一种MassiveMIMO系统基于混合能量采集的功率分配方法与流程

本发明属于移动通信技术领域，尤其涉及一种massivemimo系统基于混合能量采集的功率分配方法。

背景技术：

随着能量采集技术的发展，网络能源也逐渐丰富，既可以采用传统的电网供电，也可以使用环境能量(风能、太阳能、振动能等)为系统供电，充分利用可再生资源，使得未来网络在节能减排的基础上，实现自给供能，然而，可再生能源供能存在不稳定性，且电池容量有限，不能无限制的存储外部能量，一旦出现能量枯竭使得传输中断，在蜂窝网中则会导致覆盖空洞，严重影响服务质量。因此一个仅由可再生能源供电的基站难以保持一个稳定的能量供给，不足以保证最低服务质量(qos)要求。基站需要采取一种互补方式的混合能量供给方式，来满足连续不断的能量需求，并保证通信系统性能的长期稳定性。massivemimo是第五代移动通信技术发展的关键技术，在massivemimo系统上实现绿色通信是未来的发展趋势，而混合能量采集技术可以保持能量的持续供给和稳定的服务质量，当可再生能量充足时，由可再生能源提供基本服务，可有效降低基站的能耗、提升网络性能；当可再生能量不足时，电网提供服务，保证持续长久的能量供给。

综上所述，现有技术存在的问题是：大部分的研究只适用于具有单能量源的系统，极少有对于可再生能源与电网共存场景的研究，并且目前大多考虑单链路、三节点组成的中继信道和多址接入信道等较简单的无线通信系统的分析，对于massivemimo系统并不适用。而massivemimo作为5g的核心技术，是未来通信发展的趋势，如何将混合能量采集运用到massivemimo系统是现有技术存在的问题。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种massivemimo系统基于混合能量采集的功率分配方法。

本发明是这样实现的，一种massivemimo系统基于混合能量采集的功率分配方法，其特征在于，所述massivemimo系统基于混合能量采集的功率分配方法关于能量获取的不确定性建立混合能量采集模型，并根据信道状态和能量状态时变特性以及用户间的协调影响，通过迭代更新系统信息，最终为每个用户分配最优的功率，获得最高吞吐量的同时，最大限度的节省不可再生资源的利用；

所述能量采集模型采用泊松分布对能量收集过程和信道衰落的变化过程进行分析，能量到达和信道衰落变化的时刻是可计数的，分别用和表示能量到达时刻序列和信道变化时刻序列，并且根据泊松分布的性质，时刻序列的间隔和分别服从均值为1/λe和1/λf的指数分布；

所述最优的功率分配表示为：

其中和分别为由能量采集和电网提供的信号的发射功率,和分别为由能量采集和电网提供的电路消耗功率，为能量采集器的电池容量，ein(i)为i时刻的采集能量，为由电网提供的最大功率，pmax为信号发射功率的最大值，n表示信道变化的次数，q-1表示能量到达的次数，η为功率放大器效率，li为第i＝{1,...,q+n}个时间间隔，并且[x]+＝max(0,x)，表示0≤x≤pc，pc为总的电路的功率消耗，α,τ,γ,μ均为拉格朗日乘子。

进一步，所述的massivemimo系统基于混合能量采集的功率分配方法包括以下步骤：

步骤一，在massivemimo下行系统中，基站将采集的能量存储在可充电电池中，当可充电电池中的能量匮乏时，电网将作为备用电池给系统供电；

步骤二，分析通信系统，根据信道状态和能量状态的时变特性，采用泊松分布来表示能量收集过程和信道状态的变化过程，所采集能量的到达时刻和信道状态的变化时刻分别服从速率为λe和λf的泊松计数分布；

步骤三，设计以最大化系统吞吐量为目标的优化模型，对每个用户分配的数据发送功率以及传输过程中消耗的电路功率进行优化；

步骤四，针对建立的优化问题进行求解，利用拉格朗日对偶性将原始问题转化为对偶问题，然后采用梯度下降法对拉格朗日乘子进行迭代更新，求得原问题的最优解；

步骤五，根据问题的最优解，基站分别从可充电电池和电网中为每个用户分配功率，并进行信号传输。

进一步，所述大尺度衰落因子表示为：

其中zk是对数正态随机变量，10log(zk)是均值为0，方差为的复高斯随机变量，rk为基站到第k个用户之间的距离，rh为参考距离，v为路径损耗；

massivemimo系统下行传输用户的和速率为：

其中g为信道矩阵，pk为基站和第k个用户之间链路的发射功率，噪声矢量是由均值为0，方差为的复高斯随机变量组成。

进一步，采集能量的随机性使得在使用无线资源时还必须额外满足能量因果约束和电池容量约束，即：

在整个传输过程中，信道变化的次数是n次，能量到达的次数是q-1次，初始时刻的到达能量记为ein(1)＝e1＝0，对于时刻，如果为能量到达时刻，如果为信道变化的时刻，

