CN110493863B - 超密集多小区网络中的高能效功率控制方法 - Google Patents

超密集多小区网络中的高能效功率控制方法 Download PDF

Info

Publication number
CN110493863B
CN110493863B CN201910596200.0A CN201910596200A CN110493863B CN 110493863 B CN110493863 B CN 110493863B CN 201910596200 A CN201910596200 A CN 201910596200A CN 110493863 B CN110493863 B CN 110493863B
Authority
CN
China
Prior art keywords
cell
power control
cells
constraint
optimization
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
Application number
CN201910596200.0A
Other languages
English (en)
Other versions
CN110493863A (zh
Inventor
高晖
信金灿
许文俊
曹若菡
陆月明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Publication of CN110493863A publication Critical patent/CN110493863A/zh
Application granted granted Critical
Publication of CN110493863B publication Critical patent/CN110493863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
    • H04W52/367—Power values between minimum and maximum limits, e.g. dynamic range

Abstract

具有泄露干扰约束的分布式功率控制方法，用于下述场景：在超密集网络(UDN)的每个小区中，部署分布式天线，分布式天线通过回程链路连接到同一个基带处理单元(BPU)，联合为用户提供服务，为了降低计算复杂度和回程开销，提出了考虑泄露干扰约束的分布式功率控制方案。该方案包括下列两个步骤：(1)基于非合作博弈，设计非合作功率控制模型，使每个小区在得知其他小区干扰的情况下，单独优化自己本小区的能量效率(EE)，通过多次博弈收敛到系统EE的最优解，降低回程开销和计算复杂度；(2)每个小区的能效优化阶段，在限制所泄露的ICI的基础上，基于分数规划理论将分数优化问题转换为等式优化问题，然后通过相应的迭代和凸优化算法进行求解。所提方法能够以较低的计算复杂度和回程开销，降低ICI和功耗，提升系统的EE。

