CN201410788944.X _【中国发明,中国发明授权】一种基于预处理的分枝剪枝联合网络优化和波束成形方法

著录项

申请号: CN201410788944.X
申请日: 20141218
公开/公告号: CN104581780A
公开/公告日: 20150429
申请/专利权人: [哈尔滨工业大学]
发明/设计人: [徐玉滨, 王勇, 马琳, 崔扬, 刘宁庆]
主分类号: H04W24/02
IPC分类号: C12N 9/0008(2013.01) C12N 9/16
CPC分类号: C12N 9/0008(2013.01) C12N 9/16(2013.01)
分案申请地址
国省代码: 黑龙江(23)
颁证日: G06T1/00
代理人: [岳泉清]

摘要

一种基于预处理的分枝剪枝联合网络优化和波束成形方法，涉及无线通信领域。为了充分挖掘协作多点传输中联合传输的优势，实现功率优化和回程链路开销的折中，降低系统实现复杂度，本发明首先将功率消耗和回程链路开销折中的优化问题建模为一个非凸的混合整数规划问题，通过将非凸约束转变为凸约束，得到一个MI-SOCP问题，然后对二进制整数约束进行松弛处理，转化为一个SOCP问题。再将BnB法与切平面法相结合得到的BnC法，以及对部分二进制整数变量进行预处理，确定变量的取值，将两者相结合，从而大大降低了实现复杂度，优化功率和回程链路开销。本发明适用于无线网络领域中的信号处理。

法律状态

法律状态公告日	20180907
法律状态	授权
法律状态信息	授权

法律状态公告日	20150527
法律状态	实质审查的生效
法律状态信息	实质审查的生效 IPC(主分类):H04W 24/02 申请日:20141218

法律状态公告日	20150429
法律状态	公开
法律状态信息	公开

暂无数据

权利要求说明书

权利要求

权利要求数量（3）

独立权利要求数量（2）

层级视图 | 文本视图



1.一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征是：在集中式网络架构下，该架构下有L个基站，每个基站配有N根天线，用Λ＝{1,…,L}表示基站集，被调度的用户为K个单天线用户，K为正整数；

基于预处理的分枝剪枝联合网络优化和波束成形方法由以下步骤实现：

步骤一、根据基站总功率消耗模型和回程链路容量开销，建立功率和回程容量的折中模型：

$F = Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} - - - (1)$

其中，w lk为基站l到用户k的波束向量，正实数λ控制问题解的稀疏性，R k为用户的速率，η l为功率放大器的效率，为空闲时功率放大器的功率，a l∈{0,1}表征第 l个功率放大器的状态，表示基站的分配情况；执行步骤二；

步骤二、将非凸的信干噪比(SINR)约束转化为二阶锥约束，

${| | [h_{k}^{H} W, σ_{k}] | |}_{2} \leq ρ_{k} Re {h_{k}^{H} w_{k}}$

$Im {h_{k}^{H} w_{k}} 0, \forall k \in K - - - (2)$

建立SINR、功率等约束下的优化问题P1为：

P1: $\begin{matrix} \min_{w_{lk}, a_{l}, b_{lk}} & Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} \end{matrix}$

服从：C 11: ${| | [h_{k}^{H} W, σ_{k}] | |}_{2} \leq ρ_{k} Re {h_{k}^{H} w_{k}}$

C 12: $Im {h_{k}^{H} w_{k}} = 0$

C 2: $\sqrt{Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2}} \leq a_{l} \sqrt{P_{l}} - - - (3)$

C 3: ${| | w_{lk} | |}_{2} \leq b_{lk} \sqrt{P_{l}}$

C 4:a l＝{0,1}

C 5:b lk＝{0,1}

对优化问题P1进行松弛处理，得到松弛问题P2：

P2: $\begin{matrix} \min_{w_{lk}, a_{l}, b_{lk}} & Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} \end{matrix}$

服从：C 11,C 12,C 2,C 3

C 4:0≤a l≤1 (4)

