[发明专利]一种信道欠秩时MU-MIMO系统多目标优化资源分配算法

权利要求书

1.一种信道欠秩时MU-MIMO系统多目标优化资源分配算法，其特征在于，包括如下步骤：

步骤1：建立系统模型，并分析处于富散射和非富散射环境时的用户容量上限和等效信道状况，建立MU-MIMO系统的下行链路模型，分析用户信道分别处于富散射和非富散射环境时，使用块对角化技术进行预编码处理时的用户容量限制，并得到用户选择过程中新用户的加入对被服务用户的等效信道矩阵维度以及秩的影响；

步骤2：建立双目标优化问题模型，根据同时最大化能量效率和最大化有效吞吐量的双优化目标以及保证系统要求吞吐量下限、天线功率上限及被选择用户速率上下限的优化条件建立优化问题模型，该优化问题的解是由用户平行信道功率和已选择用户集合这两个变量组成的解向量；

步骤3：求解双目标优化问题，通过功率分配和用户选择实现系统有效吞吐量和能量效率的双目标优化；

在步骤1中，分析处于富散射和非富散射环境时的用户容量上限和等效信道状况时，采用如下方式进行分析处理：

最大用户数M的约束式为：

令其中表示的秩，L_m表示H_m的秩，表示用户m的信道矩阵，它随着被选择用户数目的增加而增大；

在满秩情况下，而在欠秩的情况下，因此相比于满秩情况，欠秩情况下，最大用户数M会增大，即系统可以选择更多的用户同时服务；

令其中表示的酉矩阵，用来消除用户间干扰，其秩为对进行奇异值分解：

其中，Λ_m表示的对角矩阵，表示的酉矩阵，由于是酉矩阵,因此的秩为：

等效信道的个数就是对角矩阵Λ_m的秩因此，用户m的速率R_m为：

其中，p_m,k表示用户m的平行信道k上分配的功率，λ_m,k是对角矩阵Λ_m的对角元素；

在步骤2中，根据同时最大化能量效率和最大化有效吞吐量的双优化目标以及保证系统要求吞吐量下限、天线功率上限及被选择用户速率上下限的优化条件建立优化问题模型时，采用如下方式实现：

通过功率分配p_m,k和用户选择λ_m,k来同时优化能量效率EE以及系统有效吞吐量C的优化问题模型为：

max C(p_m,k,λ_m,k)，

s.t.C(p_m,k,λ_m,k)≥C₀，

P_i^TX＜P₀,i＝1,2,...,K_T，

R_m0≤R_m≤R_m1,m＝1,2,...,M，

p_m,k＞0,

其中其中表示用户m的预编码矩阵，e表示功率放大器漏极效率的倒数，P_c代表电路功耗，

由于频谱效率EE＝C(p_m,k,λ_m,k)/E(p_m,k)，因此上述优化问题可化简为：

min E(p_m,k)

max C(p_m,k,λ_m,k)

s.t.C(p_m,k,λ_m,k)≥C₀

P_i^TX＜P₀,i＝1,2,...,K_T

R_m0≤R_m≤R_m1,m＝1,2,...,M

p_m,k＞0,

在步骤3中，化简步骤2中的双目标优化问题并求解，通过功率分配和用户选择实现系统有效吞吐量和能量效率的双目标优化；

利用多目标法将步骤2中的多优化问题为转化为单优化问题：

在MU-MIMO系统中，设系统基站BS有N_T根发射天线,系统内总的用户数为K，第m个用户终端的接收天线数为n_m,1≤m≤K，一般来说N_T≥n_m，令M为基站能同时服务的最大用户数；

min E(p_m,k)

s.t.max C(p_m,k,λ_m,k)≥C₀

P_i^TX＜P₀,i＝1,2,...,K_T

R_m0≤R_m≤R_m1,m＝1,2,...,M

p_m,k≥0,

利用拉格朗日对偶算法求解，拉格朗日对偶问题为：

subject top_m,k,υ,α,γ,β＞0,

其中

α＝(α₁,α₂,...,α_M)，β＝(β₁,β₂,...,β_M)为拉格朗日乘子向量，υ为拉格朗日乘子，而且λ_m,k,p_m,k,υ,α,γ,β＞0,

根据拉格朗日对偶算法的性质以及强对偶性，可以通过求解对偶问题来求解原优化问题的最优解，且对偶问题为凸优化问题；

将对偶问题进一步化简

其中

首先求解p_m,k关于λ_m,k的函数以实现功率分配；构造优化问题为：

subject to p_m,k≥0,

根据KKT条件：

其中，(a)⁺代表取a、0之间的最大值；

p_m,k的最优值为h'(υ,α,γ,β)，那么是关于λ_m,k的函数，λ_m,k的值是通过用户选择来决定的；

在进行用户选择时，为了保证业务的时延要求，首先选择等待时隙数达到最大时延的用户，其次以最小化h'(υ,α,γ,β)为标准进行用户选择；其中，乘子υ,α,γ,β的最优值可以通过二分算法来计算；

二分算法如下：

初始化：υ_min＝0，α_min＝γ_min＝β_min＝0，υ_max＞＞0，α_max,γ_max,β_max＞＞0；

第一步：

第二步：用改进的贪婪算法进行用户选择；

第三步：将本次迭代得到的υ,α,γ,β以及λ_m,k代入公式(13)，计算p_m,k；

第四步：将步骤一、二得到的λ_m,k和p_m,k代入公式(14)，计算出如果则令υ_max＝υ，否则令υ_min＝υ；

第五步：重复步骤一、二、三、四，直到υ_max-υ_min≤δ；

其中，δ为控制精度，δ越小，算法精度越高，计算量也随之增大；

基于二分算法提出兼顾系统吞吐量和能量效率的算法，即将用户选择带入二分算法的第二步，用户选择的计算方法如下：

初始化：未调用用户集Ω＝{1,2,…,K}已调用用户集Ψ＝φ；

第一步：计算Ω中所有用户的W_m,z，如果W_m,z＝n_z，调用用户m；更新Ψ＝{m:W_m,z≥n_z-1}，Ω＝Ω-Ψ，其中，W_m,z代表使用业务z的用户m的等待时隙数，n_z为该业务的最大等待时隙数；

第二步：计算用户m,m∈Ψ的判决是否成立，如果不成立，结束调度；如果成立，计算h'(λ_m,k),m∈Ω；首先调度使h'(λ_m,k)最小的用户作为m₁；更新Ψ＝Ψ+{m₁}，Ω＝Ω-{m₁}；

第三步：计算用户m,m∈Ψ的判决是否成立，如果不成立，结束调度；如果成立，对令Ψ_m＝Ψ+{m}并计算对应的h'(λ_m,k)；选择使h'(λ_m,k)最小的用户m；更新Ψ＝Ψ+{m}，Ω＝Ω-{m}，以及h'(λ_m,k)；

第四步：重复步骤三；

最终，调度用户集为Ψ。