CN110536321A - 5g iot通信中权衡能量效率和频谱效率的优化方法 - Google Patents

Abstract

本发明实施例公开了一种5G IOT通信中权衡能量效率和频谱效率的优化方法，该方法包括：首先构建系统模型，获取用户设备的位置信息；其次采用MIMO天线分配机制确定基站通信所需激活天线数量；然后提出以能量效率和频谱效率同时最大化为目标的多目标优化问题；接着重写多目标优化问题为单目标优化问题，并简化其为D.C.规划问题；最后近似D.C.规划问题为凸优化问题，采用权衡功率分配算法得到基站最优发送功率。本发明实施例考虑天线选择睡眠机制对系统能耗的影响，能够根据工程实践中对能效和频效偏好要求动态调整资源分配，达到同时优化能量效率和频谱效率的效果，能够实现5G IOT通信中海量连接的高速率低能耗传输。

Description

5G IOT通信中权衡能量效率和频谱效率的优化方法

技术领域

本发明实施例属于移动通信系统技术领域，尤其涉及了一种能量效率和频谱效率权衡优化方法，可用于采用大规模MIMO系统的5G IOT通信。

背景技术

近年来，5G技术、大数据云计算、人工智能蓬勃发展，为万物互联提供强有力的技术支撑，5G物联网应用井喷。面对海量连接、大数据流量应用场景所带来的挑战，5G物联网必须专注解决如何更加充分利用现有短缺的频谱资源以提升频谱利用率，并实现绿色的高速率低能耗传输。

MIMO技术被认为5G宽带无线通信中的关键技术之一，能够通过多天线发送与接收，充分利用空间资源提高信道容量和系统的稳定性。陈发堂等人在《一种用于5G IOT通信的能量效率方案》文章中，引入大规模MIMO系统，采用迫零接收，利用天线的选择睡眠机制进行部署，以最大化系统能量效率为准则，通过联合调整基站发射功率和激活天线数量来优化能量效率函数，未考虑系统频谱效率。刘永莉等人在《大规模MIMO系统中能效优化方法研究》文章中，引入pareto集对能量效率和频谱效率进行联合优化，建立了最大化能量效率和频谱效率的多目标优化问题，然后借助经济学中柯布道格拉斯函数得到折中矢量，将其转化为单目标优化问题，并对能量效率、频谱效率与折中矢量对应的发射功率与天线数目进行了优化和分析，但是系统能耗中未考虑激活天线数对电路能耗带来的影响。李聪等人在《Massive MIMO系统中能量效率和频谱效率折中研究》文章中，设计一种多目标自适应遗传算法，可以高效的运行速度快速收敛至理想的折中Parto前沿，获得不同设计需求下得最优发射功率与天线数配置，但是未考虑工程实践中对能量效率和频谱效率的偏好。

发明内容

本发明实施例的目的在于针对上述情况，提出一种5G IOT通信中权衡能量效率和频谱效率的优化方法，引入MIMO天线分配机制确定基站通信所需要激活的天线数，提出基于一阶泰勒公式的非凸规划转化方法和权衡能效和频效的功率分配算法最大化小区效用，能够根据工程实践中对能效和频效的偏好灵活分配资源，同时优化系统的能量效率和频谱效率，实现5G IOT通信中海量连接的高速率低能耗传输。

为实现上述目的，本发明实施例的技术方案包括如下：

一种5G IOT通信中权衡能量效率和频谱效率的优化方法，包括如下步骤：

步骤1，基站构建系统模型，获取用户设备的位置信息；

步骤2，所述基站根据所述位置信息采用MIMO天线分配机制确定所述基站进行通信所需要的第一天线数量A；

步骤3，根据所述第一天线数量A，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1；

步骤4，引入柯布-道格拉斯产生函数，重写多目标优化问题P1为单目标优化问题P2，并对P2目标函数取对数，简化单目标优化问题P2为凸差D.C.规划问题P3；

步骤5，利用一阶泰勒公式近似所述D.C.规划问题P3为凸优化问题P4，采用权衡能效和频效的功率分配算法对所述凸优化问题P4进行优化处理，得到所述基站的发送功率最优值P。

