网络辅助全双工无蜂窝大规模MIMO双工模式优化方法转让专利
申请号 : CN202110289438.6
文献号 : CN113078929B
文献日 : 2022-02-08
发明人 : 李佳珉 , 朱悦 , 朱鹏程 , 王东明 , 尤肖虎
申请人 : 东南大学
摘要 :
权利要求 :
1.一种网络辅助全双工无蜂窝大规模MIMO双工模式优化方法,其特征在于:该方法包括以下步骤:
步骤1:设定最大化频谱效率目标函数:其中,RU,i为上行链路的频谱效率,RD,j为下行链路的频谱效率,Ku为上行链路中的用户数,Kd为下行链路中的用户数;u、d分别为上行链路、下行链路的标识,i、j分别为第i个上行链路用户和第j个下行链路用户;
u d
为了确定每个远端天线单元RAU应该以哪种模式运行,定义两个二进制分配向量x ,xM×1
∈{0,1} ,M为RAU的总数量,如果RAU用于上行链路或下行链路则第i个上行RAU的二进制分配向量或第j个下行RAU的二进制分配向量 取值为1,否则取值为0;被第j个下行链路用户接收到的信号和所有的上行远端天线单元RAUs联合接收来自上行用户的信号可分别表示为式(2)和式(3):u u d d
定义X=diag(x),X=diag(x),diag(a)表示用元素a构成对角矩阵;式中分别表示有效的下行链路信道向量,有效的上行链路信道向量以及有效的上行链路RAU和下行链路RAU之间的信道向量; 表示有效的噪声,其中, 表示所有下行链路RAU与接收信号的下行用户j之间的信道向量, 为下行预编码向量, 为发送给第m个下行用户的数据信号,gi,j表示第i个上行用户和第j个下行用户之间的信道向量,pu,i是第i个上行用户的发送功率,xi是第i个用户发送的数据信号,为复值加性高斯白噪声, 表示第i个上行用户与所有上行RAUs之间信道,GI是下u
行RAUs和上行RAUs之间真实的干扰信道矩阵,wj为下行预编码向量,η为复值加性高斯白噪声;
步骤2:利用用户速率与均方误差MSE的反比关系重塑优化问题为:u d
满足约束:x+x=1;
和 分别表示上下行的均方误差;
对非平滑和非凸优化采用并行连续凸逼近,以便在使函数最小化和保持与先前迭代结果接近之间找到一个折衷方案,具体如下:放松对单元超立方体的二进制约束,并使用并行连续凸逼近PSCA框架解决这个非确定d u u u
性多项式问题NP;由x=1‑x ,将式(4)的优化问题拆解为只含有变量X的函数项G(X),只d d u d u d
含有变量X的函数项G(X),含有X和X两项的函数项G(X ,X):u d u d
min G(X)+G(X)+G(X ,X), (5)由矩阵的性质,对需要优化的式子进行化简,得到优化问题的变形为:uT u u,dT u
min x Λx‑2b x, (6)u M×1
满足x∈{0,1} ;
u,d
其中Λ和b 为经过矩阵运算和多项式合并之后的代数项;
为了使优化问题转化为凸问题,添加一个近端算子u M×1
式中,满足x∈{0,1} 。
2.根据权利要求1中的网络辅助全双工无蜂窝大规模MIMO双工模式优化方法,其特征在于:所述的凸优化问题为:步骤1,初始化 其中α,λ都为设定算法收敛阈值的辅助因子,
u(0) M×1 u(0) u步骤2,随机生成x ∈{0,1} ,n=0,x 表示初始的x;
u(n) u(0)
步骤3,当||x ‑x ||≤λ,更新 上标n表示迭代的次数;
步骤4,找到最佳的
步骤5,更新 直到步骤3的判断条件不满足为止;
u(n)
步骤6,返回最优解x ;
u(n)
步骤7,若算法收敛,结束算法,保存x ,计算 去计算频谱效率SE;否则,n=n+1,返回步骤2。
说明书 :
网络辅助全双工无蜂窝大规模MIMO双工模式优化方法
技术领域
