CN105873216B - 异构网多点协作能效谱效联合优化的资源分配方法 - Google Patents

Abstract

本发明公开了一种异构网多点协作能效谱效联合优化的资源分配方法，首先，定义能效和谱效的联合优化问题；然后，在上述给定的资源块和功率约束的条件下，对资源块和功率及其在各用户间的分配进行优化，从而实现能效和谱效的联合优化；其中，对资源块和功率及其在各用户间的分配进行优化的方法为：通过对偶方法简化用户对数速率与功率之间的关系，再使用贪心算法思想分别对CoMP用户和非CoMP用户进行资源分配。本发明给出了一种能实现谱效和能效联合优化的有效、快速的功率分配方法，避免了暴力求解方法带来的复杂度。

Description

异构网多点协作能效谱效联合优化的资源分配方法

技术领域

本发明涉及移动通信***中能效谱效联合优化问题，属于无线通信中的网络技术领域。

背景技术

随着智能手机和平板电脑等便携移动终端开始流行并逐渐普及，无线数据业务量迅猛增长。然而，现在通信***频谱效率的提高速度跟不上数据需求增长的速度，这一问题在人流量密集的热点区域尤为严峻。

无线通信***对通信网络的传输能力提出了更高的要求，对于频谱资源极为受限的移动通信***，需要提升单位传输带宽上的数据传输速率，即提高***的谱效(SE,Spectral Efficiency)。多点协作传输技术(Coordinated multipoint Processing,CoMP)与异构网技术(heterogeneous net,HetNet)作为备受关注的未来无线网络中提高频谱效率和覆盖率的技术，可以支持CoMP的异构网络成为研究热点。由于无线通信环境复杂，用户数据速率存在许多差异，用户间的公平性受到了关注。

随着人们对能源消耗和环境问题的关注，移动通信网络的能耗问题也越来越引起广大研究者的关注。因此，如何提高移动通信***的能效(EE,Energy Efficiency)，已成为了当前移动通信研究领域的一个研究热点，***的能效也成为衡量通信网络的重要性能指标之一。然而能效和谱效这两种度量指标并不总是一致变化的，有时候甚至是相互对立的，片面追求其中一个指标将会造成另一指标的急速下降。于是，两种指标间的平衡和折衷，从而实现联合优化成为一个热点问题。

发明内容

本发明的目的是提供一种异构网多点协作能效谱效联合优化的资源分配方法，以对移动通信***的能效和谱效两种指标间进行平衡和折衷，以实现能效谱效合理的联合优化。

为实现上述目的，本发明采用的技术方案为：

一种异构网多点协作能效谱效联合优化的资源分配方法，

首先，定义能效和谱效的联合优化问题为：

其中，R_k和P_total分别表示用户k的数据速率和***总功耗，β₁与β₂表示加权系数，β₁与β₂取值由运营商根据网络运行情况自行决定；p_m,k表示用户k收到资源块m的信号功率，ρ_m,k表示资源块m对用户k的分配情况，当ρ_m,k＝0表示资源块未分配给用户k，当ρ_m,k＝1表示资源块被分配给用户k；p＝(p_1,1,p_1,2,p_1,3,...,p_M,K)，ρ＝(ρ_1,1,ρ_1,2,ρ_1,3,...,ρ_M,K)分别代表功率和资源块的分配；P_TM和P_TP分别代表了运营商允许的宏基站和小站最大发射功率，K_M和K_P分别代表了宏基站和小站服务的用户集合，K_M与K_P分别表示宏基站和小站服务的用户数，K和M分别表示***总用户数与基站资源块个数；

然后，在上述给定的资源块和功率约束的条件下，对资源块和功率及其在各用户间的分配进行优化，从而实现能效和谱效的联合优化；其中，对资源块和功率及其在各用户间的分配进行优化的方法为：通过对偶方法简化用户对数速率与功率之间的关系，再使用贪心算法思想分别对CoMP用户和非CoMP用户进行资源分配。

对资源块和功率及其在各用户间的分配进行优化的具体步骤为：

步骤一，寻找用户速率下界，对用户速率进行近似：

利用对偶方法将问题简化，将资源分配问题转化为：

s.t.C1,...,C6,

其中，t_k为用户k数据速率R_k的下界，通过C7保证t_k与R_k的关系，t_k在代价函数中用来近似用户速率；由于对数函数是单调递增的函数，代价函数为下界t＝(t₁,t₂,t₃,...,t_K)的增函数，当代价函数达到最大值时，下界t中的每个元素也将等于各用户的数据速率，因此变换后的问题与原问题有相同的最优解；

将上式整理为拉格朗日问题进行求解，拉格朗日函数为：

s.t.C1,...,C6.

