁＝0.03，群体学习因子c₂＝0.03，利用对分法求出函数G_i(x)＝0的零点；如果且则ORRCM-E问题不可行；如果且或者则得到 更新设定x^min＝1/T^max；初始位置每个个体的历史最佳位置{sm_i}＝0，每个个体的历史最佳适应度{fsm_i}_0＜i≤N＝0，种群的历史最佳位置ym＝0,种群的历史最佳适应度fym＝-∞，随机初始种群速度{v_i}_0＜i≤N∈(0，0.01)，更新速度的限制Δ＝0.05；

步骤3.2：且则ORRCM-E问题不可行，转至执行步骤3.19；否则执行步骤3.3；

步骤3.3：如果iter≤ger，则执行步骤3.4；否则转至执行步骤3.19；

步骤3.4：令i＝1；

步骤3.5：如果i≤N，则执行步骤3.6；否则转至执行步骤3.8；

步骤3.6：如果fsm_i>θ(s_i)，则更新fsm_i＝θ(s_i)，sm_i＝s_i,执行步骤3.7；否则转至执行步骤3.8；

步骤3.7：更新i＝i+1，返回步骤3.5；

步骤3.8：如果fym大于{fsm_i}_0＜i≤N中的最小值fsm_i，则更新fym＝fsm_i，ym＝sm_i；否则执行步骤3.9；

步骤3.9：令i＝1；

步骤3.10：如果i≤N,则执行步骤3.11；否则转至执行步骤3.13；

步骤3.11：更新速度v_i＝v_i*w+c₁*(sm_i-s_i)+c₂*(ym-s_i)；

步骤3.12：更新i＝i+1，返回步骤3.10；

步骤3.13：如果发现v_i>Δ，则更新v_i＝Δ；否则执行步骤3.14；

步骤3.14：如果发现v_i<-Δ，则更新v_i＝-Δ，否则执行步骤3.15；

步骤3.15：更新种群位置，上一时刻的每个位置s_i加上更新速度v_i，得最新的位置{s_i}_0＜i≤N；

步骤3.16：如果发现则更新否则转至执行步骤3.18；

步骤3.17：如果发现则更新否则转至执行步骤3.18；

步骤3.18：更新iter＝iter+1，返回步骤3.3；

步骤3.19：如果ORRCM-E问题可行，输出θ^*＝fym以及x^*＝ym；否则输出ORRCM-E问题不可行；

最后，算法ORRCM-Algorithm输出的θ^*代表ORRCM问题所求的最小整体无线资源消耗(包括上传时间与所有用户总能量消耗)，ORRCM问题中待求的最优传输时间t^*表示为

本发明的技术构思为：首先，考虑在蜂窝无线网络中，移动用户通过非正交接入技术技术传输数据实现最小化上行传输时间与所有移动用户总能量消耗来获得一定的经济效益和服务质量。在此处，考虑的前提是移动用户的上传能量消耗及上行传输时间的限制。接着，通过对问题的特性分析，提出基于粒子群算法的方法，从而在保证发送完成所有移动用户数据量的条件下，实现最小化上行传输时间与所有移动用户总能量消耗。

本发明的有益效果主要表现在:1、对于上行整体而言，利用非正交接入技术大大提高了系统传输效率；2、对于上行整体而言，利用非正交接入技术大大节省带宽资源；3、对于移动用户而言，通过非正交接入技术获得更优质的无线网络体验质量。

附图说明

图1是无线网络中多个移动用户和基站的上行场景示意图。

具体实施方式

下面结合附图对于本发明作进一步详细描述。

参照图1，一种基于粒子群算法的非正交接入上行传输时间优化方法，实行该方法能在同时保证发送完成所有移动用户数据量的条件下，使得上行传输时间与所有移动用户总能量消耗最小化，提高整个系统的无线网络体验质量。本发明可以应用于无线网络，如图1所示场景中。针对该目标设计对问题的优化方法主要包括如下步骤：

(1)在基站的覆盖范围下总共有I个移动用户，移动用户用集合表示，移动用户使用非正交接入技术同时向基站发送数据，其中移动用户i需要发送的数据量用表示；

在保证发送完成所有移动用户数据量的条件下，最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM(Overall Radio ResourceConsumption Minimization)问题，ORRCM指的是整体无线资源消耗最小化：

0≤t≤T^max (1-3)