当偏好因子w＜0.5时，侧重能量效率优化，用于少量用户低功耗传输场景；当偏好因子w＞0.5，则侧重频谱效率优化，用于大量用户高速传输场景。因此本发明实施例可以根据工程实践中对能量效率和频谱效率的侧重，灵活地配置偏好因子，最优化系统资源配置。

其中，所述的步骤1包括：

步骤1.1，基站建立多用户大规模MIMO系统模型：

基站采用大规模MIMO天线，利用天线选择睡眠机制部署，用户设备配置一根天线，用户设备随机分布于小区内，用户设备间通过迫零波束成形技术消除干扰；

步骤1.2，所述基站获取用户设备位置信息。

所述的步骤2包括：

步骤2.1，所述基站获取当前处于激活状态的第二天线数量A；

步骤2.2，所述基站根据所述位置信息确定所述用户设备与所述基站的相对位置信息，所述相对位置信息包括角度和距离；

步骤2.3，所述基站获取各个扇区的覆盖信息，所述覆盖信息包括覆盖角度和距离；

步骤2.4，所述基站确定覆盖信息与所述相对位置信息相匹配的扇区；

若确定的扇区处于激活状态，则所述基站将所述第二天线数量A确定为所述第一天数量A；

若确定的扇区处于未激活状态，则所述基站激活该扇区关联天线，将所述第二天线数量A增加新激活扇区关联天线数量后的值确定为所述第一天数量A。

所述的步骤3包括：

步骤3.1，获取多用户5G IOT通信系统频谱效率η_SE(P)：

η_SE(P)＝K log₂[1+(PA/K)(1+ln(M/A))]

其中，K和M分别为系统用户数和基站天线数，A和P分别为激活天线数和基站发射功率；

步骤3.2，获取多用户5G IOT通信系统能量效率η_EE(P)：

其中P₁为与天线激活状态无关的电路消耗功率，P₂为与天线激活状态有关的电路消耗功率；

步骤3.3，根据系统频谱效率η_SE(P)和能量效率η_EE(P)，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1：

(P1)

其中P_min为基站发送功率最小阈值，P_max为基站发送功率最大阈值。

所述的步骤4包括：

步骤4.1，引入柯布-道格拉斯产生函数，提出能量效率和频谱效率权衡指标U(p)：

U(p)＝[η_SE(p)]^w*[η_EE(p)]^1-w

其中U(p)为小区效用，w为偏好因子，w∈[0,1]，(w,1-w)为给定的频谱效率和能量效率的偏好配置。少量用户场景下，为降低传输功耗，提升能量效率，偏好因子w取值偏小；大量用户传输场景下，为实现高速传输，提升频谱效率，偏好因子w取值偏大。

步骤4.2，以最大化小区效用为目标，重写多目标优化问题P1为单目标优化问题P2：

(P2)

步骤4.3，对U(P)取对数，转化单目标优化问题P2为D.C.规划问题P3：

(P3)

其中f(P)＝logη_SE(P)，g(P)＝(1-w)log(P+P₁+AP₂)，f(P)和g(P)均为凹函数。

所述的步骤5包括：

步骤5.1，采用一阶泰勒公式近似D.C规划问题P3的目标函数，转化目标问题P3为凸规划问题P4:

(P4)

