CN111405596B - 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 PDF

Info

Publication number
CN111405596B
CN111405596B CN202010214264.2A CN202010214264A CN111405596B CN 111405596 B CN111405596 B CN 111405596B CN 202010214264 A CN202010214264 A CN 202010214264A CN 111405596 B CN111405596 B CN 111405596B
Authority
CN
China
Prior art keywords
downlink
user
power
uplink
optimization problem
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
CN202010214264.2A
Other languages
English (en)
Other versions
CN111405596A (zh
Inventor
张阳
迟明洁
庞立华
赵丰年
郝培丽
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.)
Guangzhou Its Communication Equipment Co ltd
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202010214264.2A priority Critical patent/CN111405596B/zh
Publication of CN111405596A publication Critical patent/CN111405596A/zh
Application granted granted Critical
Publication of CN111405596B publication Critical patent/CN111405596B/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
    • 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

莱斯信道下大规模天线无线携能通信系统资源优化方法
【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
Figure GDA0002647891770000021
和
Figure GDA0002647891770000022
根据
Figure GDA0002647891770000023
和
Figure GDA0002647891770000024
确定上行链路和下行链路的可达速率
Figure GDA0002647891770000025
和
Figure GDA0002647891770000026
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：
Figure GDA0002647891770000031
其中，Kn为第n个用户的莱斯因子，
Figure GDA0002647891770000032
为基站与第n个用户间确定性视距信道分量，
Figure GDA0002647891770000033
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：
Figure GDA0002647891770000034
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
Figure GDA0002647891770000035
估计信道
Figure GDA0002647891770000036
服从复高斯随机分布，
Figure GDA0002647891770000037
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：
Figure GDA0002647891770000038
Figure GDA0002647891770000039
其中，i为用户的序号，
Figure GDA0002647891770000041
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
Figure GDA0002647891770000042
下行链路
Figure GDA0002647891770000043
以及第n个用户采集到的能量Qn通过以下方法得到：
令：
Figure GDA0002647891770000044
Figure GDA0002647891770000045
Figure GDA0002647891770000046
得出上行链路和下行链路的信干噪比分别为：
Figure GDA0002647891770000047
Figure GDA0002647891770000048
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，
Figure GDA0002647891770000049
为用户的接收端引入噪声，
Figure GDA00026478917700000410
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
Figure GDA00026478917700000411
和下行可达速率
Figure GDA0002647891770000051
分别为：
Figure GDA0002647891770000052
Figure GDA0002647891770000053
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
Figure GDA0002647891770000054
其中，
Figure GDA0002647891770000055
ζn为能量转换效率。
进一步地，优化问题为：
Figure GDA0002647891770000056
其中，
Figure GDA0002647891770000057
和
Figure GDA0002647891770000058
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：
Figure GDA0002647891770000061
确定下行连续凸近似因子为：
Figure GDA0002647891770000062
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：
Figure GDA0002647891770000063
其中，
Figure GDA0002647891770000064
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：
Figure GDA0002647891770000065
其中，λn、μn和
Figure GDA0002647891770000066
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：
Figure GDA0002647891770000071
l为迭代次数，
Figure GDA0002647891770000072
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：
Figure GDA0002647891770000091
其中，Kn为第n个用户的莱斯因子，
Figure GDA0002647891770000092
为基站与第n个用户间确定性视距信道分量，
Figure GDA0002647891770000093
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：
Figure GDA0002647891770000094
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
Figure GDA0002647891770000095
估计信道
Figure GDA0002647891770000096
服从复高斯随机分布，
Figure GDA0002647891770000097
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：
Figure GDA0002647891770000098
Figure GDA0002647891770000099
其中，i为用户的序号，i∈N，n∈N，
Figure GDA0002647891770000101
θn为第n个用户的到达角，θi为第i个用户的到达角，
Figure GDA0002647891770000102
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
Figure GDA0002647891770000103
和
Figure GDA0002647891770000104
根据
Figure GDA0002647891770000105
和
Figure GDA0002647891770000106
确定上行链路和下行链路的可达速率
Figure GDA0002647891770000107
和
Figure GDA0002647891770000108
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：
Figure GDA0002647891770000109
其中，bn为第n个用户的上行发射信息所需要的功率，
Figure GDA00026478917700001010
为A的列矢量，
Figure GDA00026478917700001011
表示信道估计值，
Figure GDA00026478917700001012
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：
Figure GDA00026478917700001013
令：
Figure GDA0002647891770000111
Figure GDA0002647891770000112
Figure GDA0002647891770000113
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：
Figure GDA0002647891770000114
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：
Figure GDA0002647891770000115
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
Figure GDA0002647891770000116
的接受噪声。
第n个用户用于信息解码的接收信号为：
Figure GDA0002647891770000117
其中，nn表示信息解码时引入的噪声，均值为0，方差为
Figure GDA0002647891770000118
第n个用户用于采集能量的接收信号为：
Figure GDA0002647891770000119
由此，求得第n个用户下行信号的信干噪比为：
Figure GDA0002647891770000121
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：
Figure GDA0002647891770000122
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，
Figure GDA0002647891770000123
为用户的接收端引入噪声，
Figure GDA0002647891770000124
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
Figure GDA0002647891770000125
和下行可达速率
Figure GDA0002647891770000126
分别为：
Figure GDA0002647891770000127
Figure GDA0002647891770000128
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
Figure GDA0002647891770000129
其中，
Figure GDA00026478917700001210
ζn为能量转换效率，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：
Figure GDA0002647891770000131
其中，
Figure GDA0002647891770000132
和
Figure GDA0002647891770000133
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：
Figure GDA0002647891770000134
确定下行连续凸近似因子为：
Figure GDA0002647891770000141
令
Figure GDA0002647891770000142
则有
Figure GDA0002647891770000143
令
Figure GDA0002647891770000144
则有
Figure GDA0002647891770000145
对优化问题进行凸化处理，得到凸优化问题：
Figure GDA0002647891770000146
其中，
Figure GDA0002647891770000147
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：
Figure GDA0002647891770000148
其中，λ,μ,
Figure GDA0002647891770000149
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：
Figure GDA0002647891770000151
其中，λn、μn和
Figure GDA0002647891770000152
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：
Figure GDA0002647891770000153
l为迭代次数，
Figure GDA0002647891770000154
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 (3)

