CN109548159A - 一种非正交多址异构网络中的功率分配方法 - Google Patents

Abstract

本发明涉及一种非正交多址异构网络中的功率分配方法，包括：建立双层异构非正交多址网络模型；初始化模型的各项参数；对模型中每个信道的用户进行排序；分别求取小型基站层和宏基站层的最优功率分配；根据求取的小型基站层和宏基站层的最优功率分配，求取整个网络的全局功率分配。本发明通过构建基于非正交多址接入技术的双层异构非正交多址网络模型，将整个系统解耦成两个子博弈的问题，通过求解每个子博弈问题中的优化问题，获得每个子博弈问题中的能量效率最大化，最终利用斯坦克尔伯格博弈得到该系统的全局功率分配，相比于传统方法，本发明的计算复杂度大大降低，且得到的能量效率更高。

Description

一种非正交多址异构网络中的功率分配方法

技术领域

本发明涉及一种功率分配方法，具体涉及一种非正交多址异构网络中的功率分配方法。

背景技术

非正交多址接入技术是5G通信当中研究的热门技术，相比于正交频分多址接入，非正交多址接入技术能使多个用户分享同一个信道，可有效提高频谱效率和信道容量。非正交多址接入技术的核心理念是在相同的时频资源块上，通过不同的功率级在功率域实现多址接入，通过对每个用户分配不同的功率，来满足系统的不同需求。实现途径主要有信道容量最大化，能量效率最大化，最小功率等。在当前的环境背景下，人们不再盲目的追求容量的最大化，开始考虑系统的能量效率问题，目前比较常用的功率分配方法有全空间搜索功率，固定功率分配和部分传输功率分配算法，其中全空间搜索功率计算复杂度太高，固定功率与部分传输功率分配算法虽然复杂度降低，但最终效果比较差。

发明内容

针对现有技术中的不足，本发明的目的是提供一种非正交多址异构网络中的功率分配方法，在降低计算复杂度的同时有效提升系统能量效率。

本发明的目的是采用下述技术方案实现的：

一种非正交多址异构网络中的功率分配方法，包括：

建立双层异构非正交多址网络模型；

初始化模型的各项参数；

对网络中每个信道的用户进行排序；

分别求取小型基站层和宏基站层的最优功率分配；

根据求取的小型基站层和宏基站层的最优功率分配，求取整个网络的全局功率分配。

具体的，所述双层异构非正交多址网络模型由宏基站层和小型基站层构成，其中宏基站层包括M个宏基站和N个宏基站用户，小型基层包括K个小型基站和S个小型基站用户，M、N、K、S为任意正整数。

具体的，所述模型的各项参数包括：带宽B，信道个数N，信道中用户个数H，小型基站功率分配矩阵P^S，宏基站功率分配矩阵P^M，拉格朗日乘子α^s，α^m和能量效率t，步长θ₁、θ₂和最大迭代次数L_max。

具体的，采用串行干扰消除技术对模型中每个信道的用户进行排序，即按照用户信道增益由大到小的顺序对用户进行排序，信道增益大于当前的用户信息优先被解码消除，信道增益小于当前的用户信息被视作干扰。

具体的，所述对模型中每个信道的用户进行排序的具体方法为：

假设小型基站s中的信道n中有H个用户，则信道中用户信道增益排列顺序为：

式中，为同层干扰，j_s,h为跨层干扰，为方差，为信道n上的小型基站s的第h个用户到小型基站s的信道增益，和分别为信道n上的小型基站s的第h个用户到小型基站t和宏基站m的信道增益，为信道n上的小型基站t的第k个用户的信息，为宏基站m在信道n上对第k个用户的功率分配，为信道n上，宏基站的第k个用户的信息；

当第h个用户对接收到的数据进行解码时，第i(i<h)个用户的数据按照公式(1)的解码顺序被消除，而第i(i>h)个用户的数据被视作干扰，由此循环操作，逐步消除干扰。

