[发明专利]MU‑MISO无线携能通信系统的鲁棒构造方法

摘要

本发明提供了MU‑MISO无线携能通信系统的鲁棒构造方法，包括获取系统中各用户的信道估计矩阵；以信道估计矩阵为中心以信道估计误差为半径建立欧几里得球体，作为信道估计模型；根据信道估计模型，确定各用户所需最小的信干噪比和采集功率，并构建平均发射总功率最小优化问题模型；将优化问题模型中变量的二次型转换为一次型；根据松弛下界理论或拉格朗日乘子理论，更新信干噪比和功率采集表达式，简化优化问题模型；获取各用户的最佳发射协方差矩阵和功率分裂因子；对最佳发射协方差矩阵根据特征值进行分解，获得最佳波束成形向量。本发明能够解决在部分信道信息条件下所需的发射总功率过大的问题，从而降低基站侧操作的复杂度。

主权项

一种MU‑MISO无线携能通信系统的鲁棒构造方法，其特征在于，所述方法包括：S1：获取系统中各用户的信道估计矩阵；S2：以所述信道估计矩阵为中心以信道估计误差为半径建立欧几里得球体，作为信道估计模型；所述步骤S2具体包括：以所述信道估计矩阵为中心以信道估计误差为半径建立欧几里得球体，表示为：其中，表示信道估计误差集合，Δhk表示第k个用户的信道估计误差，表示第k个用户的信道估计向量，εk表示所述欧几里得球体的半径；根据所述欧几里得球体，获得信道估计模型：hk=h^k+Δhk]]>其中，表示信道估计模型，是一个范数界误差向量满足||Δhk||≤εk，系统的用户个数为K，系统基站端的发射天线数为M；S3：根据所述信道估计模型，确定各用户所需最小的信干噪比和采集功率，并构建平均发射总功率最小优化问题模型；其中，所述步骤S3具体包括：S31：对系统进行初始化设置，并根据所述信道估计模型确定各用户设备所需最小的信干噪比为：其中，SINRk(ρk,{vk})表示第k个用户所需最小的信干噪比，ρk表示第k个用户的接收天线装配的功率分裂器的功率分裂因子，vk表示第k个用户的发射波束成形向量，基站到第k个用户的噪声为独立复高斯白噪声nk，满足方差为的复高斯循环对称向量；方差为的复高斯循环对称向量；S32：确定各用户设备的采集功率为：Ek(ρk,{vk})=ζk(1-ρk)(Σj=1K|hkHvj|2+σk2),k=1,...,K.]]>其中，Ek(ρk,{vk})表示第k个用户采集的功率，ζk∈(0,1]表示为第k个用户的能量转换效率；S33：根据预设的阈值条件，建立平均发射总功率最小优化问题模型：(P0)min{vk},ρkΣk=1K||vk||2]]>s.t.SINRk({vk},ρk)≥αk,∀k]]>ζk(1-ρk)(Σj=1K|hkHvj|2+σk2)≥ek,∀k]]>其中，表示发射总功率，αk表示预设的信干噪比阈值，且αk>0，ek表示预设的功率阈值，且ek>0；S4：将所述优化问题模型中变量的二次型转换为一次型；其中，所述步骤S4具体包括：获取所述优化问题模型的等价式：(P1)min{vk},ρkΣk=1K||vk||2]]>||Δhk||≤εk，0<ρk<1,k＝1,...,K将所述优化问题模型中变量的二次型转换为一次型：(P2)min{Wk},ρkΣk=1Ktr(Wk)]]>s.t.min||Δk||≤ξkρktr((H^k+Δk)Wk)ρkΣj≠ktr((H^k+Δk)Wj)+ρkσk2+δk2≥αk,∀k]]>min||Δk||≤ξkζk(1-ρk)(Σj=1Ktr((H^k+Δk)Wj)+σk2)≥ek,∀k]]>0<ρk<1,k＝1,...,K其中，表示为第k用户的信道估计协方差矩阵，Δk表示为第k用户的信道估计协方差矩阵的不确定值，满足引入辅助因子ξk，满足||Δk||≤ξk；S5：根据松弛下界理论或拉格朗日乘子理论，更新信干噪比和功率采集表达式，简化所述优化问题模型，具体包括：根据松弛下界理论，更新信干噪比和功率采集表达式，简化所述优化问题模型，具体包括：将信干噪比表达式分子最小化且分母最大化，获得信干噪比的最小化表达式：ρktr((H^k-ξkI)Wk)-αkρkΣj≠ktr((H^k+ξkI)Wj)≥αk(ρkσk2+δk2),k=1,...,K]]>获得采集功率的最小化等价式：ζk(1-ρk)(Σj=1Ktr((H^k+ξkI)Wj)+σk2)≥ek,k=1,...,K]]>根据信干噪比和功率采集的最小化等价式，将所述优化问题模型转化为：(P3)min{Wk},ρkΣk=1Ktr(Wk)]]>s.t.tr(H^k(Wk-αkΣj≠kWj))]]>-ξktr(Wk+αkΣj≠kWj)≥αk(σk2+δk2ρk),∀k]]>Σj=1Ktr((H^k-ξkI))Wj)≥ekζk(1-ρk)-σk2,∀k]]>Wk≥0,rank(Wk)＝1,0<ρk<1,k＝1,...,K根据半正定松弛技术，去掉(P3)优化问题模型中rank(Wk)＝1,限制，(P3)优化问题模型转化成半正定问题模型；根据拉格朗日乘子理论，更新信干噪比和功率采集表达式，简化所述优化问题模型，具体包括：利用拉格朗日乘子法，获取第k用户的信道估计协方差矩阵的不确定值Δk的上下界表达形式：Δkmin=-ξkWkH||Wk||]]>Δkmax=ξkWkH||Wk||]]>根据所述Δk的上下界，获取各用户信干噪比的最优化表达式：tr(H^k(Wk-αkΣj≠kWj))-ξk(||Wk||+αkΣj≠k||Wj||)≥αk(σk2+δk2ρk)k=1,...,K,]]>根据所述Δk的下界，获取各用户功率采集的最优化表达式：min||Δk||≤ξkζk(1-ρk)(Σj=1Ktr((H^k+Δk)Wj)+σk2)]]>=ζk(1-ρk)(Σj=1K(tr(H^kWj)-ξk||Wj||)+σk2)≥ek]]>根据所述信干噪比和功率采集的最优化表达式，将(P2)优化问题模型转化为：(P4)min{Wk},ρkΣk=1Ktr(Wk)]]>s.t.tr(H^k(Wk-αkΣj≠k||Wj||))]]>-ξk(||Wk||+αkΣj≠k||Wj||)≥αk(σk2+δk2ρk),∀k]]>Σj=1Ktr((H^kWj)-ξk||Wj||)≥ekζk(1-ρk)-σk2,∀k]]>Wk≥0,rank(Wk)＝1，0<ρk<1,k＝1,...,K.根据半正定松弛技术，去掉(P4)优化问题模型中rank(Wk)＝1,限制，所述优化问题模型转化成厄尔米特矩阵的迹tr与范数norm之和的问题模型；S6：根据简化后的优化问题模型，获取各用户的最佳发射协方差矩阵和功率分裂因子，具体包括：根据数值优化工具，获取各用户的最佳发射协方差矩阵Wk和矩阵分裂因子ρk；S7：对所述最佳发射协方差矩阵根据特征值进行分解，获得最佳波束成形向量；所述步骤S7具体包括：根据特征值分解公式对所述最佳发射协方差矩阵Wk进行分解，获取各用户的最佳波束成形向量其中，k＝1,2,...,K。