两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法与流程

本发明涉及两层Femtocell网络中非理想CSI下的功率控制技术领域，具体地，涉及两层Femtocell网络中基于吞吐量最大化的最优鲁棒功率控制方法。

背景技术：

随着新一代移动通信技术的快速发展，人们对无线通信业务服务质量(QoS)和数据传输速率的要求日益增加。研究表明，90％以上的数据通信和67％以上的语音通信都是在室内完成的。但无线通信所用的载波频率越来越高，以致波的穿透能力越来越差，室内用户的信号衰减增大，从而使得高质量的室内通信服务难以实现。通过飞蜂窝(Femtocell)技术可以扩大网络覆盖范围，有效解决室内移动通信网络的容量提升，实现更高的频谱效率，因此，近年来受到业界广泛关注。

在两层Femtocell网络下，Femtocell用户可以通过共享宏蜂窝用户的频谱来接入，从而进行数据传输。然而，这引入了跨层干扰和同层干扰。因此，想要实现Femtocell的大范围推广，干扰管理是关键，而功率控制是解决这一关键问题的重要方法。Zheng Z等人在《2011IEEE 73rd Vehicular Technology Conference,Yokohama，2011:1-5.》上发表了题为“On uplink power control optimization and distributed resource allocation in femtocell networks”的文章。该文章以最大化Femtocell用户的总吞吐量为优化目标，在宏蜂窝用户的干扰限制约束下，通过对Femtocell用户功率迭代参数的空间搜索来实现Femtocell用户的功率优化。由于该算法是基于理想信道状态信息(CSI)的通信环境，而非理想的CSI会影响用户的功率调整，该算法在非理想CSI的环境中可能会降低网络性能。

目前，大多数学者在研究两层Femtocell网络的功率控制时，均是假设在理想CSI的通信环境中。而在实际的无线通信系统中，由于信道的时变特性、量化误差和时间延迟等因素，一般很难获得理想CSI。

因此，针对存在信道估计误差的两层Femtocell网络，有必要考虑在保证宏蜂窝用户的QoS要求下，研究基于最大化吞吐量的最优鲁棒功率控制方法。

技术实现要素：

本发明旨在解决以上现有技术的问题。提出了一种最大化Femtocell用户吞吐量、计算复杂度低、信道适应性强、特别适合非理想CSI下的两层Femtocell网络的最优鲁棒功率控制方法。本发明的技术方案如下：

一种两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法，其包括以下步骤：

101、初始化Femtocell用户个数、Femtocell用户的同层干扰功率上界和Femtocell用户的排序因子；

102、将Femtocell用户的排序因子升序排列；

103、计算各个Femtocell用户的拉格朗日容许因子和拉格朗日判定因子；

104、如果最后一个Femtocell用户的拉格朗日容许因子大于它的拉格朗日判定因子，则Femtocell用户的拉格朗日因子等于它的拉格朗日判定因子，根据该拉格朗日因子，给出最优鲁棒功率，结束；否则跳转至步骤105；

105、如果最后一个Femtocell用户对应的拉格朗日容许因子小于或者等于它的拉格朗日判定因子，则将最后一个Femtocell用户的功率设置为零，并转到步骤104，对其他Femtocell用户的拉格朗日容许因子和它的拉格朗日判定因子进行比较，直到最后一个Femtocell用户的拉格朗日容许因子大于它的拉格朗日判定因子条件满足，计算出拉格朗日因子和最优鲁棒功率。

进一步的，步骤101所述初始化Femtocell用户个数K＝n，其他所有的Femtocell用户j(j＝1,2,…,n,j≠i)对Femtocell用户i接受端的同层干扰功率上界γ，Femtocell用户i的排序因子M_i：

其中，为Femtocell用户i到其提供服务的Femtocell基站i处的估计信道增益，为Femtocell用户i到宏基站的估计信道增益，ε_f表示Femtocell用户i到其提供服务的Femtocell基站i处的信道增益估计误差的归一化不确定度，ε_m表示Femtocell用户i到宏基站的信道增益估计误差的归一化不确定度，σ²为宏蜂窝用户对Femtocell用户接收端的干扰功率与背景噪声之和，n为Femtocell用户的个数。

