CN110048753A - 基于mimo系统加权能效最大化的分布式波束赋形优化方法 - Google Patents

Abstract

本发明涉及一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，包括：步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。与现有技术相比，本发明具有提升通信质量等优点。

Description

基于MIMO系统加权能效最大化的分布式波束赋形优化方法

技术领域

本发明涉及一种通信方法，尤其是涉及一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法。

背景技术

移动数据通信的持续增长对无线网络的容量提出进一步要求，移动网络的性能主要受到来自相邻小区同频率无线电波的干扰，因此设计先进的干扰协调技术对提升无线网络性能至关重要；其中适用于多小区、多用户MIMO通信的COMP(协作多点传输)技术通过多个基站波束赋形的协同设计，可有效实现各小区间的干扰协调。

在优化各基站波束赋形向量时，通常以最小化基站功耗或最大化用户吞吐量作为目标函数，而很少涉及最大化能效(功耗/吞吐量)的问题；此外使用加权能效和作为目标进行优化可以更好的满足异构网络不同小区对能效的不同需求。

上述提到的协作波束赋形优化问题通常需要存在一个中心节点(基站)汇总所有基站和用户的信息，或基站之间通过回程链路彼此交换信道状态矩阵，从而集中式的计算最优波束赋形向量；然而实际系统回程链路容量有限，且当基站、用户以及收发双方天线数目非常大时，现有硬件系统难以满足集中式运算的高复杂度要求；此外大多数现有文献只考虑了MISO系统的发射波束赋形优化问题，且在对基站功耗建模时常将电路功耗视为常数，而没有考虑到实际模型功耗也取决于系统速率。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法。

本发明的目的可以通过以下技术方案来实现：

一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，包括：

步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；

步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；

步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；

步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；

步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。

所述步骤S1中还初始化松弛变量和引入变量ADMM全局变量v⁽⁰⁾，以及拉格朗日乘子；

所述步骤S5具体包括：

步骤S51：设ADMM过程、SCA过程以及MMSE过程的迭代指示初始值分别为l＝0，n＝0，m＝0；

步骤S52：每个基站执行最里层ADMM迭代过程，更新局部变量为全局变量为v^(l+1)，以及拉格朗日乘子为直至更新后的变量与更新前的变量残差小于第一设定阈值，得到ADMM迭代优化后的最优解，并进入中间层SCA迭代过程；

步骤S53：各基站根据ADMM迭代的最优解，进行SCA迭代更新，直至SCA迭代更新后的变量与更新前之差小于第二设定阈值，并得到SCA迭代优化后的最优解，其中令：

{v⁽⁰⁾，ξ⁽⁰⁾}＝{v^(l)，ξ^(l)}

其中：为用户b_k的经过SCA迭代更新后的发射波束赋形向量，为用户b_k的经过SCA迭代更新后的引入变量，为经过SCA迭代更新后的松弛变量，v⁽⁰⁾和ξ⁽⁰⁾分别为经SCA迭代更新的ADMM迭代过程中全局变量和拉格朗日乘子的初始值，v^(l)，ξ^(l)和为ADMM迭代优化的最优解；

步骤S54：各基站根据SCA迭代得到的最优解，更新接收波束赋形向量，并判断更新后的接收波束赋形向量与更新前接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则返回步骤S2

所述步骤S52中，局部变量、全局变量和拉格朗日乘子中任一者更新后与自身当前值之间的残差小于第一设定阈值，即进入中间层SCA迭代过程。

所述步骤S3中，用户更新的接收波束赋形向量为：

其中：为用户b_k更新后的接收波束赋形向量，为基站i到用户b_k的信道矩阵，为基站i所服务的用户i_j的更新前发射波束赋形向量，(·)^H为矩阵的共轭转置，N₀为噪声功率谱密度，I为单位矩阵，为基站b到用户b_k的信道矩阵，为用户b_k的当前的发射波束赋形向量，B为基站的集合，K_i为基站i所服务的用户的集合。

所述步骤S4中，基站b到用户i_j的有效信道信息具体为：

其中：为用户i_j更新后的接收波束赋形向量，为基站b到用户i_j的信道矩阵。

所述步骤S52具体包括：

步骤S521：每个基站计算局部变量

其中：为更新后的基站b的局部变量，为局部变量s_b满足的约束集合，ω_b为基站b的能效权重，η_b为代表每个基站能效的松弛变量，为当前的拉格朗日乘子，θ_b为ADMM优化算法引入的一致性变量，(·)^T表示转制，ρ为罚系数，为当前的全局变量，表示欧几里得范数的平方。

