CN113973204A - 一种mimo-noma系统的非线性预编码方法及系统 - Google Patents

一种mimo-noma系统的非线性预编码方法及系统 Download PDF

Info

Publication number
CN113973204A
CN113973204A CN202111131712.3A CN202111131712A CN113973204A CN 113973204 A CN113973204 A CN 113973204A CN 202111131712 A CN202111131712 A CN 202111131712A CN 113973204 A CN113973204 A CN 113973204A
Authority
CN
China
Prior art keywords
cluster
user
channel
users
precoding
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.)
Pending
Application number
CN202111131712.3A
Other languages
English (en)
Inventor
张国梅
张佳
李国兵
赵晓丹
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202111131712.3A priority Critical patent/CN113973204A/zh
Publication of CN113973204A publication Critical patent/CN113973204A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/40—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video transcoding, i.e. partial or full decoding of a coded input stream followed by re-encoding of the decoded output stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radio Transmission System (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种MIMO‑NOMA系统的非线性预编码方法及系统，在用户分簇模块，引入动态相关性门限，综合考虑信道相关性和信道增益差异，使门限随信道状态信息而有所调整；在功率分配模块，采用经典的分数功率分配算法，根据同簇内用户的信道条件好坏进行功率分配；在非线性预编码模块，建立以簇间干扰最小化为优化目标、发送功率为约束的等效加权信道和非线性预编码联合优化问题，得到预编码信号发送出去。本发明从用户分簇和非线性预编码两方面出发，能够降低系统的误码率，尤其是强用户的误码率，在信噪比较高时有数量级的提升，提高了系统的传输可靠性。

Description

一种MIMO-NOMA系统的非线性预编码方法及系统
技术领域
本发明属于无线通信系统中波束赋型技术领域，具体涉及一种MIMO-NOMA系统的非线性预编码方法及系统。
背景技术
面对未来5G海量流量接入和超大容量的需求，尤其是在频谱资源稀缺的情况下，如何显著提升频谱效率与传输容量，满足未来无线通信系统全场景应用下大流量、巨连接和高可靠等方面的需求，是无线通信领域研究所要迫切解决的关键问题。移动通信技术发展的过程中，一直在追求频谱利用率的提升，5G的NOMA技术在OFDM的基础上增加了一个维度——功率域，利用每个用户不同的路径损耗来实现多用户复用，从而提高信号增益，提供比传统正交多址更高的频谱效率，让同一小区覆盖范围的所有移动设备都能获得最大的可接入带宽，可以解决由于连接带来的网络挑战。
NOMA技术和MIMO技术的结合能够综合这两种技术的优势，可同时挖掘功率域和空域的自由度，显著增大系统吞吐量，提高系统的峰值速率和频谱效率，有效应对爆炸式的流量增长，MIMO-NOMA系统的运用也成为一种必然趋势。然而，随着MIMO-NOMA系统用户数的增多，多种矛盾更加凸显，如用户分簇时面临的传输效率与SIC接收累积误差传播之间的矛盾、簇内波束覆盖增强与簇间干扰抑制之间的矛盾等，因此需要预编码技术使最后形成的发送信号对准用户簇。由于NOMA系统中同一簇的用户信号叠加，然后共享同一波束，因此不可避免地存在着簇内干扰和簇间干扰。所有，发送信号前需要根据各用户信道增益差及相关性等信道信息来进行用户分簇、功率分配，再由发送端通过预编码来降低簇间干扰，提高频谱效率。MIMO-NOMA与下行链路预编码技术相辅相成，更好地提高系统性能。
MIMO技术和NOMA技术的结合会导致天线数量显著增大，服务用户数成倍增加，用户分布更加密集，所以同时也给预编码带来挑战，既要保证簇内覆盖，又要减小簇间、簇内干扰。MIMO-NOMA系统接入用户数相比于传统MIMO-NOMA会成倍增加，如何在充分挖掘MIMO带来的空域自由度实现大用户数接入的同时，避免用户分簇、功率分配和波束赋形联合优化处理的超高计算复杂度，以及有效降低功耗和硬件成本实现更高效益，将成为MIMO-NOMA系统方案设计的难点。传统的最小均方误差算法和迫零算法等线性预编码方案仅从利己或利他单方面考虑，无法获得理想的系统整体性能。直接以和速率最大作为优化目标来优化预编码矩阵是一个NP难问题，很难直接得到最优解，实现复杂度过高。并且已有调研表明，目前针对MIMO-NOMA系统的研究中，很少有学者关注系统的误码率性能，即传输可靠性，研究关注角度大多在于系统的频谱利用率、系统容量等，但传输可靠性是通信的基础，要想在实际中更好的应用这些技术，急需进一步的探索与性能优化。根据初步仿真结果可以知道，针对MIMO-NOMA系统传输可靠性不高的现状，亟需解决这个问题。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种MIMO-NOMA系统的非线性预编码方法及系统，有效提升系统的误码率性能，提高系统传输可靠性。
