CN107070511B - 一种用于miso无线公平性网络的用户接入控制优化方法 - Google Patents

一种用于miso无线公平性网络的用户接入控制优化方法 Download PDF

Info

Publication number
CN107070511B
CN107070511B CN201710445404.5A CN201710445404A CN107070511B CN 107070511 B CN107070511 B CN 107070511B CN 201710445404 A CN201710445404 A CN 201710445404A CN 107070511 B CN107070511 B CN 107070511B
Authority
CN
China
Prior art keywords
matrix
user
vector
updating
service quality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710445404.5A
Other languages
English (en)
Other versions
CN107070511A (zh
Inventor
林静然
赵睿铭
利强
邵怀宗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201710445404.5A priority Critical patent/CN107070511B/zh
Publication of CN107070511A publication Critical patent/CN107070511A/zh
Application granted granted Critical
Publication of CN107070511B publication Critical patent/CN107070511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种用于MISO无线公平性网络的用户接入控制优化方法，包括步骤：(1)***初始化；(2)采用ADMM算法更新相关变量，并迭代求解出接入用户集A和波束赋形矩阵W；(3)根据步骤(2)得到的解，输出最优结果。本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案。本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。

Description

一种用于MISO无线公平性网络的用户接入控制优化方法
技术领域
本发明涉及移动通信领域，尤其涉及一种用于MISO无线公平性网络的用户接入控制优化方法。
背景技术
在无线网络管理中，由于木桶效应，有时候往往是最差的用户决定整个网络的服务质量，所以我们以使信噪干比(SINR)最小的用户拥有最大的信噪干比的公平性准则为目标，来提高网络的整体服务质量。然而，如果有大量用户等待服务，随着用户之间的竞争，整个网络会变得很拥挤，导致服务质量下降，对大规模网络而言这个问题变得尤为明显。所以，我们引入了用户接入控制来缓解这个问题，即只选取一部分用户接入网络，同时保证这些用户的公平性，并且能够享受到高服务质量。
发明内容
本发明所要解决的技术问题是提供一种用于MISO无线公平性网络的用户接入控制优化方法,在给定总能量约束的条件下，得到应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案,在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。
本发明解决上述技术问题的技术方案如下：
一种用于MISO无线公平性网络的用户接入控制优化方法，包括以下步骤：
步骤1：设定参数：
所述参数包括需要接入的用户个数N、基站配备的天线数T、初始服务质量阈值γ(0)、噪声功率σ2、迭代终止门限ε、各用户和基站间的发送波束赋形矩阵W＝[w1,...,wM]以及各用户和基站间的传输信道矢量矩阵
Figure BDA0001320273050000021
步骤2：采用ADMM算法更新相关变量，并迭代求解接入用户集A和波束赋形矩阵W，具体求解过程如下:
步骤2-1：采用ADMM迭代算法，求解波束赋形矩阵W和服务质量指标θ；
步骤2-1-1：初始化参数：
设定
Figure BDA0001320273050000022
θ,q,F,Φ,λ的初始值：
其中，辅助矩阵
Figure BDA0001320273050000023
由无线通信网中的信道矩阵
Figure BDA0001320273050000024
噪声功率σ和波束赋形矩阵
