多小区多用户下行能效优化波束成形的分布式实现算法
多小区下行链路系统的资源效率最大化协同波束成形算法_张敏
Байду номын сангаас
。随 着 移 动 通 信 系 统 网
络急剧扩大 ， 多样化移动终端设备的急剧增加 ， 移 动通信系统 能 源 消 耗 也 随 之 急 速 增 加 ， 因此能效 通信将 会 成 为 未 来 通 信 技 术 发 展 的 主 要 趋 势 之 一
［4］
。 除从网络架构方面提升通信系统吞吐量之
外， 通信技术 研 究 人 员 通 过 将 收 发 机 的 天 线 数 目 增加 至 数 百 根 ， 即 大 规 模 多 输 入 多 输 出 （ massive multipleinput multipleoutput， massive MIMO ） 技 术， 有效地抑制小尺度衰落以及克服用户间 、 小区 间干扰影 响 ， 从 而 显 著 提 升 通 信 系 统 性 能。 为 了 自适应地协 调 管 理 网 络 及 提 升 用 户 自 愈 能 力 ， 自 组织通信技术及软定义网络也成为未来通信系统 的关键技术之一
无线移动通信技术与计算机及信息技术会更加紧密和更深层次的交叉融合集成电路器件工艺软件技术等也将持续快速发展支撑未来5g移动宽带产业发展随着移动通信系统网络急剧扩大多样化移动终端设备的急剧增加移动通信系统能源消耗也随之急速增加因此能效通信将会成为未来通信技术发展的主要趋势之除从网络架构方面提升通信系统吞吐量之外通信技术研究人员通过将收发机的天线数目增加至数百根即大规模多输入多输出massivemultipleinputmultipleoutputmassivemimo术有效地抑制小尺度衰落以及克服用户间小区间干扰影响从而显著提升通信系统性能
［59］
， 在低发射功率情况时满功率
发射可以同时实现最优的 SE 与 EE ， 但是在高发射 SE 与 EE 却呈现出不同的增长趋势。 功率情况时， 因此， 如何权衡系统 SE 和 EE 成为未来通信技术的 研究重点
有限回程开销多小区分布式协作波束成形技术
计 。 以用 户 速 率集 帕 累托 （ ａｅ ）界 Ｊ具 有 最 大 最 差 用户 速 率 的 点 为优 化 目标 ，首 先 提 了 一种 准 最 优 的 ２ 步 Ｐ ｒｔ ｏ ： 集 中 式 协 作 波束 成形 算 法 。在 此 基 础 上 ，进 一‘ 给 了一 种 分 布 式 迭代 算法 ，该 算 法 只 需 在 协 作 基 站 问 交 换有 限 步 个 正 实 参 数 。仿 真 结果 表 明 ，所 提 分 布 式 算 法 可 以获 得接 近 集 中式 算 法 的速 率 性 能 。
２ Ｓ ｈ ｏ ｏ Ｉ ｆｒ ｔ ｎＳ ｉｎ ｅ ｎ ｎ ｉ ｅｉ ， ｏ ｔｅ ｓ Ｕ ｉｅｓ ｙＮａｊ ｇ １０ ６ Ｃ ｉａ ｃ ｏ ｌ ｆ ｎｏｍａ ｏ ｃ ｃ ｄ ｇｎ ｒ ｇ Ｓ ｕ ａｔ ｎｖ ｒ ｔ， ｎｉ ０ ９ ， ｈｎ ； ｉ ｅ ａ Ｅ ｅ ｎ ｈ ｉ ｎ２
第 ３ ３卷 第 ８期 ２ １ 年 ８月 ０２
通
信
学
报
Ｖ０ ３ ＮＯ ８ １ ３ ． Ａｕ ｕ ｔ ０１ ｇ ｓ ２ ２
Ｊ ｕ ｎ ｌ ｎ Ｃｏ ｍｕ ｉａ ｉ ｎ ｏ ｒ ａ ｍ ｏ ｎｃ ｔ ｓ ｏ
有 限回程开销多小 区分布式协作波束成形技术
黄永 明 ，杜 颖钢 ，余 辉 一 ，杨绿 溪 ，
（ ． 南大 学 教育 部水 声信 号处 理重 点实验 室 ，江苏 南京 ２ ０ ９ ： １东 １０ ６ ２ ．东南 大学 信 息科学 与 Ｊ 程学 院 ，江苏 南 京 ２ ０ ９ ； 华为 技术 有限 公司 通信 技术 研 究部 ，广东 深 圳 ５ ８ ２ ） １０ ６３ １ １ ９
《大规模MU-MIMO系统中高性能波束赋形技术研究》范文
《大规模MU-MIMO系统中高性能波束赋形技术研究》篇一一、引言随着移动互联网的飞速发展，无线通信技术已成为人们生活中不可或缺的一部分。
多用户多输入多输出（MU-MIMO）技术作为第五代移动通信（5G）的核心技术之一，以其显著提高频谱效率和系统容量的优势，得到了广泛关注。
而波束赋形技术作为MU-MIMO系统中的关键技术之一，对于提升系统性能和用户体验具有至关重要的作用。
因此，针对大规模MU-MIMO系统中高性能波束赋形技术的研究显得尤为重要。
二、大规模MU-MIMO系统概述大规模MU-MIMO系统通过在基站端配备大量的天线阵列，能够在同一时间对多个用户进行数据传输和接收，从而显著提高频谱效率和系统容量。
然而，随着天线数量的增加，系统复杂性和信号处理难度也相应增加。
因此，如何在大规模MU-MIMO系统中实现高性能的波束赋形技术，成为了当前研究的热点问题。
三、高性能波束赋形技术3.1 波束赋形基本原理波束赋形技术是通过调整天线阵列中各个天线的权重，使得信号在特定方向上形成较强的能量集中，从而提高信号的信噪比和传输效率。
在大规模MU-MIMO系统中，波束赋形技术能够有效地抑制干扰，提高系统性能。
3.2 关键技术研究（1）波束训练与选择：在大规模MU-MIMO系统中，由于天线数量众多，波束训练和选择成为了一个重要的问题。
研究人员通过设计高效的波束训练算法和选择策略，以降低训练开销和提高系统性能。
（2）波束成形算法：针对不同场景和需求，研究人员提出了多种波束成形算法。
这些算法通过优化天线权重，使得信号在特定方向上形成较强的能量集中。
常见的算法包括最小均方误差算法、最大比合并算法等。
（3）多用户协作波束赋形：为了提高系统性能和用户体验，多用户协作波束赋形技术得到了广泛关注。
该技术通过协调多个用户的天线阵列，使得信号在多个用户之间形成协同的波束赋形效果。
这不仅可以提高系统性能，还可以降低干扰和提高能效。
四、实验与结果分析为了验证高性能波束赋形技术在大规模MU-MIMO系统中的效果，研究人员进行了大量的实验和分析。
多小区多用户无线网络下行链路协同波束成形设计
基 于 Ｃ Ｉ 计量 的波 束成形 矢量 设计 ，提 出 了波 束 Ｓ统
一
究 的是 多小 区 多用 户情 形 ， 一个 基 站 联 系 多 个 用
户 ，每 个 用 户 都 有 接 收波 束成 形 的场 景 ，据 笔 者
所 知 ，这 样 的场 景 还 没有 其他 文 章 涉 及 。本 文 发 现和 速 率 最 大 的波 束 成 形 解 也 是 自私 和 利 他 解 的 线性 组 合 。 本 文 用 博 弈论 研 究 了 多 小 区 多用 户 蜂 窝 网络
下行链 路 的协 同波束 成形 问题 ，系 统 中每 个基 站通 过空 分多址 服务 于 多个多天 线用 户 ，研 究 了协 同波
束成 形矢量 ，所 考虑 的优化 目标 是系 统 的和速 率 。
本文 的工 作表现 在 ： ）定义 了多小 区 多用 户 蜂窝系 １ 统 下 行链 路 波 束 成 形 设 计 的 自私 策 略 并 得 到其 均 衡解 ； ）定义 了多小 区多用户 蜂窝 系统 下行链 路波 ２ 束成 形设 计 的利 他 策略并 得到 其均衡 解 ； ）用拉格 ３
干 扰抵 消 ，然 而在 蜂 窝系统 中共 享数 据会 产 生 “ 尾
话 效应 ”【；也 可 让所 有 的发射 机只 共 享信道 状 态 １ Ｊ 信 息 ， 此 时 构 成 了 干 扰 信 道 （ Ｃ ｎｅｆｒｎ ｅ Ｉ ，ｉｔｒ ｅ ｃ ｅ
ｃａｎ １。如 果 发射 机有 多个天 线 ，接 收 机只 有 一 ｈｎ ｅ）
（ 南京 邮 电大学 宽带 无线 通信 与传 感 网技术 教育 部重 点 实验 室，江 苏 南 京 ２００ ） １０ ３
摘
要 ：在频率复用的多小区多用户无线 网络 中，为了获得较好的和速率性能 ，研 究了降低 同频干扰 的协 同波束