Description

超密集多小区网络中的高能效功率控制方法
技术领域
本发明设计一种高能效的分布式功率控制方案，确切地说，是具有分布式天线的超密集网络中，一种具有泄露干扰约束的分布式功率控制方案，属于无线通信技术领域。
背景技术
近年来，随着绿色通信的发展，未来无线网络研究的热点将是系统EE，即系统吞吐量和系统总功耗的比值。超密集网络(UDN)通过密集部署基站和其他接入节点，可以显著提高系统容量、降低系统功耗，因此成为提高系统EE的研究热点。与此同时，分布式天线系统由于将天线分散部署在小区内的不同位置，进一步降低UE的接入距离和系统功耗，提升了系统EE，引发了越来越多的关注。本发明旨在将分布式天线与UDN相结合以进一步提升系统EE。
随着基站和天线数目的增多，ICI将逐渐成为限制系统EE的主要因素。根据目前研究，有效的功率控制可以显著降低ICI，提升系统EE。针对于具有分布式天线的单小区场景，有人提出一种基于Newton方法的迭代算法来进行功率控制，实现小区的EE优化。但是该方案由于没有考虑ICI的影响，因此不适用于多小区场景的EE优化。基于此，有人提出可以通过一个中央处理器收集全局CSI，以一种集中式的方式，将非凸的EE优化问题转化为凸优化问题进行求解，然而由于该集中式算法计算复杂度高、回程开销大，所以无法很好的实现具有分布式天线的UDN网络的EE优化。
为了以一种较低的复杂度实现更实际的应用。有人提出可以采用非合作博弈的方法来优化系统EE，通过非合作博弈理论，将集中式的功率控制算法转化为分布式的功率控制算法来降低复杂度。具体来说，有人通过非合作博弈，将系统EE优化转化为分布式的EE优化，其中，每个小区根据其他小区的干扰信息，在本小区内，通过将非凸的EE优化问题转化为凸优化问题来进行求解。但是，该方法没有考虑在优化自身EE时限制所泄露的ICI，因此并不能很好的提高系统EE。
针对现有功率控制方案不能很好的提高具有分布式天线的UDN网络的EE问题，本发明提出一种具有泄露干扰约束的非合作功率控制方法，以较低的复杂度提高系统EE。
发明内容
有鉴于此，本发明的目的是提供一种具有泄露干扰约束的非合作功率控制博弈方案，在该具有分布式天线的UDN网络中，在每个小区中，均匀部署多个具有多天线的小基站，通过回程链路连接到一个BPU，联合为小区内的所有单天线用户提供服务。本发明方法将系统的EE优化问题，通过博弈论理论将集中式的EE优化问题转化为分布式的EE优化问题，其中每个小区基于其他小区的干扰信息，独自优化自己小区的EE，通过小区间的相互博弈，最终达到最优的纳什均衡点，获取系统的EE最优值。所提方法较集中式的EE优化方法，降低了计算复杂度和回程开销。
为了达到上述目的，本发明提供了一种具有泄露干扰约束的分布式功率控制算法，用于下述场景：具有分布式天线的UDN网络中，在每个小区中均匀部署多个多天线小基站，小基站通过回程链路连接到一个BPU来联合为小区内的用户提供服务。随着小区数目和天线数目的增多，传统的集中式能效优化方案不再适用。其特征在于：所述方法包括下列两个操作步骤：
(1)建立非合作功率控制博弈模型阶段：基于非合作博弈理论，搭建多小区的分布式功率控制博弈模型，通过小区间的博弈，最终达到纳什均衡点，获取系统最优值。
所提非合作功率控制博弈的具体步骤如下：在每次迭代中，每个小区通过回程链路获取其他小区的CSI和发射功率，基于这些信息，计算出ICI，在此基础上，优化本小区的EE，将所得EE值与上一次迭代的EE值进行相减求得差值，若该差值大于阈值，则进行下一次迭代，若该差值小于阈值，则结束迭代。当所有小区的发射功率都不再更新时，就达到了纳什均衡，即系统EE最优点。
(2)每个小区的EE优化阶段：对于每次博弈，每个小区根据所遭受的ICI，在限制所泄露的ICI的基础上，优化自己本小区EE。
每个小区根据所遭受的ICI，在考虑最大发射功率约束、所泄露的ICI约束的基础上，通过分数规划将分数优化问题转化为等式优化问题，随后基于凸优化、Dinkelbach’s算法，设计相应的迭代算法求出本小区的EE最优解。
本发明是一种具有泄露干扰约束的非合作功率控制方案，其优点是：在具有分布式天线的UDN网络中，以较低的系统复杂度、回程开销，提高了系统EE。本发明的关键创新点：在具有分布式天线的UDN网络中，基于非合作博弈理论，提出了一种具有泄露干扰约束的分布式的能效优化方法，通过限制泄露的ICI，进一步提高系统EE。基于相关理论证明、求解了所提博弈具有的唯一纳什均衡点，以较低的系统复杂度和回程开销获得了系统EE最优点。
附图说明
