异构网络中优化上行能量效率的资源分配方法与流程

本发明涉及在异构网络(HetNet)中，考虑用户信噪比约束和发送功率约束条件下的用户调度和发送功率调整策略。确切地说，通过优化用户在基站之间的分配和用户终端的发送功率来提高系统各用户的能量效率指标，属于无线通信技术领域。

背景技术：

随着移动终端的爆发式增长和用户流量需求的不断提高，传统的蜂窝网络难以完全满足人们的需要。异构网络作为一种灵活而经济的网络架构，在近几年受到了广泛关注。异构网络能够满足各种用户需求并能提供更高的传输速率和更好的服务质量。在异构网络中，各种不同大小、不同发送功率和不同成本的基站，例如宏基站(MBS)、微基站(PBS)和微微基站(FBS)等部署在不同区域。其中，宏基站能够提供公共接口，并且能够覆盖数公里范围内的全部用户。微基站和微微基站，存在于宏小区中，用于消除宏基站的覆盖空洞并能提升用户的服务质量。随着无线流量的飞速增长，用于无线通信过程的能量消耗日益不容忽视。由于目前的电池技术并不能满足用户不断增长的需求，移动终端的电池容量十分有限，所以上行无线传输过程中的能量消耗问题更加严重。因此，提高用户在上行传输过程中的能量效率显得十分必要。

异构网络中的不同基站的发送功率和覆盖范围不同，导致了不同基站具有不同的服务用户数。假设各个基站将其所具有的资源均匀分配给服务的用户。如果用户连接到一个服务用户数多的基站，其能得到的资源较少，服务质量较差。而传统的根据信号强弱来选择基站的方式并没有考虑到基站的负载状况。这种处理方式虽然简单，但却可能导致用户之间的资源竞争，使得用户的能量 效率下降。因此，需要考虑不同基站的负载状况来进行用户的分配。

另外，用户终端如果始终以最大功率发送，其能量效率有可能下降，导致不必要的能量消耗。基于此，需要通过合理的功率控制方法来优化用户终端的发射功率。

技术实现要素：

有鉴于此，本发明提出了两种优化能量效率的资源分配方法。考虑两层的上行HetNet网络，包括一个宏基站和多个微基站。用户随机分布在小区范围之内。考虑如何将这些用户分配给不同基站以及如何优化这些用户终端在上行无线传输过程中的发射功率，从而提高各用户的能量效率。

(1)基于基站负载状况的用户调度方法(LOGEEU)

在密集异构网络中，分布着各种大小的基站。各个基站的负载状况不同。假设各个基站将其所具有的资源均匀分配给服务的用户。则用户所得到的资源与基站服务的用户数成反比。

(11)在该方法中，目标是在满足不同用户的信噪比约束的条件下，通过用户在基站之间的分配，最大化所有用户的能量效率的Log函数之和，即 其中x_ub为用户u是否选择基站b的优化变量，η_ub为用户u选择基站b时所能达到的能量效率。如果直接优化所有用户的能量效率之和，则最终优化结果可能导致基站将大部分资源都分配给了少数信道条件好的用户，而大部分用户所得的资源极少。这导致了极度的资源分配不公。因此，需要优化比例公平定义下的能量效率，即能量效率的Log函数。由于Log函数的导数单调递减，其边际收益递减，对小的因子更为敏感，从而让信道条件差的用户的能量效率不至于过小，保证了一定程度的公平性。

(12)在LOGEEU方法中，原问题被构建为一个非凸的混合整数规划问题，如下所示。

为了解决相应的优化问题，先将整数约束松弛为分数约束，将原问题转变为一个凸问题。

考虑到最后需要求出整数解，采用拉格朗日对偶分解的方法求解。原问题的拉格朗日对偶函数如下。

在每步迭代的过程中，先求出在固定的对偶变量下，用户分配的整数解，如下所示。

接着令g(λ,v)对k_b的导数为0，从而得到k_b的解在计算得到x_ub和k_b的解之后，利用次梯度法更新对偶变量，

${\mathrm{\λ}}_b^{t+1}={\mathrm{\λ}}_b^t-{\mathrm{\ϵ}}_1^t(k_b^t-{\mathrm{\Σ}}_{u\∈u}{x}_{ub}^t),$

