广义分布式MIMO系统中基站最优摆放位置的选择方法

摘要

本发明公开一种广义分布式MIMO系统中基站最优摆放位置的选择方法，首先，根据输入的用户分布特征，生成若干个用户位置坐标；然后，利用用户位置坐标，迭代搜索基站的初始摆放位置；最后，利用基站初始摆放位置，以容量为优化目标，迭代搜索最优的摆放位置。本发明能够解决任意凸的小区覆盖范围、任意用户分布下的基站最优摆放问题，可以应用于小区覆盖范围为二维平面上的任意联通凸集的场景，快速收敛到最优AP摆放位置，方案以优化小区的平均遍历容量为目标，有效地提高小区平均吞吐量。

说明书

技术领域

本发明涉及一种适用于广义分布式MIMO（Multiple-Input-Multiple-Output） 系统网络规划中基站摆放位置的选择方法，属于无线通信网络规划领域。

背景技术

近年来，随着手机等移动通信技术设备的普及，用户需求不断提高，通讯网 络需要能够提供更快的数据传输速率，更稳定的语音、数据服务以及多样化的服 务等。MIMO技术可以有效的提高系统容量和频谱利用效率，成为当前移动通信 研究的热点，目前已经在LTE（Long Term Evolution）、IEEE 802.11系列标准中 采用。MIMO技术在点对点链路方面的研究已经比较成熟，但是在网络规划和无 线资源管理方面还比较薄弱。在网络规划上，天线的布置主要有两种方式：集中 式或分布式，二者在覆盖性能、信道容量性能和功率使用效率性能方面存在差异。 目前，对分布式MIMO系统的研究主要集中在信道容量方面，在天线的最优放 置问题上尚处在起步阶段。在实际环境当中，天线的放置受限于地理条件、通话 业务分布等因素，不同的分布情况对系统的整体性能会产生很大的影响。

广义的分布式MIMO，也称为GDAS（Generalized Distributed Antenna  System）。在GDAS中，小区基站可以连接多个AP（Antenna Port，有时也称为 RRU，即Remote Radio Unit），这些AP分布式的摆放在小区的覆盖范围内，通 过光纤或者同轴电缆与基站处理器相连。不同的AP摆放方案极大影响系统的覆 盖性能。参考文献“W.Choi and J.Andrews，Downlink performance and capacity of  distributed antenna systems in a multicell environment,IEEE Transactions on  Wireless Communications，vol.6，pp.69-73,2007”（多小区分布式天线系统的 下行性能和容量研究）和“J.Zhang and J.Andrews，Distributed Antenna Systems  with Randomness，IEEE Transactions on Wireless Communications，vol.7，pp. 3636-3646，2008”（随机性对分布式天线系统的影响）的研究结果表明，相对于 集中式的AP摆放方案（AP集中摆放在小区的中心），分布式的摆放方案可以极 大地提高小区覆盖性能。参考文献“Y.Shen,et al.，Optimal antenna location for  STBC-OFDM downlink with distributed transmit antennas in linear cells，IEEE  Communications Letters，vol.11，pp.387-389,2007”（线形小区分布式天线系统 下行链路采用STBC-OFDM时的最优天线摆放位置研究）研究了线性小区下最 优的天线摆放位置，参考文献“X.Wang,et al.，Antenna location design for  generalized distributed antenna systems，IEEE Communications Letters，vol.13,pp. 315-317，2009”（广义分布式天线系统中的天线位置设计）和“Y.Qian,et al.， Antenna Location Design for Distributed antenna Systems with Selective  Transmission，International Conference on Wireless Communications&Signal  Processing，2009”（采用选择传输方式的分布式天线系统中的天线位置设计）研 究了圆形小区的场景，并提出了基于最大化下行链路小区平均遍历容量的天线摆 放方法。参考文献“C.Zhang,et al.，Optimal Locations of Remote Radio Units in  CoMP Systems for Energy Efficiency，in 2010 IEEE 72nd Vehicular Technology  Conference–Fall，2010”（CoMP系统下优化能量效率的远端射频单元摆放位置 设计）研究了圆形小区下，基于优化功率效率的天线摆放方案，并得到了与X. Wang和Y.Qian相同的结论。

目前，前人的工作主要集中在特定的小区类型下，以小区平均遍历容量、中 断概率和功率效率等位指标，优化天线的摆放位置。

发明内容

发明目的：针对GDAS网络规划中AP的摆放方案问题，本发明提出一种广 义分布式MIMO系统中基站最优摆放位置的选择方法，该方法简单可行，适应 于GDAS的AP摆放位置搜索算法，能够解决任意凸的小区覆盖范围、以上行链 路平均遍历容量为优化指标给出任意用户分布下的AP最优摆放问题。