进一步的，所述步骤102中将Femtocell用户的排序因子升序排列具体为：

Femtocell用户的排序方式为：M₁≤M₂≤…≤M_K，其中，M_K为Femtocell用户K的排序因子。

进一步的，所述步骤103中对于Femtocell用户i(i＝1,…,K)的拉格朗日容许因子α_i的取值为：

其中，M_i为Femtocell用户i的排序因子。

对于Femtocell用户i(i＝1,…,K)的拉格朗日判定因子β_i的取值为：

其中，M_j为Femtocell用户j(j＝1,…,i)的排序因子，为宏蜂窝用户的最大干扰门限。

进一步的，所述步骤104具体为：

如果Femtocell用户K的拉格朗日容许因子α_K大于它的拉格朗日判定因子β_K，那么Femtocell用户的拉格朗日因子λ为：

其中，M_i为Femtocell用户i的排序因子，为宏蜂窝用户的最大干扰门限；

根据拉格朗日因子，那么Femtocell用户i的最优鲁棒功率为：

其中，为Femtocell用户i到其提供服务的Femtocell基站i处的估计信道增益，为Femtocell用户i到宏基站的估计信道增益，ε_f表示Femtocell用户i到其提供服务的Femtocell基站i处的信道增益估计误差的归一化不确定度，ε_m表示Femtocell用户i到宏基站的信道增益估计误差的归一化不确定度，γ表示其他所有的Femtocell用户j(j＝1,2,…,n,j≠i)对Femtocell用户i接受端的同层干扰功率上界，σ²为宏蜂窝用户对Femtocell用户接收端的干扰功率与背景噪声之和，n为Femtocell用户的个数，λ为Femtocell用户的拉格朗日因子。

进一步的，所述步骤105具体为：如果Femtocell用户K的拉格朗日容许因子α_K不大于它的拉格朗日判定因子β_K，那么，Femtocell用户K的最优鲁棒功率为零，并将K-1赋值给K，返回步骤104，对剩下K个Femtocell用户的拉格朗日因子和最优鲁棒功率进行设置。

进一步的，所述非理想CSI模型是基于椭球体不确定描述方法建立的，模型如下：

其中，表示Femtocell用户i到为其提供服务的Femtocell基站i处的估计信道增益，表示Femtocell用户i到宏基站的估计信道增益，△g_i,i和△g_i,m分别相应的信道增益估计误差，ε_f和ε_m分别表示△g_i,i和△g_i,m的归一化不确定度，n为Femtocell用户的个数。

进一步的，根据鲁棒优化和最坏准则机制的思想，在考虑到信道增益估计误差的情况下，以信道增益最坏情况下的最优功率控制作为鲁棒优化问题的依据，原优化问题可写为一个鲁棒优化功率控制问题，表示如下：

本发明的优点及有益效果如下：

本发明在考虑信道估计误差的情况下，基于鲁棒优化和最坏准则机制的思想，将无限约束的Max-Min优化问题转化为有限约束的凸优化问题，通过凸优化问题的最优性条件，给出Femtocell用户的最优鲁棒功率的闭式解。本发明所提供的方法在存在信道估计误差的情况下，相比其他传统的方案严格保证了宏蜂窝用户的QoS，对信道适应性强，特别适合非理想CSI下的两层Femtocell网络。由于算法具有解析表达式，因此执行速度快，具有较好的可行性和实用性。