具体的，采用能量效率优化算法分别求取小型基站层和宏基站层的最优功率分配，具体包括：

以最大能量效率为目标函数，建立小型基站层和宏基站层的最优功率分配数学模型；

给定能量效率t和宏基站功率分配P^M，采用拉格朗日方程求解小型基站第h个用户的功率为：

式中，为信道n上的小型基站s的第h个用户的信干噪比，和a^s为拉格朗日乘子，H为信道中用户的个数，N为信道个数，B为带宽；

同理，给定能量效率t和小型基站功率分配P^S，求取宏基站第h个用户的功率为：

式中，为信道n上的宏基站m的第h个用户的信干噪比，和a^m为拉格朗日乘子；

采用梯度下降法，更新拉格朗日乘子a^s，a^m，更新公式为：

其中：

[x]⁺＝max(x，0) (8)

初始化小型基站功率分配宏基站功率分配收敛阈值ε，拉格朗日乘子α^s和能量效率t，迭代次数l、步长θ₁、θ₂和最大迭代次数L_max，根据公式(2)-(8)计算小型基站层和宏基站层下每一个用户的最优功率分配，当迭代次数l达到最大迭代次数L_max时，结束计算，得到小型基站层和宏基站层的最优功率分配。

具体的，所述小型基站层的最优功率分配数学模型为：

目标函数：

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；是小型基站的能量效率，和分别是小型基站和宏基站在子信道n上的第h个用户的信道容量，和分别是小型基站和宏基站在信道n上的第h个用户的功率，和分别是小型基站和宏基站的最大传输功率，和分别表示小型基站和宏基站的传输速率下限，N是子信道的个数，H是子信道中用户的个数，m是宏基站索引数，n是子信道索引数，s是小型基站索引数，h是信道中用户索引数。

具体的，所述宏基站层的最优功率分配模型为：

目标函数：

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；是宏基站基站的能量效率。

具体的，采用斯坦科尔伯格博弈迭代算法求取整个网络的全局功率分配，即将求取的小型基站层和宏基站层的最优功率分配视为博弈双方，通过计算获得博弈均衡点，将所述博弈均衡点作为整个网络系统的全局功率分配。

具体的，所述采用斯坦科尔伯格博弈迭代算法求取整个网络的全局功率分配具体包括：

令迭代索引数i＝0；

初始化宏基站功率分配矩阵P^M(i)，小型基站功率分配矩阵P^S(i)和斯坦科尔伯格博弈最大迭代次数I_max；

给定宏基站功率分配，计算出小型基站的最优能量效率功率分配矩阵(P^S*(i+1),P^M(i))；

给定小型基站功率分配，计算出宏基站的最优能量效率功率分配矩阵(P^S*(i+1),P^M*(i+1))；

迭代计算上述过程，直到i＝L_max时结束计算；

得到宏基站和小型基站的功率分配(P^S*(L_max),P^M*(L_max))即为全局功率分配。

本申请的实施例提供的技术方案可以包括以下有益效果：

本发明通过构建基于非正交多址接入技术的双层异构网络模型，将整个系统解耦成两个子博弈的问题，分别求解每个子博弈问题中的优化问题，获得每个子博弈问题中的能量效率最大化，最终通过斯坦克尔伯格博弈得到该系统的全局功率分配，相比于传统方法，本发明的复杂度大大降低，并且得到的能量效率明显高于传统的功率分配方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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是非正交多址异构网络中的功率分配方法流程图；

图2是双层异构非正交多址网络示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

实施例1

图1是非正交多址异构网络中的功率分配方法流程图，如图1所示，所述方法包括：

建立双层异构非正交多址网络模型；

初始化模型的各项参数；

对网络中每个信道的用户进行排序；

分别求取小型基站层和宏基站层的最优功率分配；

根据求取的小型基站层和宏基站层的最优功率分配，求取整个网络的全局功率分配。

具体的，本发明建立一个图2所示的双层异构非正交多址网络模型，该模型用于求取整个系统的最大能量效率。所述模型包括宏基站层和小型基站层，其中宏基站层由宏基站和宏基站用户构成，小型基层由小型基站和小型基站用户构成。如图2所示，图中的MBS为宏基站，MUE为宏基站用户，SBS为小型基站，SUE为小型基站用户，宏基站用户与小型基站用户可以是手机、笔记本等需要接入通信网络的任何设备。模型中的宏基站与小型基站及其用户的数量可以任意设定。