本发明采用以下技术方案：
一种MIMO-NOMA系统的非线性预编码方法，包括以下步骤：
S1、引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；
S2、采用分数功率分配方法对步骤S1得到的用户分簇结果进行功率分配；
S3、基于步骤S1中的用户分簇结果和步骤S2中的功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；
S4、使用交替方向乘子法解决步骤S3建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
具体的，步骤S1中，考虑单小区多用户MIMO-NOMA系统下行链路，基站配备Nt根发射天线，从小区所有用户中选出M个用户进行分簇，且每簇K个用户，共有M/K簇，记为C簇；簇内采用功率域NOMA发送结构，且同一簇内的用户共享同一个波束；设定相关性门限为δcor，计算各个用户之间的相关性，选出相关性大于δcor的用户对，用户对的数量大于簇数C，选出信道相关性和信道增益差之和最大的C个用户对分别设定为一簇；如果数量不够，使相关性门限以αcor为步长逐渐递减，直到满足前述条件。
具体的，步骤S2中，设第n簇的信号发送功率为Pn，用户集合为U，计算得到第m个用户被分配的功率P(m)，如下：
Figure BDA0003280684020000031
其中，m∈U，h(m)/n(m)表示第m个用户的信道质量，h(i)/n(i),i∈U表示第i个用户的信道质量，μFTPA为衰减因子。
具体的，步骤S3中，加权等效信道与预编码联合优化问题具体为：
Figure BDA0003280684020000041
s.t.XHX-Pt＝0
其中，
Figure BDA0003280684020000042
是各簇用户的叠加数据信号，
Figure BDA0003280684020000043
代表各簇用户的加权信道，X为各射频端口对应的数字基带信号，Pt为总发射功率，β为信道加权因子矩阵。
具体的，步骤S4中，采用交替方向乘子法进行联合优化问题求解具体为：
首先加入辅助变量Z，然后将拉格朗日乘子法和罚函数法相结合得到增广拉格朗日函数，再通过梯度下降、球形优化方法得到优化变量的迭代更新式，直至满足迭代停止条件。
进一步的，加入辅助变量Z，原始优化问题表示为：
Figure BDA0003280684020000044
s.t.||X-Z||＝0
其中，
Figure BDA0003280684020000045
是各簇用户的叠加数据信号，
Figure BDA0003280684020000046
代表各簇用户的加权信道，X是各射频端口对应的数字基带信号，ZH为Z的共轭转置，Pt为总发射功率。
进一步的，增广拉格朗日函数为：
Figure BDA0003280684020000047
其中，λ为拉格朗日因子，ρ为惩罚参数，
Figure BDA0003280684020000048
是各簇用户的叠加数据信号，
Figure BDA0003280684020000049
代表各簇用户的加权信道，X是各射频端口对应的数字基带信号，ZH为Z的共轭转置，Pt为总发射功率。
进一步的，通过梯度下降、球形优化方法得到优化变量的迭代更新为：
Figure BDA0003280684020000051
Figure BDA0003280684020000052
其中
Figure BDA0003280684020000053
λk+1＝λk-ρ(Xk+1-Zk+1)
Figure BDA0003280684020000054
Figure BDA0003280684020000055
Figure BDA0003280684020000056
其中，Xk+1、Zk+1、λk+1分别为X、Z、λ第k+1次迭代的结果，βij代表第i簇第j个用户的信道加权因子，
Figure BDA0003280684020000057
代表第i簇第j个用户的信道矢量，X是经过预编码的信号，即各射频端口对应的数字基带信号，
Figure BDA0003280684020000058
代表各簇用户的加权信道，
Figure BDA0003280684020000059
是各簇用户的NOMA叠加信号，
Figure BDA00032806840200000510
为发给第c簇用户的NOMA叠加信号，mk为m第k次迭代的结果，ρ为惩罚参数，ZH为Z的共轭转置，Pt为总发射功率，C为分簇数，K为每簇的用户数。
进一步的，停止迭代优化的条件为原始残差rk和对偶残差sk均小于一个极小值，且迭代过程是收敛的，具体为：
rk＝||Xk-Zk||≤ε
sk＝||Zk-Zk-1||≤ζ
其中，k表示第k次迭代，Xk为X第k次迭代的结果，Zk为Z第k次迭代的结果。
本发明的另一技术方案是，一种MIMO-NOMA系统的非线性预编码系统，包括：
分簇模块，引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；
功率模块，采用分数功率分配方法对分簇模块得到的用户分簇结果进行功率分配；
