CN103561430A - 一种均衡能量效率和频谱效率的方法 - Google Patents

Abstract

本发明是一种移动通信网络中均衡能量效率和频谱效率的方法。通过利用线性加权法和粒子群优化法同时考虑网络的衡能量效率和频谱效率，本发明可在牺牲少量频谱效率的情况下大幅提升能量效率。本发明首先随机设置基站分配给用户的发射功率向量和功率该变量向量，并初始化每个粒子的最好当前值和全局最优值为此时的发射功率向量。然后迭代更新每个粒子中每个用户的功率该变量和发射功率。通过计算当前网络的总效用函数后，基站更新粒子的全局最优值。重复以上步骤，直到粒子的全局最优值达到稳定状态，则基站分配给用户的最优发射功率即为此时粒子的全局最优值。

Description

一种均衡能量效率和频谱效率的方法

技术领域

本发明涉及移动通信系统中的网络技术领域，尤其涉及一种移动通信网络中均衡能量效率和频谱效率的方法。

背景技术

作为移动通信网络设计最重要的性能指标之一，频谱效率（spectralefficiency,SE）在过去几十年间已被广泛研究。然而，随着高速数据业务的广泛应用及网络能量消耗的快速增加，能量效率（energy efficiency,EE）已成为移动通信网络一个新的研究热点。由于EE和SE是互相耦合的，在某些场景下甚至是互相冲突的。因此，如何均衡网络EE和SE是个值得研究的课题。

发明内容

本发明的目的是提出一种移动通信网络中均衡EE和SE的方法，本方法利用线性加权法和粒子群优化法同时考虑了网络的EE和SE，可在牺牲少量SE的情况下大幅提升EE。

为实现上述发明目的，本发明采取的技术方案，包括如下步骤：

步骤一、基站随机为用户设备分配发射功率，并向用户设备发射发射功率指示；

步骤二、用户设备根据收到的发射功率的指示设置发射功率，并通过上行；链路或周期报告将设置成功后的信息反馈回基站；

步骤三、基站通过对用户设备反馈的发射功率进行收集、采样后，重新分配用户设备的发射功率向量。

其中步骤一具体为：

假设网络存在M个用户设备，总粒子数为I，当前迭代次数为t；令t＝0，对于

基站随机设置分配给用户设备的发射功率向量：

P_i(t)＝[P_i,1(t),P_i,2(t),...,P_i,M(t)]  [1]

其中对于均有P_i,j(t)∈[0,P_max]，其中P_i,j(t)是基站为粒子i在第t次迭代中给用户设备j分配的发射功率，P_max为基站可分配给用户设备的最大发射功率；记粒子i在第t次迭代中的最好当前值为Q_i(t)＝[Q_i,1(t),Q_i,2(t),...,Q_i,M(t)]，其中对于Q_i,j(t)表示用户设备j在粒子i的第t次迭代中的最好当前值，令Q_i(t)＝P_i(t)；全局最优值记为Q_g＝[Q_g,1,Q_g,2,...,Q_g,M]，其中对于

Q_g,j表示用户设备j的全局最优值，令Q_g＝{P_*|*＝argmax_i∈IU[P_i(t)]}；基站随机设置粒子i在第t次迭代中的功率该变量向量V_i(t)＝[V_i,1(t),V_i,2(t),...,V_i,M(t)]，其中对于

均有V_i,j(t)∈[-P_max,P_max]，其中V_i,j(t)为粒子i在第t次迭代中的功率该变量（用于公式[3]中重新计算用户设备的发射功率）。最终经过数模转换器（采样、量化、编码）、码型正变换、调制器后，将公式[1]中分配给用户设备的发射功率的相应指示打包发送给用户设备。

其中步骤二具体为：

用户设备经过解调器、码型反变换、模数转换器（译码、低通滤波器）后，根据成功收到的发射功率的指示设置发射功率，并通过上行链路或周期报告将设置成功后的信息反馈回基站。

其中步骤三具体为：

第一步、基站通过信号采集器对用户设备反馈的发射功率进行收集、采样后，根据公式[2]更新每个粒子i中用户设备j的功率该变量，

V_i,j(t+1)＝w(t)·V_i,j(t)+c₁·r_i,1(t)·[Q_i,j(t)-P_i,j(t)]+c₂·r_i,2(t)·[Q_g,j-P_i,j(t)]  [2]

其中w(t)＝w_max-(w_max-w_min)·t/T，其均衡算法局部搜索和全局搜索的能力，w_max为w(t)的最大值，w_min为w(t)的最小值，T为最大迭代次数。c₁和c₂为两个正常数，r_i,1(t)和r_i,2(t)为两个第t次迭代中属于[0,1]间服从均匀分布的随机变量；