图1是本发明应用场景：具有分布式天线的UDN系统。
图2是本发明具有泄露干扰约束的分布式功率控制方法的流程图。
图3是本发明实施例中，功率控制方法不同，系统EE随着天线最大发射功率变化的仿真图。
图4是本发明实施例中，不同泄露干扰约束因子条件下，所提非合作博弈方案的迭代次数仿真图。
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，下面结合附图对本发明作进一步的详细描述。
参见图1，先介绍本发明方法的应用场景：包括L个蜂窝小区的UDN网络，其中每个小区中均匀部署J个具有N根天线小基站，其中1个位于小区中心，其余(J-1)个分别位于小区中心与顶点的中心位置，这(J-1)个小基站通过回程链路连接到位于中心的小基站，以联合为K个单用户提供服务。在所提的非合作功率控制博弈算法中，在每个小区中设计ZF编码Wl，以消除小区内干扰，通过泄露干扰约束因子c来限制小区泄露的ICI，以进一步提高系统EE。
参见图2，介绍本发明方法的下列操作步骤：
(1)搭建非合作功率控制博弈模型阶段：L个小区的博弈可以表示为
Figure BDA0002117734810000031
其中
Figure BDA0002117734810000032
表示L个小区，{ηl}表示第l个小区的发射功率，{ul(·)}表示第l个小区的效用函数，即该小区的EE。第l个小区，在考虑最大最小发射功率约束、泄露的ICI约束的基础上，优化本小区的EE，具体表示为
Figure BDA0002117734810000041
所以优化目标为
Figure BDA0002117734810000042
Figure BDA0002117734810000043
Figure BDA0002117734810000044
Figure BDA0002117734810000045
其中，C1表示最小发射功率约束，具体来说，ηl,k表示UEl,k(即第l个小区的第k个用户)的发射功率。C2表示每根天线的最大发射功率约束，具体来说，
Figure BDA0002117734810000046
是Wl中的元素，表示第l个小区的第j个基站的第n根天线对UEl,k的预编码，C3表示所泄露的ICI约束，具体来说，
Figure BDA0002117734810000047
表示第l个小区到第i个小区的信道矩阵，Xl表示第l个小区发射的信号，具体表示为
Figure BDA0002117734810000048
ρl表示归一化的发射功率，Wl表示ZF预编码矩阵，ηl表示功率控制因子矩阵，Sl表示第l个小区的发送信号。
为了求解小区的系统EE最优点，首先应该证明所提分布式博弈算法存在唯一的纳什均衡点，首先通过分数规划理论将目标函数由分数优化转化为等式优化，然后通过凸集、连续性和拟凹性等理论证明所提算法存在纳什均衡点；最后通过证明所提算法的非负性、连续性、单调性等性质，证明所提算法能收敛到唯一的纳什均衡点。
(2)每个小区的能效优化阶段：在每次迭代中，每个小区通过回程链路获取其他小区的干扰信息，基于此，在最大最小发射功率约束、泄露的ICI约束的基础上优化本小区的EE。
具体步骤如下：
在第t次博弈中，小区l通过回程链路获取其他(l-1)个小区的ZF预编码W-l信息，前一次迭代的发射功率η-l(t-1)信息。根据这些信息，通过分数规划将效用函数由分数形式转化为等式形式，然后根据凸优化理论、Dinkelbach’s迭代算法求出最优的EE值，表示为ul(ηl(t))。当|ul(ηl(t))-ul(ηl(t-1))|＜ε,(t＞1,ε＝0.01)时，不再更新发射功率。当所有小区都不更新发射功率后，该分布式功率控制博弈即达到了收敛，此时即可得到系统的EE最优解。
为了展示本发明方法的实用性能，申请人进行了多次仿真实施试验。试验系统中的网络配置模型为图1所示的应用场景。仿真试验的结果如图3和图4所示，在不同两个方面进行了仿真。
由图3可以看出，集中式功率控制方案、所提限制泄露干扰约束的分布式功率控制方案、没有限制泄露干扰的分布式方案、最大发射功率方案所得的系统EE，与最大发射功率的关系。
由图4可以看出，当所提算法的泄露干扰约束因子分别为c1＝1.5×10-4mW,c2＝1.0×10-4mW和c3＝2.0×10-4mW时，所提非合作功率控制博弈方案，迭代两次即可达到收敛；而且，通过适当的控制泄露干扰约束因子，可以有效提高系统EE。
以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (3)

