一种多用户认知mimo干扰信道分布式能效优化方法
【技术领域】
[0001] 本发明设及无线通信技术领域，具体设及一种多用户认知MIMO干扰信道分布式能 效优化方法。
【背景技术】
[0002] 多用户认知MIMO干扰信道系统能够在现有的固定式频谱分配方案且不增加系统 带宽的情况下，提高频谱效率，解决频谱资源匿乏的问题。随着近年来智能设备的爆发式增 长W及有限的不可再生能源价格的持续攀升，政府、学术W及产业界开始了能够实现绿色 通信的能效方法研究，W使未来的无线通信能够走可持续发展道路。对多用户认知MIMO干 扰信道系统进行能效优化，不但能够减轻认知用户对授权用户的干扰，而且能够在提高系 统频谱效率的同时，还能够提高系统能量效率。
[0003] 现有技术中，G. Scu化ri等人针对多用户认知MIMO干扰信道系统，W每个用户的速 率最大化为优化目标建立非合作博弈模型，提出完全异步式分布算法并证明纳什均衡的存 在性。为了提高多用户认知MIMO干扰信道系统的能效，X.Zhang等人利用扩展拉格朗日乘子 方法解决优化子问题进而提出基于Dinke化ach的分布式能效优化算法。
[0004] X.Zhang等人为解决多目标多限制条件的优化子问题时使用扩展拉格朗日乘子方 法，该方法虽然可W去掉所有认知用户由于干扰限制条件而产生的禪合关系，但是该算法 只有在算法收敛时初始变量才是可行解，运样会造成在迭代过程中认知用户对授权用户产 生的干扰违背干扰阔值。为进一步提高系统性能，本发明提出一种多用户认知MIMO干扰信 道分布式能效优化方法。
【发明内容】
[0005] 为了解决现有技术中存在的问题，本发明提出一种多用户认知MIMO干扰信道分布 式能效优化方法。
[0006] 本发明提出的一种多用户认知MIMO干扰信道下分布式能效优化方法包括W下步 骤：
[0007] 步骤SI:根据多用户认知MIMO干扰信道系统中认知用户的功率限制和干扰阔值限 制建立认知用户能效最大化目标函数，W使每个认知用户的能效最大化；
[000引步骤S2:对所述认知用户能效最大化目标函数进行等式转换，得到认知用户等效 能效最大化目标函数；
[0009] 步骤S3:去除所述认知用户等效能效最大化目标函数中所有认知用户由于干扰阔 值限制而产生的禪合关系，得到认知用户去禪合等效能效最大化目标函数；
[0010] 步骤S4:利用拉格朗日方法去除所述认知用户去禪合等效能效最大化目标函数中 的限制条件，得到认知用户扩展式去禪合等效能效最大化目标函数；
[0011] 步骤S5 :对于所述认知用户扩展式去禪合等效能效最大化目标函数进行矩阵处 理，得到认知用户的最优功率值，进而得到认知用户的最优能效值。
[001^ 可选地，所述步骤SI中，认知用户k发送端SU-Ta的发送功率限审懷示为：
[OOU] Pk =化（QkH Pt,
[0014] 其中，Tr(?)表示对?进行迹运算，Qa=脑(xptf)表示认知用户k发送端洲-TXk的 发送信号Xk的协方差，（.）H表示.的化rmitian转置，昭(*)表示对.求期望，Pt表示认知用 户的发送功率阔值。
[0015] 可选地，所述干扰阔值限制为所有认知用户受到授权用户设置的总溫度干扰阔值 限制：
[0017] 其中，K表示认知用户的对数，GfeCWxW表示从认知用户k的发送端洲-TXk到授 权用户的接收端PU-fcc的信道矩阵，Qi=胚(XfXf)表示认知用户k发送端SU-TXk的发送信号 Xk的协方差，（?）H表不?的Hermitian转置，Pthreshoid表不授权用户设置的总溫度干扰阔值。
[0018] 可选地，所述认知用户能效最大化目标函数表示为： 例严沪邸《化，Q-;-)，
[0019] 也此吐 ， s.t. Q, sQ.,
[0020] 其中，(巧表示非合作博弈，6=(]，…如…，K}表示认知用户数目集合，EEk(Qk， Q-k)表示认知用户k的能效：
表示认知用户k的 数据传输速率，Qk表示认知用户k发送端SU-Txk的发送信号Xk的协方差，Q-k= {Qi，…，Qk-I， Qk+i，…，Qd表示除认知用户k发送端SU-TXk的发送信号协方差W外其它所有认知用户的发 送信号协方差的集合，Pk表示认知用户k发送端SU-TXk的总发送功率，Pc表示电路功率，:?. 为认知用户的策略集合：
表示M 行M列的复矩阵，Pt表示认知用户的发送功率阔值，表示从认知用户k的发送端 SU-Txk到授权用户的接收端PU-Rx的信道矩阵，Pthreshuld表示授权用户设置的总溫度干扰阔 值。
[0021] 可选地，所述认知用户等效能效最大化目标函数表示为：
