。。还 可W由基站侧通过测量获得，如果采用运种测量的方式来获得口。。1.。，由于后续所设计的算 法的需要，宏基站测量所得的需要通过回程链路发送给部署在宏基站覆盖范围内的微 基站。为了简化起见，即使各基站采用运种测量的方式来获得不同的基站处测量所得 的加性白高斯噪声的平均功率也统一地用参量进行标识。
[011 ^ 诚追具体估算为：
[0113] 13)在微小区侧，对MinRecSS M肥在宏基站处所产生的上行链路信干噪比娜fwssi 进行估算
[0114]具体地，用PLMeWBPUE.,表示宏基站与被微基站n(n= 1，…，N)所服务的任意一个用 户设备P肥j(jGA。）之间的路径损耗的测量值。
[0117] 14)在微小区侧，构建WN个微小区的上行链路总容量为优化目标、W被N个微小 区所服务的用户设备们的上行链路发射功率为优化变量的优化问题。
[0118] 具体地，用戸eess表示使MinRecSSM肥实现成功的上行链路信号传输所需的 最小信干噪比（或称为目标信干噪比），用链耀鶴产表示使P肥j(jGA"，nG{1，2,…，NI) 实现成功的上行链路信号传输所需的最小信干噪比（或称为目标信干噪比）。说AW进WkfSS 和进M端^可W根据MinRecSSM肥和P肥j(jGA。，!!G{1，2,…，N})各自的上行链路传 输性能目标来进行设定，也可W被设定为一个相同的"上行链路传输目标信干噪比"。
[0119] 具体地，用巧三t"表示用户设备P肥j(jGA。，!！G{1，2,…，N})的最大允许发射 功率（单位为瓦特），用声PUE= [{巧迫???，{巧企r表示N个微小区所服务的 用户设备们的发射功率所构成的功率向量。
[0120] 优化问题具体构建为：
[0122] 在依据本发明的一个实施例之中，S/W瑞fWSS和細W皆> 可W利用W下式子 来进行设定：进=細V端"=max(細V馬CHTH，况A姆説苗und)。其中，SINRC別TH为LTE-A系统中上行链路控制信道的目标信干噪比，其为具有给定值的系统参数； S胃抵品晋?*为LTE-A系统中上行链路数据信道可采用的所有备选调制编码方案等级所对 应的目标信干噪比中的最小值，其为具有给定值的系统参数。
[012引对上述优化问题求解所需的来自宏基站的信息为Mue，和iMuesP。*。。此外，若协调微基站的索引为1，所述求解优化问题所需的来自其它微基站的 f曰息为PLpeNBnPUEj(jE八n,n声U，PLpeNBnPUEk化E八m,m声n,m声 1,n声]_),和PLweNBPUE J(jeA。，n声 1)。
[0124] 。求解优化问题；
[0125] 根据对数运算符的加法运算原理和对数函数的单调递增特性，上述公式化）中的 优化目标可W被等价地表示为下述数学表达形式
[0126] 巧)：
[0127] 上述公式（7)所示的优化目标可W被进一步地表示为下述等价的数学表达形式： [012 引 (8)
[0129] 可W看至IJ，所述优化问题是非线性和非凸的；根据"D.Bertsekas，Convex OptimizationTheory,AthenaScientific, 2009"和"S.BoydandL.Vandenberghe,Convex Optimization,CambridgeUniversityPress, 2009"，对于像运样的优化问题，通常很难找 到有效的数学方法对其进行求解。接下来，我们将分别在"所有的PUE的上行链路传输所致 信干噪比都很大"和"并不是所有的P肥的上行链路传输所致信干噪比都很大"运两种场景 下对所述优化问题进行求解。
[0130] 在第一种场景，所有的P肥S的上行链路传输所致信干噪比都很大，也就是减尝 (VjeA。，Vcgy，...，N})的量级很大，公式（6)中所示的优化目标可W被近似为下述数 学表达形式：
[0132] 利用公式（7)-巧），公式（6)所述的优化问题可W近似为下述数学表达形式：
[0134] 公式（10)所示的优化问题属于一类被称为几何规划（即Geometric Programming,简称GP)的优化问题。
[0135] 根据"D.Be;rtsekas,ConvexOptimizationHieoiy,AthenaScientific, 2009"、 "S.BoydandL.Vandenberghe,ConvexOptimization,CambridgeUniversity Press, 2009"和"R.Duffin,E.Peterson,andC.Zener,GeometricProgramming:Theoryand Application,JohnWiley&SonsInc, 1967"，通常，GP优化问题具有下述的标准的数学表达 形式 (11)
