[发明专利]量子回溯搜索优化的CCFD-Massive MIMO系统功率分配方法

摘要

本发明提供一种量子回溯搜索优化的CCFD‑Massive MIMO系统功率分配方法，包括：建立系统模型；初始化量子种群及系统参数，经映射规则，得到量子个体的映射态；计算量子个体的适应值，将量子种群中适应值最大的量子个体记为全局最优解；通过进化和交叉策略生成新的量子个体；根据映射规则得到新生成的量子个体的映射态，计算适应值，经贪婪选择，更新量子种群及全局最优解；如果迭代次数小于预先设定的最大迭代次数，返回第四步；否则，终止迭代，输出全局最优解，得到最佳功率分配方案。本发明有效提高了频谱利用率，充分考虑了基站和用户的自干扰、互干扰，很大程度上提高了系统的保密容量，为复杂系统的功率分配问题提供了一种新的解决方法。

主权项

1.量子回溯搜索优化的CCFD‑Massive MIMO系统功率分配方法，其特征在于：步骤如下：步骤一，建立CCFD‑Massive MIMO系统模型在单小区Massive MIMO系统中有一个配置M根天线的基站、K个双天线用户和一个N根天线的窃听器，且基站中的M1根天线用来发送信号、剩余的M2根天线接收信号，每个用户的一根天线用来接收信号、另一根天线发送信号，假设系统带宽为B，HBU、HUB为基站到用户、用户到基站的信道衰落矩阵，Va、Vb为基站的预编码矩阵和接收矩阵，HBI、HUI为基站的自干扰矩阵和用户之间的干扰矩阵，GB、GU为基站到窃听器、用户到窃听器的信道衰落矩阵，ρBS、ρU分别为基站和用户的自干扰系数；在CCFD‑Massive MIMO系统中，当用户k与基站通信时，基站和各用户均受到自干扰和来自其他用户的干扰的影响，用户k收到的信号为：其中，s_BS、s_k、s_j分别为基站、用户k、用户j(j≠k)发送的单位能量信号，p_a为基站的发送功率，p_k、p_j分别为用户k、用户j的发送功率，为基站到用户k的信道状态信息，表示用户k的自干扰信道，为用户k与用户j的互干扰信道，n_k为用户k收到的噪声；基站处接收到的信号为：其中，为用户k到基站的信道状态信息，(.)^H表示共轭转置，n_BS为基站处收到的噪声；系统中存在的窃听器会试图窃取用户与基站的信息，其收到的信号为：其中，为用户k到窃听器的信道状态信息，n_e为窃听器收到的噪声；在下行链路，基站向各用户发送信息时，用户k收到的信干噪比为：其中，为用户k收到的噪声功率，窃听器在截取用户k接收来自基站的信息时的信干噪比为：其中，为窃听器收到的噪声功率，此时用户k的保密速率为：Rk＝B[log2(1+γk)‑log2(1+γek)]+令zk＝log2(1+γk)‑log2(1+γek)，则Rk＝B[zk]+，其中，[zk]+表示取正函数，具体规则如下：CCFD‑Massive MIMO系统下行保密速率为：假设基站采用最大比合并(MRC)方式接收信号，则基站收到来自用户k的信干噪比为：其中，为基站收到的噪声功率，窃听器在截取用户k向基站发送信息时的信干噪比为：此时用户k的保密速率为：得到CCFD‑Massive MIMO系统上行保密速率为：则CCFD‑Massive MIMO系统的保密容量为：其中，表示取R、两数中的最小值；步骤二，初始化量子种群及系统参数设定量子种群中量子个体数目为L，待求解问题的维度为D，在第t代量子种群中，由量子态表示的第i个量子个体为其对应的映射态通过如下规则得到：其中，i＝1_,2,...,L，d＝1,2,...,D，和分别为搜索区间的上界和下界，历史量子种群记录的第i个量子个体为在初始阶段，历史量子种群的生成方式与第一代量子种群的生成方式相同；步骤三，通过如下的适应度函数计算量子个体的适应值：其中，第i个量子个体对应的映射态代表CCFD‑Massive MIMO系统中第i种功率分配方案，将量子种群中适应值最大的量子个体记为全局最优解步骤四，通过进化和交叉策略生成新的量子个体，当随机数α₁小于随机数α₂时，将当前量子种群记录到历史量子种群中，对于任意量子个体i，随机排列历史量子种群的量子个体，对于当前量子种群，其每一个量子个体按照如下规则演进：其中，为演进后的量子种群中第i个量子个体的第d维量子旋转角，为量子个体i演进后的第d个元素，φ₁和φ₂为全局最优量子个体、任意量子个体l(l∈[1,2,...,L]，l≠i)和历史量子个体在两种不同演进规则下的影响因子，|.|表示取绝对值，和为[0,1]间的均匀随机数，η为演进概率，ε为变异概率；map为控制交叉过程的L×D维二元整数矩阵，初值均为1；当随机数β₁大于随机数β₂时，map_i(i＝1,2,...,L)为仅有一个元素为0的向量；反之，map_i为D′个元素为0的向量，0的位置是随机的；其中，w^t为动态混合比例参数，用来控制量子种群中交叉的量子个体数目，ψ(w^t)表示与w^t有关的函数，表示向上取整，对于量子个体i，其交叉过程为：其中，为量子个体i交叉后的第d个元素；步骤五，根据映射规则，得到新的量子个体i对应的映射态计算新生成的量子个体的适应值，经贪婪选择机制，完成量子种群的更新，其过程具体为：将更新后的量子种群中适应值最大的量子个体记为全局最优解步骤六，如果迭代次数小于预先设定的最大迭代次数，令t＝t+1，返回步骤四；否则，终止迭代，输出量子种群的全局最优解得到最佳功率分配方案。