一种最大化分布式天线系统能量效率的波束赋形方法与流程

本发明属于通信技术领域，涉及一种分布式联合多用户发送波束赋形方法，可用于分布式天线系统中设计具有最大能量效率的发送波束向量。

背景技术：

目前，信息和通信行业已经占据了超过3％的全球能源消耗，并且还在快速的增长。在无线通信领域，新型多媒体业务的不断涌现和无处不在的网络服务使得无线接入网络消耗了超过70％的能量资源。因此，实现无线网络的节能减排，提高无线接入传输的能量效率是实现绿色通信的必然途径。

分布式天线系统通过按照某种规则或者随机的将天线单元部署在小区内的不同位置，缩短了用户与网络接入点之间的距离，能够有效的降低信号在无线信道中传输时所经历的衰落，在提高系统的能量效率方面具有先天的优势。由于信号的发送与处理功能分离，导致分布式系统具有与集中式网络架构完全不同的系统功耗模型。同时分布式天线单元与系统中央处理单元之间的系统回程链路也会消耗一定的功率资源，并且这部分功耗的大小与用户的协作天线集合选择密切相关。因此，为提高每焦耳能量传输的数据比特数，需要设计合理的分布式天线系统功耗模型、确定用户的协作天线集合，并在此基础上设计具有能量效率最大化的联合多用户发送波束赋形向量。

目前，已有一些文献研究了分布式天线系统的能量效率问题，如A.Attar在IEEE Wirel.Commun.，2011，18(5)：66-74《Green last mile:How fiber connected massively distributed antenna systems can save energy》一文通过仿真实验证明了分布式天线系统具有比传统蜂窝网络和家庭基站架构更高的能量效率。C.L.He在IEEE J.Sel.Areas Commun.，2013，31(5)：894-902《Energy and spectral efficiency tradeoff for distributed antenna systems with proportional fairness》一文中研究了具有用户传输速率比例公平约束的能效最大化问题，采用多目标优化方法获得了具有最大能量效率的天线功率分配方法。但是该方法中假设每个天线单元只具有一个发送天线，且用户之间不存在干扰，很难扩展应用。L.Zhong在Mobile Netw.Appl.2012，17(1)：36-44《Energy-efficient resource allocation in mobile networks with distributed antenna transmission》一文中研究了基于联合波束赋形的分布式天线系统能量效率问题，通过自适应的资源分配和干扰抑制实现最优的能量效率和更高的系统容量。但是该方法并没有考虑到回程链路上的功率消耗对于整个系统能量效率的影响。

本发明针对分布式天线系统中的能量效率最大化问题，建立了合理的分布式天线系统功耗模型，综合运用凸松弛方法、权重因子迭代和Dinkelbach搜索机制实现了近似最优的联合多用户发送波束赋形向量设计，能够在保证用户QoS需求基础上有效提高分布式天线系统的能量效率。

技术实现要素：

本发明的目的在于提出一种适用于分布式天线系统的波束赋形方法，通过联合发送波束赋形向量设计，实现保证用户的QoS需求和最大化每焦耳能量所传输的数据比特数。

实现本发明的技术关键在于首先建立最大化分布式天线系统能量效率的优化问题；然后利用凸优化理论对优化问题进行松弛、求解；最后利用权重因子迭代的方法构造具有组稀疏性的发送波束赋形向量。一种适用于分布式天线系统能量效率最大化的波束赋形方法，具体实现步骤包括如下：

(1)构建分布式天线系统中每个用户的接收信号，并计算每个用户获得的传输速率；构建分布式天线系统的功率消耗模型，并根据得到的传输速率计算整个分布式天线系统的总功率消耗；根据总功率消耗构造分布式天线系统能量效率最大化的目标函数；

