CN114980332B - 去蜂窝大规模mimo系统下行功率分配方法及装置 - Google Patents

去蜂窝大规模mimo系统下行功率分配方法及装置 Download PDF

Info

Publication number
CN114980332B
CN114980332B CN202210538723.1A CN202210538723A CN114980332B CN 114980332 B CN114980332 B CN 114980332B CN 202210538723 A CN202210538723 A CN 202210538723A CN 114980332 B CN114980332 B CN 114980332B
Authority
CN
China
Prior art keywords
power consumption
cellular
energy efficiency
optimization problem
access point
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
CN202210538723.1A
Other languages
English (en)
Other versions
CN114980332A (zh
Inventor
曾捷
李重
周世东
牟郸霖
宋雨欣
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202210538723.1A priority Critical patent/CN114980332B/zh
Publication of CN114980332A publication Critical patent/CN114980332A/zh
Application granted granted Critical
Publication of CN114980332B publication Critical patent/CN114980332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本申请涉及无线通信网络技术领域，特别涉及一种去蜂窝大规模MIMO系统下行功率分配方法及装置，其中，方法包括：以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题；每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果。由此，解决了相关技术中未构建动态AP选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能等问题。

Description

去蜂窝大规模MIMO系统下行功率分配方法及装置
技术领域
本申请涉及无线通信网络技术领域，特别涉及一种去蜂窝大规模MIMO(MulitipleInput Multiple Output，多输入多输出)系统下行功率分配方法及装置。
背景技术
随着蜂窝小区面积不断缩小，小区间干扰和频繁越区切换等问题越来越严重，导致系统性能提升遭遇瓶颈，为了解决这些问题，对蜂窝网络架构进行彻底变革的去蜂窝网络架构成为人们关注的可行技术方案之一。
相关技术中，去蜂窝大规模MIMO将大量安装有一根或多根AP分布在一个较大区域，通过回程链路将数据传输到CPU(Central Processing Unit,中央处理器)，并利用相同的时频资源为多用户服务，适用于大型医院、体育场馆、高铁车站、办公大楼，购物商场和城市街道等热点区域场景。
然而，相关技术中未构建动态AP(Access Point，天线的接入点)选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE(User Equipment，用户设备)的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能，亟待解决。
发明内容
本申请提供一种去蜂窝大规模MIMO系统下行功率分配方法及装置，以解决相关技术中未构建动态AP选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能等问题。
本申请第一方面实施例提供一种去蜂窝大规模MIMO系统下行功率分配方法，包括以下步骤：以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题；每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模MIMO系统的最佳下行功率分配结果。
可选地，在本申请的一个实施例中，在以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，还包括：控制每个UE向所有接入点发送上行导频序列，以进行上行导频训练；在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
可选地，在本申请的一个实施例中，所述最大优化问题为：
Figure BDA0003647472210000021
其中，Rk为可达速率，PTOTAL为系统总功耗，η为下行功率分配系数向量。采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
可选地，在本申请的一个实施例中，在以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，还包括：构建所述所述去蜂窝大规模MIMO系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模MIMO系统的实际系统总功耗，得到所述最大化系统能效，其中，所述实际系统总功耗的计算公式为：
Figure BDA0003647472210000022
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000023
为上行功率放大器的功耗，
Figure BDA0003647472210000024
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
本申请第二方面实施例提供一种去蜂窝大规模MIMO系统下行功率分配装置，包括：获取模块，用于以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题；计算模块，用于每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；分配模块，用于结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模MIMO系统的最佳下行功率分配结果。
