CN111405596A - 莱斯信道下大规模天线无线携能通信系统资源优化方法 - Google Patents
莱斯信道下大规模天线无线携能通信系统资源优化方法 Download PDFInfo
- Publication number
- CN111405596A CN111405596A CN202010214264.2A CN202010214264A CN111405596A CN 111405596 A CN111405596 A CN 111405596A CN 202010214264 A CN202010214264 A CN 202010214264A CN 111405596 A CN111405596 A CN 111405596A
- Authority
- CN
- China
- Prior art keywords
- downlink
- channel
- user
- uplink
- power
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 45
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 30
- 235000009566 rice Nutrition 0.000 title claims abstract description 30
- 238000004891 communication Methods 0.000 title claims abstract description 22
- 240000007594 Oryza sativa Species 0.000 title 1
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 241000209094 Oryza Species 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005562 fading Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
- H04W52/143—Downlink power control
-
- 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
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- 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
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
-
- 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
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了莱斯信道下大规模天线无线携能通信系统资源优化方法，对Massive MIMO系统下的莱斯信道进行估计，得到莱斯信道的统计特性；根据统计特性计算上行链路和下行链路的可达速率以及用户采集到的能量；通过上行链路和下行链路的可达速率以及用户采集到的能量构建优化问题；其中，优化问题以最小化下行发射功率为目标；求解优化问题，并根据得到的最优解确定对每个用户的最优发射功率；本发明考虑到SWIPT在实际场景下的能量传输效率受到通信距离的影响较大，视距传输占有很重要的作用，通过建立以最小化下行发射功率为目标函数的优化问题，集中优化功率分割比和下行发射功率两个优化变量，在保证上行和下行链路正常传输的情况下，降低能源消耗。
Description
【技术领域】
本发明属于移动通信技术领域，尤其涉及一种莱斯信道下大规模天线无线携能通信系统资源优化方法。
【背景技术】
随着科学技术日新月异的发展，移动数据也呈指数级增长，人们对移动通信的业务需求量也不断增加，5G是面向未来移动通信需求而发展的新一代移动通信系统，具有超高的频谱和能量效率，在传输速率和资源利用率等方面比4G移动通信系统会提高一个数量级甚至更高，但它也使得碳排放量和能源消耗总量明显增加，因此，在使用5G技术的同时还能实现绿色通信是解决问题的关键。
目前，5G关于最大化系统吞吐量方面的研究已经趋于成熟，它可以满足海量的用户业务需求，但是却忽略了对环境的恶劣影响，而且研究多针对单一链路方向，无法完整的描述系统特性；关于SWIPT的研究多在瑞利信道下展开，虽然处理方法简便，但是却忽略了距离对技术的影响，降低了实用性。
