[发明专利]基于在线NOMA多天线系统的波束成形优化方法

摘要

本发明考虑在线模式，借鉴李雅普诺夫理论解决数据因果性，将长期时间平均优化问题化成每个时刻的优化问题，利用凹凸优化算法引入松弛变量，进行多维一阶泰勒展开，解决目标函数和约束非凸的问题，通过迭代得到每个时刻最优的波束成形和功率分配方案。

主权项

1.基于李雅普诺夫理论的在线NOMA多天线系统的波束成形优化方法，其中所述多天线系统包括一个多天线基站和2K个单天线接收用户，2K个接收用户通过分簇算法组成K个簇，每个簇包含2个用户，分别为1个强用户和1个弱用户；考虑一个时间段有M个时刻，每个时刻有K+1个时间片段，第一个时间片段基站用NOMA发送信息，剩下K个时间片段由K个强用户解码转发信息给K个簇内弱用户；假设基站端能够完全知道整个网络系统的信道状态信息,基站到第K个簇内强用户的信道响应表示为hk，m，到第K个簇内弱用户的信道响应表示为gk，m，簇内强用户到弱用户的信道响应表示为fk，m；其特征在于：所述波束成形优化方法包括有以下步骤：S1.构建满足强用户可达速率、传输功率、数据因果性的约束下，最大化时间段内弱用户的平均和速率的问题模型：s.t.Ck，m，2≤Ak，m≤Dmax，其中第m个时刻第k个簇内强用户传输速率为Rk，m，1＝αlog2(1+γk，m，1，1)，第m个时刻第k个簇内弱用户传输速率为其中，v_k，m是第m个时刻第k个簇强用户的波束成形向量，w_k，m是第m个时刻第k个簇弱用户的波束成形向量；D_k，m为第m个时刻第k个簇强用户的数据缓存队列，C_k，m，2为第m个时刻从缓存队列离开的信息量，D^max为缓存队列的门限；r_k为第k个簇强用户传输速率约束；为基站最大传输功率约束；P_k，m为第m个时刻第k个簇内强用户转发信息给弱用户的传输功率，为强用户最大转发功率约束；表示系统内共有个簇，表示总时间为个时刻；α＝BT/(K+1)，B为带宽，T为时刻长度；γ_{k，m，1，1}为第m个时刻第k个簇强用户解码自身信息的信干噪比；γ_{k，m，1，2}为第m个时刻第k个簇内强用户解码弱用户信息的信干噪比；γ_{k，m，2，2}为第m个时刻第k个簇内弱用户解码自身信息的信干噪比；γ_{k，m，2，3}为第m个时刻第k个簇内强用户转发信息给弱用户的信干噪比；S2.利用李雅普诺夫理论将数据因果性约束转化并将原来的优化时间段内的平均问题转化为每个时刻的优化问题：对于一组可行解vk，m，wk，m，Pk，m，李雅普诺夫加权罚函数有上界：其中第m+1时刻进入队列的信息量最大值为第m时刻离开队列的信息量最大值为θ_k为队列扰动因子，ρ为控制参数；将S1的问题模型转化为在每个时刻中，最小化加权罚函数的上界:s.t.Rk，m，1≥rk，S3.步骤S2转化后的问题模型中，目标函数和约束条件都含有非凸项，采用凹凸优化迭代算法进行求解，目标函数首先引入松弛变量d_k，m，令Θ_k＝log₂(1+d_k，m)‑log₂(1+|f_k，m|²P_k，m/σ²)，为关于Θ_k的一阶泰勒展开：其中为前一次迭代的最优值；将约束条件在点和点进行多维一阶泰勒展开为：其中，为前一次迭代的最优值；S4.在凹凸优化算法的第l+1次迭代中，已知第l次迭代的最优解采用内点法执行步骤S41～S45求解下面的问题：S41.设置系统参数，初始化参数m＝0，Dk，m＝0；S42.初始化迭代系数l＝0，给定一组满足约束条件的波束成形向量和功率分配值S43.通过内点法计算下方凸问题得到新的波束成形向量和功率分配值S44.计算弱用户的传输速率，检验是否收敛，若收敛，结束此过程，当前所得功率分配结果即为最优功率分配方案；否则设置l：＝l+1：并以本次迭代所得功率分配结果为下次迭代初始值，跳转到步骤S43；S45.更新m：＝m+1，更新Dk，m，重复步骤S42‑S44直到m＞M。