1.一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，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；具体包括以下步骤：
建立Massive MIMO系统的快衰落信道模型为：
Figure FDA0002647891760000011
其中，Kn为第n个用户的莱斯因子，
Figure FDA0002647891760000012
为基站与第n个用户间确定性视距信道分量，
Figure FDA0002647891760000013
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：
Figure FDA0002647891760000014
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
Figure FDA0002647891760000015
估计信道
Figure FDA0002647891760000016
服从复高斯随机分布，
Figure FDA0002647891760000017
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：
Figure FDA0002647891760000018
Figure FDA0002647891760000021
其中，i为用户的序号，
Figure FDA0002647891760000022
θn为第n个用户的到达角，θi为第i个用户的到达角；
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
Figure FDA0002647891760000023
和
Figure FDA0002647891760000024
根据
Figure FDA0002647891760000025
和
Figure FDA0002647891760000026
确定上行链路和下行链路的可达速率
Figure FDA0002647891760000027
和
Figure FDA0002647891760000028
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；
其中，上行链路
Figure FDA0002647891760000029
下行链路
Figure FDA00026478917600000210
以及第n个用户采集到的能量Qn通过以下方法得到：
令：
Figure FDA00026478917600000211
Figure FDA00026478917600000212
Figure FDA00026478917600000213
得出上行链路和下行链路的信干噪比分别为：
Figure FDA0002647891760000031
Figure FDA0002647891760000032
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，
Figure FDA0002647891760000033
为用户的接收端引入噪声，
Figure FDA0002647891760000034
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
Figure FDA0002647891760000035
和下行可达速率
Figure FDA0002647891760000036
分别为：
Figure FDA0002647891760000037
Figure FDA0002647891760000038
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
Figure FDA0002647891760000039
其中，
Figure FDA00026478917600000310
ζn为能量转换效率；
以最小化下行发射功率为目标，构建优化问题；其中，所述优化问题为：
Figure FDA00026478917600000311
其中，
Figure FDA0002647891760000041
和
Figure FDA0002647891760000042
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；
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；
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。
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，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。
3.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，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：
Figure FDA0002647891760000043
确定下行连续凸近似因子为：
Figure FDA0002647891760000044
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：
Figure FDA0002647891760000051
其中，
Figure FDA0002647891760000052
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：
Figure FDA0002647891760000053
其中，λn、μn和
Figure FDA0002647891760000054
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：
Figure FDA0002647891760000055
l为迭代次数，
Figure FDA0002647891760000056
表示迭代步长，[x]+＝max[0,x]。
CN202010214264.2A 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 Active CN111405596B (zh)

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 CN111405596A (zh) 2020-07-10
CN111405596B true 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)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112910517B (zh) * 2021-01-19 2022-03-29 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
CN113114315B (zh) * 2021-04-21 2022-06-24 鹏城实验室 目标对象分组方法、装置、智能终端及存储介质
CN113364501B (zh) * 2021-06-04 2022-07-05 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
CN115021846B (zh) * 2022-05-23 2023-06-13 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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Title
基于能量采集技术的Massive_MIMO系统资源优化;张丹;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215;正文第4章 *
大规模MIMO的频谱效率和能量效率理论及系统设计研究;辛元雪;《中国博士学位论文全文数据库 信息科技辑》;20180115;正文第2-4章 *

Also Published As

Publication number Publication date
CN111405596A (zh) 2020-07-10

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
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
CN108234101B (zh) 能效最大化导频信号设计方法及大规模多天线系统
CN110190881B (zh) 权重速率最优的下行mimo-noma功率分配方法
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
CN107872256B (zh) 无线光通信中盲检测及调制星座优化方法、存储介质
CN111314935B (zh) 基于noma-mec系统的下行传输时延最小化的方法
CN110166088B (zh) 以用户为中心的无小区mimo系统的功率控制算法
CN109905917B (zh) 基于无线携能的noma通信系统中无线资源分配方法
CN114389658B (zh) 一种迫零接收的去蜂窝大规模mimo系统的上行功率优化方法
CN111918320A (zh) 时分双工下非正交多址接入的无线通信资源优化分配方法
CN114337976A (zh) 一种联合ap选择与导频分配的传输方法
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
CN113099461A (zh) 一种基于非正交多址技术的共生无线电网络设计方法
CN108234090B (zh) 一种大规模mimo系统中跨层优化设计方法
CN100428864C (zh) 基于中断概率的空时分组码下行发送功率分配方法
CN107733488B (zh) 一种大规模mimo系统中注水功率分配改进方法及系统
Hadi et al. Joint resource allocation, user clustering and 3-d location optimization in multi-uav-enabled mobile edge computing
Zhang et al. Near-optimal user clustering and power control for uplink MISO-NOMA networks
Sarker et al. Uplink power allocation for RSMA-aided user-centric cell-free massive MIMO systems
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

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
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