【发明内容】
本发明的目的是提供一种莱斯信道下大规模天线无线携能通信系统资源优化方法，考虑通信距离对能量传输效率影响，优化功率分割比和下行发射功率，降低系统的能源消耗。
本发明采用以下技术方案：莱斯信道下大规模天线无线携能通信系统资源优化方法，包括：
对Massive MIMO系统下的莱斯信道进行估计，得到莱斯信道的统计特性；
根据统计特性计算上行链路和下行链路的可达速率以及用户采集到的能量；
通过上行链路和下行链路的可达速率以及用户采集到的能量构建优化问题；其中，优化问题以最小化下行发射功率为目标；
求解优化问题，并根据得到的最优解确定对每个用户的最优发射功率。
进一步地，包括：
建立Massive MIMO系统下的莱斯信道模型，使用最小均方误差估计法对信道进行估计，并计算出信道的统计特性；
根据统计特性分别计算出上行链路和下行链路的信干噪比
和
根据
和
确定上行链路和下行链路的可达速率
和
并获取第n个用户采集到的能量Qn；其中，n表示用户的序号，ul表示上行链路，dl表示下行链路；
以最小化下行发射功率为目标，构建优化问题；
利用连续凸近似算法对优化问题进行凸处理，采用拉格朗日算法对凸处理后的优化问题求解，得到优化问题的下行发射功率的第一最优闭式解；其中，求解过程中利用次梯度算法对拉格朗日乘子进行迭代更新；
根据第一最优闭式解确定对每个用户的最优发射功率。
进一步地，得到优化问题的下行发射功率的第一最优闭式解后还包括：
利用一维搜索方法求得最优功率分割比，根据最优功率分割比生成第二最优闭式解，根据所述第二最优闭式解确定对每个用户的最优发射功率。
进一步地，还包括：
根据最优功率分割比对每个用户的接收机进行配置。
进一步地，建立Massive MIMO系统下的莱斯信道模型，使用最小均方误差估计法对信道进行估计，并计算出信道的统计特性，具体包括以下步骤：
建立Massive MIMO系统的快衰落信道模型为：
其中，Kn为第n个用户的莱斯因子，
为基站与第n个用户间确定性视距信道分量，
为基站与第n个用户间需要估计的随机信道分量；
假设确定性视距信道分量已知，则需要估计的随机信道估计后为：
其中，βn为第n个用户的大尺度衰落因子，pn为第n个用户的上行发射导频功率，wn是矩阵W和第n个用户对应的列向量，W＝NΦ*，N为噪声矩阵，Φ*为传输导频矩阵的共轭；
建立基站与用户之间的信道为
估计信道
服从复高斯随机分布，
表示估计误差，IM为M阶的单位矩阵，M为系统中基站的天线数量；
使用最小均方误差估计法对信道进行估计后，得到信道统计特性：
其中，i为用户的序号，
θn为第n个用户的到达角，θi为第i个用户的到达角。
进一步地，上行链路
下行链路
以及第n个用户采集到的能量Qn通过以下方法得到：
令：
得出上行链路和下行链路的信干噪比分别为：
其中，bn和cn分别为上行和下行第n个用户的发射信息所需要的功率，j为用户的序号，ρn表示第n个用户的功率分割接收机的功率分割比，
为用户的接收端引入噪声，
为第n个用户的接收机在信息解码时所引入的噪声；
根据上行链路和下行链路的信干噪比得到第n个用户的上行可达速率
和下行可达速率
分别为：
其中，τ为下行传输所需要的时间；
第n个用户的功率分割接收机所采集到的能量为
其中，
ζn能量转换效率。
进一步地，优化问题为：
其中，
和
分别表示上行链路和下行链路的可达速率阈值，c1和c2分别为保证上行链路和下行链路传输的基本速率约束，c3是下行传输时间的约束，c4是用户的功率分割接收机的功率分割比约束，c5是功率非负性的约束。
进一步地，利用连续凸近似算法对优化问题进行凸处理，采用拉格朗日算法对凸处理后的优化问题求解，得到优化问题的下行发射功率的第一最优闭式解，具体方法为：
确定上行连续凸近似因子为：
确定下行连续凸近似因子为：
利用上行连续凸近似因子和下行连续凸近似因子对优化问题进行凸化处理，得到：
其中，
为对数运算；
采用拉格朗日算法对凸处理后的优化问题求解，得到优化问题的下行发射功率的第一最优闭式解为：
其中，λn、μn和
均为拉格朗日乘子，且均通过次梯度算法进行迭代更新，具体更新公式为：
l为迭代次数，ζ表示迭代步长，[x]+＝max[0,x]。
本发明的有益效果是：本发明将5G核心Massive MIMO技术与SWIPT技术相结合，在莱斯信道下从上行和下行两个链路建立资源优化问题，既增加了技术的实用效益又全面的展现信道特性，此外还可以体现多种业务类型对系统性能的影响，降低能源消耗，实现绿色通信。
