CN114285444B - 一种去蜂窝大规模mimo***的功率优化方法 - Google Patents

Abstract

本发明公开了一种去蜂窝大规模MIMO***的功率优化方法，包括如下步骤，获取***的初始参数信息，建立接入点AP的接收信号函数；根据所述接收信号函数，建立上行用户和速率优化问题；基于wMMSE算法，寻求所述优化问题的最优解；根据最优解，获取***内所有用户的功率优化结果。本发明采用的功率优化方法，提高了上行用户和速率，从而补偿了由***引起的用户速率下降，提高了去蜂窝大规模MIMO***的整体性能。

Description

一种去蜂窝大规模MIMO***的功率优化方法

技术领域

本发明涉及一种去蜂窝大规模MIMO***的功率优化方法，属于无线通信技术领域。

背景技术

为了满足不断增长的高数据速率需求，大规模多输入多输出(MIMO)技术在***和第五代移动通信***中得到重大应用，是一种为基站配备大量的天线，以获得高吞吐量、高可靠性和高能量效率的无线接入技术。然而，***内小区间的干扰、频繁切换和覆盖率等问题，严重限制了蜂窝网***性能的进一步提升。

为了满足智能终端和新移动服务带来的移动互联网用户的激增，去蜂窝大规模MIMO***被认为是未来移动通信方面最具颠覆性和最具发展前景的技术，取消了蜂窝制式***架构，引入大量的随机分布式接入点AP为用户提供高质量服务。在去蜂窝大规模MIMO***中，AP和用户以低发射功率运行，强大的***可以在导频训练阶段干扰信道估计，进一步导致用户数据传输速率的下降，对整个去蜂窝大规模MIMO***性能产生严重威胁。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种去蜂窝大规模MIMO***的功率优化方法，构建***上行用户和速率优化问题，并求得该优化问题的局部最优解，补偿由***引起的用户速率下降，提高***的整体性能。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种去蜂窝大规模MIMO***的功率优化方法，包括如下步骤，

获取***的初始参数信息，建立接入点AP的接收信号函数；

根据所述接收信号函数，建立上行用户和速率优化问题；

基于wMMSE算法，寻求所述优化问题的最优解；

根据最优解，获取***内所有用户的功率优化结果。

进一步的，所述接入点AP的接收信号函数为

其中，y_l为接入点AP的M维接收信号函数，M为接入点AP的天线数量；ρ为用户的信号发送功率；q为***的信号发送功率；η_k为任意用户k的功率控制参数；x_k为用户数据信号；s_j为干扰数据信号；

为加性高斯白噪声，/>

表示随机变量满足复高斯分布，I_M表示M×M维单位矩阵；g_l,k为第l个AP与用户k之间的信道，g_l,j为第l个AP与***j之间的信道，且满足/>

β_l,k为用户信道的大尺度衰落参数，β_l,j为干扰信道的大尺度衰落参数，I_M表示M×M维单位矩阵。

进一步的，根据所述接收信号函数，进行上行导频训练和上行数据传输，获取用户信道估计和干扰信道估计；

所述用户信道估计表达式为，

其中，

为用户信道估计；参数α₁为用户信道估计关于真实用户信道的系数，α₂为用户信道估计关于真实干扰信道的系数，c_l,k为利用MMSE进行用户信道估计得到的系数；ρ_p为用户的导频传输功率；q_p分别为用户和***的导频传输功率；τ_p为导频传输序列长度；

为用户k采用的维度为τ_p的复数列向量导频；/>

为***发送的导频，/>

表示/>

的共轭转置运算，且满足/>

E表示期望；/>

为加性高斯白噪声，I_M表示M×M维单位矩阵；k′表示用户序号；集合/>

表示与用户k使用相同导频的用户序号集，并包含用户k；g_l,k′表示第l个AP与第k′个用户之间的信道，

所述干扰信道估计表达式为，

其中，

为干扰信道估计；b为干扰信道估计关于真实干扰信道的系数；/>

为一个未被用户使用的导频；/>

为加性高斯白噪声，I_M表示M×M维单位矩阵。

进一步的，还包括，根据用户信道估计和干扰信号估计，建立上行用户速率闭式表达式；

所述上行用户速率闭式表达式为

R_k＝log₂(1+SINR_k)