进一步，优化问题可建模为：

其中c1约束表示为发射功率来源于可充电电池的能量限制，c2为了避免能量溢出，造成浪费，要求可充电电池剩余能量小于电池容量c3表示来自电网供应的功率限制，要求功率小于电网的功率上限c4设置了最大传输功率pmax的限制。

进一步，当i＞1时，的最优值为由其他约束的可行集决定，i＝1时，由此得：

其中表示0≤x≤pc；

拉格朗日乘子的更新公式为：

其中j∈{1,…q+n}，为迭代次数，和均为迭代步长。

本发明的优点及积极效果为：在一个单小区多用户的massivemimo系统下行传输过程中，基站作为发送端由可再生能源和电网共同供电，可再生能量采集后存储于一个电池中用于数据传输，当电池电量匮乏时，基站将利用电网能量保证服务。本发明基于能量获取的不确定性建立混合能量采集机制，并根据信道状态和能量状态时变特性以及用户间的协调影响，通过迭代更新系统信息，最终为每个用户获得最优的功率分配，使系统获得最高吞吐量的同时，最大限度的节省不可再生资源的利用，达到绿色、节能的目的。

本发明提供的massivemimo系统基于混合能量采集的功率分配方法，通过以最大化系统的可达和速率为目标，提升了系统的最大吞吐量。本发明方法简单，操作方便，进一步节约了现有的能量资源。在图3中，本发明采用的对比算法为：混合能量采集下平均功率分配和只有能量采集的功率分配，可以看出相同的条件下，提出的优化算法由于考虑用户和基站之间的不同信道状态信息，优于平均功率分配，而当只考虑能量采集，无电网的功率时，由于能量到达的时变特性，系统的吞吐量远远不如提出的优化算法。

附图说明

图1是本发明实施例提供的massivemimo系统基于混合能量采集的功率分配方法流程图。

图2是本发明实施例提供的使用massivemimo系统下行通信系统的模型示意图。

图3是本发明实施例提供的massivemimo系统基于混合能量采集的最优功率分配算法的吞吐量与其他算法的比较示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的基于混合能量采集的功率分配方法包括以下步骤：

s101：在massivemimo下行系统中，基站将采集的能量存储在可充电电池中，当可充电电池中的能量匮乏时，电网将作为备用电池给系统供电；

s102：分析通信系统，根据信道状态和能量状态的时变特性，采用泊松分布来表示能量收集过程和信道状态的变化过程，所采集能量的到达时刻和信道状态的变化时刻分别服从速率为λe和λf的泊松计数分布；

s103：设计以最大化系统吞吐量为目标的优化模型，对每个用户分配的数据发送功率以及传输过程中消耗的电路功率进行优化；

s104：针对建立的优化问题进行求解，利用拉格朗日对偶性将原始问题转化为对偶问题，然后采用梯度下降法对拉格朗日乘子进行迭代更新，求得原问题的最优解；

s105：根据问题的最优解，基站分别从可充电电池和电网中为每个用户分配功率，并进行信号传输。

下面结合附图对本发明的应用原理作进一步的描述。

如图2所示的显示massivemimo下行通信系统，系统包括一个配有m根天线的基站，基站同时为k个单天线用户终端提供服务，其中基站具有能量采集功能，假设信道矩阵表示为发送信号为那么接收端的接收信号为：

其中y表示接收信号矢量，pk为基站和第k个用户之间链路的发射功率，n是由均值为0，方差为的复高斯随机变量组成的噪声矢量，信道矩阵g＝d^1/2h，为小尺度衰落矩阵，h中的元素服从均值为0，方差为1的独立同分布的复高斯随机变量。对角阵表示从基站到用户的大尺度衰落，其中[dkk]＝βk，βk为大尺度衰落因子，由于用户与基站之间的距离远大于天线间的距离，所以βk改变的较为缓慢，由此大尺度衰落因子βk与频率无关，大尺度衰落因子为：

其中zk是对数正态随机变量，10log(zk)是均值为0，方差为的复高斯随机变量，rk为基站到第k个用户之间的距离，rh为参考距离，v为路径损耗。

zf预编码是对发送信号乘以一个加权矩阵，使得每个发送天线上的干扰为0，用以消除小区内用户间的干扰，预编码矩阵为a＝g^h(gg^h)^-1，发送信号变为发送信号可以表示为x＝g^h(gg^h)^-1s，此时接收信号变为：