Figure BDA0001320273050000025
构建而成；
θ是服务质量指标；
Figure BDA0001320273050000026
和
Figure BDA0001320273050000027
为当前迭代中接入用户对应的波束赋形矩阵和信道矩阵，I＝|A|表征当前迭代的接入用户数；
q＝(q1,q2,...,qI)T为服务质量指标向量；
λ∈CI×1为正态高斯分布随机向量；
Φ∈CI×(I+1)为正态高斯分布随机矩阵；
设定ADMM算法的惩罚参数c值；
步骤2-1-2：根据初始化参数更新服务质量指标θ，按照如下公式对服务质量指标θ进行更新：
Figure BDA0001320273050000028
其中，λi是随机向量λ的第i个元素；qi是服务质量指标向量q的地i个元素；c是惩罚参数；I是当前迭代接入的用户个数；
步骤2-1-3：更新波束赋形矩阵
Figure BDA0001320273050000031
按照如下公式对波束赋形矩阵
Figure BDA0001320273050000032
进行更新：
Figure BDA0001320273050000033
其中，Φw、Fw是和
Figure BDA0001320273050000034
具有相同维度的矩阵，即为去掉随机矩阵φ和辅助矩阵F的最后一列的部分所组成的左子矩阵；
如果
Figure BDA0001320273050000035
则λw＝0；否则，利用二分法求得λw，再代入λw，到上式
Figure BDA0001320273050000036
中，求得W，其中，λw是拉格朗日乘子，
Figure BDA0001320273050000037
是总能量预算；
所述二分法步骤如下：
步骤2-1-3-1：初始化：对
Figure BDA0001320273050000038
进行特征值分解，得到
Figure BDA0001320273050000039
其中Π＝diag(π1,π2,...,πT)是
Figure BDA00013202730500000310
的特征值对角矩阵；V∈CT×T是酉特征向量矩阵；令
Figure BDA00013202730500000311
为特征矩阵，
Figure BDA00013202730500000312
为Ψ的第t个对角元素；设定拉格朗日乘子下限λl和上限λu；
步骤2-1-3-2：二分法取λw为其中间值(λl+λu)/2；
步骤2-1-3-3：如果
Figure BDA00013202730500000313
那么λu＝λw；否则，λl＝λw；
重复步骤2-1-3-2和步骤2-1-3-3，直到|λl-λu|≤ε；
其中,ε是迭代终止门限；
步骤2-1-4：更新辅助矩阵F和服务质量指标向量q，其由如下规则获得：
Figure BDA0001320273050000041
其中，
Figure BDA0001320273050000042
是F的第i个对角元素；
Figure BDA0001320273050000043
是F中第i个行向量
Figure BDA0001320273050000044
中除去
Figure BDA0001320273050000045
后剩余的元素组成的向量；
yi是
Figure BDA0001320273050000046
的第i行行向量，
Figure BDA0001320273050000047
是yi的第i个元素，
Figure BDA0001320273050000048
是Φ的第i个对角元素；
Figure BDA0001320273050000049
是yi中除去
Figure BDA00013202730500000410
后剩余的元素组成的向量，
Figure BDA00013202730500000411
是Φ的第i个行向量中除去
Figure BDA00013202730500000412
后剩余的元素组成的向量；
λi是随机向量λ的第i个元素；γ是当前迭代中计算出的总用户服务质量，κ是辅助变量；
步骤2-1-5：更新随机向量和随机矩阵λ,Φ，通过如下公式进行更新：
λi＝λi+c(qi-θ)
Figure BDA00013202730500000413
其中，φi是随机矩阵Φ的第i行向量；
步骤2-1-6：内层迭代：
重复步骤2-1-2至步骤2-1-5，直到
Figure BDA00013202730500000414
时停止迭代，得到波束赋形W、服务质量指标θ；其中，ε是迭代终止门限；
步骤2-2：计算各自用户服务质量γm，
Figure BDA0001320273050000051
按照如下公式计算：
Figure BDA0001320273050000052
其中，hm∈CT×1表示当前迭代中用户m与基站之间的传输信道矢量，wm∈CT×1表示当前迭代中基站与用户m之间的发送波束赋形，σ2为噪声功率；