具体的，在计算系统最大能量效率之前需要对双层异构网络模型的各项参数进行初始化，并对模型中各信道中的用户进行排序，用以消除用户间的干扰。其中各项参数包括：带宽B，信道个数N，信道中用户个数H，小型基站功率分配矩阵P^S，宏基站功率分配矩阵P^M，收敛阈值ε，拉格朗日乘子α^s，α^m和能量效率t，步长θ₁、θ₂和最大迭代次数L_max。具体过程如下所述：

假设该网络模型共有M个宏基站，S个小型基站，N个信道，每个信道有H个用户，则在信道n上，小型基站s的第h个用户所接受到的信号为：

式中，和分别是信道n上的小型基站s的第h个用户和第i个用户发送的信息；是子信道n上的小型基站t的第k个用户发送的信息；是在信道n上的宏基站m的第k个用户发送的信息；z_h是均值为零且方差为的噪声，是小型基站s中信道n上第h个用户的信道增益；是小型基站s中信道n上第h个用户的功率；是小型基站s中信道n上第i个用户的功率；是宏基站s中子信道n上第k个用户的功率。

式(19)中，等式右边的第一项为目标用户实际接收的信号，其余各项均为该网络中其它用户对目标用户的干扰。其中，等式右边的第二项为非正交多址系统中特有的干扰，通常使用串行干扰消除技术(Successive InterferenceCancellation，SIC)来降低该干扰。串行干扰消除的基本原理是逐步消除最大信号功率用户的干扰，即按照用户信道增益由大到小的顺序对用户进行排序，信道增益大于当前的用户信息优先被解码消除，信道增益小于当前的用户信息被视作干扰。假设小型基站s中的信道n中有H个用户，则该信道中用户信道增益排列顺序为：

其中，

式中，为同层干扰，是来自同一基站层中用户的干扰，j_s,h为跨层干扰，是来自不同基站层中用户的干扰，为方差，为表示在信道n上，小型基站s所属的第h个用户到该小型基站的信道增益，和分别表示在信道n上，小型基站s所属第h个用户到小型基站t和宏基站m的信道增益，为在信道n上，小型基站t的第k个用户的信息，为宏基站m在信道n上对第k个用户的功率分配，为在信道n上，宏基站的第k个用户的信息。

令：

则：

式中，f_s为同层干扰，j_s为跨层干扰，为信道n上，小型基站s中用户k所分配的功率，为在信道n上，宏基站m中用户k所分配的功率。

当第h个用户对接收到的数据进行解码时，第i(i<h)个用户的数据会按照公式(20)的解码顺序而被消除，而第i(i>h)个用户的数据被视作干扰。

具体的，由于直接求取系统的最优能量效率比较复杂，本发明将其解耦为两个子问题，即分别求取宏基站层的最大能量效率和小型基站层的最大能量效率，本实施例以计算小型基站层的最大能量效率为例对其计算过程进行详细说明：

由式(19)-(25)计算得到信道n上小型基站s的第h个用户的信干噪比为：

信道n上小型基站s的第h个用户的信道容量为：

式中，B为带宽，N为子信道个数；

小型基站s的能量效率为：

其中，

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；p_cir为小型基站的静态电路消耗，是一个恒定值。

小型基站层的最优功率分配可表示为：

目标函数：

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

式中和分别是小型基站和宏基站的最大传输功率，和分别表示小型基站和宏基站的传输速率下限。

由于采用式(31)求解小型基站层最优能量效率情况下的功率分配比较复杂，因此将式(31)转换成一个含有参数的非分式子：

当且仅当时，能够得到小型基站s的最优能量效率t^*和最优功率分配Ρ^S*。引入用户传输功率的下界：

其中：

当时，式(37)取等号，则第s个小型基站的传输速率的下界为：

此时，式(31)的问题转换成：

在给定t和宏基站功率分配P^M的情况下，式(41)是关于小型基站功率分配P^S的优化问题，通过解决它的对偶问题，从而求得它的解。对式(41)进行两阶求导，得到：

由公式(42)可知，公式(41)是求解凸函数的最值问题。通过引入拉格朗日方程进行求解：

式中，a^s和为拉格朗日乘子。

因此，式(41)的对偶问题为：

在给定朗格朗日乘子a^s和就能计算出小型基站的功率分配。将式(28)转变为有KKT(Karush-Kuhn-Tucker)条件的最优化问题，令：

求解得到，在信道n上，小型基站s的第h个用户的功率为：

采用梯度下降法，对拉格朗日乘子a^s和进行更新：

[x]⁺＝max(x，0) (50)

