CN114629556B - 一种低复杂度的最优功率分配方法 - Google Patents

Abstract

本发明提供了一种低复杂度的最优功率分配方法，为了实现谱效和复杂度的折衷方案，本发明建立不同权重的目标函数，同时针对不同的场景，提出的算法可以自适应的切换到不同的工作模式。本发明在系统接收时都首先识别出功率比较大的信号，但是Y1识别出功率较大的信号后，将总的接收信号减去大的功率信号即为Y1应该接收的信号，这种方法能够减少计算量，提高系统接收效率；根据系统需求，建立了以不同权重的高校频谱利用和低复杂度算法的目标函数，根据资源和服务要求，可以针对不同的场景自适应的切换到不同的工作模式。

Description

一种低复杂度的最优功率分配方法

技术领域

本发明涉及通信技术领域，涉及一种低复杂度的最优功率分配方法，尤其涉及针对不同场景，有约束条件下的通信系统。

背景技术

频谱效率(Spectral Efficiency，SE)简称谱效，也称系统容量、频带利用率。该指标用来衡量系统的有效性，描述了能够提供多少容量。它定义为系统传输的有效信息速率R除以通信信道带宽B，即单位带宽传输频道上每秒可传输的比特数，代表了系统对频谱资源的利用效率。现代社会人们对大数据量的互联网应用，例如语音、视频、游戏等的需求高速增长给光通信系统的频带利用率带来很大的压力。为了满足这一高速的增长，无论是长途大容量的光传输还是短距离接入光网络，大量的研究工作集中在提升系统频谱效率上。

算法复杂度是指算法在编写成可执行程序后，运行时所需要的资源，资源包括时间资源和内存资源。分为时间复杂度和空间复杂度。

一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。算法的时间复杂度是指执行算法所需要的计算工作量。在时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),存在一个正常数c使得fn*c>＝T(n)恒成立。记作T(n)＝O(f(n)),称O(f(n))为算法的渐进时间复杂度，简称时间复杂度。

与时间复杂度类似，空间复杂度是指算法在计算机内执行时所需存储空间的度量。记作:S(n)＝O(f(n))，算法执行期间所需要的存储空间包括3个部分，(1)算法程序所占的空间，(2)输入的初始数据所占的存储空间，(3)算法执行过程中所需要的额外空间。在许多实际问题中，为了减少算法所占的存储空间，通常采用压缩存储技术。

通信系统中因为一些约束条件的存在，同时实现高频谱利用率和低复杂度的算法往往是不现实的，如何建立以资源和系统的服务要求为约束的高频谱效率和低复杂度的折衷方案最为关键。

发明内容

为了克服现有技术的不足，本发明提供一种低复杂度的最优功率分配方法。为了实现谱效和复杂度的折衷方案，本发明建立不同权重的目标函数，同时针对不同的场景，提出的算法可以自适应的切换到不同的工作模式。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：通信系统有一个发送端，两个接收端，发送端发送两个功率大小不一样的信号X₁和X₂，其中E{|X₁|²}＝1,E{|X₂|²}＝1，发送端各自的信号功率分别为P₁和P₂，其中P₁<P₂,P₁+P₂＝A，A为系统最大发射功率，两个接收端接收到的信号分别是Y₁和Y₂，其中接收Y₁的所在信道特性用H₁表示，接收Y₂的所在信道特性用H₂表示，信道噪声服从高斯白噪声分布(0，σ²)；

步骤2：Y₁和Y₂的接收功率分别为

步骤3：因为P₁<P₂，所以在接收端的Y₁和Y₂，都首先识别出功率比较大的信号，但是Y₁识别出功率较大的信号后，将总的接收信号减去大的功率信号即为Y₁应该接收的信号，则可求得接收Y₁信号的信道传输速率为接收Y₂信号的信道传输速率为/>

步骤4：通信系统信号处理算法复杂度表示为O(β)，w₁和w₂分别为系统传输速率和算法复杂度的权重系数，为了求得谱效和算法复杂度的目标函数，则可得目标函数Z为：

Z＝w₁(R₁+R₂)+w₂(O(β))

w₁+w₂＝1

0＜P₁＜P₂,P₁+P₂＝A

R₁＞R₁ ^min

R₂＞R₂ ^min

R₁ ^min和R₂ ^min分别表示该通信系统的最小传输速率；

步骤5：根据不同的权重需求，计算出符合系统要求的Z的最大值。

本发明的有益效果在于：

1.在系统接收时都首先识别出功率比较大的信号，但是Y1识别出功率较大的信号后，将总的接收信号减去大的功率信号即为Y1应该接收的信号，这种方法能够减少计算量，提高系统接收效率；