步骤2-3：更新接入用户集A，其具体过程为：
如果|A|>N，则更新各自用户服务质量，按照如下公式对各自用户服务质量进行更新：
Figure BDA0001320273050000053
删除接入用户集A中最小γm所对应的用户；
否则，接入用户集A保持不变；
步骤2-4：更新用户服务质量阈值，按照如下公式对用户服务质量阈值进行更新：
γ＝minm∈Aγm
步骤2-5：外层迭代：重复步骤2-1至步骤2-4，直到θ＜ε且|A|＝N时停止迭代，得到可接入用户集A和波束赋形矩阵W，其中，ε是迭代终止门限。
本发明的有益效果是：本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案；本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。
附图说明
图1为本发明的方法总体流程图；
图2为本发明的ADMM迭代算法求解流程图；
图3为本发明的方法和现有算法性能比较仿真图；
图4为本发明的方法和现有算法效率比较仿真图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明提供了一种用于MISO无线公平性网络的用户接入控制优化方法，在给定总能量约束的条件下，得到应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案，本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。
该方法的应用场景具体描述如下：
假设在一个下行MISO网络中有M个用户和1个基站，考虑其下行链路传输过程，每个用户配备单天线，每个基站配备T(T>1)根天线。用hm∈CT×1表示用户m与基站之间的传输信道矢量，wm∈CT×1表示基站与用户m之间的发送波束赋形，其中m＝1,2,...,M.令σ2表示基站处的高斯白噪声功率，简便起见这里假设所有基站接收到的白噪声功率相同。
发送波束赋形矩阵W∈CT×M可以表示为W＝[w1,...,wM]。
采用信干噪比描述服务质量，用户m的信干噪比可以通过式(1)计算：
Figure BDA0001320273050000061
考虑问题(2)如下所示。
Figure BDA0001320273050000062
其中，
Figure BDA0001320273050000063
是总能量预算。θ是SINR是服务质量指标，它可以表示整个网络的服务质量的好坏。
本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案。本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。
一种用于MISO无线公平性网络的用户接入控制优化方法，其特征在于,包括以下步骤：
步骤1：设定参数：
所述参数包括需要接入的用户个数N、基站配备的天线数T、初始服务质量阈值γ(0)、噪声功率σ2、迭代终止门限ε、各用户和基站间的发送波束赋形矩阵W＝[w1,...,wM]以及各用户和基站间的传输信道矢量矩阵
Figure BDA0001320273050000071
步骤2：采用ADMM算法更新相关变量，并迭代求解接入用户集A和波束赋形矩阵W，具体求解过程如下:
步骤2-1：采用ADMM迭代算法，求解波束赋形矩阵W和服务质量指标θ；
步骤2-1-1：初始化参数：
设定
Figure BDA0001320273050000072
θ,q,F,Φ,λ的初始值：
其中，辅助矩阵
Figure BDA0001320273050000073
由无线通信网中的信道矩阵
Figure BDA0001320273050000074
噪声功率σ和波束赋形矩阵
Figure BDA0001320273050000075
构建而成；
θ是服务质量指标；
Figure BDA0001320273050000076
和
Figure BDA0001320273050000077
为当前迭代中接入用户对应的波束赋形矩阵和信道矩阵，I＝|A|表征当前迭代的接入用户数；
q＝(q1,q2,...,qI)T为服务质量指标向量；
λ∈CI×1为正态高斯分布随机向量；
Φ∈CI×(I+1)为正态高斯分布随机矩阵；
设定ADMM算法的惩罚参数c值；
步骤2-1-2：根据初始化参数更新服务质量指标θ，按照如下公式对服务质量指标θ进行更新：
Figure BDA0001320273050000081
其中，λi是随机向量λ的第i个元素；qi是服务质量指标向量q的地i个元素；c是惩罚参数；I是当前迭代接入的用户个数；
步骤2-1-3：更新波束赋形矩阵
