一種基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)最優(yōu)功率協(xié)調(diào)方法
【專利摘要】本發(fā)明提供了一種基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)最優(yōu)功率協(xié)調(diào)方法。該方法聯(lián)合調(diào)整微微站的發(fā)送功率，避免密集部署的微微站以最大功率發(fā)送對宏站、鄰居微微站構(gòu)成的嚴重干擾，最大化系統(tǒng)吞吐量。方法考慮用戶服務小區(qū)在功率調(diào)整過程中的變化，并通過鄰域局部搜索和多次初始化過程改進粒子群，加快收斂速度，提高功率解的質(zhì)量。提出的改進通過鄰域局部搜索過程保證功率解的局部最優(yōu)性，并通過多次初始化過程進一步保證得到的功率解的全局最優(yōu)性，能夠以更少的迭代次數(shù)獲得更高的系統(tǒng)吞吐量，在不影響子載波分配自由度、不損失資源利用率的基礎(chǔ)上協(xié)調(diào)同層和跨層干擾，從功率調(diào)整的角度最大程度地提升系統(tǒng)頻譜效率和總體吞吐量。
【專利說明】一種基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)最優(yōu)功率協(xié)調(diào)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于移動通信中的無線資源管理【技術(shù)領(lǐng)域】，具體涉及無線通信系統(tǒng)中一種 考慮用戶服務小區(qū)隨功率改變的基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)下行鏈路功率協(xié)調(diào)方 法。

【背景技術(shù)】
[0002] 為滿足爆炸式增長的無線數(shù)據(jù)業(yè)務需求，3GPP LTE-A (Long Term Evolution-Advanced)提出在宏站覆蓋范圍內(nèi)同頻密集部署微微站、毫微微站、中繼等低 功率小站的超密集異構(gòu)網(wǎng)絡(luò)以最大化頻譜利用率，提升系統(tǒng)吞吐量。然而密集部署的小站 導致干擾場景的復雜化和干擾強度的增加，從而使網(wǎng)絡(luò)性能的提升受到限制。功率協(xié)調(diào)是 一種有效的干擾協(xié)調(diào)技術(shù)，通過調(diào)整小站的發(fā)送功率控制小區(qū)間干擾進而提高系統(tǒng)的吞吐 量?，F(xiàn)有的功率協(xié)調(diào)方案均考慮用戶服務小區(qū)不變的場景，然而實際上，根據(jù)常用的服務小 區(qū)選擇準則--最大接收功率準則，每個用戶總是選擇接收信號功率最強的小區(qū)作為服務 小區(qū)，也就是說，隨著小區(qū)發(fā)送功率的改變，用戶的服務小區(qū)也會做出相應改變。
[0003] 考慮到用戶服務小區(qū)隨功率變化，基于功率協(xié)調(diào)的干擾協(xié)調(diào)問題成為一個非確定 性多項式困難（NP-hard)問題。粒子群優(yōu)化能夠用來解該問題，但其不能保證結(jié)果的最優(yōu) 性甚至局部最優(yōu)性。為了得到最優(yōu)功率解，需要對粒子群優(yōu)化進行改進。因此本發(fā)明考慮 在用戶服務小區(qū)變化的情況下提出一種基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)功率協(xié)調(diào)方法， 該方法聯(lián)合調(diào)整微微站的發(fā)送功率，在功率調(diào)整過程中考慮用戶的服務小區(qū)變化，通過將 鄰域局部搜索過程引入粒子群優(yōu)化保證搜索的局部最優(yōu)性，并進一步通過引入多次初始化 過程保證粒子群優(yōu)化得到的功率解的全局最優(yōu)性，最大化系統(tǒng)吞吐量。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是在用戶服務小區(qū)隨著小區(qū)發(fā)送功率變化的情況下提出一種基于 改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)下行鏈路功率協(xié)調(diào)方法，通過聯(lián)合調(diào)整所有微微站的發(fā)送功 率解決超密集異構(gòu)網(wǎng)中的干擾協(xié)調(diào)問題，通過引入鄰域局部搜索和多次初始化過程改進粒 子群，保證以更少的迭代次數(shù)獲得更高的系統(tǒng)吞吐量，保證功率解的局部和全局最優(yōu)性，最 大化系統(tǒng)總體吞吐量。
[0005] 本發(fā)明提出的基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)最優(yōu)功率協(xié)調(diào)方法，包括如下步 驟：
[0006] 第一步，采集網(wǎng)絡(luò)構(gòu)成信息，初始化改進粒子群的參數(shù)。采集網(wǎng)絡(luò)中的宏站個 數(shù)M、微微站個數(shù)I及用戶個數(shù)U。將站點集合記為C= {Cm，Cp}，其中宏站集合(；= {mp m2,. . .，mM}，微微站集合Cp = {p^ p2,. . .，px}。初始化改進粒子群的參數(shù)：迭代次數(shù)記 為t，重新初始化次數(shù)記為s，初始化最大迭代次數(shù)和最大重新初始化次數(shù)分別為t ite、t_， 局部搜索半徑調(diào)整因子ξ >1，當前迭代次數(shù)t = 0,當前重新初始化次數(shù)s = 0,當前局部 搜索半徑&(〇 = 1，搜索成功次數(shù)Ns(t) = 1，搜索失敗次數(shù)Nf(t) = 1，成功失敗比值門限 打 th〉1。
[0007] 第二步：設(shè)置N種微微站候選發(fā)送功率集合

