多天线系统高能效动态功率分配方法
【技术领域】
[0001] 本发明设及一种基于能效优化的动态功率分配方法，属于无线通信中资源分配的 相关领域。 技术背景
[0002] 近年来无线通信技术飞速发展，随着数字通信技术的诞生与应用，移动通信技术 发生了巨大的变革。应对未来的需求，无线通信技术将需要具有更高的信息传输速率，实 现在任何时间、任何地点、向任何人提供更有效可靠的通信服务。因此，无线通信系统需要 解决的关键问题之一就是在有限的频带资源下，提高频带利用率实现高速且可靠的数据传 输。
[0003] 近年来的研究表明，多天线MIMO(MultipleI吨UtMultiple0u1:put)技术能显著 增加信道容量，提高频谱效率。MIMO系统利用多发多收的天线结构，应用先进的无线传输和 信号处理技术，开发出新的可利用的空间资源，使其在不增加频谱资源和天线发送功率的 情况下，成倍地提高通信系统的容量和频谱利用率。此外，移动无线信道是一个时变环境， 信道容量和接收端的信噪比等都是随机变化的。当采用固定的传输方式时，通信系统就无 法适应信道状况的变化，无法充分利用无线信道的容量，而采用自适应传输技术的MIMO系 统，可W用较低的复杂度，实现高性能、高频谱效率的通信，并通过动态调整各种传输参数 使得系统资源配置能适应信道的变化。用于无线通信，W实现高的频谱效率（S巧和能量效 率巧巧的功率分配方案被广泛地讨论。大多数文献是基于信道统计特性来优化训练序列 功率分配，而由于数据速率取决于瞬时信道状态，估计误差和反馈误差的SE/邸损失也取 决于瞬时信道状态。已有研究表明在零和最大值之间跳转训练功率在窄带衰落信道中能提 供高的SE增益。但是，运种"砰-砰"控制适用于低信号噪声比（SNR)或宽带信道的扩散 限制条件下，且假设连续信道实现之间有很高的相关性。
[0004]本发明W自适应传输为研究内容。基于能效优化的动态功率分配方法，提高传输 效率。
【发明内容】
[0005] 在多天线系统中，W能效优化的动态功率分配方法为研究内容，解决反馈和训练 数据功率分配的联合问题。当两个信道估计和反馈不准确时，提出动态功率分配W最大限 度地提高能效。基于高斯-马尔科夫信道分析卡尔曼估计、基于差分码本反馈的时间相关 性，基于该相关性给出下界遍历能量效率，W最大化能量效率为目标进行自适应的训练和 数据的功率分配。仿真结果表明，所提出的动态功率分配方案优于传统功率分配方案。
[0006] 通过研究动态功率分配，W期实现在非理想信道估计和反馈下的无线多天线通信 链路中，最大化能量效益，其中信道被模型化为一个更广义高斯马尔可夫过程。
[0007] 为了获得更可靠的信道状态信息，需要进行适当的功率分配，特别是在训练前，对 于没有可依据的瞬时信道状态信息（CSI)情况下，对信道估计、反馈和误差的时间相关性 进行了分析。
[0008] 根据时间相关性，无论是数据功率还是训练功率均被自适应地分配到每个时隙 中，W获得能效最大化，并使得增强的长期平均能效最大化。
[0009] 多天线系统高能效动态功率分配方法，该方法包括W下步骤：
[0010] 步骤1:建立系统模型，即信道传输模型。
[0011] 设计一个通信系统包含Nt个发送天线（Nt> 2)和一个接收天线，通信链路的信道 环境为瑞利平坦衰落信道环境。
[0012] 步骤2 :建立信道估计和反馈模型。
[0013] 步骤2. 1:建立信道估计模型。
[0014] (I)AR模型
[0015] 信道随时间变化且在每个时隙内保持恒定，根据时间相关性，通过一阶的自回归 模型一一AR模型表示。
[0016] 似信道估计
[0017] 状态模型和观测模型允许使用卡尔曼滤波器来自适应地跟踪信道，因此，使用卡 尔曼进行滤波估计。
[001引步骤2. 2:反馈模型。
[0019]在此，采用差分反馈构建系统模型。发射端和接收端分别具有Nt和Nf根天线，下 行CSI(信道状态信息）首先由接收端估计得到，由接收端计算CSI的差分信息。差分信息 量化为有限的反馈比特数，并通过反馈信道发送给发射端。
[0020] 步骤3 :建立能效功率分配机制。
[0021] 步骤3. 1 :信道容量问题。
[0022] 假定发送器码元经历了许多相干模块，建立受到不完美的信道估计和信道反馈作 用的在遍历容量信道的下界Rk。