可选地，在本申请的一个实施例中，本申请实施例的装置还包括：控制模块，用于以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，控制每个UE向所有接入点发送上行导频序列，以进行上行导频训练；编码模块，用于在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
可选地，在本申请的一个实施例中，所述最大优化问题为：
Figure BDA0003647472210000025
其中，Rk为可达速率，PTOTAL为系统总功耗，η为下行功率分配系数向量。采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
可选地，在本申请的一个实施例中，本申请实施例的装置还包括：构建模块，用于以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，构建所述所述去蜂窝大规模MIMO系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模MIMO系统的实际系统总功耗，得到所述最大化系统能效，其中，所述实际系统总功耗的计算公式为：
Figure BDA0003647472210000031
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000032
为上行功率放大器的功耗，
Figure BDA0003647472210000033
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的去蜂窝大规模MIMO系统下行功率分配方法。
本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的去蜂窝大规模MIMO系统下行功率分配方法。
本申请实施例可以基于生长二进制差分进化的接入点选择算法，得到最优接入点选择方案，并结合最优接入点选择方案，从而利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果，进而有效提升了系统能效功率分配的性能，即言，本申请实施例首先以最大化系统能效来制定优化问题，然后随着UE的位置改变，定时启动AP选择优化算法，从而对当前的AP选择接入方案进行优化，最后以目前最优AP选择方案的为基础，再次进行以系统能效最大化为目标的功率分配。由此，解决了相关技术中未构建动态AP选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能等问题。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种去蜂窝大规模MIMO系统下行功率分配方法的流程图；
图2为根据本申请一个实施例提供的去蜂窝大规模MIMO通信场景示意图；
图3为根据本申请一个具体实施例的基于生长二进制差分进化的AP选择算法的结构示意图；
图4为根据本申请实施例的去蜂窝大规模MIMO系统下行功率分配装置的结构示意图；
图5为根据本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的去蜂窝大规模MIMO系统下行功率分配方法及装置。针对上述背景技术中心提到的相关技术中未构建动态AP选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能的问题，本申请提供了一种去蜂窝大规模MIMO系统下行功率分配方法，在该方法中，本申请实施例可以基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本申请实施例首先以最大化系统能效来制定优化问题，然后随着UE的位置改变，定时启动AP选择优化算法，从而对当前的AP选择接入方案进行优化，最后以目前最优AP选择方案的为基础，再次进行以系统能效最大化为目标的功率分配。由此，解决了相关技术中未构建动态AP选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着UE的位置改变，无法定时启动AP选择优化算法，从而降低系统能效功率分配的性能等问题。
具体而言，图1为本申请实施例所提供的一种去蜂窝大规模MIMO系统下行功率分配方法的流程示意图。
如图1所示，该去蜂窝大规模MIMO系统下行功率分配方法包括以下步骤：
在步骤S101中，以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题。
可以理解的是，本申请实施例首先以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题，从而利用最大优化问题确定下述的去蜂窝大规模MIMO系统的最佳下行功率分配结果，并基于TDD(Time Division Duplex，时分双工)模式和导频辅助信道估计方法，对系统功耗进行精确建模，进而有效提升了系统能效。
可选地，在本申请的一个实施例中，在以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题之前，还包括：控制每个UE向所有接入点发送上行导频序列，以进行上行导频训练；在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
作为一种可能实现的方式，如图2所示，本申请实施例在去蜂窝大规模MIMO通信场景下，假设M个AP和K个UE随机分布，所有AP通过回程链路连接到一个CPU上，假设每个AP具有NAP根天线，每个UE具有NUE根天线，因此，第k个UE和第m个AP之间的信道矩阵表示为
Figure BDA0003647472210000051
第k个UE处的波束成形器表示为
Figure BDA0003647472210000052
进而通信过程采用TDD模式，共分为两个阶段：
第一阶段：上行导频训练，每个UE向所有AP发送上行导频序列，定义τp为上行导频训练阶段的长度，矩阵
Figure BDA0003647472210000053
在行上包含第k个用户发送的导频序列，在第m个AP处的接收信号为矩阵
Figure BDA0003647472210000054
