基于干扰抑制的多小区MIMO-NOMA最优功率分配方法与流程

本发明属于无线通信技术领域，尤其涉及一种基于干扰抑制的多小区mimo-noma最优功率分配方法。

背景技术：

目前，业内常用的现有技术是这样的：由于非正交多址接入(non-orthogonalmultipleaccess，noma)技术可以有效应对未来无线网络中高吞吐量，低时延，大连接等挑战，已受到广泛关注与研究，且已成为5g网络备选方案之一。noma技术允许多用户共享相同的功率域信道资源，并对其加以区分调度。因而相比于正交多址接入(orthogonalmultipleaccess，oma)，noma技术可以服务的用户更多。此外，将noma技术和mimo技术相结合，可进一步改善系统性能。近年来，针对系统和速率、用户公平性、能量效率的单小区noma系统已经被学者进行了广泛研究。而随着对更高频谱利用率的需求，多小区的noma网络受到了越来越多的关注和重视。在多小区noma网络的场景下，小区间的干扰将会非常严重，从而导致小区边缘用户的性能严重下降。依据noma技术的功率分配原则，更多的功率将被小区边缘用户占用；因此，多小区noma网络中的小区间干扰将比多小区oma网络中的更严重，使小区边缘用户的性能更差。此外，多小区noma网络中的联合功率分配比单小区noma网络中的更复杂。现有的几种noma网络的研究如下：现有技术一针对两小区mimo-noma系统提出了一种协作波束形成方案，得到了有效的预编码矩阵和解码矩阵。现有技术二针对多小区的mimo-noma系统，从吞吐量最大化的角度提出了基站端预编码矩阵设计原则。现有技术三针对多小区的mimo-noma系统，分别以最小化总发射功率及最大化系统和速率为优化目标寻找最佳功率分配策略。现有技术一多小区noma网络中的预编码矩阵和解码矩阵以避免小区间干扰，但未考虑高效的功率分配策略。现有技术二没有考虑小区间干扰消除以及功率分配。现有技术三中功率分配问题并未考虑小区间干扰。由于综合考虑多种问题，难度大，故以上方法中，分别针对了多小区mimo-noma场景中的某个特定问题在特定条件下进行求解。然而在实际多小区mimo-noma场景中，不仅仅需要考虑最优的功率分配策略来提升网络容量，同时需要考虑多小区中存在严重的区间干扰对边缘用户的影响，故而需要寻求一种联合小区间干扰抑制及功率分配的最优传输策略。

综上所述，现有技术存在的问题是：

(1)现有技术一多小区noma网络中的预编码矩阵和解码矩阵以避免小区间干扰，但未考虑高效的功率分配策略，分配效率不高，难以服务大量用户，限制了网络容量的提升，不适合实际部署。

(2)现有技术二没有考虑小区间干扰消除以及功率分配，它是一种理想情况下的最佳功率分配策略，实际场景中无法直接使用。

(3)现有技术三中功率分配问题并未考虑小区间干扰，从而导致小区边缘用户性能严重下降。

解决上述技术问题的难度和意义：

基于干扰抑制的多小区mimo-noma最优功率分配方法难点在于综合考虑实际多小区noma场景中最优功率分配问题和多小区间干扰的问题。在得到最优的功率分配策略来提升网络容量的同时，降低多小区间干扰对边缘用户的影响，保证所有用户的性能。设计基于干扰抑制的多小区mimo-noma最优功率分配方法是一种联合小区间干扰抑制及功率分配的最优传输策略。它有效提升了资源利用率，保障了用户的性能和公平性，为未来多小区mimo-noma网络的部署提供了解决思路。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于干扰抑制的多小区mimo-noma最优功率分配方法。

本发明是这样实现的，一种基于干扰抑制的多小区mimo-noma最优功率分配方法，所述基于干扰抑制的多小区mimo-noma最优功率分配方法构建多小区mimo-noma系统模型，用户信道衰落模型；通过干扰对齐技术消除小区间干扰，得出功率分配问题的数学模型；构造紧下界系数和相应代换，将原功率分配问题转化为凸优化问题；迭代算法求出最优的功率分配方案。

进一步，所述基于干扰抑制的多小区mimo-noma最优功率分配方法包括以下步骤：

步骤一，基于多小区mimo-noma系统模型，得到用户信道衰落矩阵；

步骤二，得出用户接收信号模型，构建最佳功率分配优化问题；

步骤三，通过构造原始目标函数的紧下界，将原功率分配问题转化为凸优化问题；

步骤四，根据初始紧下界系数，求解得到一组功率分配方案；

步骤五，通过迭代算法求出最优的功率分配方案。

进一步，所述步骤一具体包括：有i个具有nt天线的基站，每个基站中有j个具有nr天线的用户；使用u[i,1]和u[i,2]分别代表小区同一频段内的中心用户和边缘用户；矩阵是从第i个bs到第m个小区的第j个用户(m∈i)的信道衰落系数；α表示大尺度衰落因子；矩阵g的所有元素都是独立同分布的，并遵循cn(0,1)分布。