其中，P^(t)为满足基站发送功率阈值的任一确定值，为g(P)在P＝P^(t)处的导数；

步骤5.2，利用权衡能效和频效的功率分配算法对所述目标优化问题进行处理，最优化系统资源，具体步骤如下：

Step1：初始化迭代次数t＝0，可允许误差δ＞0；令初始化可行解P⁽⁰⁾＝P_min，设置P^(t)＝P⁽⁰⁾。

Step2：计算V(P⁽⁰⁾)，利用牛顿法求解(P4)最优解P*，P⁽¹⁾＝P^*，计算V(P⁽¹⁾)。

Step3：判断|V(P^(t))-V(P^(t+1))|＞δ是否成立，若成立，则执行Step4，否则执行Step6。

Step4：利用牛顿法求解(P4)最优解P*。

Step5：t＝t+1，P^(t+1)＝P^*，计算V(P^(t+1))，返回Step3。

Step6：输出(P4)最佳功率P*，结束权衡能效和频效的功率分配算法；

步骤5.3，所述基站的发送功率最优值P确定为最佳功率P*。

本发明实施例的有益效果：

第一，本发明实施例采用与激活天线数相关的电路功耗模型，引入MIMO天线分配机制确定基站通信所需要的激活天线数，充分考虑了天线选择睡眠机制对系统能耗的影响，系统能耗建模更符合实际通信场景。

第二，本发明实施例提出的基于一阶泰勒公式的非凸规划转化方法和权衡能效和频效的功率分配算法，可依据工程实践中对能效和频效偏好要求，灵活的分配系统资源，同时优化系统能量效率和频谱效率，实现绿色的高速率低能耗传输。

第三，本发明实施例提出的优化方法针对多用户大规模MIMO系统，相较于传统LTE系统，可满足海量连接用户高速传输需求，更符合5G IOT通信实际应用。

因此，本发明实施例与现有技术相比，具有更好的用户体验，为5G IOT通信系统资源分配提供有效的参考，具有广阔的应用前景。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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实施例的一些实施例，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为本发明实施例使用的5G IOT通信系统模型；

图2为本发明实施例的实现流程示意图；

图3为本发明实施例提出的MIMO天线分配机制流程示意图；

图4为本发明实施例提出的权衡能效和频效的功率分配算法实现流程示意图；

图5为权衡功率分配算法(TPA)与等功率分配算法(EPA)下偏好因子w由0增大至1的过程中Norm SE、Norm EE、Norm U对比图；

图6为权衡功率分配算法(TPA)与等功率分配算法(EPA)下偏好因子w由0增大至1的过程中最佳发送功率P对比图。

具体实施方式

下面结合附图对本发明实施例内容的具体实施方式和效果进行进一步详细说明，但不是对本发明实施例的限制。

参照图2，本发明实施例的5G IOT通信中权衡能量效率和频谱效率的优化方法，包括如下步骤：

步骤1，基站构建系统模型，获取用户设备的位置信息，包括：

步骤1.1，基站建立多用户大规模MIMO系统模型。

如图1所示，5G IOT通信系统模型包括基站及一个或多个用户设备。其中，基站位于小区中心，基站安装MIMO天线，天线数为M，采用分区缩放的天线选择睡眠机制部署，基站覆盖范围均分为θ的扇区，一个扇形区域与个天线关联。小区内有K个随机分布的用户设备，用户设备配置一根天线。基站到用户设备k的信道增益为h_k，总信道矩阵H是K×M的矩阵，用户设备k处存在高斯白噪声n_k，n_k～CN(0,N₀/2)，N₀为噪声功率谱密度。用户设备间通过迫零波束成形技术消除同频干扰，迫零波束成形矩阵W＝H^H(HH^H)^-1。

步骤1.2，基站获取用户设备位置信息。

用户设备向基站报告位置信息，位置信息包括用户设备所处位置的经度、纬度和海拔高度。

步骤2，参照图3，基站根据位置信息采用MIMO天线分配机制确定基站进行通信所需要的第一天线数量A，包括：

步骤2.1，基站获取当前处于激活状态的第二天线数量A。

系统利用天线选择睡眠机制进行部署，不进行通信时天线睡眠，需进行通信时天线醒来传输数据。进行通信的天线处于激活状态，睡眠中的天线处于非激活状态。当系统有新用户接入时，基站首先获取当前处于激活状态的天线数量。