背景技术
务对下一代移动通信系统的双工技术提出了更高的要求。但是,全双工技术面临着自干扰
和丢包率增加的巨大挑战。为了更灵活地利用无线电资源,第五代(5G)新无线电技术已将
包括动态TDD和灵活FDD在内的灵活双工技术作为关键功能。
双工、全双工和其他双工方法。网络辅助全双工分布式大规模MIMO系统,系统内包含一个中
央处理单元,多个远端天线单元以及多个用户。每个RAU(remote antenna unit,远端天线
单元)可以进行上行接收或者下行发送,具体选择何种传输模式由CPU决定。
发明内容
式,以实现更好的系统性能。主要研究的是提高频谱效率(SE)的问题,提出了一种网络辅助
全双工无蜂窝大规模MIMO双工模式优化方法。
上行链路用户和第j个下行链路用户;
义两个二进制分配向量x ,x∈{0,1} ,M为RAU的总数量,如果RAU用于上行链路或下行链
路则第i个上行RAU的二进制分配向量或第j个下行RAU的二进制分配向量 取值为1,
否则取值为0;被第j个下行链路用户接收到的信号和所有的上行远端天线单元RAUs联合接
收来自上行用户的信号可分别表示为式(2)和式(3):
信道向量以及有效的上行链路RAU和下行链路RAU之间的信道向量。 表示有效的
噪声,其中, 表示所有下行链路RAU与接收信号的下行用户j之间的信道向量, 为下行
预编码向量, 为发送给第m个下行用户的数据信号,gi,j表示第i个上行用户和第j个下行
用户之间的信道向量,pu,i是第i个上行用户的发送功率,xi是第i个用户发送的数据信号,
为复值加性高斯白噪声, 表示第i个上行用户与所有上行RAUs之间信道,GI是
u
下行RAUs和上行RAUs之间真实的干扰信道矩阵,wj为下行预编码向量,η为复值加性高斯白
噪声;
确定性多项式问题NP;由x =1‑x ,将式(4)的优化问题拆解为只含有变量X 的函数项G
u d d u d u d
(X),只含有变量X的函数项G(X),含有X和X两项的函数项G(X ,X)::
满足x∈{0,1} ;
过连续凸逼近技术转化为较易求解的凸优化问题,在求解中也利用了很多矩阵运算的技巧
和辅助参数。所提出算法能够明显提升网络辅助全双工系统的频谱效率,且复杂度较低。
附图说明
具体实施方式
个上下行用户是随机分布在一个半径为1000m的圆内。我们假设M=6,Ku=4,Kd=4,具体的
场景分布图见说明书附图中的图1。噪声的功率设为‑90dbm,上行链路的发送功率为30dbm,
下行链路的发送功率为23dbm,路径损耗为128.1+37.6log10(d)。
行链路中RAU的总数量。 为下行预编码向量。 为发送给第m个下行用户的数
据信号。gi,j表示第i个上行用户和第j个下行用户之间的信道向量。pu,i是第i个上行用户的
发送功率。xi~CN(0,1)是第i个用户发送的数据信号。 为复值加性高斯白噪
声。
RAUs和上行RAUs之间真实的干扰信道矩阵。wj为下行预编码向量,η为复值加性高斯白噪
u d
声。为了确定每个RAU应该以哪种模式运行,我们定义了两个二进制分配向量x ,x∈{0,1
M×1
} ,如果RAU用于上行链路(下行链路)则 取值为1,否则取值为0。(2)和(3)加入模
式选择后可改写为:
下行链路RAU之间的信道向量。 表示有效的噪声。
(MMSE)接收器可以表示为:
题。由x=1‑x 带入(12)(13)式,可将G(X)和G(X)写成x的二次函数。而G(X ,X)则变成一
个四次函数,对其进行一节泰勒级数展开,可得下式:
个运算符:
要高,且最靠近性能理论上最佳的穷举算法,而本发明提出的算法的复杂度比穷举法低很
多。这显示出了在无蜂窝大规模MIMO场景下网络辅助全双工的模式选择优化方法对于提高
系统的性能具有重要意义。