第二步、基站根据公式[3]更新每个粒子i中用户设备j的发射功率，

P_i,j(t+1)＝P_i,j(t)+V_i,j(t)  [3]

第三步、定义频谱效率为：

${\mathrm{\η}}_{\mathrm{SE}}\left(P\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\log }_2(1+\frac{p_m\·h_m}{{\mathrm{\σ}}_z^2})---\left[4\right]$

其中P＝[p₁,p₂,...,p_M]为基站分配给用户设备的发射功率向量，其中对于

p_j表示基站分配给用户设备j的发射功率，

为复可加白高斯噪声功率，h_m为用户设备m的信道冲击响应，具体可由公式[5]得到；

通过上行链路或周期报告，用户设备m可将h_m反馈给基站。

$h_m=f_m\·\sqrt{G\·\mathrm{\β}\·d_m^{-\mathrm{\α}}\·s_m}---\left[5\right]$

其中f_m是小尺度衰落，包括方差为1/2的零均值循环对称复高斯随机变量，G为发射天线和接收天线功率增益的乘积。，d_m为用户设备m和基站间的距离，α为路径损耗指数，β为路径损耗常数，s_m为对数正态阴影衰落变量，10lgs_m为标准差是的零均值高斯随机变量；

其中，定义能量效率为：

${\mathrm{\η}}_{\mathrm{EE}}\left(P\right)=\frac{{\mathrm{\η}}_{\mathrm{SE}}\left(P\right)}{{\mathrm{\Σ}}_{m=1}^M{p}_m+p_c}---\left[6\right]$

其中p_c为电路功率消耗；

定义效用函数定义为：

U(P)＝λ·η_SE(P)+(1-λ)·η_EE(P)  [7]

其中λ∈[0,1]为加权系数；

基站根据公式[7]计算每个粒子i的效用函数U[P_i(t+1)]；

第四步、基站对每个粒子i均需判断若U[P_i(t+1)]＞Q_i(t)，则令Q_i(t+1)＝P_i(t+1)；否则令Q_i(t+1)＝Q_i(t)；

第五步、令更新后的临时全局最优值为 $Q_g^{\mathrm{new}}=\left\{P_{*}(t+1)\right|*=\arg {\max }_{i\∈I}U\left[P_i(t+1)\right]\};$

第六步、若 $U\left(Q_g^{\mathrm{new}}\right)>U\left(Q_g\right),$ 则令 $Q_g=Q_g^{\mathrm{new}};$

第七步、若

则停止，用户设备最优发射功率即为Q_g；否则执行第一步，其中为上一次迭代时得到的全局最优值。

有益效果：由于同时考虑了EE和SE的优化，本方法可在牺牲少量SE的情况下大幅提升EE。

具体实施方式

本发明提出了一种移动通信网络中均衡能量效率和频谱效率的方法。

以LTE系统为例来给出一种实施例：

步骤一、演进型节点（evolved Node B，eNB）随机为用户设备分配发射功率，并向用户设备发射发射功率指示；

步骤二、用户设备根据收到的发射功率的指示设置发射功率，并通过上行；链路或周期报告将设置成功后的信息反馈回eNB；

步骤三、eNB通过对用户设备反馈的发射功率进行收集、采样后，重新分配用户设备的发射功率向量。

其中步骤一具体为：

假设网络存在M个用户设备，总粒子数为I，当前迭代次数为t；令t＝0，对于

eNB随机设置分配给用户设备的发射功率向量：

P_i(t)＝[P_i,1(t),P_i,2(t),...,P_i,M(t)]  [1]

其中对于

均有P_i,j(t)∈[0,P_max]，其中P_i,j(t)是eNB为粒子i在第t次迭代中给用户设备j分配的发射功率，P_max为eNB可分配给用户设备的最大发射功率；记粒子i在第t次迭代中的最好当前值为Q_i(t)＝[Q_i,1(t),Q_i,2(t),...,Q_i,M(t)]，其中对于

Q_i,j(t)表示用户设备j在粒子i的第t次迭代中的最好当前值，令Q_i(t)＝P_i(t)；全局最优值记为Q_g＝[Q_g,1,Q_g,2,...,Q_g,M]，其中对于Q_g,j表示用户设备j的全局最优值，令Q_g＝{P_*|*＝argmax_i∈IU[P_i(t)]}；eNB随机设置粒子i在第t次迭代中的功率该变量向量V_i(t)＝[V_i,1(t),V_i,2(t),...,V_i,M(t)]，其中对于

均有V_i,j(t)∈[-P_max,P_max]，其中V_i,j(t)为粒子i在第t次迭代中的功率该变量（用于公式[3]中重新计算用户设备的发射功率）。最终经过数模转换器（采样、量化、编码）、码型正变换、调制器后，将公式[1]中分配给用户设备的发射功率的相应指示打包发送给用户设备。