步骤2.2，基站根据所述位置信息根据确定用户设备与基站的相对位置信息，相对位置信息包括角度和距离。

如图1所示，基站根据自身和用户设备的位置信息计算用户设备与基站间距离d、基站正北方向按瞬时针方向旋转到用户设备与基站两点连线所形成的角度得到相对位置信息

步骤2.3，基站获取各个扇区的覆盖信息，覆盖信息包括覆盖角度和距离。

如图1所示，在用户设备所在海拔高度的水平面上，基站覆盖半径为R的圆形区域。覆盖区域被均分为圆心角为θ的扇区。一个扇形覆盖区域n定义为基站正北方向的半径R顺时针旋转(n-1)*θ后作为扇形覆盖区域n的起始边，再将起始边顺时针旋转θ，该边经过的区域即为扇形覆盖区域n，其扇区覆盖信息包括覆盖角度((n-1)*θ,n*θ)和覆盖距离(0，R)。

步骤2.4，基站确定覆盖信息与相对位置信息相匹配的扇区。

将相对位置与扇区覆盖信息相比较，若0＜d≤R，同时则用户设备匹配到确定的扇区n。

若确定的扇区处于激活状态，则基站将第二天线数量A确定为第一天数量A；

若确定的扇区处于未激活状态，则基站激活该扇区关联天线，将第二天线数量A增加新激活扇区关联天线数量后的值确定为第一天数量A，新激活扇区关联天线数量为

步骤3，根据所述第一天线数量A，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1；

步骤3.1，获取多用户5G IOT通信系统频谱效率η_SE(P)：

在大规模MIMO系统中，采用迫零波束成形时系统容量为：

其中，B为系统带宽，P为基站发射功率。

采用随机天线选择算法，从M根发送天线挑选A根时，系统容量近似为：

系统频谱效率η_SE(P)定义为每单位带宽的系统容量，于是有：

η_SE(P)＝K log₂[1+(PA/K)(1+ln(M/A))]

步骤3.2，获取多用户5G IOT通信系统能量效率η_EE(P)：

其中P₁为与天线激活状态无关的电路消耗功率，P₂为与天线激活状态有关的电路消耗功率；

步骤3.3，根据系统频谱效率η_SE(P)和能量效率η_EE(P)，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1：

(P1)

其中P_min为基站发送功率最小阈值，P_max为基站发送功率最大阈值。

步骤4，引入柯布-道格拉斯产生函数，重写多目标优化问题P1为单目标优化问题P2，并对P2目标函数取对数，简化单目标优化问题P2为凸差D.C.规划问题P3；

步骤4.1，引入柯布-道格拉斯产生函数，提出能量效率和频谱效率权衡指标U(p)：

U(p)＝[η_SE(p)]^w*[η_EE(p)]^1-w

其中U(p)为小区效用，w为偏好因子，w∈[0,1]，(w,1-w)为给定的频谱效率和能量效率的偏好配置。少量用户场景下，为降低传输功耗，提升能量效率，偏好因子w取值偏小；大量用户传输场景下，为实现高速传输，提升频谱效率，偏好因子w取值偏大。

步骤4.2，以最大化小区效用为目标，重写多目标优化问题P1为单目标优化问题P2：

(P2)

步骤4.3，对U(P)取对数，转化单目标优化问题P2为D.C.规划问题P3：

(P3)

其中f(P)＝logη_SE(P)，g(P)＝(1-w)log(P+P₁+AP₂)，f(P)和g(P)均为凹函数。

步骤5，利用一阶泰勒公式近似所述D.C.规划问题P3为凸优化问题P4，采用权衡能效和频效的功率分配算法对所述凸优化问题P4进行优化处理，得到所述基站的发送功率最优值P。

步骤5.1，采用一阶泰勒公式近似D.C.规划问题P3的目标函数，转化目标问题P3为凸规划问题P4:

(P4)