多用户MIMO下行收发联合波束成形
图 １ 系统模型
收 稿 日期 ・２ ０ —０３ ０ ８１ —０
修 订 日期 ：２ ０ ．６２ ０９０ —０
线 ，并 在 接 收 时将 各 天 线 上 的信 号进 行 加 权 合 并 ， 即接 收 波 束 成 形 ，或 简 称 天线 合 并 。通 过 在接 收端
的天 线 合 并将 下行 的 ＭＩ ＭＯ 信 道转 换 成 等 效 的 ＭＩＯ 信 道 ，而 合 并 的依 据 是 发 送 端 的波 束 向量 ，合 并 Ｓ
获 得Ｌ 】 ２ 。ＤＰ 的基 本 思 想 是 利用 发 送 端 完 全 获 知所 有 用 户 的信 道 状 态信 息 （ Ｓ ）和 待 发送 的信 号 从 Ｃ ＣＩ
而 依 次预 先 消 除 先编 码 用 户 对 后 编码 用户 的干 扰 。它 在 理 论上 是最 优 的 ，然 而 脏 纸编 码 的 复杂 度 非 常
从 而 使 获 得 同 样 和 速 率 时 系 统 的 总 反 馈 开 销 明 显 减 少 。仿 真 结 果 还 显 示 ，所 提 方 案 的 和 速 率 性 能 不 仅 优 于 原 Ｒ ，也 ＢＦ 比 Ｒ Ｆ结 合 最 大 比 合 并 或 者 等 增 益 合 并 的 性 能 有 明 显 改 善 ， 同 时还 保 持 了 最 优 的 随 用 户 数 变 化 的 增 长 速 度 。 Ｂ
第 １ 卷 第 ５期 ５
２１ 年 ｌ ００ Ｏ月
文章 编 号 ： １ ０ — ２ ９（０ ０ ０ ．０ ４ ０ ０ ７ ０ ４ ２ １ ） ５０ ６ ． ７
一种下行链路波束成形的方法、发射端及多小区协作系统[发明专利]
![一种下行链路波束成形的方法、发射端及多小区协作系统[发明专利]](https://img.taocdn.com/s3/m/972e238e1ed9ad51f11df204.png)
专利名称：一种下行链路波束成形的方法、发射端及多小区协作系统
专利类型：发明专利
发明人：黄永明,杜颖钢,杨绿溪,余辉
申请号：CN201110040784.7
申请日：20110218
公开号：CN102647728A
公开日：
20120822
专利内容由知识产权出版社提供
摘要：本发明实施例公开了一种下行链路波束成形的方法、发射端及多小区协作系统。
本发明实施例方法包括：第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，第一发射端为多小区协作系统中的任一发射端，下行链路的本地信道信息为发射端与多小区协作系统中各移动终端的下行链路信道信息；第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR；第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率。
本发明实施例还公开与方法相关的装置，能够在保证移动终端公平性的基础上，利用较小的信息交换量得到系统最优化的和速率性能。
申请人：华为技术有限公司,东南大学
地址：518129 广东省深圳市龙岗区坂田华为总部办公楼
国籍：CN
代理机构：深圳市深佳知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。
考虑收发机损耗的多小区多用户下行链路波束成形算法
ｗｉ ｔ ｈ ｔ ｈ ｅ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｏ ｆ ｍｉ ｎ ｉ ｍｉ ｚ ｉ ｎ ｇ ｈｅ ｔ ｍ ａ ｘ ｉ ｍ ｕ ｍ ｍｅ ａ ｎ ｓ ｑ ｕ ａ ｒ ｅ ｅ ｒ ｒ ｏ ｒ （ ＭＳ Ｅ ） ａ ｎ ｄ ｔ ｈ ｅ ｓ ｕ ｍ ｏ ｆ ＭＳ Ｅ ｏ ｆ ａ ｌ ｌ ｕ ｓ ｅ ｒ ｓ ． Ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ －
中图分类号：Ｔ Ｎ９ ｌ １ ． ２ ２ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ０ ． ４ ３ ６ Ｘ（ ２ ０ １ ３ ） １ ２ ． ０ １ ０ ４ ． ０ ９
Ｍ ｕ ｌ ｔ ｉ — ｃ ｅ ｌ ｌ ｍｕ ｌ ｔ ｉ — ｕ ｓ ｅ ｒ ｄ ｏ ｗｎ ｌ ｉ ｎ ｋ ｂｅ ａ ｍ ｆ ｏ ｒ ｍｉ ｎ ｇ
第３ ４卷第 １ ２期 ２ ０ １ ３年 ｌ ２月
通
信
学
报
、 ， ０ １ ． ３ ４ ＮＯ ． １ ２ Ｄｅ ｃ ｅ ｍｂ ｅ ｒ ２ ０ｌ ３
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｎ Ｃｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ
Байду номын сангаас
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ４ ３ ６ ｘ ． ２ ０ １ ３ ． １ ２ ． ０ １ ２
３ ．上海交通大学 系统控制与信息处理教育部重点实验室，上海 ２ ０ ０ ２ ４ ０ ）
摘 要 ：在现有收发机损耗模型基础上 以最小化最差用户均方误差或者最小化用户均方误差之和为优化 目标 ，设 计一种考虑收发机残留损 耗的多小区多用户下行链路波束成形算法 。通 过将优化 问题转化 成二阶锥规划 的标准形 式，并设计 分层优化迭代算法来求解原始 问题 。数值仿真表 明，相对于传统收发机的波束 成形算法 而言，所提算 法将极大地减小收发机损耗对系统性能的影响，进而显著提高系统性能。 关键词：收发机损耗；波束成形；凸优 化；均方误差
能量有效的认知多小区协同波束赋形算法
能量有效的认知多小区协同波束赋形算法张秀秀;陈东华;谢维波【摘要】针对认知多小区多用户下行传输链路，提出了一种基于能量效率最大化准则的协同波束赋形优化方法。
该方法采用迫零消除小区内用户间干扰，在保证用户最小速率需求及认知干扰约束的同时，实现了能量效率和频谱效率的同步改善。
为了分布式求解优化问题，通过约束泄露干扰并利用半定松弛，将其转换为凸问题，在此基础上，采用部分对偶分解方法将多小区联合优化问题分解为一组单小区优化问题，从而实现了分布式求解。
仿真结果表明，该方法不仅实现了能量效率和频谱效率的有效折中，而且达到了集中式算法的性能。
%A cooperative beamforming algorithm based on the maximize of energy efficiency( EE) was proposed for the cognitive multi-cell multiuser downlinks.By using zero-forcing algorithm to eliminate intra-cell interference, the pro-posed scheme makes a simultaneous improvement in energy efficiency and spectrum efficiency ( SE ) while guaranteeing minimum rate for the secondary users and the cognitive interference constraints.To implement a decentralized algorithm,the original problem was firstly transformed to a convex one via semi-definite relaxation and the leakage interference con-straints,and then was decomposed into a group of sub-problems on the basis of each cell by using dual decomposition,which admits a distributed computation of the problem.Simulation results show that the proposed scheme not only makes a good tradeoff between the EE and SE,but also attains the same performance as the centralized algorithm.