本发明属于移动通信网络技术领域,涉及一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法。
背景技术:
功率分配是有效解决频谱共享和干扰管理的一种技术手段,特别是对于未来的大规模飞蜂窝和宏蜂窝两层异构网络。近年来,在飞蜂窝和宏蜂窝两层异构网络中的功率分配问题的研究正受到越来越多的关注。对现有文献检索发现,相关文献如下:
h.wang等人在《2016ieeetransactionsonvehiculartechnology,july2016,vol.65,no.7,pp.5222-5236》上发表了题为“femtocellpowercontrolforinterferencemanagementbasedonmacrolayerfeedback”的文章。该文章在飞蜂窝用户的最大功率和qos约束下,来寻找飞蜂窝用户的最优发射功率,文章考虑到了跨层干扰但未考虑飞蜂窝之间的同层干扰,这样会使得飞蜂窝用户发生通信中断,并且该文章未引入信道不确定性因素。
以上异构网络功率分配方案是以完美的信道状态信息为前提,事实上,在未来大规模的异构网络中,由于信道的衰退和时延的影响,完美的信道状态信息是不容易被获得的。为了消除信道估计误差、提高系统的容量和稳健性,基于信道不确定性的功率分配方案就应运而生了。
z.liu等人在《2013ietsignalprocessing,july2013,vol.7,no.5,pp.360-367.》上发表了题为“robustoptimisationofpowercontrolforfemtocellnetworks”的文章。该文章中宏蜂窝用户和飞蜂窝用户共享频谱,在不大于宏用户一定干扰门限和信道不确定性条件下,最小化飞蜂窝用户的总发射功率,同时保障飞蜂窝用户和宏蜂窝用户的qos,以提高系统容量。该模型是基于概率约束,由于只考虑到了飞蜂窝和宏蜂窝网络中单个用户的情况,而且在保证飞蜂窝用户的qos约束中,未考虑来自宏蜂窝用户的跨层干扰,会导致中断概率变小,不能保证系统的稳健性。
由相关研究可知,现有飞蜂窝异构网络功率分配算法主要基于中断概率,且存在考虑用户单一、信道不确定性不全面等问题。
技术实现要素:
有鉴于此,本发明的目的在于提供一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法。本发明考虑多用户场景、同层和跨层干扰信道不确定性,建立符合实际的网络模型和数学模型,并通过最坏情况理论将问题进一步转化为一个凸优化问题,最后通过拉格朗日对偶分解理论求解,得出最优的飞蜂窝用户发射功率。
为达到上述目的,本发明提供如下技术方案:
一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法,包括以下步骤:
s1:初始化系统参数;
s2:获取信道信息,并计算最优的飞蜂窝用户功率,并更新拉格朗日乘子;
s3:根据飞蜂窝用户功率判断是否满足飞蜂窝用户的qos保障;如果满足,则进入s4,否则,进入s5;
s4:保障宏蜂窝用户的qos,计算所有飞蜂窝用户对宏蜂窝用户的干扰功率,并判断是否不大于干扰功率门限值,若是,则进入s5,否则进入s6;
s5:判断最优功率是否不大于最大功率,若是,则进入s6,否则取最优功率为最大功率并进入下一次迭代;
s6:判断当前迭代次数是否大于最大迭代次数,若是,则结束,得出飞蜂窝用户最优发射功率,否则进入下一次迭代。
进一步,所述s1具体为:建立通信网络,其中所述通信网络包括1个宏基站,宏基站覆盖范围内有l个宏蜂窝用户,宏蜂窝用户编号l满足以下集合
进一步,所述s2具体为:获取信道信息,根据公式
通过以下表达式更新拉格朗日乘子:
进一步,所述s3具体为:根据s2中计算得到的飞蜂窝用户发射功率
进一步,所述s4具体为:根据s2中计算得到的飞蜂窝用户发射功率
进一步,所述s5具体为:判断最优功率是否不大于最大功率,若是,则进入s6,否则取最优功率为最大功率,即令
本发明的有益效果在于:本发明在搜索最优的飞蜂窝用户发射功率的同时,还可以保证飞蜂窝和宏蜂窝用户的qos,提高系统的稳定性。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
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明的流程图;
图2为本发明在迭代次数t从1增加到20时的飞蜂窝用户发射功率曲线图;
图3为本发明在信道不确定性因子从0增加到0.1时的sinr曲线图;
图4为本发明在信道不确定性因子从0增加到0.1时的消耗的总功率曲线图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本实施例为一种上行传输飞蜂窝异构网络中鲁棒功率分配的方法,如图1所示,具体包括:
第一步:建立通信网络,网络中有4个宏蜂窝用户(l=4),有1个飞蜂窝网络(n=1),网络中有3个飞蜂窝用户(m=3),背景噪声为零均值的高斯白噪声取值
第二步:获取信道信息,从而得出最优的飞蜂窝用户功率并更新拉格朗日乘子,根据公式
第三步:根据第二步中计算得到的飞蜂窝用户发射功率
第四步:具体地,据第二步中计算得到的飞蜂窝用户发射功率
第五步:根据以上步骤计算出的
第六步中:通过判断当前迭代次数t是否大于最大迭代次数t,若条件满足,则结束方法,得出飞蜂窝用户的最优发射功率为
在本实施例中,图2给出了本实施例方法所得飞蜂窝用户发射功率的曲线图;图3是本实施例non-robust功率分配方法和robust功率分配方法得到的sinr曲线图;图4是分别采用本实施例non-robust功率分配方法和robust功率分配方法得到的总功率曲线图。由图2可见:所提实施方法是收敛的,且收敛速度快。由图3可见:所提robust功率分配方法在信道不确定因子增加的同时,能一直保障用户的qos,不会使得通信因信道恶化而中断,增加了系统的稳定性;而non-robust方法便没有此效果。由图4可见:所提robust功率分配算法在信道不确定因子变化的同时,总消耗功率是动态变化的,信道的波动越大,需要的发射功率越高;而non-robust算法未考虑信道波动,所以总的发射功率也是不变的。结合图2、图3、图4可知所提robust功率分配方法比传统的non-robust功率分配方法更能保证用户的qos、提高系统的稳定性和容量。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。