另外，本发明考虑到SWIPT在实际场景下的能量传输效率受到通信距离的影响较大，视距传输占有很重要的作用，因此在莱斯信道下展开研究。建立以最小化下行发射功率为目标函数的优化问题，集中优化功率分割比和下行发射功率两个优化变量，在保证上行和下行链路正常传输的情况下，还可以降低能源消耗，实现绿色通信。
【附图说明】
图1为本发明实施例中资源优化方法的流程示意图；
图2为本发明实施例中提供的Massive MIMO使能的SWIPT系统的模型示意图；
图3为本发明实施例中资源优化方法的验证效果图。
【具体实施方式】
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种莱斯信道下大规模天线无线携能通信系统资源优化方法，包括：
对Massive MIMO系统下的莱斯信道进行估计，得到莱斯信道的统计特性；根据统计特性计算上行链路和下行链路的可达速率以及用户采集到的能量；通过上行链路和下行链路的可达速率以及用户采集到的能量构建优化问题；其中，优化问题以最小化下行发射功率为目标；求解优化问题，并根据得到的最优解确定对每个用户的最优发射功率。
本发明考虑到SWIPT在实际场景下的能量传输效率受到通信距离的影响较大，视距传输占有很重要的作用，因此在莱斯信道下展开研究。建立以最小化下行发射功率为目标函数的优化问题，集中优化功率分割比和下行发射功率两个优化变量，在保证上行和下行链路正常传输的情况下，还可以降低能源消耗，实现绿色通信
具体的，作为一种可能的实现方式，本发明实施例具体包括以下步骤：
步骤S110、在Massive MIMO系统下，建立莱斯信道模型，使用最小均方误差估计法对信道进行估计，分析并计算出信道的统计特性。
更为具体的，在本发明实施例中，Massive MIMO使能的SWIPT通信系统如图2所示，基站配有M根天线，同时为接收端N个单天线用户提供服务。每个用户中均装有功率分割接收机来采集能量，作为下一次传输信息的储备能量。
本次接收到的信号主要用于两部分，其中，一部分用于信息解码，保证收到的信号可以在接收端的用户可靠接收，另一部分用于能量采集，为下一次的上行信息传输提供能量。
示例性的，本实施例中建立Massive MIMO系统的快衰落信道模型为：
其中，Kn为第n个用户的莱斯因子，
为基站与第n个用户间确定性视距信道分量，
为基站与第n个用户间需要估计的随机信道分量，确定性视距信道分量假定已知，则需要估计的随机信道估计之后为：
其中，βn为第n个用户的大尺度衰落因子，pn为第n个用户的上行发射导频功率，wn是矩阵W和第n个用户对应的列向量，W＝NΦ*，N为噪声矩阵，Φ*为传输的导频矩阵的共轭。
基站与用户之间的信道为
估计信道
服从复高斯随机分布，
表示估计误差，IM为M阶的单位矩阵，M为系统中基站的天线数量。
使用最小均方误差估计法对信道进行估计后，得到信道统计特性：
其中，i为用户的序号，i∈N，n∈N，
θn为第n个用户的到达角，θi为第i个用户的到达角，
为gn的共轭转置。
步骤S120、根据统计特性分别计算出上行链路和下行链路的信干噪比
和
根据
和
确定上行链路和下行链路的可达速率
和
并获取第n个用户采集到的能量Qn；其中，n表示用户的序号，ul表示上行链路，dl表示下行链路。
具体的，当进行上行信息传输时，采用最大比合并(MRC)接收，它通过给分集的多路不同信号乘上不同的系数来使得系统获得更好的误码率特性，得到更大的信干噪比，其接收矩阵A＝G，G表示信道估计矩阵，当上行发射信号sn时，基站接收到的信号为：
其中，bn为第n个用户的上行发射信息所需要的功率，
为A的列矢量，
表示信道估计值，
表示估计误差，n表示上行接收端的噪声，它服从均值为0，方差为1的高斯随机分布。
由此可以求出第n个用户上行的信干噪比为：
令：
根据信道的数学统计特性，第n个用户的上行的信干噪比化简为：
类似的，当下行信息传输信号为xn时，采用最大比合并传输(MRT)，矩阵w＝G，此时接收端第n个用户的接收信号为：
其中，cn表示下行发送信息的功率，wn表示w的列矢量，nd是服从均值为0，方差为
的接受噪声。
第n个用户用于信息解码的接收信号为：
其中，nn表示信息解码时引入的噪声，均值为0，方差为
第n个用户用于采集能量的接收信号为：
由此，求得第n个用户下行信号的信干噪比为：
根据信道的数学统计特性，其下行信息的信干噪比可化简为：
其中，bn和cn分别为上行和下行第n个用户的发射信息所需要的功率，j为用户的序号，ρn表示第n个用户的功率分割接收机的功率分割比，
为用户的接收端引入噪声，
为第n个用户的接收机在信息解码时所引入的噪声。
根据上行链路和下行链路的信干噪比得到第n个用户的上行可达速率
和下行可达速率
