[发明专利]协作网络下行链路非完美信道下的总功率联合优化方法

摘要

协作网络下行链路非完美信道下的总功率联合优化方法，涉及无线通信领域，具体涉及协作网络下行链路的总功率联合优化。本发明是为了解决现有的协作网络架构中的网络功率消耗较大的问题，本发明首先根据基站功率消耗模型和回程链路功率模型，建立网络总功率模型，对网络总功率消耗问题进行建模，通过将SINR约束转换到其协方差形式，采用低复杂度的启发式方法进行基站模式选择，提出DC方法迭代求解来确定用户连接，得到用户连接、波束成型；最终解决网络总功率消耗问题，得到联合优化后网络消耗的总功率。本发明适用于无线通信领域。

主权项

1.协作网络下行链路非完美信道下的总功率联合优化方法，其特征在于包括以下步骤：步骤1、在集中式网络架构下，该架构下有L个基站，基站集合为Λ＝{1,…,L}，每个基站配有N根天线；被调度的用户均为单天线用户，被调度的用户的集合用K′＝{1,…,K}表示，其中K表示被调度用户的数量，K为正整数；根据基站功率消耗模型和回程链路功率模型，建立网络总功率模型：其中，P^tot表示网络消耗的总功率；P_l^c为基站l的静态功率；为基站l的发射功率；表示基站l的回程链路功率；A为激活基站的集合；η为功率放大器的效率；k表示用户序号；w_lk为基站l到用户k的波束向量；为基站l给用户k的发送功率；||·||表示矩阵的欧式范数；U_l表示基站l服务的用户集合；R_k为用户的速率；p_bh为传输最大数据速率为C_bh时回程链路功率消耗；步骤2、针对网络总功率模型，对网络总功率消耗问题进行建模：其中，s.t.表示约束条件；C1表示非完美信道状态下的SINR约束，C2表示每个基站的最大发送功率受限；考虑信道的不确定性，将信道建模为一个欧式球约束，用集合Ψ_k表示A个激活基站到用户k的信道，h_k为A个激活基站到用户k真实的信道状态，是A个激活基站到用户k的信道估计向量，C^NA×1表示NA×1的复向量空间，δ_k为用户k的信道不确定性的大小；用户k的信干噪 比其中|·|表示向量的模，为A个激活基站到用户k的波束成型向量；w_i为A个激活基站到用户i的波束成型向量；γ_k为用户k的信干噪 比门限，P_l^max为基站l的最大发送功率；为用户k的噪声功率；步骤3、已知基站模式时，将问题P转化问题P7，并通过一个凸优化问题P8迭代解决；步骤4、采用低复杂度的启发式方法进行基站模式选择，并通过迭代求解，得到用户连接、波束成型；最终解决网络总功率消耗问题P，得到联合优化后网络消耗的总功率；步骤3所述已知基站模式时将问题P转化问题P7，并通过一个凸优化问题P8迭代解决的具体步骤如下：步骤3.1、针对网络总功率消耗问题P：由于C1的存在，使得问题P变成一个含有无穷多个非凸约束的组合优化问题；引入二进制变量al∈{0,1}来表征基站l的模式，al＝1表示基站处于激活状态，否则，基站处于关闭状态；同时，引入b_lk∈{0,1}，l∈Λ表示基站对用户的分配情况，即用户连接模式；b_lk＝1表示基站l服务于用户k，否则，该基站不分配用户k的数据；问题P经过处理之后表示为问题P0：当给定基站模式al和用户连接模式blk时，问题P0变为问题P3；其中，Tr[·]表示矩阵的迹；表示用户k的信道协方差矩阵；表示用户k的波束成型协方差矩阵，同理表示用户i的波束成型协方差矩阵，其中用户i表示不同于用户k的用户；W＝[W₁,W₂,…,W_K]表示K个用户的波束成型协方差矩阵组成的集合，Δ_k∈C^NA×NA表示不确定信道引起的用户k的不确定性矩阵，它是一个NA×NA的复矩阵；ε_k表示受信道不确定性影响的复矩阵Δ_k的大小，它受限于||Δ_k||≤ε_k，ε_k的值是由用户k的不确定性大小δ_k和用户k的信道增益决定的，其值为基站l的分配矩阵Q_l，是一个对角阵Q_l＝diag(Q_l1,…Q_lk,…,Q_lK)，其中每一个子矩阵Q_lk表示基站l到用户k的分配矩阵，当l＝k时，Q_lk是一个单位矩阵I_N，Q_lk＝I_N；否则，当l≠k时，Q_lk是一个零矩阵，即Q_lk＝0_N；rank(·)表示矩阵的秩，等价于约束条件C5；步骤3.2、利用拉格朗日法求解SINR约束：利用拉格朗日函数法求解问题P3的约束C12中的最优Δk，分别表示为将得到的公式(5)和(6)代入问题P3，去掉rank(Wk)＝1，得到步骤3.3、利用两个凸函数之差算法，即DC算法，确定用户连接：当给定基站模式al，问题P4变为优化用户连接和波束成型，即问题P5首先对二进制变量进行等价，即对0、1变量进行等价：其中，C41在区间[0,1]上连续，而C42则是两个凸函数之差，则问题P5变为求解连续空间变量的优化问题P6；对约束C42进行处理之后得到等价问题P7，其中，φ是一个远大于1的实数，用于惩罚这一项；假设并令表示问题P7目标函数的前三项，问题P7的一个上界由一个凸优化问题P8给出其中，表示第i次迭代后P8返回的b_lk的值；表示函数f(b_lk)在点的导数；问题P8可以利用凸优化工具箱进行求解。