1.具有泄露干扰约束的分布式功率控制方法，用于下述场景：
在具有分布式天线的UDN网络中，每个小区均匀部署多个不同位置的多天线小基站和单天线用户，其中，包括L个蜂窝小区的UDN网络，其中每个小区中均匀部署J个具有N根天线小基站，其中1个位于小区中心，其余(J-1)个分别位于小区中心与顶点的中心位置，这(J-1)个小基站通过回程链路连接到位于中心的小基站，以联合为K个单用户提供服务；由于分布式天线位置不确定、数目较多，传统的集中式功率控制计算复杂度高、回程开销大，因此提出了具有泄露干扰约束的分布式功率控制方法，所述方法包括下列两个操作步骤：
(1)搭建分布式功率控制博弈模型阶段：每次博弈中，每个小区基于其他小区的干扰信息，单独优化自己小区的能效，计算本次EE值与上一次EE的差值，若该差值大于阈值，则进行下一次博弈，若该差值小于阈值，则结束博弈，不再更新自身发射功率，当所有小区都不再更新自身发射功率时，达到最终的纳什均衡点，即系统最优EE；
(2)每个小区的EE优化阶段：通过回程链路获取ICI信息后，建立本小区的优化模型，在最大发射功率约束、所泄露的ICI约束的基础上，通过分数规划理论将分数优化转化为等式优化，通过凸优化和Dinkelbach’s算法求出最优的EE值；
其采用的算法框架如下
(a)搭建非合作功率控制博弈模型阶段：L个小区的博弈表示为
Figure FDA0002894637340000012
其中
Figure FDA0002894637340000013
表示L个小区，{ηl}表示第l个小区的发射功率，{ul(·)}表示第l个小区的效用函数，即该小区的EE；第l个小区，在考虑最大最小发射功率约束、泄露的ICI约束的基础上，优化本小区的EE，具体表示为
Figure FDA0002894637340000011
所以优化目标为
Figure FDA0002894637340000021
Figure FDA0002894637340000022
Figure FDA0002894637340000023
Figure FDA0002894637340000024
其中，C1表示最小发射功率约束，ηl，k表示UEl，k(即第l个小区的第k个用户)的发射功率；C2表示每根天线的最大发射功率约束，
Figure FDA0002894637340000025
是Wl中的元素，表示第l个小区的第j个基站的第n根天线对UEl，k的预编码，C3表示所泄露的ICI约束，
Figure FDA0002894637340000026
表示第l个小区到第i个小区的信道矩阵，Xl表示第l个小区发射的信号，具体表示为
Figure FDA0002894637340000027
ρl表示归一化的发射功率，Wl表示ZF预编码矩阵，ηl表示功率控制因子矩阵，Sl表示第l个小区的发送信号；
(b)每个小区的能效优化阶段：在每次迭代中，每个小区通过回程链路获取其他小区的干扰信息，基于此，在最大最小发射功率约束、泄露的ICI约束的基础上优化本小区的EE；具体步骤如下：在第t次博弈中，小区l通过回程链路获取其他(l-1)个小区的ZF预编码W-l信息，前一次迭代的发射功率η-l(t-1)信息；根据这些信息，通过分数规划将效用函数由分数形式转化为等式形式，然后根据凸优化理论、Dinkelbach’s迭代算法求出最优的EE值，表示为ul(ηl(t))；当|ul(ηl(t))-ul(ηl(t-1))|＜ε，(t＞1，ε＝设置的阈值)时，不再更新发射功率；当所有小区都不更新发射功率后，该分布式功率控制博弈即达到了收敛，此时即可得到系统的EE最优解。
2.根据权利要求1所述的方法，其特征在于：
所提的非合作功率控制算法的具体步骤如下：每个小区的BPU获取本小区的CSI，通过回程链路获取其他小区的CSI和发射功率，基于这些信息计算能使本小区能效最优的发射功率，当本次迭代的EE值与上一次迭代的EE值的差值大于某个阈值时，进行下一次博弈，当差值小于某个阈值时，结束本次博弈；通过小区间的相互博弈，当所有小区都不再更新自身发射功率时，即达到纳什均衡点，得到系统的最优EE。
3.根据权利要求1所述的方法，其特征在于：所述步骤(2)进一步包括下列操作内容
每个小区基于本小区的CSI进行迫零(Zero Forcing，ZF)预编码，消除小区内的干扰，基于所获取的其他小区的CSI信息，在最大发射功率约束、泄露的ICI约束的基础上，进行功率控制以优化本小区EE；具体来说，通过分数规划理论将分数优化转化为等式优化问题，结合凸优化、Dinkelbach’s算法求出最优的发射功率;这样就完成具有泄露干扰约束的分布式功率控制方案，获取了系统的EE最优值。
CN201910596200.0A 2019-03-25 2019-07-03 超密集多小区网络中的高能效功率控制方法 Active CN110493863B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910226541 2019-03-25
CN2019102265419 2019-03-25