(2)对能量效率最大化的目标函数引入当前等效因子得到等效目标函数，对等效目标函数进行凸松弛处理得到凸目标函数；

(3)以每个用户的QoS需求和每个天线单元的发射功率限制为约束条件，采用凸优化理论求解凸目标函数，得到松弛后的波束赋形向量，并根据松弛后的波束赋形向量计算得到每个用户接收信号的SINR值；

(4)对每个天线单元给每个用户发送信号所消耗的发射功率引入权重因子，得到加权发射功率最小化的目标函数；

(5)以每个用户接收信号的SINR值和每个天线单元的发射功率限制为约束条件，采用凸优化理论求解加权发射功率最小化的目标函数，得到加权发射功率最小化的目标函数值和引入权重因子后的波束赋形向量；

(6)根据加权发射功率最小化的目标函数值计算得到加权发射功率最小化目标函数的相对值；根据引入权重因子后的波束赋形向量计算得到当前分布式天线系统的总功率消耗；

(7)比较加权发射功率最小化目标函数的相对值与收敛门限的大小，若加权发射功率最小化目标函数的相对值大于收敛门限，则根据引入权重因子后的波束赋形向量更新权重因子，转入步骤(4)；否则，找出引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量，根据该波束赋形向量计算当前的等效目标函数值和所有用户得到的传输速率之和；

(8)比较当前的等效目标函数值与搜索门限的大小，若等效目标函数值大于搜索门限，则计算得到新的等效因子，将新的等效因子作为当前等效因子，转入步骤(2)；否则，引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量就是最大化分布式天线系统能量效率的波束赋形向量。

其中所述的步骤(1)具体包括步骤：

(101)构建分布式天线系统中每个用户的接收信号，并计算每个用户获得的传输速率；

(102)根据得到的各个用户的传输速率，计算分布式天线系统的各个回程链路上的总传输速率C_n，

其中，r_k表示第k个用户得到的传输速率，D_n表示第n个天线单元服务的用户集合；

(103)构建分布式天线系统的功率消耗模型，并计算计算整个分布式天线系统的功率消耗：

其中，P_T表示分布式天线系统的总功率消耗，N表示分布式天线系统中的天线单元数，K表示分布式天线系统中的用户数，ε表示天线单元的功率效率，p_k,n表示第n个天线单元在给第k个用户发送信号的发射功率消耗，C_n表示第n个天线单元到分布式天线系统中央处理单元的回程链路上的总传输速率，C_bh表示分布式天线系统的回程链路传输容量，P_bh表示分布式天线系统回程链路在满速率传输时的功率消耗，P_c表示天线单元的电路功率消耗，P_sp表示分布式天线系统的中央处理单元的信号处理功率消耗；

(104)计算分布式天线系统中所有用户的传输速率和并构造分布式天线系统能量效率最大化的目标函数η_EE＝R_T/P_T，其中，η_EE表示分布式天线系统的能量效率。

其中所述的步骤(2)，具体包括步骤：

(201)对目标函数引入等效因子λ，得到等效目标函数Γ(λ)＝R_T-λP_T；

(202)采用1-范数凸包络形式对等效目标函数进行松弛，得到初步松弛的目标函数：

其中，w_k,n表示第n个天线单元给第k个用户发送信号的波束向量；

(203)采用一阶泰勒级数展开对得到的初步松弛的目标函数进行再次松弛，得到最终的凸目标函数：

其中，B表示分布式天线系统的系统带宽，W表示由所有天线单元对所有用户的发送波束向量组成的波束矩阵，W_k表示由所有天线单元对第k个用户的发送波束向量组成的波束矩阵，表示g_k(W)的一阶泰勒级数近似，

表示无线信道的加性高斯白噪声的方差，H_k表示由所有天线单元与第k个用户之间的信道衰落向量组成的信道矩阵。

本发明相比背景技术具有以下优点：

1、本发明综合考虑了分布式天线系统中天线单元的发射功率和电路功率功耗，以及分布式天线系统的回程链路功率消耗，适用于分布式天线系统的能量效率优化；

2、本发明采用引入等效因子、1-范数松弛和一阶泰勒级数展开等方法，能够得到等效的近似凸目标函数，并采用连续凸近似迭代、权重因子迭代和Dinkelbach搜索算法，能够计算能量效率最大化的发送波束赋形向量；