【期刊名称】《电子学报》【年(卷),期】2016(044)003【总页数】7页(P718-724)【关键词】认知多小区;波束赋形;能量效率;对偶分解;凸优化【作者】张秀秀;陈东华;谢维波【作者单位】华侨大学信息科学与工程学院，福建厦门361021;华侨大学信息科学与工程学院，福建厦门361021;华侨大学计算机科学与技术学院，福建厦门361021【正文语种】中文【中图分类】TN929.5随着无线通信业务的迅速发展,无线频谱资源的供需矛盾日益凸显.为了解决这一问题,认知无线电技术[1]受到广泛的关注.认知无线电网络通过动态频谱接入,充分利用现有网络频谱资源,极大提高了频谱利用率,已被多种标准如IEEE 802.22、IEEE 802.16h标准所采纳.另一方面,多小区协同波束赋形通过协调小区间传输可以有效抑制小区间干扰.两者相结合,不仅能够充分利用空域资源,进一步提高频谱利用率,而且可以有效抑制系统中的干扰.针对多小区波束赋形问题,国内外学者进行了广泛研究,然而大多研究只追求频谱效率最大化[2～6],却忽视了系统的能量效率.近来,随着高数据速率应用业务的快速增长,能量损耗急剧增加,导致运营成本增加,温室气体排放量增大,因此,如何设计协同波束赋形矢量从而实现能量效率与频谱效率的折中,成为未来通信得以持续发展的关键.文献[7,8]研究了以最大化能量效率为目标的波束赋形优化问题;文献[9]研究了多小区高能效联合波束赋形与功率分配问题,根据用户速率与最小均方误差之间的关系,提出了一种复杂度低、回程开销低的迭代优化算法;文献[10]设计了一种基于能量效率最大化准则的多小区协作预编码方案,该方案将非线性非凸问题转化成多项式优化问题,并用KKT条件求解非凸问题;在给定速率约束下,文献[11]和[12]分别提出了具有QoS(Quality of Service)保障的多小区能效最大化波束赋形方法;同样在给定速率约束下,文献[13]以每宏小区干扰泄露为约束、以最大化每宏小区能效函数之和为目标,提出了一种异构网络中的波束赋形方法.上述关于能量效率优化问题的研究均未考虑认知框架或者无法直接推广至认知多小区场景,在认知系统中,认知用户通过动态频谱检测,获取可利用的授权频谱资源,在提高频谱利用率的同时增加了系统的能耗,因此,在认知场景下,基于能量效率最大化准则的协同波束赋形方法尤为重要,然而当前这方面的应用还未得到有效解决.针对认知多小区应用,本文以文献[6]为基础提出了一种协同波束赋形算法.与文献[6]不同,本文方法是在多小区多用户场景下以最大化认知系统的能量效率为目标,同时考虑认知用户传输速率约束,从而一方面改善了系统能量效率,另一方面满足了用户最小QoS要求.由于速率约束导致优化问题非凸,采用泄露干扰约束和半定松弛将其转换为凸半正定规划问题,在对偶框架下提出了优化问题的分布式求解方法.符号说明:(·)*和(·)H分别表示矩阵的共轭和共轭转置,Tr(A)、Rank(A)为矩阵A的迹和秩,A0 表示矩阵A为半正定矩阵,E[·]表示统计均值,max表示取最大值.考虑认知多小区下行链路传输,系统中包括B个认知小区,每个认知小区包含一个位于小区中心的认知基站(SBS,Secondary Base Station),且每个基站的发射天线数均为T,SU与PU均为单天线配置;每个SBS服务于K个认知用户(SU,Secondary |=K表示SBS b(∀b∈B)所服务的SU的集合;为简化起见,假设系统包含1个主用户(PU,Primary User),多个PU时可通过单个时的情况直接推广而得到.认知小区b中第k个SU的接收信号可写为由于在频率复用因子为1的多小区系统中,相比小区间干扰,小区内用户间的干扰更为严重,因此我们提出采用迫零方案消除小区内用户间干扰、采用干扰协调来抑制小区间干扰的方法,即小区内波束赋形矢量应满足系统的能量效率定义为系统总速率与消耗总功率之比[8],其数学表达式为为了保证SU所需的服务质量,本文以SU的传输速率为约束,以系统的能量效率最大化为目标,同时考虑认知干扰约束构造如下优化模型(Problem 1:P1)由能量效率的定义式(5)不难看出,优化目标为非线性非凸函数,从而导致优化问题P1为非凸问题,难以得到其最优解.为了求解这一问题,本节通过引入参数规划、干扰泄露约束及半正定松弛将P1转化为凸优化问题,集中式求解需要一个能获得各小区相关信息的中心控制单元,从而增大了实现复杂度.为此,我们采用对偶分解理论,将多小区联合波束赋形问题分解为一组单小区波束赋形问题,从而实现了分布式求解,避免了集中式算法的缺点.接下来首先采用集中式方法求解优化矢量,然后利用分布式优化方法解决这一问题.为了求解非凸问题,首先通过参数规划[8]将非线性参数规划问题改写为与之等效的单变量方程,引进参数γ,则优化问题(6)等价为s.t.式(6b)～(6g)由参数规划原理[14,15]可知,如果能找到一个特定的参数γ*,使得F(γ*)=0成立,那么满足F(γ*)=0的波束赋形矩阵即为优化问题(6)的最优解.基于上述事实,我们可以发现,问题(6)的求解等效于在参数γ*已知的条件下求解问题(8).由于F(γ)是单调递减函数,且F(γ)=0有唯一解,因此可利用二分搜索法迭代优化参数γ并输入到优化问题式(8)进行求解,直至搜索到最优的参数γ*.为简化起见,给定参数γ时,问题(8)可写为(Problem 2:P2)s.t.式(6b)～(6g)式中:Ebk=Rbk({Wbk})-γTr(Wbk).由式(9)不难发现,优化变量间的耦合导致P2仍为非凸问题,难以直接求解.为了求解优化问题,引入泄露干扰门限[4,6,7] χn,bk,∀使s.t.式(11b)～(11h)利用对数函数的性质将约束式(11g)转换为如下线性约束将速率约束写成式(13)以后,P2变为如下优化问题(P3)秩1约束(式(14d))导致P3的非凸性,松弛秩1约束,则P3变为半正定规划问题,从而可用数值算法[16]或凸优化软件CVX[17]求解.得到优化解Wbk后,从中提取秩1解就可得到优化矢量wbk.上一节提出了一种集中式算法,但其实现需要一个中心控制单元,每个SBS需要通过回程链路(Backhaul)将其信道状态信息发送至中心控制单元,中心控制单元完成计算以后再通过回程链路将计算结果传递给各个SBS,从而增大了实现复杂度和回程开销.为了简化系统实现,本节提出一种分布式优化算法.由优化问题P3的约束可以看出,不同SBS的波束赋形矢量仅通过认知干扰约束(式(14c))耦合在一起,恰好符合对偶分解理论[18].接下来,我们采用对偶分解来分布式处理上述优化问题.引入拉格朗日乘子η,则秩1松弛后的优化问题式(14)的部分拉格朗日函数可写为L(Wbk,η)=s.t. 