其中和为在第t次迭代时的步长，且满足下述条件，

$\underset{t=1}{\overset{\mathrm{\∞}}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_i^t=\mathrm{\∞},\underset{t\→\mathrm{\∞}}{\lim }{\mathrm{\ϵ}}_i^t=0,\∀i=\{1,2\}.$

通过重复上述的x_ub和k_b的求解以及对偶变量的更新步骤，算法最后收敛到一个局部最优解。提出的LOGEEU方法与传统的用户调度方法相比，不仅考虑 到了基站的负载状况，即服务的用户数，还考虑到了用户之间的公平性。

(2)用户调度和功率控制相结合的资源分配方法(LOGEEUP)

用户终端如果始终以最大功率发送，其能量效率有可能下降，导致不必要的能量消耗。为了进一步提升用户的上行能量效率，提出了用户调度和功率控制相结合的资源分配方法(LOGEEUP)。

(21)该方法考虑了不同用户的信噪比约束和功率约束。目标是，通过优化用户在基站之间的分配以及用户终端发送功率的控制，来最大化所有用户的能量效率的Log函数之和。

(22)在LOGEEUP方法中，优化问题建模如下。

可以看出，该问题是在上述LOGEEU的问题的基础上，进一步优化用户终端的发射功率。

首先考虑优化用户在基站之间的分配。该过程与LOGEEU方法相同，不再赘述。在确定基站服务的用户之后，考虑用户终端的功率控制问题，如下所示。

这时的信噪比约束可以包含在功率约束中。注意到各个用户的功率优化问题是解耦的。因此，可以单独优化各个用户的发射功率。将上述目标函数表示为如下所示。

其中，计算F_u对功率的导数得到

其中，

对进行求导得到

由于始终小于0，故单调递减。而当时，大于0，且始终大于0，所以有唯一的过零点。由于其先大于0后小于0，所以该过零点即为最优功率值。通过使用解方程中常用的牛顿迭代法即可解得该值。

附图说明

图1是所考虑的HetNet的系统模型。

图2是所提算法的流程图。

图3是LOGEEU和LOGEEUP的迭代收敛图。

图4是LOGEEU和LOGEEUP两种方法中，用户的上行能量效率的概率分布(CDF)图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

(1)参见图1，在所考虑的系统模型中，包括一个宏基站和多个微基站。多个用户分布在小区范围之内。每个基站将其所有的资源均匀分配给其所服务的用户。每个用户只能由一个基站服务。

在LOGEEU方法中，设计的目标是，在满足用户的信噪比约束的条件下，优化用户在各个基站之间的分配，从而最大化所有用户的能量效率的Log函数 之和。原问题非凸，要想找到其最优解是非常困难的。因此，首先将用户调度的整数约束松弛为分数约束，从而将问题转化为凸问题。之后用低复杂度的拉格朗日对偶分解算法，迭代求出原始问题的局部最优解。

在LOGEEUP方法中，设计目标是，在满足用户的信噪比约束和用户终端发射功率约束的条件下，优化用户在各个基站之间的分配和用户终端的发射功率，来最大化所有用户的能量效率的Log函数之和。首先进行用户在基站之间的分配，其过程与LOGEEU方法相同。之后，各个用户终端可以利用基站反馈回来的信道信息，利用牛顿迭代法来求出在确定基站情况下的最优的发射功率。

为了展示本发明中各种机制的实用性能，申请人进行了多次仿真实施试验。仿真试验的结果如图3和图4所示。

(2)参见图3，图3(a)说明了LOGEEU方法中的收敛情况。可以看出，该方法可以很快收敛到局部最优解附近。LOGEEUP的内部迭代与LOGEEU相同，其外部迭代，即用户调度和功率控制的迭代收敛性参见图3(b)。可以看出，LOGEEUP的外部迭代所需次数仅为2次。

(2)参见图4，传统的根据最大信道增益来选择基站的方法为MG方法。可以看出，LOGEEU方法优于MG方法，而LOGEEUP方法进一步提升了低能量效率用户的性能。

以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。