一种用于MISO无线公平性网络的用户接入控制优化方法与流程

本发明涉及移动通信领域，尤其涉及一种用于miso无线公平性网络的用户接入控制优化方法。

背景技术：

在无线网络管理中，由于木桶效应，有时候往往是最差的用户决定整个网络的服务质量，所以我们以使信噪干比(sinr)最小的用户拥有最大的信噪干比的公平性准则为目标，来提高网络的整体服务质量。然而，如果有大量用户等待服务，随着用户之间的竞争，整个网络会变得很拥挤，导致服务质量下降，对大规模网络而言这个问题变得尤为明显。所以，我们引入了用户接入控制来缓解这个问题，即只选取一部分用户接入网络，同时保证这些用户的公平性，并且能够享受到高服务质量。

技术实现要素：

本发明所要解决的技术问题是提供一种用于miso无线公平性网络的用户接入控制优化方法,在给定总能量约束的条件下，得到应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案,在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。

本发明解决上述技术问题的技术方案如下：

一种用于miso无线公平性网络的用户接入控制优化方法，包括以下步骤：

步骤1：设定参数：

所述参数包括需要接入的用户个数n、基站配备的天线数t、初始服务质量阈值γ⁽⁰⁾、噪声功率σ²、迭代终止门限ε、各用户和基站间的发送波束赋形矩阵w＝[w1,...,wm]以及各用户和基站间的传输信道矢量矩阵

步骤2：采用admm算法更新相关变量，并迭代求解接入用户集a和波束赋形矩阵w，具体求解过程如下:

步骤2-1：采用admm迭代算法，求解波束赋形矩阵w和服务质量指标θ；

步骤2-1-1：初始化参数：

设定θ,q,f,φ,λ的初始值：

其中，辅助矩阵由无线通信网中的信道矩阵噪声功率σ和波束赋形矩阵构建而成；

θ是服务质量指标；

和为当前迭代中接入用户对应的波束赋形矩阵和信道矩阵，i＝|a|表征当前迭代的接入用户数；

q＝(q1,q2,...,qi)^t为服务质量指标向量；

λ∈c^i×1为正态高斯分布随机向量；

φ∈c^i×(i+1)为正态高斯分布随机矩阵；

设定admm算法的惩罚参数c值；

步骤2-1-2：根据初始化参数更新服务质量指标θ，按照如下公式对服务质量指标θ进行更新：

其中，λi是随机向量λ的第i个元素；qi是服务质量指标向量q的地i个元素；c是惩罚参数；i是当前迭代接入的用户个数；

步骤2-1-3：更新波束赋形矩阵按照如下公式对波束赋形矩阵进行更新：

其中，φw、fw是和具有相同维度的矩阵，即为去掉随机矩阵φ和辅助矩阵f的最后一列的部分所组成的左子矩阵；

如果则λw＝0；否则，利用二分法求得λw，再代入λw，到上式中，求得w，其中，λw是拉格朗日乘子，是总能量预算；

所述二分法步骤如下：

步骤2-1-3-1：初始化：对进行特征值分解，得到其中π＝diag(π1,π2,...,πt)是的特征值对角矩阵；v∈c^t×t是酉特征向量矩阵；令为特征矩阵，为ψ的第t个对角元素；设定拉格朗日乘子下限λl和上限λu；

步骤2-1-3-2：二分法取λw为其中间值(λl+λu)/2；

步骤2-1-3-3：如果那么λu＝λw；否则，λl＝λw；

重复步骤2-1-3-2和步骤2-1-3-3，直到|λl-λu|≤ε；

其中,ε是迭代终止门限；

步骤2-1-4：更新辅助矩阵f和服务质量指标向量q，其由如下规则获得：

其中，是f的第i个对角元素；是f中第i个行向量中除去后剩余的元素组成的向量；

yⁱ是的第i行行向量，

是yⁱ的第i个元素，是φ的第i个对角元素；

是yⁱ中除去后剩余的元素组成的向量，是φ的第i个行向量中除去后剩余的元素组成的向量；

λi是随机向量λ的第i个元素；γ是当前迭代中计算出的总用户服务质量，κ是辅助变量；

步骤2-1-5：更新随机向量和随机矩阵λ,φ，通过如下公式进行更新：

λi＝λi+c(qi-θ)