式(14b),式(14e),式(14f),式(14g),式(14h)通过对偶分解,可将秩1松弛后的P3分解成B个子问题和一个主问题,子问题独自求解优化变量,主问题通过基站间协作求解.第b个子问题为拉格朗日乘子η给定时,式(16)为凸优化问题,可采用数值算法或凸优化软件求解.对偶主问题为Db(η)=s.t.式(16b)～(16f)主问题可由次梯度法得到.次梯度法迭代求解公式为由于秩1松弛后的P3为凸问题,且满足强对偶性,因此分布式求解优化问题与集中式求解所得的结果是相同的;同时,由于子问题式(16)为凸问题,存在唯一解,从而保证了分布式算法的迭代收敛性.完整的认知多小区分布式协同波束赋形算法步骤如下:(1)初始化参数γmin=0,γma x=0且满足F(γmax)<0,F(γmin)>0;(2)设参数γ=(γmin+γmax)/2;(3)令t=0,初始化η(0);(4)对于每个认知小区,利用步骤(2)的γ值,求解子问题式(16);(5)根据式(19)更新拉格朗日乘子η;(6)若满足收敛条件|η(t)-η(t-1)|<ε(ε为充分小的正数),则转至步骤(7);否则t=t+1,返回步骤(4);(7)利用式(8)计算F(γ),若F(γ)>0,则令参数γmin=γ;否则令参数γmax=γ;(8)如果满足|γmax-γmin|<ζ(ζ为充分小的正数),则转至步骤(9);否则转至步骤(2);(9)由{Wbk}提取波束赋形矢量{wbk};实现复杂度分析:由分布式波束赋形算法的步骤可以看出,各个小区均独自求解相应的波束赋形矢量,只有参数γ和拉格朗日乘子η需集中式求解.由于求解γ时,各小区均已知最优的波束赋形矩阵{Wbk},因此各小区可利用{Wbk}将要交换的信息转换成标量形式后再传递出去,从而减少需要交换的信息.同理,根据式(19)更新η时,各小区可利用(t)计算,然后将所得结果在小区之间进行交换,由于所得结果为一标量值,进一步减少了需要交换的信息.仿真参数:认知系统包含B=2个认知小区,每个SBS均服务K=2个SU;所有SBS的发射天线数均为T=4,所有SU的噪声功率相同且为σ2;不失一般性,假设各SBS的最大功率都为2W,即Pb=P=2,∀b.从而可以定义接收信噪比(SNR,Signal to Noise Ratio)为1/σ2;此外,小区间最大泄露干扰及各SU所需的最小速率均相等,即χ=χn,bk,∀b∈B,b≠n,∀,rbk=r,∀b∈B,∀;除非特别说明,认知系统对PU的最大干扰功率Ith=0dB,速率约束r=0.5bit/s/Hz;SBS到SU和SBS到PU的信道元素均为零均值、单位方差的复高斯随机变量,即信道服从瑞利衰落;小区内大尺度衰落值为1,小区间和SBS到PU的大尺度衰落值为1/3;电路消耗功率Pc=0.5W.图1给出了分布式算法与集中式算法的性能比较曲线.由图可见,分布式算法与集中式算法对应的性能曲线基本一致,这也验证了对偶分解的有效性.观察图1还可以发现,随着认知用户SNR的增加,系统的能量效率及系统和速率也随之增加.由图1还可看出,两种泄露干扰门限下,系统实际取得的速率均满足速率约束,在泄露干扰门限为0.01σ2,SNR=0dB的时候,系统和速率为2.3bit/s/Hz左右,每个认知用户平均速率为0.575bit/s/Hz左右,高于给定的速率约束(0.5bit/s/Hz);同时我们可以发现在低信噪比区域,增大泄露干扰门限,对系统性能影响较小;在高信噪比区域,泄露干扰门限越大,系统的能量效率及系统和速率越小,这是由于信噪比高的时候,小区间干扰成为影响系统性能的主导因素,而在频率复用因子为1的多小区系统中,小区间干扰越大,小区边缘用户的性能越差,从而导致系统性能下降.在r=0.4bit/s/Hz,干扰泄露门限χ=0.01σ2的情况下,图2仿真了系统和速率随认知用户SNR的变化曲线.图中结果表明,系统和速率随认知用户信噪比的增加而增加,在高信噪比区域,本文所提算法达到的系统和速率要低于最大化系统和速率算法得到的结果,这是因为本文算法为了提高系统的能量效率会最大限度的降低系统的发射功率,从而导致系统和速率降低,而最大化系统和速率算法则通常以最大发射功率传输信号,以此来保证达到系统的最大和速率.观察图2还可以看出,认知干扰门限越小,系统和速率也越小,这是由于认知干扰门限越小,认知系统受到的约束越苛刻,从而限制了系统和速率的增加.与图2的仿真参数相同,图3给出了能量效率随认知用户SNR变化的性能关系曲线.由仿真结果可见,系统能量效率随着认知用户SNR的增大逐渐增加,并且能量效率的增长趋势也是增加的.在高信噪比区域,本文算法达到的能量效率要高于系统和速率最大化算法达到的能量效率.观察图3还可以发现,认知干扰门限越大,系统的能量效率越高.综合图2、图3可以发现,仿真参数相同的情况下,在高信噪比区域,以系统和速率为优化目标的算法虽然达到了最大速率,但却过分牺牲了系统的能量效率.本文算法以能量效率为优化目标,牺牲了两倍左右的速率,但却换来了接近四倍的能量效率,从这个意义上看,本文算法要优于系统和速率最大化算法,实现了能量效率和频谱效率的有效折中.在r=1bit/s/Hz,干扰泄露门限χ=0.01σ2的情况下,图4给出了发射天线数与认知基站发射总功率之间的性能关系.由图可见,本文所提算法的基站发射功率随天线数增加而减少,并且基站发射功率的降低趋势也是减少的.最大化系统和速率算法所需的发射功率基本稳定在最大发射功率,这是由于为了达到最大和速率,系统通常以最大发射功率传输信号.此外,观察图4还可以发现,SNR越高,最大化能量效率算法所需的发射功率越低,不难解释,由于SNR=1/σ2,信噪比越低,噪声越大,对系统性能的影响越大,而通信系统通常采用增加发射功率的方法,来降低噪声对系统性能的影响.Nt=4,SNR=15dB时,本文所提算法的基站发射功率为0.23W左右,远低于系统和速率最大化算法的基站发射功率,进一步验证了本文算法可以有效实现能量效率与频谱效率的折中.在r=0.5bit/s/Hz,干扰泄露门限χ=0.01σ2的情况下,图5给出了不同电路消耗功率下,能量效率性能比较曲线.由图可见,在低信噪比区域,改变电路消耗功率对系统性能影响较小,在高信噪比区域,系统性能随电路消耗功率的增大而降低,这是因为,信噪比低的时候,噪声为影响系统性能的主导因素,高信噪比时,噪声对系统性能的影响减弱,电路消耗功率对系统性能的影响逐渐体现出来.同时结合能量效率的定义不难发现,在其它参数不变的条件下,电路消耗功率越高,系统能量效率越低.依据系统能量效率最大化准则,联合设计了认知多小区多用户协作波束赋形矢量,并利用对偶分解实现了该优化问题的分布式求解.与集中式算法相比,分布式算法只需各小区间交换有限个标量值,避免了大量矢量信息的回程传输.仿真结果表明,提出的算法不仅实现了能量效率和频谱效率的有效折中,而且达到了集中式算法的性能. 张秀秀女,1988年9月出生于河南濮阳,华侨大学硕士研究生,主要研究方向为协作多点传输技术管理.陈东华(通信作者) 男,1977年6月出生于安徽濉溪,博士,副教授,主要研究方向为宽带无线通信、无线网络资源管理.谢维波男,1964年10月出生于福建泉州,现为华侨大学教授,主要研究方向为智能信号与信息处理、图像处理、无线移动自组织网络等.。
多小区大规模协同功率分配及波束成形算法
