本发明涉及一种适用于5g网络的非正交多址接入的蚁群功率分配优化算法，属于无线技术领域。
背景技术：
移动通信由于所有用户共享频率资源，因此多址接入技术成为核心技术之一。4g中采用了正交频分多址(ofdma)技术，从多用户信息论的角度看，正交多址方式只能达到多用户容量界的内界，为满足5g对速率等各项指标的要求，需要研究更加先进的多址接入技术以获得更高的频谱效率。在现有5g的多址接入技术研究中，非正交多址(non-orthogonalmultipleaccess，noma)被认为是非常有前途的一种方案。noma可以在功率域由多个用户共享，在接收端系统采用干扰消除(sic：successiveinterferencecancellation)技术区分不同用户，具有更高的频谱利用率。
从noma工作原理看，功率分配优化算法是noma中核心研究之一，发送端功率分配直接影响接收端译码的性能和用户的信道容量。在现有的noma功率分配优化研究中，比较经典的如全搜索功率分配算法(fullsearchpowerallocation)通过遍历所有的功率分配方案来获得功率分配的最优解，但是复杂度太高，由于终端处于移动状态，所以要求低复杂度的快速功率分配优化算法。
启发式算法是一种基于直观或经验构造的算法，在可接受的耗费(指计算时间、占用空间等)下给出待解决优化问题每一实例的一个可行解，该可行解与最优解的偏离程度未必可事先估计。蚁群算法是现代启发式算法的一种重要方法。
由于蚁群算法收敛速度较慢，本发明将蚁群算法进行优化后应用于noma的功率分配优化，从而显著提高了功率分配优化的速度，满足终端移动性较强的对功率分配优化速度的要求。
技术实现要素：
本发明公开一种适用于5g网络的非正交多址接入的蚁群功率分配优化算法，针对第五代移动通信网络(5g)业务种类多样性的需求，为实现非正交多址(non-orthogonalmultipleaccess，noma)的功率优化，将改进后的具有快速收敛特性的蚁群优化算法应用于noma的功率分配优化，包括四个部分：功率分配优化目标函数确定、终端位置信息上报和更新、终端业务期望速率指标上报、快速收敛的蚁群功率分配优化算法。首先根据不同终端业务对期望速率的不同，确定noma功率分配优化的目标函数，然后终端将地理位置上报基站，基站按照距离远近排序，终端根据业务需求将期望速率上报基站，基站在获得上述数据后，根据终端的距离进行终端编码，然后根据是否相邻编码进行信息素的初始化，并将编码添加到行走概率中，其他再按照蚁群算法的要求进行信息素更新，在经过指定次数的循环后，基站获得优化后的功率分配系数。
附图说明
图1是本发明的方法流程图。
具体实施方式
以下结合附图和实施例对本发明作进一步详细的描述。
为简化分析，本实施例以一个基站bs和m个移动终端的noma系统中下行链路的功率分配优化问题为例说明。
本实施例由4个部分组成，见附图1.
第一部分、功率分配优化目标函数确定
1.1、用户可达速率确定
基站将发送给m个用户的信号进行功率叠加，然后通过相同的发送设备进行发送，终端同基站之间位置不同，信道具有不同的衰减，则任一用户m∈{1,2,...,m}接收到的信号是所有用户信号经过信道衰减后的叠加，如式(1)所示：
其中，ym是m用户接收到的信号，si是发送给i用户的信号，p是基站信号发送总功率，αi是i用户的功率分配系数，nm是附加噪声，其方差为σ2，hm是基站到m用户的信道增益：
gm是瑞利信道增益，d是基站到m用户的距离，γ是衰减因数。
假设基站能获得部分终端的信道状态信息(csi：channelstateinformation)，按照noma功率复用的要求，基站将终端按照信道增益进行排序，设|h1|2≥...≥|hm|2，则功率分配系数按照α1≤...≤αm的顺序进行分配，以保证各个终端用户都能将各自的信息可靠解码，本实施例为简化csi在通信中的传递，采用距离预测信道增益。
接收端采用noma串行sic方法进行信号解码，将接收的各信号按照功率从大到小排序，分别选择待检测信号中最强的信号进行检测，然后从总信号中减去重构的这个信号，再循环检测下一个最强的信号，直到检测出发送给该终端的信号。
按照上述sic的原理，由于比m用户信号弱的用户{m+1,m}信号不能检测出而无法消除，则这部分信号对本用户信号成为噪声，则m用户能达到的速率如式(3)所示：
1.2、优化目标函数确定
5g中不同应用对速率要求不同，根据期望速率进行优化能获得更好的优化性能。因此，满足不同期望速率要求的最小发送功率的优化问题可以描述为：
其中，s.t.(subjectto)指受…约束。从式(4)可见，功率优化的目标是获得功率分配系数αi。
第二部分、终端位置信息上报和更新
2.1、终端发起呼叫时，通过终端配置的gps或者北斗或者终端的地理位置数据，然后发送到基站，格式为{pid,gp}，其中，pid是终端的标识，gp是地理位置数据；
2.2、基站将接收到的地理位置数据依次存储，并且同基站本身的地理位置信息运算后，获得各个上报终端到基站的距离；
2.3、基站将各个上报终端到基站的距离排序，获得有序矩阵d＝{d1,...,dm}；
2.4、终端通过自身的地理位置装置不断检测终端的移动情况，当移动距离超过系统设定的门限时，将新的地理位置信息上报基站，格式还是{pid,gp}；
2.5、基站将接收到的新的地理位置信息更新到距离矩阵并重新排序；
第三部分、终端业务期望速率指标上报
3.1、终端i开始使用某项业务前，在业务服务器取得该业务需要的服务质量指标
3.2、服务器接收到终端的服务质量指标后，进行存储
3.3、终端更换业务到新的业务类型后，在新的业务服务器重新取得新业务的服务质量指标，发送给基站，基站更新保存的服务质量指标队列
第四部分、快速收敛的蚁群功率分配优化算法
4.1、终端编码
基站按照终端上报的地理位置信息后根据距离排序后得到有序矩阵d＝{d1,...,dm}，然后进行终端编码t＝{t1,...,tm}
4.2、初始化信息素
按照下式确定两个终端节点(u,v)之间的信息素初始化值：
其中，q为信息素的初始化总量，m为终端数量，
4.4、路径选择概率确定
第k个人工蚂蚁在终端u依照下式选择下一个节点v：
α，β，γ是常数，由系统设定。根据式(6)的节点编码判断规则，在终端距离有序矩阵的反向、横向、跨越两个以上终端等无效方向，都有τu,v(t)＝0，使得人工蚂蚁在这些方向的概率为0，避免了人工蚂蚁无效的行走。
4.5、信息素更新按照：
τu,v(t+n)＝ρ·τu,v(t)+(1-ρ)·δτu,v(7)
参数(1-ρ)表示了信息素的减弱程度，则各个节点的信息素蒸发按照：
τu,v←(1-p)τu,v(8)
进行刷新，同时，每个人工蚂蚁根据下式对信息素进行增强：
q是信息素总量，lk是第k个人工蚂蚁循环一次的总的路径长度，式(10)中，当第k个人工蚂蚁经过(u,v)节点时，取q/lk，否则取0。循环直到系统设定的次数结束。经过若干次循环，系统得到优化后的各个终端的最优化功率分配系数{α1,...,αm}。
以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。