式中，l是迭代次数，q₁和q₂为步长。

当式(47)计算出的新的功率后，通过更新式(48)、(49)中的功率数据，新计算出的拉格朗日乘子也会在式(47)中更新。通过以上公式推理可以计算出小型基站层的最优能量效率时的功率分配。

同样的，宏基站的最优功率分配可表示为：

目标函数：

其中，宏基站M的能量效率为：

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；p_cir为小型基站的静态电路消耗，是一个恒定值。

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

计算得到宏基站层的最优能量效率时的功率分配为：

采用梯度下降法，对拉格朗日乘子a^m和进行更新：

[x]⁺＝max(x，0) (62)

通过更新式(60)、(61)中的功率数据，可以计算出宏基站层的最优能量效率时的功率分配。

具体的，本发明将两个子问题视作斯坦克尔伯格博弈中的博弈双方，小型基站层视作追随者，宏基站层视作领导者，各个基站层的功率分配视为他们做出的策略。在斯坦科尔伯格博弈当中，领导者根据追随者策略的变化来改变自己的策略。同样，追随者也会根据领导者策略的变化来改变自己的策略。随着博弈较量的不断进行，双方最终会达到一个均衡点，称为斯坦尔克伯格博弈均衡。该均衡点即为最终的功率分配。因此本发明采用斯坦科尔伯格博弈迭代算法求取整个网络的全局功率分配，即将求取的小型基站层和宏基站层的最优功率分配视为博弈双方，通过计算获得博弈均衡点，将所述博弈均衡点作为整个网络系统的全局功率分配。具体过程如下：

令迭代索引数i＝0；

初始化宏基站功率分配矩阵P^M(i)，小型基站功率分配矩阵P^S(i)和斯坦科尔伯格博弈最大迭代次数I_max；

给定宏基站功率分配，计算出小型基站的最优能量效率功率分配矩阵(P^S*(i+1),P^M(i))；

给定小型基站功率分配，计算出宏基站的最优能量效率功率分配矩阵(P^S*(i+1),P^M*(i+1))；

迭代计算上述过程，直到i＝L_max时结束计算；

得到宏基站和小型基站的功率分配(P^S*(L_max),P^M*(L_max))即为全局功率分配。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换，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以所述权利要求的保护范围为准。

Claims (10)

1.一种非正交多址异构网络中的功率分配方法，其特征在于，包括：

建立双层异构非正交多址网络模型；

初始化模型的各项参数；

对网络中每个信道的用户进行排序；

分别求取小型基站层和宏基站层的最优功率分配；

根据求取的小型基站层和宏基站层的最优功率分配，求取整个网络的全局功率分配。

2.如权利要求1所述的功率分配方法，其特征在于，所述双层异构非正交多址网络模型由宏基站层和小型基站层构成，其中宏基站层包括M个宏基站和N个宏基站用户，小型基层包括K个小型基站和S个小型基站用户，M、N、K、S为任意正整数。

3.如权利要求1所述的功率分配方法，其特征在于，所述模型的各项参数包括：带宽B，信道个数N，信道中用户个数H，小型基站功率分配矩阵P^S，宏基站功率分配矩阵P^M，拉格朗日乘子α^s，α^m和能量效率t，步长θ₁、θ₂和最大迭代次数L_max。

4.如权利要求1所述的功率分配方法，其特征在于，采用串行干扰消除技术对模型中每个信道的用户进行排序，即按照用户信道增益由大到小的顺序对用户进行排序，信道增益大于当前的用户信息优先被解码消除，信道增益小于当前的用户信息被视作干扰。

