[發明專利]一種下行MIMO-NOMA網絡下的資源分配方法

有效

• 申請號: 201910245323.X
• 申請日: 2019-03-28
• 公開（公告）號: CN109922487B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 朱曉榮;張曉逸
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W72/04;H04B7/0413
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 彭雄

1.一種下行MIMO-NOMA網絡下的資源分配方法，其特征在于，包括如下步驟：

步驟1)，用戶分簇：獲取用戶的信道狀態信息和小區信息，結合用戶的信道狀態信息對各小區進行用戶分簇，使得簇內的用戶占用同一波束，共享同一時頻資源，確定最優的用戶分簇；

步驟1)的具體步驟為：

步驟11)，基于用戶平均信道增益將小區n的用戶劃分為G組，記為其中是小區n內第g組用戶的集合，g＝{1,2,...,G}；內用戶在子載波u上的信道增益向量記為其中，是天線m中用戶在子載波u上的信道增益，Mⁿ表示小區n內的天線數；用戶的平均信道增益向量記為定義用戶和用戶間的平均信道增益相關系數是：

其中，和分別是平均信道增益向量和中的元素，用戶能否劃分為一個簇的評價指標定義為最小相關系數ρ，當則用戶和用戶劃分為一個簇；

步驟12)，引入變量g作為遍歷G組的索引，g初始值為1；從中隨機選擇一個用戶

步驟13)，g＝g+1；若g＞G則轉步驟14)，否則從中選擇使得最大且滿足的用戶若存在滿足條件的用戶則轉步驟12)，否則令g′＝g轉步驟13)；

步驟14)，g＝g+1；若g＞G則轉步驟14)，否則從中選擇使得最大且滿足的用戶若存在滿足條件的用戶則轉步驟12)，否則轉步驟13)；

步驟15)，遍歷得到的用戶劃分為一個簇，并從G組中刪除這些用戶后重復步驟11)-13)，直至所有用戶都劃分完畢；得到小區n的用戶被分成Lⁿ個簇，記為Cⁿ¹,Cⁿ²,...,C^nLn，其中C^nl是小區n內第l簇的用戶集，記為|C^nl|是C^nl中的用戶數；

步驟2)，波束分配：分析波束成型過程，利用迫零波束成型理論為步驟1)得到的用戶分簇分配波束向，確定最優的波束分配量；

步驟2)的具體步驟為：

步驟21)，根據步驟1得到的小區n的用戶被分成Lⁿ個簇Cⁿ¹,Cⁿ²,...,C^nLn，其中C^nl是小區n內第l簇的用戶集記小區n在信道u上的發射信號向量是其中是C^nl在信道u上傳輸的疊加編碼信號，是在信道u上分配給的功率比例，滿足是在信道u上的發射信號；小區n在信道u上的波束成型矩陣是其中是C^nl在信道u上的波束向量；小區n在信道u上的發射信號是：

步驟22)，將表示為其中用來消除C^nl內用戶在信道u上受到的簇間干擾，用來決定在信道u上為C^nl分配的功率，定義用戶在信道u上的信道增益向量是假設發射天線數大于等于接收天線數，這樣完全消除簇間干擾，C^nl內用戶在信道u上受到的簇間干擾由小區n內除C^nl外其他簇的用戶產生，定義是小區n內除C^nl外其他簇的用戶在信道u上的信道增益矩陣，其中是C^nl內用戶在信道u上的信道增益矩陣；

步驟23)，對奇異值分解得到其中是的前Kⁿ-|C^nl|個左奇異向量，對應的非零奇異值；是的后Mⁿ-Kⁿ+|C^nl|個左奇異向量，對應的零奇異值，且滿足令等于中各向量之和得到利用消除C^nl內用戶在信道u上受到的簇間干擾，是由的奇異值構成的矩陣，是的右奇異矩陣；

步驟3)，問題形成：引入EC作為衡量網絡性能的指標，以最大化用戶的EC為目標建立優化問題；

步驟3)的具體步驟為：

步驟31)，利用消除C^nl內用戶在信道u上受到的簇間干擾后，的終端在信道u上的接收信號是：

其中，第一項是的期望信號，第二項是簇內干擾，第三項是區間干擾，是服從復高斯分布的噪聲；

步驟32)，由于簇內的用戶占用同一波束，共享同一時頻資源，因此利用SIC技術按照信道增益遞增的順序逐級解碼出用戶信號；假設C^nl內用戶在信道u上的信道增益向量滿足則SIC的解碼順序是的終端利用SIC技術解碼出用戶的信號后，用戶在信道u上的信干噪比是：