3、本发明提出的发送波束赋形方法，适用于分布式天线系统，通过波束赋形向量的联合设计，能够在满足用户QoS需求的同时最大化分布式天线系统的能量效率。

附图说明

图1是本发明的应用场景图；

图2是本发明的实现流程图；

图3是本发明与现有波束赋形算法的用户和速率性能比较图；

图4是本发明与现有波束赋形算法的系统总功耗性能比较图；

图5是本发明与现有波束赋形算法的系统能量效率比较图；

具体实施方式

以下对本发明的原理以及技术方案做进一步的描述。

参照图2，本发明的实现流程包括如下：

步骤1构建分布式天线系统中每个用户的接收信号，并计算每个用户获得的传输速率；构建分布式天线系统的功率消耗模型，并根据得到的传输速率计算整个分布式天线系统的总功率消耗；根据总功率消耗构造分布式天线系统能量效率最大化的目标函数；具体包括步骤：

(1.1)构建分布式天线系统中每个用户的接收信号：

其中，A_k表示为第k个用户联合发送信号的天线单元集合，w_k,n表示第n个天线单元给第k个用户发送信号的波束向量，h_k,n表示第n个天线单元与第k个用户之间的信道衰落向量；

(1.2)根据香农定理，计算每个用户获得的传输速率：

(1.3)计算分布式天线系统的各个回程链路上的总传输速率

(1.4)计算整个分布式天线系统的功率消耗：

(1.5)计算分布式天线系统中所有用户的传输速率之和

(1.6)构造分布式天线系统能量效率最大化的目标函数：η_EE＝R_T/P_T。

步骤2对能量效率最大化的目标函数引入当前等效因子得到等效目标函数，对等效目标函数进行凸松弛处理得到凸目标函数；具体包括步骤：

(2.1)对能量效率最大化的目标函数引入当前等效因子λ，得到等效目标函数Γ(λ)＝R_T-λP_T；

(2.2)采用1-范数凸包络形式对等效目标函数进行松弛，得到初步松弛的目标函数：

(2.3)采用一阶泰勒级数展开对得到的初步松弛的目标函数进行再次松弛，得到最终的凸目标函数：

其中，W表示由所有天线单元对所有用户的发送波束向量组成的波束矩阵，表示g_k(W)的一阶泰勒级数近似；

步骤3以每个用户的QoS需求和每个天线单元的发射功率限制为约束条件，采用凸优化理论求解凸目标函数，得到松弛后的波束赋形向量，并根据松弛后的波束赋形向量计算得到每个用户接收信号的SINR值；具体包括步骤：

(3.1)建立每个用户的QoS约束：其中表示第k个用户的传输速率需求；

(3.2)建立每个天线单元的发射功率约束：其中表示第n个天线单元的最大发射功率限制；

(3.3)利用MRT方法确定初始化发送波束向量矩阵采用连续凸近似迭代方法求解如下优化问题，得到波束赋形矩阵W^*，

其中，表示Hadamard乘积，X_n为一个对角矩阵用于保证

(3.5)对得到波束赋形矩阵W^*进行秩1分解，计算得到每个天线单元对每个用户的波束赋形向量并计算每个用户得到的SINR值：

步骤4对每个天线单元给每个用户发送信号所消耗的发射功率引入权重因子，得到加权发射功率最小化的目标函数；具体包括步骤：

(4.1)初始化权重因子迭代次数i＝0，令权重因子初始值为

(4.2)构造加权发射功率最小化的目标函数：

步骤5以每个用户接收信号的SINR值和每个天线单元的发射功率限制为约束条件，采用凸优化理论求解加权发射功率最小化的目标函数，得到加权发射功率最小化的目标函数值和引入权重因子后的波束赋形向量；