在非完美CSI(Channel State Information，信道状态信息)假设下，AP无法确定CSI，从而需要进行信道估计过程，采用LMMSE(Linear Minimum MeanSquare Error，线性最小均方误差)信道估计方法，同时对矩阵进行向量化，得到LMMSE估计器为
Figure BDA0003647472210000055
第二阶段：下行数据传输，在每个AP处，考虑ZF(Zero-Force，迫零)预编码，预编码矩阵为Qk,m，于是，第m个AP在第n个采样间隔下的传输信号为：
Figure BDA0003647472210000056
其中，xk(n)表示发送给第k个UE的数据符号，ηm,k是一个标量，表示下行功率系数。
定义矩阵
Figure BDA0003647472210000058
表示K个UE的动态AP选择方案，amk∈A表示第m个AP与第k个UE之间的选择关系，在每个UE处计算可达速率Rk。
可选地，在本申请的一个实施例中，在以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题之前，还包括：构建去蜂窝大规模MIMO系统的功耗模型，以利用功耗模型计算去蜂窝大规模MIMO系统的实际系统总功耗，得到最大化系统能效，其中，实际系统总功耗的计算公式为：
Figure BDA0003647472210000057
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000061
为上行功率放大器的功耗，
Figure BDA0003647472210000062
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
可以理解的是，本申请实施例基于TDD模式和导频辅助信道估计方法，对系统功耗进行精确建模，即构建去蜂窝大规模MIMO系统的功耗模型，从而利用功耗模型计算去蜂窝大规模MIMO系统的实际系统总功耗，进而得到最大化系统能效，有利于提出以最大化系统能效的功率分配问题。
在实际执行过程中，本申请实施例对去蜂窝大规模MIMO通信系统的功耗进行精确建模，系统的电路功耗精确建模为：
Figure BDA0003647472210000063
其中，PC为电路功耗，A、{Ci}和{Di}为电路功率系数。
其中，实际系统总功耗的计算公式为：
Figure BDA0003647472210000064
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000065
为上行功率放大器的功耗，
Figure BDA0003647472210000066
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
其中，建立能效最大化优化问题为：
Figure BDA0003647472210000067
其中PTOTAL是系统总功耗，η是下行功率分配系数向量。采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
在步骤S102中，每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案。
可以理解的是，在本申请实施例中由于UE具有移动性，每个UE选择接入的最佳AP会随时间变化，因此，每经过一段时间就需要启动基于生长二进制差分进化的AP选择算法，优化当前场景下的AP选择方案，从而得到最优的AP选择方案，即最优接入点选择方案，有效提升了系统能效功率分配的性能。
在步骤S103中，结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果。
具体而言，本申请实施例基于TDD模式和导频辅助信道估计方法，对系统功耗进行精确建模，提出以最大化系统能效的功率分配问题，并且构建了基于Dinkelbach算法的顺序迭代优化算法，在此基础上优化AP选择方案的同时，提出基于生长二进制差分进化的AP选择算法，优化当前场景下的AP选择方案，从而得到最优接入点选择方案，并在此基础上再次进行能效最大化的功率分配，形成循环迭代优化，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果，从而有效提升了系统能效，更加符合绿色通信的概念。
如图3所示，以一个具体实施例对本申请实施例的方法的工作原理进行详细赘述。
在实际执行过程中，在去蜂窝大规模MIMO系统中，假设M个AP和K个UE随机分布，所有AP通过回程链路连接到一个CPU上，假设每个AP具有NAP根天线，每个UE具有NUE根天线，因此，第k个UE和第m个AP之间的信道矩阵表示为
Figure BDA0003647472210000071
在每个UE处，考虑使用一种简单的0-1波束成形结构，特别地，用P表示复用阶数，即发送到给定接收器的并行流的数量，第k个UE处的波束成形器表示为
Figure BDA0003647472210000072
通信过程采用TDD模式，共分为两个阶段。
S1：第一阶段，上行导频训练，每个UE向所有AP发送上行导频序列，定义τp为上行导频训练阶段的长度，矩阵
Figure BDA0003647472210000073
在行上包含第k个用户发送的导频序列。在第m个AP处的接收信号为矩阵
Figure BDA0003647472210000074
在非完美CSI假设下，AP无法确定CSI，需要进行信道估计过程，采用线性LMMSE信道估计方法，同时对矩阵进行向量化，得到LMMSE估计器为
Figure BDA0003647472210000075
Figure BDA0003647472210000076
其中，
Figure BDA0003647472210000077
I表示单位矩阵。
S2：第二阶段，下行数据传输，在每个AP处，考虑ZF预编码，预编码矩阵为Qk,m，于是，第m个AP在第n个采样间隔下的传输信号为：
Figure BDA0003647472210000078
其中，xk(n)表示发送给第k个UE的数据符号，ηm,k是一个标量，表示下行功率系数。定义矩阵A∈CM×K表示K个UE的动态AP选择方案，amk∈A表示第m个AP与第k个UE之间的选择关系，即：
Figure BDA0003647472210000081
因此，每个UE的可达速率为：
Figure BDA0003647472210000082
Figure BDA0003647472210000083
其中，Rk表示可达速率，g1函数和g2函数是关于ηm的凹函数，
Figure BDA0003647472210000084
S3：对去蜂窝大规模MIMO通信系统的功耗进行精确建模，系统总功耗PTOTAL包括上、下行功率放大器的功耗