多小区大规模协同功率分配及波束成形算法施妍如;黄永明;何世文;杨绿溪【期刊名称】《信号处理》【年(卷),期】2015(000)006【摘要】This paper studies joint beamforming and power allocation for maximizing the minimum signal-to-interference-plus-noise ratio optimization problem in multi-cell multiuser multiple-input single-output downlink network.To solve the o-riginal downlink non-convex optimization problem,the original optimization problem is transformed into an equivalent uplink optimization problem.Although the beamformer and power allocation can be obtained by the iterative algorithm in the finite system,it depends on the instantaneous channel state information which requires instantaneous power update.To reduce the complexity of power updating,an algorithm that only requires statistical channel state information is designed to derive pow-er allocation by applying the random matrix theory.Numerical results validate the effectiveness of our proposed algorithm and show the advantages of our proposed algorithm over maximal-ratio transmit in the single base station power constraint.%针对大规模多输入单输出的多点协作下行系统，本文主要研究协同波束成形和功率控制，以达到最大化最差用户信干噪比的目的。
多小区多用户无线网络下行链路协同波束成形设计
多小区多用户无线网络下行链路协同波束成形设计解培中;郑宝玉;岳文静【期刊名称】《通信学报》【年(卷),期】2012(33)7【摘要】To obtain the good sum-rate performance in multi-cell multi-user wireless networks with frequency reuse,coordinated beamforming design problem of co-channel interference mitigation was studied. Theoretical analysis results with the game theory show that,the collaborative beamforming vector of the optimal performance is a linear combination of selfishness and altruism strategy. A beamforming vector iteration algorithm to maximize sum-rate was presented,and estimation method about composite coefficient based on the statistic of channel stale information was proposed. Finally. the results of simulation assess the performance of the algorithm and show convergence of the proposed algorithm.%在频率复用的多小区多用户无线网络中,为了获得较好的和速率性能,研究了降低同频干扰的协同波束成形设计问题.博弈论分析结果表明,性能最优的协同波束成形矢量是自私和利他策略的线性组合.提出了一种最大化和速率的波束成形矢量迭代算法,给出了基于信道状态统计量的组合系数的估计方法.最后,仿真评估了波束成形算法的性能,表明了所提迭代算法的收敛性.【总页数】8页(P191-198)【作者】解培中;郑宝玉;岳文静【作者单位】南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京210003;南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京210003;南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京210003【正文语种】中文【中图分类】TN929.53【相关文献】1.多小区多用户下行能效优化波束成形的分布式实现算法 [J], 陈文阳;何世文;黄永明;杨绿溪2.多小区多用户 TDD MIMO 下行链路干扰抑制预编码算法 [J], 刘祖军;王杰令;孙德春;易克初3.考虑收发机损耗的多小区多用户下行链路波束成形算法 [J], 夏灿锋;何世文;黄永明;王海明;杨绿溪4.多小区下行链路系统的资源效率最大化协同波束成形算法 [J], 张敏;陆莹;何世文;黄永明;杨绿溪5.多小区MIMO系统中基于泄漏的多用户下行链路预编码新算法 [J], 曹颖鸿;陈喆;殷福亮因版权原因，仅展示原文概要，查看原文内容请购买。
基于QoS的多小区下行TDD大规模MIMO系统顽健波束成形
基于QoS的多小区下行TDD大规模MIMO系统顽健波束成形曹杰;廖勇;沈轩帆【摘要】In view of multicell downlink time division multiplexing (TDD) massive multiple-input multiple-output (MIMO) systems which had imperfect channel state information (CSI), the beamforming problem that minimized the total transmit power and signal leakage power based on quality of service (QoS) was studied. First, the objective problem was approximated as a st and ard convex optimization problem. Then, by using the duality of uplink and downlink, an inner and outer layer iterative algorithm was proposed. Numerical results show that, comparing with other typical downlink multicell massive MIMO beamforming algorithms, the proposed algorithm has obvious advantages in terms of complexity and energy efficiency.