5.如权利要求4所述的功率分配方法，其特征在于，所述对模型中每个信道的用户进行排序的具体方法为：

假设小型基站s中的信道n中有H个用户，则信道中用户信道增益排列顺序为：

式中，f_s,h为同层干扰，j_s,h为跨层干扰，为方差，为信道n上的小型基站s的第h个用户到小型基站s的信道增益，和分别为信道n上的小型基站s的第h个用户到小型基站t和宏基站m的信道增益，为信道n上的小型基站t的第k个用户的信息，为宏基站m在信道n上对第k个用户的功率分配，为信道n上，宏基站的第k个用户的信息；

当第h个用户对接收到的数据进行解码时，第i(i<h)个用户的数据按照公式(1)的解码顺序被消除，而第i(i>h)个用户的数据被视作干扰，由此循环操作，逐步消除干扰。

6.如权利要求1所述的功率分配方法，其特征在于，采用能量效率优化算法分别求取小型基站层和宏基站层的最优功率分配，具体包括：

以最大能量效率为目标函数，建立小型基站层和宏基站层的最优功率分配数学模型；

给定能量效率t和宏基站功率分配P^M，采用拉格朗日方程求解小型基站第h个用户的功率为：

式中，为信道n上的小型基站s的第h个用户的信干噪比，和a^s为拉格朗日乘子，H为信道中用户的个数，N为信道个数，B为带宽；

同理，给定能量效率t和小型基站功率分配P^S，求取宏基站第h个用户的功率为：

式中，为信道n上的宏基站m的第h个用户的信干噪比，和a^m为拉格朗日乘子；

采用梯度下降法，更新拉格朗日乘子a^s，a^m，更新公式为：

其中：

[x]⁺＝max(x，0) (8)

初始化小型基站功率分配宏基站功率分配收敛阈值ε，拉格朗日乘子α^s和能量效率t，迭代次数l、步长θ₁、θ₂和最大迭代次数L_max，根据公式(2)-(8)计算小型基站层和宏基站层下每一个用户的最优功率分配，当迭代次数l达到最大迭代次数L_max时，结束计算，得到小型基站层和宏基站层的最优功率分配。

7.如权利要求6所述的功率分配方法，其特征在于，所述小型基站层的最优功率分配数学模型为：

目标函数：

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；是小型基站的能量效率，和分别是小型基站和宏基站在子信道n上的第h个用户的信道容量，和分别是小型基站和宏基站在信道n上的第h个用户的功率，和分别是小型基站和宏基站的最大传输功率，和分别表示小型基站和宏基站的传输速率下限，N是子信道的个数，H是子信道中用户的个数，m是宏基站索引数，n是子信道索引数，s是小型基站索引数，h是信道中用户索引数。

8.如权利要求6所述的功率分配方法，其特征在于，所述宏基站层的最优功率分配模型为：

目标函数：

约束条件：

小型基站的总功率限制约束：

宏基站的总功率限制约束：

小型基站用户的最低通信速率约束：

宏基站用户的最低通信速率约束：

式中，Ρ^S和Ρ^M分别是小型基站与宏基站在所有子信道和用户上的功率分配矩阵；是宏基站的能量效率。

9.如权利要求1所述的功率分配方法，其特征在于，采用斯坦科尔伯格博弈迭代算法求取整个网络的全局功率分配，即将求取的小型基站层和宏基站层的最优功率分配视为博弈双方，通过计算获得博弈均衡点，将所述博弈均衡点作为整个网络系统的全局功率分配。

10.如权利要求9所述的功率分配方法，其特征在于，所述采用斯坦科尔伯格博弈迭代算法求取整个网络的全局功率分配具体包括：

令迭代索引数i＝0；

初始化宏基站功率分配矩阵P^M(i)，小型基站功率分配矩阵P^S(i)和斯坦科尔伯格博弈最大迭代次数I_max；

给定宏基站功率分配，计算出小型基站的最优能量效率功率分配矩阵

给定小型基站功率分配，计算出宏基站的最优能量效率功率分配矩阵

迭代计算上述过程，直到i＝L_max时结束计算；

得到宏基站和小型基站的功率分配即为全局功率分配。