进一步，所述步骤二具体包括：根据信道衰落矩阵，对小区边缘用户使用ia方法，则u[i,1]和u[i,2]的接收信号可分别表示为：其中，为接收的信号，表示其他基站对u[i,1]的干扰，ni,1(n＝1,2)为高斯白噪声；u[i,1]和u[i,2]的速率表示为：其中，三项为信道增益；系统和速率为：其中p＝[p1,1,p1,2,...,pi，2]，将最优功率分配建模为：

problem1：maxpr(p)

s.t.

c2:pi,1-pi,2＜0,i＝1,2…i

c3:ri,1≥ci,1,ri,2≥ci,2,i＝1,2…i；

其中c1为总功率约束条件，c2为noma网络要求的功率约束条件，c3是多小区mimo-noma网络用户最低速率需求。

进一步，所述步骤三具体包括：构造原始目标函数的紧下界，则下界紧系数αi,j和βi,j分别为并且是任意的非负数；当时，下界将带入原式得：

最佳功率分配问题转化为：

s.t.

进一步，所述步骤四具体包括：将最佳功率分配问题转化成对偶问题，将问题转换为：

其中，μi,υi,ωi和ξ为拉格朗日乘子，取初始紧下界系数αi,j＝0和βi,j＝0，根据kkt条件求解l(p2)，得出一组功率分配方案p＝[p1,1,p1,2,...,pi，2]。

进一步，所述步骤五具体包括：判断得出的功率分配方案是否收敛，若不收敛，依据求出的功率分配方案p＝[p1,1,p1,2,...,pi，2]计算出新的紧下界系数αi,j和βi,j，重复根据初始紧下界系数，求解得到一组功率分配方案，直至迭代收敛，得到多小区mimo-noma系统各个基站的最佳功率分配方案。

本发明的另一目的在于提供一种应用所述基于干扰抑制的多小区mimo-noma最优功率分配方法的无线通信系统。

本发明的另一目的在于提供一种应用所述基于干扰抑制的多小区mimo-noma最优功率分配方法的非正交多址接入系统。

本发明的另一目的在于提供一种应用所述基于干扰抑制的多小区mimo-noma最优功率分配方法的信息数据处理终端。

综上所述，本发明的优点及积极效果为：本发明基于多小区mimo-noma系统模型，将小区间的干扰考虑在内，引入新的最优功率分配计算方法；相比于现有技术一，考虑了最优的功率分配计算方法，相比于现有技术二和技术三，考虑了多小区间的干扰，保障了用户的公平性。本发明提出了多小区mimo-noma干扰消除策略，并基于对干扰的抑制推导出最优的多小区联合功率分配问题，在保障用户公平性的前提下使得系统和速率达到最大化，得到最优多小区nimo-noma场景下的最优传输方案，为未来多小区mimo-noma场景的部署提供了解决思路。

附图说明

图1是本发明实施例提供的基于干扰抑制的多小区mimo-noma最优功率分配方法流程图。

图2是本发明实施例提供的基于干扰抑制的多小区mimo-noma最优功率分配方法的应用场景示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术未考虑高效的功率分配策略；没有考虑小区间干扰消除以及功率分配；未考虑小区间干扰的问题。本发明具体涉及一种联合干扰抑制及功率分配的多小区传输方法，应用到多小区mimo-noma无线网络，可消除小区间干扰，提升小区边缘用户性能，提升系统整体性能。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的基于干扰抑制的多小区mimo-noma最优功率分配方法包括以下步骤：

s101：基于多小区mimo-noma系统模型，得到用户信道衰落矩阵；

s102：得出用户接收信号模型，构建最佳功率分配优化问题；

s103：通过构造原始目标函数的紧下界，将原功率分配问题转化为凸优化问题；

s104：根据初始紧下界系数，求解得到一组功率分配方案；

s105：据迭代算法求出最优的功率分配方案。

本发明实施例提供的多小区mimo-noma系统功率分配方法具体包括以下步骤：

(1)在多小区mimo-noma系统中，有i个具有nt天线的基站，每个基站中有j个具有nr天线的用户。使用u[i,1]和u[i,2]分别代表小区同一频段内的中心用户和边缘用户。矩阵是从第i个bs到第m个小区的第j个用户(m∈i)的信道衰落系数。其中，α表示大尺度衰落因子；矩阵g的所有元素都是独立同分布的，并遵循cn(0,1)分布。

(2)根据信道衰落矩阵，对小区边缘用户使用ia方法，则u[i,1]和u[i,2]的接收信号可分别表示为：其中，为接收的信号，表示其他基站对u[i,1]的干扰，ni,1(n＝1,2)为高斯白噪声。u[i,1]和u[i,2]的速率可以表示为：其中，三项为信道增益。由此可以得出系统和速率为：其中p＝[p1,1,p1,2,...,pi，2]，基于此，可以将最优功率分配建模为如下优化问题：

problem1：maxpr(p)

s.t.

c2:pi,1-pi,2＜0,i＝1,2…i

c3:ri,1≥ci,1,ri,2≥ci,2,i＝1,2…i；

其中c1为总功率约束条件，c2为noma网络要求的功率约束条件，c3是多小区mimo-noma网络用户最低速率需求。

(3)构造原始目标函数的紧下界，则下界紧系数αi,j和βi,j分别为并且是任意的非负数。当时，下界将带入原式得：

最佳功率分配问题可以转化为：

s.t.