【權(quán)利要求】
1. 一種基于改進粒子群的超密集異構(gòu)網(wǎng)絡(luò)最優(yōu)功率協(xié)調(diào)方法，包括如下步驟： 第一步，采集網(wǎng)絡(luò)構(gòu)成信息，初始化改進粒子群的參數(shù)。采集網(wǎng)絡(luò)中的宏站個數(shù)M、微微 站個數(shù)I及用戶個數(shù)U。將站點集合記為C = {Cm, Cp}，其中宏站集合Cm = {niD m2,. . .，mM}， 微微站集合Cp = {ρρ p2,. . .，pj。初始化改進粒子群的參數(shù)：迭代次數(shù)記為t,重新初始化 次數(shù)記為s，初始化最大迭代次數(shù)和最大重新初始化次數(shù)分別為t ite、，局部搜索半徑調(diào) 整因子ξ>1，當前迭代次數(shù)t = 0,當前重新初始化次數(shù)s = 0,當前局部搜索半徑rQ(t)= 1，搜索成功次數(shù)Ns(t) = 1，搜索失敗次數(shù)Nf(t) = 1，成功失敗比值門限nth> 1。 第二步：設(shè)置N種微微站候選發(fā)送功率集合
及功率調(diào)整 尺度集合
每個候選發(fā)送功率集合和功率調(diào)整尺度集合包含 I個微微站的候選發(fā)送功率和功率調(diào)整尺度，即

。微微站的候選發(fā)送功率和功率調(diào)整尺度需滿足
J微微站能容忍的最大發(fā)送功率。 第三步：計算各候選功率集合對應的用戶可達速率<'(〇及系統(tǒng)吞吐量Tn(t)。針對當前 每個候選功率集合^⑴，根據(jù)公式（1)為用戶u(u e U)計算其接收到的來自各個站點的 參考信號接收功_
,
其I d
" m戶u與站點c間的信道增益。將RSRP最大的小區(qū)作為用戶u的服務小 區(qū)，記為Cu，并根據(jù)公式（2)、（3)計算各候選功率集合下各用戶的可達速率<(0及系統(tǒng)吞 吐量 ,
(2) (3) 其中為用戶U在功率集合ρ"下在其服務小區(qū)分得的帶寬，隊為噪聲功率。 第四步：采集當前自身最優(yōu)發(fā)送功率集合^r(o和全局最優(yōu)發(fā)送功率集合。 根據(jù)公式（4)選擇各候選發(fā)送功率集合η目前為止的自身最優(yōu)功率集合，
(4) 并根據(jù)公式（5)選擇目前為止所有候選功率集合經(jīng)歷的全局最優(yōu)發(fā)送功率集合。
(5) 第五步：采集當前全局最優(yōu)功率集合在Ν個候選功率集合中對應的標號g(t)。
(6) 第六步：更新除全局最優(yōu)集合外，其他候選發(fā)送功率的調(diào)整尺度
和功率集 合
>。根據(jù)公式（7)、（8)更新非當前全局最優(yōu)候選發(fā)送功率集啟
和功 率調(diào)整尺度集合