分别为：
其中，τ为下行传输所需要的时间；
第n个用户的功率分割接收机所采集到的能量为
其中，
ζn能量转换效率，在本实施例中取1。
步骤S130、以最小化下行发射功率为目标，构建优化问题，以针对不同的业务类型对每个用户进行功率分配，并对采集到的能量进行最优分割。
优化问题具体为：
其中，
和
分别表示上行链路和下行链路的可达速率阈值，c1和c2分别为保证上行链路和下行链路传输的基本速率约束，c3是下行传输时间的约束，c4是用户的功率分割接收机的功率分割比约束，c5是功率非负性的约束。
步骤S140、利用连续凸近似算法对优化问题进行凸处理，采用拉格朗日算法对凸处理后的优化问题求解，得到优化问题的下行发射功率的第一最优闭式解；其中，求解过程中利用次梯度算法对拉格朗日乘子进行迭代更新。
具体方法为：
为了解决该非凸的优化问题，使用SCA算法(即连续凸近似算法)对问题进行凸化处理，引入α，β两个SCA因子。确定上行连续凸近似因子为：
确定下行连续凸近似因子为：
令
则有
令
则有
对优化问题进行凸化处理，得到凸优化问题：
其中，
为对数运算。
解决上述优化问题，首先，求出其拉格朗日函数得：
其中，λ,μ,
均为拉格朗日乘子。
确定拉格朗日乘子之后，利用一维搜索的方法求得最终的下行发射功率的最优闭式解，将该最优闭式解作为第二最优闭式解，进而生成基站对每个用户的最优发射功率，此时，第二最优闭式解所对应的功率分割比即为最优功率分割比。
在计算该最优功率分割比时，设定充分小的步长，穷举[0,1]中的值，计算功率分配，直到搜索到使功率最小的功率分割比，此时使用优化理论和KKT条件求得最优下行功率的闭式解为：
其中，λn、μn和
均为拉格朗日乘子，拉格朗日乘子均通过次梯度算法进行迭代更新，具体更新公式为：
l为迭代次数，ζ表示迭代步长，[x]+＝max[0,x]。
步骤S150、根据上述的最优闭式解确定对每个用户的最优发射功率。而且，还可根据最优功率分割比对每个用户的接收机进行配置。
在本申请中对上述实施例中的方法进行了验证，并得出了验证结果。如图3所示，相同约束条件下，本发明提出的优化算法(即图中的提出的优化算法)所需要的下行发射功率要小于其他方法计算得出的下行发射功率。具体地，本发明采用的对比算法有固定功率分割比算法、平均功率分配算法。针对不同业务类型，设置可达速率阈值比例为1：3：6。随着可达速率阈值增加，基站的发射功率也逐渐增加。相同条件下，当可达速率阈值之和为40bit/s/Hz时，所提出的系统资源优化算法比固定功率分割比算法节省功率约2.5292dBw，而当与平均功率分配算法进行比较时，可以减少功率约2.3054dBw。由此可知，本发明的方法相对于现有方法减少了能量损耗，实现了绿色通信。
Claims (8)
1.莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，包括：
对Massive MIMO系统下的莱斯信道进行估计，得到所述莱斯信道的统计特性；
根据所述统计特性计算上行链路和下行链路的可达速率以及用户采集到的能量；
通过上行链路和下行链路的可达速率以及用户采集到的能量构建优化问题；其中，所述优化问题以最小化下行发射功率为目标；
求解所述优化问题，并根据得到的最优解确定对每个用户的最优发射功率。
2.如权利要求1所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，包括：
建立Massive MIMO系统下的莱斯信道模型，使用最小均方误差估计法对信道进行估计，并计算出信道的统计特性；
根据所述统计特性分别计算出上行链路和下行链路的信干噪比
和
根据
和
确定上行链路和下行链路的可达速率
和
并获取第n个用户采集到的能量Qn；其中，n表示用户的序号，ul表示上行链路，dl表示下行链路；
以最小化下行发射功率为目标，构建优化问题；
利用连续凸近似算法对所述优化问题进行凸处理，采用拉格朗日算法对凸处理后的优化问题求解，得到所述优化问题的下行发射功率的第一最优闭式解；其中，求解过程中利用次梯度算法对拉格朗日乘子进行迭代更新；
根据所述第一最优闭式解确定对每个用户的最优发射功率。
3.如权利要求2所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，得到所述优化问题的下行发射功率的第一最优闭式解后还包括：
利用一维搜索方法求得最优功率分割比，根据最优功率分割比生成第二最优闭式解，根据所述第二最优闭式解确定对每个用户的最优发射功率。
4.如权利要求2或3所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，还包括：