优化模块，基于分簇模块中的用户分簇结果和功率模块中的功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；
预编码模块，使用交替方向乘子法解决优化模块建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种MIMO-NOMA系统的非线性预编码方法，通过引入动态相关性门限，实现更好的用户分簇；根据同簇内用户的信道质量好坏，分配功率，有利于接收端用户的SIC正确解码；以最小化簇间干扰为优化目标来控制簇间干扰，并且考虑等效加权信道(即以一定的权重因子考虑同簇内各用户的信道质量)、采用非线性预编码产生预编码信号，更有利于簇内覆盖，综上设计以实现更低的误码率。
进一步的，对于NOMA系统中的用户分簇，同簇内的用户信道相关性高，簇内覆盖增强，那么在用户共享同一波束时，各用户的性能都能得到一定的保证；另外，同簇内用户信道增益差异大，能够在一定程度上保证用户在接收端进行SIC正确解码。
进一步的，对于NOMA系统，基站发送的是同簇内用户的叠加信号，此时给信道条件差的用户分配每根天线上超过一半的功率，以方便弱用户在接收端的正确解码；对于强用户，需要先解码弱用户，然后消除弱用户信号的干扰，再解码自己的信号。由以上SIC解码过程可知，弱用户需要在强用户的信号干扰下进行解码，因此需要给弱用户分配较多的功率以正确解码。
进一步的，建立优化问题，以最小化簇间干扰为目标，发射功率为约束，加权等效信道与预编码联合优化问题。
进一步的，采用交替方向乘子法(Alternating Direction Method ofMultipliers,ADMM)算法(下面简称ADMM算法)，该算法适用于分布式凸优化问题，将大的优化问题拆解成多个较小的子问题，通过子问题的解得到整个问题的解。
进一步的，应用ADMM算法加入辅助变量Z后，将约束中的X替换为Z，并将其进行变换加入到目标函数中去，新添X和Z之差的二范数为0的约束，约束使二者保持一致。这一步可以理解为优化问题从X和Z两个方向朝最优解逼近，在一定程度上可以提高收敛的速率，降低计算复杂度。
进一步的，根据加入辅助变量Z后得到的优化问题，我们可以得到增广拉格朗日函数。增广拉格朗日函数法是在拉格朗日乘子法的基础上加了二次惩罚项，是拉格朗日乘子法与罚函数法的结合。与上述两种方法相比，增广拉格朗日函数法的收敛速度比罚函数法更快，且适用范围比拉格朗日乘子法更大(拉格朗日乘子法要求优化问题具有局部凸结构)。
进一步的，采用ADMM算法可以得到每个变量的迭代更新过程，按照该过程采用梯度下降法、球形优化法求解得到每个变量的迭代更新式。基于梯度下降法实现简单，用当前位置负梯度方向作为搜索方向，因为这个方向为当前位置的最快下降方向，逐步接近/到达最优解。球形优化可以将优化变量映射到一个球面上，在这里是将辅助变量(也可以理解为发送信号)的功率映射在一个以发送功率为半径的球面上。由此可以得到优化变量的迭代更新式。
进一步的，对于迭代停止条件，这里采用ADMM算法中常用的停止迭代条件，保证方案的可行性。具体地，从两个方面考虑：原始残差rk和对偶残差sk。在这里，原始残差定义为优化变量X和辅助变量Z之差的二范数，以在一定的程度上保证二者的一致性；对偶残差定义为辅助变量相邻两次的变化的二范数，保证优化过程是收敛且趋于稳定的，防止大幅度变化或未收敛时停止迭代优化过程。
综上所述，该方法在系统和优化过程两个方面均有优势。从系统层面上，引入动态相关性门限，根据多用户实时信道的相关性调整相关性门限，进行用户分簇；根据同簇内用户的信道质量好坏，分配每根天线上的功率，有利于接收端用户的SIC正确解码；以最小化簇间干扰为优化目标来控制簇间干扰，并且考虑等效加权信道(即以一定的权重因子考虑同簇内各用户的信道质量)、采用非线性预编码产生预编码信号，更有利于簇内覆盖。从优化过程层面上，采用ADMM算法、增广拉格朗日函数法、梯度优化、球形优化等方法及相关设计保证收敛并加快收敛速度。综上两方面设计实现了最终更低的误码率。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的MIMO-NOMA系统模型；
图2为本发明的MIMO-NOMA系统下行传输框图；
图3为本发明在一般的瑞利衰落信道模型下，从100个用户中选出8个用户的各预编码算法的用户平均误码率性能；
图4为本发明在一般的瑞利衰落信道模型下，从300个用户中选出8个用户的各预编码算法的用户平均误码率性能；
图5为本发明在一般的瑞利衰落信道模型下，从100个用户中选出8个用户的各预编码算法的强、弱误码率性能对比；
图6为本发明在Ray-based信道模型下，从100个用户中选出8个用户的各预编码算法的用户平均误码率性能；
图7为本发明在Ray-based信道模型下，从300个用户中选出8个用户的各预编码算法的用户平均误码率性能；
图8为本发明在Ray-based信道模型下，从100个用户中选出8个用户的各预编码算法的强、弱误码率性能对比。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种MIMO-NOMA系统的非线性预编码方法，通过引入动态相关性门限，联合考虑信道相关性和信道增益差异进行用户分簇；通过信道状态信息，实现等效加权信道和非线性预编码联合优化，更有利于簇内覆盖；以最小化簇间干扰为优化目标来控制簇间干扰，实现更低的误码率，本发明提出信道加权系数和非线性预编码联合优化的方案进行波束赋型，可以提高系统的传输可靠性，优于其他对比方案。
本发明一种MIMO-NOMA系统的非线性预编码方法，包括以下步骤：
S1、用户分簇模块中，首先引入动态的信道相关性门限，再结合对信道增益差异的考虑，进行用户分簇；