附图说明

图1是本发明提供优选实施例两层Femtocell网络中的上行链路模型；

图2为本发明在特殊场景中ε_f＝0时信道不确定度ε_m对Femtocell用户吞吐量的影响；

图3为本发明在特殊场景中ε_m＝0时信道不确定度ε_f对Femtocell用户吞吐量的影响；

图4为本发明在特殊场景中ε_f＝0时信道不确定度ε_m对宏基站接收到的干扰功率的影响；

图5为本发明在一般场景中ε_f＝0时信道不确定度ε_m对Femtocell用户吞吐量的影响；

图6为本发明的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明的技术方案如下：

本发明公开两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方法，包括：初始化Femtocell用户个数，Femtocell用户的同层干扰功率上界，Femtocell用户的排序因子；根据Femtocell用户的排序因子将Femtocell用户进行升序排列；计算Femtocell用户的拉格朗日判定因子；比较Femtocell用户的拉格朗日容许因子和拉格朗日判定因子大小关系，如果条件满足，计算出拉格朗日因子，给出最优鲁棒功率，方法结束；否则，将排序因子最大的Femtocell用户功率设置为零，其他Femtocell用户继续照第四步执行，直到条件满足，计算出Femtocell用户的拉格朗日因子和最优鲁棒功率。本发明考虑了在最坏信道增益估计误差下的最优鲁棒功率控制，建立Femtocell用户吞吐量最大化模型，研究信道增益估计误差对网络性能的影响。本发明具有计算复杂度低，信道适应性强，可严格保证宏蜂窝用户QoS，提高Femtocell用户总吞吐量的优点，特别适合非理想CSI下的两层Femtocell网络。

本实施例为两层Femtocell网络中非理想CSI下的最优鲁棒功率控制方案，在一个上行的两层Femtocell网络中，包含1个位于宏蜂窝小区中心(0，0)的宏基站，1个宏蜂窝用户，5个分别位于(120，70)，(150，-120)，(-100，-200)，(-150，80)，(-20，300)的Femtocell基站，每个Femtocell基站分别服务1个Femtocell用户。宏蜂窝用户随机分布在宏基站的500m范围内，Femtocell用户随机分布在为其提供服务的基站的30m范围内，其中，Femtocell用户通过共享宏蜂窝用户的频谱来接入。宏蜂窝用户可容忍的最大干扰门限为宏蜂窝用户对Femtocell用户i接收端的干扰功率与背景噪声之和σ2＝10-10W。Femtocell用户i到为其提供服务的Femtocell基站i的平均信道增益为Femtocell用户i到宏蜂窝基站处的平均信道增益为其中，|·|表示绝对值，d_i,i和d_i,m分别为Femtocell用户i到为其提供服务的Femtocell基站i与到宏基站的距离，h_i,i和h_i,m是满足零均值，方差分别为1dB和0.5dB的复高斯分布，室内路损因子α_i＝3，室内到室外的路损因子α_io＝4，室内链路的固定传播损耗κ_i＝37dB，与f_MHz相关的κ_io表示室内外链路的固定传播损耗，f_MHz＝2000MHz，κ_io＝30log₁₀(f_MHz)-71dB，室内到室外的分区损耗ξ＝5dB。

下面结合上述具体实例对本发明所述提供一种两层Femtocell网络中非理想CSI下基于鲁棒优化、最坏准则机制和凸优化思想的最优鲁棒功率控制方法做详细说明：

(1)假设在理想CSI情况下，满足宏蜂窝用户的QoS要求，使得Femtocell用户吞吐量最大化的功率控制优化方程如下表示：

其中，p_i为Femtocell用户i的发射功率，p_j为Femtocell用户j(j＝1,2,…,n,j≠i)的发射功率，g_i,i为Femtocell用户i到其提供服务的Femtocell基站i处的信道增益，g_i,m为Femtocell用户i到宏基站的信道增益，g_j,i为Femtocell用户j(j＝1,2,…,n,j≠i)到Femtocell基站i处的信道增益，σ²为宏蜂窝用户对Femtocell用户接收端的干扰功率与背景噪声之和，为宏蜂窝用户可容忍的最大干扰门限，n为Femtocell用户的个数。约束条件中，C1保证宏蜂窝用户的QoS，C2表示发射功率的非负性。

(2)在实际的无线通信系统中，一般很难获得理想CSI，需要考虑信道增益估计误差。由于实际的信道增益一般在某一个有界的不确定区域内，因此，基于椭球体不确定描述方法，建立非理想CSI模型如下：

其中，表示Femtocell用户i到为其提供服务的Femtocell基站i处的估计信道增益，表示Femtocell用户i到宏基站的估计信道增益，△g_i,i和△g_i,m分别相应的信道增益估计误差，ε_f和ε_m分别表示△g_i,i和△g_i,m的归一化不确定度，n为Femtocell用户的个数。

