[发明专利]用于实现加权速率之和最大化的功率优化方法及其装置

说明书

本发明涉及一种在通信系统中用于实现内部链路的加权速率之和最大化的分布式全局功率优化的方法及其装置，所述方法包括步骤：A.确定允许误差值δ和包含初始速率分配矢量z₀的初始速率分配矢量集合T₀；B.计算所述速率分配矢量z_k在可行速率区域C_r上的投影因子λ(z_k)和功率分配矢量p(z_k)；C.判断(1‑λ(z_k))是否大于所述允许误差值δ：当小于等于所述允许误差值δ时，p(z_k)即为全局最佳功率分配方式；当大于所述允许误差值δ时，生成一个新的速率分配矢量集合T_k+1，并确定下一个速率分配矢量z_k+1，令k＝k+1，并再次实施步骤B；其中，由所述初始速率分配矢量z₀所构建的速率分配多元矩形区域[0，z₀]包含所述可行速率区域C_r。

技术领域

本发明主要涉及通信技术领域，具体地，涉及一种在通信系统中用于实现内部链路的加权速率之和最大化的分布式全局功率优化的方法，以及一种用于实现加权速率之和最大化的功率优化发射机装置，和辅助装置。

背景技术

大部分网络优化问题可以被转化为关于功率优化的加权速率之和最大化(WRSM：Weighted Rate Sum Maximization)的问题，其通常决定了网络的最终性能。实际中，加权速率之和中的加权因子反映了用户的公平性，通常根据链路或用户的优先权来确定。该加权因子也有可能通过不同的上层算法来控制确定，诸如背压(back-pressure)算法。然而，通过分布式的方法来实现WRSM问题的全局最优化是干扰耦合网络中长期悬而未决的问题。无线链路之间的复杂干扰耦合引起了难以处理的非凸优化问题，即使以集中化的方式也很难有效地解决该问题。

本发明创造了一个用于实现WRSM的分布式的全局功率优化算法，其是第一个通过结合单调优化方法和非线性Perron-Frobenius理论来实现分布式WRSM的方案。基于非线性的Perron-Frobenius理论，我们提出一种分布式的投影算法，该算法是实现从单调优化理论发展出的外多元矩形区域(Polyblock)逼近方法的关键核心步骤。该分布式投影算法方案使得每个链路(用户)能够独立生成一个一致的不断收缩的多元矩形区域，其中，该多元矩形区域的生成仅取决于本地的信干噪比(SINR)的测量结果，因此在实际运用中容易实现。该收缩的多元矩形区域会不断逼近于非凸的链路速率的可行区域，然后我们通过在表示逼近的多元矩形区域的速率分配矢量集合中(而非在原有区域中)搜索的方式，来找出能实现WRSM全局优化的功率分配方式。另外并且明显地，精心设计的投影算法表现出几何收敛特性，其将通过减少计算复杂度而明显加快WRSM的求解速度。

据本发明人了解，现有的实现WRSM的全局优化的方案是著名的MAPEL算法。MAPEL的著作出版于2009年，并获得2011年IEEEMarconi大奖。

MAPEL算法首次尝试了通过引入单调优化的通用理论来实现WRSM的全局优化。特别的，MAPEL把WRSM的目标效用视为关于各个链路的(1+SINR)的单调函数。MAPEL通过构建基于(1+SINR)表征的不断收缩的多元矩形区域以及与该多元矩形区域相关的顶点(vertex)(该顶点是关于(1+SINR)的矢量)，来运用单调优化方法，其中，(1+SINR)可以被进一步转换为关于发射功率的线性分式函数，然后变换为一个线性分数规划问题，并通过Dinkelbach-type算法，计算顶点在关于(1+SINR)的可行区域上的投影。

在MAPEL实施过程中，其核心投影算法是基于乘法线性分数规划而实现的，该投影算法仅可以在中心节点中计算实施，中心节点需要收集所有信道的状态信息。另外，Dinkelbach-type算法的收敛速度是quotitent-super线性的，需要巨大的计算花费。这两个缺点阻碍了MAPEL的实际运用。