步骤S522：各基站更新全局变量

其中：v^(l+1)为更新后的全局变量，

步骤S523：更新拉格朗日乘子：

其中：为更新基站b的拉格朗日乘子，为更新前基站b的拉格朗日乘子；

步骤S524：判断更新后的任何优化变量与更新前优化变量之差是否小于第一设定阈值，若为是，则执行步骤S53，若为否，则l＝l+1，返回步骤S521。

所述第一设定阈值为10^-5。

所述步骤S53具体包括：

S531：更新当前SCA优化系数和ADMM参数初始值；

S532：判断更新后的发射波束赋形向量与更新前发射波束赋形向量之差是否小于第二设定阈值，若为是，则执行步骤S54，若为否，则n＝n+1，返回步骤S531。

所述步骤S54具体包括：

步骤S541：更新接收波束赋形向量；

步骤S542：判断更新后的接收波束赋形向量与更新前的接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则m＝m+1，返回步骤S4。

所述局部变量s_b满足的约束集合具体为：

其中：为经SCA第n次迭代更新的的一阶泰勒近似，为经SCA第n次迭代更新的的一阶泰勒近似，a为给定常数，ε为功率放大效率，P₀为基站的电路功耗，P_b为基站b额定发射功率，Γ₀为接收用户信噪比阈值，为基站b对用户i_j(i≠b)的干扰ICI变量，为用户b_k受到的来自其他基站的干扰ICI变量。

与现有技术相比，本发明具有以下有益效果：基于实际MIMO系统中各小区加权能效最大化的分布式波束赋形算法，结合近似凸优化算法SCA、机器学习中的ADMM算法、以及接收端的最小平方差MSE准则，在MIMO系统的收发双方交替优化发射波束赋形和接收波束赋形向量，并在基站优化发射波束赋形向量时，通过分离局部变量使基站能够独立计算而不需要彼此交换信道状态信息。。

附图说明

图1为本发明方法的主要步骤流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明考虑包含B小区的多用户MIMO下行链路系统：其中每个基站b∈B＝{1，...，B}配置N_T发射天线、服务K_b用户，共K用户每个用户配置N_R接收天线，且每个用户b_k仅由单个基站b服务，即 设基站b到用户k的信道矩阵为满足平坦衰落信道模型；基站采用线性编码方式，是用户b_k的发射数据符号，用户b_k的接收信号为 表示加性白高斯噪声；设是用户b_k的组合编码(接收波束赋形)向量，为用户b_k的预编码(发射波束赋形)向量，则用户b_k的接收MSE(最小平方误差)为：

基于上述定义，基站b的能效表达式EE可由下式给出：

其中表示用户b_k的接收SINR，ε～(0，1)表示功率放大器效率，P₀表示基站的电路功耗，设为常数，本发明考虑基站的实际功耗模型，因此额外包含和速率有关的功耗项设δ为凸函数，且在简单的功耗模型中，可设系数P_RD＝0。

综上所述，在满足用户QoS需求(SINR大于给定阈值)，且基站发射功耗小于限定值下，使系统所有基站的能效加权和最大的波束赋形优化设计问题如下：

其中Γ₀为对每个用户SINR最小值的约束，P_b为每个基站的最大发射功率。

由于上述优化问题目标函数和约束条件均不满足凸性质，不能直接应用Matlab自带的凸优化工具包求解，首先应用MSE原理SCA算法(连续凸优化近似算法)对原问题近似。

令接收端用户b_k选用经典的MMSE接收器，即使接收端MSE最小的接收波束赋形向量：

则用户b_k的SINR值和MSE值满足下述关系：

设置MSE界并结合泰勒公式将问题(3)中的非凸约束转化为一阶近似：

此时问题(6)在给定或的情况下均为凸优化问题，可直接利用Matlab自带的凸优化工具包求解。

下面讨论如何使上述集中式优化问题可分布式地由各基站独立完成，而不需要彼此交换复杂的信道状态信息。

观察优化问题(6)，由于包含小区间干扰ICI项，使各基站变量之间彼此耦合，因此我们引入局部变量分别表示基站b对用户i_j的ICI和用户b_k受到的来自其他基站i(i≠b)的ICI，以及全局变量保证约束变量的一致性：