Figure BDA0003647472210000085
和
Figure BDA0003647472210000086
及电路功耗PC，其中，电路功耗PC又分为系统固定功耗PFIX、收发链路功耗PTC、信道估计功耗PCE、信道编译码功耗PC/D、回程链路功耗PBH和线性处理功耗PLP，即：
Figure BDA0003647472210000087
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000088
为上行功率放大器的功耗，
Figure BDA0003647472210000089
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
为了便于数学分析，引入电路功率系数A、{Ci}和{Di}。具体地，A＝PC/D+PBH，C0＝PFIX+PSYN，C1＝PUE，
Figure BDA00036474722100000810
D0＝PAP，
Figure BDA00036474722100000811
Figure BDA00036474722100000812
其中，PAP与PUE分别为AP和UE中每个天线上的电路元件功耗，PSYN为本地振荡器功耗，且MNAPPAP+PSYN+KNUE＝PTC，LCPU与LUE分别为CPU和UE的计算效率，是每焦耳能量可以处理的复数运算次数，单位是浮点运算次数每秒每瓦(flops/Watt)。因此，PC可重写为：
Figure BDA0003647472210000091
S4：能效最大化的优化问题可以表示为：
Figure BDA0003647472210000092
其中PTOTAL是系统总功耗，η是下行功率分配系数向量。采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
Figure BDA0003647472210000093
ηm,k≥0,
Figure BDA0003647472210000094
k＝1,...,K，
可以证明，上述公式中的g1函数和g2函数是关于ηm的凹函数，于是提出一种基于Dinkelbach算法的顺序迭代优化算法：
S4.1：选择任意的可行值η1,...,ηM；
S4.2：先对m的值进行遍历(m＝1,...,M)，再对k的值进行遍历(k＝1,...,K)，选择任意的可行值ηm,0；
S4.3：利用Dinkelbach算法求解优化问题S5，得到解
Figure BDA0003647472210000095
S4.4：更新ηm,0：
Figure BDA0003647472210000096
直到收敛，否则重复步骤S4.2至步骤S4.4。
S5：AP选择方案优化，由于UE具有移动性，每个UE选择接入的最佳AP会随时间时间。因此，每经过一段时间就需要优化UE的AP选择方案，本申请实施例采用基于生长二进制差分进化的AP选择算法。
S5.1：生成初始种族部落：
Ω＝[A1,A2,...,AJ]，
其中，
Figure BDA0003647472210000097
表示第k个UE的第j个AP选择方案。
S5.2：根据公式(7)计算每个UE在J种AP选择方案下的可达速率，并筛选出每个种族的最优个体为
Figure BDA0003647472210000098
S5.3：为了快速准确地搜索到最优的AP选择方案，接下来进行局部搜索，即：
Figure BDA0003647472210000101
其中，
Figure BDA0003647472210000102
表示搜索后产生的中间种族部落，j1≠j2≠j3∈[1,J]。
S5.4：为了增加AP选择方案的多样性，进行自适应交叉操作产生新种族
Figure BDA0003647472210000103
S5.5：采用贪婪策略，根据公式(4)计算J种AP选择方案下的能效，比较Sj(t+1)和Aj(t)，保留最佳方案，替换较差方案。
S5.6：重复步骤S5.2至步骤S5.5，直到当前迭代次数t大于最大迭代次数tmax。分别计算J种AP选择方案下的系统能效，得到系统能效最大的AP选择方案。
根据本申请实施例提出的去蜂窝大规模MIMO系统下行功率分配方法，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本申请实施例首先以最大化系统能效来制定优化问题，然后随着UE的位置改变，定时启动AP选择优化算法，从而对当前的AP选择接入方案进行优化，最后以目前最优AP选择方案的为基础，再次进行以系统能效最大化为目标的功率分配，有效提升了系统能效，更加符合绿色通信的概念。
其次参照附图描述根据本申请实施例提出的去蜂窝大规模MIMO系统下行功率分配装置。
图4是本申请实施例的去蜂窝大规模MIMO系统下行功率分配装置的方框示意图。
如图4所示，该去蜂窝大规模MIMO系统下行功率分配装置10包括：获取模块100、计算模块200和分配模块300。
具体地，获取模块100，用于以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题。
计算模块200，用于每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案。
分配模块300，用于结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果。
可选地，在本申请的一个实施例中，本申请实施例的装置10还包括：控制模块和编码模块。
其中，控制模块，用于以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题之前，控制每个UE向所有接入点发送上行导频序列，以进行上行导频训练。
编码模块，用于在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
可选地，在本申请的一个实施例中，最大优化问题为：
Figure BDA0003647472210000111
其中，Rk为可达速率，PTOTAL为系统总功耗，η为下行功率分配系数向量。采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
可选地，在本申请的一个实施例中，本申请实施例的装置10还包括：构建模块。
其中，构建模块，用于以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题之前，构建去蜂窝大规模MIMO系统的功耗模型，以利用功耗模型计算去蜂窝大规模MIMO系统的实际系统总功耗，得到最大化系统能效，其中，实际系统总功耗的计算公式为：