其中，λ＝(λ₁₁,λ₁₂,λ₁₃,...,λ_KM)为拉格朗日乘子，将拉格朗日问题分解为对偶问题及对偶方程：

s.t.C1,...,C6.

对偶问题中，使用梯度下降法更新拉格朗日乘子：

λ_i＝max[0,λ_i+s₁(R_k-t_k)]

其中，s₁为更新步长；

对于用户k，对拉格朗日函数进行求导并令其等于零，得到：

步骤二：用贪心算法分配用户资源：

将步骤一中的对偶方程简化为：

s.t.C1,...,C6

其中，ξ₁和ξ₂分别表示宏基站和小站发射功率与消耗功率之间的斜率，与分别表示用户k在宏基站和小站分配到的功率，与分别表示宏基站和小站的电路功率，R表示小站数目；由于宏基站、小站的电路损耗在给定***中为常数值，问题能够写为：

s.t.C1,...,C6

应用拉格朗日对偶的方法将宏基站、小站对发射功率的限制加进拉格朗日函数，整理得到：

s.t.C1,...,C3,C6

其中，r_mk表示用户k在资源块m上的数据速率，K_M1、K_P1和K_C分别表示宏基站服务的非CoMP用户、小站服务的非CoMP用户和***的CoMP用户数，M1和M2分别表示非CoMP和CoMP用户可用资源块数目，μ＝(μ_M,μ_P1,...,μ_PR)为拉格朗日乘子；

使用拉格朗日对偶的方法将拉格朗日问题分解为对偶问题及对偶方程：

s.t.C1,...,C3,C6.

对偶问题中，使用梯度下降法更新拉格朗日乘子，以宏基站为例：

其中，s₂为更新步长；

对于非CoMP用户，将拉格朗日函数Q(p,ρ,μ)中相关的部分整理得：

上式表明资源块之间并没有耦合关系；以宏基站非CoMP用户为例，基站的每个资源块分配给令下式达到最大值的非CoMP用户：

对于每个用户先计算资源块m上的最优发射功率，通过求导得到最优发射功率及最佳子载波分配

其中，I_mk表示用户k接收资源块m时接收到的干扰信号强度，为小区n内用户k收到的来自基站c在资源块m上的信号所经信道的冲击响应，N₀为热噪声；

对于每个CoMP用户，计算用户连接的基站集合{C_k,1,C_k,2,...,C_k,k'}里的基站C_ki在资源块m上的最优发射功率和最佳子载波分配

其中，表示用户k连接的基站c在资源块m上的发射功率，μ_c和ξ_c分别表示不同的服务基站对应的拉格朗日乘子和发射功率与基站功耗的斜率；

步骤三：迭代判断

步骤二求出最优资源分配后，判断各用户速率R_k是否与相等；当用户速率R_k与不相等时认为算法未收敛，返回步骤一进行下一次迭代；当用户速率R_k与相等时时迭代结束，此时的资源分配即为最优的用户资源分配。

有益效果：本发明建立了CoMP HetNet***谱效和能效的联合优化问题，给出了一种能实现谱效和能效联合优化的资源分配方法。

本发明具有如下优点：

1.给出了一种能实现谱效和能效联合优化的有效、快速的功率分配方法，避免了暴力求解方法带来的复杂度。

2.运营商可以通过调节加权系数，灵活配置谱效和能效之间的比重，从而实现能效和谱效的折衷。

3.通过对用户数据速率的对数限制，保证了用户之间的公平性。

具体实施方式

下面结合具体实施方式对本发明做进一步说明。

能效和谱效并不是一直同时增大或减小的，而是在一定区间内谱效的增大会带来能效的急剧下降，因此并不能同时获得两者的最大值，而是应该进行能效和谱效的折衷，以实现能效和谱效的联合优化。

定义能效和谱效的联合优化问题为：

其中R_k和P_total分别表示用户k的数据速率和***总功耗，β₁与β₂表示加权系数，β₁与β₂取值由运营商根据网络运行情况自行决定。p_m,k表示用户k收到资源块m的信号功率，ρ_m,k表示资源块m对用户k的分配情况，当ρ_m,k＝0表示资源块未分配给用户k，当ρ_m,k＝1表示资源块被分配给用户k。p＝(p_1,1，p_1,2,p_1,3,...,p_M,K)，ρ＝(ρ_1,1,ρ_1,2,ρ_1,3,...,ρ_M,K)分别代表了功率和资源块的分配。P_TM和P_TP分别代表了运营商允许的宏基站和小站最大发射功率，K_M和K_P分别代表了宏基站和小站服务的用户集合，K_M与K_P分别表示宏基站和小站服务的用户数，K和M分别表示***总用户数与基站资源块个数。在给定的资源块和功率约束的条件下，对资源块和功率及其在各用户间的分配进行优化，从而实现能效和谱效的联合优化。

