[发明专利]协作网络下行链路非完美信道下的总功率联合优化方法

权利要求书

1.协作网络下行链路非完美信道下的总功率联合优化方法，其特征在于包括以下步骤：

步骤1、在集中式网络架构下，该架构下有L个基站，基站集合为Λ＝{1,…,L}，每个基站配有N根天线；被调度的用户均为单天线用户，被调度的用户的集合用K′＝{1,…,K}表示，其中K表示被调度用户的数量，K为正整数；

根据基站功率消耗模型和回程链路功率模型，建立网络总功率模型：

其中，P^tot表示网络消耗的总功率；P_l^c为基站l的静态功率；为基站l的发射功率；表示基站l的回程链路功率；A为激活基站的集合；η为功率放大器的效率；k表示用户序号；w_lk为基站l到用户k的波束向量；为基站l给用户k的发送功率；||·||表示矩阵的欧式范数；U_l表示基站l服务的用户集合；R_k为用户的速率；p_bh为传输最大数据速率为C_bh时回程链路功率消耗；

步骤2、针对网络总功率模型，对网络总功率消耗问题进行建模：

其中，s.t.表示约束条件；C1表示非完美信道状态下的SINR约束，C2表示每个基站的最大发送功率受限；

考虑信道的不确定性，将信道建模为一个欧式球约束，用集合Ψ_k表示A个激活基站到用户k的信道，h_k为A个激活基站到用户k真实的信道状态，是A个激活基站到用户k的信道估计向量，C^NA×1表示NA×1的复向量空间，δ_k为用户k的信道不确定性的大小；

用户k的信干噪 比其中|·|表示向量的模，为A个激活基站到用户k的波束成型向量；w_i为A个激活基站到用户i的波束成型向量；γ_k为用户k的信干噪 比门限，P_l^max为基站l的最大发送功率；为用户k的噪声功率；

步骤3、已知基站模式时，将问题P转化问题P7，并通过一个凸优化问题P8迭代解决；

步骤4、采用低复杂度的启发式方法进行基站模式选择，并通过迭代求解，得到用户连接、波束成型；最终解决网络总功率消耗问题P，得到联合优化后网络消耗的总功率；

步骤3所述已知基站模式时将问题P转化问题P7，并通过一个凸优化问题P8迭代解决的具体步骤如下：

步骤3.1、针对网络总功率消耗问题P：

由于C1的存在，使得问题P变成一个含有无穷多个非凸约束的组合优化问题；

引入二进制变量a_l∈{0,1}来表征基站l的模式，a_l＝1表示基站处于激活状态，否则，基站处于关闭状态；

同时，引入b_lk∈{0,1}，l∈Λ表示基站对用户的分配情况，即用户连接模式；b_lk＝1表示基站l服务于用户k，否则，该基站不分配用户k的数据；

问题P经过处理之后表示为问题P0：

当给定基站模式a_l和用户连接模式b_lk时，问题P0变为问题P3；

其中，Tr[·]表示矩阵的迹；表示用户k的信道协方差矩阵；表示用户k的波束成型协方差矩阵，同理表示用户i的波束成型协方差矩阵，其中用户i表示不同于用户k的用户；W＝[W₁,W₂,…,W_K]表示K个用户的波束成型协方差矩阵组成的集合，Δ_k∈C^NA×NA表示不确定信道引起的用户k的不确定性矩阵，它是一个NA×NA的复矩阵；ε_k表示受信道不确定性影响的复矩阵Δ_k的大小，它受限于||Δ_k||≤ε_k，ε_k的值是由用户k的不确定性大小δ_k和用户k的信道增益决定的，其值为基站l的分配矩阵Q_l，是一个对角阵Q_l＝diag(Q_l1,…Q_lk,…,Q_lK)，其中每一个子矩阵Q_lk表示基站l到用户k的分配矩阵，当l＝k时，Q_lk是一个单位矩阵I_N，Q_lk＝I_N；否则，当l≠k时，Q_lk是一个零矩阵，即Q_lk＝0_N；rank(·)表示矩阵的秩，等价于约束条件C5；

步骤3.2、利用拉格朗日法求解SINR约束：

利用拉格朗日函数法求解问题P3的约束C12中的最优Δ_k，分别表示为

将得到的公式(5)和(6)代入问题P3，去掉rank(W_k)＝1，得到

步骤3.3、利用两个凸函数之差算法，即DC算法，确定用户连接：

当给定基站模式a_l，问题P4变为优化用户连接和波束成型，即问题P5

首先对二进制变量进行等价，即对0、1变量进行等价：

其中，C41在区间[0,1]上连续，而C42则是两个凸函数之差，则问题P5变为求解连续空间变量的优化问题P6；

对约束C42进行处理之后得到等价问题P7，

其中，φ是一个远大于1的实数，用于惩罚这一项；

假设并令表示问题P7目标函数的前三项，问题P7的一个上界由一个凸优化问题P8给出

其中，表示第i次迭代后P8返回的b_lk的值；表示函数f(b_lk)在点的导数；

问题P8可以利用凸优化工具箱进行求解。