%针对非理想信道状态信息(CSI,channel state information)下的多小区下行时分复用(TDD,time division multiplexing)大规模多入多出(MIMO,multiple-input multiple-output)系统,研究了基于服务质量(QoS,quality of service)的发射功率和小区间泄露功率最小的波束成形问题.首先,将目标问题近似成凸优化问题,然后,利用上下行链路对偶性,提出一种内外层迭代算法.数值分析结果表明,所提算法与其他几种典型的多小区波束成形算法相比,在算法复杂度和能量效率性能指标方面具有明显优势.【期刊名称】《通信学报》【年(卷),期】2017(038)011【总页数】10页(P44-53)【关键词】多小区;大规模MIMO;波束成形;上下行链路对偶【作者】曹杰;廖勇;沈轩帆【作者单位】东华理工大学机械与电子工程学院,江西南昌 330031;西安电子科技大学综合业务网理论及关键技术国家重点实验室,陕西西安 710071;重庆大学飞行器测控与通信教育部重点实验室,重庆 400044;西安电子科技大学综合业务网理论及关键技术国家重点实验室,陕西西安 710071;重庆大学飞行器测控与通信教育部重点实验室,重庆 400044【正文语种】中文【中图分类】TN929.5大规模多入多出（MIMO, multiple-input multiple-output）技术通过在基站（BS, base station）侧配置数十甚至数百根天线，能够获得较高的空间分集和复用增益，从而极大提升系统性能，其已成为5G以及未来移动通信系统的核心技术[1]。
有限回程开销多小区分布式协作波束成形技术
有限回程开销多小区分布式协作波束成形技术黄永明;杜颖钢;余辉;杨绿溪【期刊名称】《通信学报》【年(卷),期】2012(33)8【摘要】针对基站之间仅进行参数交换的协同多小区 TDD 系统，研究了下行链路的分布式协作波束成形优化设计。
以用户速率集帕累托(Pareto)界上具有最大最差用户速率的点为优化目标，首先提出了一种准最优的2步集中式协作波束成形算法。
在此基础上，进一步给出了一种分布式迭代算法，该算法只需在协作基站间交换有限个正实参数。
仿真结果表明，所提分布式算法可以获得接近集中式算法的速率性能。
【总页数】9页(P138-146)【作者】黄永明;杜颖钢;余辉;杨绿溪【作者单位】东南大学教育部水声信号处理重点实验室,江苏南京 210096; 东南大学信息科学与工程学院,江苏南京210096;华为技术有限公司通信技术研究部,广东深圳 518129;东南大学教育部水声信号处理重点实验室,江苏南京 210096; 东南大学信息科学与工程学院,江苏南京210096;东南大学教育部水声信号处理重点实验室,江苏南京 210096; 东南大学信息科学与工程学院,江苏南京210096【正文语种】中文【中图分类】TN911【相关文献】1.有限回程容量约束下多点协作接收技术综述 [J], 李漪;肖立民;周世东2.基于干扰和功率控制的多小区分布式波束成形 [J], 董明科;李应博;王达;金野;李俊3.多小区多用户下行能效优化波束成形的分布式实现算法 [J], 陈文阳;何世文;黄永明;杨绿溪4.一种基于单调优化的多小区分布式波束成形算法 [J], 朱翠涛;吕兴茹5.多小区分布式阵列系统训练模式与协作方法研究 [J], 张帅; 王璀; 潘鹏; 严军荣因版权原因，仅展示原文概要，查看原文内容请购买。
一种多小区多用户能效波束赋形分层优化算法
一种多小区多用户能效波束赋形分层优化算法张敏;何世文;陆莹;李元稳;黄永明;杨绿溪【摘要】研究在用户服务质量需求和功率约束等条件下最大化系统能效的多小区多用户系统中的波束赋形技术.首先引入辅助变量将分式形式的非凸优化目标函数转化为凹凸分数形式的优化目标函数,并利用分式规划和低复杂度凸逼近法进行功率分配优化;然后将波束优化问题转化成满足一定约束条件的最小化发射功率优化问题,并利用二阶锥规划求解相应的波束赋形优化问题.仿真结果表明:所提的能效分层优化算法可以经过有限迭代次数逐渐收敛到稳定值;在低发射功率区域,所提算法能够同时获得最大频谱效率和能源效率;而在高发射功率区域,本文算法所获得的能效性能明显优于传统的频谱效率最大化算法.%Energy-efficient beamforming design for multiuser is investigated in multicell systems to maximize the system energy efficiency subjected to some given quality of service demands and transmit power constraint.The non-convex optimization objective function in fractional form is firstly transformed into an optimization objective function in concave-convex fractional form,and the power allocation is realized by introducing some auxiliary variables and using jointly the fractional programming and the lower complexity convex approximation method.Then the beamforming optimization problem is transformed into a problem of minimizing the transmit power which can be solved with the second-order conic programming method.Numerical results illustrate that the proposed algorithm converges to a stable point within a limited number of iterations.It is also observed that the best spectral efficiency and energy efficiency can be simultaneously achieved bythe proposed algorithm at low transmit power region.However,in high transmit power region the proposed algorithm outperforms obviously the traditional spectral efficiency maximization algorithm in terms of energy efficiency.【期刊名称】《数据采集与处理》【年(卷),期】2017(032)001【总页数】9页(P86-94)【关键词】能效传输;波束赋形;分式规划;凸逼近;二阶锥规划【作者】张敏;何世文;陆莹;李元稳;黄永明;杨绿溪【作者单位】湖南邮电职业技术学院移动通信系,长沙,410015;东南大学信息科学与工程学院,南京,210096;东南大学信息科学与工程学院,南京,210096;东南大学信息科学与工程学院,南京,210096;东南大学信息科学与工程学院,南京,210096;东南大学信息科学与工程学院,南京,210096;东南大学信息科学与工程学院,南京,210096【正文语种】中文【中图分类】TN92随着无线通信技术的不断发展，高数据速率、高可靠性及无线覆盖范围等高用户服务质量要求促进了多输入多输出(Multiple-input multiple-output, MIMO)技术的迅速发展。
