一种基于异构网络的多目标功率优化方法
【专利摘要】本发明公开了一种基于异构网络的多目标功率优化方法，包括在异构网络场景下建立包含宏峰窝、small?cell和D2D的传输功率函数优化模型；利用拉格朗日方法和KKT条件对原优化问题进行求解；通过理论分析，发现原优化问题可分为两层求解，第一层是在给定拉格朗日乘子情况下求解最优传输功率，第二层是求解最优拉格朗日乘子。本发明能够在给定宏峰窝用户、D2D用户和small?cell用户传输功率的相对重要性前提下最优化系统的传输功率，在保证传输速率的要求下尽可能减少功耗，有利于实现绿色通信。
【专利说明】一种基于异构网络的多目标功率优化方法
【技术领域】
[0001]本发明涉及移动通信功率控制技术，尤其涉及一种基于异构网络中多目标功率优化方法。
【背景技术】
[0002]随着移动通信系统向5G发展，蜂窝系统不再是单一层次的结构，而是融合了多种技术，向着扁平化、多层次的方向发展。与此同时就会有不同层次的不同优化目标，怎样同时达到多个层次的多个优化目标，是5G所必须考虑的问题。
[0003]考虑到未来的5G通信系统中将很可能融合新出现的D2D和small cell技术，以融合了 D2D、small cell和宏蜂窝网络的三层通信系统为背景框架，优化整个系统的功率消耗是非常有意义。
【发明内容】
[0004]发明目的:为了克服现有技术中存在的不足，本发明提供一种基于异构网络的多目标功率优化方法，该方法能够优化系统多目标功率的消耗，同时在保证传输速率的要求下尽可能减少功耗，有利于实现绿色通信。
[0005]为实现上述目的，本发明采用的技术方案为:一种基于异构网络的多目标功率优化方法，包括以下步骤:
[0006]第一步，在异构网络场景下，根据各个D2D对发射用户的传输功率、蜂窝用户的传输功率、small cell用户的传输功率为自变量，建立包含宏峰窝、small cell和D2D的多目标功率优化模型；
[0007]第二步，将步骤一中得到的多目标功率优化模型采用拉格朗日对偶和KKT条件进行求解，得到原优化模型的对偶优化模型；
[0008]第三步，将步骤二得到的对偶优化模型分为两层进行求解，第一层优化可分解为相互独立的M个子优化问题，其中M表示资源块的个数，然后在给定拉格朗日乘子情况下求解最优传输功率；第二层利用次梯度法进行求解最优拉格朗日乘子；
[0009]第四步，求解最优传输功率时通过功率优化迭代算法求解最优传输功率点。
[0010]所述第一步中，在异构网络场景下建立包含宏峰窝、small cell和D2D的多目标功率优化模型为:
【权利要求】
1.一种基于异构网络的多目标功率优化方法，其特征在于:包括以下步骤: 第一步，在异构网络场景下，根据各个D2D对发射用户的传输功率、蜂窝用户的传输功率、small cell用户的传输功率为自变量，建立包含宏峰窝、small cell和D2D的多目标功率优化模型； 第二步，将步骤一中得到的多目标功率优化模型采用拉格朗日对偶和KKT条件进行求解，得到原优化模型的对偶优化模型； 第三步，将步骤二得到的对偶优化模型分为两层进行求解，第一层优化可分解为相互独立的M个子优化问题，其中M表示资源块的个数，然后在给定拉格朗日乘子情况下求解最优传输功率；第二层利用次梯度法进行求解最优拉格朗日乘子； 第四步，求解最优传输功率时通过功率优化迭代算法求解最优传输功率点。
2.根据权利要求1所述的基于异构网络的多目标功率优化方法，其特征在于:所述第一步中，在异构网络场景下建立包含宏峰窝、small cell和D2D的多目标功率优化模型为:
该模型的约束条件如下: ①蜂窝用户的最低传输速率要求，即最低传输速率不能小于δc:
②Smallcell用户的最低传输速率要求，即最低传输速率不能小于Ss:
③D2D对的最低传输速率要求，即最低传输速率不能小于δD:
④D2D用户、smallcell用户和宏蜂窝用户的最大传输功率限定:
⑤传输功率大于零的要求:
Pc,i,m ≤ 0，PDjJ,m ≤ O, Psjkjm ≤ O, U,Km 其中，D2D对中包含两个D2D用户，其中一个为接收用户，另一个为发送用户；smallcell中包含多个small cell用户；N。表示宏蜂窝用户的个数，Ns表示small cell用户的个数，Nd表示D2D对的个数，M表示资源块的个数，Pc, i, m、PD, j, m和Ps, k, m分别表示第i个宏蜂窝用户、第j组D2D对和第k个small cell用户在第m个资源块上的传输功率，Iii, p h」，j和hk, k分别表示第i个宏峰窝用户、第j组D2D对和第k个small cell用户在第m个资源块上的信道增益，hmhmhijhkjhu和Iij,k分别表示第i个宏蜂窝用户、第j组D2D对和第k个small cell用户复用相同资源块时相互的干扰信道增益，Iitl表示噪声功率，wc、wD和Ws表示归一化的正值权重系数，它们表示蜂窝用户、D2D对和small cell用户传输功率之间的相对重要性，权重系数需要根据l+wD+ws = I给定；S。为蜂窝用户的传输速率的临界值，S s为Small cell用户的传输速率的临界值；δ D为D2D对的传输速率的临界值。
3.根据权利要求2所述的基于异构网络的多目标功率优化方法，其特征在于:所述第二步中将步骤一中得到的多目标功率优化模型采用拉格朗日对偶和KKT条件进行求解，得到原优化模型的对偶优化模型的方法包括以下步骤: 第二 a步:将第一步中得到的多目标功率优化模型转化为原优化问题的拉格朗日函数模型； 第二 b步:根据第二 a步得到的原优化问题的拉格朗日函数模型，建立原优化问题的拉格朗日对偶优化模型。
4.根据权利要求3所述的基于异构网络的多目标功率优化方法，其特征在于:所述第二a步中得到的原优化问题的拉格朗日函数模型为:
其中λ。、λΒ、λ 3是由传输速率限制约束条件得到的拉格朗日乘子，Ya1、ΥιΜ、Ys,k是由最大传输功率限制约束条件得到的拉格朗日乘子，yai,m、μ:Μ,π、ys,k,m是由传输功率大于零的约束条件得到的拉格朗日乘子。
5.根据权利要求4所述的基于异构网络的多目标功率优化方法，其特征在于:所述第二 b步中得到的原优化问题的拉格朗日对偶优化模型为: max ^(λ,Y,μ) 其中g(A，Υ，μ)味原优化问题的拉格朗日对偶函数，可表示为:
对拉格朗日函数进行整理可得:
6.根据权利要求1所述的基于异构网络的多目标功率优化方法，其特征在于:所述第三步中第一层优化可分解为相互独立的M个子优化问题，对于每个子优化问题，由于对于一给资源块，限定只存在一个蜂窝用户、一组D2D对和一个small cell用户同时复用，所以第m个资源块上的拉格朗日函数可以表示为:
7.根据权利要求1所述的基于异构网络的多目标功率优化方法，其特征在于:所述步骤四中，功率优化迭代算法求解最优传输功率点的方法，包括以下步骤: 4a).初始化拉格朗日乘子λ，Υ，μ和权重系数w。，wD，ws ; 4b).对于给定的拉格朗日乘子，求解最优传输功率，即在每个资源块上求解三元四次方程组:
4c).根据拉格朗日乘子更新公式对拉格朗日乘子进行更新； 4d).重复4b).-4c).直到收敛为止。
8.根据权利要求1所述的基于异构网络的多目标功率优化方法，其特征在于:所述步骤4b)中，求解方程组所需的导数有: 第一个方程所需导数:
第二个方程所需导数:
第三个方程所需导数:
9.根据权利要求1所述的基于异构网络的多目标功率优化方法，其特征在于:所述步骤4c)中，拉格朗日乘子的更新表达式为:
Pc，i，m(k+1) — [ P c，i，m(k) + ε.Ρο,?,ηι] ? ^ d, j,m(k+l) — [ P D，j，m(k) + s D，細(k) *PD?j’J+，
Ps，k，m(k+1)—[卩 S，k，m ⑵ + ε s，k，m ⑵?S, k, 其中ε表示步长。当所有梯度都满足收敛门限值时判定收敛到最优，不再进行更新。
【文档编号】H04W52/26GK104185263SQ201410467128
【公开日】2014年12月3日 申请日期:2014年9月12日 优先权日:2014年9月12日
【发明者】蒋雁翔, 刘强, 鲁宁宁, 张家典, 尤肖虎 申请人:东南大学