其中，R_k为上行用户速率，SINR_k为信干噪比，其表达式如下，

a.s.表示全概率成立；ρ_u和q_u分别为用户和***的最大信号发射功率；L为接入点AP的数量；

表示用户信道估计关于真实干扰信道的系数的伴随矩阵运算。

进一步的，还包括，根据上行用户速率闭式表达式，建立上行用户和速率优化问题，表达式如下，

P₁为第一优化问题；s.t.表示约束条件；η_k为任意用户k的功率控制参数；R_k为上行用户速率。

进一步的，还包括，将优化问题P₁转化为优化问题P₂，表达式如下，

其中，P₂为第一优化问题；s.t.表示约束条件；v_k为接收机参数；ξ_k为用户k的功率控制参数η_k开根号，满足

为单输入单输出***的输入信号与单输入单输出***输出信号经接收机检测得到的信号的均方误差；μ_k为最小均方误差的倒数。

进一步的，基于wMMSE算法，利用拉格朗日乘子法，交替优化v_k，μ_k和ξ_k，通过循环迭代，求解优化问题P₂的局部最优解η_k，η_k即为***内用户采用的功率控制系数。

第二方面，本发明提供了一种去蜂窝大规模MIMO***的功率优化装置，包括，

数据获取模块，用于获取***的初始参数信息，包括用户和***的数据信号，信号发送功率及信道的大尺度衰落参数；

函数建立模块，用于建立AP的接收信号函数，进行上行导频训练和上行数据传输，获取上行用户速率闭式表达式，建立上行用户和速率优化问题；

问题计算模块，基于wMMSE算法，寻求所述优化问题的最优解；

功率优化模块，根据最优解，获取***内所有用户的功率控制优化结果。

进一步的，还包括，至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机上述的方法。

与现有技术相比，本发明所达到的有益效果：

本发明提供的一种去蜂窝大规模MIMO***的功率优化方法，根据***的初始参数信息，建立上行用户和速率优化问题；并进一步转化该优化问题，以求得该优化问题的最优解，得到***内所有用户的功率控制优化结果；本发明采用的基于wMMSE算法的功率优化方法，提高了上行用户和速率，从而补偿了由***引起的用户速率下降，提高了去蜂窝大规模MIMO***的整体性能。

附图说明

图1为去蜂窝大规模MIMO***的功率优化方法的流程图；

图2为去蜂窝大规模MIMO***的功率优化方法的应用场景实例图；

图3为去蜂窝大规模MIMO***的功率优化方法的MIMO收发端天线图；

图4为去蜂窝大规模MIMO***的功率优化方法的使用TDD的帧结构图；

图5为接入点AP部署不同天线根数时，采用固定功率分配和采用本发明方法得到的上行用户和速率对比图；

图6为***采用不同的导频传输功率时，采用固定功率分配和采用本发明方法得到的上行用户和速率对比图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明涉及的名词解释如下：

AP：接入点，Access Point；

wMMSE：加权最小均方误差，weighted Minimum Mean Squared Error；

MMSE：最小均方误差，Minimum Mean Squared Error；

CPU：中心处理单元，Central Processing Units；

CSI：信道状态信息，Channel State Information；

TDD：时分双工，Time Division Duplex。

本发明的技术构思为，在满足单个AP功率限制的情况下，建立***上行用户和速率优化问题，并利用以wMMSE思想为启发的算法得到每次迭代的闭式表达式，最终求得优化该问题的局部最优解，该局部最优解即为所有用户采用的功率控制系数。在不同的***参数条件下，本发明提出的功率分配方法可以显著提高上行用户和速率，补偿由***引起的用户数据传输速率下降，进而提升***性能。

本发明实施例的具体步骤如下：

步骤一：建立存在干扰攻击的去蜂窝大规模MIMO***模型。

该***内随机分布着L个配备M根天线的接入点AP，在TDD模式下服务K个单天线用户，且满足LM＞＞K。***中所有的AP都通过前传链路网络连接到CPU，以便进行CSI的交换。本实施例默认上下行信道具有对称性，实际信道在一个相干时频间隔内保持不变，而在不同的时频间隔之间独立变化。与此同时，***中还随机分布着一个严重影响信道估计精确度和上行数据传输速率的单天线***。

用户和***同时向AP发送信号，接入点AP的M维接收信号函数为，

其中，y_l为接入点AP的M维接收信号函数；ρ和q分别为用户和***的信号发送功率；η_k为任意用户k的功率控制参数，且0≤η_k≤1；x_k为用户数据信号，满足均值为0，方差为1；s_j为干扰数据信号，假设服从高斯分布；n_l为加性高斯白噪声，满足

