[发明专利]大规模MIMO系统的联合多中继选择与时隙资源配置方法

摘要

本发明涉及一种大规模MIMO系统的联合多中继选择与时隙资源配置方法，发明结合量子优化机制与白蚁群优化机制的优势，利用量子白蚁群优化方法来解决Massive MIMO系统的多中继选择与时隙资源配置这一复杂的混合优化问题，具有搜索速度快、全局搜索能力强的优点。本发明结合无线能量采集技术，可显著减少Massive MIMO协作通信系统信息传输过程中的能量消耗，通过用户终端与干扰中继分别向窃听器发送干扰信号以降低窃听器的信干噪比，能够有效提高Massive MIMO系统的保密容量，保证通信系统的安全性与可靠性。

主权项

1.一种大规模MIMO系统的联合多中继选择与时隙资源配置方法，其特征在于，包括以下步骤：步骤一：建立Massive MIMO协作通信系统模型，具体为：Massive MIMO协作通信系统由一个配置M根天线的基站、用户、L个放大‑转发半双工中继和窃听器组成，用户、各中继和窃听器均为单天线设备，与基站共享带宽为B的授权频带，假设所有噪声均为功率谱密度为N₀的高斯白噪声，则噪声功率σ²＝BN₀，信息传输的每一帧分为两个不同的时隙：TS1和TS2，在TS1，基站向中继发送信号，用户在基站传输信息的同时向窃听器发送干扰信号，则第j(j＝1,2,…,L)个中继r_j接收到的信号y_j为：其中，s_BS和s_u为基站和用户发送的单位能量信号，p_BS和p_u为基站和用户的发送功率，w为基站的预编码矩阵，(.)^H表示共轭转置，h_BS,j表示基站到中继r_j的信道状态信息，h_j,u为中继r_j到用户的信道状态信息，n_j为中继r_j接收到的噪声，将y_j归一化，得到：其中，||.||表示求向量的范数，|.|表示求变量的模；在TS1，窃听器接收到的信号为：其中，h_BS,e表示基站到窃听器的信道状态信息，h_u,e为用户到窃听器的信道状态信息，为窃听器在TS1接收到的噪声，窃听器在基站传输信息过程中收到的信干噪比为：在基站传输信息的同时，各中继采集自身收到的无线信号的能量，则中继r_j在TS1采集到的能量E_j为：E_j＝η(p_BS||w^Hh_BS,j||²+p_u|h_j,u|²+σ²)αT其中，η为能量采集率，α为时隙分配系数，T为信息传输的子帧时长；在TS2，一部分中继向用户转发在TS1接收到的信号，其余中继向窃听器发送干扰信号，通过0‑1中继选择向量b＝[b₁,b₂,…,b_L]表示中继选择结果，若b_j＝1，则选择中继r_j进行数据传输，利用该中继在TS1采集到的能量向用户发送信号；若b_j＝0，则中继r_j对窃听器发送干扰信号；中继对用户产生的总干扰不得超过用户的干扰门限I_th，中继r_j采用的功率控制策略为：其中，min{.}表示取一组数中的最小值，N表示对窃听器发送干扰信号的中继总数；窃听器在TS2收到的信号为：其中，h_j,e和h_k,e分别为中继r_j和中继r_k(k＝1,2,…,L,k≠j)到窃听器的信道状态信息，s_k为中继r_k发送的干扰信号，为窃听器在TS2接收到的噪声，令为与中继选择变量b_k相关的变量，若b_k＝0，若b_k＝1，窃听器在中继传输信息过程中收到的信干噪比为：其中，p_TS为窃听器在TS2接收到的干扰信号功率之和，具体可表示为：故窃听器在基站到用户的信息传输过程中收到的信干噪比为：其中，max{.}表示取一组数中的最大值；在TS2，通过自干扰消除方法，用户收到的信号为：其中，h_k,u为中继r_k到用户的信道状态信息，n_u为用户接收到的噪声，用户在中继传输信息过程中收到的信干噪比γ_u为：则Massive MIMO中继系统的保密容量为：R(b,α)＝max{(1‑α)B[log₂(1+γ_u)‑log₂(1+γ_e)],0}步骤二：初始化量子白蚁群及系统参数，具体为：设定量子白蚁群中量子白蚁数目为H，量子白蚁位置的维数为D，D表示待求解问题的维数，对待求解的离散变量采用二进制比特编码，连续变量采用K个二进制比特编码，则对于Massive MIMO系统的联合多中继选择与时隙资源配置问题，量子白蚁位置的维数D＝L+K；用t表示迭代次数，则第i只量子白蚁第t次迭代的量子位置为其中，i＝1,2,…,H，d＝1,2,…,D；第i只量子白蚁的位置可通过对它的量子位置测量得到，测量方程为：其中，为[0,1]间的均匀随机数，初始时，令t＝0，量子白蚁i的初始位置为量子白蚁i的局部最优位置为步骤三：计算量子白蚁所在位置的适应值，具体为：将第i只量子白蚁第t次迭代的位置映射为Massive MIMO协作通信系统需要优化的向量即Massive MIMO系统的多中继选择与时隙资源配置方案，通过适应度函数计算量子白蚁的适应值，其中exp{.}表示指数函数，对量子白蚁群中所有量子白蚁的适应值进行分析，将第i只量子白蚁迄今为止所搜到的适应值最小的位置记为局部最优位置将整个量子白蚁群迄今为止所搜到的适应值最小的位置记为全局最优位置步骤四：根据演化规则，更新量子白蚁的量子位置和位置，具体为：量子白蚁的信息素为与适应值相关的函数，根据下式把量子白蚁i的适应值转化为相应的信息素含量其中，ρ∈[0,1]为信息素蒸发率，为量子白蚁i上一次迭代所在位置的信息素含量，量子白蚁i根据如下规则得到它相应的学习邻域：其中，为第i只量子白蚁学习邻域的标号集合，为第i只量子白蚁的动态搜索半径，为量子白蚁l的第d维位置，为量子白蚁l所在位置的信息素含量，量子白蚁i的学习邻域标号集合中标号的数量代表量子白蚁i的学习邻域中量子白蚁的数量，将量子白蚁i学习邻域内信息素含量最大的量子白蚁的位置记为量子白蚁i按照如下规则演进：其中，为更新后的量子白蚁群中第i只量子白蚁的第d维量子旋转角，为更新后的量子白蚁i的第d维量子位置，为空集，为[0,1]间的均匀随机数，ε为量子白蚁在量子旋转角为0时量子位置的变异概率，abs(.)表示取绝对值，c₁、c₂、c₃、c₄、c₅为影响因子；c₁、c₂、c₃分别表示学习邻域非空时，第i只量子白蚁的局部最优位置、学习邻域内信息素含量最大的位置和全局最优位置对量子旋转角的影响程度；c₄和c₅表示学习邻域为空时，第i只量子白蚁的局部最优位置和全局最优位置对量子旋转角的影响程度；根据量子白蚁i更新后的量子位置，通过测量方程，得到量子白蚁i更新后的位置；步骤五：根据映射规则，得到新的量子白蚁i的位置对应的多中继选择与时隙资源配置向量计算更新后的量子白蚁的适应值，经贪婪选择机制，更新量子白蚁的局部最优位置，其过程如下所示：将更新后的量子白蚁群中适应值最小的局部最优位置记为全局最优位置步骤六：如果迭代次数小于预先设定的最大迭代次数，令t＝t+1，返回步骤四；否则，终止迭代，输出量子白蚁群的全局最优位置经映射规则，得到Massive MIMO系统最佳的联合多中继选择与时隙资源配置方案。