本发明基于单小区的MIMO-NOMA系统模型，首先进行用户分簇，引入动态的相关性门限，然后对满足相关性门限条件的用户对再进行信道增益差异的判断与选择。
请参阅图1和图2，MIMO-NOMA系统下行传输中，发送端包含用户分簇、功率分配、预编码模块。
考虑基站配备Nt根发射天线，服务M个单天线用户，从小区所有用户中选出M个用户进行分簇，且每簇K个用户，则共有M/K簇，记为C簇；簇内采用功率域NOMA发送结构，且同一簇内的用户共享同一个波束。
仿真中考虑瑞利衰落信道，由实部、虚部均服从正态分布得到。除此之外，在系统中也考虑了根据Ray-based信道模型建模3D-MIMO信道，基站在y-z平面上部署UPA天线，垂直方向天线数目为Nv，天线间距为d1，水平方向天线数目为Nh，天线间距为d2，信道包含Lu条散射路径。
为了简化，不考虑阵列天线的机械下倾角，φ表示阵列天线的水平入射角，θ表示阵列天线的垂直入射角，σ表示阵列天线的水平角度扩展的标准差，ξ表示阵列天线的垂直角度扩展的标准差，对于每条散射路径，随机复增益g可以表示为
Figure BDA0003280684020000111
α为幅值，
Figure BDA0003280684020000112
为相位，则第k个用户到基站的Ray-based信道矢量表示为：
Figure BDA0003280684020000113
Figure BDA0003280684020000114
Figure BDA0003280684020000115
其中，hk是1×M维小尺度信道矢量，b(vk,l)表示垂直方向阵列响应，a(uk,l)表示水平方向阵列响应；
Figure BDA0003280684020000116
Figure BDA0003280684020000117
其中：λ表示载波波长，Δθk,l表示第k个用户第l条路径的垂直角度扩展，服从正态分布Δθk,l～N(0,σ)，不同天线阵元的Δθk,l相互独立，
Figure BDA0003280684020000118
表示第k个用户第l条路径的水平角度扩展，服从正态分布
Figure BDA0003280684020000119
不同天线阵元的
Figure BDA00032806840200001110
相互独立。
首先设定一个较大的相关性门限为δcor(接近1)，计算各个用户之间的相关性，选出一定数量的相关性大于δcor的用户对(通常数量大于M/K，以保证能够无重复的选出M个用户)，然后再考虑所选中的用户对的信道增益差的结果，综合考虑，选出信道相关性和信道增益差之和最大的M/K用户对分别设定为一簇；如果数量不够，就使相关性门限以αcor为步长逐渐递减，直到满足前述条件。
S2、使用步骤S1得到的用户分簇结果，采用分数功率分配方法进行功率分配；
采用分数功率分配方法进行功率分配，设第n簇的信号发送功率为Pn，用户集合为U，则第m(m∈U)个用户被分配的功率为：
Figure BDA0003280684020000121
其中，h(m)/n(m)表示第m(m∈U)个用户的信道质量。当μFTPA＝0时，系统中每个用户所分配的功率相同；μFTPA的取值增大时，信道条件质量差的用户所分配的功率会相应增加。
功率域NOMA系统中，通常会给弱用户分配每根天线发送功率中超过一半的功率，给强用户分配剩余的功率(同一簇内信道条件较差的用户称为弱用户，信道条件更好的用户称为强用户)，有利于接收端使用串行干扰抵消，能够正确解码。
S3、利用加权等效信道与预编码问题建模，优化目标为簇间干扰最小，约束条件为发射功率约束；
以最小化簇间干扰为优化目标，以发射功率为约束，建立联合优化问题如下：
Figure BDA0003280684020000122
s.t.XHX-Pt＝0
其中，
Figure BDA0003280684020000123
是各簇用户的叠加数据信号，具体表示为
Figure BDA0003280684020000131
其中，
Figure BDA0003280684020000132
代表基站发给第c簇的NOMA叠加信号，pij(i＝1,...,C；j＝1,...,K)代表分配给第i簇第j个用户的功率，sij(i＝1,...,C；j＝1,...,K)代表基站发送给第i簇第j个用户的数据信号(这里采用QPSK调制)，K表示每簇的用户数。
X是各射频端口对应的数字基带信号，即经过预编码的传输信号矢量，
Figure BDA0003280684020000133
代表各簇用户的加权信道，表示为：
Figure BDA0003280684020000134
其中，K表示每簇的用户数，
Figure BDA0003280684020000135
代表第c簇的等效加权信道，βij代表第i簇第j个用户的信道加权因子，
Figure BDA0003280684020000136
代表第i簇第j个用户的信道矢量，K表示每簇的用户数。
S4、使用交替方向乘子法解决加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
采用适用于求解大规模分布式问题的交替方向乘子法进行联合优化问题的求解，具体为：
首先加入辅助变量Z，然后将拉格朗日乘子法和罚函数法相结合得到增广拉格朗日函数，再通过梯度下降、球形优化等方法得到优化变量的迭代更新式，直至满足迭代停止条件，即原始误差与对偶误差小于某个极小值或达到预置的迭代次数。
进一步的，加入辅助变量Z，原始优化问题表示为：
Figure BDA0003280684020000141
s.t.||X-Z||＝0
进一步的，将拉格朗日乘子法和罚函数法相结合，得到对应的增广拉格朗日函数为：
