[发明专利]无线网络中基于双连接与非正交多址接入的能效优化方法

摘要

无线网络中基于双连接与非正交多址接入的能效优化方法，包括(1)MU通过双连接技术获得来自mBS和sAP的数据流量服务，同时mBS和sAP通过NOMA技术发送数据；(2)分析系统特性对问题进行等价转化；(3)根据转化后的问题，证明转化后的问题是一个严格的凸优化问题，因此可以做到高效求解；(4)将求得的转化问题的解迭代回原问题，求得原问题的最优解；(5)验证原问题可行性。本发明提供了一种既保障MU的数据需求，又满足sAP回程容量，同时最小化系统总功耗的可行且高效的优化方法，以提高系统能量利用率，优化系统资源的配置。

主权项

无线网络中基于双连接与非正交多址接入的能效优化方法，步骤如下：(1)在宏蜂窝基站mBS的覆盖范围下总共有T个移动用户MU，同时部署了一个小蜂窝辅助网络接入点sAP通过“双连接”为移动用户MU提供数据分流服务；在该情况下，宏蜂窝基站mBS和小蜂窝辅助网络接入点sAP使用非正交多址接入技术发送数据；考虑到该技术特性，首先引入两个索引集从不同角度表示T个移动用户MU，从mBS角度引入索引集从sAP角度引入索引集为了便于说明，对于专利中出现的专用名词有如下说明：mBS：宏蜂窝基站；sAP：小蜂窝辅助网络接入点；MU：移动用户；NOMA：非正交多址接入技术；SIC：连续干扰消除机制；考虑mBS至MU部分，由于SIC，对mBS到所有MU的信道增益按照从大到小进行排序，故有以下排序：gB1>gB2>…>gBj>gBi>…>gBT  (1)其中gBi表示mBS到第i个MU的信道增益，在下文中提到的第i个MU或第j个MU均是在索引集中的；然后考虑sAP至MU部分，同样由于SIC，对信道增益按照从大到小进行排序，有以下排序：hS1>hS2>…>hSn>hSm>…>hST  (2)其中hSm表示sAP到第m个MU的信道增益，在接下来的说明中提到的第m个MU或第n个MU均是在索引集中的。因为索引集和的存在，每个MU都有一个二维索引(i,m)，也就是说，某个特定的MU对于mBS来说是排列在第i个，而对于sAP来说是排列在第m个；因此，引入一个映射：m＝Φ(i)将i与m联系起来，mBS通过与sAP进行数据交互来计算获得Φ(i)，使用Φ(i)来确保每个MU通过双连接获得的总吞吐量满足它的需求；(2)在mBS端，每个MU的信道增益都是已知的；基于NOMA，mBS会将所有的数据叠加在同一频段上发送给每个MU；在MU端，使用SIC消除部分同频干扰；对于MUi，在接收数据中首先解码MUk的数据，需要说明此处的k>i即特指MU是排列在MUi后面的，然后将解码后的数据从接收数据中删除，具体的操作顺序是k＝T,T‑1,T‑2,…,i+1；同时将MUj的数据信号视为干扰噪声，需要说明此处的j<i即特指MU是排序在MUi前面的，根据以上的解码机制，由mBS到MUi的吞吐量为：其中相关参数定义如下：pBi：mBS到MUi的发射功率；RBi：mBS到MUi的吞吐量；WB：mBS的总带宽；nB：mBS的背景噪声。相似的，在sAP端使用NOMA发送数据。因此由sAP到MUm的吞吐量为：其中相关参数定义如下：pSm：sAP到MUi的发射功率；RSm：sAP到MUi的吞吐量；WS：sAP的总带宽；nS：sAP的背景噪声；(3)考虑单个mBS和单个sAP使用不同频段信道进行数据分流的情形，因此在这两者之间不存在相互干扰，通过使用双连接技术，每个MU可以同时从mBS和sAP获得数据流量；为满足每个MU的数据流量需求，设置了如下的限制条件：其中RSΦ(i)就是RSm，表示MUi的数据流量需求；同时，考虑到sAP的回程容量限制，添加了如下的限制条件：其中表示sAP的回程容量；在无线网络中，mBS和sAP通过NOMA发送数据，并且应用SIC在mBS端和sAP端消除MU共用信道而产生的部分干扰，在保证每个MU数据需求和不超过sAP回程容量的情况下最小化系统总功率消耗的优化问题，记为TPM，描述为如下所示的优化问题：其中相关参数定义如下：符合问题要求的系统功耗的最优值；mBS的总功率；sAP的总功率。