本发明属于无线通信技术领域,涉及一种能量利用率最大化的异构无线网络鲁棒功率控制方法。
背景技术:
随着无线通信技术的飞速发展,移动用户数量和数据业务需求在大幅增长,移动通信技术对人类社会的发展产生了巨大的影响。异构无线网络是一种新的移动通信网络构架,通过在宏基站覆盖范围内部署低功率小型基站(如:微蜂窝基站、飞蜂窝基站),改善系统容量并且满足室内无线环境下的高数据速率要求,以满足移动数据业务的持续增长。但低功率基站的引入也带来了大量的能耗,同时还会引起严重的跨层干扰,使宏用户产生通信中断。因此如何有效提高系统能量利用率与干扰管理是异构网络面临的一个新的技术挑战。
由于实际的通信场景较为复杂,总是假设获得完美的信道状态信息是不可行的,传统的异构无线网络功率控制方法,常常忽略信道不确定性对系统性能的影响。不完美信道状态信息可能会导致功率控制方法性能下降,因此,异构无线网络的鲁棒功率控制方法提高系统能量利用率与实际工程应用提出了新的挑战。
技术实现要素:
有鉴于此,本发明的目的在于提供一种能量利用率最大化的异构无线网络鲁棒功率控制方法,该方法考虑信道不确定性的影响,保障宏用户的通信质量,降低了宏用户的中断概率,提高飞蜂窝系统的能量利用率。
为达到上述目的,本发明提供如下技术方案:
一种能量利用率最大化的异构无线网络鲁棒功率控制方法,具体包括以下步骤:
s1:初始化系统参数;所述系统参数包括宏用户数l、飞蜂窝用户数k、信道增益、中断概率阈值、干扰温度值、飞蜂窝基站最大发射功率值和电路损耗值;
s2:迭代初始化;初始化能量利用率,设定迭代次数和背景噪声σ2,获取信道信息;
s3:计算飞蜂窝基站的发射功率,并更新发射功率控制因子λ(t+1)、干扰功率控制因子γk(t+1);
s4:计算所有飞蜂窝用户发射机对宏用户接收机产生的干扰功率,并判断是否小于等于干扰功率门限值,若满足,则进入s5;否则,进入s6;
s5:判断飞蜂窝基站的发射功率总和是否小于等于最大发射功率;若是,飞蜂窝基站分配给飞蜂窝用户的最优发射功率取当前的发射功率并计算能量利用率;否则,进入s6;
s6:判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出飞蜂窝基站分配给飞蜂窝用户的最优发射功率和相应的能量利用率;否则,进入下一次迭代,返回s3。
进一步,在所述步骤s3中,所述的飞蜂窝基站分配给飞蜂窝用户k的发射功率根据以下公式计算:
pk(t)=[1/f2(t)-1/f1(t)]+
其中,pk(t)是迭代次数为t时得到的飞蜂窝基站分配给用户k的发射功率;
f1(t)的具体表达式为
f2(t)的具体表达式为
其中,gk为飞蜂窝基站发射机与飞蜂窝用户接收机链路上的直接信道增益,
进一步,在所述步骤s3中,所述的更新发射功率控制因子λ(t+1)和干扰功率控制因子γk(t+1)的表达式如下:
其中,d1和d2为λ(t+1)、γk(t+1)相应的更新步长,pk为飞蜂窝基站分配给飞蜂窝用户k的发射功率,ith表示宏用户接收机的干扰温度阈值,且[x]+=max{0,x}。
进一步,所述步骤s4具体包括:通过公式
进一步,所述步骤s5具体包括:通过公式
进一步,所述步骤s6具体包括:通过公式
本发明的有益效果在于:本发明考虑信道不确定性下最大化能量利用率的鲁棒功率控制方法,利用在瑞利衰落环境下信道增益估计误差服从指数分布模型,结合分式规划理论和拉格朗日对偶分解原理,求解出飞蜂窝基站的最优发射功率和飞蜂窝系统的能量利用率。本发明在降低宏用户中断概率的同时,能够提高飞蜂窝系统的能量利用率,且保证鲁棒功率控制方法具有良好的收敛性与实用性。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明所述方法的流程图;
