用于ofdma系统的基于粒子群算法的分布式功率分配方法

专利名称：用于ofdma系统的基于粒子群算法的分布式功率分配方法
技术领域：
本发明涉及一种OFDMA系统的功率分配方法，确切地说，涉及一种用于OFDMA系统的基于粒子群算法的分布式功率分配方法，属于无线通信系统的资源分配技术领域。

背景技术：
现在，随着无线网络的发展，用户的业务需求也随之发生了巨大变化已从单纯的语音业务发展到丰富的多媒体数据业务，使得未来无线网络需要支持多种不同服务质量QoS(Quality of Service)需求的业务。比如需要支持包含实时的话音业务和非实时的数据业务的混合业务。然而，无线网络资源非常有限，例如带宽和能量等。无线网络设计时，在考虑如何满足用户QoS需求的同时，必须要保障能够有效利用有限的网络资源，所以无线网络的资源分配是非常重要的技术环节。
从第一代模拟通信系统到第三代无线网络通信系统，网络资源都是采用集中式的分配方法，其最大优点是能够提供稳定、可靠的服务；但是，存在很多缺点主节点的复杂度高，网络的鲁棒性差，可扩展性差，端到端时延大，信息交互量大等等。随着无线网络的发展，网络结构越来越趋于扁平化，相应的结构和功能都被压缩，使得网络中很可能不再存在这种集中式的处理节点。现在，分布式的资源分配已经成为未来无线网络的发展趋势。
对于无线网络而言，分布式是指网络中的各个节点是对等的，不存在能够获知全局信息的节点，因此，各个节点之间不存在主从关系。通过节点间的信息传递，每个节点都是独立完成特定的功能。分布式处理的优点是节点的复杂度低，网络的鲁棒性好、扩展性好，交互的信息量少。
现在，无线多媒体业务的发展要求无线通信系统能够实现工作更可靠、传输速率更高的数据传输，同时要保证用户的QoS要求和公平性。正交频分复用OFDM(orthogonal frequency division multiple)技术得到重点关注。OFDM技术将系统的传输频带分成多个相互正交的子载波，由于每个子载波的带宽很窄，其符号周期比较长；同时，加入的循环前缀能够有效消除多径等原因引起的延迟扩展，因此OFDM具有更高的频谱利用率和良好的抗多径干扰能力。在多用户情况下，OFDM系统可以根据不同用户的需求和信道的特点，灵活地将子载波分配给不同用户，因此多用户正交频分复用OFDM(即OFDMA，orthogonalfrequency division multiple access)技术能够更容易地满足多个用户、不同通信业务的需求。因此，OFDM和OFDMA已经成为当前最引人关注的调制方式和多址方式。
基于OFDMA的蜂窝网络中的资源分配，要充分利用多用户分集技术，还要考虑频率复用带来的同频干扰、用户的QoS及频谱的充分利用。而且，多小区的OFDMA系统的分布式资源分配方法也不同于传统方法，其重点是对资源执行动态分配，其中功率分配也是如此。
现有技术的功率分配方法主要有两种平均分配法和分布式注水法。下面分别简要说明之 平均分配功率的方法是将每个小区基站的功率平均分配到每个子载波上，由此确定每个子载波上的发射功率。
分布式注水分配功率的方法是基站根据本小区每个用户子载波的信道状态信息来分配功率。例如，将某个小区分为多个扇区，并以扇区为单位执行注水功率分配方案，获取本扇区的最大信道容量。其中，功率平均分配法是最简单、计算量最少的功率分配算法，并能取得较好的系统信道容量，但是，这种方法的频谱利用率很低，小区间没有实现干扰协调，也没有利用信道状态信息。分布式注水分配功率方法的信道容量相对于功率平均分配法有所提高，但是，由于每个小区分别执行对于各自扇区的最优化功率分配方案，小区内也没有进行干扰协调，导致小区内的同频干扰过大，限制了系统获取更大的信道容量。
在多小区的OFDMA系统中，由于小区内的子载波正交，主要考虑解决小区间的干扰，因此，要在各个小区之间执行干扰协调，同时考虑信道状态信息的变化，以便能够充分利用频谱资源来提高系统性能。
然而，目前研究的OFDMA蜂窝系统中的自适应功率分配算法大都只针对单小区情况，涉及多小区的OFDMA的功率分配算法中，通常也是假设每个基站只有一个用户，这种过于简单和理想的假设，根本不符合实际情况。因此，尽快寻求一种在多小区OFDMA环境下的功率分配方法，至今仍然是业内人士正在孜孜以求的焦点课题。
众所周知，对多小区功率分配问题的数学建模，实质是为数学问题寻找其最优解，也就是解决最优化问题。随着最优化问题的复杂度的提高，给传统的经典算法带来了挑战。
近年来，从总结大自然规律而得来的启发式算法，由于其在某些优化问题上的优势而发展迅速，已经成为学术界和工程技术界的研究热点。本发明中运用的粒子群算法PSO(Particle Swarm Optimization)就是启发式算法中的一种。
下面先简要介绍粒子群算法PSO的术语和思路粒子表示粒子群中的个体，粒子位置是问题的解。PSO思路出发点是模拟鸟群的扑食行为，设想这样一个场景一群飞鸟觅食，在设定的某区域里只有一处放有食物；且所有飞鸟都不知道该食物位于何处。但是，它们都分别知道各自的当前位置与食物的距离。最简单、迅速、有效的觅食策略是搜寻到目前距离该食物最近的飞鸟。
PSO就是从上述模型中得到启示并用于解决优化问题。在PSO中，每个被优化问题的解被视为搜索空间中的一只鸟，即称之为“粒子”。所有的粒子分别根据适应函数(即目标函数)计算其适应值来模拟各个飞鸟与食物的距离，每个粒子的更新速度就是模拟飞鸟的速度，用于决定粒子的更新方向和距离。粒子的更新速度则取决于当前的该粒子的历史最优解和所有粒子的历史最优解。
PSO的主要处理流程为初始化粒子群，通过更新迭代找到有效最优解(位置)。且在每次更新中，粒子根据下述两个“极值”进行更新一为粒子自身的历史最优位置，即个体极值；另一为所有粒子的历史最优位置，即全局极值。
找到这两个“极值”后，每个粒子根据如下计算公式来更新自己的速度和位置更新后的粒子速度vk+1＝w0vk+w1(q-xk)+w2(g-xk)。
更新后的粒子位置xk+1＝xk+vk+1；式中，vk是粒子的当前速度，xk是粒子的当前位置，自然数k是采样时间点，q、g分别是该粒子的个体极值和全局极值。系数w0是该粒子上次速度对当前速度的影响，系数w1和w2分别是该粒子的个体极值和全局极值对当前速度的影响。上述公式表明，粒子群会不断地趋近于个体极值和全局极值，保证了算法的收敛性；通过调整系数w0、w1和w2，可以获得不同的算法收敛性。
另外，在迭代处理过程中，所有粒子是并行更新的，同时各自记录其对应的适应值。如果某个粒子的当前适应值比该粒子的当前个体极值所对应的适应值更优，则将个体极值更新为该粒子的当前位置；否则，其个体极值保持不变。且在每次粒子更新过程中，每个粒子都将其个体极值与全局极值进行比较，如果前者适应值优于后者，则将全局极值更新为该粒子的个体极值；否则，全局极值保持不变。该更新迭代过程是持续进行的，直至算法收敛为此。