根据所述最优功率分割比对每个用户的接收机进行配置。
5.如权利要求2所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，建立Massive MIMO系统下的莱斯信道模型，使用最小均方误差估计法对信道进行估计，并计算出信道的统计特性，具体包括以下步骤：
建立Massive MIMO系统的快衰落信道模型为：
其中，Kn为第n个用户的莱斯因子，
为基站与第n个用户间确定性视距信道分量，
为基站与第n个用户间需要估计的随机信道分量；
假设确定性视距信道分量已知，则需要估计的随机信道估计后为：
其中，βn为第n个用户的大尺度衰落因子，pn为第n个用户的上行发射导频功率，wn是矩阵W和第n个用户对应的列向量，W＝NΦ*，N为噪声矩阵，Φ*为传输导频矩阵的共轭；
建立基站与用户之间的信道为
估计信道
服从复高斯随机分布，
表示估计误差，IM为M阶的单位矩阵，M为系统中基站的天线数量；
使用最小均方误差估计法对信道进行估计后，得到信道统计特性：
其中，i为用户的序号，
θn为第n个用户的到达角，θi为第i个用户的到达角。
6.如权利要求5所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，上行链路
下行链路
以及第n个用户采集到的能量Qn通过以下方法得到：
令：
得出上行链路和下行链路的信干噪比分别为：
其中，bn和cn分别为上行和下行第n个用户的发射信息所需要的功率，j为用户的序号，ρn表示第n个用户的功率分割接收机的功率分割比，
为用户的接收端引入噪声，
为第n个用户的接收机在信息解码时所引入的噪声；
根据上行链路和下行链路的信干噪比得到第n个用户的上行可达速率
和下行可达速率
分别为：
其中，τ为下行传输所需要的时间；
第n个用户的功率分割接收机所采集到的能量为
其中，
ζn能量转换效率。
7.如权利要求6所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，所述优化问题为：
其中，
和
分别表示上行链路和下行链路的可达速率阈值，c1和c2分别为保证上行链路和下行链路传输的基本速率约束，c3是下行传输时间的约束，c4是用户的功率分割接收机的功率分割比约束，c5是功率非负性的约束。
8.如权利要求7所述的莱斯信道下大规模天线无线携能通信系统资源优化方法，其特征在于，利用连续凸近似算法对所述优化问题进行凸处理，采用拉格朗日算法对凸处理后的优化问题求解，得到所述优化问题的下行发射功率的第一最优闭式解，具体方法为：
确定上行连续凸近似因子为：
确定下行连续凸近似因子为：
利用上行连续凸近似因子和下行连续凸近似因子对所述优化问题进行凸化处理，得到：
其中，
为对数运算；
采用拉格朗日算法对凸处理后的优化问题求解，得到所述优化问题的下行发射功率的第一最优闭式解为：
其中，λn、μn和
均为拉格朗日乘子，且均通过次梯度算法进行迭代更新，具体更新公式为：
l为迭代次数，
表示迭代步长，[x]+＝max[0,x]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214264.2A CN111405596B (zh) | 2020-03-24 | 2020-03-24 | 莱斯信道下大规模天线无线携能通信系统资源优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010214264.2A CN111405596B (zh) | 2020-03-24 | 2020-03-24 | 莱斯信道下大规模天线无线携能通信系统资源优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111405596A true CN111405596A (zh) | 2020-07-10 |
| CN111405596B CN111405596B (zh) | 2020-11-03 |
Family
ID=71431175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010214264.2A Active CN111405596B (zh) | 2020-03-24 | 2020-03-24 | 莱斯信道下大规模天线无线携能通信系统资源优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111405596B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112054830A (zh) * | 2020-08-13 | 2020-12-08 | 西安交通大学 | 一种针对硬件损伤的Massive MIMO信能同传系统优化方法 |