3D MIMO多小区多用户系统基于QBFO算法的垂直波束下倾角优化
3D MIMO多小区多用户系统基于QBFO算法的垂直波束下倾角优化帅杨;李汀;李飞【期刊名称】《信号处理》【年(卷),期】2018(34)5【摘要】本文针对大尺度衰落下3D MIMO多用户系统中天线下倾角优化问题,首先在采用最大比传输预编码的基础上,假设有用信号功率、用户间干扰功率、小区间干扰功率都服从伽玛分布,将系统和速率公式简化为关于波束下倾角的函数.然后,以系统和速率最大化为目标函数,利用改进的量子菌群觅食优化算法(quantum bacterial foraging algorithm),求解最优的天线下倾角.计算机仿真表明,本文提出的3D波束赋形方案在低信噪比和用户数较多时可以获得更高的系统和速率.%In this paper,we provide a scheme which can transform 3D beamforming into finding optimal antenna downtilt,specific to 3D multi-user MIMO Networks based on larger scale fading.First,we use Max Ratio Transmission (MRT) precoding.We assume desired signal power,inter-user interference power and inter-cell interference follow the Gamma distribution,then we can formulate an optimization to maximize system throughput in relation to antenna downtilt.Finally,we proposed an improved quantum bacterial foraging algorithm (QBFO) to find its solution.Simulation result shows that proposed scheme has higher achievable sum-rates compared with zero-forcing (ZF) precoders in lower SNR and better performance using QBFO.【总页数】8页(P523-530)【作者】帅杨;李汀;李飞【作者单位】南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003【正文语种】中文【中图分类】TN929.5【相关文献】1.3D MIMO-OFDMA系统中基于垂直波束成形的能效优化算法 [J], 李汀;仇林杰;季薇2.Massive MIMO多用户系统波束成形的凸优化解决思路分析 [J], 何华;姜静3.基于QoS的多小区下行TDD大规模MIMO系统顽健波束成形 [J], 曹杰;廖勇;沈轩帆4.一种基于单调优化的多小区分布式波束成形算法 [J], 朱翠涛;吕兴茹5.一种水平和垂直联合优化的3D波束成形算法 [J], 张仕宇;冯辉;宗志远;刘凯;杨涛;胡波因版权原因，仅展示原文概要，查看原文内容请购买。
多小区上下行波束成形对偶
单小区功率约束下的多小区协同波束成形于斌胡捍英解放军信息工程大学郑州450002摘要：针对单小区功率约束，本文考虑多天线多小区下行链路波束成形优化问题。
在无法获得瞬时信道信息的条件下，本文基于信道二阶统计量，建立了单小区功率约束下的多小区上下行链路对偶性，并基于该对偶性，为单小区功率约束下行波束成形问题提出有效数值算法。
关键词：多用户系统，多小区系统，协同波束成形，Lagrangian对偶中图分类号：TN92Coordinated Beamforming for the Multi-Cell Systems With Per-Cell Power ConstraintsYu Bin, Hu Han-yingInformation Engineering University, Zhengzhou, ChinaAbstract:This paper investigates transmit beamforming optimization problem with per-cell power constraints for multi-cell downlink systems. A uplink-downlink duality under per-cell power constraints is established, based on the second-order statistics of the channel coefficients instead of instantaneous channel state information. And with the aid of this duality, a effective algorithm is proposed for the beamforming problem with per-cell power constraints.Key word：multiuser system, multi-cell system, coordinated beamforming, Langrangian duality1引言在过去的十多年中，为了获得更高的容量，关于多用户多天线（MIMO）的研究已经获得了很大的进展。
多用户MIMO下行波束成形研究的开题报告
多用户MIMO下行波束成形研究的开题报告一、研究背景随着移动通信技术的飞速发展，移动终端对于带宽和传输速率的要求越来越高。
在目前的移动通信系统中，多用户MIMO技术成为提高系统容量和覆盖率的重要手段。
多用户MIMO系统具有极高的频谱效率、大的系统容量和强的抗干扰能力，已经被广泛应用于4G及5G移动通信系统中。
相比于传统的MIMO技术，多用户MIMO技术和波束成形技术相结合可以进一步提高系统容量和下行覆盖率。
在多用户MIMO下行波束成形技术中，发射天线组成波束，同时进行多用户的数据传输，提供高速、低延迟、高可靠的移动网络服务。
所以，在多用户MIMO下行波束成形技术的研究中，波束成形算法对性能的影响成为了研发的关键问题。
二、研究目的和内容该研究的目的是对多用户MIMO下行波束成形技术进行深入研究，探讨波束成形算法对系统性能的影响。
本论文研究的内容包括：1. 对多用户MIMO下行波束成形技术的原理和系统框架进行介绍和分析。
2. 研究多用户MIMO下行波束成形技术中常用的波束成形算法，包括最大比合成算法、零离差波束形成算法等，并对这些算法进行比较和分析。
3. 在多用户MIMO下行波束成形技术中，分析波束成形算法对系统性能的影响，主要包括系统容量、误比特率、下行覆盖范围等指标。
4. 在MATLAB或Python平台上进行多用户MIMO下行波束成形研究数学仿真，根据仿真结果进一步提出波束成形算法优化方法以提高系统性能。
三、研究意义多用户MIMO下行波束成形技术的研究有着重要的现实意义和理论意义。