主要步骤包括：

1)步骤一：寻找用户速率下界，对用户速率进行近似

经过对数运算，用户的比例公平速率与基站发射功率之间存在较为复杂的数学关系，为了降低问题的复杂度，利用对偶方法将问题简化，将资源分配问题可以转化为：

其中，t_k为用户k数据速率R_k的下界，通过C7保证t_k与R_k的关系，t_k在代价函数中用来近似用户速率。由于对数函数是单调递增的函数，代价函数为下界t＝(t₁,t₂,t₃,...,t_K)的增函数，当代价函数达到最大值时_，下界t中的每个元素也将等于各用户的数据速率，因此变换后的问题与原问题有相同的最优解。

将式[2]整理为拉格朗日问题进行求解，拉格朗日函数为：

其中，λ＝(λ₁₁,λ₁₂,λ₁₃,...,λ_KM)为拉格朗日乘子，将拉格朗日问题分解为对偶问题及对偶方程：

对偶问题中，使用梯度下降法更新拉格朗日乘子：

λ_i＝max[0,λ_i+s₁(R_k-t_k)] [5]

其中，s₁为更新步长。

对于用户k，对拉格朗日函数进行求导并令其等于零，可得：

2)步骤二：用贪心算法分配用户资源

式[4]的对偶方程可以简化为：

其中，ξ₁和ξ₂分别表示宏基站和小站发射功率与消耗功率之间的斜率，与分别表示用户k在宏基站和小站分配到的功率，与分别表示宏基站和小站的电路功率，R表示小站数目。由于宏基站、小站的电路损耗在给定***中为常数值，问题可以写为：

应用拉格朗日对偶的方法将宏基站、小站对发射功率的限制加进拉格朗日函数，整理可得：

其中，r_mk表示用户k在资源块m上的数据速率，K_M1、K_P1和K_C分别表示宏基站服务的非CoMP用户、小站服务的非CoMP用户和***的CoMP用户数，M1和M2分别表示非CoMP和CoMP用户可用资源块数目，μ＝(μ_M,μ_P1,...,μ_PR)为拉格朗日乘子。

使用拉格朗日对偶的方法将拉格朗日问题分解为对偶问题及对偶方程：

对偶问题中，使用梯度下降法更新拉格朗日乘子，以宏基站为例：

其中，s₂为更新步长。

对于非CoMP用户，将拉格朗日函数Q(p,ρ,μ)中相关的部分整理得：

上式表明资源块之间并没有耦合关系。以宏基站非CoMP用户为例，基站的每个资源块可以分配给令下式达到最大值的非CoMP用户：

对于每个用户可以先计算资源块m上的最优发射功率，通过求导可得最优发射功率及最佳子载波分配

其中，I_mk表示用户k接收资源块m时接收到的干扰信号强度，为小区n内用户k收到的来自基站c在资源块m上的信号所经信道的冲击响应，N₀为热噪声。

对于每个CoMP用户，计算用户连接的基站集合{C_k,1,C_k,2,...,C_k,k'}里的基站C_ki在资源块m上的最优发射功率和最佳子载波分配

其中，表示用户k连接的基站c在资源块m上的发射功率，μ_c和ξ_c分别表示不同的服务基站对应的拉格朗日乘子和发射功率与基站功耗的斜率。

3)步骤三：迭代判断

步骤二求出最优资源分配后，判断各用户速率R_k是否与相等。当用户速率R_k与不相等时认为算法未收敛，返回步骤一进行下一次迭代；当用户速率R_k与相等时时迭代结束，此时的资源分配即为最优的用户资源分配。

实施例

下面通过实施例对本发明在CoMP HetNet***中资源分配的实施方式

作进一步介绍。

(1)基站根据运营商选定的加权系数，通过式[6]寻找用户速率下界t。

(2)基站根据式[14]-[17]分别对CoMP用户及非CoMP用户进行资源分配。

(3)如果用户速率R与下界t差值的平方范数大于门限值，则重复(1)到(3)；否则即完成了谱效、能效折衷时最优资源分配。门限值由运营商根据具体网络情况选择。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种异构网多点协作能效谱效联合优化的资源分配方法，其特征在于：