发明内容
有鉴于此，本发明的目的是提供一种用于多小区OFDMA系统的基于粒子群算法的分布式功率分配方法，本发明是在小区内通过基站与终端的控制信道传递信道状态信息，将人工智能领域的粒子群算法应用于电信工程实践中的功率分配，用于实现多小区系统的下行链路的分布式功率分配。该方法在基站天线发送功率受限的条件下，通过协调相邻小区间的发送功率，小区内执行干扰协调和抑制同频干扰，在各基站之间不需要交互彼此信道状态信息的前提下，有效提高了系统的信道容量。
为了达到上述目的，本发明提供了一种用于OFDMA系统的基于粒子群的分布式功率分配方法，其特征在于该方法认为该系统内各小区的地位平等，每个小区的基站分别根据本小区用户终端反馈的信道状态信息进行迭代计算，并行地执行粒子群算法，根据本小区内不同功率分配矩阵的信道容量差异，为每个小区寻找各自小区最优的功率分配矩阵，实现系统信道容量的最大化；因系统内每个小区实现分布式的功率分配，且各基站之间不需要进行直接的信息交互，从而在较低的开销下，提高了系统频谱利用率。
目前，LTE的功率分配的方法主要有平均分配法和分布式功率注水分配法。虽然平均分配法复杂度低，但它不考虑信道状况的差异变化，频谱利用率很低。在多小区OFDMA系统下，因小区内子载波正交，主要考虑解决小区间的干扰，而平均分配功率的方法没有进行小区间干扰协调，导致整个系统的信道容量受到影响。分布式功率注水分配法在分扇区的情况下，虽然每个扇区分别执行各自的最优功率分配方案，但是小区内也没有进行干扰协调，导致小区内同频干扰过大，限制了系统获取更大的信道容量。
本发明是基于粒子群算法进行多小区OFDMA系统的分布式功率分配方法。它与传统的多小区的平均功率分配算法和注水分配算法相比较，大大提高了系统的信道容量和频谱利用率。由于本发明的基础是基于粒子群算法，因此它具备启发式算法的各种特点，能够通过对参数的调整和测试，取得较大的增益，比传统方法更接近理论上的最优值。
本发明方法的技术创新之处是采用粒子群算法实现了多小区OFDMA系统的分布式的功率分配。通过测量小区信道容量之和来确定功率分配方案的优劣。而且，功率分配方案在解空间中进行更新时，要考虑粒子(即各个功率分配方案)的历史相关信息(个体极值，即当前最优矩阵)和全局信息(全局极值，即全局最优矩阵)，从而得到更优的功率分配矩阵结果。因粒子群算法具有潜在的并行特性，适合分布式处理。
再者，本发明在仿真实现过程中，对功率分配方案的初始化设置的系统参数和操作步骤(2)中的调整参数都作了精心设计，以使该方法能够取得更好的收敛性和稳定性。在初始化时，以某个粒子表示的功率分配方案P中元素Pn，m服从

