高能效大规模天线系统中下行链路关键参数的设计方法

摘要

本发明公开了一种高能效大规模天线系统中下行链路关键参数的设计方法，属于通信领域，通过该方法，可获得使大规模天线系统下行链路能量效率最高的系统参数，包括基站天线数目M，小区用户数目K，和基站发射功率PT。本发明提供的参数设计方法分为“用户分布模型参数计算”和“系统能量效率分析及优化计算”两步。“用户分布模型参数计算”包括：统计基站覆盖范围内用户与基站的距离信息，建立实际的用户分布模型；计算相应用户分布模型的关键参数。“系统能量效率分析及优化计算”包括：推导高能效大规模天线系统下行链路的能量效率表达EE＝f(M,K,PT)；根据系统的资源配置条件，分析得到几种不同情况，并进一步得到每种情况下的最佳参数

说明书

技术领域

本发明涉及通信领域，特别涉及一种高能效大规模天线系统中下行链路关 键参数的设计方法。

背景技术

大规模天线(Massive MIMO)技术是传统MIMO技术的扩展，通过在基站 配置上百根天线来服务数十个用户，理论上能够大幅提升系统的能量效率。据 现有文献报道，天线的发射功率随着天线数目的增长呈线性下降趋势。然而,该 结论是建立在不考虑基站电路功率损耗的基础上的。实际系统中，除了天线发 射功率，每根天线的配套硬件如数模转换器，功率放大器，滤波器等设备都需 要消耗能量。当天线数目增大时，电路部分的功耗将显著增加，因此在设计一 个高能效的通信系统时，如何寻求最佳的平衡显得至关重要。

现有文献中提高大规模天线系统下行链路能量效率的方法，主要有：(1) 优化波束成型器，控制基站端波束的发射方向；(2)针对小区中用户的需要， 在基站端进行功率控制；(3)对于低负载的环境，基站采用不连续(DTX)的 数据发送方式。

对现有方法进行分析后，发明人发现：文献中所提到的方法都是在系统建 立之后，通过优化功率，波束等来提高能量效率，或是过于复杂，可行性方面 有所欠缺，或是适用范围狭窄，具有一定的局限性。方法(1)需要获得全部信 道信息，进行最优波束成型器的求解，相对比较复杂，不易实现。方法(2)中 功率控制的范围受收发硬件动态范围的限制，具有一定的局限性。方法(3)只 适用于低负载的环境，对于高负载的小区，该方法不能使用。

用户分布是大规模天线系统中另一个关键的问题。现有文献中的系统分析 和优化大都假设用户服从均匀分布，但实际上，用户的分布状况一方面受到物 理环境因素的制约，比如道路，河流，建筑，公园等；一方面受到人群聚集的 影响，比如像购物中心，机场等高度集中的热点区域；在地理空间上往往呈现 非均匀分布，因此针对更为实际的非均匀分布模型进行优化具有重要价值。

发明人从普适的非均匀用户分布模型出发，以系统平均区域谱效的闭式表 达作为切入点，建立系统能量效率函数，在此基础上提出设计基站天线数目M， 小区用户数目K，和基站发射功率P_T这三个关键参数的简便方法，提升大规模 天线系统下行链路的能量效率。

发明内容

本发明的目的是针对现状中用户分布模型不够实际，系统能量效率较低的 问题，提供一种高能效大规模天线系统中下行链路关键参数的设计方法。

高能效大规模天线系统中下行链路关键参数的设计方法：统计基站覆盖范 围内用户与基站的距离信息，获得实际的用户分布模型；计算相应用户分布模 型的关键参数；推导大规模天线系统下行链路的能量效率表达式EE＝f(M,K,P_T)； 根据系统的资源配置条件，分析得到几种不同情况，并进一步得到每种情况下 的最佳参数

所述的实际的用户分布模型包括：

(1)如果用户在小区中心集中分布，采用中心集中的用户分布模型，用户 分布的概率密度函数采用如下公式

$f\left(r\right)=\frac{a{(R-r)}^2+2r}{R^2-r_0^2}b,r_0\le r\le R$

其中，R表示小区半径，r₀表示用户距离基站的最小距离，a和b是与用户 分布模型有关的关键参数；

(2)如果用户在小区边缘集中分布，采用边缘集中的用户分布模型，用户 分布的概率密度函数采用如下公式

$f\left(r\right)=\frac{{\mathrm{ar}}^2+2r}{R^2-r_0^2}b,r_0\le r\le R$

其中，R表示小区半径，r₀表示用户距离基站的最小距离，a和b是与用户 分布模型有关的关键参数。

所述的关键参数a和b的计算包括：

(1)如果是中心集中的用户分布模型，a控制用户趋近小区中心的程度，a 越大，表明更多的用户分布在小区的中心区域，反之亦然，a＝0时，用户服从 均匀分布，b是概率密度函数的归一化常数，通过计算可得