C 5:0≤b lk≤1

执行步骤三；

步骤三、结合预处理与BnC方法，求解优化问题P1，具体流程为：

步骤三一、设置搜索树初始节点，即：松弛问题P2，如果代表一个节点的松弛问题P2的解不是整数可行解，那么选择一个松弛二进制变量进行分枝；

步骤三二、从当前节点，通过将变量置1或0产生两个子问题，两个子问题分别代表当前节点的两个子节点；

步骤三三、如果满足以下三个条件中的任意一个，则删除该节点及其根节点：

条件(1)、如果松弛问题P2没有可行解，那么删除该节点；

条件(2)、如果某一节点松弛问题P2有整数可行解，那么删除该节点，并记录该整数可行解；

条件(3)、如果某一节点松弛问题P2的最大目标值大于已知的整数可行解对应的最优目标值，那么删除该节点及其对应的子节点；执行步骤四；

步骤四、对二进制变量进行预处理，根据d lk和g lk的大小，如果d lk>d th，b lk＝0；如果d lk≤d th时，当g lk>g th，则b lk＝1，否则b lk＝0；将预处理结果代入执行步骤三中PBnC方法中，完成基于预处理的分枝剪枝联合网络优化和波束成形。

3.根据权利要求1所述的一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征在于步骤二所述将非凸的SINR约束转化为二阶锥约束、以及对优化问题 P1进行松弛处理的具体方法为：

对于优化问题P，将功率消耗和回程容量开销的折中建模为：

P: $\begin{matrix} \min_{w_{lk}, a_{l}, b_{lk}} & Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} \end{matrix}$

服从C 1: ${SINR}_{k} \geq γ_{k}, \forall k \in K$

C 2: $\sqrt{Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2}} \leq a_{l} \sqrt{P_{l}}, \forall l \in Λ - - (21)$

C 3: ${| | w_{lk} | |}_{2} \leq b_{lk} \sqrt{P_{l}}, \forall l \in Λ$

C 4: $a_{l} = {0,1}, \forall l \in Λ, k \in K$

C 5: $b_{lk} = {0,1}, \forall l \in Λ, k \in K$

其中，为了控制优化问题P的解的稀疏性，引入一个正实数λ，C2表示每个基站的最大发送功率受限，激活-关闭约束C3采用了大M方法，目的是为了确保w lk＝0时使得b lk＝0；

由于SINR约束条件C 1是非凸约束，因此，优化问题P是一个混合整数规划非凸优化问题，无法对其进行直接求解；

将SINR约束条件C 1转化为凸约束，如果波束成形w k满足SINR约束条件C 1，那么波束成形也满足该约束条件；即：波束成形w k和具有相同的功率；

因此，选择一个适当的夹角θ k能够使得为一个非负的实数；

SINR约束改写为：

$Σ_{i \neq k}^{K} {| h_{k}^{H} w_{i} |}^{2} + σ_{k}^{2} \leq \frac{1}{γ_{k}} {| h_{k}^{H} w_{k} |}^{2} - - - (22)$

两边同时加上有：

$Σ_{i = k}^{K} {| h_{k}^{H} w_{i} |}^{2} + σ_{k}^{2} \leq {(1 + \frac{1}{γ_{k}}) | h_{k}^{H} w_{k} |}^{2} - - - (23)$

令W＝[w 1,w 2,…,w K]，ρ k＝1+1/γ k，那么：

${| | [h_{k}^{H} W, σ_{k}] | |}_{2} \leq ρ_{k} Re {h_{k}^{H} w_{k}}$

$Im {h_{k}^{H} w_{k}} = 0, \forall k \in K - - - (24)$

将上式带入优化问题P得到一个混合整数二阶锥规划(MI-SOCP)，即优化问题 P1：

P1: $\begin{matrix} \min_{w_{lk}, a_{l}, b_{lk}} & Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} \end{matrix}$

subject to C 11:

C 12: $Im {h_{k}^{H} w_{k}} = 0, \forall k \in K$

C 2: $\sqrt{Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2}} \leq a_{l} \sqrt{P_{l}}, \forall l \in Λ - - (25)$

C 3: ${| | w_{lk} | |}_{2} \leq b_{lk} \sqrt{P_{l}}, \forall l \in Λ$

C 4: $a_{l} = {0,1}, \forall l \in Λ, k \in K$

C 5: $b_{lk} = {0,1}, \forall l \in Λ, k \in K$

当时，表示所有基站都处于激活状态；

对于任意的用户k，当时，表示每个用户只被一个基站服务，此时的问题求解相当于协作波束成形设计；

当时，表示完全协作，即每个用户都由系统中的所有基站服务；

$1 < Σ_{l = 1}^{L} b_{lk} < L, \forall k \in K$ 表示部分协作；

为了求解优化问题P1，首先对二进制变量做凸连续松弛处理，将该问题转化为一个连续的SOCP问题，

P2: $\begin{matrix} \min_{w_{lk}, a_{l}, b_{lk}} & Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} \end{matrix}$