Figure BDA0003280684020000142
其中，λ为拉格朗日因子(对偶因子)，ρ为惩罚参数。
进一步的，由
Figure BDA0003280684020000143
的定义：各簇用户的加权信道可知，各簇的用户信道加权系数之间没有关系，所以各簇的信道加权因子的优化可以同时进行。
分别优化得到ADMM的更新步骤为：
Figure BDA0003280684020000144
Figure BDA0003280684020000145
Figure BDA0003280684020000146
Figure BDA0003280684020000147
Figure BDA0003280684020000148
λk+1＝λk-ρ(Xk+1-Zk+1)
进一步的，由梯度下降和球形优化方法得到各变量的更新式为：
Figure BDA0003280684020000151
Figure BDA0003280684020000152
其中
Figure BDA0003280684020000153
λk+1＝λk-ρ(Xk+1-Zk+1)
Figure BDA0003280684020000154
Figure BDA0003280684020000155
Figure BDA0003280684020000156
其中，Xk+1、Zk+1、λk+1分别为X、Z、λ第k+1次迭代的结果，βi,1和βi,2分别是第i簇强、弱用户的信道加权系数，
Figure BDA0003280684020000157
代表第i簇第j个用户的信道矢量，X是经过预编码的信号，即各射频端口对应的数字基带信号，
Figure BDA0003280684020000158
代表各簇用户的加权信道，
Figure BDA0003280684020000159
是各簇用户的NOMA叠加信号，
Figure BDA00032806840200001510
为发给第c簇用户的NOMA叠加信号，mk为m第k次迭代的结果，ρ为惩罚参数，ZH为Z的共轭转置，Pt为总发射功率，C为分簇数，K为每簇的用户数。
进一步的，为了不引入额外的信道增益，对βij进行归一化：
Figure BDA00032806840200001511
Figure BDA00032806840200001512
Figure BDA00032806840200001513
其中，βij表示第i簇第j个用户的信道加权因子，K为每簇的用户数。
停止迭代优化的条件为原始残差rk和对偶残差sk均小于一个值很小的数(右上角的k表示第k次迭代)，且迭代过程是收敛的，表达式为：
rk＝||Xk-Zk||≤ε
sk＝||Zk-Zk-1||≤ζ
其中，ε和ζ都是值很小的数，取10-3～10-4。
本发明再一个实施例中，提供一种MIMO-NOMA系统的非线性预编码系统，该系统能够用于实现上述MIMO-NOMA系统的非线性预编码方法，具体的，该MIMO-NOMA系统的非线性预编码方法系统包括分簇模块、功率模块、优化模块以及预编码模块。
其中，分簇模块，引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；
功率模块，采用分数功率分配方法对分簇模块得到的用户分簇结果进行功率分配；
优化模块，基于分簇模块中的用户分簇结果和功率模块中的功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；
预编码模块，使用交替方向乘子法解决优化模块建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于MIMO-NOMA系统的非线性预编码方法的操作，包括：
引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；采用分数功率分配方法对用户分簇结果进行功率分配；基于用户分簇结果和功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；使用交替方向乘子法解决建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关MIMO-NOMA系统的非线性预编码方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；采用分数功率分配方法对用户分簇结果进行功率分配；基于用户分簇结果和功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；使用交替方向乘子法解决建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
步骤S1的具体流程如下：
1.首先产生Nu个用户的信道HH，初始化数组index为空，分簇数Nclu＝0(其中Nu＞M)
2.计算Nu个用户信道之间的相关性，并选出相关性大于δcor的用户对，共有p对；
3.while(用户对的数目p＜T)
(T为一设定值，通常大于M/K，通常设为M/K的两倍以上，保证可以选出不重复的M个用户)
δcor以αcor为步长递减更新，即δcor＝δcor-αcor；
然后再次选择相关性大于δcor的用户对；
直到选出的用户对的数量大于T，跳出循环
End while
4.将选出的用户对的相关性及信道增益差相加的结果存入Sum；
(x,y,D,Sum的长度相同，长度用L表示)
5.For p＝1:L
if分簇数Nu/K，达到停止循环；
选出Sum中最大的值对应的用户对；
如果该用户对中对应的用户不存在于index中，就将其存入index；且Nclu＝Nclu+1；否则就进行下一个用户对的判断；