$b=\frac{3(R+r_0)}{a{(R-r_0)}^2+3(R+r_0)}$

所述中心集中的用户分布模型为大型商场，街道；

(2)如果是边缘集中的用户分布模型，a控制用户趋近小区边缘的程度，a 越大，表明更多的用户分布在小区的边缘区域，反之亦然，a＝0时，用户服从 均匀分布，b是概率密度函数的归一化常数，通过计算可得

$b=\frac{3(R+r_0)}{a(R^2+{\mathrm{Rr}}_0+r_0^2)+3(R+r_0)}$

所述的系统的资源配置条件，包括给定(M,K,P_T)的任意两个参数，任意一 个参数和零个参数三种情况，由此，产生了三种不同的优化方法：包括单变量 优化方法、双变量联合优化方法和三变量联合优化方法。

所述的单变量优化方法为：给定(M,K,P_T)这三个参数中的任意两个，优化 另一个参数，对于单独优化基站天线数目M和基站发射总功率P_T这两种情况， 通过闭式解M^opt和直接求出，而对于单独优化用户数目K的情况，需要借助 在有限空间里使系统的能量效率最高，获得最优值K^opt。

所述的双变量联合优化方法为：给定(M,K,P_T)这三个参数中的任意一个， 优化另外两个参数，包括：

(1)给定用户数目K，联合优化基站天线数目M和基站发射功率P_T；

S100、算法开始运行时，设置初始基站发射功率P_T＞0；

S101、更新基站天线数目M为M^opt；

S102、更新发射功率P_T为

S103、循环执行步骤S101和S102，直到算法收敛，获得最优的基站天线 数目M^opt和基站发射功率

其中算法收敛的判断条件为整数M不再变化；

(2)给定基站天线数目M，联合优化用户数目K和基站发射功率P_T；

S110、算法开始运行时，设置初始基站发射功率P_T＞0；

S111、更新发射功率P_T为

S112、优化用户数目K为K^opt；

S113、循环执行步骤S111和S112，直到算法收敛，获得最优的用户数目K^opt和基站发射功率

其中算法收敛的判断条件为整数K不再变化；

(3)给定基站天线数目P_T，联合优化用户数目K和基站发射功率M；

S120、算法开始运行时，设置初始用户数目K＝1；

S121、更新基站天线数目M为M^opt；

S122、对M^opt取四舍五入，优化用户数目K为K^opt；

S123、循环执行步骤S121和S122，直到算法收敛，获得最优的用户数目K^opt和基站发射功率M^opt；

其中算法收敛的判断条件为整数K和M不再变化。

所述的三变量联合优化方法为：对(M,K,P_T)这三个参数进行联合优化；

S20、算法开始运行时，设置初始基站发射功率P_T＞0，用户数目K＝1，基 站天线数目M＝3；

S21、更新用户数目K为K^opt；

S22、更新基站天线数目M为M^opt；

S23、更新发射功率P_T为

S24、循环执行步骤S21到S23，直到算法收敛，获得最优的三个重要系统 参数

其中算法收敛的判断条件为整数K和M不再变化。

本发明的有益效果为：

(1)本发明考虑到用户分布受物理环境的制约和人群聚集的影响，建立一 种更为实际的用户分布模型，包括中心集中和边缘集中两种模式，可以调整模 型相关参数来适应不同的用户分布场景。避免了传统均匀分布模型的不实际性。

(2)本发明针对不同的系统需求，优化(M,K,P_T)这三个重要系统参数，使 得系统能量效率最高，相比于传统功率控制或波束成型的方法，具有算法复杂 度低的优点。通过优化设计，节省了部分资源与开销，系统能量效率得到最大 化的提升，符合绿色通信的理念。