Figure BDA0001320273050000082
按照如下公式对波束赋形矩阵
Figure BDA0001320273050000083
进行更新：
Figure BDA0001320273050000084
其中，Φw、Fw是和
Figure BDA0001320273050000085
具有相同维度的矩阵，即为去掉随机矩阵φ和辅助矩阵F的最后一列的部分所组成的左子矩阵；
如果
Figure BDA0001320273050000086
则λw＝0；否则，利用二分法求得λw，再代入λw，到上式
Figure BDA0001320273050000087
中，求得W，其中，λw是拉格朗日乘子，
Figure BDA00013202730500000814
是总能量预算；
所述二分法步骤如下：
步骤2-1-3-1：初始化：对
Figure BDA0001320273050000088
进行特征值分解，得到
Figure BDA0001320273050000089
其中Π＝diag(π1,π2,...,πT)是
Figure BDA00013202730500000810
的特征值对角矩阵；V∈CT×T是酉特征向量矩阵；令
Figure BDA00013202730500000811
为特征矩阵，
Figure BDA00013202730500000812
为Ψ的第t个对角元素；设定拉格朗日乘子下限λl和上限λu；
步骤2-1-3-2：二分法取λw为其中间值(λl+λu)/2；
步骤2-1-3-3：如果
Figure BDA00013202730500000813
那么λu＝λw；否则，λl＝λw；
重复步骤2-1-3-2和步骤2-1-3-3，直到|λl-λu|≤ε；
其中,ε是迭代终止门限；
步骤2-1-4：更新辅助矩阵F和服务质量指标向量q，辅助矩阵F的第i行向量fi，即属于用户i，其由如下规则获得：
Figure BDA0001320273050000091
其中，
Figure BDA0001320273050000092
是F的第i个对角元素；
Figure BDA0001320273050000093
是F中第i个行向量
Figure BDA0001320273050000094
中除去
Figure BDA0001320273050000095
后剩余的元素组成的向量；
yi是
Figure BDA0001320273050000096
的第i行行向量，
Figure BDA0001320273050000097
是yi的第i个元素，
Figure BDA0001320273050000098
是Φ的第i个对角元素；
Figure BDA0001320273050000099
是yi中除去
Figure BDA00013202730500000913
后剩余的元素组成的向量，
Figure BDA00013202730500000910
是Φ的第i个行向量中除去
Figure BDA00013202730500000911
后剩余的元素组成的向量；
λi是随机向量λ的第i个元素；γ是当前迭代中计算出的总用户服务质量，κ是辅助变量；
步骤2-1-5：更新随机向量和随机矩阵λ,Φ，通过如下公式进行更新：
λi＝λi+c(qi-θ)
Figure BDA00013202730500000912
其中，φi是随机矩阵Φ的第i行向量；
步骤2-1-6：内层迭代：
重复步骤2-1-2至步骤2-1-5，直到
Figure BDA0001320273050000101
时停止迭代，得到波束赋形W、服务质量指标θ{W,θ}；其中，ε是迭代终止门限；
步骤2-2：计算各自用户服务质量γm，
Figure BDA0001320273050000102
按照如下公式计算：
Figure BDA0001320273050000103
其中，hm∈CT×1表示当前迭代中用户m与基站之间的传输信道矢量，wm∈CT×1表示当前迭代中基站与用户m之间的发送波束赋形，σ2为噪声功率；
步骤2-3：更新接入用户集A，其具体过程为：
如果|A|>N，则更新各自用户服务质量，按照如下公式对各自用户服务质量进行更新：
Figure BDA0001320273050000104
删除接入用户集A中最小γm所对应的用户；
否则，接入用户集A保持不变；
步骤2-4：更新用户服务质量阈值，按照如下公式对用户服务质量阈值进行更新：
γ＝minm∈Aγm
步骤2-5：外层迭代：重复步骤2-1至步骤2-4，直到θ＜ε且|A|＝N时停止迭代，得到可接入用户集A和波束赋形矩阵W，其中，ε是迭代终止门限。
以上为问题(2)的ADMM实现方法，运算速度会比CVX实现快很多。
在本发明的一个实施例中，还可以设置最大迭代轮数，当达到最大迭代轮数且最近两轮迭代更新得到的矩阵的差异仍大于预先设定的门限值时，仍然可以停止迭代。