(4)将上述最佳功率分配问题转化成它的对偶问题，将问题转换为：

其中，μi,υi,ωi和ξ为拉格朗日乘子，取初始紧下界系数αi,j＝0和βi,j＝0，根据kkt条件求解l(p2)，得出一组功率分配方案p＝[p1,1,p1,2,...,pi，2]。

(5)判断得出的功率分配方案是否收敛，若不收敛，依据求出的功率分配方案p＝[p1,1,p1,2,...,pi，2]计算出新的紧下界系数αi,j和βi,j，重复第四步，直至迭代收敛，得到多小区mimo-noma系统各个基站的最佳功率分配方案。

下面结合附图对本发明的应用原理作进一步的描述

如图2所示，场景中有bs1，bs2，bs3三个小区，每个小区包括一个bs，和一个小区中心用户和一个小区边缘用户，并且这两个用户采用noma进行下行链路传输。

步骤1：基于多小区mimo-noma系统模型，得到用户信道衰落矩阵。

根据图2的场景可知，有3个具有nt天线的基站，每个基站中有j个具有nr天线的用户。使用u[i,1]和u[i,2]分别代表小区同一频段内的中心用户和边缘用户(i∈{1，2，3})。对同一频段中的中心用户和边缘用户进行功率分配。矩阵表示第i个bs到第m个小区的第j个用户(m∈i＝{1，2，3})的信道衰落系数。其中，α表示大尺度衰落因子；矩阵g的所有元素都是独立同分布的，并遵循cn(0,1)分布。

步骤2：得出用户接收信号模型，构建最佳功率分配优化问题；

(2a)u[i,1]和u[i,2]的接收信号可以分别表示为：

其中，表示所有基站中除了第i个基站；yi,1和yi,2的右边的第二项分别表示对于u[i,1]和u[i,2]的小区间干扰；是加性高斯白噪声(awgn)。此外，xⁱ是nt×1的叠加信号，表示为：其中，是第i个bs侧的预编码矢量，是的所需符号数，表示叠加信号的功率分配系数。

(2b)为了消除严重的小区间干扰，对小区边缘用户使用ia方法，并且用vⁱ将所有的小区间干扰集中到相同的信号空间中，使其他信号是期望的信号。相应的，ia的可行条件为：

其中，di,2被定义为自由度(dof)，是接收机处的单位干扰抑制矢量。

(2c)根据(2a)，(2b)，将u[i,1]和u[i,2]的接收信号转换为：其中，yi,1＝yi,1，则u[i,1]和u[i,2]的速率可以表示为：其中，由此可以得出系统的总速率为：其中p＝[p1,1,p1,2,...,pi，2]，最佳的功率分配问题可以描述为：

problem1：maxpr(p)

s.t.

c2:pi,1-pi,2＜0,i＝1,2…i

c3:ri,1≥ci,1,ri,2≥ci,2,i＝1,2…i；

其中c1为总功率约束条件，c2为noma网络要求的功率约束条件，c3是多小区mimo-noma网络用户需求最低速率的现在条件。

步骤3：构造原始目标函数紧下界以及对数变化方法，将原功率分配问题转化为凸优化问题；

构造下界紧系数αi,j和βi,j，使则下界紧系数αi,j和βi,j分别为并且是任意的非负数。当时，下界将带入原式得：

原始问题可以转化为：

s.t.

步骤4：根据初始紧下界系数，求解得到一组功率分配方案。

(4a)将上述最佳的功率转化成它的对偶问题：

minμ,υ,ω,ξdual(p2)

s.t.μ＞0,υ＞0,ω＞0,ξ＞0；

将问题转换为：

其中，μi,υi,ωi和ξ为拉格朗日乘子。

(4b)初始化松弛系数，使αi,j＝0和βi,j＝0；

(4c)根据kkt条件求解l(p2)，得出一组功率分配方案p＝[p1,1,p1,2,...,pi，2]

步骤5：据迭代算法求出最优的功率分配方案。

判断得出的功率分配方案是否收敛，若不收敛，依据求出的功率分配方案p＝[p1,1,p1,2,...,pi，2]计算出新的紧下界系数αi,j和βi,j，重复第四步若，直至迭代算法收敛，得到多小区mimo-noma系统各个基站的最佳功率分配方案。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。