[0137] 在上述公式（11)中，X= 是优化变量，f。和{fJ是优化变量的多项式函数， 化J是优化变量的单项式函数。GP优化问题通常是非线性和非凸的优化问题；但是，同样 根据"D.Be;rtsekas,ConvexOptimizationHieoiT,AthenaScientific, 2009"、"S.Boyd andL.Vandenberghe,ConvexOptimization,CambridgeUniversityPress, 2009" 和"R.Duffin,E.Peterson,andC.Zener,GeometricProgramming:Theoryand Application,JohnWiley&SonsInc, 1967"，基于将优化变量进行对数替换、W及将优化目 标函数和约束函数进行对数变换，一个GP优化问题能够被转化为一个等价的凸优化问题。
[0138] 对于公式（11)，首先将原始的优化变量；:=k}替换为其对数值 V= (.)',=IugJ-,h然后将优化目标函数由f。变换为其对数值Io奸。，接着将不等式约束条件 化《U替换为Uogf0}、将等式约束条件化1=U替换为{1〇曲1= 0}。由此，则可 将公式（11)所示的优化问题转化为如下所示的等价的优化问题：
[0139] Mjnl〇g/；(>〇 义 subjecttolog/；(j)< 0,走二\，…，P [口） Iog/2, 0，）二 0， /二1，...，《7
[0140] 不同于公式（11)所示的GP优化问题，公式（12)所示的等价的优化问题是一个凸 优化问题。因此，根据"B.Jansen,InteriorPointTechniquesinOptimization=Complem entarity,SensitivityandAlgorithms,Springer, 2010"，我们可W义用通常用于求解凸 优化问题的很成熟的内点法（即interiorpointmethods)来有效地求解转化所得的等价 的凸优化问题。
[0141] 对于公式（10)所示的优化问题，其原始表达形式与公式（11)所示的GP优化问题 的标准表达形式有所不同。但是，对于公式（10)所示的优化问题，其优化变量为发射功率 向量致。e的所有成员分量；同时，经过简单的数学操作可W发现其优化目标函数是优化变 量的多项式函数；此外，每个约束条件都可W被等效地表达为形如"优化变量的一个多项式 函数小于或等于一个上限"的不等式。因此，公式（10)所示的优化问题可W被转换为一个 等价的GP优化问题。
[0142] 进一步地，利用公式（11)-(12)所示的等价变换，就可W将公式（10)所示的优化 问题最终转化为一个等价的凸优化问题。运样，我们就可W采用内点法来有效地求解得到 实现了优化的对P肥S的发射功率的分配了。
[0143] 在第二种场景，并不是所有的P肥S的上行链路传输所致信干噪比都很大，根据公 式（6)和公式（8)，我们可W将公式（6)所示的优化问题等价地表示为下述数学表达形式：
[0144]
[0145] 对于公式（13)所示的优化问题，其优化变量为发射功率向量A.Ill的所有成员 分量。经过简单的数学操作后，我们发现其优化目标函数可W等价为优化变量的两个 多项式函数之比；也就是说，其优化目标函数并不是优化变量的多项式函数。因此，根 据"C.Bei曲tierandD.Philips,AppliedGeometricProgramming,Wiley, 1976" 和 "M.AvrieLAdvancesinGeometricProgramming,Springer, 1980"，公式（13)所不的优化 问题并不是一个GP优化问题，而是属于一类被称为互补几何规划（即ComplementaryGP， 简称CGP)的优化问题。
[0146] CGP优化问题是非凸优化问题，但是，同样根据"C.Bei曲tierand D.Philips,AppliedGeometricProgramming,Wiley, 1976"和"M.Avriel,Advancesin GeometricProgramming,Springer, 1980"，可W采用凝聚法（即condensationmethods) 来进行有效的求解。凝聚法的方法论是通过迭代地应用单项式近似来获取并求解一系列的 GP问题。在凝聚法中进行单项式近似时我们有两种不同的处理方式；相应地，可将凝聚法 分为单冷凝法和双冷凝法。
[0147]对于单冷凝法（即singlecondensationmethod)，在每一轮的迭代中，利用在上 一轮迭代中计算所得的可行点将优化目标的分母