一种高速移动列车下行链路的功率分配方法及系统与流程

本发明属于高速移动通信技术领域，涉及一种提高高速移动列车下行链路系统容量的功率分配方法。

背景技术：

随着高速铁路的不断发展以及互联网在人们生活中的快速普及，对高速铁路无线通信系统的信道容量提出了新的要求，因此，提高高速铁路无线通信系统的信道容量是目前研究重点之一。在高速铁路场景中，集中式大规模多天线系统与列车通信时收发端之间路径损耗随列车位置不断变化，因此相应的信道估计开销大。为了解决该问题，可以使用分布式天线系统将rau沿铁轨平行布置。通过这种方式，一方面扩大基站信号覆盖面积，另一方面缩短发射接收机间传输距离，从而提高数据服务速率。das可以看作是mimo系统的扩展，可以得到宏观的分集增益，从而提高信号传输质量，提升系统的频谱效率和信道容量。

在中国，大多数高铁轨道分布在平原或者高架桥等地势开阔的地方。高速铁路传输信道以视距成分为主，只存在稀疏的散射径，没有丰富的多径成分。由于实际传播路径的减少，mimo信道矩阵的秩会小于发射机或接收机的天线数，从而对信道容量有较大的影响。为了解决这一问题，引入了协同分布式天线系统(cdas)概念，通过rau之间的协作来改善信道条件，增加信道矩阵的秩，最终提到信道容量。有关学者在cdas中设计了下行链路信道的资源分配方案，以提高功率效率和系统容量。然而，这些工作是为传统的蜂窝系统设计的，并不适用于高速移动通信系统。

技术实现要素：

本发明的目的在于克服上述现有技术的缺点，提供一种提高高速移动列车下行链路系统容量的功率分配方法，该方法针对高速移动通信系统，能够有效的提高系统容量。

为达到上述目的，本发明采取如下步骤：

一种高速移动列车下行链路系统的功率分配方法，该下行链路系统包括基站、车载中继、多个远程天线单元rau以及移动终端，车载中继位于高速移动列车车顶，移动终端位于高速移动列车车控室，所述方法包括如下步骤：

步骤一：基于协同分布式天线系统cdas，根据rau选择算法得到使得下行链路系统信道容量最大的多个天线的天线组合；

步骤二，对步骤一得到的多个天线根据信道系数矩阵及信道容量分配功率。

具体的：对步骤一得到的天线组合中信道质量最差的天线ζ，分配功率值为pζ,1，对步骤一得到的天线组合中除天线ζ之外的其余天线γ，分配功率值为pζ,1+pγ,2，pζ,1代表第1步功率分配仅为天线ζ分配的功率值，pγ,2代表第2步功率分配为其余天线γ分配的功率值；

根据信道容量和信道系数矩阵得到pζ,1和pγ,2

其中，n代表下行链路系统中每个rau的发射天线数量；m代表车载中继接收天线数量；q代表cdas中rau的数量；p2为第2步功率分配总和；λ取值为1-1.5；λ取值符合

g为信道系数矩阵，g中的第(m,n)个元素为

其中，m,n分别表示车载中继接收的第m个天线、第n个rau；sn表示阴影衰落系数，服从对数正态分布：log(sn)～cn(μ,σ²)，μ为均值，σ0为方差，α表示路径损耗因子；dn表示车载中继距第n个rau的距离；hm,n表示独立同分布的莱斯分布的小尺度衰落信道系数；ρn表示第n个rau到车载中继之间的大尺度衰落信息。

更具体的，h∈c^m×n是小尺度衰落信道系数矩阵，h属于m×n的复数矩阵；b∈c^m×n＝diag{ρ1,…,ρn,...,ρn}，代表大尺度衰落信道系数矩阵。

优选的，步骤一中天线组合的数量，介于1-5根。

更优选的，步骤一中天线组合的数量，介于2-3根。

本发明还提出一种高速移动列车下行链路系统，该系统同时与基站和移动终端连接，该系统包括车载中继、多个远程天线单元rau，车载中继用于设置在高速移动列车车顶与rau连接，移动终端用于设置在高速移动列车车控室与车载中继连接，该下行链路系统还包括天线分布模块和功率分布模块，所述的天线分布模块基于协同分布式天线系统cdas，用于根据rau选择算法获得使得下行链路系统信道容量最大的多个天线的天线组合，所述的功率分布模块用于对天线分布模块得到的天线组合根据信道系数矩阵及信道状态信息进行分配功率。