其中步骤二具体为：

用户设备经过解调器、码型反变换、模数转换器（译码、低通滤波器）后，根据成功收到的发射功率的指示设置发射功率，并通过上行链路或周期报告将设置成功后的信息反馈回eNB。

其中步骤三具体为：

第一步、eNB通过信号采集器对用户设备反馈的发射功率进行收集、采样后，根据公式[2]更新每个粒子i中用户设备j的功率该变量，

V_i,j(t+1)＝w(t)·V_i,j(t)+c₁·r_i,1(t)·[Q_i,j(t)-P_i,j(t)]+c₂·r_i,2(t)·[Q_g,j-P_i,j(t)]  [2]

其中w(t)＝w_max-(w_max-w_min)·t/T，其均衡算法局部搜索和全局搜索的能力，w_max为w(t)的最大值，w_min为w(t)的最小值，T为最大迭代次数。c₁和c₂为两个正常数，r_i,1(t)和r_i,2(t)为两个第t次迭代中属于[0,1]间服从均匀分布的随机变量；

第二步、eNB根据公式[3]更新每个粒子i中用户设备j的发射功率，

P_i,j(t+1)＝P_i,j(t)+V_i,j(t)  [3]

第三步、定义频谱效率为：

${\mathrm{\η}}_{\mathrm{SE}}\left(P\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\log }_2(1+\frac{p_m\·h_m}{{\mathrm{\σ}}_z^2})---\left[4\right]$

其中P＝[p₁,p₂,...,p_M]为eNB分配给用户设备的发射功率向量，其中对于

p_j表示eNB分配给用户设备j的发射功率，

为复可加白高斯噪声功率，h_m为用户设备m的信道冲击响应，具体可由公式[5]得到；

通过上行链路或周期报告，用户设备m可将h_m反馈给eNB。

$h_m=f_m\·\sqrt{G\·\mathrm{\β}\·d_m^{-\mathrm{\α}}\·s_m}---\left[5\right]$

其中f_m是小尺度衰落，包括方差为1/2的零均值循环对称复高斯随机变量，G为发射天线和接收天线功率增益的乘积。，d_m为用户设备m和eNB间的距离，α为路径损耗指数，β为路径损耗常数，s_m为对数正态阴影衰落变量，10lgs_m为标准差是的零均值高斯随机变量；

其中，定义能量效率为：

${\mathrm{\η}}_{\mathrm{EE}}\left(P\right)=\frac{{\mathrm{\η}}_{\mathrm{SE}}\left(P\right)}{{\mathrm{\Σ}}_{m=1}^M{p}_m+p_c}---\left[6\right]$

其中p_c为电路功率消耗；

定义效用函数定义为：

U(P)＝λ·η_SE(P)+(1-λ)·η_EE(P)  [7]

其中λ∈[0,1]为加权系数；

eNB根据公式[7]计算每个粒子i的效用函数U[P_i(t+1)]；

第四步、eNB对每个粒子i均需判断若U[P_i(t+1)]＞Q_i(t)，则令Q_i(t+1)＝P_i(t+1)；否则令Q_i(t+1)＝Q_i(t)；

第五步、令更新后的临时全局最优值为 $Q_g^{\mathrm{new}}=\left\{P_{*}(t+1)\right|*=\arg {\max }_{i\∈I}U\left[P_i(t+1)\right]\};$

第六步、若 $U\left(Q_g^{\mathrm{new}}\right)>U\left(Q_g\right),$ 则令 $Q_g=Q_g^{\mathrm{new}};$

第七步、若

则停止，用户设备最优发射功率即为Q_g；否则执行第一步，其中

为上一次迭代时得到的全局最优值。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干可以预期的改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种均衡能量效率和频谱效率的方法，包括如下步骤：

步骤一、基站随机为用户设备分配发射功率，并向用户设备发射发射功率指示；

步骤二、用户设备根据收到的发射功率的指示设置发射功率，并通过上行；链路或周期报告将设置成功后的信息反馈回基站；

步骤三、基站通过对用户设备反馈的发射功率进行收集、采样后，重新分配用户设备的发射功率向量。

2.如权利要求1所述均衡能量效率和频谱效率的方法，其中步骤一具体为：

假设网络存在M个用户设备，总粒子数为I，当前迭代次数为t；令t＝0，对于

基站随机设置分配给用户设备的发射功率向量：

P_i(t)＝[P_i,1(t),P_i,2(t),...,P_i,M(t)]  [1]