首先，定义能效和谱效的联合优化问题为：

其中，R_k和P_total分别表示用户k的数据速率和***总功耗，β₁与β₂表示加权系数，β₁与β₂取值由运营商根据网络运行情况自行决定；p_m,k表示用户k收到资源块m的信号功率，ρ_m,k表示资源块m对用户k的分配情况，当ρ_m,k＝0表示资源块未分配给用户k，当ρ_m,k＝1表示资源块被分配给用户k；p＝(p_1,1,p_1,2,p_1,3,...,p_M,K)，ρ＝(ρ_1,1,ρ_1,2,ρ_1,3,...,ρ_M,K)分别代表功率和资源块的分配；P_TM和P_TP分别代表了运营商允许的宏基站和小站最大发射功率，K_M和K_P分别代表了宏基站和小站服务的用户集合，K_M与K_P分别表示宏基站和小站服务的用户数，K和M分别表示***总用户数与基站资源块个数；

然后，在上述给定的资源块和功率约束的条件下，对资源块和功率及其在各用户间的分配进行优化，从而实现能效和谱效的联合优化；其中，对资源块和功率及其在各用户间的分配进行优化的方法为：通过对偶方法简化用户对数速率与功率之间的关系，再使用贪心算法思想分别对CoMP用户和非CoMP用户进行资源分配；

对资源块和功率及其在各用户间的分配进行优化的具体步骤为：

步骤一，寻找用户速率下界，对用户速率进行近似：

利用对偶方法将问题简化，将资源分配问题转化为：

其中，t_k为用户k数据速率R_k的下界，通过C7保证t_k与R_k的关系，t_k在代价函数中用来近似用户速率；由于对数函数是单调递增的函数，代价函数为下界t＝(t₁,t₂,t₃,...,t_K)的增函数，当代价函数达到最大值时，下界t中的每个元素也将等于各用户的数据速率，因此变换后的问题与原问题有相同的最优解；

将上式整理为拉格朗日问题进行求解，拉格朗日函数为：

s.t.C1,...,C6.

其中，λ＝(λ₁₁,λ₁₂,λ₁₃,...,λ_mk)为拉格朗日乘子，将拉格朗日问题分解为对偶问题及对偶方程：

s.t.C1,...,C6.

对偶问题中，使用梯度下降法更新拉格朗日乘子：

λ_i＝max[0,λ_i+s₁(R_k-t_k)]

其中，s₁为更新步长；

对于用户k，对拉格朗日函数进行求导并令其等于零，得到：

步骤二：用贪心算法分配用户资源：

将步骤一中的对偶方程简化为：

s.t.C1,...,C6

其中，ξ₁和ξ₂分别表示宏基站和小站发射功率与消耗功率之间的斜率，与分别表示用户k在宏基站和小站分配到的功率，与分别表示宏基站和小站的电路功率，R表示小站数目；由于宏基站、小站的电路损耗在给定***中为常数值，问题能够写为：

s.t.C1,...,C6

应用拉格朗日对偶的方法将宏基站、小站对发射功率的限制加进拉格朗日函数，整理得到：

s.t.C1,...,C3,C6

其中，r_mk表示用户k在资源块m上的数据速率，K_M1、K_P1和K_C分别表示宏基站服务的非CoMP用户、小站服务的非CoMP用户和***的CoMP用户数，M1和M2分别表示非CoMP和CoMP用户可用资源块数目，μ＝(μ_M，μ_p1，…，μ_PR，)为拉格朗日乘子；

使用拉格朗日对偶的方法将拉格朗日问题分解为对偶问题及对偶方程：

s.t.C1,...,C3,C6.

对偶问题中，使用梯度下降法更新拉格朗日乘子，以宏基站为例：

其中，s₂为更新步长；

对于非CoMP用户，将拉格朗日函数Q(p,ρ,μ)中相关的部分整理得：

上式表明资源块之间并没有耦合关系；以宏基站非CoMP用户为例，基站的每个资源块分配给令下式达到最大值的非CoMP用户：

对于每个用户先计算资源块m上的最优发射功率，通过求导得到最优发射功率及最佳子载波分配

其中，I_mk表示用户k接收资源块m时接收到的干扰信号强度，为小区n内用户k收到的来自基站c在资源块m上的信号所经信道的冲击响应，N₀为热噪声；

对于每个CoMP用户，计算用户连接的基站集合{C_k，1，C_k，2，...，C_k，i}里的基站C_k，i在资源块m上的最优发射功率和最佳子载波分配

其中，表示用户k连接的基站c在资源块m上的发射功率，μ_c和ξ_c分别表示不同的服务基站对应的拉格朗日乘子和发射功率与基站功耗的斜率；

步骤三：迭代判断

步骤二求出最优资源分配后，判断各用户速率R_k是否与相等；当用户速率R_k与不相等时认为算法未收敛，返回步骤一进行下一次迭代；当用户速率R_k与相等时时迭代结束，此时的资源分配即为最优的用户资源分配。