的均匀分布，均值为

c1＝c2＝2，γ1服从(0，1)的均匀分布，γ2从0.8线性增加到1.0，线性增加的步长可调。w从1.2线性递减至α，其中0.8＜α＜1，线性递减的步长同样可调。
此外，本发明在分布式实现的过程中，各个小区之间不需要交互信息，只是通过用户终端反馈信息，潜在地收集了相邻小区的干扰信息。通过这种方式减少系统的信息交互量，同时实现了小区间的分布式协作，改善了系统性能。本发明方法适用于包括LTE和WiMAX的OFDMA的第3.5代移动通信系统。



图1是本发明基于粒子群算法的分布式功率分配方法操作流程图。
图2是本发明一实施例中，小区基站运用粒子群算法寻找最佳功率分配矩阵的实际操作流程图。
图3是本发明方法与现有的其它两种功率分配方法得到的系统频谱效率的曲线比较图(仿真100个TTI)。
图4是多小区蜂窝结构(小区数＝7，每小区分为三个扇区)示意图。

具体实施例方式 为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
本发明是一种用于OFDMA系统的基于粒子群算法的分布式功率分配方法，其目的是提高系统的信道容量，该方法的基础是认为系统内各小区的地位平等，因此，每个小区的基站根据本小区用户终端反馈的信道状态信息，分别执行迭代计算，即并行地执行粒子群算法寻找本小区最优的功率分配矩阵；分配依据是本小区内不同功率分配矩阵的信道容量差异，并以此为判决标准为小区选择最优的功率分配矩阵，以实现系统信道容量的最大化。这样，系统内各小区实现了分布式功率分配，各基站之间不要进行直接的信息交互，从而在较低的开销下，提高了系统频谱利用率。
由于本发明采用分布式的并行处理方法，因此，下面仅对一个小区的功率分配流程进行详细说明。先假设该系统有NT个蜂窝基本单元NT＝N×S，式中，N为系统内的小区数，S为每个小区划分的扇区数，N和S都是自然数；当S＝1时，系统的蜂窝基本单元是小区，即系统由NT＝N个小区组成；当S＞1时，即小区分扇区时，系统的蜂窝基本单元是扇区，也就是系统由NT＝N×S个扇区组成；该系统可复用的子载波数为自然数M，各小区基站的最大发射功率为Pmax，且已经完成了子载波分配过程，即每个子载波已经分给特定的用户使用； 参见图1，介绍本发明方法中每个小区内的基站根据本小区用户终端反馈的信道状态信息，并行执行统一的粒子群算法分配功率的具体操作步骤。
步骤1、初始化设置下列两个参数本小区的功率分配矩阵P和更新步长矩阵V，矩阵P和V均为S×M维矩阵，矩阵中的元素Ps，m和Vs，m分别表示第s个扇区在第m个子载波上的分配功率和功率的更新步长，式中，自然数s和m分别是本小区内扇区序号和子载波的序号，其最大值S和M分别是该小区划分的扇区数和小区复用的子载波数；S＝1时，表示功率分配以小区为蜂窝基本单元，S＞1时，表示功率分配以扇区为蜂窝基本单元。
该步骤中的初始化设置系统参数的操作进一步包括下列内容 (11)基站采用粒子群迭代算法寻找小区的最优功率分配矩阵系统启动后，基站初始化设置本小区的L个S×M维的功率分配矩阵(P(1)，......，P(L))和L个S×M维的更新步长矩阵(V(1)，......，V(L))；式中，P(l)表示第l个S×M维的功率分配矩阵，V(l)表示第l个S×M维的更新步长矩阵，自然数序号l的最大值为L，初始化设置l为零。
基站开始采用粒子群算法迭代更新时，所有功率分配矩阵P的初始化均服从