其中对于

均有P_i,j(t)∈[0,P_max]，其中P_i,j(t)是基站为粒子i在第t次迭代中给用户设备j分配的发射功率，P_max为基站可分配给用户设备的最大发射功率；记粒子i在第t次迭代中的最好当前值为Q_i(t)＝[Q_i,1(t),Q_i,2(t),...,Q_i,M(t)]，其中对于Q_i,j(t)表示用户设备j在粒子i的第t次迭代中的最好当前值，令Q_i(t)＝P_i(t)；全局最优值记为Q_g＝[Q_g,1,Q_g,2,...,Q_g,M]，其中对于

Q_g,j表示用户设备j的全局最优值，令Q_g＝{P_*|*＝argmax_i∈IU[P_i(t)]}；基站随机设置粒子i在第t次迭代中的功率该变量向量V_i(t)＝[V_i,1(t),V_i,2(t),...,V_i,M(t)]，其中对于

均有V_i,j(t)∈[-P_max,P_max]，其中V_i,j(t)为粒子i在第t次迭代中的功率该变量，该变量用于公式[3]中重新计算用户设备的发射功率，最终经过数模转换器、码型正变换器、调制器后，将公式[1]中分配给用户设备的发射功率的相应指示打包发送给用户设备。

3.如权利要求1所述均衡能量效率和频谱效率的方法，其中步骤二具体为：

用户设备经过解调器、码型反变换、模数转换器后，根据成功收到的发射功率的指示设置发射功率，并通过上行链路或周期报告将设置成功后的信息反馈回基站。

4.如权利要求1所述均衡能量效率和频谱效率的方法，其中步骤三具体为：

第一步、基站通过信号采集器对用户设备反馈的发射功率进行收集、采样后，根据公式[2]更新每个粒子i中用户设备j的功率该变量，

V_i,j(t+1)＝w(t)·V_i,j(t)+c₁·r_i,1(t)·[Q_i,j(t)-P_i,j(t)]+c₂·r_i,2(t)·[Q_g,j-P_i,j(t)]  [2]

其中w(t)＝w_max-(w_max-w_min)·t/T，其均衡算法局部搜索和全局搜索的能力，w_max为w(t)的最大值，w_min为w(t)的最小值，T为最大迭代次数。c₁和c₂为两个正常数，r_i,1(t)和r_i,2(t)为两个第t次迭代中属于[0,1]间服从均匀分布的随机变量；

第二步、基站根据公式[3]更新每个粒子i中用户设备j的发射功率，

P_i,j(t+1)＝P_i,j(t)+V_i,j(t)  [3]

第三步、定义频谱效率为：

${\mathrm{\η}}_{\mathrm{SE}}\left(P\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\log }_2(1+\frac{p_m\·h_m}{{\mathrm{\σ}}_z^2})---\left[4\right]$

其中P＝[p₁,p₂,...,p_M]为基站分配给用户设备的发射功率向量，其中对于

p_j表示基站分配给用户设备j的发射功率，

为复可加白高斯噪声功率，h_m为用户设备m的信道冲击响应，具体可由公式[5]得到；

通过上行链路或周期报告，用户设备m可将h_m反馈给基站。

$h_m=f_m\·\sqrt{G\·\mathrm{\β}\·d_m^{-\mathrm{\α}}\·s_m}---\left[5\right]$

其中f_m是小尺度衰落，包括方差为1/2的零均值循环对称复高斯随机变量，G为发射天线和接收天线功率增益的乘积。，d_m为用户设备m和基站间的距离，α为路径损耗指数，β为路径损耗常数，s_m为对数正态阴影衰落变量，10lgs_m为标准差是的零均值高斯随机变量；

其中，定义能量效率为：

${\mathrm{\η}}_{\mathrm{EE}}\left(P\right)=\frac{{\mathrm{\η}}_{\mathrm{SE}}\left(P\right)}{{\mathrm{\Σ}}_{m=1}^M{p}_m+p_c}---\left[6\right]$

其中p_c为电路功率消耗；

定义效用函数定义为：

U(P)＝λ·η_SE(P)+(1-λ)·η_EE(P)  [7]

其中λ∈[0,1]为加权系数；

基站根据公式[7]计算每个粒子i的效用函数U[P_i(t+1)]；

第四步、基站对每个粒子i均需判断若U[P_i(t+1)]＞Q_i(t)，则令Q_i(t+1)＝P_i(t+1)；否则令Q_i(t+1)＝Q_i(t)；

第五步、令更新后的临时全局最优值为 $Q_g^{\mathrm{new}}=\left\{P_{*}(t+1)\right|*=\arg {\max }_{i\∈I}U\left[P_i(t+1)\right]\};$

第六步、若 $U\left(Q_g^{\mathrm{new}}\right)>U\left(Q_g\right),$ 则令 $Q_g=Q_g^{\mathrm{new}};$

第七步、若

则停止，用户设备最优发射功率即为Q_g；否则执行第一步，其中

为上一次迭代时得到的全局最优值。