[发明专利]一种干扰感知分布式鲁棒下行功率控制方法

摘要

本发明提出了一种干扰感知分布式鲁棒下行功率控制方法，旨在信道信息不确定的超密集网络环境中，实现小基站的鲁棒分布式功率控制。实现步骤为：小基站计算自身的近似干扰平均场，设定功率控制的时间间隔和获取干扰状态空间，对其分别进行离散化，并计算相关的迭代步长，对构建的干扰平均场、拉格朗日算子和功率水平的矩阵进行初始化；推导出干扰平均场、拉格朗日算子和功率水平的更新公式；小基站将干扰平均场赋值给终止变量，并分别利用三个更新公式分别对干扰平均场、拉格朗日算子和功率水平进行更新，判断功率水平是否收敛，若是，停止迭代，若否，重复上述步骤。本发明在保证用户通信质量的前提下，提高了功率控制的鲁棒性和系统能效。

主权项

1.一种干扰感知分布式鲁棒下行功率控制方法，包括以下步骤：(1)小基站i计算自身的近似干扰平均场：(1a)在N个小基站的场景中，所有小基站发射功率为的测试信号a；(1b)小基站i服务的用户UE_i测量其接收到的信号和噪声的功率并将反馈给小基站i；(1c)小基站i利用测试信号a的功率功率和小基站i到用户UE_i的信道增益g_i,i，计算小基站i的平均干扰信道增益和近似干扰平均场(2)小基站i设定功率控制的时间间隔[0,T]，并获取功率控制的干扰状态空间[0,I_max]：(2a)小基站i设定功率控制的时间间隔[0,T]，其中，T表示时间间隔的最大值；(2b)小基站i获取功率控制的干扰状态空间[0,I_max]：场景中除小基站i之外的其他小基站满功率发射信号，用户UE_i将受到干扰的功率反馈给小基站i，小基站i将干扰功率作为最大干扰状态I_max，构成功率控制的干扰状态空间[0,I_max]；(3)小基站i对时间间隔[0,T]和干扰状态空间[0,I_max]进行离散化，并计算时间维度的迭代步长δ_t和干扰状态维度的迭代步长δ_I：(3a)小基站i对时间间隔[0,T]和干扰状态空间[0,I_max]同时进行离散化，得到包含X个时间段和Y个干扰状态区间的离散网格；(3b)小基站i通过X计算时间维度的迭代步长δ_t，通过Y计算干扰状态维度的迭代步长δ_I；(4)小基站i构建干扰平均场拉格朗日算子和功率水平并对其进行初始化：(4a)小基站i在离散网格中构建矩阵行为X+1，列为Y+1的干扰平均场拉格朗日算子和功率水平(4b)小基站i统计场景中各干扰状态区间内的小基站数量占小基站总个数的比例，得到干扰状态分布；(4c)小基站i通过干扰状态分布对干扰平均场进行初始化，得到初始化后的干扰平均场同时对拉格朗日算子和功率水平分别进行初始化，得到初始化后的拉格朗日算子和初始化后的功率水平(5)推导干扰平均场更新公式m、拉格朗日算子更新公式λ和功率水平更新公式p：利用干扰减弱平均场博弈理论，设计具有鲁棒性的代价函数，并推导博弈系统的哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程，采用不同的方法进行求解，具体实现方法为：(ⅰ)采用Upwind有限差分方法求解福克‑普朗克‑柯尔莫戈洛夫方程，得到干扰平均场的更新公式m；(ⅱ)采用离散拉格朗日松弛方法，通过哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程，求解出拉格朗日算子的更新公式λ和功率水平的更新公式p：将哈密顿‑雅可比‑贝尔曼方程和福克‑普朗克‑柯尔莫戈洛夫方程转化为相应的最优化问题，使用拉格朗日方法构建最优化问题的拉格朗日方程，令拉格朗日方程对干扰平均场求导的结果等于零，求解出拉格朗日算子的更新公式λ，令拉格朗日方程对功率水平求导的结果等于零，求解出功率水平的更新公式p；(6)小基站i将干扰平均场赋值给终止变量并对干扰平均场进行更新得到矩阵实现步骤为：(6a)小基站i将干扰平均场赋值给终止变量即终止变量(6b)小基站i对干扰平均场进行更新：小基站i利用干扰平均场的更新公式m，通过功率水平对干扰平均场中的元素进行更新，得到更新后的矩阵(7)小基站i将矩阵赋值给干扰平均场即干扰平均场(8)小基站i对拉格朗日算子更新得到矩阵并将矩阵赋值给拉格朗日算子实现步骤如下：(8a)小基站i利用拉格朗日算子的更新公式λ，通过功率水平对拉格朗日算子中的元素进行更新，得到更新后的矩阵(8b)小基站i令拉格朗日算子(9)小基站i将功率水平赋值给并对功率水平进行更新，得到矩阵实现步骤如下：(9a)小基站i将功率水平赋值给即(9b)小基站i对干扰平均场进行更新：小基站i利用功率水平的更新公式p，通过干扰平均场和拉格朗日算子对功率水平中的元素进行更新，得到更新后的矩阵(10)小基站i将矩阵赋值给功率水平即功率水平(11)小基站i判断功率水平是否收敛：小基站i计算和终止变量差值的绝对值，并判断该值中的所有元素是否小于预设的门限值，若是，则功率水平收敛，并将该功率水平作为收敛后的功率水平若否，重复执行步骤(6)～步骤(11)。