的均匀分布，其均值为

用于计算同频干扰和获取较好结果；功率分配矩阵中的各个元素均为非负数值，且所有元素之和不大于Pmax。
(12)对每个功率分配矩阵P(l)(l＝1，2，...，L)分别计算S个扇区的信道容量之和τl，并以该信道容量τl作为功率分配矩阵P(l)的评判依据。该步骤选择的评判标准必须与用户的信道容量相关联，以便能实时反映信道的时变特性，实现功率分配；且该选择标准还包括小区的频谱利用效率；而且，同一小区的每次分配过程中，所有功率分配的选择标准必须相同。
(13)对于第l个功率分配矩阵，将在迭代过程中获得的当前最高信道容量之和

的矩阵记为第l个矩阵的当前最优矩阵

然后，分别按照序号l的各个数值逐个计算每个序号的功率分配矩阵的当前最优矩阵

再初始化该

矩阵为全零矩阵。
(14)将迭代结束时，该L个当前最优矩阵中对应的最高信道容量之和的矩阵选作本小区的功率分配矩阵，并记为全局最优矩阵

再初始化该全局最优矩阵

为零，以及将该全局最优矩阵

对应的最高信道容量之和记为
步骤2、基站通过控制信道采集本小区用户终端反馈的信道状态信息和同频干扰信息，进行迭代计算，寻找最优的功率分配矩阵运用粒子群算法调整更新步长矩阵和功率分配矩阵，再以该功率分配矩阵计算得到的小区信道容量之和作为评判依据，分别更新当前最优功率分配矩阵和全局最优功率分配矩阵，对功率分配矩阵进行迭代更新优化；再判断是否满足迭代终止条件；如果是，则结束该步骤迭代计算；否则，继续进行迭代计算，直至确认迭代计算过程结束。
该步骤的迭代计算进一步包括下列内容 (21)基站根据用户终端的反馈信息收集各个扇区在每个子载波上的信道增益矩阵G与干扰矩阵T，其中，矩阵G和T均为S×M维矩阵，该两个矩阵中的元素Gs，m和Ts，m分别表示第s个扇区在第m个子载波上的信道增益和干扰信息。
(22)根据步骤(21)收集的信道增益信息、干扰信息和功率分配矩阵P(l)，基站对第l个功率分配矩阵P(l)计算该小区的信道容量之和τ′l，即S个蜂窝基本单元在M个子载波上的信道容量之和τ′l；再判断该新的信道容量之和τ′l是否大于该第l个功率分配矩阵的当前最高信道容量之和