附图说明

图1是大规模天线系统的重要参数设计方法流程图；

图2(a)是本发明的中心集中的用户分布图；

图2(b)是本发明的边缘集中的用户分布图；

图3是本发明在不同用户分布和天线数目的情况下，能量效率随用户数目 的变化；

图4是本发明在给定用户数目的情况下，联合优化基站天线数目和发送功 率得到的曲线。

具体实施方式

高能效大规模天线系统中下行链路关键参数的设计方法的步骤如下：

统计基站覆盖范围内用户与基站的距离信息，获得实际的用户分布模型； 计算相应用户分布模型的关键参数；推导大规模天线系统下行链路的能量效率 表达EE＝f(M,K,P_T)；根据系统的资源配置条件，分析得到几种不同情况，并 进一步得到每种情况下的最佳参数

所述的实际的用户分布模型包括：

(1)如果用户在小区中心集中分布，采用中心集中的用户分布模型，用户 分布的概率密度函数采用如下公式

$f\left(r\right)=\frac{a{(R-r)}^2+2r}{R^2-r_0^2}b,r_0\le r\le R$

其中，R表示小区半径，r₀表示用户距离基站的最小距离，a和b是与用户 分布模型有关的关键参数；

(2)如果用户在小区边缘集中分布，采用边缘集中的用户分布模型，用户 分布的概率密度函数采用如下公式

$f\left(r\right)=\frac{{\mathrm{ar}}^2+2r}{R^2-r_0^2}b,r_0\le r\le R$

其中，R表示小区半径，r₀表示用户距离基站的最小距离，a和b是与用户 分布模型有关的关键参数。

所述的关键参数a和b的计算包括：

(1)如果是中心集中的用户分布模型，a控制用户趋近小区中心的程度，a 越大，表明更多的用户分布在小区的中心区域，反之亦然，a＝0时，用户服从 均匀分布，b是概率密度函数的归一化常数，通过计算可得

$b=\frac{3(R+r_0)}{a{(R-r_0)}^2+3(R+r_0)}$

所述中心集中的用户分布模型为大型商场，街道；

(2)如果是边缘集中的用户分布模型，a控制用户趋近小区边缘的程度，a 越大，表明更多的用户分布在小区的边缘区域，反之亦然，a＝0时，用户服从 均匀分布，b是概率密度函数的归一化常数，通过计算可得

$b=\frac{3(R+r_0)}{a(R^2+{\mathrm{Rr}}_0+r_0^2)+3(R+r_0)}$

所述的系统的资源配置条件，包括给定(M,K,P_T)的任意两个参数，任意一 个参数和零个参数三种情况，由此，产生了三种不同的优化方法：包括单变量 优化方法、双变量联合优化方法和三变量联合优化方法。

所述的单变量优化方法为：给定(M,K,P_T)这三个参数中的任意两个，优化 另一个参数，对于单独优化基站天线数目M和基站发射总功率P_T这两种情况， 通过闭式解M^opt和直接求出，而对于单独优化用户数目K的情况，需要借助 在有限空间里使系统的能量效率最高，获得最优值K^opt。