实施例1
假设小区网络中有1个基站和M＝10个用户，随机分布在一个正六边形的小区内，小区六边各边长为d＝1000m。基站配备T＝20根天线，用户均配备单天线。假设用户m与基站之间的距离为dm,m＝1,2,...,10.那么，由于基站配备T根天线，他们之间的传输信道hm是T维的且满足均值为0，方差为
Figure BDA0001320273050000113
的瑞利信道，其中Lm为阴影衰减系数，它是服从均值为0，标准差为8的高斯分布的随机变量。
Figure BDA0001320273050000111
假设各个基站处的环境噪声为σ2＝0dB，基站的发射功率上限均为30dB，即
Figure BDA0001320273050000112
其依次按照上述步骤进行操作，完成整个网络的动态用户接入控制和波束赋形矩阵，在此不再赘述。
本发明和现有技术的三种算法分别在性能和效率两方面做出了对比，其仿真结果如下：
图3是性能比较：可以看出贪婪算法性能最佳，本发明的方法次之，但相差不大，尤其在用户总数足够大时几乎与贪婪算法性能相同。
图4是效率比较：可以看出贪婪算法运行所用时间远远大于另外三种算法，尤其是在用户总数较大时，所以在大规模网络中不可取。而本发明即采用了ADMM的提出算法，运行时间与耗时最少的随机法持平，且若将一部分计算量分摊到各个用户终端去并行完成，运行时间还将进一步减少。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种用于MISO无线公平性网络的用户接入控制优化方法，其特征在于,包括以下步骤：
步骤1：设定参数：
所述参数包括需要接入的用户个数M、基站配备的天线数T、初始服务质量阈值γ(0)、噪声功率σ、迭代终止门限ε、各用户和基站间的发送波束赋形矩阵W＝[w1,...,wM]以及各用户和基站间的传输信道矢量矩阵
Figure FDA0002383510080000011
步骤2：采用ADMM算法更新相关变量，并迭代求解接入用户集
Figure FDA0002383510080000012
和波束赋形矩阵W，具体求解过程如下:
步骤2-1：采用ADMM迭代算法，求解波束赋形矩阵W和服务质量指标θ；
步骤2-1-1：初始化参数：
设定
Figure FDA0002383510080000013
θ,q,F,Φ,λ的初始值：
其中，辅助矩阵
Figure FDA0002383510080000014
由无线通信网中的信道矩阵
Figure FDA0002383510080000015
噪声功率σ和波束赋形矩阵
Figure FDA0002383510080000016
构建而成，1表示元素全为1的列向量；
θ是服务质量指标；
Figure FDA0002383510080000017
和
Figure FDA0002383510080000018
为当前迭代中接入用户对应的波束赋形矩阵和信道矩阵，
Figure FDA0002383510080000019
表征当前迭代的接入用户数；
q＝(q1,q2,...,qI)T为服务质量指标向量；
Figure FDA00023835100800000110
为正态高斯分布随机向量；
Figure FDA00023835100800000111
为正态高斯分布随机矩阵；
设定ADMM算法的惩罚参数c值；
步骤2-1-2：根据初始化参数更新服务质量指标θ，按照如下公式对服务质量指标θ进行更新：
Figure FDA00023835100800000112
其中，λi是随机向量λ的第i个元素；qi是服务质量指标向量q的第i个元素；c是惩罚参数；I是当前迭代接入的用户个数；
步骤2-1-3：更新波束赋形矩阵
Figure FDA0002383510080000021
按照如下公式对波束赋形矩阵
Figure FDA0002383510080000022
进行更新：
Figure FDA0002383510080000023
其中，Φw、Fw是和
Figure FDA0002383510080000024
具有相同维度的矩阵，即为去掉随机矩阵φ和辅助矩阵F的最后一列的部分所组成的左子矩阵；
如果
Figure FDA0002383510080000025
则λw＝0；否则，利用二分法求得λw，再将λw代入到上式
Figure FDA0002383510080000026
中，求得W，其中，λw是拉格朗日乘子，
Figure FDA0002383510080000027
是总能量预算；
所述二分法步骤如下：
步骤2-1-3-1：初始化：对
Figure FDA0002383510080000028
进行特征值分解，得到
Figure FDA0002383510080000029
其中，Π＝diag(π1,π2,...,πT)是