Figure BDA0003647472210000112
其中，PTOTAL为系统总功耗，
Figure BDA0003647472210000113
为上行功率放大器的功耗，
Figure BDA0003647472210000114
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
需要说明的是，前述对去蜂窝大规模MIMO系统下行功率分配方法实施例的解释说明也适用于该实施例的去蜂窝大规模MIMO系统下行功率分配装置，此处不再赘述。
根据本申请实施例提出的去蜂窝大规模MIMO系统下行功率分配装置，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模MIMO系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本申请实施例首先以最大化系统能效来制定优化问题，然后随着UE的位置改变，定时启动AP选择优化算法，从而对当前的AP选择接入方案进行优化，最后以目前最优AP选择方案的为基础，再次进行以系统能效最大化为目标的功率分配，有效提升了系统能效，更加符合绿色通信的概念。
图5为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的去蜂窝大规模MIMO系统下行功率分配方法。
进一步地，电子设备还包括：
通信接口503，用于存储器501和处理器502之间的通信。
存储器501，用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的去蜂窝大规模MIMO系统下行功率分配方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种去蜂窝大规模多输入多输出MIMO系统下行功率分配方法，其特征在于，包括以下步骤：
以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题，其中，在以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前还包括，控制每个用户设备UE向所有接入点发送上行导频序列，以进行上行导频训练，在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输；
每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；以及
结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模MIMO系统的最佳下行功率分配结果。
2.根据权利要求1所述的方法，其特征在于，所述最大优化问题为：
Figure FDA0004068248540000011
其中，Rk为可达速率，PTOTAL为系统总功耗，η为下行功率分配系数向量，采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
3.根据权利要求2所述的方法，其特征在于，在以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，还包括：
构建所述所述去蜂窝大规模MIMO系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模MIMO系统的实际系统总功耗，得到所述最大化系统能效，其中，所述实际系统总功耗的计算公式为：
Figure FDA0004068248540000012
其中，PTOTAL为系统总功耗，
Figure FDA0004068248540000013
为上行功率放大器的功耗，
Figure FDA0004068248540000014
为下行功率放大器的功耗，PC为电路功耗，PFIX为系统固定功耗、PTC为收发链路功耗、PCE为信道估计功耗、PC/D为信道编译码功耗、PBH为回程链路功耗，PLP为线性处理功耗。
4.一种去蜂窝大规模多输入多输出MIMO系统下行功率分配装置，其特征在于，包括：
控制模块，用于控制每个用户设备UE向所有接入点发送上行导频序列，以进行上行导频训练；
编码模块，用于在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输；
获取模块，用于以最大化系统能效确定去蜂窝大规模MIMO通信系统的最大优化问题；
计算模块，用于每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；以及
分配模块，用于结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模MIMO系统的最佳下行功率分配结果。
5.根据权利要求4所述的装置，其特征在于，所述最大优化问题为：
Figure FDA0004068248540000021
其中，Rk为可达速率，PTOTAL为系统总功耗，η为下行功率分配系数向量，采用基于Dinkelbach算法的顺序迭代优化算法求解出η。
6.根据权利要求5所述的装置，其特征在于，还包括：
构建模块，用于以所述最大化系统能效确定所述去蜂窝大规模MIMO通信系统的最大优化问题之前，构建所述所述去蜂窝大规模MIMO系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模MIMO系统的实际系统总功耗，得到所述最大化系统能效。
7.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-3任一项所述的去蜂窝大规模MIMO系统下行功率分配方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-3任一项所述的去蜂窝大规模MIMO系统下行功率分配方法。
CN202210538723.1A 2022-05-17 2022-05-17 去蜂窝大规模mimo系统下行功率分配方法及装置 Active CN114980332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210538723.1A CN114980332B (zh) 2022-05-17 2022-05-17 去蜂窝大规模mimo系统下行功率分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210538723.1A CN114980332B (zh) 2022-05-17 2022-05-17 去蜂窝大规模mimo系统下行功率分配方法及装置