技术方案：一种广义分布式MIMO系统中基站最优摆放位置的选择方法， 设小区的规划覆盖范围为S，S为二维平面上的一个连通的凸集。设S上用户位 置坐标(x，y)满足一定概率分布p(x，y)。该MIMO系统中AP的个数为K，其位 置坐标分别为(x_k，y_k)，k＝1，…，K。

下面介绍本方案中采用的路径损耗分析模型。设收、发信机间距离为d（m）， 则其间路劲损耗为

L(d)＝Cd^-α

其中d_o通常取20m，λ为载波波长，α为路径损耗因 子，通常取值为2.0到5.0，需要根据小区的实际覆盖环境（如城市、郊区等） 确定。位于(x，y)处的用户到K个AP的路径损耗可以分别表示为

L_i＝C[(x_i-x)²+(y_i-y)²+h²]^-α/2，i＝1，…，K

其中h表示AP天线距离地面的高度，通常在5-20m（市区）。

该方案的实施主要包含以下三个步骤：

第一步：生成用户位置。根据S上用户位置满足的概率分布p(x，y)，生成N 个用户的位置坐标，设这些位置的集合为U。用户个数N需要足够大，以体现 用户的位置分布特征，建议平均用户密度不小于0.01/m²；

第二步：生成AP摆放的初始位置其中元素下 标k表示第k个AP的x坐标或者y坐标，k＝1，…，K；(·)^T表示矩阵或者向量的 转置；

第三步：对l⁽⁰⁾进行局部搜索，搜索最优AP摆放位置

$l^{(*)}={[x_1^{(*)},y_1^{(*)},...,x_K^{(*)},y_K^{(*)}]}^T.$

下面对算法的第二、三步进行详细的介绍。

在以上AP摆放位置搜索算法中，第二步采用的具体方法如下：

①任意给定AP的起始位置矢量l⁽⁰⁾，对l⁽⁰⁾进行排序操作l⁽⁰⁾＝∏(l⁽⁰⁾)，该 排序操作将l⁽⁰⁾中的K个坐标，首先按照x坐标从小到大排序，若x坐标相同， 则按照y坐标从小到大排序。设定算法收敛判决条件ε＝10^-2。定义AP摆放位 置矢量l＝[x₁，y₁，…，x_K，y_K]^T和l′＝[x′₁，y′₁，…，x′_K，y′_K]^T之间的距离为：

${\left|\right|l-l^{\prime }\left|\right|}_2=\sqrt{\underset{k=1}{\overset{K}{\Sigma }}[{(x_k-x_k^{\prime })}^2+{(y-y_k^{\prime })}^2]}.$

②将U中的N个用户位置坐标分成K组，记为G₁，…，G_k。分组方法为：对 每个用户的位置坐标(x，y)，计算其到K个AP的距离 $d_k=\sqrt{{(x_k^{\left(0\right)}-x)}^2+{(y_k^{\left(0\right)}-y)}^2},$k＝1，…，K。令$k^{*}=\arg \underset{k=1,...,K}{\min }\left\{d_k\right\},$并将该用户 的位置坐标分到

③更新K个AP的位置矢量，记为l′＝[x′₁，y′₁，…，x′_K，y′_K]^T，计算方法如下

$\left(\begin{array}{c}{x}_k^{\prime }=\frac{1}{\left|G_k\right|}\underset{(x_i,y_i)\in G_k}{\Sigma }{x}_i\\ y_k^{\prime }=\frac{1}{\left|G_k\right|}\underset{(x_i,y_i)\in G_k}{\Sigma }{y}_i\end{array}\right),$k＝1，…，K，

其中|G_k|表示G_k中元素的个数。可以将第k个AP的新位置看作G_k中所有用 户的位置的平均值；

④令l′＝∏(l′)，计算‖l^(O)-l′||₂。若‖l⁽⁰⁾-l′||₂≤ε，则算法收敛，且AP的 初始摆放位置矢量为l⁽⁰⁾＝l′；否则令l⁽⁰⁾＝l′，重新执行第②步。

本方案中，第三步需要利用第二步中获得的位置矢量l⁽⁰⁾，并再一次进行搜 索，逐步收敛到局部最优解。设Δl＝[d_min，d_min]^T，定义l＝[x₁，y₁，…，x_K，y_K]^T的 函数