其中，P^(t)为满足基站发送功率阈值的任一确定值，为g(P)在P＝P^(t)处的导数；

步骤5.2，利用权衡能效和频效的功率分配算法对所述目标优化问题进行处理，最优化系统资源，参照图4，具体步骤如下：

Step1：初始化迭代次数t＝0，可允许误差δ＞0；令初始化可行解P⁽⁰⁾＝P_min，设置P^(t)＝P⁽⁰⁾。

Step2：计算V(P⁽⁰⁾)，利用牛顿法求解(P4)最优解P*，P⁽¹⁾＝P^*，计算V(P⁽¹⁾)。

Step3：判断|V(P^(t))-V(P^(t+1))|＞δ是否成立，若成立，则执行Step4，否则执行Step6。

Step4：利用牛顿法求解(P4)最优解P*。

Step5：t＝t+1，P^(t+1)＝P^*，计算V(P^(t+1))，返回Step3。

Step6：输出(P4)最佳功率P*，结束权衡能效和频效的功率分配算法；

步骤5.3，将最佳功率P*确定为所述基站的发送功率最优值P。

本发明实施例的效果可通过以下仿真做进一步说明：

仿真条件：MIMO系统参数选择如下，可允许误差δ＝10^-12，MIMO系统天线数M＝100，P₁＝162.5mW，P₂＝48.2mW，系统用户数K＝50，P_min＝-30dBw，P_max＝30dBw。系统采用分区缩放的天线选择睡眠机制机制，θ＝36°，用户分布于6个扇形区域中，此时激活天线数A＝60。

仿真内容与结果：

仿真1，在偏好因子w由0增大至1的情况下，在上述仿真条件下，使用本发明实施例的权衡功率分配算法(TPA)、现有的等功率分配算法(EPA)两种方法，分别对5G IOT通信系统中Norm U(归一化小区效用Norm SE(归一化频谱效率)、Norm EE(归一化能量效率)进行仿真比较，结果如图4所示。图4中的横坐标为频谱效率和能量效率的偏好因子w，纵坐标为系统的Norm SE、Norm EE、Norm U。

仿真2，在偏好因子w由0增大至1的情况下，在上述仿真条件下，使用本发明实施例的权衡功率分配算法(TPA)、现有的等功率分配算法(EPA)两种方法，分别对5G IOT通信系统中基站最佳发送功率值P进行仿真比较，结果如图5所示。图4中的横坐标为频谱效率和能量效率的偏好因子w，纵坐标为基站最佳发送功率值P。

由图4可以看出，EPA的Norm SE、Norm EE不随偏好因子w变化，保持低频效高能效状态，无法满足工程实践对能效和频效的不同偏好需求。TPA的Norm SE、Norm EE随偏好因子w变化，并且在不同的w下小区效能均优于EPA。结合图5可知，TPA算法能够根据工程实践对能效和频效的偏好，动态调整资源分配，达到同时优化能效和频效的效果。

以上所揭露的仅为本发明实施例较佳实施例而已，当然不能以此来限定本发明实施例之权利范围，因此依本发明实施例权利要求所作的等同变化，仍属本发明实施例所涵盖的范围。

Claims (6)

1.一种5GIOT通信中权衡能量效率和频谱效率的优化方法，包括如下步骤：

步骤1，基站构建系统模型，获取用户设备的位置信息；

步骤2，所述基站根据所述位置信息采用多输入多输出MIMO天线分配机制确定所述基站进行通信所需要的第一天线数量A；

步骤3，根据所述第一天线数量A，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1；

步骤4，引入柯布-道格拉斯产生函数，重写多目标优化问题P1为单目标优化问题P2，并对P2目标函数取对数，简化单目标优化问题P2为凸差D.C.规划问题P3；

步骤5，利用一阶泰勒公式近似所述D.C.规划问题P3为凸优化问题P4，采用权衡能效和频效的功率分配算法对所述凸优化问题P4进行优化处理，得到所述基站的发送功率最优值P。