Publications (2)

Publication Number Publication Date
CN114980332A CN114980332A (zh) 2022-08-30
CN114980332B true CN114980332B (zh) 2023-04-07

Family

ID=82984162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210538723.1A Active CN114980332B (zh) 2022-05-17 2022-05-17 去蜂窝大规模mimo系统下行功率分配方法及装置

Country Status (1)

Country Link
CN (1) CN114980332B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114268348A (zh) * 2021-12-21 2022-04-01 东南大学 一种基于深度强化学习的无蜂窝大规模mimo功率分配方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114285444B (zh) * 2021-09-30 2023-03-28 南京邮电大学 一种去蜂窝大规模mimo系统的功率优化方法
CN114389652B (zh) * 2021-12-27 2023-06-20 南京邮电大学 一种去蜂窝大规模mimo网络低功耗大连接方法
CN114337976B (zh) * 2022-01-14 2023-06-09 北京邮电大学 一种联合ap选择与导频分配的传输方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114268348A (zh) * 2021-12-21 2022-04-01 东南大学 一种基于深度强化学习的无蜂窝大规模mimo功率分配方法

Also Published As

Publication number Publication date
CN114980332A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN109947545B (zh) 一种基于用户移动性的任务卸载及迁移的决策方法
Lee et al. Resource allocation techniques for wireless powered communication networks with energy storage constraint
JP5351241B2 (ja) 反復リソース重みの更新を用いて通信システムにおいてノードにリソースを配分する装置及び方法
JP5220859B2 (ja) マルチユーザプリコーディング及びスケジューリングの方法並びにそれを実施するための基地局
JP2012500522A (ja) マルチセル環境においてアンテナ及び基地局の協調パターンの変化に応じてユーザと協調パターンの組み合わせをスケジュールする方法
CN112383922A (zh) 一种基于优先经验重放的深度强化学习频谱共享方法
CN110121212B (zh) 一种面向周期类urllc业务的上行传输方法
CN113723620A (zh) 无线联邦学习中的终端调度方法和装置
CN114337976A (zh) 一种联合ap选择与导频分配的传输方法
CN114219354A (zh) 一种基于联邦学习资源分配优化方法及系统
CN102300326A (zh) 多用户多输入多输出mimo通信系统的调度方法和基站
Tran et al. Multi-agent DRL approach for energy-efficient resource allocation in URLLC-enabled grant-free NOMA systems
Van et al. Evolutionary Games for Dynamic Network Resource Selection in RSMA-Enabled 6G Networks
JP2012023599A (ja) 無線通信システム及び無線通信装置、並びに無線通信方法
CN114980332B (zh) 去蜂窝大规模mimo系统下行功率分配方法及装置
CN113038583A (zh) 适用于超密集网络的小区间下行链路干扰控制方法、装置和系统
JP5990199B2 (ja) 複数の宛先デバイスの中の少なくとも１つの宛先デバイスによって受信される信号の品質を高めるための方法
Li et al. IRS-Based MEC for Delay-Constrained QoS Over RF-Powered 6G Mobile Wireless Networks
Pascual-Iserte et al. An approach to optimum joint beamforming design in a MIMO-OFDM multiuser system
Gamgam et al. On the queuing model of the energy-delay tradeoff in wireless links with power control and link adaptation
CN103580738B (zh) 预编码矩阵确定方法及相关设备和通信系统
Karaca et al. Joint opportunistic scheduling and selective channel feedback
CN111372268B (zh) 一种超密集网络中联合无线资源管理与任务卸载优化方法
CN116801367A (zh) 一种交叉链路干扰抑制方法、网络节点及存储介质
Liu et al. A Reinforcement Learning Approach for Energy Efficient Beamforming in NOMA Systems

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