服从C 11,C 12,C 2,C 3

C 4: $0 \leq a_{l} \leq 1, \forall l \in Λ, k \in K - - - (26)$

C 5: $0 \leq b_{lk} \leq 1, \forall l \in Λ, k \in K$

其中，约束条件C4和C5被扩展到[0,1]闭区间上，原来非连续约束变成了连续约束。

2.根据权利要求1所述的一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征在于步骤一所述根据基站总功率消耗模型和回程链路容量开销，建立功率和回程容量的折中模型具体为：

对每个用户的数据都采用波束成型，那么在第l个基站处的发送信号为：

$x_{l} = Σ_{k = 1}^{K} w_{lk} s_{k} - - - (5)$

其中，标量s k表示用户k的复信号，w lk∈C N×1为基站l到用户k的波束成型向量；用户k的接收信号表示为：

$y_{k} = Σ_{l = 1}^{L} h_{lk}^{H} w_{lk} s_{k} + Σ_{i \neq k}^{K} Σ_{l = 1}^{L} h_{lk}^{H} w_{li} s_{i} - - - (6)$

其中，为基站l到用户k的信道向量的共轭转置，为加性高斯噪声；当采用单用户检测时，用户k的接收SINR表示为：

${SINR}_{k} = \frac{| Σ_{l = 1}^{L} h_{lk}^{H} w_{lk} |^{2}}{Σ_{i \neq k}^{K} {| Σ_{l = 1}^{L} h_{lk}^{H} w_{li} |}^{2} + σ_{k}^{2}} = \frac{{| h_{k}^{H} w_{k} |}^{2}}{Σ_{i \neq k}^{K} {| h_{k}^{H} w_{i} |}^{2} + σ_{k}^{2}} - - - (7)$

其中，为L个基站到用户k的波束成形，如果基站l没有分配用户k的数据，那么波束向量为L个基站到k的信道矢量；

用户k的可达速率为：

R k＝log(1+SINR k) (8)

同时，假设每个BS的最大功率为P l，且满足：

$Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} \leq P_{l} - - - (9)$

基站功率消耗模型：每个基站的功率消耗费包括非发送功率和发送功率，非发送功率消耗中的直流功率是恒定的，而基站的发送功率依赖于功率放大器的状态；

引入一个二进制变量a l∈{0,1}来表征第l个功率放大器的状态，a l＝1表示功率放大器处于激活状态，否则，处于关闭状态；

同时，引入表示基站的分配情况，b lk＝1表示基站l服务于用户k，否则，基站l不分配用户k的数据；

可知，当b lk＝0时，对应的波束向量w lk＝0；

当基站l关闭时，即a l＝0，并且

因此，得到如下关系：

$a_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} = Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2}, \forall l \in Λ - - - (10)$

$w_{lk} = b_{lk} w_{lk}, \forall l \in Λ, k \in K - - - (11)$

假设基站l的直流功率用表示，空闲时功率放大器的功率为发送功率为那么，基站l总功率表示为：

$P_{l} = P_{l}^{OFT} + a_{l} (P_{l}^{IDL} + Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2}), \forall l \in Λ - - - (12)$

设直流功率为0或者直接将其去掉，因此，得到基站总功率为：

$P = Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} - - - (13)$

其中，η l为功率放大器的效率；

回程链路容量开销定义：对于速率为R k的用户，它所产生的回程开销为：

C k＝card(Φ k)R k (14)

其中，Φ k表示为用户k服务的基站集，card()表示求集合中元素的个数；

那么系统中总的回程链路容量开销为：

$C_{1}^{total} = Σ_{k = 1}^{K} C_{k} = Σ_{k = 1}^{K} {| | w_{k} | |}_{0} R_{k} - - - (15)$