图2为本发明在不同的方法对比下,能量利用率与电路损耗之间的曲线图;
图3为本发明在飞蜂窝用户不同的最大发射功率pmax下,宏用户的服务概率与能量利用率的曲线图;
图4为本发明在不同的算法下,不确定度δh与服务概率的曲线图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明针对信道不确定性下的鲁棒功率优化问题,考虑宏用户的中断概率约束和飞蜂窝基站的发射功率约束,能够实现飞蜂窝网络能量利用率最大化的目的。为了克服信道不确定性造成的宏用户通信中断问题,利用信道增益估计误差服从指数分布模型,将概率型约束转换成确定型约束,然后利用分式规划理论和拉格朗日对偶分解原理,将非凸优化问题等价转换成凸优化问题进行求解。在异构网络存在信道不确定性的条件下,本发明相比传统的功率控制方法,能够有效的提升飞蜂窝系统的能量利用率,并且可以降低宏用户发生通信中断的概率。
如图1所示,一种能量利用率最大化的异构无线网络鲁棒功率控制方法,包括以下步骤:
s1:初始化系统参数;所述系统参数包括宏用户数l、飞蜂窝用户数k、信道增益、中断概率阈值α、干扰温度值ith、飞蜂窝基站最大发射功率值pmax和电路损耗值pc;
针对两层异构无线网络,假设该异构网络中存在一个宏蜂窝和一个飞蜂窝,且宏用户数为l,飞蜂窝用户数为k,其集合分别表示为
s2:迭代初始化;初始化能量利用率,设定迭代次数,设定背景噪声σ2,获取信道信息。初次迭代时取t=1,最大迭代次数为t,设定一个能量利用率初始值ηee(0);
根据香农定理,可以得到飞蜂窝用户k的信干噪比为:
其中,σ2为背景噪声,
s3:计算飞蜂窝基站分配给飞蜂窝用户的发射功率,并更新发射功率控制因子λ(t+1)和干扰功率控制因子γk(t+1);
采用分式规划和拉格朗日对偶分解方法,将非凸优化等价转换成凸优化问题,推导出发射功率为
pk(t)=[1/f2(t)-1/f1(t)]+
其中,pk(t)是迭代次数为t时得到的飞蜂窝基站对用户的最优发射功率,f1(t)的具体表达式为
更新发射功率控制因子和干扰功率控制因子λ(t+1)、γk(t+1)的表达式如下:
其中,d1和d2为λ(t+1)、γk(t+1)相应的更新步长;pk为飞蜂窝基站分配给飞蜂窝用户k的发射功率,ith表示宏用户接收机的干扰温度阈值,且[x]+=max{0,x}。
s4:计算所有飞蜂窝用户对宏蜂窝用户产生的干扰功率,并判断是否小于等于干扰功率门限值,若满足,则进入s5;否则,进入s6;
为了保护宏用户的通信质量,减少中断事件的发生,需要建立不确定性约束条件,然后将其转换成等价的确定性约束,原约束条件为:
其中,α表示宏用户接收机发生中断事件的中断概率阈值,pk为飞蜂窝基站分配给飞蜂窝用户k的发射功率,ith表示宏用户接收机的干扰温度阈值,hk,l表示飞蜂窝用户k对宏用户l的干扰信道增益。
为了将上式转换成确定性形式,假设在瑞利衰落环境下,接收信号功率服从指数分布模型,可以看出,只有hk,l对功率有影响,从而假设hk,l服从参数为
其中,pk为飞蜂窝基站分配给飞蜂窝用户k的发射功率,ωk表示第k个飞蜂窝用户到宏用户接收机传输为路径的权重因子。
s5:判断飞蜂窝基站的发射功率总和是否小于等于最大发射功率;若是,飞蜂窝基站分配给飞蜂窝用户的最优发射功率取当前迭代时的最优功率并计算能量利用率;否则,进入s6;根据公式
s6:判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出飞蜂窝基站分配给飞蜂窝用户的最优发射功率与相应的能量利用率;否则,进入下一次迭代,返回s3;能量利用率的计算根据公式
实施例:以下通过对通信网络初始值的假设,对本发明进一步说明。
1)建立通信网络,初始化系统参数;假设网络中有4个宏用户(l=4)、中断概率阈值(α=0.1)、飞蜂窝基站最大发射功率值(pmax=0.6w)、干扰温度值(ith=6×10-3w)、电路损耗值(pc=4.8w)。
2)迭代初始化,初始化能量利用率,设定迭代次数,获取信道信息;初次迭代时取t=1,最大迭代次数为t=300,设定一个能量利用率初始值ηee(0)=0.6,背景噪声(σ2=10-8w),获取信道信息。
3)计算飞蜂窝基站分配给用户的发射功率,并更新发射功率控制因子和干扰功率控制因子λ(t+1)、γk(t+1);
采用分式规划和拉格朗日对偶分解方法,将非凸优化等价转换成凸优化问题,推导出发射功率为:
pk(t)=[1/f2(t)-1/f1(t)]+
其中,pk(t)是迭代次数为t时得到的飞蜂窝基站分配给用户的发射功率,f1(t)的具体表达式为
更新发射功率控制因子和干扰功率控制因子λ(t+1)、γk(t+1)的表达式如下:
其中,d1和d2为λ(t+1)、γk(t+1)相应的更新步长;pk为飞蜂窝基站分配给飞蜂窝用户k的发射功率,ith表示宏用户接收机的干扰温度阈值,且[x]+=max{0,x}。
4)计算所有飞蜂窝用户对宏蜂窝用户产生的干扰功率,并判断是否小于等于干扰功率门限值,若满足,则进入s5;否则,进入s6;根据公式
5)判断飞蜂窝基站的发射功率总和是否小于等于最大发射功率;若是,飞蜂窝基站分配给飞蜂窝用户的最优发射功率取当前迭代时的最优功率并计算能量利用率;否则,进入s6;根据公式
6)判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出飞蜂窝基站分配给飞蜂窝用户的最优发射功率与相应的能量利用率;否则,进入下一次迭代,返回s3;能量利用率的计算根据公式
为了便于体现出本实施例的有效性,定义基于速率最大化的鲁棒功率控制(ratemaximization-basedrobustpowercontrol,rrpc)方法是指在信道不确定性下目标函数仅考虑最大化传输速率。所提的方法是在信道不确定性下,考虑基于能量利用率最大化的鲁棒功率控制方法(energy-efficiencymaximization-basedrobustpowercontrol,erpc),而基于能量利用率最大化的最优功率控制(energy-efficiencymaximizationoptimalpowercontrol,eopc)方法是指在完美信道状态信息下的能量利用率优化方法。
在本实施例中,图2给出了本实施例方法中,在三种方法的对比下,能量利用率与电路损耗的关系;图3给出了本实施例方法中飞蜂窝用户在不同的最大发射功率pmax下,宏用户的服务概率对能量利用率的影响;图4给出了本实施例方法中,不同功率控制方法下不确定度δh对服务概率的影响。由图2可得:能量利用率随着电路损耗pc的增加而减小,并且可明显看出考虑鲁棒性的能量利用率功率控制方法比非鲁棒性方法的能量利用率高,同时也高于仅仅考虑最大化传输速率的功率控制方法。由图3可见:在不同的发射功率限制下,服务概率和能量利用率之间的关系。当服务概率一定时,系统能量利用率随着pmax的增大而增大,pmax越大,允许飞蜂窝基站发射的功率值越大,因此是成正比的关系。另外,可以看出,当pmax一定且服务概率超过一定值后,能量利用率将下降,因为服务概率过大时,飞蜂窝用户的发射功率会减小从而保护宏用户的通信质量。由图4可见:能量利用率随着δh的增大而减小,由于δh越大,意味着链路存在着较大的不确定性。非鲁棒性方法的性能最差,因为该方法并没有考虑不确定性对传输的影响。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。