所述的双变量联合优化方法为：给定(M,K,P_T)这三个参数中的任意一个， 优化另外两个参数，包括：

(1)给定用户数目K，联合优化基站天线数目M和基站发射功率P_T；

S100、算法开始运行时，设置初始基站发射功率P_T＞0；

S101、更新基站天线数目M为M^opt；

S102、更新发射功率P_T为

S103、循环执行步骤S101和S102，直到算法收敛，获得最优的基站天线 数目M^opt和基站发射功率

其中算法收敛的判断条件为整数M不再变化；

(2)给定基站天线数目M，联合优化用户数目K和基站发射功率P_T；

S110、算法开始运行时，设置初始基站发射功率P_T＞0；

S111、更新发射功率P_T为

S112、优化用户数目K为K^opt；

S113、循环执行步骤S111和S112，直到算法收敛，获得最优的用户数目K^opt和基站发射功率

其中算法收敛的判断条件为整数K不再变化；

(3)给定基站天线数目P_T，联合优化用户数目K和基站发射功率M；

S120、算法开始运行时，设置初始用户数目K＝1；

S121、更新基站天线数目M为M^opt；

S122、对M^opt取四舍五入，优化用户数目K为K^opt；

S123、循环执行步骤S121和S122，直到算法收敛，获得最优的用户数目K^opt和基站发射功率M^opt；

其中算法收敛的判断条件为整数K和M不再变化。

所述的三变量联合优化方法为：对(M,K,P_T)这三个参数进行联合优化；

S20、算法开始运行时，设置初始基站发射功率P_T＞0，用户数目K＝1，基 站天线数目M＝3；

S21、更新用户数目K为K^opt；

S22、更新基站天线数目M为M^opt；

S23、更新发射功率P_T为

S24、循环执行步骤S21到S23，直到算法收敛，获得最优的三个重要系统 参数

其中算法收敛的判断条件为整数K和M不再变化。

下面结合附图和具体实施例对本发明做进一步说明。

本发明方法设计出的高能效大规模天线系统中下行链路关键参数的设计方 法适用于单小区的多用户多天线(Multi-user MIMO)系统。具体包括：

一个基站位于圆形小区的中心，基站配置M根天线，K个单天线的用户随 机分布在小区内，噪声功率为-114dbm，阴影衰落服从对数正态分布，均值为0， 方差为8dB。定义系统能量效率为其中R_dl为系统内所有用户的和速率 (bits/channel>total表示系统的全部的能量损耗(Joule/channel>

该单小区系统的能量损耗包括三部分：

(1)功率放大器的能量损耗P_PA。

$P_{\mathrm{PA}}=\frac{P_T}{\eta }$

其中，P_T表示基站总的发送功率，0＜η≤1是放大器的能量效率，由放大器 的性能决定。

(2)电路能量损耗P_C。

电路能量损耗是系统总能耗的重要组成部分，基站的每根天线的硬件设施 包含数字模拟转换器，混频器，滤波器等，其能量损耗为P_BS，每个用户的硬件 设施包括低噪声放大器，直接频率放大器，滤波器和模拟数字转化器等，其能 量损耗为P_UE。P_syn为频率合成器的能量损耗，P₀包括制冷系统等的能量损耗。所 以此部分的能量损耗可以表示为：

P_C＝MP_BS+2P_syn+KP_UE+P₀

(3)信号处理能耗P_SP。

随着天线数目的增多，信号处理的能耗不能忽略，在分析信号处理能耗之 前，定义一个表征计算信号处理效率的量L(flops/Watt)，并认为信道状态在T时 间段内恒定。根据信号处理的顺序，首先，基站对发送给用户的K个信息序列 进行编码和调制，每次利用信道，耗费KP_cod焦耳的能量。其次，在每个相干时 间T内，基站都进行一次预编码，此处选择具有较低复杂度的迫零(zero>dec焦耳的能量。所以P_SP可表示为：

$P_{\mathrm{SP}}=K(P_{\mathrm{cod}}+P_{\mathrm{dec}})+\frac{{2K}^{2}M+2\mathrm{KM}}{\mathrm{LT}}+\frac{{2K}^3}{3\mathrm{LT}}+\frac{\mathrm{MK}}{L}$

因为本发明实例中在基站端使用迫零预编码算法，所以K＜M。流程图如图 1所示。

S30、在基站的覆盖范围内，统计基站覆盖范围内用户与基站的距离信息， 获取实际的用户分布模型；

S31、计算关键参数a和b；

S32、计算得到大规模天线系统的能量效率表达式EE＝f(M,K,P_T)

$\mathrm{EE}=f(M,L,P_T)=\frac{{K\log }_2(1+\frac{\rho }{K}(M-K+1))}{\frac{{\mathrm{\rho \sigma }}^2}{\mathrm{\beta \eta }}+{\mathrm{MP}}_{\mathrm{BS}}+{2P}_{\mathrm{syn}}+{\mathrm{KP}}_{\mathrm{UE}}+P_0+K(P_{\mathrm{cod}}+P_{\mathrm{dec}})+\frac{{2K}^{2}M+2\mathrm{KM}}{\mathrm{LT}}+\frac{{2K}^3}{3\mathrm{LT}}+\frac{\mathrm{MK}}{L}}$