步驟33)，利用香農公式得到用戶在信道u上的傳輸速率是：

步驟34)，引入EC作為衡量網絡性能的指標，的EC表示為：

其中，是用戶的QoS指數，E[·]代表期望，考慮到時因此將上式在1處泰勒展開為：

忽略上式的高階項后，得到簡化的EC表達式是：

由于上式只有是隨機變量，因此將期望展開得到：

其中是子載波指示因子，若C^nl占用子載波u則反之將表達式代入得到：

其中

步驟35)，通過聯合優化子載波指示因子簇間功率分配和簇內用戶間功率分配比例得到以最大化下行多小區MIMO-NOMA網絡中用戶的EC為目標的優化問題：

P1:

其中，是用戶的最小EC要求；是小區n的最大發射功率；定義變量利用變量替換變量和得到簡化的優化問題P2：

P2:

步驟4)信道分配：功率分配給定情況下，將步驟3)得到的優化問題轉換為等價的最大帶權二分圖匹配問題，并利用匈牙利算法求解得到最優的信道分配；

步驟4)的具體步驟為：

步驟41)假設發射功率平均分配給用戶，優化問題P2化簡為：

P3:

構造帶權二分圖F＝(V_C×V_S,E)，其中V_C和V_S分別代表簇和子載波的頂點集合，V_C中的頂點v_C(n,l)代表C^nl，V_S中的頂點v_S(u)代表子載波u，E代表連接V_C和V_S的邊集合，E中的邊e(n,l,u)代表連接頂點v_C(n,l)和頂點v_S(u)的邊，定義邊e(n,l,u)的權重是圖F的一個匹配定義為一系列成對非鄰近邊的集合，即一個匹配中的任意兩條邊不能共享同一頂點，根據上述定義，優化問題P3轉換為最大帶權二分圖匹配問題，即在圖F中尋找一個匹配E^*使得E^*中邊的權重之和最大，利用經典的匈牙利算法直接求解，

步驟42)，構造帶權二分圖F＝(V_C×V_S,E)，其中V_C代表所有簇的頂點集合，V_S代表所有子載波的頂點集合，E代表連接V_C和V_S的邊集合，利用匈牙利算法求解得到匹配E^*；

步驟43)，判斷是否滿足P3(C1)，如果不滿足則重新構造帶權二分圖F′＝(V′_C×V′_S,E′)，其中V′_C代表不滿足P3(C1)的簇的頂點集合，V′_S代表未匹配的子載波的頂點集合，E′代表連接V′_C和V′_S的邊集合，利用匈牙利算法求解得到匹配E′^*，重復步驟42)直至滿足P3(C1)；

步驟44)，判斷是否存在未匹配的子載波，如果存在則重新構造帶權二分圖F″＝(V_C×V′_S,E″)，其中V_C代表所有簇的頂點集合，V′_S代表未匹配的子載波的頂點集合，E″代表連接V_C和V′_S的邊集合，利用匈牙利算法求解得到匹配E″^*，重復步驟43)直至子載波分配完；

步驟5)，功率分配：假設信道分配給定的情況下，將步驟3)得到的優化問題轉換為等價的拉格朗日對偶問題，并利用子梯度算法求解得到最優的發射功率分配；

步驟5)的具體步驟為：

步驟51)，根據步驟4)分配子載波后，優化問題P2化簡為：

P4:

步驟52)，根據拉格朗日理論得到優化問題P4的拉格朗日函數是：

其中μ和v分別是根據優化問題P4(C1)和P4(C2)引入的拉格朗日乘子向量，和vⁿ分別是μ和v中的元素，其對偶函數是

其中，sup{·}是上確界，由此得到優化問題P4的拉格朗日對偶問題是：

P5:

s.t.C1:μ≥0,v≥0

步驟53)，采用次梯度算法同時更新和vⁿ來最小化L(μ,v) ； L(μ,v)關于變量和vⁿ的次梯度分別是：

和vⁿ的更新公式分別是：

其中s是迭代次數，φ^(s)和分別是第s次迭代過程中μ和v的更新步長，{·}⁺＝max{·,0}；

步驟54)，假設是優化問題P4的最優解，通過次梯度算法迭代得到μ^*和v^*后利用對的導數等于0即可得到

步驟6)，交替迭代優化：交替迭代步驟4)和步驟5)直至用戶的有效容量趨于收斂，得到最優的信道分配和功率分配。