Figure FDA00023835100800000210
的特征值对角矩阵；
Figure FDA00023835100800000211
是酉特征向量矩阵；令
Figure FDA00023835100800000212
为特征矩阵，
Figure FDA00023835100800000213
为Ψ的第t个对角元素；设定拉格朗日乘子下限λl和上限λu；
步骤2-1-3-2：二分法取λw为其中间值(λl+λu)/2；
步骤2-1-3-3：如果
Figure FDA00023835100800000214
那么λu＝λw；否则，λl＝λw；
重复步骤2-1-3-2和步骤2-1-3-3，直到|λl-λu|≤ε；
其中,ε是迭代终止门限；
步骤2-1-4：更新辅助矩阵F和服务质量指标向量q，其由如下规则获得：
Figure FDA0002383510080000031
其中，fi i是F的第i个对角元素；
Figure FDA0002383510080000032
是F中第i个行向量
Figure FDA0002383510080000033
中除去fi i后剩余的元素组成的向量,运算符[x]+＝max{0,x}，即如果变量为负，则返回0，否则，返回变量本身；
yi是
Figure FDA0002383510080000034
的第i行行向量，
Figure FDA0002383510080000035
是yi的第i个元素，
Figure FDA0002383510080000036
是Φ的第i个对角元素；
Figure FDA0002383510080000037
是yi中除去
Figure FDA0002383510080000038
后剩余的元素组成的向量，
Figure FDA0002383510080000039
是Φ的第i个行向量中除去
Figure FDA00023835100800000310
后剩余的元素组成的向量；
λi是随机向量λ的第i个元素；γ是当前迭代中计算出的总用户服务质量，κ是辅助变量；
步骤2-1-5：更新随机向量和随机矩阵λ,Φ，通过如下公式进行更新：
λi＝λi+c(qi-θ)
Figure FDA00023835100800000311
其中，φi是随机矩阵Φ的第i行向量；
步骤2-1-6：内层迭代：
重复步骤2-1-2至步骤2-1-5，直到
Figure FDA0002383510080000041
时停止迭代，得到波束赋形W、服务质量指标θ；其中，ε是迭代终止门限,1表示元素全为1的列向量；
步骤2-2：计算各自用户服务质量γm，
Figure FDA0002383510080000042
按照如下公式计算：
Figure FDA0002383510080000043
其中，hm∈CT×1表示当前迭代中用户m与基站之间的传输信道矢量，wm∈CT×1表示当前迭代中基站与用户m之间的发送波束赋形，σ2为噪声功率；
步骤2-3：更新接入用户集
Figure FDA0002383510080000044
其具体过程为：
如果
Figure FDA0002383510080000045
则更新各自用户服务质量，按照如下公式对各自用户服务质量进行更新：
Figure FDA0002383510080000046
删除接入用户集
Figure FDA0002383510080000047
中最小γm所对应的用户；
否则，接入用户集
Figure FDA0002383510080000048
保持不变；
步骤2-4：更新用户服务质量阈值，按照如下公式对用户服务质量阈值进行更新：
Figure FDA0002383510080000049
步骤2-5：外层迭代：重复步骤2-1至步骤2-4，直到θ<ε且
Figure FDA00023835100800000410
时停止迭代，得到接入用户集
Figure FDA00023835100800000411
和波束赋形矩阵W，其中，ε是迭代终止门限。
CN201710445404.5A 2017-06-13 2017-06-13 一种用于miso无线公平性网络的用户接入控制优化方法 Active CN107070511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710445404.5A CN107070511B (zh) 2017-06-13 2017-06-13 一种用于miso无线公平性网络的用户接入控制优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710445404.5A CN107070511B (zh) 2017-06-13 2017-06-13 一种用于miso无线公平性网络的用户接入控制优化方法