这时基站b的所有局部变量可汇总在一个约束集合中：

综上，式(13)可总结如下：

其中 这时可利用ADMM算法求出优化问题(7)的近似最优解，式(7)的增广拉格朗日函数为：

其中ρ是罚系数，ξ_b是对应于变量的拉格朗日乘子。

ADMM算法的思想是利用高斯-塞德尔(Gauss-Seidel)迭代法交替更新局部变量s、全局变量v、以及拉格朗日乘子ξ：

更新局部变量：

更新全局变量：

由于式(10)为无约束二次规划问题，因此存在闭式解如下：

最后更新拉格朗日乘子如下：

本申请提出一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，如图1所示，包括：

步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；

步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；

步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；

步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；

步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。

步骤S1中还初始化松弛变量和引入变量ADMM全局变量v⁽⁰⁾，以及拉格朗日乘子；

步骤S5具体包括：

步骤S51：设ADMM过程、SCA过程以及MMSE过程的迭代指示初始值分别为l＝0，n＝0，m＝0；

步骤S52：每个基站执行最里层ADMM迭代过程，更新局部变量为全局变量为v^(l+1)，以及拉格朗日乘子为直至更新后的变量与更新前的变量残差小于第一设定阈值，得到ADMM迭代优化后的最优解，并进入中间层SCA迭代过程；

步骤S53：各基站根据ADMM迭代的最优解，进行SCA迭代更新，直至SCA迭代更新后的变量与更新前之差小于第二设定阈值，并得到SCA迭代优化后的最优解，其中令：

{v⁽⁰⁾，ξ⁽⁰⁾}＝{v^(l)，ξ^(l)}

其中：为用户b_k的经过SCA迭代更新后的发射波束赋形向量，为用户b_k的经过SCA迭代更新后的引入变量，为经过SCA迭代更新后的松弛变量，v⁽⁰⁾和ξ⁽⁰⁾分别为经SCA迭代更新的ADMM迭代过程中全局变量和拉格朗日乘子的初始值，v^(l)，ξ^(l)和为ADMM迭代优化的最优解；

步骤S54：各基站根据SCA迭代得到的最优解，更新接收波束赋形向量，并判断更新后的接收波束赋形向量与更新前接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则返回步骤S2

步骤S52中，局部变量、全局变量和拉格朗日乘子中任一者更新后与自身当前值之间的残差小于第一设定阈值，即进入中间层SCA迭代过程。

步骤S3中，用户更新的接收波束赋形向量为：

其中：为用户b_k更新后的接收波束赋形向量，为基站i到用户b_k的信道矩阵，为基站i所服务的用户i_j的更新前发射波束赋形向量，(·)^H为矩阵的共轭转置，N₀为噪声功率谱密度，I为单位矩阵，为基站b到用户b_k的信道矩阵，为用户b_k的当前的发射波束赋形向量，B为基站的集合，K_i为基站i所服务的用户的集合。

步骤S4中，基站b到用户i_j的有效信道信息具体为：

其中：为用户i_j更新后的接收波束赋形向量，为基站b到用户i_j的信道矩阵。

步骤S52具体包括：

步骤S521：每个基站计算局部变量

其中：为更新后的基站b的局部变量，为局部变量s_b满足的约束集合，ω_b为基站b的能效权重，η_b为代表每个基站能效的松弛变量，为当前的拉格朗日乘子，θ_b为ADMM优化算法引入的一致性变量，(·)^T表示转制，ρ为罚系数，为当前的全局变量，表示欧几里得范数的平方。

步骤S522：各基站更新全局变量

其中：v^(l+1)为更新后的全局变量，

步骤S523：更新拉格朗日乘子：

其中：为更新基站b的拉格朗日乘子，为更新前基站b的拉格朗日乘子；

步骤S524：判断更新后的任何优化变量与更新前优化变量之差是否小于第一设定阈值，若为是，则执行步骤S53，若为否，则l＝l+1，返回步骤S521。

第一设定阈值为10^-5。

步骤S53具体包括：

S531：更新当前SCA优化系数和ADMM参数初始值；

S532：判断更新后的发射波束赋形向量与更新前发射波束赋形向量之差是否小于第二设定阈值，若为是，则执行步骤S54，若为否，则n＝n+1，返回步骤S531。

步骤S54具体包括：

步骤S541：更新接收波束赋形向量；

步骤S542：判断更新后的接收波束赋形向量与更新前的接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则m＝m+1，返回步骤S4。

局部变量s_b满足的约束集合具体为：

其中：为经SCA第n次迭代更新的的一阶泰勒近似，为经SCA第n次迭代更新的的一阶泰勒近似，a为给定常数，ε为功率放大效率，P₀为基站的电路功耗，P_b为基站b额定发射功率，Γ₀为接收用户信噪比阈值，为基站b对用户i_j(i≠b)的干扰ICI变量，为用户b_k受到的来自其他基站的干扰ICI变量。