$f\left(l\right)=-\frac{1}{\left|U\right|}\underset{(x,y)\in U}{\Sigma }\ln (1+\frac{\mathrm{\gamma C}}{N}\underset{i=1}{\overset{K}{\Sigma }}{[{(x_i-x)}^2+{(y_i-y_i)}^2+h^2]}^{-\alpha /2}),$

其中γ为发送功率与噪声功率之比，即发送信噪比。其对(x_k，y_k)的偏导数记 为

${\mathrm{\Delta f}}_k\left(l\right)={[\frac{\partial }{{\partial x}_k}f\left(l\right),\frac{\partial }{{\partial y}_k}f\left(l\right)]}^T.$

本步骤中采用迭代方法计算最优的位置矢量l^(*)。设第n次迭代的输入位置 矢量为$l^{(n-1)}={[x_1^{(n-1)},y_1^{(n-1)}...,x_K^{(n-1)},y_K^{(n-1)}]}^T,$迭代输出结果为 $l^{\left(n\right)}={[x_1^{\left(n\right)},y_1^{\left(n\right)}...,x_K^{\left(n\right)},y_K^{\left(n\right)}]}^T.$具体的迭代步骤如下：

①令l⁽ⁿ⁾＝l^(n-1)，a＝0.5，b＝0.5，t＝1；

②对于k＝1，...，K，执行如下操作，

a)令$l_k^{\left(n\right)}=l^{\left(n\right)}+{[0_{1\times (2k-2)},{\mathrm{td}}_{\min },{\mathrm{td}}_{\min },0_{1\times (2K-2k)}]}^T,$O_M×N表示M行、N列的全 0矩阵；

b)若$f\left(l_k^{\left(n\right)}\right)<f\left(l^{\left(n\right)}\right)+\mathrm{at}{\left[{\mathrm{\Delta f}}_k\left(l\right)\right]}^T\left(\mathrm{\Delta l}\right),$则否则令t←bt，重新 执行a)；

③计算‖l^(n-1)-l⁽ⁿ⁾‖₂，若‖l^(n-1)-l⁽ⁿ⁾||₂≤l^(*)，则停止迭代，l^(*)＝l⁽ⁿ⁾；否则重 新执行第②步。

该步骤的输出结果l^(*)即为MIMO系统中最优的基站AP摆放位置矢量。

有益效果：与现有技术相比，本发明所提供的广义分布式MIMO系统中基 站最优摆放位置的选择方法，具有如下优点：

（1）应用范围广泛。本发明所提出方案可以应用于小区覆盖范围为二维平 面上的任意联通凸集的场景;

（2）收敛速度快。本发明所提出方案简单易行，可以快速收敛到最优AP 摆放位置。

（3）小区平均遍历容量高。本发明所提出的方案以优化小区的平均遍历容 量为目标，可以有效地提高小区平均吞吐量。

附图说明

图1为本发明实施例的AP最优摆放位置搜索算法的实施流程图；

图2为本发明实施例的圆形小区中用户不均匀分布情况下的AP最优摆放位 置搜索结果图；

图3为本发明实施例的圆形小区中用户均匀分布情况下的AP最优摆放位置 搜索结果图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本 发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发 明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1-3所示（其中，图2和图3中半径500m小区，圆点表示用户位置、黑色 方框表示AP位置），本发明的具体实施主要包含以下四个步骤：

第一步：输入算法所需要的各种参数信息。这一步需要输入用户的业务在小 区内的分布信息、小区的路径损耗因子α、载波波长λ、发送信噪比γ以及基站 天线摆放高度h等信息。

第二步、第三步和第四步可以通过软件编程实现。

第二步：生成用户位置。该步骤的实施，首先生成一个满足p(x，y)的二维随 机向量源，然后利用该随机向量源生成N个用户的位置坐标。设这些位置的集 合为U。用户个数N需要足够大，以充分体现用户的位置分布特征。一般情况 下A(S)表示小区规划覆盖区间的面积。

第三步：生成AP摆放的初始位置其中元素下标k 表示第k个AP的x坐标或者y坐标，k＝1，…，K；(·)^T表示矩阵或者向量的转置；

第四步：对l⁽⁰⁾进行局部搜索，搜索最优AP摆放位置

$l^{(*)}={[x_1^{(*)},y_1^{(*)},...,x_K^{(*)},y_K^{(*)}]}^T.$

第三步采用的具体方法如下：

①任意给定AP的起始位置矢量l⁽⁰⁾，各个AP之间距离要足够大。例如对于一 般的圆形小区、方形小区，初始时的AP可以均匀分布在整个小区内。对l⁽⁰⁾进行 排序操作l⁽⁰⁾＝∏(l⁽⁰⁾)。设定算法收敛判决条件ε＝10^-2。