Publications (2)

Publication Number Publication Date
CN110493863A CN110493863A (zh) 2019-11-22
CN110493863B true CN110493863B (zh) 2021-07-13

Family

ID=68546694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910596200.0A Active CN110493863B (zh) 2019-03-25 2019-07-03 超密集多小区网络中的高能效功率控制方法

Country Status (1)

Country Link
CN (1) CN110493863B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107864507A (zh) * 2017-11-22 2018-03-30 哈尔滨工程大学 基于量子猴群搜索机制的认知无线电功率控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101321004B (zh) * 2008-07-18 2012-05-16 中国人民解放军理工大学 多天线码分多址系统中基于博弈论的功率控制方法
CN101359941A (zh) * 2008-09-12 2009-02-04 南京邮电大学 认知无线电技术中基于归一化博弈模型的功率控制方法
US10291347B2 (en) * 2017-01-03 2019-05-14 Intelligent Fusion Technology, Inc. Effective cross-layer satellite communications link interferences mitigation in the presence of various RFI types

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107864507A (zh) * 2017-11-22 2018-03-30 哈尔滨工程大学 基于量子猴群搜索机制的认知无线电功率控制方法

Also Published As

Publication number Publication date
CN110493863A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
Huang et al. Decentralized beamforming design for intelligent reflecting surface-enhanced cell-free networks
Onireti et al. On the energy efficiency-spectral efficiency trade-off of distributed MIMO systems
Chen et al. Area spectral efficiency analysis and energy consumption minimization in multiantenna Poisson distributed networks
Wang et al. Coordinated multi-cell transmission for distributed antenna systems with partial CSIT
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
CN108923898B (zh) 硬件损伤下无线能量传输的大规模mimo系统能效优化方法
Sun et al. User scheduling and cluster formation in fog computing based radio access networks
CN110299937A (zh) 一种上行mimo-noma无线通信系统波束成形方法
Han et al. Energy-aware and QoS-aware load balancing for HetNets powered by renewable energy
CN115173900B (zh) 去蜂窝大规模mimo系统的ap选择和功率分配方法
CN102291727B (zh) 一种分布式协作波束成形设计方法
CN105227221A (zh) 一种cran中高能效的基站开关选择方法
CN110493863B (zh) 超密集多小区网络中的高能效功率控制方法
Wang Admission control with distributed joint diversity and power control for wireless networks
Ramezani-Kebrya et al. Robust power optimization for device-to-device communication in a multi-cell network under partial CSI
CN114745032B (zh) 一种无蜂窝大规模mimo智能分布式波束选择方法
CN111465108A (zh) 一种能量获取d2d异构网络中频效能效优化方法
Xin et al. Energy-efficient power control for ultra-dense networks with distributed antenna arrays
CN110048753A (zh) 基于mimo系统加权能效最大化的分布式波束赋形优化方法
CN111447628B (zh) 一种毫米波异构网络用户关联方法
Lu et al. Energy-efficient beamforming design for cooperative double-IRS aided multi-user MIMO
Wang et al. Price-based resource allocation in noma system with hardware impairments
Hburi et al. Joint RRH selection and power allocation forEnergy-efficient C-RAN systems
Pang et al. Deployment Locations and Beamforming Optimization for Multi-RIS in Multi-BS Networks
Wang et al. Power and beamforming control with generalized Nash game for energy-aware mmWave networks

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