[发明专利]一种最大化最小能效多小区大规模MIMO波束域功率分配方法

权利要求书

1.一种最大化最小能效多小区大规模MIMO波束域功率分配方法，其特征在于，该方法包括如下步骤：

1)构建小区簇并配置天线阵列，通过波束赋形生成波束集合：

将若干个小区构建为一个小区簇，且小区簇内各小区的基站配置大规模天线阵列，并通过波束赋形生成能够覆盖全部小区的大规模波束集合；

2)获取小区簇内各用户的统计信道状态信息：

所述统计信道状态信息的获取包括用户反馈、基站直接估计来获取，或通过上行探测信号获取；

3)将所述统计信道状态信息发送至中央处理中心，并进行多小区大规模MIMO波束域功率分配：

所述中央处理中心利用确定性等同方法、MM迭代算法和Dinkelbach变换，使用集中式或者分布式算法进行功率分配，其中，最大化最小能效多小区大规模MIMO波束域功率分配优化问题的优化目标为各小区能效的加权最小值，优化变量为各个基站发送信号的协方差矩阵，约束条件为各基站发送信号的协方差矩阵满足功率约束；

所述多小区大规模MIMO波束域功率分配表示为：

且，

其中，U为小区的总个数，K_u为第u个小区的用户数，用户的集合为M为小区的基站天线数，N_k,u为每个用户的天线数，Λ_k,u为第u个小区的基站发送给该小区第k个用户的信号的协方差矩阵，w_u为第u个小区的能效的权重因子，ξ_u(＞1)为基站放大系数，P_c,u为每根天线上耗散的动态功率，P_s,u为在硬件中耗散的静态电路功率，P_max,u为基站的发送功率约束，为N_k,u×N_k,u的单位矩阵，σ²为噪声方差，表示对矩阵G_k,u,v进行共轭转置；

功率分配矩阵基于集中式算法或分布式算法求解，包括：

集中式算法：通过Dinkelbach变换后得到凸优化子问题的目标函数为最小值函数，引入辅助变量表示小区能效的最小值，得到目标函数连续的等价问题；

利用等价问题的KKT条件求解与此问题等价的分式方程，并对分式方程进行求解，得到功率分配矩阵；

分布式算法：将Dinkelbach变换后的子问题转换为每个小区分别求解本小区功率分配矩阵的问题，小区之间只进行有限的信息交换；

对于每个小区的功率分配问题，利用问题的KKT条件得到与此问题等价的分式方程，对分式方程进行求解，解出功率分配矩阵；循环迭代上述过程直至目标函数收敛；

4)根据统计信道状态信息的变化动态实施多小区大规模MIMO波束域功率分配：

当用户在通信过程中发生移动时，基站与用户之间的统计信道状态信息会发生变化，各基站动态实施波束域功率分配，该最大化最小能效多小区大规模MIMO波束域功率分配过程动态更新。

2.如权利要求1所述的最大化最小能效多小区大规模MIMO波束域功率分配方法，其特征在于：所述基站通过相同的酉变换生成能够覆盖整个小区的大规模波束，每个波束对空间资源进行划分，且基站在生成的波束域与该小区的用户进行通信。

3.如权利要求1或2所述的最大化最小能效多小区大规模MIMO波束域功率分配方法，其特征在于：所述信道状态信息为波束域特征模式能量耦合矩阵，其获取还包括以下步骤：

小区的用户在上行信道探测阶段发送上行探测信号至基站；

基站根据接收到的探测信号估计波束域统计信道状态信息，第ν个小区的基站到第u个小区第k个用户的统计信道状态信息为：

其中，G_k,u,v为第ν个小区的基站到第u个小区第k个用户的波束域信道矩阵，表示期望运算，⊙表示矩阵的阿达玛积，为矩阵G_k,u,v的共轭矩阵。