2.根据系统需求，建立了以不同权重的高校频谱利用和低复杂度算法的目标函数，根据资源和服务要求，可以针对不同的场景自适应的切换到不同的工作模式。

附图说明

图1为本发明w₁＝0.5，w₂＝0.5功率分配示意图。

图2为本发明w₁＝0.9，w₂＝0.1功率分配示意图。

图3为本发明w₁＝0.1，w₂＝0.9功率分配示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

根据本发明所述一种自适应谱效和复杂度的折衷方案，在非正交多址系统(NOMA)中，其算法复杂度表示为N_T为发送天线的个数，N_R为接收方天线的个数，功率越大，复杂度越低。则可能/>设发射端发送信号功率为40dBm,最小的R₁和R₂值都为2bps/Hz。

具体包括以下步骤：

步骤1：两个接收端接收到的信号分别是QPSK信号Y₁和Y₂，信道为高斯信道，其中接收Y₁的所在信道特性H₁ ²＝-100dB，Y₂的信道特性H₂ ²＝-110dB，信道噪声服从高斯白噪声分布(0，σ²)，噪声功率为-100dBm。

步骤2：Y₁和Y₂的接收功率分别为

步骤3：因为P₁<P₂，所以在接收方Y₁和Y₂，都首先识别出功率比较大的信号，但是Y₁识别出功率较大的信号后，将总的接收信号减去大的功率信号即为Y₁应该接收的信号。则可求得接收Y₁和Y₂信号的信道传输速率为

步骤4：通信系统信号处理算法复杂度表示为O(β),W₁和W₂为系统传输速率和算法复杂度的权重系数，为了求得谱效和算法复杂度的目标函数，则可得其目标函数Z为：

w₁+w₂＝1

0＜P₁＜P₂,P₁+P₂＝40dBm

R₁＞0.1bps/Hz

R₂＞0.2bps/Hz

由于有速率的限制，所以可算得P₁的范围为80<P₁<5000,单位为mW.此时才可以同时满足0＜P₁＜P₂,P₁+P₂＝40dBm这三个条件。

R₁＞0.1bps/Hz

R₂＞0.2bps/Hz

步骤5：不同的场景对频谱效率和算法复杂度的要求不一样，对应w₁和w₂不同，下面分三种情况描述当w₁和w₂取值固定时，最优的功率分配方法。当w₁＝w₂＝0.5时，可得如图1所示的功率分配图，从图中可以看出，当P1为80mw的时候系统性能最佳。

步骤6：当w₁＝0.9，w₂＝0.1时，可得如图2所示的功率分配图，P1为941mw的时候系统系统性能最佳。

步骤7：当w₁＝0.1，w₂＝0.9时，可得如图3所示的功率分配图，P1为80mw的时候系统性能最佳。

本系统可以根据不同的应用场景选取不同的权重值，从而得到满足系统要求的最优分配功率值。

Claims (1)

1.一种低复杂度的最优功率分配方法，其特征在于包括下述步骤：

步骤1：通信系统有一个发送端，两个接收端，发送端发送两个功率大小不一样的信号X₁和X₂，其中E{|X₁|²}＝1,E{|X₂|²}＝1，发送端各自的信号功率分别为P₁和P₂，其中P₁<P₂,P₁+P₂＝A，A为系统最大发射功率，两个接收端接收到的信号分别是Y₁和Y₂，其中接收Y₁的所在信道特性用H₁表示，接收Y₂的所在信道特性用H₂表示，信道噪声服从高斯白噪声分布(0，σ²)；

步骤2：Y₁和Y₂的接收功率分别为

步骤3：在接收端的Y₁和Y₂，Y₁识别出功率较大的信号后，将总的接收信号减去大的功率信号即为Y₁应该接收的信号，则可求得接收Y₁信号的信道传输速率为接收Y₂信号的信道传输速率为/>

步骤4：通信系统信号处理算法复杂度表示为O(β)，复杂度表示为N_T为发送天线的个数，N_R为接收方天线的个数，w₁和w₂分别为系统传输速率和算法复杂度的权重系数，为了求得谱效和算法复杂度的目标函数，则可得目标函数Z为：

Z＝w₁(R₁+R₂)+w₂(O(β))

w₁+w₂＝1

0<P₁<P₂,P₁+P₂＝A

R₁>R₁ ^min

R₂>R₂ ^min

R₁ ^min和R₂ ^min分别表示该通信系统的最小传输速率；

步骤5：根据不同的权重需求，计算出符合系统要求的Z的最大值。