其中
區(qū)間內(nèi)的隨機數(shù)，為保證尋優(yōu)過程的收斂性，限制慣性權(quán)重 ω及加速系數(shù)q、c2的取值范圍：
(9) 第七步：根據(jù)局部隨機搜索項，更新當前全局最優(yōu)功率集合的功率調(diào)整尺度<^(?)(? + 1) 和發(fā)送功率集合

其1
>)為鄰域局部隨機搜索項，。 第八步：用戶根據(jù)更新的功率集合重新選擇服務小區(qū)，計算各候選集合獲得的吞吐量。 用戶根據(jù)更新了的功率集合及公式（1)重新選擇服務小區(qū)，并根據(jù)公式（2)、（3)計算各候 選功率集合對應的系統(tǒng)吞吐量。 第九步：更新自身最優(yōu)發(fā)送功率集合+ 、全局最優(yōu)發(fā)送功率集合巧G + 1)和全局 最優(yōu)功率集合標號g(t+l)。根據(jù)公式（4)、（5)、（6)更新當前各候選功率集合的自身最優(yōu) 發(fā)送功率、全局最優(yōu)發(fā)送功率及全局最優(yōu)功率集合標號。 第十步：更新搜索到更優(yōu)值的成功次數(shù)凡和失敗次數(shù)Nf。方法為：判斷全局最優(yōu)功率 集合的標號是否發(fā)生改變，若
，卩全局最優(yōu)標號不 變且搜索到更優(yōu)值，則
即全局最優(yōu) 標號不變且未搜索到更優(yōu)值，則
，即全局最優(yōu)標號發(fā)生改變，則 重置成功和失敗次數(shù)，
第十一步：更新局部搜索半grQ(t+l)。根據(jù)（12)式更新局部搜索半徑，
(12) 也就是說，如果成功與失敗比值超過一定門限，則增大在全局最優(yōu)粒子附近搜索的搜 索半徑以嘗試搜索更多可行功率集合；若果比值低于門限，說明在當前搜索半徑內(nèi)搜索到 更優(yōu)解的幾率小，應減小全局最優(yōu)粒子附近搜索的搜索半徑以在收斂的小范圍內(nèi)詳盡搜索 更優(yōu)功率集合；若成功失敗比值等于門限，說明可以在當前搜索半徑下繼續(xù)搜索。 第十二步：判斷是否結(jié)束本次初始化的迭代。若t+1 < tit"，且所有候選功率集合與 全局最優(yōu)功率集合間的距離之和大于門限值ε，則更新迭代次數(shù)，即t = t+Ι，并回到第六 步，計算各更新的候選功率集合對應的系統(tǒng)吞吐量并更新自身及全局最優(yōu)發(fā)送功率集合； 否則，進行第十三步。 第十三步：判斷重新初始化結(jié)束條件。若s < tras，設(shè)置重新初始化次數(shù)s = s+l，t = 〇,重新初始化N-1種候選發(fā)送功率集合，與當前全局最優(yōu)功率集合一起作為新的N種候選 發(fā)送功率集合，并重新初始化N種功率調(diào)整尺度，回到第二步，計算各新的候選集合對應的 系統(tǒng)吞吐量并更新自身及全局最優(yōu)發(fā)送功率集合；否則，進行第十四步。 第十四步：停止，按照得到的全局最優(yōu)發(fā)送功率集合設(shè)置各微微站的發(fā)送功率。
【文檔編號】H04W16/14GK104066096SQ201410315609
【公開日】2014年9月24日 申請日期:2014年7月3日 優(yōu)先權(quán)日:2014年7月3日
【發(fā)明者】潘志文, 蔣慧琳, 劉楠, 尤肖虎 申請人:東南大學