其中，||·|| 0表示0元素的个数，即服务于用户k的基站个数；

从基站角度而言，基站l与中央处理器的回程链路容量开销为基站l服务的各个用户速率之和，即：

$C_{l} = Σ_{k = 1}^{K} {| | | | w_{lk} {| |}_{2} | |}_{0} R_{k} - - - (16)$

其中，||·|| 2表示欧式范数，即二范数；

所以，系统中总的回程链路容量开销为：

$C_{2}^{total} = Σ_{l = 1}^{L} C_{l} = Σ_{l = 1}^{L} Σ_{k = 1}^{K} {| | {| | w_{lk} | |}_{2} | |}_{0} R_{k} = Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} - - - (17)$

对比上述两种回程链路容量开销可知，

则对于总回程容量满足如下约束：

$C_{2}^{total} \leq C^{th} - - - (18)$

每个基站的回程满足如下约束：

$C_{l} \leq C_{l}^{th} - - - (19)$

为了实现功率消耗和回程容量开销的折中，将回程容量放到目标函数中进行优化，得到优化目标函数为：

$F = Σ_{l = 1}^{L} a_{l} P_{l}^{IDL} + Σ_{l = 1}^{L} η_{l} Σ_{k = 1}^{K} {| | w_{lk} | |}_{2}^{2} + λ Σ_{l = 1}^{L} Σ_{k = 1}^{K} b_{lk} R_{k} - - - (20)$