表示随机变量满足复高斯分布，I_M表示M×M维单位矩阵，M为天线数量；

用g_l，k和g_l，j分别表示第l个AP与用户k和***j之间的信道，假设为不相关的瑞利块衰落信道，g_l，k和g_l，j满足

其中，β_l，k和β_l，j分别为用户和***信道的大尺度衰落参数，在40个相干时间间隔内都为常数，默认AP提前已知。

TDD模式下，令相干间隔的长度为τ_c，满足条件τ_c＝τ_p+τ_u，其中τ_p为导频传输长度，τ_u为上行数据传输长度。

步骤二：上行导频训练。

在τ_p时间内，用户通过向AP发送导频获得上行CSI的过程称作信道估计。

第l个AP的接收信号为

其中，Y_l为第l个AP的接收信号，ρ_p和q_p分别是用户和***的导频传输功率；

为***发送的导频，/>

表示/>

的共轭转置运算，且/>

E表示期望；

代表加性高斯白噪声；

为了估计理想的合法用户信道g_l，k，AP将Y_l和

做内积得到：

y_l，k表示理想用户信道的接入点AP的接收信号；k′表示用户序号；集合

表示与用户k使用相同导频的用户序号集，并包含用户k，K为单天线用户的数量。

利用MMSE得到用户信道估计表达式，

/>

其中，

为用户信道估计；参数α₁为用户信道估计关于真实用户信道的系数，α₂为用户信道估计关于真实干扰信道的系数，c_l，k为利用MMSE进行用户信道估计得到的系数；ρ_p和q_p分别为用户和***的导频传输功率；τ_p为导频传输序列长度；/>

为用户k采用的维度为τ_p的复数列向量导频；/>

为***发送的导频，/>

表示/>

的共轭转置运算，且满足

E表示期望；/>

为加性高斯白噪声；g_l，k′表示第l个AP与第k′个用户之间的信道。

用户信道估计满足

其中，/>

表示用户信道估计/>

中随机变量元素的方差。

由(5)式发现

其中，E表示期望；/>

为干扰信道的共轭转置运算；/>

为用户信道估计；M为天线数量；α₂为用户信道估计关于真实干扰信道的系数；β_i，j为干扰信道的大尺度衰落参数；所以理想的用户信道估计和干扰信道相关。

为了消除干扰带来的影响，以用户信道和干扰信道为基础设计接收滤波器。但由于在接入点AP处CSI未知，采用用户信道的估计和干扰信道的估计替代。假设在导频集

中至少存在一个未被用户使用的导频/>

利用该导频消除(3)式中的用户信号。

所述干扰信道估计表达式为，

其中，

为干扰信道估计；b为干扰信道估计关于真实干扰信道的系数；/>

为一个未被用户使用的导频；/>

为加性高斯白噪声，I_M表示M×M维单位矩阵，M为天线数量；

干扰信道估计满足

其中，/>

表示干扰信道估计/>

中随机变量元素的方差。

步骤三：上行数据传输。

合法用户和***采用最大信号发射功率时，第l个AP处的上行数据接收信号为：

其中，y_l为合法用户和***采用最大信号发射功率时的第l个AP处的上行数据接收信号；ρ_u和q_u分别为合法用户和***的最大信号发射功率；η_k为任意用户k的功率控制参数，且0≤η_k≤1；x_k为用户数据信号，满足均值为0，方差为1；s_j为干扰数据信号，假设服从高斯分布；n_l为加性高斯白噪声，满足

表示复高斯分布函数，I_M表示M×M维单位矩阵，M为天线数量；g_l，k为第l个AP与用户k之间的信道；g_l，j为第l个AP与***j之间的信道；

为了检测用户数据信号x_k，基于用户信道估计和干扰信道估计设计接收滤波器：

其中，a_l，k表示接收滤波器；i_M表示M×M维单位矩阵，M为天线数量；

为干扰信道估计；/>

表示干扰信道估计的共轭转置运算；/>

表示用户信道估计。

滤波后通过前传链路汇聚到CPU的信号为：

其中，r_k为滤波后通过前传链路汇聚到CPU的信号；k

为接收滤波器的共轭转置运算；y_l为合法用户和***采用最大信号发射功率时的第l个AP处的上行数据接收信号；L为AP的数量。

因为发送给用户的信号互不相关，干扰噪声和加性高斯白噪声也不相关，所以(9)式后三项与理想信号不相关。

故上行用户速率闭式表达式为

R_k＝log₂(1+SINR_k) (10)

其中，R_k为上行用户速率；SINR_k为信干噪比，其表达式如下，

步骤四：建立上行用户和速率优化问题。

从(5)式和(11)式可以看出，***不仅影响合法用户的信道估计，还影响用户上行数据的传输速率。这时，我们可以从功率优化角度提高所有上行用户的数据传输和速率。在单用户功率限制条件下，建立优化问题如下：

