1.一种去蜂窝大规模MIMO下行链路频谱效率和能量效率均衡优化方法,其特征在于,该方法包括以下步骤:(1)在去蜂窝大规模MIMO系统下,建立上行链路导频训练模型并利用MMSE准则得出信道的MMSE估计;
(2)被选中的接入点和用户建立通信连接,表示某用户接收到的为其提供服务的接入点发射的数据信号以及利用UatF技术推导出该用户的下行链路频谱效率的闭式表达式;
(3)引入系统功耗模型以及采用用户的下行链路频谱效率闭式表达式得到能量效率的闭式表达式,以接入点的发射功率限制和用户的QoS限制为约束条件,建立以频率效率和能量效率同时最优化为目标的优化问题,该优化问题是一个混合整数非线性MOOP;
(4)利用主要目标法和SCA技术设计所述混合整数非线性MOOP的求解方法,从而达到频谱效率和能量效率的均衡优化。
2.根据权利要求1所述的优化方法,其特征在于,步骤(1)包括:假设接入点和用户之间的通信连接主要以LOS传播为主,对应的信道衰落特性应服从莱斯分布,此时第l个接入点即APl和第k个用户即UEk之间的N×1维信道矢量glk建模为:其中,l=1,2,......,L,k=1,2,......,K,ζlk表示APl和UEk之间的大尺度衰落系数,为LOS确定性分量, 表示莱斯 因子, 则为满足瑞利分布的小尺度衰落矢量,且去蜂窝规模MIMO系统具有L个接入点,K个用户和1个CPU,每个接入点配备N根天线,每个用户配备单根天线。
3.根据权利要求2所述的优化方法,其特征在于,步骤(1)还包括:假设K个用户同时以最大传输功率向接入点发射导频,APl接收到的导频矢量yl表达式为:其中,τ为用户的导频长度,ρp为用户的导频发射功率, 表示分配给UEk的导频序列,表示复数域,上标H表示共轭转置运算符, 代表APl处的加性高斯白噪声,得出信道glk的MMSE估计表达式为:其中, 表示与UEk使用同一导频的所有用户的下标集合,2
σ表示高斯白噪声功率,信道MMSE估计 的统计特征分布为 γlkIN,其中,表示循环对称复高斯分布,IN表示N×N维单位矩阵。
4.根据权利要求3所述的优化方法,其特征在于,所述步骤(2)包括以下步骤:(21)利用信道互惠性,估计出的上行链路CSI可当作下行链路CSI,下行链路CSI被用来构建下行链路预编码矩阵;
(22)采用CB技术,此时APl处理UEk的数据信号sk所使用的CB矩阵为(23)考虑接入点选择机制,只有被选中的接入点才与用户建立通信连接,令alk表示接T入点的选择因子,当APl与UEk进行通信连接时,alk=1;反之,alk=0,定义ak=a1k,...,aLk ,假定APl的最大下行链路发射功率为ρd,UEk接收到的可以为其提供服务的接入点发射的数据信号rk为:
其中,nk表示UEk的加性高斯白噪声,ηlk≥0表示APl和UEk之间的功率控制系数,且其满足(24)得到UEk的下行链路SE表达式
5.根据权利要求4所述的优化方法,其特征在于,UEk的下行链路 表示为:T
其中,B表示系统带宽,τc表示一个相干区间的长度, ηk=η1k,...,ηLk ,上标T表示矩阵转置运算符,
diag A表示由方阵A的对角线元素构成的新方阵,T
Ωk'k=Ω1k'k,...,ΩLk'k,上式中,j表示虚数单位,θlk∈0,2π则表示APl和UEk之间的到达入射角,SINRk为UEk的信干噪比。
6.根据权利要求5所述的优化方法,其特征在于,所述步骤(3)包括以下步骤:(31)考虑接入点的发射功耗,系统总功耗 建模为:其中, 为APl的
功率放大器的效率, 为运行与APl的每个天线相关的电路组件所需的内部功率;
(32)由于能量效率可定义为总频谱效率和总功耗之比,能量效率的闭式表达式表示为:
T
定义新的功率控制系数为 并令 ξk=ξ1k,...,ξLk ,(33)以频谱效率和能量效率同时最优化为目标的MOOP表示为:其中,约束C1要求UEk的频谱效率不应低于给定QoS门限值 约束C2和约束C3要求每个接入点的发射功率大于等于零且不应超过其最大发射功率;约束C4和约束C5则要求alk的取值非0则1且同时服务于一个用户的接入点总数目不应超过接入点最大总数目L。
7.根据权利要求6所述的优化方法,其特征在于,所述步骤(4)包括以下步骤:(41)基于最大化能量效率等价于同时最大化总频谱效率和最小化总功耗,构建优化问题 的等价式(42)利用主要目标法将 转换成单目标优化问题从而通过求解该问题得到一个帕累托最优解;
(43)根据主要目标法,将 设置为主目标函数并把 添加进约束条件中,变换后的优化问题 为:
其中,ε表示界限因子,由于约束C0–C2和约束C5是非凸的,这将导致优化问题 也是非凸,由于ξlk表示APl分配给UEk的功率比例,当APl不为UEk提供服务时,APl和UEk之间的功率控制系数应为0,即ξlk=0;
(44)将约束C2拆分成
约束C5也近似改写为:
此时,约束C0,约束C1和约束C″5仍是非凸的;
(45)利用SCA技术将约束C0和约束C″5近似表述成相应的凸约束;
(46)目标函数 和约束C′0,C″0,C′1,C′2,C″2,C3,C4,C′5,C″′5以及C″″5均为凸函数或凸不等式,因此第t+1次迭代时应求解的凸优化问题表示为:opt
而界限因子ε的最大值ε 通过迭代求解下述优化问题得出:其中,上标i+1表示第i+1次迭代且问题 中的约束不等式是令问题 中的约束不等式中的t=i得到的。
8.根据权利要求7所述的优化方法,其特征在于,所述步骤(45)包括:约束C0可近似改写为:
其中,上标t+1表示第t+1次迭代,类似地,约束C″5可近似改写为
而约束C1等价于 是一个凸不等式。
9.根据权利要求7或8所述的优化方法,其特征在于,步骤(46)中的优化方法具体包括以下步骤:S1初始化迭代次数i=0,容忍误差λ>0,定义最大迭代次数为 设定初始可行解为S2求解优化问题
i+1 i
S3判断ε ‑ε≤λ或 是否成立;
S4若不成立,令i=i+1,重复步骤S2–S4;
opt i+1
S5若成立,令ε =ε ;
S6初始化迭代次数t=0,容忍误差λ>0,定义最大迭代次数为 设定初始可行解为选定适宜的δ,从而确定界限因子ε的值;
S7求解优化问题
S8判断 或 是否成立
S9若不成立,令t=t+1,重复步骤S7–S9;
opt t+1 opt
S10若成立,令η =ξ ,其中,η 即为原始MOOP的一个帕累托最优解,即帕累托最优接入点发射功率控制系数。