其中，表示信噪比，P_T为基站的总发射功率，根据用户分布情况， 获取β，对于中心集中的用户分布模型，对 于边缘集中的用户分布模型，α为大尺度衰 落因子。

S33、资源需求分析及相应算法。包括：

S330、根据系统的需求和给定关键参数(M,K,P_T)的个数，分为三种情况。

情况1：给定(M,K,P_T)的任意两个参数，优化剩余一个参数；

情况2：给定(M,K,P_T)的任意一个参数，联合优化剩余两个参数；

情况3：给定(M,K,P_T)的零个参数，联合优化这三个参数；

S331、第1种情况的算法。

若为情况1，执行单变量优化方法，包括：

(1)给定(M,K,P_T)这三个参数中的(M,K)，优化P_T；

对于这种情况，可以直接通过闭式解得到

$P_T^{\mathrm{opt}}=\frac{{\sigma }^2}{\beta }\frac{e^{w\left(\frac{\frac{\mathrm{\beta \eta }}{{\sigma }^2}(M-K+1)({\mathrm{MP}}_{\mathrm{BS}}+{2P}_{\mathrm{syn}}+{\mathrm{KP}}_{\mathrm{UE}}+P_0+K(P_{\mathrm{cod}}+P_{\mathrm{dec}})+\frac{{2K}^{2}M+2\mathrm{KM}}{\mathrm{LT}}+\frac{{2K}^3}{3\mathrm{LT}}+\frac{\mathrm{MK}}{L})-1}{e}\right)+1}-1}{\frac{M-K+1}{K}}$

(2)给定(M,K,P_T)这三个参数中的(M,P_T)，优化K；

对于这种情况，需要借助在有限空间里使系统的能量效率最高，获得K^opt。

(3)给定(M,K,P_T)这三个参数中的(K,P_T)，优化M；

对于这种情况，M^opt可以直接通过闭式解得到

$M^{\mathrm{opt}}=\frac{e^{w\left(\frac{\frac{\rho }{K}(\frac{{\mathrm{\rho \sigma }}^2}{\mathrm{\beta \eta }}+{2P}_{\mathrm{syn}}+{\mathrm{KP}}_{\mathrm{UE}}+P_0+K(P_{\mathrm{cod}}+P_{\mathrm{dec}})+\frac{{2K}^3}{3\mathrm{LT}})-(1-\frac{(K-1)\rho }{K})(P_{\mathrm{BS}}+\frac{{2K}^{2+2K}}{3\mathrm{LT}}+\frac{K}{L})}{(P_{\mathrm{BS}}+\frac{{2K}^{2+2K}}{\mathrm{LT}}+\frac{K}{L})e}\right)+1}+\frac{(K-1)\rho }{K}-1}{\frac{\rho }{K}}$

S332、第2种情况的算法。

若为情况2，执行双变量联合优化方法，包括：

(1)给定用户数目K，联合优化基站天线数目M和基站发射功率P_T；

执行步骤S100-S103；

(2)给定基站天线数目M，联合优化用户数目K和基站发射功率P_T；

执行步骤S110-S113；

(3)给定基站天线数目P_T，联合优化用户数目K和基站发射功率M；

执行步骤S120-S123；

S333、第3种情况的算法。

若为情况3，执行三变量联合优化方法，即执行步骤S20-S24。

上述方法实现的原理和达到的技术效果可以为：

本发明为高能效大规模天线系统中下行链路关键参数的设计提供了一种具 有指导意义的方法，即实际并准确的获得用户分布模型，以基站天线数目M， 小区用户数目K和发射功率P_T这三个关键参数作为切入点，针对不同的系统需 求，优化(M,K,P_T)这三个关键系统参数，使得系统能量效率最高。相比于传统 的功率控制或波束成型的方法，具有算法复杂度低的优点，并且节省了部分资 源与开销，最大化的提升系统的能量效率，符合绿色通信的理念。

图2(a)为本实施例中中心集中的用户分布模型，设置a＝1，随机产生1000 个用户于(R,r₀)＝(600,50)m的小区内，其中蓝色的圆点表示用户。

图2(b)为本实施例中边缘集中的用户分布模型，设置a＝1，随机产生1000 个用户于(R,r₀)＝(600,50)m的小区内，其中蓝色的圆点表示用户。

图3为本实施例中针对不同的用户模型，设置基站总发射功率P_T＝0.001W 时，在不同的基站天线数目的情况下，系统能量效率随小区内用户数目的变化 情况。可以看到，传统的基站天线数目M越大，系统能量效率越高在这里并不 适用，而是存在基站天线数目的最优值。另外，通过图3也可以看出用户分布 对系统能量效率的影响。

图4为本实施例中小区半径为R＝600m，给定不同的用户数目K的情况下， 执行双变量联合优化方法得到的最优的基站天线数目M^opt和基站发射功率上面的子图描述不同的用户数目K对应的最优的基站天线数目M^opt，下面的子图 描述不同的用户数目K对应的最优的基站发射功率这里为了表达方便，令 纵坐标表示为最优的基站发射功率对应的最有信噪比ρ^opt。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的 精神和原则之内，所作的任何修改、等同替换、改进等，均应涵盖在本发明的 保护范围之内。