Variables:t

下面将问题中的各个变量做一个说明，如下：

α:上行传输时间的权重因子；

β:上行传输总能量消耗的权重因子；

t:移动用户发送数据到基站的上行传输时间，单位是秒；

是关于t的函数，表示移动用户i为了在给定上行传输时间t内完成发送数据量所需要的最小发射功率，单位是瓦特；

W:移动用户到基站的信道带宽，单位是赫兹；

n₀:信道背景噪声的频谱功率密度；

g_iB:移动用户i到基站的信道功率增益；

移动用户i需要发送到基站的数据量，单位是兆比特；

移动用户i最大上传能量消耗，单位是焦耳；

T^max:移动用户发送数据到基站的最大上行传输时间，单位是秒；

通过引入一个辅助变量求解ORRCM优化问题；

(2)ORRCM问题表示如下：

s.t.constraint(1-1)

constraint(1-2)

Variable:0≤t≤T^max

ORRCM问题是在给定移动用户上传量的情况下找到最小的上行传输时间与所有移动用户总能量消耗，为了更方便的解决ORRCM问题，定义一个变量x,如下：

ORRCM问题等价为ORRCM-E问题，“E”表示的是等价地，如下：

ORRCM-E:min θ

Variable:x≥1/T^max

为了更方便的表达，定义函数G(x)如下：

因此，得到函数G(x)的一阶导数如下：

(3)求解ORRCM-E问题的算法ORRCM-Algorithm，采用粒子群算法的基本思想，用随机解初始化一群随机例子，然后通过迭代找到最小的θ值，该θ值要满足ORRCM-E问题中约束条件(2-2)和(2-3)，是ORRCM所对应的整体资源消耗(即上行传输时间与所有移动用户总能量消耗)的最小值，步骤如下：

步骤3.1:初始化种群个数N＝50，最大迭代次数ger＝50，当前迭代次数iter＝1，惯性权重w＝0.08，自我学习因子c₁＝0.03，群体学习因子c₂＝0.03，利用对分法求出函数G_i(x)＝0的零点；如果且则ORRCM-E问题不可行；如果且或者则得到 更新设定x^min＝1/T^max；初始位置每个个体的历史最佳位置{sm_i}＝0，每个个体的历史最佳适应度{fsm_i}_0＜i≤N＝0，种群的历史最佳位置ym＝0,种群的历史最佳适应度fym＝-∞，随机初始种群速度{v_i}_0＜i≤N∈(0，0.01)，更新速度的限制Δ＝0.05；

步骤3.2：且则ORRCM-E问题不可行，转至执行步骤3.19；否则执行步骤3.3；

步骤3.3：如果iter≤ger，则执行步骤3.4；否则转至执行步骤3.19；

步骤3.4：令i＝1；

步骤3.5：如果i≤N，则执行步骤3.6；否则转至执行步骤3.8；

步骤3.6：如果fsm_i>θ(s_i)，则更新fsm_i＝θ(s_i)，sm_i＝s_i,执行步骤3.7；否则转至执行步骤3.8；

步骤3.7：更新i＝i+1，返回步骤3.5；

步骤3.8：如果fym大于{fsm_i}_0＜i≤N中的最小值fsm_i，则更新fym＝fsm_i，ym＝sm_i；否则执行步骤3.9；

步骤3.9：令i＝1；

步骤3.10：如果i≤N,则执行步骤3.11；否则转至执行步骤3.13；

步骤3.11：更新速度v_i＝v_i*w+c₁*(sm_i-s_i)+c₂*(ym-s_i)；

步骤3.12：更新i＝i+1，返回步骤3.10；

步骤3.13：如果发现v_i>Δ，则更新v_i＝Δ；否则执行步骤3.14；

步骤3.14：如果发现v_i<-Δ，则更新v_i＝-Δ，否则执行步骤3.15；

步骤3.15：更新种群位置，上一时刻的每个位置s_i加上更新速度v_i，得最新的位置{s_i}_0＜i≤N；

步骤3.16：如果发现则更新否则转至执行步骤3.18；

步骤3.17：如果发现则更新否则转至执行步骤3.18；

步骤3.18：更新iter＝iter+1，返回步骤3.3；

步骤3.19：如果ORRCM-E问题可行，输出θ^*＝fym以及x^*＝ym；否则输出ORRCM-E问题不可行。

最后，算法ORRCM-Algorithm输出的θ^*代表ORRCM问题所求的最小整体无线资源消耗(包括上传时间与所有用户总能量消耗)，ORRCM问题中待求的最优传输时间t^*可以表示为

Claims (1)

1.一种基于粒子群算法的非正交接入上行传输时间优化方法，其特征在于，所述方法包括以下步骤：

(1)在基站的覆盖范围下总共有I个移动用户，移动用户用集合表示，移动用户使用非正交接入技术同时向基站发送数据，其中移动用户i需要发送的数据量用表示；

在保证发送完成所有移动用户数据量的条件下，最小化上行传输时间与所有移动用户总能量消耗的优化问题描述为如下所示的优化问题ORRCM问题，ORRCM指的是整体无线资源消耗最小化：

