[发明专利]基于蚁群优化的离散功率控制方法

说明书

技术领域

本发明涉及无线通信技术领域，尤其涉及一种基于蚁群优化的离散功率控制方法。

背景技术

在多小区OFDM(Orthogonal Frequency Division Multiplexing)系统中，来自相邻小区的同频干扰是影响系统性能的主要因素。功率控制被证明是抑制小区间干扰、提高系统容量的重要工具之一。但是于小区间干扰的存在使得每个小区的功率分配都与其它小区密切相关，一个小区内子载波上的功率变化会影响到其他相邻小区的功率分配，这使得多小区间的功率控制十分困难。

OFDM系统中，功率控制作为抑制干扰、提高信道复用率、增大系统容量的有效手段，受到人们的普遍关注。多小区OFDM系统的离散功率分配问题可以被抽象为具有一定约束条件的组合优化问题，且被证明是NP难问题，即在多项式时间内无法得到其最优解。一种可能的解决方法是利用穷尽搜索，但是由于计算量大而无法应用于实际系统。特别是随着系统规模的日益扩大，得到资源分配问题的最优解将给系统带来巨大的计算压力。

现有的功率控制方法大多数都是建立在假设传输功率可以任意连续取值的基础上的，而且这些算法通常都十分复杂，计算复杂度高而难以应用于实际系统中。然而，实际数字通信系统中功率往往只能以离散级别调整，直接利用已有的连续功率分配方法，即进行简单的上取整离散和下取整离散处理，将不能得到满意的结果。参考文献A.D.Gesbert，G.and S.Kiani，Binary power control for sum rate maximization over multiple interfering links，IEEE Transactions on Wireless Communication，vol.7，pp.3164-3173提出了一种基于贪婪算法的二值功率分配算法，但由于二值功率级别的限制，以及贪婪算法只选择当下最优方案而不从整体最优上加以考虑的的约束，导致该方案性能不够理想；参考文献Yiping Xing and R.Chandramouli，Stochastic Learning Solution for Distributed Discrete Power Control Game in Wireless Data Networks，IEEE Transactions on Networking，vol.16，no.4提供了一种基于博弈论的离散功率控制方法，但该方法计算复杂度高而难以在实际系统中获得应用。

元启发式算法是一种有效获得组合优化问题的次优解的方法，由于其计算复杂度低且易于实现，而成为众多学者研究的焦点。蚁群优化算法ACO(Ant Colony Optimization)，是一种具有高度创新性与启发性的元启发式算法，虽出现至今不过短短15年，却已经成为组合优化领域最具潜力的算法之一。

蚁群优化算法最初由意大利学者Marco Dorigo于1991年首次提出，用于解决著名的旅行商问题TSP(Traveling Salesman Problem)。受到蚂蚁在觅食过程中寻找食物与巢穴间之最短路径的高度自组织行为的启发，实际中的蚂蚁被抽象为具有基本简单行为的计算单元，它们的主要任务是寻找食物与巢穴之间最优的完整路径。一种被称作信息素的化学物质被释放在蚂蚁所经过的路径上，且释放的信息素量正比于路径所对应的问题解的好坏，这样就构成了所谓的正反馈机制。于是经过若干次迭代之后，所有的蚂蚁将逐渐收敛于一条次优或者有可能最优的路径上。应用于不同的NP难问题，蚁群优化算法被证明具有较强的鲁棒性且容易在实际系统中实现。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种基于蚁群优化的离散功率控制方法，针对功率往往只能以离散级别调整的实际情况，在满足最大功率限制条件的情况下，快速得到多小区间离散功率分配问题的近似最优解，实现降低小区间干扰、提升系统性能的目标。

(二)技术方案

为解决上述问题，本发明提供了一种基于蚁群优化的离散功率控制方法，包括以下步骤：

S1：各小区分别构建蚁群算法的搜索空间；

S2：初始化蚁群算法的各控制参数和算法执行的统计信息变量；

S3：依据当前的最优分配方式，对搜索空间中的所有路径进行启发式信息的计算；

S4：每小区自蚁巢释放一只蚂蚁，并初始化蚂蚁；

S5：每个小区蚂蚁独立进行解的构建；