如果上述判断成立，则采用该新的信道容量之和τ′l替代当前的最高信道容量之和，即

并且更新P(l)为第l个功率分配矩阵的当前最优矩阵

否则，该第l个功率分配矩阵的当前最优矩阵

和对应的信道容量之和

均保持不变。
(23)根据当前时刻更新后的L个功率分配矩阵的当前最优矩阵

其对应的更新的小区信道容量之和为

设τ′g为更新后信道容量之和

中的最大值，且设其对应的是第k个功率分配矩阵，k的取值范围是[1，L]；再判断该新的全局最高信道容量之和τ′g是否大于当前全局最优矩阵

对应的最高信道容量之和

如果τ′g大于

则选取τ′g作为当前全局最优矩阵

对应的最高信道容量之和，即更新

并将P(k)更新为全局最优矩阵，即

否则，对全局最优矩阵

和对应的信道容量之和

都保持不变。
(24)更新该小区所有的更新步长矩阵V和功率分配矩阵P将更新步长矩阵更新为

式中，w为表示更新步长矩阵受前一时刻影响的可调常数，可调参数r1和r2是两个分别依照设定规律生成的随机数，权重因子c1和c2分别代表速度受当前最优矩阵和全局最优矩阵的影响程度；两个乘积c1×r1和c2×r2分别代表更新步长矩阵受当前最优矩阵和全局最优矩阵的影响程度，上述设置的各个参数会在很大程度上影响到运用粒子群算法迭代寻找到的最优功率分配矩阵的性能； 再将功率分配矩阵更新为P(l)＝P(l)+V(l)，式中，矩阵V(l)为非负矩阵，因此更新后的P(l)也是非负矩阵；如果P(l)中所有元素的和Psum大于基站的最大发射功率Pmax，则P(l)中所有的元素都缩小