Claims (10)

1.一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，其特征在于，包括：

步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；

步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；

步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；

步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；

步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。

2.根据权利要求1所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，

所述步骤S1中还初始化松弛变量和引入变量ADMM全局变量v⁽⁰⁾，以及拉格朗日乘子；

所述步骤S5具体包括：

步骤S51：设ADMM过程、SCA过程以及MMSE过程的迭代指示初始值分别为l＝0,n＝0,m＝0；

步骤S52：每个基站执行最里层ADMM迭代过程，更新局部变量为全局变量为v^{(l +1)},以及拉格朗日乘子为直至更新后的变量与更新前的变量残差小于第一设定阈值，得到ADMM迭代优化后的最优解，并进入中间层SCA迭代过程；

步骤S53：各基站根据ADMM迭代的最优解，进行SCA迭代更新，直至SCA迭代更新后的变量与更新前之差小于第二设定阈值，并得到SCA迭代优化后的最优解，其中令：

{v⁽⁰⁾,ξ⁽⁰⁾}＝{v^(l),ξ^(l)}

其中：为用户b_k的经过SCA迭代更新后的发射波束赋形向量，为用户b_k的经过SCA迭代更新后的引入变量，为经过SCA迭代更新后的松弛变量，v⁽⁰⁾和ξ⁽⁰⁾分别为经SCA迭代更新的ADMM迭代过程中全局变量和拉格朗日乘子的初始值，v^(l),ξ^(l)和为ADMM迭代优化的最优解；

步骤S54：各基站根据SCA迭代得到的最优解，更新接收波束赋形向量，并判断更新后的接收波束赋形向量与更新前接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则返回步骤S2。

3.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S52中，局部变量、全局变量和拉格朗日乘子中任一者更新后与自身当前值之间的残差小于第一设定阈值，即进入中间层SCA迭代过程。

4.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S3中，用户更新的接收波束赋形向量为：

其中：为用户b_k更新后的接收波束赋形向量，为基站i到用户b_k的信道矩阵，为基站i所服务的用户i_j的更新前发射波束赋形向量，(·)^H为矩阵的共轭转置，N₀为噪声功率谱密度，I为单位矩阵，为基站b到用户b_k的信道矩阵，为用户b_k的当前的发射波束赋形向量，B为基站的集合，K_i为基站i所服务的用户的集合。

5.根据权利要求4所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S4中，基站b到用户i_j的有效信道信息具体为：

其中：为用户i_j更新后的接收波束赋形向量，为基站b到用户i_j的信道矩阵。

6.根据权利要求4所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，

所述步骤S52具体包括：

步骤S521：每个基站计算局部变量

其中：为更新后的基站b的局部变量，为局部变量s_b满足的约束集合，ω_b为基站b的能效权重，η_b为代表每个基站能效的松弛变量，为当前的拉格朗日乘子，θ_b为ADMM优化算法引入的一致性变量，(·)^T表示转制，ρ为罚系数，为当前的全局变量，表示欧几里得范数的平方。

步骤S522：各基站更新全局变量

其中：v^(l+1)为更新后的全局变量，

步骤S523：更新拉格朗日乘子：

其中：为更新基站b的拉格朗日乘子，为更新前基站b的拉格朗日乘子；

步骤S524：判断更新后的任何优化变量与更新前优化变量之差是否小于第一设定阈值，若为是，则执行步骤S53，若为否，则l＝l+1，返回步骤S521。

7.根据权利要求2～6中任一所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述第一设定阈值为10^-5。

8.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S53具体包括：

S531：更新当前SCA优化系数和ADMM参数初始值；

S532：判断更新后的发射波束赋形向量与更新前发射波束赋形向量之差是否小于第二设定阈值，若为是，则执行步骤S54，若为否，则n＝n+1，返回步骤S531。

9.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S54具体包括：

步骤S541：更新接收波束赋形向量；

步骤S542：判断更新后的接收波束赋形向量与更新前的接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则m＝m+1，返回步骤S4。

10.根据权利要求6所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述局部变量s_b满足的约束集合具体为：

其中：为经SCA第n次迭代更新的的一阶泰勒近似，为经SCA第n次迭代更新的的一阶泰勒近似，a为给定常数，ε为功率放大效率，P₀为基站的电路功耗，P_b为基站b额定发射功率，Γ₀为接收用户信噪比阈值，为基站b对用户i_j(i≠b)的干扰ICI变量，为用户b_k受到的来自其他基站的干扰ICI变量。