优化公式(15)得到的优化解，有相应的回程容量与各个基站的回程容量及总容量与之对应。

1.一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征是：在集中式网络架构下，该架构下有L个基站，每个基站配有N根天线，用Λ＝{1,…,L}表示基站集，被调度的用户为K个单天线用户，K为正整数；基于预处理的分枝剪枝联合网络优化和波束成形方法由以下步骤实现：步骤一、根据基站总功率消耗模型和回程链路容量开销，建立功率和回程容量的折中模型： F = Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k - - - ( 1 ) 其中，wlk为基站l到用户k的波束向量，正实数λ控制问题解的稀疏性，Rk为用户的速率，ηl为功率放大器的效率，为空闲时功率放大器的功率，al∈{0,1}表征第 l个功率放大器的状态，表示基站的分配情况；执行步骤二；步骤二、将非凸的信干噪比(SINR)约束转化为二阶锥约束， | | [ h k H W , σ k ] | | 2 ≤ ρ k Re { h k H w k } Im { h k H w k } 0 , ∀ k ∈ K - - - ( 2 ) 建立SINR、功率等约束下的优化问题P1为： P1: min w lk , a l , b lk Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k 服从：C11: | | [ h k H W , σ k ] | | 2 ≤ ρ k Re { h k H w k } C12: Im { h k H w k } = 0 C2: Σ k = 1 K | | w lk | | 2 2 ≤ a l P l - - - ( 3 ) C3: | | w lk | | 2 ≤ b lk P l C4:al＝{0,1} C5:blk＝{0,1} 对优化问题P1进行松弛处理，得到松弛问题P2： P2: min w lk , a l , b lk Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k 服从：C11,C12,C2,C3 C4:0≤al≤1 (4) C5:0≤blk≤1 执行步骤三；步骤三、结合预处理与BnC方法，求解优化问题P1，具体流程为：步骤三一、设置搜索树初始节点，即：松弛问题P2，如果代表一个节点的松弛问题P2的解不是整数可行解，那么选择一个松弛二进制变量进行分枝；步骤三二、从当前节点，通过将变量置1或0产生两个子问题，两个子问题分别代表当前节点的两个子节点；步骤三三、如果满足以下三个条件中的任意一个，则删除该节点及其根节点：条件(1)、如果松弛问题P2没有可行解，那么删除该节点；条件(2)、如果某一节点松弛问题P2有整数可行解，那么删除该节点，并记录该整数可行解；条件(3)、如果某一节点松弛问题P2的最大目标值大于已知的整数可行解对应的最优目标值，那么删除该节点及其对应的子节点；执行步骤四；步骤四、对二进制变量进行预处理，根据dlk和glk的大小，如果dlk>dth，blk＝0；如果dlk≤dth时，当glk>gth，则blk＝1，否则blk＝0；将预处理结果代入执行步骤三中PBnC方法中，完成基于预处理的分枝剪枝联合网络优化和波束成形。 2.根据权利要求1所述的一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征在于步骤一所述根据基站总功率消耗模型和回程链路容量开销，建立功率和回程容量的折中模型具体为：对每个用户的数据都采用波束成型，那么在第l个基站处的发送信号为： x l = Σ k = 1 K w lk s k - - - ( 5 ) 其中，标量sk表示用户k的复信号，wlk∈CN×1为基站l到用户k的波束成型向量；用户k的接收信号表示为： y k = Σ l = 1 L h lk H w lk s k + Σ i ≠ k K Σ l = 1 L h lk H w li s i - - - ( 6 ) 其中，为基站l到用户k的信道向量的共轭转置，为加性高斯噪声；当采用单用户检测时，用户k的接收SINR表示为： SINR k = | Σ l = 1 L h lk H w lk | 2 Σ i ≠ k K | Σ l = 1 L h lk H w li | 2 + σ k 2 = | h k H w k | 2 Σ i ≠ k K | h k H w i | 2 + σ k 2 - - - ( 7 ) 其中，为L个基站到用户k的波束成形，如果基站l没有分配用户k的数据，那么波束向量为L个基站到k的信道矢量；用户k的可达速率为： Rk＝log(1+SINRk) (8) 同时，假设每个BS的最大功率为Pl，且满足： Σ k = 1 K | | w lk | | 2 2 ≤ P l - - - ( 9 ) 基站功率消耗模型：每个基站的功率消耗费包括非发送功率和发送功率，非发送功率消耗中的直流功率是恒定的，而基站的发送功率依赖于功率放大器的状态；引入一个二进制变量al∈{0,1}来表征第l个功率放大器的状态，al＝1表示功率放大器处于激活状态，否则，处于关闭状态；同时，引入表示基站的分配情况，blk＝1表示基站l服务于用户k，否则，基站l不分配用户k的数据；可知，当blk＝0时，对应的波束向量wlk＝0；当基站l关闭时，即al＝0，并且因此，得到如下关系： a l Σ k = 1 K | | w lk | | 2 2 = Σ k = 1 K | | w lk | | 2 2 , ∀ l ∈ Λ - - - ( 10 ) w lk = b lk w lk , ∀ l ∈ Λ , k ∈ K - - - ( 11 ) 假设基站l的直流功率用表示，空闲时功率放大器的功率为发送功率为那么，基站l总功率表示为： P l = P l OFT + a l ( P l IDL + Σ k = 1 K | | w lk | | 2 2 ) , ∀ l ∈ Λ - - - ( 12 ) 设直流功率为0或者直接将其去掉，因此，得到基站总功率为： P = Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 - - - ( 13 ) 其中，ηl为功率放大器的效率；回程链路容量开销定义：对于速率为Rk的用户，它所产生的回程开销为： Ck＝card(Φk)Rk (14) 其中，Φk表示为用户k服务的基站集，card()表示求集合中元素的个数；那么系统中总的回程链路容量开销为： C 1 total = Σ k = 1 K C k = Σ k = 1 K | | w k | | 0 R k - - - ( 15 ) 其中，||·||0表示0元素的个数，即服务于用户k的基站个数；从基站角度而言，基站l与中央处理器的回程链路容量开销为基站l服务的各个用户速率之和，即： C l = Σ k = 1 K | | | | w lk | | 2 | | 0 R k - - - ( 16 ) 其中，||·||2表示欧式范数，即二范数；所以，系统中总的回程链路容量开销为： C 2 total = Σ l = 1 L C l = Σ l = 1 L Σ k = 1 K | | | | w lk | | 2 | | 0 R k = Σ l = 1 L Σ k = 1 K b lk R k - - - ( 17 ) 对比上述两种回程链路容量开销可知，则对于总回程容量满足如下约束： C 2 total ≤ C th - - - ( 18 ) 每个基站的回程满足如下约束： C l ≤ C l th - - - ( 19 ) 为了实现功率消耗和回程容量开销的折中，将回程容量放到目标函数中进行优化，得到优化目标函数为： F = Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k - - - ( 20 ) 优化公式(15)得到的优化解，有相应的回程容量与各个基站的回程容量及总容量与之对应。 3.根据权利要求1所述的一种基于预处理的分枝剪枝联合网络优化和波束成形方法，其特征在于步骤二所述将非凸的SINR约束转化为二阶锥约束、以及对优化问题 P1进行松弛处理的具体方法为：对于优化问题P，将功率消耗和回程容量开销的折中建模为： P: min w lk , a l , b lk Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k 服从C1: SINR k ≥ γ k , ∀ k ∈ K C2: Σ k = 1 K | | w lk | | 2 2 ≤ a l P l , ∀ l ∈ Λ - - ( 21 ) C3: | | w lk | | 2 ≤ b lk P l , ∀ l ∈ Λ C4: a l = { 0,1 } , ∀ l ∈ Λ , k ∈ K C5: b lk = { 0,1 } , ∀ l ∈ Λ , k ∈ K 其中，为了控制优化问题P的解的稀疏性，引入一个正实数λ，C2表示每个基站的最大发送功率受限，激活-关闭约束C3采用了大M方法，目的是为了确保wlk＝0时使得blk＝0；由于SINR约束条件C1是非凸约束，因此，优化问题P是一个混合整数规划非凸优化问题，无法对其进行直接求解；将SINR约束条件C1转化为凸约束，如果波束成形wk满足SINR约束条件C1，那么波束成形也满足该约束条件；即：波束成形wk和具有相同的功率；因此，选择一个适当的夹角θk能够使得为一个非负的实数； SINR约束改写为： Σ i ≠ k K | h k H w i | 2 + σ k 2 ≤ 1 γ k | h k H w k | 2 - - - ( 22 ) 两边同时加上有： Σ i = k K | h k H w i | 2 + σ k 2 ≤ ( 1 + 1 γ k ) | h k H w k | 2 - - - ( 23 ) 令W＝[w1,w2,…,wK]，ρk＝1+1/γk，那么： | | [ h k H W , σ k ] | | 2 ≤ ρ k Re { h k H w k } Im { h k H w k } = 0 , ∀ k ∈ K - - - ( 24 ) 将上式带入优化问题P得到一个混合整数二阶锥规划(MI-SOCP)，即优化问题 P1： P1: min w lk , a l , b lk Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k subject to C11: C12: Im { h k H w k } = 0 , ∀ k ∈ K C2: Σ k = 1 K | | w lk | | 2 2 ≤ a l P l , ∀ l ∈ Λ - - ( 25 ) C3: | | w lk | | 2 ≤ b lk P l , ∀ l ∈ Λ C4: a l = { 0,1 } , ∀ l ∈ Λ , k ∈ K C5: b lk = { 0,1 } , ∀ l ∈ Λ , k ∈ K 当时，表示所有基站都处于激活状态；对于任意的用户k，当时，表示每个用户只被一个基站服务，此时的问题求解相当于协作波束成形设计；当时，表示完全协作，即每个用户都由系统中的所有基站服务； 1 < Σ l = 1 L b lk < L , ∀ k ∈ K 表示部分协作；为了求解优化问题P1，首先对二进制变量做凸连续松弛处理，将该问题转化为一个连续的SOCP问题， P2: min w lk , a l , b lk Σ l = 1 L a l P l IDL + Σ l = 1 L η l Σ k = 1 K | | w lk | | 2 2 + λ Σ l = 1 L Σ k = 1 K b lk R k 服从C11,C12,C2,C3 C4: 0 ≤ a l ≤ 1 , ∀ l ∈ Λ , k ∈ K - - - ( 26 ) C5: 0 ≤ b lk ≤ 1 , ∀ l ∈ Λ , k ∈ K 其中，约束条件C4和C5被扩展到[0,1]闭区间上，原来非连续约束变成了连续约束。