倍，即
为使迭代计算获得更好的收敛性和稳定性，该步骤中的各个调整参数要精心设计，其中，c1＝c2＝2，γ1服从(0，1)的均匀分布，γ2从0.8线性增加到1.0，其线性增加的步长可调；w从1.2线性递减至α，其中0.8＜α＜1，其线性递减的步长可调。
(25)继续进行迭代运算，并判断是否达到迭代终止条件，如果是，则结束该步骤迭代计算；否则，返回执行步骤(21)的操作，继续进行迭代计算，直至确认迭代计算过程结。判断迭代是否终止的条件是根据系统的硬件设施、迭代运算结果是否达到收敛要求或是否达到设定的迭代运算次数。
步骤3、确定并输出该小区的最优功率分配方案，尽可能地实现该小区系统频谱效率或信道容量之和的最大化。
参见图3，申请人对本发明已经进行了多次仿真实施试验，下面介绍分别采用本发明方法与现有的两种功率分配方案进行实施后的系统的频谱利用效率对比情况。
仿真实施试验的条件小区数为7，每个小区采用定向天线分为3扇区(其蜂窝结构如图4所示)，扇区最大发送功率设为10W，小区内扇区复用带宽10MHz，复用的子载波数目为50，即每个扇区最大容纳的用户终端为50个，设粒子群的个数为30。每个调度周期为TTI，仿真100个TTI时刻。
在启发式算法中，参数调整是关键步骤。本发明中，应用PSO于功率分配领域，有三个比较重要的参数需要进行调试当前速度影响因子、当前最优矩阵影响因子、全局最优矩阵影响因子。单参数值选取方案有多种，比如常数选取、线性变化、指数变化等，而且多种参数值可以进行组合选取。通过大量试验，设置的速度更新中的一组较好的参数值组合如下当前速度影响因子w从1.2线性递减至α，其中0.8＜α＜1，线性递减的步长同样可调。c1＝c2＝2，γ1服从(0，1)的均匀分布，γ2从0.8线性增加到1.0，线性增加的步长可调。
从图3中可以看出，采用PSO算法的功率分配方案较以前传统的两种功率分配方案，有效地提高了频谱利用效率。以平均效果来看，PSO算法比分布式功率注水方案提高了30.4％，PSO算法比平均功率分配方案提高了54％。
因此，本发明试验的结果是成功的，实现了发明目的。
权利要求
1.一种用于OFDMA系统的基于粒子群算法的分布式功率分配方法，其特征在于该方法认为该系统内各小区的地位平等，每个小区的基站分别根据本小区用户终端反馈的信道状态信息进行迭代计算，并行地执行粒子群算法，根据本小区内不同功率分配矩阵的信道容量差异，为每个小区寻找各自小区最优的功率分配矩阵，实现系统信道容量的最大化；因系统内每个小区实现分布式的功率分配，且各基站之间不需要进行直接的信息交互，从而在较低的开销下，提高了系统频谱利用率。
2.根据权利要求1所述的方法，其特征在于，假设该系统有NT个蜂窝基本单元NT＝N×S，式中，N为系统内的小区数，S为每个小区划分的扇区数，N和S都是自然数；当S＝1时，系统的蜂窝基本单元是小区，即系统由NT＝N个小区组成；当S＞1时，即小区分扇区时，系统的蜂窝基本单元是扇区，也就是系统由NT＝N×S个扇区组成；该系统可复用的子载波数为自然数M，各小区基站的最大发射功率为Pmax，且已经完成了子载波分配过程，即每个子载波已经分给特定的用户使用；
所述每个小区的基站分别根据本小区用户终端反馈的信道状态信息进行的迭代计算，为每个小区寻找各自小区最优的功率分配矩阵的操作包括下列步骤
(1)初始化设置下列两个参数本小区的功率分配矩阵P和更新步长矩阵V，矩阵P和V均为S×M维矩阵，矩阵中的元素Ps，m和Vs，m分别表示第s个扇区在第m个子载波上的分配功率和功率的更新步长，式中，自然数s和m分别是本小区内扇区序号和子载波的序号，其最大值S和M分别是该小区划分的扇区数和小区复用的子载波数；S＝1时，表示功率分配以小区为蜂窝基本单元，S＞1时，表示功率分配以扇区为蜂窝基本单元；
(2)基站通过控制信道采集本小区用户终端反馈的信道状态信息和同频干扰信息，进行迭代计算，寻找最优的功率分配矩阵运用粒子群算法调整更新步长矩阵和功率分配矩阵，再以该功率分配矩阵计算得到的小区信道容量之和作为评判依据，分别更新当前最优功率分配矩阵和全局最优功率分配矩阵，对功率分配矩阵进行迭代更新优化；再判断是否满足迭代终止条件；如果是，则结束该步骤迭代计算；否则，继续进行迭代计算，直至确认迭代计算过程结束；
(3)确定并输出该小区的最优功率分配方案，尽可能地实现该小区系统频谱效率或信道容量之和的最大化。
3.根据权利要求2所述的方法，其特征在于所述步骤(1)中的初始化设置系统参数的操作进一步包括下列内容
(11)基站采用粒子群迭代算法寻找小区的最优功率分配矩阵系统启动后，基站初始化设置本小区的L个S×M维的功率分配矩阵(P(l)，......，P(L))和L个S×M维的更新步长矩阵(V(l)，......，V(L))；式中，P(l)表示第l个S×M维的功率分配矩阵，V(l)表示第l个S×M维的更新步长矩阵，自然数序号l的最大值为L，初始化设置l为零；
(12)对每个功率分配矩阵P(l)(l＝1，2，...，L)分别计算S个扇区的信道容量之和τl，并以该信道容量τl作为功率分配矩阵P(l)的评判依据；