End For。
每次信道实现都是随机的，引入动态的相关性门限，能够在用户的信道相关性普遍好时找到更优的，在用户的信道相关性普遍较低时也能尽可能地选出相应数量的用户，实现相关性门限值随着信道变化依然可调节。
实施例
考虑一个单小区MIMO-NOMA场景，在该场景中，使用本发明所提出的针对MIMO-NOMA系统的非线性预编码方案，详细的仿真参数见表1。
表1仿真参数表
Figure BDA0003280684020000191
Figure BDA0003280684020000201
对比方案：
对比方案1：采用分数阶功率分配，用户分簇采用步骤S1中的方法，预编码采用ZF预编码；
对比方案2：采用分数阶功率分配，用户分簇采用步骤S1中的方法，预编码采用MMSE预编码。
在仿真实现过程中，除了上述的用户分簇、功率分配、预编码，还需要在接收端进行串行干扰抵消，即弱用户可以直接解码自己的信号，而强用户需要先解出弱用户的信号，再将弱用户的信号带来的干扰消除，再进行解码得到自己的信号。
请参阅图3，在一般的瑞利衰落信道模型下，使用S1中的用户分簇方法从100个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，所提方法的结果与ZF预编码、MMSE预编码相比较，结果如图3所示。
请参阅图4，在一般的瑞利衰落信道模型下，使用S1中的用户分簇方法从300个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，所提方法的结果与ZF预编码、MMSE预编码相比较，结果如图4所示。可以看出，用户选择范围变大，有信道相关性更高且信道增益差更大的用户对被选择，更适合NOMA系统的用户分簇原则，所以有更好的误码率性能。
请参阅图5，在一般的瑞利衰落信道模型下，使用S1中的用户分簇方法从100个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，仿真分别观察所提方法与ZF预编码、MMSE预编码三种算法下强用户、弱用户的误码率性能，结果如图5所示。可以看出，本发明所提出的方法对于强用户的误码率性能有显著提升，且可以提升多个数量级。
请参阅图6，在Ray-based信道模型下，使用S1中的用户分簇方法从100个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，所提方法的结果与ZF预编码、MMSE预编码相比较，结果如图6所示。
请参阅图7，在Ray-based信道模型下，使用S1中的用户分簇方法从300个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，所提方法的结果与ZF预编码、MMSE预编码相比较，结果如图7所示。同理，该情况下有更好的误码率性能。
请参阅图8，在Ray-based信道模型下，使用S1中的用户分簇方法从100个用户中选出8个用户，然后进行信道加权系数与预编码的联合优化，接收端使用串行干扰抵消，仿真分别观察所提方法与ZF预编码、MMSE预编码三种算法下强用户、弱用户的误码率性能，结果如图5所示。
综上所述，本发明一种MIMO-NOMA系统的非线性预编码方法及系统，在Ray-based信道模型下对于强用户的误码率性能也有显著提升，也可以提升多个数量级，也可体现该方案的鲁棒性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种MIMO-NOMA系统的非线性预编码方法，其特征在于，包括以下步骤：
S1、引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；
S2、采用分数功率分配方法对步骤S1得到的用户分簇结果进行功率分配；
S3、基于步骤S1中的用户分簇结果和步骤S2中的功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；
S4、使用交替方向乘子法解决步骤S3建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，考虑单小区多用户MIMO-NOMA系统下行链路，基站配备Nt根发射天线，从小区所有用户中选出M个用户进行分簇，且每簇K个用户，共有M/K簇，记为C簇；簇内采用功率域NOMA发送结构，且同一簇内的用户共享同一个波束；设定相关性门限为δcor，计算各个用户之间的相关性，选出相关性大于δcor的用户对，用户对的数量大于簇数C，选出信道相关性和信道增益差之和最大的C个用户对分别设定为一簇；如果数量不够，使相关性门限以αcor为步长逐渐递减，直到满足前述条件。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，设第n簇的信号发送功率为Pn，用户集合为U，计算得到第m个用户被分配的功率P(m)，如下：
Figure FDA0003280684010000011
其中，m∈U，h(m)/n(m)表示第m个用户的信道质量，h(i)/n(i),i∈U表示第i个用户的信道质量，μFTPA为衰减因子。
4.根据权利要求1所述的方法，其特征在于，步骤S3中，加权等效信道与预编码联合优化问题具体为：
Figure FDA0003280684010000021
s.t.XHX-Pt＝0
其中，
Figure FDA0003280684010000022
是各簇用户的叠加数据信号，
Figure FDA0003280684010000023
代表各簇用户的加权信道，X为各射频端口对应的数字基带信号，Pt为总发射功率，β为信道加权因子矩阵。