本发明具有以下有益效果：

本发明的提高高速移动列车下行链路系统容量的功率分配方法中，考虑了cdas中最差的信道状态信息的rau对车载中继接收端造成的影响，因此给其分配较少的功率，避免造成资源的浪费。与rau之间不协同情况(non-cdas)和rau之间平均功率分配(cdas-epa)的情况相比，本发明可以极大地提高下行链路的系统容量。另外，本发明能够得出：在cdas中rau的最佳数量为2或者3。

附图说明

图1为本发明的高速铁路无线通信系统模型；

图2为在cdas中rau数量选择的概率统计图；

图3为本发明与non-cdas以及cdas-epa功率分配在cdas中rau的数量n＝2时的遍历容量对比图；

图4为本发明与non-cdas以及cdas-epa功率分配在cdas中rau的数量n＝3时的遍历容量对比图；

图5为本发明与non-cdas以及cdas-epa功率分配的系统可达速率随着基站发射总功率的变化情况对比图；

图6为rau数量选择的算法流程图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

以下对本发明涉及的技术名称的物理意义进行解释：

1、mimo系统(multiple-inputmultiple-output)是指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。

2、下行链路是指信号从基站到移动台的物理信道。

3、rau是指远程天线单元。

4、另外，信号从发射端经过无线信道到达接收端，功率会发生衰减，主要表现为：平均路径损耗、大尺度衰落、小尺度衰落。本发明所述的小尺度衰落和大尺度衰落，衰落是指由于信道的变化导致接收信号的幅度发生随机变化的现象，即信号衰落，“衰落”按功率下降的快慢可以分为大尺度衰落和小尺度衰落，无线通信中，慢衰落描述的是信号幅度的长期变化，是传播环境在较长时间、较大范围内发生变化的结果，因此又被称为长期衰落、大尺度衰落。快衰落则描述了信号幅度的瞬时变化，与多径传播有关，又被称为短期衰落、小尺度衰落。慢衰落是快衰落的中值。无论是大尺度衰落还是小尺度衰落，对信道系数等衰落矩阵等研究已经比较成熟，本文直接带入相关公式计算即可。

5、本发明所述rau选择算法主要思想为：首先，选择一根最好的天线，即主服务rau。然后，在主服务rau的基础上增加一根次好天线，即协同服务rau，并依次增加天线使系统容量最大。如若再增加一根天线引起系统容量下降了，则终止增加天线，得到最终的天线组合。

以下是本发明功率分配方法的设计思想：

本发明的一种提高高速移动列车下行链路系统容量的功率分配方法，包括以下步骤：高速铁路环境下的通信系统由“基站-车载中继-移动终端”的两跳网络结构组成；推导高速铁路系统的信道系数矩阵及系统容量；根据远程天线单元(remoteantennaunit，rau)到车载中继之间的信道状态信息对功率进行分配，求出使得信道容量最大化的功率分配的解；在功率分配的基础上，引入相应的rau选择算法，可以快速找到信道容量最大化的次优解并且优化协同分布式天线系统(cooperativedistributedantennasystem，cdas)中rau的个数。具体的：所述信道矩阵表达式为

矩阵h∈c^m×n是高铁mimo系统的小尺度系数矩阵。高铁mimo系统的大尺度系数矩阵b∈c^m×n＝diag{ρ1,…,ρn,...,ρn}是一个对角矩阵。矩阵g中的第(m,n)个元素可表示为

其中，sn表示rau端口发射的第n个天线的阴影衰落系数，服从对数正态分布：log(sn)～cn(μ,σ²)。α表示路径损耗因子。dn表示车载中继距rau发射的第n个天线的距离。hm,n表示独立同分布的莱斯分布的小尺度衰落信道系数。

从而，下行链路的遍历信道容量的表达式为

其中，eh{·}表示取期望值，det(·)是求矩阵的行列式。ni表示第i个rau到车载中继之间的噪声。pi表示第i个rau到车载中继之间的发射功率。im表示m×m的系数矩阵。

第i个rau分配到的功率为：pi＝pi,1+pi,2，其中，pi,1表示第一步分配到的初始功率，pi,2表示第二步分配到的功率。具体计算方法为：功率分配方案的第一步：根据cdas中信道最差的csi，求得应当分配的初始功率值。然后，将初始功率分配给cdas中的每一个rau。初始功率pi,1可由下面的最大化信道容量问题求得，

同时，信号的发射功率需要满足以下条件

根据拉格朗日数乘法，引入目标函数：

解得：

其中λ为参数，p1表示第一步分配的初始功率总和。因此，最大化信道容量问题变成一个有约束条件的极值问题。

所述功率分配方案的第二步：除去第一步参考的最差信道csi的rau之外，对剩余的q-1个rau进行功率分配。利用大尺度衰落信息，将更多的发射功率分配给具有更好信道条件的rau。功率分配方案中第二步分配到的功率pi,2满足

