[发明专利]基于自适应功率分配的多用户MIMO-OFDM系统的实现方法

权利要求书

1.基于自适应功率分配的多用户MIMO-OFDM系统的实现方法，系统包括发射端与接收端，发射端有K个用户，分配给不同的子载波，其特征是发射端通过自适应调制器输出复符号信号，IFFT/IDFT模块将复符号转换为时域信号，再插入CP，信号历经频率选择性衰弱信道，在接收端被移除保护CP，FFT/DFT将接收信号转换为频域信号，历经自适应解调器，最终分离出1，2，...，K个用户的比特信息，系统给每个用户分配一个副载波，并确定相应的比特数量，每个副载波获得一定的传输功率，在一定时延和频率选择性衰弱信道条件下，实现自适应功率分配：

1)、建立数学模型：

建立目标函数并考虑其优化，令c_k，n为[0，M]之间的一个实数，c_k，n表示第k个用户的比特数量，c_k，n分配给第n个子载波，M是能够被每个副载波传输的“信息比特/OFDM符号”的最大值；K和约束参数ρ_k，n(k＝1，...，K)为目标函数的参量，作为第n个副载波的分享因子，总共有N个副载波，目标函数的优化如下：

PT=minck,n∈[0,M]ρk,n∈[0,1]Σn=1NΣk=1Kρk,na2k,nfk(ck,n)---(1)]]>

其中，c_k，n和ρ_k，n必须满足：

所有k∈{1，...，K}       (2)

所有n∈{1，...，N}       (3)

r_k，n＝c_k，nρ_k，n为目标函数的约束条件，R_k为第k个用户的数据率，对于正交频分复用OFDM，有：

2)、初始化参数：

对于所有副载波n，令

c_k，n＝0        (5)

且

ΔPk,n=[fk(1)-fk(0)]a2k,n---(6)]]>

3)、比特分配迭代，计算搜索方向与步长：

对于每一个副载波，步骤2)初始化阶段计算传输1个额外比特所需要的额外功率，对于每个比特分配迭代，需要最小额外功率的副载波被多分配1个比特，且额外功率随迭代不断更新，经过R次迭代，最终以最优的方式给每个副载波分配比特，迭代为：

n^=argminnΔPn;]]>

ck,n^=ck,n^+1;---(7)]]>

ΔPk,n^=[fk(cn^+1)-fk(cn^)]a2k,n^]]>

4)、结束：

搜索到最优的比特分配值实现自适应功率分配，结束。

2.根据权利要求1所述的基于自适应功率分配的多用户MIMO-OFDM系统的实现方法，其特征是具体步骤为：

1)计算初始值：

(1)初始化拉格朗日乘数λ，以及Δ，Δ是一个很小的常数，根据迭代效果选定；

(2)初始化目标函数约束参数r和Hessian阵H：

rk,n*=ρk,n*fk′-1(λq,kαk,n2)---(8)]]>

Hk,n(λ)=1αk,n2[fk(fk′-1(λαk,n2))-λαk,n2fk′-1(λαk,n2)]---(9)]]>

目标函数具体为：

在目标函数中有ρf_k(c)，作为(ρ，c)的一个函数，ρf_k(c)在(ρ，c)内是非凸的，令r_k，n＝c_k，nρ_k，n，结合r_k，n和ρ_k，n重写目标函数，约束条件r_k，n变为r_k，n∈[0，Mρ_k，n]，则在(ρ，r)内，即在由ρ∈[0，1]和r∈[0，Mρ]所表示的一个三角形区域，ρf_k(c)＝ρf_k(r/ρ)是凸的，在这个区域的任意点，Hessian阵是一个正半定矩阵，重写最优化问题(1)式，写成在凸集内的，一个凸最小化问题，即：

PT=minrk,n∈[0,Mρk,n]ρk,n∈[0,1]Σn=1NΣk=1Kρk,na2k,nfk(rk,nρk,n)---(10)]]>

其中，r_k，n和ρ_k，n必须满足：

所有k∈{1，...，K}       (11)

所有n∈{1，...，N}       (12)

由此得到拉格朗日式：

L=Σn=1NΣk=1Kρk,nα2k,nfk(rk,nρk,n)-Σk=1Kλk(Σn=1Nrk,n-Rk)-Σn=1Nβn(Σk=1Kρk,n-1)---(13)]]>

其中，λ_k和β_n分别是约束条件(11)(12)的拉格朗日乘数；

2)针对每个副载波n，计算约束参数ρ_k，n：

对于所有的k≠k′，其中，k′＝arg min H_k，n(λ_q，n)；

3)计算第k′个用户的数据率：

Rk′=Σn=1Nrk′,n---(14)]]>

4)作比较判断：

I.如果R′_k＝R_k成立，则完成比特数量分配，实现自适应功率分配，结束；

II.如果R′_k＝R_k不成立，则跳至步骤5)；

5)寻找用户l，使下式最大：

max(R_l-R′_l)         (15)

R_l为用户l的数据率，R_l为用户l’的数据率，l≠l′；

6)对于ρ_l，n＝0的副载波n：

令计算每一个λ′_l，n，使得H_l，n＝H_k(n)，n+Δ，其中

Hl,n(λ)=1αl,n2[fl(fl′-1(λαl,n2))-λαl,n2fl′-1(λαl,n2)]---(16)]]>

7)计算λ_l，m：

λl=minnλl,n′]]>

m=argminnλl,n′---(17)]]>

8)根据步骤7)中所得λ_l，计算目标函数约束参数r_l，n和Hessian阵H_l，n：

rk,n*=ρk,n*fk′-1(λq,kαk,n2)---(18)]]>

Hk,n(λ)=1αk,n2[fk(fk′-1(λαk,n2))-λαk,n2fk′-1(λαk,n2)]---(19)]]>

同时，令ρ_l，m＝1，对于令ρ_k，m＝0；

9)计算Rl′=Σn=1Nrl,n′;]]>

10)做判断：

(1)如果满足R′_l＝R_l，则返回步骤4)；

(2)若满足R′_l＜R_l，则返回步骤7)；

(3)若满足R′_l＞R_l，则进入步骤11)；

11)更新l用户的数据率R′_l：

R′_l＝R′_l-r_l，m    (20)

如果R′_l＜R_l，则进入步骤12)；

如果R′_l≥R_l，则进入步骤13)；

12)更新参数：

ρl,m=Rl-Rl′rl,m---(21)]]>

其中，

r_l，m＝R_l-R′_l         (22)

在得到ρ_l，m的基础上，得到：

ρ_k(m)，m＝1-ρ_l，m    (23)

返回步骤4)

13)计算λ_l，满足：

Σn=1Nrl,n=Rl---(24)]]>

其中，rk,n=ρk,nfk′-1(λq,kαk,n2)]]>

返回步骤4)。