说明书

技术领域

本发明涉及无线通信领域。

背景技术

随着高数据速率的应用要求，如高质量无线视频流等的爆炸式增长，对第五代无线通信系统(5G)提出了更高的要求。预计在2020年能够实现最小化功率消耗的同时大幅度的提升频谱效率(1000倍)。然而，尽管蜂窝式的网络架构能够支持大面积覆盖和用户移动性，但并不能实现在频谱效率上突破。为了达到上述要求，一些新的网络架构、先进的信号处理技术等逐渐被提出。随着微蜂窝、微微蜂窝等微型基站的普遍使用，各基站到用户间的距离大幅度减小。基站的数据经过较短距离的衰减被用户接收，大大的降低了基站端的功率。尽管基站间可以通过协作(协作多点传输，CoMP)来提高频谱效率，但随着基站数量的增多，用户受到相邻基站的干扰也会越来越严重。发送端只有增加发送功率，才能满足一定的用户QoS需求。在全频率复用条件下，发送功率的增加，将给其他用户带来更严重的干扰。

在LTE-A中，协作多点传输(CoMP)包括联合传输(JP)或者协作波束成形/协作调度(CB/CS)。JP方式中，由于各个发送端通过共享用户数据和信道状态信息(CSI)，将干扰信号转化为了有用信号，相比于CB/CS方式，JP方式能够获得更高的频谱效率，由于共享用户数据，需要更大的开销。在规模较大的网络中，采用JP方式是不现实的，因此，如何保证用户频谱效率的同时，用较少的基站进行协作，实现频谱效率和协作开销的折中？在火车站、飞机场及一些大型购物场所，为了满足巨大的业务量需求，需要布置很多的发射基站，然而，在业务量小(如夜间)时，大部分基站处于空闲状态，造成巨大的功率开销，因此，为了降低功率消耗，根据当前网络业务情况，只采用一部分基站为用户服务，关闭其他基站，大大降低了功率的消耗。同时，考虑到当基站和用户数较多时，采用JP方式会给回程链路造成巨大的开销。因此，为了实现节能和开销的折中，本发明在集中式网络架构下，联合网络优化和波束成形设计。尽管如此，求解该问题的计算复杂度非常高。

发明内容

附图说明

图1是多小区集中式网络构架图。图中：标记B表示用户，标记A表示基站，标记C表示回程链路，标记D表示数据链路。

价值度评估

技术价值

经济价值

法律价值

0 0 0

55.0分

0 50 75 100



0~50 50~75 75~100 价值较低中等价值价值较高

专利价值度是通过科学的评估模

型对专利价值进行量化的结果，

基于专利大数据针对专利总体特

征指标利用计算机自动化技术对

待评估专利进行高效、智能化的

分析，从技术、经济和法律价值

三个层面构建专利价值评估体

系，可以有效提升专利价值评估

的质量和效率。

总评：55.0分

该专利价值中等（仅供参考）

该专利的技术、经济、法律价值经系统自动评估后的总评得分处于平均水平，可以重点研究利用其技术价值，根据法律价值的评估结果选择合适的使用借鉴方式。
本专利文献中包含【1 个实施例】、【2 个技术分类】，从一定程度上而言上述指标的数值越大可以反映出所述专利的技术保护及应用范围越广。【专利权的维持时间10 年】专利权的维持时间越长，其价值对于权利人而言越高。

技术价值 29.0

该指标主要从专利申请的著录信息、法律事件等内容中挖掘其技术价值，专利类型、独立权利要求数量、无效请求次数等内容均可反映出专利的技术性价值。技术创新是专利申请的核心，若您需要进行技术借鉴或寻找可合作的项目，推荐您重点关注该指标。

部分指标包括：

授权周期（发明）

44 个月

独立权利要求数量

1 个

从属权利要求数量

2 个

说明书页数

14 页

实施例个数

1 个

发明人数量

5 个

被引用次数

0 次

引用文献数量

0 个

优先权个数

0 个

技术分类数量

2 个

无效请求次数

0 个

分案子案个数

0 个

同族专利数

0 个

专利获奖情况

无

保密专利的解密

否

经济价值 7.0

该指标主要指示了专利技术在商品化、产业化及市场化过程中可能带来的预期利益。专利技术只有转化成生产力才能体现其经济价值，专利技术的许可、转让、质押次数等指标均是其经济价值的表征。因此，若您希望找到行业内的运用广泛的热点专利技术及侵权诉讼中的涉案专利，推荐您重点关注该指标。

部分指标包括：

申请人数量

1

申请人类型

院校

许可备案

0 次

权利质押

0 次

权利转移

0 个

海关备案

否

法律价值 19.0

该指标主要从专利权的稳定性角度评议其价值。专利权是一种垄断权，但其在法律保护的期间和范围内才有效。专利权的存续时间、当前的法律状态可反映出其法律价值。故而，若您准备找寻权属稳定且专利权人非常重视的专利技术，推荐您关注该指标。

部分指标包括：

存活期/维持时间

10

法律状态

有权-审定授权

发明人

徐玉滨

王勇

马琳

崔扬

刘宁庆

【中国发明,中国发明授权】一种基于预处理的分枝剪枝联合网络优化和波束成形方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

创新宝

资源

佰腾旗下产品及服务