0≤t≤T^max (1-3)

Variables:t

下面将问题中的各个变量做一个说明，如下：

α:上行传输时间的权重因子；

β:上行传输总能量消耗的权重因子；

t:移动用户发送数据到基站的上行传输时间，单位是秒；

是关于t的函数，表示移动用户i为了在给定上行传输时间t内完成发送数据量所需要的最小发射功率，单位是瓦特；

W:移动用户到基站的信道带宽，单位是赫兹；

n₀:信道背景噪声的频谱功率密度；

g_iB:移动用户i到基站的信道功率增益；

移动用户i需要发送到基站的数据量，单位是兆比特；

移动用户i最大上传能量消耗，单位是焦耳；

T^max:移动用户发送数据到基站的最大上行传输时间，单位是秒；

通过引入一个辅助变量求解ORRCM优化问题；

(2)ORRCM问题表示如下：

s.t.constraint(1-1)

constraint(1-2)

Variable:0≤t≤T^max

ORRCM问题是在给定移动用户上传量的情况下找到最小的上行传输时间与所有移动用户总能量消耗，定义一个变量x，如下：

ORRCM问题等价为ORRCM-E问题，“E”表示的是等价地，如下：

ORRCM-E:minθ

Variable:x≥1/T^max

定义函数G(x)如下：

因此，得到函数G(x)的一阶导数如下：

(3)求解ORRCM-E问题的算法ORRCM-Algorithm，采用粒子群算法的基本思想，用随机解初始化一群随机例子，然后通过迭代找到最小的θ值，该θ值满足ORRCM-E问题中约束条件(2-2)和(2-3)，是ORRCM所对应的整体资源消耗的最小值，步骤如下：

步骤3.1:初始化种群个数N＝50，最大迭代次数ger＝50，当前迭代次数iter＝1，惯性权重w＝0.08，自我学习因子c₁＝0.03，群体学习因子c₂＝0.03，利用对分法求出函数G_i(x)＝0的零点；如果且则ORRCM-E问题不可行；如果且或者则得到 更新设定x^min＝1/T^max；初始位置每个个体的历史最佳位置{sm_i}＝0，每个个体的历史最佳适应度{fsm_i}_0＜i≤N＝0，种群的历史最佳位置ym＝0,种群的历史最佳适应度fym＝-∞，随机初始种群速度{v_i}_0＜i≤N∈(0，0.01)，更新速度的限制Δ＝0.05；

步骤3.2：如果且则ORRCM-E问题不可行，转至执行步骤3.19；否则执行步骤3.3；

步骤3.3：如果iter≤ger，则执行步骤3.4；否则转至执行步骤3.19；

步骤3.4：令i＝1；

步骤3.5：如果i≤N，则执行步骤3.6；否则转至执行步骤3.8；

步骤3.6：如果fsm_i>θ(s_i)，则更新fsm_i＝θ(s_i)，sm_i＝s_i,执行步骤3.7；否则转至执行步骤3.8；

步骤3.7：更新i＝i+1，返回步骤3.5；

步骤3.8：如果fym大于{fsm_i}_0＜i≤N中的最小值fsm_i，则更新fym＝fsm_i，ym＝sm_i；否则执行步骤3.9；

步骤3.9：令i＝1；

步骤3.10：如果i≤N,则执行步骤3.11；否则转至执行步骤3.13；

步骤3.11：更新速度v_i＝v_i*w+c₁*(sm_i-s_i)+c₂*(ym-s_i)；

步骤3.12：更新i＝i+1，返回步骤3.10；

步骤3.13：如果发现v_i>Δ，则更新v_i＝Δ；否则执行步骤3.14；

步骤3.14：如果发现v_i<-Δ，则更新v_i＝-Δ，否则执行步骤3.15；

步骤3.15：更新种群位置，上一时刻的每个位置s_i加上更新速度v_i，得最新的位置{s_i}_0＜i≤N；

步骤3.16：如果发现则更新否则转至执行步骤3.18；

步骤3.17：如果发现则更新否则转至执行步骤3.18；

步骤3.18：更新iter＝iter+1，返回步骤3.3；

步骤3.19：如果ORRCM-E问题可行，输出θ^*＝fym以及x^*＝ym；否则输出ORRCM-E问题不可行；

最后，算法ORRCM-Algorithm输出的θ^*代表ORRCM问题所求的最小整体无线资源消耗，ORRCM问题中待求的最优传输时间t^*表示为