| CN112910517A (zh) * | 2021-01-19 | 2021-06-04 | 南京邮电大学 | 基于低精度量化的Massive MIMO中继系统下行链路模型构建方法 |
| CN113114315A (zh) * | 2021-04-21 | 2021-07-13 | 鹏城实验室 | 目标对象分组方法、装置、智能终端及存储介质 |
| CN113364501A (zh) * | 2021-06-04 | 2021-09-07 | 大连海事大学 | 一种莱斯信道下基于低精度adc去蜂窝大规模mimo系统的功率控制方法 |
| CN115021846A (zh) * | 2022-05-23 | 2022-09-06 | 浙江师范大学 | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105703812A (zh) * | 2016-01-27 | 2016-06-22 | 西安交通大学 | 一种导频时移大规模mimo系统中的下行预编码与基站功率控制方法 |
| CN107277925A (zh) * | 2017-05-08 | 2017-10-20 | 西安电子科技大学 | 基于信息和能量传输的能量采集协作网络资源分配方法 |
| CN110166088A (zh) * | 2019-05-15 | 2019-08-23 | 南京邮电大学 | 以用户为中心的无小区mimo系统的功率控制算法 |
-
2020
- 2020-03-24 CN CN202010214264.2A patent/CN111405596B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105703812A (zh) * | 2016-01-27 | 2016-06-22 | 西安交通大学 | 一种导频时移大规模mimo系统中的下行预编码与基站功率控制方法 |
| CN107277925A (zh) * | 2017-05-08 | 2017-10-20 | 西安电子科技大学 | 基于信息和能量传输的能量采集协作网络资源分配方法 |
| CN110166088A (zh) * | 2019-05-15 | 2019-08-23 | 南京邮电大学 | 以用户为中心的无小区mimo系统的功率控制算法 |
Non-Patent Citations (2)
| Title |
|---|
| 张丹: "基于能量采集技术的Massive_MIMO系统资源优化", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 辛元雪: "大规模MIMO的频谱效率和能量效率理论及系统设计研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112054830A (zh) * | 2020-08-13 | 2020-12-08 | 西安交通大学 | 一种针对硬件损伤的Massive MIMO信能同传系统优化方法 |
| CN112054830B (zh) * | 2020-08-13 | 2021-07-13 | 西安交通大学 | 一种针对硬件损伤的Massive MIMO信能同传系统优化方法 |
| CN112910517A (zh) * | 2021-01-19 | 2021-06-04 | 南京邮电大学 | 基于低精度量化的Massive MIMO中继系统下行链路模型构建方法 |
| CN113114315A (zh) * | 2021-04-21 | 2021-07-13 | 鹏城实验室 | 目标对象分组方法、装置、智能终端及存储介质 |
| CN113364501A (zh) * | 2021-06-04 | 2021-09-07 | 大连海事大学 | 一种莱斯信道下基于低精度adc去蜂窝大规模mimo系统的功率控制方法 |
| CN115021846A (zh) * | 2022-05-23 | 2022-09-06 | 浙江师范大学 | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111405596B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111405596B (zh) | 莱斯信道下大规模天线无线携能通信系统资源优化方法 | |