其中，φⁱ是随机矩阵φ的第i行向量；

步骤2-1-6：内层迭代：

重复步骤2-1-2至步骤2-1-5，直到时停止迭代，得到波束赋形w、服务质量指标θ；其中，ε是迭代终止门限；

步骤2-2：计算各自用户服务质量γm，按照如下公式计算：

其中，hm∈c^t×1表示当前迭代中用户m与基站之间的传输信道矢量，wm∈c^t×1表示当前迭代中基站与用户m之间的发送波束赋形，σ²为噪声功率；

步骤2-3：更新接入用户集a，其具体过程为：

如果|a|>n，则更新各自用户服务质量，按照如下公式对各自用户服务质量进行更新：

删除接入用户集a中最小γm所对应的用户；

否则，接入用户集a保持不变；

步骤2-4：更新用户服务质量阈值，按照如下公式对用户服务质量阈值进行更新：

γ＝minm∈aγm

步骤2-5：外层迭代：重复步骤2-1至步骤2-4，直到θ＜ε且|a|＝n时停止迭代，得到可接入用户集a和波束赋形矩阵w，其中，ε是迭代终止门限。

本发明的有益效果是：本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案；本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。

附图说明

图1为本发明的方法总体流程图；

图2为本发明的admm迭代算法求解流程图；

图3为本发明的方法和现有算法性能比较仿真图；

图4为本发明的方法和现有算法效率比较仿真图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，本发明提供了一种用于miso无线公平性网络的用户接入控制优化方法，在给定总能量约束的条件下，得到应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案，本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。

该方法的应用场景具体描述如下：

假设在一个下行miso网络中有m个用户和1个基站，考虑其下行链路传输过程，每个用户配备单天线，每个基站配备t(t>1)根天线。用hm∈c^t×1表示用户m与基站之间的传输信道矢量，wm∈c^t×1表示基站与用户m之间的发送波束赋形，其中m＝1,2,...,m.令σ²表示基站处的高斯白噪声功率，简便起见这里假设所有基站接收到的白噪声功率相同。

发送波束赋形矩阵w∈c^t×m可以表示为w＝[w1,...,wm]。

采用信干噪比描述服务质量，用户m的信干噪比可以通过式(1)计算：

考虑问题(2)如下所示。

其中，是总能量预算。θ是sinr是服务质量指标，它可以表示整个网络的服务质量的好坏。

本发明在给定总能量约束的条件下，求得了应当被拒绝服务的用户，同时也得到了波束赋形的相应最优方案。本发明在服务质量、用户个数之间达到较好的平衡，还能将一部分计算量分摊到各个基站或用户终端去完成，减少中央控制器的计算工作量。

一种用于miso无线公平性网络的用户接入控制优化方法，其特征在于,包括以下步骤：

步骤1：设定参数：

所述参数包括需要接入的用户个数n、基站配备的天线数t、初始服务质量阈值γ⁽⁰⁾、噪声功率σ²、迭代终止门限ε、各用户和基站间的发送波束赋形矩阵w＝[w1,...,wm]以及各用户和基站间的传输信道矢量矩阵

步骤2：采用admm算法更新相关变量，并迭代求解接入用户集a和波束赋形矩阵w，具体求解过程如下:

步骤2-1：采用admm迭代算法，求解波束赋形矩阵w和服务质量指标θ；

步骤2-1-1：初始化参数：

设定θ,q,f,φ,λ的初始值：

其中，辅助矩阵由无线通信网中的信道矩阵噪声功率σ和波束赋形矩阵构建而成；

θ是服务质量指标；

和为当前迭代中接入用户对应的波束赋形矩阵和信道矩阵，i＝|a|表征当前迭代的接入用户数；

q＝(q1,q2,...,qi)^t为服务质量指标向量；

λ∈c^i×1为正态高斯分布随机向量；

φ∈c^i×(i+1)为正态高斯分布随机矩阵；

设定admm算法的惩罚参数c值；

步骤2-1-2：根据初始化参数更新服务质量指标θ，按照如下公式对服务质量指标θ进行更新：

其中，λi是随机向量λ的第i个元素；qi是服务质量指标向量q的地i个元素；c是惩罚参数；i是当前迭代接入的用户个数；

步骤2-1-3：更新波束赋形矩阵按照如下公式对波束赋形矩阵进行更新：

其中，φw、fw是和具有相同维度的矩阵，即为去掉随机矩阵φ和辅助矩阵f的最后一列的部分所组成的左子矩阵；

如果则λw＝0；否则，利用二分法求得λw，再代入λw，到上式中，求得w，其中，λw是拉格朗日乘子，是总能量预算；

所述二分法步骤如下：

步骤2-1-3-1：初始化：对进行特征值分解，得到其中π＝diag(π1,π2,...,πt)是的特征值对角矩阵；v∈c^t×t是酉特征向量矩阵；令为特征矩阵，为ψ的第t个对角元素；设定拉格朗日乘子下限λl和上限λu；