以每个用户接收信号的SINR值和每个天线单元的发射功率限制为约束条件，采用凸优化工具箱求解加权发射功率最小化的目标函数，得到发射功率加权后的引入权重因子后的波束赋形向量计算加权发射功率最小化目标函数值加权发射功率最小化优化问题为：

步骤6根据加权发射功率最小化的目标函数值计算得到加权发射功率最小化目标函数的相对值；根据引入权重因子后的波束赋形向量计算得到当前分布式天线系统的总功率消耗；

计算加权发射功率最小化目标函数的相对值

对得到的发射功率加权后的波束赋形矩阵进行秩1分解，计算得到每个天线单元对每个用户的波束赋形向量并计算当前分布式天线系统的总功率消耗P_T[i]；

步骤7比较加权发射功率最小化目标函数的相对值与收敛门限的大小，若加权发射功率最小化目标函数的相对值大于收敛门限，则根据引入权重因子后的波束赋形向量更新权重因子，转入步骤(4)；否则，找出引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量，根据该波束赋形向量计算当前的等效目标函数值和所有用户得到的传输速率之和；

若加权发射功率最小化目标函数的相对值成立，其中κ为收敛门限值，则根据计算新的权重因子值，其中δ为一个很小的正数，然后转入步骤(4)；否则，比较找出引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量其中并计算所有用户得到的传输速率之和分布式天线系统的总功率消耗P_T[i^*]、等效目标函数值

步骤8比较当前的等效目标函数值与搜索门限的大小，若等效目标函数值大于搜索门限，则计算得到新的等效因子，将新的等效因子作为当前等效因子，转入步骤(2)；否则，引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量就是最大化分布式天线系统能量效率的波束赋形向量。

若等效目标函数值Γ(λ)＞θ，其中θ为搜索门限，则根据计算新的等效因子，转入步骤(2)；否则，将引入权重因子后得到最小分布式天线系统总功率消耗的波束赋形向量作为最大化分布式天线系统能量效率的波束赋形向量。

以下通过一个仿真实验对本发明的技术效果做详细描述：

1)仿真的系统参数

仿真的场景如图1所示，考虑小区内随机分布7个用户，每个用户只具有1个接收天线。同时小区内随机分布7个天线单元，每个天线单元具有3个发射天线。系统带宽为5MHz，每个用户的传输速率需求为1Mbps。协作天线集合选择因子θ＝0.1，回程链路容量C_bh＝100Mbps，回程链路最大功耗P_bh＝20W。

2)仿真内容与结果

在天线单元最大发射功率变化的条件下，对比用户和速率最大化方法(SR)、系统发射功率最小化方法(TP)和本发明提出的能量效率最大化方法(EE)在用户和速率、系统总功耗和系统能量效率上的性能，得到如图3、图4和图5所示结果。

从图3中可以看出，由于SR方法追求最大化的系统中所有用户的传输速率之和，随着天线单元的发射功率的增大，用户和速率也会一直增大。相比之下，TP方法为降低系统功耗，只保证用户获得等于其QoS需求的最小传输速率。本发明提出的EE方法获得的用户和速率介于TP和SR方法之间。

从图4中可以看出，SR方法消耗的系统总功耗一直随着天线单元的发射功率的增大而增大。在发射功率较小时，TP和EE的总功耗会逐渐增大，随着发射功率的进一步增大，系统的总功耗就开始维持不变。

从图5中可以看到，SR方法的能量效率一直下降，这是因为在追求较大用户传输速率时需要消耗非常多的发射功率来抵消用户之间的干扰。而TP方法只保证用户的最低传输速率需求，并没有考虑系统的能量效率问题，系统能量效率开始下降，然后趋于不变。本发明提出的EE方法始终能够获得最大的系统能量效率，并且随着用户速率和系统功耗的稳定逐渐稳定。