5.根据权利要求1所述的方法，其特征在于，步骤S4中，采用交替方向乘子法进行联合优化问题求解具体为：
首先加入辅助变量Z，然后将拉格朗日乘子法和罚函数法相结合得到增广拉格朗日函数，再通过梯度下降、球形优化方法得到优化变量的迭代更新式，直至满足迭代停止条件。
6.根据权利要求5所述的方法，其特征在于，加入辅助变量Z，原始优化问题表示为：
Figure FDA0003280684010000024
s.t.||X-Z||＝0
其中，
Figure FDA0003280684010000025
是各簇用户的叠加数据信号，
Figure FDA0003280684010000026
代表各簇用户的加权信道，X是各射频端口对应的数字基带信号，ZH为Z的共轭转置，Pt为总发射功率。
7.根据权利要求5所述的方法，其特征在于，增广拉格朗日函数为：
Figure FDA0003280684010000027
其中，λ为拉格朗日因子，ρ为惩罚参数，
Figure FDA0003280684010000028
是各簇用户的叠加数据信号，
Figure FDA0003280684010000029
代表各簇的加权信道，X是各射频端口对应的数字基带信号，ZH为Z的共轭转置，Pt为总发射功率。
8.根据权利要求5所述的方法，其特征在于，通过梯度下降、球形优化方法得到优化变量的迭代更新为：
Figure FDA0003280684010000031
Figure FDA0003280684010000032
其中
Figure FDA0003280684010000033
λk+1＝λk-ρ(Xk+1-Zk+1)
Figure FDA0003280684010000034
Figure FDA0003280684010000035
Figure FDA0003280684010000036
其中，Xk+1、Zk+1、λk+1分别为X、Z、λ第k+1次迭代的结果，βij代表第i簇第j个用户的信道加权因子，
Figure FDA0003280684010000037
代表第i簇第j个用户的信道矢量，X是经过预编码的信号，即各射频端口对应的数字基带信号，
Figure FDA0003280684010000038
代表各簇用户的加权信道，
Figure FDA0003280684010000039
是各簇用户的NOMA叠加信号，
Figure FDA00032806840100000310
为发给第c簇用户的NOMA叠加信号，c＝1,...,C，mk为m第k次迭代的结果，ρ为惩罚参数，ZH为Z的共轭转置，Pt为总发射功率，C为分簇数，K为每簇的用户数。
9.根据权利要求5所述的方法，其特征在于，停止迭代优化的条件为原始残差rk和对偶残差sk均小于一个极小值，且迭代过程是收敛的，具体为：
rk＝||Xk-Zk||≤ε
sk＝||Zk-Zk-1||≤ζ
其中，k表示第k次迭代，Xk为X第k次迭代的结果，Zk为Z第k次迭代的结果。
10.一种MIMO-NOMA系统的非线性预编码系统，其特征在于，包括：
分簇模块，引入动态的信道相关性门限，选出满足相关性门限条件的用户对，结合对信道增益差异的考虑进行用户分簇，得到的用户分簇结果；
功率模块，采用分数功率分配方法对分簇模块得到的用户分簇结果进行功率分配；
优化模块，基于分簇模块中的用户分簇结果和功率模块中的功率分配结果，构造MIMO-NOMA系统中的叠加信号，然后以最小化簇间干扰为优化目标，以发射功率为约束条件，建立加权等效信道与预编码联合优化问题；
预编码模块，使用交替方向乘子法解决优化模块建立的加权等效信道与预编码联合优化问题，输入为叠加的NOMA信号，输出为预编码信号。
CN202111131712.3A 2021-09-26 2021-09-26 一种mimo-noma系统的非线性预编码方法及系统 Pending CN113973204A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111131712.3A CN113973204A (zh) 2021-09-26 2021-09-26 一种mimo-noma系统的非线性预编码方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111131712.3A CN113973204A (zh) 2021-09-26 2021-09-26 一种mimo-noma系统的非线性预编码方法及系统

Publications (1)

Publication Number Publication Date
CN113973204A true CN113973204A (zh) 2022-01-25

Family

ID=79586813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111131712.3A Pending CN113973204A (zh) 2021-09-26 2021-09-26 一种mimo-noma系统的非线性预编码方法及系统

Country Status (1)

Country Link
CN (1) CN113973204A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114499765A (zh) * 2022-04-14 2022-05-13 航天宏图信息技术股份有限公司 一种基于北斗短报文的数据传输方法和系统
CN115099419A (zh) * 2022-08-26 2022-09-23 香港中文大学（深圳） 一种面向无线联邦学习的用户协同传输方法