由此求得第k个用户的接收信号为：

ak和gk为矩阵a和矩阵g的第k列元素，由此求得信号与干扰加噪声比为：

其中其中giak＝δik，信号与干扰加噪声比为：

所以，由此得系统的和速率为：

由于能量收集过程无论在时间上和空间上都存在很大的不确定性，收集过程是随机的，且时间上是独立的，为了不失一般性，本发明采用泊松分布对能量收集过程进行建模。能量采集的到达时刻和信道衰落变化时刻分别服从速率为λe和λf的泊松计数分布，能量到达时刻和信道衰落变化的时刻是可计数的，分别用和表示能量到达时刻序列和信道变化时刻序列，并且根据泊松分布的性质，时刻序列的间隔和分别服从均值为1/λe和1/λf的指数分布。在整个传输过程中，每一次的能量到达时刻或者信道状态变化时刻记为一个时刻断点，从前一个时刻到一个时刻断点，这一段时间记为一个时间段，其中时间段i记为[ti,ti+1)，其中ti和ti+1为相邻的两个时刻断点，时间段i的时间间隔为li＝ti+1-ti，在每一段时间内，没有能量的到达也没有信道的变化，所以假设信号的发射功率是相同的。假设在时刻i采集到的能量用ei表示，其中ei用于下一时刻的功率发送，只有在能量到达时刻采集的能量才会被充进电池中，当采集的能量不足以满足信号发射所需的能量时，剩余发射所需的能量由电网提供，当新到达的能量超过电池的剩余容量时,能量将会溢出而无法再利用,也会导致能量的浪费。因此采集能量的随机性使得在使用无线资源时还必须额外满足能量因果约束和电池容量约束，即：

在本发明中，考虑在[0,t]时间内，使传输的比特数最大，信道变化的次数是n次，能量到达的次数是q-1次，初始时刻的到达能量记为ein(1)＝e1＝0，对于时刻，如果为能量到达时刻，如果为信道变化的时刻，

综上分析，优化问题可建模为：

其中和分别为由能量采集和电网提供的信号的发射功率，和分别为由能量采集和电网提供的电路消耗功率，为能量采集器的电池容量，为由电网提供的最大功率，pmax为信号发射功率的最大值。其中发送功率pi,k由两部分构成，一部分来源于能量采集，即另一部分来自电网提供的信号的发射功率，即c1约束表示为来源于可充电电池的功率限制，c2为了避免能量溢出造成浪费，要求可充电电池剩余能量小于电池容量c3表示来自电网供应的功率部分的限制，要求功率小于电网的功率上限c4设置了最大传输功率pmax的限制。

解决上述优化问题，首先需要求出上述问题的拉格朗日函数，整理得：

其中α,τ,γ,μ均为拉格朗日乘子，其中τ是对应于约束c2的拉格朗日乘子，在第一个epoch上，此时能量采集量为0，

由此得出对应的对偶优化问题为：

发送功率pi,k由来源于能量采集的和来自电网提供的信号的发射功率组成，由此得知使用优化理论和kkt条件求得每个epoch上的功率分配。

由l(x(p),α,τ,γ,μ)对求导，得到下式并推导出

为了方便计算，令由此得出：

由l(x(p),α,τ,γ,μ)对求导，得到下式并推导出

本发明定义为迭代次数，由拉格朗日乘子可以得出上一次的由此本发明可以通过上式得到其中等于然后通过的求解公式求出

由于l(x(p),α,τ,γ,μ)对求导，得到：

由此可得li(x(p),α,β,γ)关于是一个仿射函数，简而言之，当i＞1时，的最优值为由其他约束的可行集决定，i＝1时，由此得：

其中表示0≤x≤pc。

拉格朗日乘子的更新公式为：

其中j∈{1,…q+n}，为迭代次数，和均为迭代步长。

下面结合仿真对本发明的应用效果作详细的描述。

假设用户数为10，电网提供的最大发射功率为采集速率为2j/s，在图3中，本发明采用的对比算法为：混合能量采集下平均功率分配和只有能量采集的功率分配。可以看出相同的条件下，提出的优化算法由于考虑用户和基站之间的不同信道状态信息，优于平均功率分配，而当只考虑能量采集，无电网的功率时，由于能量到达的时变特性，系统的吞吐量远远不如提出的优化算法。

本发明以最大化系统的可达和速率为目标，提出了一种最优的功率分配方法，提升了系统的最大吞吐量。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。