②将U中的N个用户位置坐标分成K组，每组各对应一个AP，这K个分组 分别记为G₁，…，G_k。分组方法为：对每个用户的位置坐标(x，y)，计算其到K个 AP的距离$d_k=\sqrt{{(x_k^{\left(0\right)}-x)}^2+{(y_k^{\left(0\right)}-y)}^2},$k＝1，…，K。令$k^{*}=\arg \underset{k=1,...,K}{\min }\left\{d_k\right\},$并 将该用户的位置坐标分到也即将该用户的位置坐标添加到距离最近的基站 所对应的分组；

③更新K个AP的位置矢量，记为l′＝[x′₁，y′₁，…，x′_K，y′_K]^T，计算方法如下

$\left(\begin{array}{c}{x}_k^{\prime }=\frac{1}{\left|G_k\right|}\underset{(x_i,y_i)\in G_k}{\Sigma }{x}_i\\ y_k^{\prime }=\frac{1}{\left|G_k\right|}\underset{(x_i,y_i)\in G_k}{\Sigma }{y}_i\end{array}\right),$k＝1，…，K

可以将第k个AP的新位置看作G_k中所有用户的位置的平均值、即G_k的中心 位置；

④令l′＝∏(l′)，计算‖l⁽⁰⁾-l′‖₂。。若‖l⁽⁰⁾-l′||₂≤ε，则算法收敛，AP的初始 摆放位置矢量为l⁽⁰⁾＝l′，结束本步骤；否则令l⁽⁰⁾＝l′，重新执行第②步。

第四步的具体方法为：

设Δl＝[d_min，d_min]^T，定义l＝[x₁，y₁，…，x_K，y_K]^T的函数

$f\left(l\right)=-\frac{1}{\left|U\right|}\underset{(x,y)\in U}{\Sigma }\ln (1+\frac{\mathrm{\gamma C}}{N}\underset{i=1}{\overset{K}{\Sigma }}{[{(x_i-x)}^2+{(y_i-y_i)}^2+h^2]}^{-\alpha /2}),$

其对(x_k，y_k)的偏导数记为

${\mathrm{\Delta f}}_k\left(l\right)={[\frac{\partial }{{\partial x}_k}f\left(l\right),\frac{\partial }{{\partial y}_k}f\left(l\right)]}^T.$

本步骤中采用迭代方法计算最优的位置矢量l^(*)。设第n次迭代的输入位置 矢量为$l^{(n-1)}={[x_1^{(n-1)},y_1^{(n-1)}...,x_K^{(n-1)},y_K^{(n-1)}]}^T,$迭代输出结果为 $l^{\left(n\right)}={[x_1^{\left(n\right)},y_1^{\left(n\right)}...,x_K^{\left(n\right)},y_K^{\left(n\right)}]}^T.$具体的迭代步骤如下：

④令l⁽ⁿ⁾＝l^(n-1)，a＝0.5，b＝0.5，t＝1；

⑤对于k＝1，…，K，执行如下操作，该步骤实际上是在l⁽ⁿ⁾的基础上，假设 其他AP位置不变，搜索其中一个AP的最优摆放位置。

a)令$l_k^{\left(n\right)}=l^{\left(n\right)}+{[0_{1\times (2k-2)},{\mathrm{td}}_{\min },{\mathrm{td}}_{\min },0_{1\times (2K-2k)}]}^T,$O_M×N表示M行、N列的全 0矩阵；

b)若$f\left(l_k^{\left(n\right)}\right)<f\left(l^{\left(n\right)}\right)+\mathrm{at}{\left[{\mathrm{\Delta f}}_k\left(l\right)\right]}^T\left(\mathrm{\Delta l}\right),$则算法收敛。否则令 t←bt，重新执行a)；

⑥计算‖l^(n-1)-l⁽ⁿ⁾||₂，若‖l^(n-1)-l⁽ⁿ⁾||₂≤ε，则停止迭代，l^(*)＝l⁽ⁿ⁾；否则重 新执行第②步。

该步骤的输出结果l^(*)即为MIMO系统中最优的基站AP摆放位置矢量。