该问题是两端的功率分配问题，问题的最优解也就是在满足MU数据需求的情况下系统功率消耗的最小值。参数符号中出现的上标“*”表示参数在优化问题中是最优值；(4)问题TPM是一个非凸优化问题，等价转化为凸优化问题求解；引入βBi来表示mBS到MUi的信号与干扰加噪声比SINR，即：在此假设是给定的，通过以上公式就可以递归计算出mBS到MUi的最小发射功率，表示如下：根据此式可获得mBS端最小总功率消耗表示如下：其中假设gB0是一个足够大的值，因此对于以上的结论，通过数学归纳法来证明，且有如下的证明过程：步骤4.1：在T＝1时，由结论可以获得与mBS到MUi的最小发射功率表达式相符；步骤4.2：假设对于结论是成立的；步骤4.3：进一步添加第i+1个MU，同时保证gBT>gBT+1，当证明以下等式成立，即可证明提出的结论正确；步骤4.4：对步骤4.3的证明；a.对于T+1有b.因此可以获得证明完毕；相似的，sAP端也有相似的结论，即：对于给定的也相似的给出sAP对MUm的最小发射功率：故sAP端最小总功率消耗表示如下：其中假设hS0是一个足够大的值，因此以上推论的证明与mBS端一致；(5)将与视为变量，同时应用mBS端和sAP端最小总功率表达式，便可以将TPM问题等价转化为如下的速率分配问题，记为RS：RS问题表示如何合理分配MU对mBS和sAP的数据需求，为了更详细的反应该点，引入如下两个变量：借助{xBi}和{ySm}可对RS问题进行转化，将转化后的问题记为RS‑E：(RS-E):minΣi=1T(nBgBi-nBgBi-1)2Σj=iTxBj+Σm=1T(nshSm-nshSm-1)2Σn=mTySn]]>subjectto:Σi=1T(nBgBi-nBgBi-1)2Σj=iTxBj≤nBgBT+PBtot,---(23)]]>Σm=1T(nshSm-nshSm-1)2Σn=mTySn≤nShST+PStot,---(24)]]>考虑到和RS‑E问题就是一个速率分配问题，也就是说，将MUi的数据需求划分为两部分(WBxBi,WSySΦ(i))来最小化mBS和sAP的总功率消耗；(6)RS‑E问题的目标函数是一个严格的凸函数，并且该问题中的两个限制条件：和构成了一个凸可行域；因此，RS‑E问题是一个严格的凸优化问题；因为RS‑E问题是一个严格的凸优化问题，故可以高效的求解该问题，将底层问题的解迭代回原问题，同样可以高效的求解原问题，详细步骤描述如下：步骤6.1：利用RS‑E问题的凸性求解该问题，获得最优解和步骤6.2：利用xBi＝log2(1+βBi)和可获得步骤6.3：利用和可获得步骤6.4：同理，获得按照以上步骤便完整的求解了原TPM问题；(7)判断原TPM问题可行性；对RS‑E问题做简单的修改，并通过求解修改后的问题来验证原TPM问题的可行性，修改后的问题记为Fea‑Check，且表示如下：(Fea-Check):V*=minΣi=1T(nBgBi-nBgBi-1)2Σj=iTxBj]]>subjectto:Σm=1T(nshSm-nshSm-1)2Σn=mTySn≤nShST+PStot,---(27)]]>同样的与RS‑E问题相似，Fea‑Check问题的目标函数是一个严格的凸函数，同时限制条件：构成一个凸可行域；因此，Fea‑Check问题是一个严格的凸优化问题；可以高效的求解该问题获得V*；对于Fea‑Check问题的最优解V*，如果有那么在给定的条件下，原TPM问题是可行的，反之，则原TPM问题不可行；在的情况下，Fea‑Check问题总是可行的。