其中，ρi表示第i个rau到车载中继之间的大尺度衰落信息。p2表示第二步分配的功率总和。

综上，第i个rau分配到的功率为：

pi＝pi,1+pi,2(11)

另外，cdas中csi最差的rau分配到的功率为pi＝pi,1，p1+p2＝p。p为基站发射的总功率。

实施例1：

参见图1-6，本实施例提供一种提高高速移动列车下行链路系统容量的功率分配方法，高速铁路环境下的通信系统由“基站-车载中继-移动终端”的两跳网络结构组成，系统的rau端口中的发射天线数量为n；列车车顶装有大规模的车载中继，其接收天线数量为m；cdas中rau的个数为q。包括以下步骤：

步骤一：基于协同分布式天线系统cdas，根据rau选择算法得到使得下行链路系统信道容量最大的多个天线；

具体来说：引入相应的rau选择算法，可以快速找到信道容量最大化的次优解并且优化cdas中rau的个数。rau选择算法主要思想为：首先，选择一根最好的天线，即主服务rau。然后，在主服务rau的基础上增加一根次好天线，即协同服务rau，并依次增加天线使系统容量最大。如若再增加一根天线引起系统容量下降了，则终止增加天线，得到最终的天线组合。

步骤二，对步骤一得到的多个天线根据信道系数矩阵及信道容量分配功率。

具体来说：推导高速铁路系统的信道系数矩阵及系统容量；根据rau到车载中继之间的信道状态信息对功率进行分配，求出使得信道容量最大化的功率分配的解；

所述信道矩阵表达式为

矩阵h∈c^m×n是高铁mimo系统的小尺度系数矩阵。高铁mimo系统的大尺度系数矩阵b∈c^m×n＝diag{ρ1,…,ρn,...,ρn}是一个对角矩阵。矩阵g中的第(m,n)个元素可表示为

其中，sn表示阴影衰落系数，服从对数正态分布：log(sn)～cn(μ,σ²)，其中μ为均值，σ0为方差，α表示路径损耗因子；dn表示车载中继距rau的距离。hm,n表示独立同分布的莱斯分布的小尺度衰落信道系数。

从而，下行链路的遍历信道容量的表达式为

其中，eh{·}表示取期望值，det(·)是求矩阵的行列式。ni表示第i个rau到车载中继之间的噪声。pi表示第i个rau到车载中继之间的发射功率。

第i个rau分配到的功率为：pi＝pi,1+pi,2，其中，pi,1表示第一步分配到的初始功率，pi,2表示第二步分配到的功率。

所述功率分配方案的第一步：根据cdas中信道最差的csi，求得应当分配的初始功率值。然后，将初始功率分配给cdas中的每一个rau。初始功率pi,1可由下面的最大化信道容量问题求得，

同时，信号的发射功率需要满足以下条件

根据拉格朗日数乘法，引入目标函数：

解得：

其中λ为参数，p1表示第一步分配的初始功率总和。因此，最大化信道容量问题变成一个有约束条件的极值问题。

所述功率分配方案的第二步：除去第一步参考的最差信道csi的rau之外，对剩余的q-1个rau进行功率分配。利用大尺度衰落信息，将更多的发射功率分配给具有更好信道条件的rau。功率分配方案中第二步分配到的功率pi,2满足

其中，ρi表示第i个rau到车载中继之间的大尺度衰落信息。p2表示第二步分配的功率总和。

综上，第i个rau分配到的功率为：

pi＝pi,1+pi,2(11)

另外，cdas中csi最差的rau分配到的功率为pi＝pi,1，p1+p2＝p。p为基站发射的总功率。

图2中rau数量等于1，即为rau之间不协同(non-cdas)的情况。rau数量等于2至9，即为rau之间协同的情况。由图2可以看出，non-cdas的情况占比为2.94％，cdas的情况占比为97.06％。因此，cdas优于non-cdas。统计结果表明，在cdas中rau数量等于2和3时，占比和为57.68％，因此达到系统最大容量的概率更大。当cdas中rau数量大于5时，占比均略小，可以得出，并不是cdas中rau的数量越多，系统的性能就会越好。

由图3和图4可以看出，对比non-cdas的情况，cdas-epa分配方式只是提高了小区边缘的信道容量，而本发明的分配方式提高了整个小区的信道容量。因此，本发明分配方式的性能优于cdas-epa分配方式。

由图5可以看出，随着发射功率从0dbm增大到100dbm时，三种功率分配算法的系统可达速率都呈现上升趋势。本发明分配方法可以获得最大的系统可达速率，并且随着基站总功率越大越明显。