[0023] 其中，…乂，…，欠表示认知用户数目集合，Ck(Qk，Q-k)表示认知用户k的数 据传输速率，Qk表不认知用户k发送端SU-Txk的发送信号Xk的协方差，Q-k = {Qi,…，Qk-I, Qk+1，…，Qd表示除认知用户k发送端SU-Txk的发送信号协方差W外其它所有认知用户的发 送信号协方差的集合，I；表示最优能效，Pe表示电路功率，马为认知用户的策略集合：
表示M行M列的复矩阵，Pt表示发 送功率阔值，表示从认知用户k的发送端SU-TXk到授权用户的接收端PU-Rx的信 道矩阵，Pthreshold表不授权用户设置的总溫度干扰阔值。
[0024]可选地，所述认知用户等效能效最大化目标函数进一步转换为：
[0026] 其中，Tf表示认知用户k在内层循环的最后一次能效更新值。
[0027] 可选地，所述认知用户去禪合等效能效最大化目标函数表示为：
[0029]其中，表示每个认知用户发送端所受到的溫度干扰阔值变量的集合， E二{1，;。..采，;隶示认知用户数目集合，Pthreshold表示授权用户设置
[0031]的总溫度干扰阔值，以.Tr(Qt) <巧，Ie色
[00 创 Tr(G 化 Gf)<SLh',,(,，/tEE ，
[0033] Ck(Qk，Q-k)表示认知用户k的数据传输速率，lfl"表示认知用户k在内层循环的最后 一次能效更新值，Qk表不认知用户k发送端SU-Txk的发送信号Xk的协方差，Q-k= {Qi,…，Qk-I， Qk+i，…，Qd表示除认知用户k发送端SU-Txk的发送信号协方差W外其它所有认知用户的发 送信号协方差的集合，Pc表示电路功率，Pt表示认知用户的发送功率阔值，E 表示 从认知用户k的发送端SU-TXk到授权用户的接收端PU-Rx的信道矩阵。
[0034] 可选地，所述步骤4中，对于所述认知用户去禪合等效能效最大化目标函数，利用 拉格朗日方法对限制条件引入拉格朗日变量将其转化为不含有限制条件的多目标优化问 题，即得到认知用户扩展式去禪合等效能效最大化目标函数。
[0035] 可选地，所述认知用户扩展式去禪合等效能效最大化目标函数表 示为：
[0037] 其中，€ CWW表示从认知用户k的发送端SU-Tx翊其目的接收端SU-Rxk的信 道矩阵，R--A = I + ZHy-Q.,巧表示认知用巧的接收端洲-Rx设到的来自其它认知用 '的;. 户的干扰W及噪声，e CWxW表示从认知用户j的发送端SU-Tx測认知用户k的接收端 SU-Txk的信道矩阵，Qk表示认知用户k发送端SU-Ta的发送信号Xk的协方差，T k表示认知用 户k的能效值，iik是限制条件Tr (Qk) < Pt的拉格朗日乘子，Vk是限制条件 Tr(G化Gf )含靖'eshdd的拉格朗日乘子，Pt表示认知用户发送功率阔值，Qk表示认知用户 k发送端SU-TXk的发送信号Xk的协方差，EH 1，…次，…，K}表示认知用户数目集合， ftLsMd表示第k个i人知用户受到自勺溫度干扰I罰值。
[0038] 可选地，所述步骤S5中，利用矩阵分解理论，将不含有限制条件的多目标优化问 题，即认知用户扩展式去禪合等效能效最大化目标函数进行矩阵化简，经过凸优化计算得 到认知用户的最优功率值，进而得到认知用户的最优能效值。
[0039] 与现有技术相比，本发明针对多用户认知MIMO干扰信道中的能效优化问题，建立 非合作博弈模型W使每个认知用户的能效最大化，将多目标多限制条件的分式优化问题通 过恒等变形为多目标多限制条件的等式优化问题。利用原始分解方法，通过引入额外变量 去除所有认知用户由于干扰阔值限制而产生的禪合关系。利用拉格朗日方法对限制条件引 入拉格朗日变量将去除禪合关系后的多目标多限制条件优化问题转化为不含有限制条件 的多目标优化问题。并根据矩阵分解理论，将不含有限制条件的多目标优化问题进行矩阵 化简，经过凸优化计算得到认知用户的最优功率值，进而得到认知用户的最优能效值。利用 初始分解方法去除所有认知用户之间的禪合关系，可W保证所有认知用户的干扰总和在每 次迭代过程中都不会超过总溫度干扰阔值，进而实现每个认知用户能效的最大化，在现有 技术基础上不仅提高了系统谱效还可W提高系统的能效，进而提升本发明在实际应用中的 可行性。
【附图说明】
[0040] 图1为根据本发明一实施例的多用户认知MIMO干扰信道分布式能效优化方法的流 程图；
[0041 ]图2为本发明多用户认知MIMO干扰信道的系统框图；
[0042]图3为使用本发明分布式能效优化方法与传统最大化速率方法的系统能效与谱效 性能仿真对比图。
【具体实施方式】
[0043] 为使本发明的目的、技术方案和优点更加清楚明白