在现实层面，该技术可以提供高速、低延迟、强抗干扰的移动网络服务，满足人们对于移动通信的高速发展需求；在理论层面，该研究可以拓宽波束成形算法在通信领域的应用范围，提高通信系统的可靠性和性能。
四、研究方法和技术路线本论文采用文献调研、数学仿真、算法分析等方法进行多用户MIMO下行波束成形技术的研究。
具体研究路线如下：1. 文献调研阶段，对多用户MIMO下行波束成形技术的原理、算法、发展历程、应用等方面进行系统性的调研。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３ ６卷第 １ ０期 ２ ０ １ ５年 １ ０月
通
信
学
报
、 ， ０ １ ． ３ ６ ａ ｌ ｏ ｎＣｏ ｍｍｕ ｎ ｉ ｃ ａ ｉ ｆ ｏ ｎ ｓ
ｏｃ ｔ ｏ ｂ ｅ ｒ ２ ０１ ５
ｄ ｏ ｉ ： １ ０ ． １ １ ９ ５ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ － ４ ３ ６ ｘ ． ２ ０ １ ５ ２ ５ ７
ｆ ｏ ｒ ｍｕ ｌ ｔ ｉ ｃ ｅ ｌ ｌ ｍ ｕｌ ｔ ｉ ｕ ｓ ｅ ｒ ｄｏ ｗｎｌ ｉ ｎｋ ｓ ｙ ｓ ｔ ｅ ｍ
Ｃ ＨＥ Ｎ Ｗｅ ｎ － ｙ ａ ｎ ｇ ， ＨＥ Ｓ ｈ ｉ － ｗｅ ｎ ， ＨＵＡＮ Ｇ Ｙｏ ｎ ｇ － ｍｉ ｎ ｇ ， ＹＡＮＧ Ｌｖ － ｘ ｉ
ｃ ｏ ｍｐ ｏ ｓ ｅ ｄ ｉ ｎ ｔ ｏ ｓ ｏ ｍｅ ｓ ｕ ｂ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ｍａ ｔ ｃ ａ ｎ ｂ ｅ ｓ ｏ ｌ ｖ ｅ ｄ ｒ ｅ ｓ ｐ ｅ ｃ ｉ ｔ ｖ ｅ ｌ ｙ ｂ ｙ ｎｔ ｉ ｒ ｏ ｄ ｕ ｃ ｎｇ ｉ ｈｅ ｔ ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｏ ｆ ｈｅ ｔ ｎｔ ｉ ｅ ｆｅ ｒ ｒ ｅ ｎ ｃ ｅ ｔ ｅ ｍｐ ｅ ｒ ａ － ｔ ｕ ｒ ｅ ｎ ｉ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｖ ｅ ｒ ａ ｄ ｉ ｏ ｎ ｅ ｔ ｗｏ ｒ ｋ ｓ ． Ｆ ｎａ ｉ ｌ ｌ ｙ ， ｎ ａ ｅ ｆｅ ｃ ｉ ｔ ｖ ｅ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄ ｅ ｎ ｅ ｒ ｙ ｇ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｂ ｅ ａ ｍｆ ｏｒ ｍ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｗａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｂ ｙ ｅ ｘ ｐ ｌ ｏ ｉ ｔ ｉ ｎ ｇ ｈｅ ｔ Ｌａ ｇ ｒ ａ ｎ ｇ ｉ ａ ｎ ｄ ｕ ａ ｌ ｉ ｔ ｙ ｈｅ ｔ ｏ ｒ ｅ ｍ ａ ｎ ｄ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｔ ｈ ｅ ｏ ｒ ｅ ｍ． Ｃｏ ｍｐ ａ ｒ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｃ ｌ ａ ｓ ｓ ｉ ｃ ａ ｌ ｅ ｎ ｅ ｒ ｇ ｙ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｏ ｐ ｔ ｉ －
多小 区多用户下行 能效优化 波束成形 的分布 式实现算法
陈文 阳，何世 文 ，黄永 明，杨绿 溪
（ 东 南大 学 信 息科学 与 工程 学院 ，江 苏 南京 ２ １ ０ ０ ９ ６ ）
摘 要 ：针对多 小区多用 户下行链路通信系统 ，研 究了能效优化波束 成形的分布式实现算法 。首 先，能效优化 问 题描述为系统加权和速率 与系 统能量损 耗之 比的最大 化问题 ，利用分数规划理论将分数形式的优化 目标转化成多
项式减法形式 。 其次，引入认知无线 电中的干 扰温 度的概念 ， 将优 化问题转 化为多个 分布 式求解的子问题。 最后 ，
利用拉格朗 日对偶及分步优化理论 ，提 出了一种能效优化波束成形 的分布式 实现算法 。通过仿真结果表 明，相 对 于传统的能效优化算法 ，所提算法可获得 明显 的能效 性能增益 。
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ ｌ ｎ ｆ ｏ ｒ ｍａ ｉ ｆ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｓ ｏ ｕ ｔ ｈ ｅ ａ ｓ ｔ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｎｅ ｎｊ ｉ ｎ ｇ ２ １ ０ ０ ９ ６ ， Ｃ ｈ ｉ ｎ ａ ）
关键词 ：分布式实现 ；能效优化 ；分数规划 ；干扰温度 ；波束 成形
中图分类号：Ｔ Ｎ９ ２ 文献标识码：Ａ
Ｄｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄ ｅ ｎ ｅ ｒ ｇ ｙ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｂ ｅ ａ ｍｆ ｏｒ ｍｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄ ｅ ｎ ｅ ｒ ｇ ｙ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｂ ｅ ａ ｍｆ ｏｒ ｍｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗａ ｓ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｆ ｏ ｒ ｍｕ ｌ ｉ ｔ ｃ ｅ ｌ ｌ ｍｕ ｌ ｔ ｉ ｕ ｓ ｅ ｒ ｄ ｏ ｗｎ ｌ ｉ ｎ ｋ ｃ ｏ ｍｍｕ ｎ ｉ — ｃ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ． Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ，ｔ ｈ ｅ ｅ ｎ ｅ ｒ ｇ ｙ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｗａ ｓ ｆ ｉ ｒ ｓ ｔ ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｒ ｅ ｄ ａ Ｓ ｈｅ ｔ ｍａ ｘ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｈｅ ｔ ｒ ａ ｔ ｉ ｏ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｓ ｙ ｓ ｔ ｅ ｍ ｓ ｕ ｍ ｒ ａ ｔ ｅ ａ ｎ ｄ ｈｅ ｔ ｓ ｙ ｓ ｔ ｅ ｍ ｐ ｏ ｗｅ ｒ ｃ ｏ ｎ ｓ ｕ ｍｐ ｔ ｉ ｏ ｎ ． Ｔｈ ｅ ｆ ｒ ａ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｐ ｒ ｏ ｇ ｒ ａ ｍｍｉ ｎ ｇ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｉ ｔ ｏ ｎ ｔ ａ ｒ ｇ ｅ ｔ ｗａ ｓ