同时，其他所有的Femtocell用户j(j＝1,2,…,n,j≠i)对Femtocell用户i接受端的干扰功率是在有界的区间内，即其中，γ表示其他所有的Femtocell用户j(j＝1,2,…,n,j≠i)对Femtocell用户i接受端的同层干扰功率上界。

在信道增益不确定的区域范围中，Femtocell用户计算得出的吞吐量也存在不确定性。因此，根据鲁棒优化和最坏准则机制的思想，在考虑到信道增益估计误差的情况下，以信道增益最坏情况下的最优功率控制作为鲁棒优化问题的依据，原优化问题可写为一个鲁棒优化功率控制问题，表示如下：

(3)基于最坏准则机制的鲁棒优化思想，利用同层干扰功率上界γ和归一化不确定度ε_f、ε_m，可得以下等式：

因此，代入以上等式，上述问题可等价转化一个有限约束的优化问题，表示如下：

其中，

显然，上述方程组中的目标函数是一个关于p_i的增函数，所以，该优化问题的最优值应该在Femtocell用户对宏蜂窝用户的干扰功率等于最大干扰门限时获得，因此，上述优化问题等价于如下问题：

令可得如下等价优化问题：

上述目标函数是关于p_i的凸函数，同时，约束条件是线性的约束条件，由此可知，等价优化问题是一个凸优化问题。因此，等价优化问题求解可以通过拉格朗日优化方法来最大化以下的拉格朗日函数：

其中，λ和μ_i是约束条件下的拉格朗日因子。

进一步，最大化拉格朗日函数问题的Karush-Kuhn-Tucker条件为：

由上述等式得到Femtocell用户最优鲁棒功率的闭式解：

其中，为Femtocell用户i到其提供服务的Femtocell基站i处的估计信道增益，为Femtocell用户i到宏基站的估计信道增益，ε_f表示Femtocell用户i到其提供服务的Femtocell基站i处的信道增益估计误差的归一化不确定度，ε_m表示Femtocell用户i到宏基站的信道增益估计误差的归一化不确定度，γ表示其他所有的Femtocell用户j(j＝1,2,…,n,j≠i)对Femtocell用户i接受端的同层干扰功率上界，σ²为宏蜂窝用户对Femtocell用户接收端的干扰功率与背景噪声之和，n为Femtocell用户的个数，λ为Femtocell用户的拉格朗日因子。

Femtocell用户的拉格朗日因子λ从如下等式计算得到：

算法结束。

在本实施例中，图1为本发明提供优选实施例两层Femtocell网络中的上行链路模型，图中n个Femtocell用户共享宏蜂窝用户的频谱，宏蜂窝用户通过限制Femtocell用户的总干扰来保证自身的QoS。图2在特殊场景中ε_f＝0时分别采用非鲁棒的功率控制方法和本实施例方法得到的Femtocell用户吞吐量曲线图；图3给出了在特殊场景中ε_m＝0时分别采用非鲁棒的功率控制方法和本实施例方法得到的Femtocell用户吞吐量曲线图；图4是在特殊场景中ε_f＝0时分别采用非鲁棒的功率控制方法和本实施例方法得到的宏基站处接收的干扰功率曲线图；图5是在一般场景中ε_f＝0时信道不确定度ε_m对Femtocell用户吞吐量曲线图。由图2和图3可见：在特殊场景(γ＝0)下，两种方法获得的Femtocell用户吞吐量都随着不确定度ε_m或ε_f的增加而降低，随着ε_m或ε_f的增加，两种方法获得的Femtocell用户吞吐量的间隔逐渐增大。由图4可见：在特殊场景下，所提方法较非鲁棒的功率控制方法可以严格保证宏蜂窝用户的QoS，随着ε_f的增加，非鲁棒的功率控制方法得到的宏基站处接收的干扰功率逐渐增大，并超过了最大干扰门限。由图5可见：在一般场景(γ≠0)下，所提方法获得的Femtocell用户吞吐量随着不确定度ε_m的增加而降低，这与特殊场景中的趋势相同，同时，所提方法获得的Femtocell用户吞吐量随着γ的增加而降低。由于所提方法可以获得Femtocell用户最优鲁棒功率的闭式解，所提方法能够有效地解决两层Femtocell网络中基于吞吐量最大化的鲁棒功率控制等相关问题。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。