CN115133969A (zh) * 2022-07-01 2022-09-30 内蒙古大学 毫米波大规模mimo-noma系统的性能提高方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114499765A (zh) * 2022-04-14 2022-05-13 航天宏图信息技术股份有限公司 一种基于北斗短报文的数据传输方法和系统
CN114499765B (zh) * 2022-04-14 2022-08-16 航天宏图信息技术股份有限公司 一种基于北斗短报文的数据传输方法和系统
CN115133969A (zh) * 2022-07-01 2022-09-30 内蒙古大学 毫米波大规模mimo-noma系统的性能提高方法
CN115099419A (zh) * 2022-08-26 2022-09-23 香港中文大学（深圳） 一种面向无线联邦学习的用户协同传输方法

Similar Documents

Publication Publication Date Title
Femenias et al. Cell-free millimeter-wave massive MIMO systems with limited fronthaul capacity
CN113973204A (zh) 一种mimo-noma系统的非线性预编码方法及系统
CN111698045B (zh) 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法
Nandan et al. Beamforming and power optimization for physical layer security of MIMO-NOMA based CRN over imperfect CSI
CN109302856B (zh) 发送装置、通信系统和预编码运算方法
CN113329418B (zh) 基于大规模mimo-noma系统的用户分簇方法、系统及介质
Zhang et al. Boosting fronthaul capacity: Global optimization of power sharing for centralized radio access network
Xia et al. Joint optimization of spectral efficiency for cell-free massive MIMO with network-assisted full duplexing
Li et al. A parallel low complexity zero-forcing beamformer design for multiuser MIMO systems via a regularized dual decomposition method
Xia et al. Joint optimization of fronthaul compression and bandwidth allocation in uplink H-CRAN with large system analysis
CN109687896A (zh) 分布式天线系统下行信道稀疏波束形成方法及装置
Dong et al. Joint beamforming and user association scheme for full-dimension massive MIMO networks
Kang et al. Minimizing transmit power for cooperative multicell system with massive MIMO
Ni et al. User association and hybrid beamforming designs for cooperative mmWave MIMO systems
CN112312569A (zh) 一种基于透镜阵列的预编码和波束选择矩阵联合设计方法
CN112600593A (zh) 一种基于noma的波束选择方法
CN105429687B (zh) 一种最小化干扰功率与维度的干扰对齐方法
Al Fatli et al. Beamspace NOMA Using User Clustering and Throughput Optimisation Algorithms for Massive MIMO.
CN103346867B (zh) 基于三角分解和slnr算法的多小区多用户同频干扰抑制方法
Zhang et al. Enhancing the Efficiency of WMMSE and FP for Beamforming by Minorization-Maximization
Lim et al. ZF-based downlink hybrid precoding and combining for rate balancing in mmWave multiuser MIMO systems
CN107154815B (zh) 一种多用户系统混合预编码方法
KR102570773B1 (ko) 복수의 무선 신호들을 컴바이닝하는 방법 및 장치
Femenias et al. Multi-layer downlink precoding for cloud-RAN systems using full-dimensional massive MIMO
CN110445519B (zh) 基于信干噪比约束的抗组间干扰方法及装置

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