[发明专利]一种大规模天线系统低复杂度功率分配方法

摘要

本发明公开了一种大规模天线系统低复杂度功率分配方法：首先，将优化系统吞吐量和优化系统功耗建模为有约束的多目标优化问题；然后，利用切比雪夫方法对多目标进行标量化；接着，利用基于分解的多目标进化算法求解无约束的多目标优化问题；最后，根据系统吞吐量约束以及功率约束，得到一段帕累托最优边界，边界上的功率配置均可认为是系统最优功率配置，可以根据具体场景对系统吞吐量和发射功率的要求，选择边界上合适的点。本发明解决了在干扰严重的情况下(多变量耦合)功率分配求解困难的问题，在提高系统吞吐量的同时有效地降低了系统功率消耗。

主权项

1.一种大规模天线系统低复杂度功率分配方法，其特征在于：采用基于分解的多目标进化算法求解最优的功率配置；具体包括如下步骤：(1)将大规模天线系统中的多目标优化问题表述为：其中：i＝1,2，…,K，K为用户数量，pi表示用户i的发射功率，ri表示用户i的传输速率；M为基站天线数，pc表示每根天线的环路固定功率消耗；RL表示系统最低吞吐量，PM表示系统最大功率消耗，C1和C2分别表示吞吐量约束和功率消耗约束；采用切比雪夫方法对上述优化问题进行转化：C1：R(p)≥RLC2：P(p)≤PM切比雪夫式为：g(p|λj,z1,z2)＝max{λj,1|‑R(p)‑z1|,λj,2|P(p)‑z2}其中：j＝1,2，…,N，N为子问题个数；λ_j＝[λ_j,₁,λ_j,₂]，λ_j,₁和λ_j,₂为非负的权重系数，p＝[p₁,p₂,…,p_K]为发射功率向量，为系统吞吐量，为系统功率消耗，z₁＝min{‑R(p)}为关于吞吐量的切比雪夫参考值，z₂＝min{‑P(p)}为关于功率消耗的切比雪夫参考值；(2)设置子问题个数N和每个子问题的邻居数T，并生成N组加权向量λ1,λ2,…,λN；设置迭代次数C；(3)计算与第j组加权向量λj的欧氏距离最小的T组加权向量，第j组加权向量λj和第k组加权向量λk的欧式距离为||λj‑λk||2，且j≠k；将得到的T组加权向量的下标保存在向量B(j)中；(4)在可行域范围内，随机生成N组发射功率向量p1,p2,…,pN，计算发射功率向量pj对应的系统吞吐量R(pj)和系统功率消耗P(pj)，并记录在向量F(j)＝{‑R(pj)，P(pj)}中；(5)初始化切比雪夫参考值z1和z2，设置迭代标识Ind＝1；(6)从向量B(j)中随机选取两个元素m,n，利用遗传算子根据pm和pn计算新的发射功率向量pre，并对pre进行多项式变异操作处理，计算发射功率向量pre对应的系统吞吐量R(pre)和系统功率消耗P(pre)；具体包括如下步骤：(61)记pm＝[pm,1,pm,2,…,pm,K]，pn＝[pn,1,pn,2,…,pn,K]，pre＝[pre,1,pre,2,…,pre,K]，pre,i＝0.5[(1‑βi)pm,i+(1‑βi)pn,i]，βi按照如下方式生成：随机生成一个0到1之间的数s_i：若s_i≤0.5，则若s_i＞0.5，则其中，μ为种群数量，取μ＝2；(62)对pre进行多项式变异操作处理：仅随机选择pre中的一个元素pre,i进行变异操作，具体操作为：pre,i＝pre,i+σi(pu‑pl)，其中pu为用户的发射功率上界，pl为用户的发射功率下界，σi为扰动项，σi按照如下方式生成：随机生成一个0到1之间的数s_i：若s_i≤0.5，则若s_i＞0.5，则其中，μ'为用户数量，取μ'＝K；(7)若z1＞‑R(pre)，则令z1＝‑R(pre)；若z2＞P(pre)，则令z2＝P(pre)；(8)针对B(j)中的元素l，若g(pl|λl,z1,z2)＞g(pre|λl,z1,z2)，则令pl＝pre，并更新F(j)＝{‑R(pre),P(pre)}；(9)迭代标识Ind＝Ind+1；若Ind＞C，则执行步骤(10)；否则，返回步骤(6)；(10)从得到的所有F(j)中，筛选出满足吞吐量约束和功率约束的功率配置形成最优功率配置集合，从最优功率配置集合中选取一种功率配置作为最终功率分配方案。