步骤2-1-3-2：二分法取λw为其中间值(λl+λu)/2；

步骤2-1-3-3：如果那么λu＝λw；否则，λl＝λw；

重复步骤2-1-3-2和步骤2-1-3-3，直到|λl-λu|≤ε；

其中,ε是迭代终止门限；

步骤2-1-4：更新辅助矩阵f和服务质量指标向量q，辅助矩阵f的第i行向量fⁱ，即属于用户i，其由如下规则获得：

其中，是f的第i个对角元素；是f中第i个行向量中除去后剩余的元素组成的向量；

yⁱ是的第i行行向量，

是yⁱ的第i个元素，是φ的第i个对角元素；

是yⁱ中除去后剩余的元素组成的向量，是φ的第i个行向量中除去后剩余的元素组成的向量；

λi是随机向量λ的第i个元素；γ是当前迭代中计算出的总用户服务质量，κ是辅助变量；

步骤2-1-5：更新随机向量和随机矩阵λ,φ，通过如下公式进行更新：

λi＝λi+c(qi-θ)

其中，φⁱ是随机矩阵φ的第i行向量；

步骤2-1-6：内层迭代：

重复步骤2-1-2至步骤2-1-5，直到时停止迭代，得到波束赋形w、服务质量指标θ{w,θ}；其中，ε是迭代终止门限；

步骤2-2：计算各自用户服务质量γm，按照如下公式计算：

其中，hm∈c^t×1表示当前迭代中用户m与基站之间的传输信道矢量，wm∈c^t×1表示当前迭代中基站与用户m之间的发送波束赋形，σ²为噪声功率；

步骤2-3：更新接入用户集a，其具体过程为：

如果|a|>n，则更新各自用户服务质量，按照如下公式对各自用户服务质量进行更新：

删除接入用户集a中最小γm所对应的用户；

否则，接入用户集a保持不变；

步骤2-4：更新用户服务质量阈值，按照如下公式对用户服务质量阈值进行更新：

γ＝minm∈aγm

步骤2-5：外层迭代：重复步骤2-1至步骤2-4，直到θ＜ε且|a|＝n时停止迭代，得到可接入用户集a和波束赋形矩阵w，其中，ε是迭代终止门限。

以上为问题(2)的admm实现方法，运算速度会比cvx实现快很多。

在本发明的一个实施例中，还可以设置最大迭代轮数，当达到最大迭代轮数且最近两轮迭代更新得到的矩阵的差异仍大于预先设定的门限值时，仍然可以停止迭代。

实施例1

假设小区网络中有1个基站和m＝10个用户，随机分布在一个正六边形的小区内，小区六边各边长为d＝1000m。基站配备t＝20根天线，用户均配备单天线。假设用户m与基站之间的距离为dm,m＝1,2,...,10.那么，由于基站配备t根天线，他们之间的传输信道hm是t维的且满足均值为0，方差为的瑞利信道，其中lm为阴影衰减系数，它是服从均值为0，标准差为8的高斯分布的随机变量。

假设各个基站处的环境噪声为σ²＝0db，基站的发射功率上限均为30db，即

其依次按照上述步骤进行操作，完成整个网络的动态用户接入控制和波束赋形矩阵，在此不再赘述。

本发明和现有技术的三种算法分别在性能和效率两方面做出了对比，其仿真结果如下：

图3是性能比较：可以看出贪婪算法性能最佳，本发明的方法次之，但相差不大，尤其在用户总数足够大时几乎与贪婪算法性能相同。

图4是效率比较：可以看出贪婪算法运行所用时间远远大于另外三种算法，尤其是在用户总数较大时，所以在大规模网络中不可取。而本发明即采用了admm的提出算法，运行时间与耗时最少的随机法持平，且若将一部分计算量分摊到各个用户终端去并行完成，运行时间还将进一步减少。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。