(13)对于第l个功率分配矩阵，将在迭代过程中获得的当前最高信道容量之和
的矩阵记为第l个矩阵的当前最优矩阵
然后，分别按照序号l的各个数值逐个计算每个序号的功率分配矩阵的当前最优矩阵再初始化该
矩阵为全零矩阵；
(14)将迭代结束时，该L个当前最优矩阵中对应的最高信道容量之和的矩阵选作本小区的功率分配矩阵，并记为全局最优矩阵
再初始化该全局最优矩阵
为零，以及将该全局最优矩阵
对应的最高信道容量之和记为
4.根据权利要求3所述的方法，其特征在于所述步骤(11)中，该基站开始采用粒子群算法迭代更新时，所有功率分配矩阵P的初始化均服从
的均匀分布，其均值为
用于计算同频干扰和获取较好结果；功率分配矩阵中的各个元素均为非负数值，且所有元素之和不大于Pmax。
5.根据权利要求3所述的方法，其特征在于所述步骤(12)中，选择的评判标准必须与用户的信道容量相关联，以便能实时反映信道的时变特性，实现功率分配；且该选择标准还包括小区的频谱利用效率；而且，同一小区的每次分配过程中，所有功率分配的选择标准必须相同。
6.根据权利要求2所述的方法，其特征在于所述步骤(2)进一步包括下列内容
(21)基站根据用户终端的反馈信息收集各个扇区在每个子载波上的信道增益矩阵G与干扰矩阵T，其中，矩阵G和T均为S×M维矩阵，该两个矩阵中的元素Gs，m和Ts，m分别表示第s个扇区在第m个子载波上的信道增益和干扰信息；
(22)根据步骤(21)收集的信道增益信息、干扰信息和功率分配矩阵P(l)，基站对第l个功率分配矩阵P(l)计算该小区的信道容量之和τl′，即S个蜂窝基本单元在M个子载波上的信道容量之和τl′；再判断该新的信道容量之和τl′是否大于该第l个功率分配矩阵的当前最高信道容量之和
如果上述判断成立，则采用该新的信道容量之和τl′替代当前的最高信道容量之和，即并且更新P为第l个功率分配矩阵的当前最优矩阵否则，该第l个功率分配矩阵的当前最优矩阵
和对应的信道容量之和
均保持不变；
(23)根据当前时刻更新后的L个功率分配矩阵的当前最优矩阵其对应的更新的小区信道容量之和为设τg′为更新后信道容量之和中的最大值，且设其对应的是第k个功率分配矩阵，k的取值范围是[1，L]；再判断该新的全局最高信道容量之和τg′是否大于当前全局最优矩阵
对应的最高信道容量之和
如果τg′大于
则选取τg′作为当前全局最优矩阵
对应的最高信道容量之和，即更新并将P(k)更新为全局最优矩阵，即否则，对全局最优矩阵
和对应的信道容量之和
都保持不变；
(24)更新该小区所有的更新步长矩阵V和功率分配矩阵P将更新步长矩阵更新为式中，w为表示更新步长矩阵受前一时刻影响的可调常数，可调参数r1和r2是两个分别依照设定规律生成的随机数，权重因子c1和c2分别代表速度受当前最优矩阵和全局最优矩阵的影响程度；两个乘积c1×r1和c2×r2分别代表更新步长矩阵受当前最优矩阵和全局最优矩阵的影响程度，上述设置的各个参数会在很大程度上影响到运用粒子群算法迭代寻找到的最优功率分配矩阵的性能；再将功率分配矩阵更新为P(l)＝P(l)+V(l)，式中，矩阵V(l)为非负矩阵，因此更新后的P(l)也是非负矩阵；如果P(l)中所有元素的和Psum大于基站的最大发射功率Pmax，则P(l)中所有的元素都缩小
倍，即
(25)继续进行迭代运算，并判断是否达到迭代终止条件，如果是，则结束该步骤迭代计算；否则，返回执行步骤(21)的操作，继续进行迭代计算，直至确认迭代计算过程结。
7.根据权利要求6所述的方法，其特征在于所述步骤(24)中，为使迭代计算获得更好的收敛性和稳定性，各个调整参数要精心设计，其中，c1＝c2＝2，γ1服从(0，1)的均匀分布，γ2从0.8线性增加到1.0，其线性增加的步长可调；w从1.2线性递减至α，其中0.8＜α＜1，其线性递减的步长可调。
8.根据权利要求6所述的方法，其特征在于所述步骤(25)中，判断迭代是否终止的条件是根据系统的硬件设施、迭代运算结果是否达到收敛要求或是否达到设定的迭代运算次数。
9.根据权利要求6所述的方法，其特征在于所述方法适用于包括长期演进LTE和微波存取全球互联技术WiMAX的OFDMA的第3.5代移动通信系统。
全文摘要
一种用于OFDMA系统的基于粒子群算法的分布式功率分配方法，用于实现多小区系统的下行链路的分布式功率分配。该方法基于各小区的地位平等和基站发送功率受限的条件，由每个小区的基站根据本小区用户终端反馈的信道状态信息，并行地利用粒子群算法执行迭代计算，为各自小区寻找最优的功率分配矩阵根据本小区内不同功率分配矩阵的信道容量差异，为每个小区寻找最优的功率分配矩阵，实现系统信道容量的最大化；因系统内每个小区实现分布式的功率分配，故各基站之间不需进行直接的信息交互，从而在较低的开销下，有效提高了系统频谱利用率和信道容量。
文档编号H04W52/24GK101820671SQ201010033918
公开日2010年9月1日 申请日期2010年1月6日 优先权日2010年1月6日
发明者牛凯, 孙文文, 许文俊, 贺志强 申请人:北京邮电大学