其中，P1为优化问题；η_k为用户k的功率控制参数；K为单天线用户的数量；R_k为上行用户速率；s.t.表示约束条件。

步骤五：利用算法1求解优化问题。

优化问题P₁关于变量η_k既是非凸也是非凹的，所以不能在多项式时间内得到最优解。利用以wMMSE思想为启发的算法1求得优化该问题的局部最优解，并且得到每次迭代的闭式表达式。令

则信噪比表达式为：

根据上行用户速率闭式表达式，将***等价为一个单输入单输出***，则输出信号表达式为：

其中，y_k为单输入单输出***的输出信号；s_k为单输入单输出***的输入信号，满足均值为0，方差为1；

为单输入单输出***的加性噪声，满足均值为0，方差为Ψ_k；Ψ_k为单输入单输出***的加性噪声的方差。

利用接收机检测信号得到，

其中，

为单输入单输出***输出信号经接收机检测得到的信号；υ_k为接收机检测信号；y_k为单输入单输出***的输出信号。

则s_k和

的均方误差表示为/>

其中，e_k为单输入单输出***的输入信号s_k与单输入单输出***输出信号经接收机检测得到的信号

的均方误差。

将e_k关于υ_k求一阶导，并令一阶导数为0，求得

从而得到

满足/>

和/>

的上标opt表示英文optimization最优化的前三个字母。

故优化问题P₁的目标函数可以等价为：

故第一优化问题P₁可以转化为第一优化问题P₂

此处的优化问题P₂仍然是非凸的，利用拉格朗日乘子法，交替优化自变量υ_k，μ_k和ξ_k，求解P₂的具体步骤如下：

1)定义容差ε，令n＝0，选择可行点

并计算/>

2)根据(21)，(22)，(23)式更新

和/>

/>

3)当

执行步骤4)，否则，执行步骤5)；

4)令n＝n+1，执行步骤2)

5)得到优化问题的局部最优解

终止迭代程序。

具体的，

参阅图1，本发明所采用的功率分配方法具体实施步骤如图1所示。

参阅图2，本实施例所采用的的场景为1km²的去蜂窝大规模MIMO***，服务区中随机分布着150个APs和30个用户，AP在TDD模式下为用户服务。大尺度衰落模型为：

β_l，k＝PL_l，k·z_l，k

其中，PL_l，k为第l个AP和第k个用户之间的路径损耗，z_l，k为第l个AP和第k个用户之间不相关的阴影衰落，其标准差为σ_sh＝8dB。所有的AP通过前传链路连接到CPU上，便于交换CSI。

参阅图3，在上行链路进行传输时，发送端用户和***都是单天线的，而AP是多天线的。

参阅图4，TDD模式下，本实施例的相干间隔长度τ_e＝40，被分为两个部分，其中上行导频训练长度为τ_p＝5，上行数据传输长度为τ_u＝35。***采用随机方式将5个相互正交导频分配给30个用户，故存在导频污染。

参阅图5，固定功率分配方案中所有用户采用的功率控制系数相同，而本发明采用wMMSE方法迭代得到的局部最优解η_k即为所有用户采用的功率控制系数。结果表明，随着AP天线根数的增多，上行用户和速率不断增加。并且本发明相较于固定功率分配方案，明显改善了上行用户和速率，提高了***的整体性能。

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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种去蜂窝大规模MIMO***的功率优化方法，其特征是，包括如下步骤，

获取***的初始参数信息，建立接入点AP的接收信号函数；

根据所述接收信号函数，进行上行导频训练和上行数据传输，获取用户信道估计和干扰信道估计；

根据用户信道估计和干扰信号估计，建立上行用户速率闭式表达式；

根据上行用户速率闭式表达式，建立上行用户和速率优化问题P₁，并将所述优化问题P₁转化为优化问题P₂；

基于wMMSE算法，寻求所述优化问题P₂的最优解；

根据最优解，获取***内所有用户的功率优化结果；

其中，所述接入点AP的接收信号函数为

其中，y_l为接入点AP的M维接收信号函数，M为接入点AP的天线数量；ρ为用户的信号发送功率；q为***的信号发送功率；η_k为任意用户k的功率控制参数；x_k为用户数据信号；s_j为干扰数据信号；