| CN108234101B (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
| CN107453795B (zh) | 多用户毫米波通信系统的波束分配方法及其装置和系统 | |
| CN112468196B (zh) | 一种基于pzf预编码的去蜂窝大规模mimo系统中功率分配方法 | |
| CN110190881B (zh) | 权重速率最优的下行mimo-noma功率分配方法 | |
| CN110166088B (zh) | 以用户为中心的无小区mimo系统的功率控制算法 | |
| CN111314935B (zh) | 基于noma-mec系统的下行传输时延最小化的方法 | |
| CN107872256B (zh) | 无线光通信中盲检测及调制星座优化方法、存储介质 | |
| CN109905917B (zh) | 基于无线携能的noma通信系统中无线资源分配方法 | |
| CN104869626A (zh) | 基于低复杂度接收机的上行大规模mimo系统功率控制方法 | |
| CN114337976A (zh) | 一种联合ap选择与导频分配的传输方法 | |
| CN102571179A (zh) | Mimo系统中基于不完全信道状态信息的跨层优化设计方法 | |
| CN106028456A (zh) | 一种5g高密度网络中虚拟小区的功率分配方法 | |
| CN102833038B (zh) | 多小区多播mimo移动通信系统下行多业务协作预编码方法 | |
| CN116760448A (zh) | 一种基于mimo-noma的星地融合网络资源高效分配方法 | |
| CN110191476B (zh) | 一种基于可重构天线阵列的非正交多址接入方法 | |
| Sarker et al. | Uplink power allocation for RSMA-aided user-centric cell-free massive MIMO systems | |
| Zhang et al. | Near-optimal user clustering and power control for uplink MISO-NOMA networks | |
| CN108234090B (zh) | 一种大规模mimo系统中跨层优化设计方法 | |
| CN107733488B (zh) | 一种大规模mimo系统中注水功率分配改进方法及系统 | |
| Cheraghy et al. | Resource allocation to maximize the average sum rate of the uplink SCMA networks | |
| CN113691287B (zh) | 一种基于平均误比特率约束的大规模mimo系统自适应调制方法 | |
| CN108834155B (zh) | 一种基于大规模天线系统多参数优化频谱效率的方法 | |
| CN112636795A (zh) | 一种基于最小速率保证的多小区大规模mimo中高谱效功率分配方法 | |
| Xing et al. | Over-the-air computation via cloud radio access 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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210209 Address after: 510000 3rd floor, building B2, No. 11, Kaiyuan Avenue, Science City, Guangzhou high tech Industrial Development Zone, Guangdong Province Patentee after: GUANGZHOU ITS COMMUNICATION EQUIPMENT Co.,Ltd. Address before: 710071 No. 2 Taibai South Road, Shaanxi, Xi'an Patentee before: XIDIAN University |
|
| TR01 | Transfer of patent right |