2.如权利要求1所述的5G IOT通信中权衡能量效率和频谱效率的优化方法，其特征在于所述的步骤1包括：

步骤1.1，基站建立多用户大规模MIMO系统模型：

基站采用大规模MIMO天线，利用天线选择睡眠机制部署，用户设备配置一根天线，用户设备随机分布于小区内，用户设备间通过迫零波束成形技术消除干扰；

步骤1.2，所述基站获取用户设备位置信息。

3.如权利要求1所述的5G IOT通信中权衡能量效率和频谱效率的优化方法，其特征在于所述的步骤2包括：

步骤2.1，所述基站获取当前处于激活状态的第二天线数量A；

步骤2.2，所述基站根据所述位置信息确定所述用户设备与所述基站的相对位置信息，所述相对位置信息包括角度和距离；

步骤2.3，所述基站获取各个扇区的覆盖信息，所述覆盖信息包括覆盖角度和距离；

步骤2.4，所述基站确定覆盖信息与所述相对位置信息相匹配的扇区；

若确定的扇区处于激活状态，则所述基站将所述第二天线数量A确定为所述第一天数量A；

若确定的扇区处于未激活状态，则所述基站激活该扇区关联天线，将所述第二天线数量A增加新激活扇区关联天线数量后的值确定为所述第一天数量A。

4.如权利要求1所述的5G IOT通信中权衡能量效率和频谱效率的优化方法，其特征在于所述的步骤3包括：

步骤3.1，获取多用户5G IOT通信系统频谱效率η_SE(P)：

η_SE(P)＝Klog₂[1+(PA/K)(1+ln(M/A))]

其中，K和M分别为系统用户数和基站天线数，A和P分别为激活天线数和基站发射功率；

步骤3.2，获取多用户5G IOT通信系统能量效率η_EE(P)：

其中P₁为与天线激活状态无关的电路消耗功率，P₂为与天线激活状态有关的电路消耗功率；

步骤3.3，根据系统频谱效率η_SE(P)和能量效率η_EE(P)，提出以能量效率和频谱效率同时最大化为目标的初始优化问题P1：

其中P_min为基站发送功率最小阈值，P_max为基站发送功率最大阈值。

5.如权利要求4所述的5G IOT通信中权衡能量效率和频谱效率的优化方法，其特征在于所述的步骤4包括：

步骤4.1，引入柯布-道格拉斯产生函数，提出能量效率和频谱效率权衡指标U(p)：

U(p)＝[η_SE(p)]^w*[η_EE(p)]^1-w

其中U(p)为小区效用，w为偏好因子，w∈[0,1]，(w,1-w)为给定的频谱效率和能量效率的偏好配置；

步骤4.2，以最大化小区效用为目标，重写多目标优化问题P1为单目标优化问题P2：

步骤4.3，对U(P)取对数，转化单目标优化问题P2为D.C.规划问题P3：

其中f(P)＝logη_SE(P)，g(P)＝(1-w)log(P+P₁+AP₂)，f(P)和g(P)均为凹函数。

6.如权利要求5所述的5G IOT通信中权衡能量效率和频谱效率的优化方法，其特征在于所述的步骤5包括：

步骤5.1，采用一阶泰勒公式近似D.C.规划问题P3的目标函数，转化目标问题P3为凸规划问题P4:

其中，P^(t)为满足基站发送功率阈值的任一确定值，为g(P)在P＝P^(t)处的导数；

步骤5.2，利用权衡能效和频效的功率分配算法对所述目标优化问题进行处理，最优化系统资源，具体步骤如下：

Step1：初始化迭代次数t＝0，可允许误差δ＞0；令初始化可行解P⁽⁰⁾＝P_min，设置P^(t)＝P⁽⁰⁾。

Step2：计算V(P⁽⁰⁾)，利用牛顿法求解(P4)最优解P*，P⁽¹⁾＝P^*，计算V(P⁽¹⁾)。

Step3：判断|V(P^(t))-V(P^(t+1))|＞δ是否成立，若成立，则执行Step4，否则执行Step6。

Step4：利用牛顿法求解(P4)最优解P*。

Step5：t＝t+1，P^(t+1)＝P^*，计算V(P^(t+1))，返回Step3。

Step6：输出(P4)最佳功率P*，结束权衡能效和频效的功率分配算法；

步骤5.3，将最佳功率P*确定为所述基站的发送功率最优值P。