为加性高斯白噪声，/>

表示随机变量满足复高斯分布，I_M表示M×M维单位矩阵；g_l,k为第l个AP与用户k之间的信道，g_l,j为第l个AP与***j之间的信道，且满足/>

β_l,k为用户信道的大尺度衰落参数，β_l,j为干扰信道的大尺度衰落参数，I_M表示M×M维单位矩阵。

2.根据权利要求1所述的去蜂窝大规模MIMO***的功率优化方法，其特征是，所述用户信道估计表达式为，

其中，

为用户信道估计；参数α₁为用户信道估计关于真实用户信道的系数，α₂为用户信道估计关于真实干扰信道的系数，c_l,k为利用MMSE进行用户信道估计得到的系数；ρ_p为用户的导频传输功率；q_p分别为用户和***的导频传输功率；τ_p为导频传输序列长度；/>

为用户k采用的维度为τ_p的复数列向量导频；/>

为***发送的导频，/>

表示/>

的共轭转置运算，且满足/>

E表示期望；/>

为加性高斯白噪声，I_M表示M×M维单位矩阵；k′表示用户序号；集合/>

表示与用户k使用相同导频的用户序号集，并包含用户k；g_l,k′表示第l个AP与第k′个用户之间的信道；

所述干扰信道估计表达式为，

其中，

为干扰信道估计；b为干扰信道估计关于真实干扰信道的系数；/>

为一个未被用户使用的导频；/>

为加性高斯白噪声，I_M表示M×M维单位矩阵。

3.根据权利要求2所述的去蜂窝大规模MIMO***的功率优化方法，其特征是，所述上行用户速率闭式表达式为

R_k＝log₂(1+SINR_k)

其中，R_k为上行用户速率，SINR_k为信干噪比，其表达式如下，

a.s.表示全概率成立；ρ_u和q_u分别为用户和***的最大信号发射功率；L为接入点AP的数量；

表示用户信道估计关于真实干扰信道的系数的伴随矩阵运算；γ_l,k表示用户信道估计/>

中随机变量元素的方差；γ_l,j表示干扰信道估计/>

中随机变量元素的方差。

4.根据权利要求3所述的去蜂窝大规模MIMO***的功率优化方法，其特征是，所述上行用户和速率优化问题P₁的表达式如下：

P₁为第一优化问题；s.t.表示约束条件；η_k为任意用户k的功率控制参数；R_k为上行用户速率。

5.根据权利要求4所述的去蜂窝大规模MIMO***的功率优化方法，其特征是，将优化问题P₁转化为优化问题P₂，表达式如下，

其中，P₂为第一优化问题；s.t.表示约束条件；υ_k为接收机参数；ξ_k为用户k的功率控制参数η_k开根号，满足

e_k为单输入单输出***的输入信号与单输入单输出***输出信号经接收机检测得到的信号的均方误差；μ_k为最小均方误差的倒数。

6.根据权利要求5所述的去蜂窝大规模MIMO***的功率优化方法，其特征是，基于wMMSE算法，利用拉格朗日乘子法，交替优化υ_k,μ_k和ξ_k，通过循环迭代，求解优化问题P₂的局部最优解η_k，η_k即为***内用户采用的功率控制系数。

7.一种去蜂窝大规模MIMO***的功率优化装置，其特征是，包括，

数据获取模块，用于获取***的初始参数信息，建立接入点AP的接收信号函数；

函数建立模块，用于根据所述接收信号函数，进行上行导频训练和上行数据传输，获取用户信道估计和干扰信道估计；

根据用户信道估计和干扰信号估计，建立上行用户速率闭式表达式；

根据上行用户速率闭式表达式，建立上行用户和速率优化问题P₁，并将所述优化问题P₁转化为优化问题P₂；

问题计算模块，用于基于wMMSE算法，寻求所述优化问题P₂的最优解；

功率优化模块，用于根据最优解，获取***内所有用户的功率优化结果；

其中，所述接入点AP的接收信号函数为

其中，y_l为接入点AP的M维接收信号函数，M为接入点AP的天线数量；ρ为用户的信号发送功率；q为***的信号发送功率；η_k为任意用户k的功率控制参数；x_k为用户数据信号；s_j为干扰数据信号；

为加性高斯白噪声，/>

表示随机变量满足复高斯分布，I_M表示M×M维单位矩阵；g_l,k为第l个AP与用户k之间的信道，g_l,j为第l个AP与***j之间的信道，且满足/>

β_l,k为用户信道的大尺度衰落参数，β_l,j为干扰信道的大尺度衰落参数，I_M表示M×M维单位矩阵。

8.根据权利要求7所述的去蜂窝大规模MIMO***的功率优化装置，其特征是，还包括，至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1-6任一所述的方法。

Images