Publications (2)

Publication Number Publication Date
CN107070511A CN107070511A (zh) 2017-08-18
CN107070511B true CN107070511B (zh) 2020-04-14

Family

ID=59595088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710445404.5A Active CN107070511B (zh) 2017-06-13 2017-06-13 一种用于miso无线公平性网络的用户接入控制优化方法

Country Status (1)

Country Link
CN (1) CN107070511B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108923981B (zh) * 2018-07-12 2021-04-20 电子科技大学 下行miso网络中接入控制和波束赋形的联合优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1398881A1 (en) * 2002-09-05 2004-03-17 STMicroelectronics N.V. Combined turbo-code/convolutional code decoder, in particular for mobile radio systems
CN103138815A (zh) * 2011-12-01 2013-06-05 南京航空航天大学 空间相关miso***中基于不完全信道信息预编码方法
CN105429709A (zh) * 2015-11-11 2016-03-23 东南大学 一种mu-miso可见光通信***迫零预编码矩阵确定方法
CN106211199A (zh) * 2016-07-20 2016-12-07 电子科技大学 用于miso无线网络的基站激活与用户接入联合控制方法
CN106682405A (zh) * 2016-12-14 2017-05-17 西北工业大学 基于凸优化的低旁瓣波束图综合设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1398881A1 (en) * 2002-09-05 2004-03-17 STMicroelectronics N.V. Combined turbo-code/convolutional code decoder, in particular for mobile radio systems
CN103138815A (zh) * 2011-12-01 2013-06-05 南京航空航天大学 空间相关miso***中基于不完全信道信息预编码方法
CN105429709A (zh) * 2015-11-11 2016-03-23 东南大学 一种mu-miso可见光通信***迫零预编码矩阵确定方法
CN106211199A (zh) * 2016-07-20 2016-12-07 电子科技大学 用于miso无线网络的基站激活与用户接入联合控制方法
CN106682405A (zh) * 2016-12-14 2017-05-17 西北工业大学 基于凸优化的低旁瓣波束图综合设计方法

Also Published As

Publication number Publication date
CN107070511A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN109729528B (zh) 一种基于多智能体深度强化学习的d2d资源分配方法
CN109302262B (zh) 一种基于深度确定梯度强化学习的通信抗干扰方法
CN109068391B (zh) 基于边缘计算和Actor-Critic算法的车联网通信优化算法
CN112737837B (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
CN109600178B (zh) 一种边缘计算中能耗与时延和最小化的优化方法
CN108391317B (zh) 一种蜂窝网络中d2d通信的资源分配方法及***
CN107426773B (zh) 无线异构网络中面向能效的分布式资源分配方法和装置
CN110233755B (zh) 一种物联网中雾计算的计算资源和频谱资源分配方法
CN107708197B (zh) 一种高能效的异构网络用户接入和功率控制方法
CN110519849B (zh) 一种针对移动边缘计算的通信和计算资源联合分配方法
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
CN107172576B (zh) 一种增强蜂窝网安全性的d2d通信下行资源共享方法
CN105873214A (zh) 一种基于遗传算法的d2d通信***的资源分配方法
CN108848045B (zh) 基于联合干扰对齐和功率优化的d2d通信干扰管理方法
Lin et al. Joint offloading decision and resource allocation for multiuser NOMA-MEC systems
CN112235835A (zh) 一种时变移动边缘计算网络的动态卸载方法
CN106358300A (zh) 一种微蜂窝网络中的分布式资源分配方法
Wang et al. DDPG-based joint resource management for latency minimization in NOMA-MEC networks
CN108282888B (zh) 一种基于改进模糊聚类的d2d资源分配方法
CN107070511B (zh) 一种用于miso无线公平性网络的用户接入控制优化方法
CN113194031B (zh) 雾无线接入网内结合干扰抑制的用户聚类方法及***
CN108668283B (zh) 一种超边加权的超图干扰模型及分布式频谱接入方法
CN101925166B (zh) 扇区间的协作调度方法和***
CN112770398A (zh) 一种基于卷积神经网络的远端射频端功率控制方法
Liu et al. Power allocation in ultra-dense networks through deep deterministic policy gradient

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant