[发明专利]一种基于自适应禁忌搜索的小基站容量与覆盖优化方法

摘要

本发明涉及一种基于自适应禁忌搜索的小基站容量与覆盖优化方法，属于无线通信技术领域，该方法包括：根据小基站初始功率，计算容量与覆盖目标优化函数初始值，采用禁忌搜索算法进行迭代优化，包括：计算当前解的邻域中使目标优化函数最优的解向量；若该解向量使目标优化函数值为目前为止最优，或非目前为止最优但处于非禁忌状态，则记为当前解并加入禁忌表，否则将该解向量从当前解的邻域中排除后返回计算邻域中最优的解向量；自适应更新禁忌长度；完成迭代优化后，更新小基站发射功率，输出此时小基站系统的容量与覆盖目标优化函数值。可实现小基站系统容量与覆盖优化，降低优化迭代计算复杂度，实现网络整体性能的优化提升,且能达到全局最优。

主权项

一种基于自适应禁忌搜索的小基站容量与覆盖优化方法，其特征在于，该方法包括以下步骤：1)根据小基站初始发射功率计算得到容量与覆盖的目标优化函数的初始值，具体计算步骤如下：设小基站系统包含K个宏基站l、M个小基站j和N个随机分布的用户终端UE_i，其中，l＝1,2,…,l,…,K，j＝1,2,…j,…,M，i＝1,2,…,i,…,N；小基站j的发射功率为p_j，小基站j与用户终端UE_i之间的传输信道增益为g_ij，则从小基站j传输到用户终端UE_i的参考信号接收功率P_rx(i,j)的表达式如式(1)：P_rx(i,j)＝p_jg_ij   (1)设系统噪声为σ²，则小基站j经由下行链路至用户终端UE_i的信干噪比SINR_i的表达式如式(2)：${\mathrm{SINR}}_i=\frac{g_{ij}{p}_j}{{\mathrm{\σ}}^2+\underset{k\≠j}{\Σ}{g}_{ik}{p}_k}---\left(2\right)$其中g_ik为小基站k与用户终端UE_i之间的传输信道增益，p_k为小基站k的发射功率，k≠j；设每个导频功率都占据了总发射功率的均等固定的部分，并且每个信道也占据总功率的同等比例部分，则用户终端UE_i的归一化吞吐量t_i如表达式(3)：$t_i={\log }_2(1+{\mathrm{SINR}}_i)={\log }_2(1+\frac{g_{ij}{p}_j}{{\mathrm{\σ}}^2+\underset{k\≠j}{\Σ}{g}_{ik}{p}_k})---\left(3\right),$则小基站j的归一化总吞吐量T_j如表达式(4)：$T_j=\underset{{\mathrm{UE}}_i\∈U_j}{\Σ}{\log }_2(1+\frac{g_{ij}{p}_j}{{\mathrm{\σ}}^2+\underset{k\≠j}{\Σ}{g}_{ik}{p}_k})---\left(4\right),$其中，U_j代表小基站j服务的所有用户终端，设容量的评估指标为整个网络中用户终端的平均吞吐量，其公式表达如式(5)：$\frac{1}{N}\underset{j=1}{\overset{M}{\Σ}}{T}_j=\frac{1}{N}\underset{j=1}{\overset{M}{\Σ}}\underset{{\mathrm{UE}}_i\∈U_j}{\Σ}{\log }_2(1+\frac{g_{ij}{p}_j}{{\mathrm{\σ}}^2+\underset{k\≠j}{\Σ}{g}_{ik}{p}_k})---\left(5\right);$以每个宏基站覆盖小区中用户吞吐量的累积分布的最低的p％来表示覆盖，用T_l,p％表示宏基站l覆盖小区中用户吞吐量累积分布的最低的p％，引入折中系数γ来平衡覆盖和容量两个性能指标，0＜γ＜1，则M个小基站发射功率为p_j'时，p_j'＝{p₁,p₂,...,p_j,...,p_M}，网络系统容量与覆盖的目标优化函数F(p_j')定义如式(6)：$F\left({p_j}^{\′}\right)=\mathrm{\γ}\frac{1}{\frac{K}{N}\underset{j=1}{\overset{M}{\Σ}}{T}_j}+(1-\mathrm{\γ})\frac{1}{\underset{l=1}{\overset{K}{\Σ}}{T}_{l,p\%}}---\left(6\right);$得到容量与覆盖的目标优化函数F(p_j')的初始值；2)采用自适应禁忌搜索算法生成新的小基站发射功率p_j'，并计算目标优化函数新的取值F(p_j')，具体步骤如下：2‑a)初始化自适应禁忌搜索的参数：设定禁忌表为空，设定禁忌长度为P，P为正整数、邻域宽度、小基站功率的取值范围、搜索的最大迭代次数m_iter；令m＝1，m＝1,2,...,m,...,m_iter，第m次迭代开始时，令l＝1，设宏基站l覆盖小区中小基站的发射功率为X^(m,l)，记为当前解；2‑b)计算在当前解X^(m,l)的邻域范围内，使得到目标优化函数F(p_j')最优的解向量；并判断该解向量是否使得目标优化函数值F(p_j')为目前为止最优，若最优则执行步骤2‑e)，否则执行步骤2‑c)；2‑c)判断该解向量是否处于禁忌状态，若是，则将该解向量从当前解的邻域中排除，并执行步骤2‑d)，否则执行步骤2‑e)；2‑d)判断当前解X^(m,l)的邻域中是否尚有处于非禁忌状态的解向量，若尚有，则返回执行步骤2‑b)；否则，将当前解的邻域中最先被标记为禁忌状态的解向量改置为非禁忌状态，并返回执行步骤2‑b)；2‑e)将该解向量记为当前解，并将p_j'中对应表示宏基站l覆盖小区中小基站的元素值更新为X^(m,l)中对应值；更新禁忌表各对应元素的禁忌状态，即使得目标优化函数F(p_j')最优的解向量在禁忌表的对应元素值置为P，其余已处于禁忌状态的解向量在禁忌表的对应元素值减一；2‑f)判断当前解是否重复：具体判断方法为，把当前目标优化函数值F(p_j')与之前每次迭代的目标优化函数的值相比较，若存在相等，则判断为重复，执行步骤2‑g)；若不存在相等，则当前解未曾出现重复，执行步骤2‑h)；2‑g)更新禁忌长度：记录本次迭代与上一重复值所处的迭代所间隔的迭代次数，记为y_r,r＝1,2,3,...，计算y_r的平均值为y_rep，同时更新禁忌长度，对于α＞0，α为P与之间的y_rep比例因子，判断更新后的P是否大于αy_rep，若P＞αy_rep，则令P＝max(1,P‑1)；若P≤αy_rep，则令P＝P+1；2‑h)判断是否遍历所有K个宏基站，若已遍历则执行步骤2‑j),未完成遍历则执行步骤2‑i)；2‑i)令l＝l+1，将宏基站覆盖小区内小基站的发射功率记为X^(m,l)，同时记为当前解，返回执行步骤2‑b)；2‑j)判断m是否小于m_iter，若小于，则令m＝m+1，并循环执行步骤2)；否则结束循环，执行步骤3)；3)完成m_iter次迭代优化后，小基站发射功率已更新为p_j'，输出此时小基站系统的容量与覆盖目标优化函数值F(p_j')；结束小基站系统容量与覆盖优化。