[002引步骤3. 2:能量效率问题。
[0024] 在发射端设计功率控制器的目标是最大化遍历的能源效率下界，经分析后，该功 率分配的设计可看作随机优化问题。
[00巧]步骤3. 3 :最优功率的分配。
[0026] 是关于if和巧"的非凹非线性分式函数，全局最大化的最佳变量较易 计算。
【附图说明】
[0027] 图1为本发明所提出的多天线系统高能效动态功率分配方法的流程图；
[002引图2为天线总数Nt、符号数T、码本数CB分别变化时，能效值随电路电源护的变化 趋势，并将该发明和现存最优方案做了对比；
[0029] 图3为码本数CB= 16、电路电源护=20和码本数CB= 8、电路电源PE= 60的 数据功率和训练功率曲线。
【具体实施方式】
[0030] 下面结合附图和实施例对本发明做进一步说明。
[0031] 本发明所述方法的流程图如图I所示，包括W下步骤：
[0032] 步骤1 :建立系统模型，即信道传输模型。
[0033] 设计包含Nt个发送天线和一个接收天线通信链路，链路的信道满足瑞利平坦衰落 信道环境，假定训练信号Sk的大小是JXNt，被用于在时间块k内化> 4000)，其中J代表 训练时间间隔的持续时间，至少满足J>Nt。…A，,J且表示发送训练 信号向量中元素。nt= 1，…，Nt,其中nt表示发送天线的数量。
[0034]接收机获得所接收的信号妓是大小为JX1的矩阵。
(U
[0036] 其中砖6 ，表示信道矢量，其元素是独立分布的高斯变量，用):描述。〇 是均值为零，协方差矩阵为诗的白复高斯噪声向量。
[0037] 最佳训练信号的形式为：=0,巧*",';<成./, 。/f是每个天线上的训 练功率。
[0038] 需要归一化共辆转置hk作为波束形成向量，使接收端的信噪比（SNR)最大化。但 是，hk实际上是未知的，接收端仅能通过进行信道估计获得4。
[003引因此，假设信道在每个时隙内是恒定的，在每个时间间隔内，使用Ntbk个比特的基 于码本的反馈信道鳥，发射器从信道反馈获得的信道信息被描述为，其标准化的共辆转 置
被用作波束形成向量。因此，数据Xk的接收信号Yk由下式给出：
[0040]
樹
[0041] 其中皆是数据功率分配，假定为功率归一化符号。
[0042] 步骤2:建立信道估计和反馈模型。
[0043] 步骤2. 1建立信道估计模型。
[0044] (I)AR模型
[0045] 信道随时间变化且在每个时隙内保持恒定，根据信道时间相关性，可W通过一阶 的自回归模型来表示：
[0047]参数a，a=J〇(2fdL)是时间相关系数.其中J〇( ?)是第一类零阶贝塞尔函 数，fd表示最大多普勒频率，Tg表示连续时隙之间的时间间隔，Wk是一个满足C小')的 独立同分布的复高斯随机变量。
[004引 似信道估计
[0049] 状态模型馬二和观测模型托'二5/A+M允许使用卡尔曼滤波器 来自适应地跟踪信道，如下公式：
择' =巧皆(掉'产}，皆=馬-4分别是先验和后验估计误差协方差矩阵。Gk是卡尔曼增益， 4是所估计的信道。初始值为4(0)=?,,.,铅=:4^。
[0052] 步骤2. 2:反馈模型。
[0053] 在第k个时隙时，时间相关参数a在基站中是已知的。量化矢量馬可W通过量化 估计的信道向量4和先验CSl a馬I之间的差成=4 -保焉来给定，然后BS可W根据量化差 矢量式来更新信道咬。
[0054]咬=仿馬_,+? (64)
[005引其中兩是dk的量化形式，从2b个向量组成的码本中选择。
[0056] 对于给定的量化信道,和量化误差矢量ef,，根据公式（3) (4)，第k个信道估计 可表不为：
(5)
[00则其中c;-' =4 -马是反馈误差。因此，误差矢量可W表示为：
(6)
[0060] 高斯假设下的量化误差矢量媒，0<r</c-i，满足。KX化媒')|的独立同分布的 复高斯随机变量，误差矢量dk的方差=适/可通过下式表示：
[0061]《=。2说+巧？（7)
[0062] 根据速率失真理论，对于每个单元满足。K(0,巧）分布的b比特量化失真，基于形 状增益比单独量化形状增益联合量化产生更大的量化误差的事实，可得出量化误差方差的 上下界，如下式所示：
(8)
[0064] 其中C是一个系数。
[0065] 步骤3 :建立能