本發(fā)明屬于移動通信技術領域，尤其涉及一種massivemimo系統(tǒng)基于混合能量采集的功率分配方法。

背景技術：

隨著能量采集技術的發(fā)展，網(wǎng)絡能源也逐漸豐富，既可以采用傳統(tǒng)的電網(wǎng)供電，也可以使用環(huán)境能量(風能、太陽能、振動能等)為系統(tǒng)供電，充分利用可再生資源，使得未來網(wǎng)絡在節(jié)能減排的基礎上，實現(xiàn)自給供能，然而，可再生能源供能存在不穩(wěn)定性，且電池容量有限，不能無限制的存儲外部能量，一旦出現(xiàn)能量枯竭使得傳輸中斷，在蜂窩網(wǎng)中則會導致覆蓋空洞，嚴重影響服務質(zhì)量。因此一個僅由可再生能源供電的基站難以保持一個穩(wěn)定的能量供給，不足以保證最低服務質(zhì)量(qos)要求。基站需要采取一種互補方式的混合能量供給方式，來滿足連續(xù)不斷的能量需求，并保證通信系統(tǒng)性能的長期穩(wěn)定性。massivemimo是第五代移動通信技術發(fā)展的關鍵技術，在massivemimo系統(tǒng)上實現(xiàn)綠色通信是未來的發(fā)展趨勢，而混合能量采集技術可以保持能量的持續(xù)供給和穩(wěn)定的服務質(zhì)量，當可再生能量充足時，由可再生能源提供基本服務，可有效降低基站的能耗、提升網(wǎng)絡性能；當可再生能量不足時，電網(wǎng)提供服務，保證持續(xù)長久的能量供給。

綜上所述，現(xiàn)有技術存在的問題是：大部分的研究只適用于具有單能量源的系統(tǒng)，極少有對于可再生能源與電網(wǎng)共存場景的研究，并且目前大多考慮單鏈路、三節(jié)點組成的中繼信道和多址接入信道等較簡單的無線通信系統(tǒng)的分析，對于massivemimo系統(tǒng)并不適用。而massivemimo作為5g的核心技術，是未來通信發(fā)展的趨勢，如何將混合能量采集運用到massivemimo系統(tǒng)是現(xiàn)有技術存在的問題。

技術實現(xiàn)要素：

針對現(xiàn)有技術存在的問題，本發(fā)明提供了一種massivemimo系統(tǒng)基于混合能量采集的功率分配方法。

本發(fā)明是這樣實現(xiàn)的，一種massivemimo系統(tǒng)基于混合能量采集的功率分配方法，其特征在于，所述massivemimo系統(tǒng)基于混合能量采集的功率分配方法關于能量獲取的不確定性建立混合能量采集模型，并根據(jù)信道狀態(tài)和能量狀態(tài)時變特性以及用戶間的協(xié)調(diào)影響，通過迭代更新系統(tǒng)信息，最終為每個用戶分配最優(yōu)的功率，獲得最高吞吐量的同時，最大限度的節(jié)省不可再生資源的利用；

所述能量采集模型采用泊松分布對能量收集過程和信道衰落的變化過程進行分析，能量到達和信道衰落變化的時刻是可計數(shù)的，分別用和表示能量到達時刻序列和信道變化時刻序列，并且根據(jù)泊松分布的性質(zhì)，時刻序列的間隔和分別服從均值為1/λe和1/λf的指數(shù)分布；

所述最優(yōu)的功率分配表示為：

其中和分別為由能量采集和電網(wǎng)提供的信號的發(fā)射功率,和分別為由能量采集和電網(wǎng)提供的電路消耗功率，為能量采集器的電池容量，ein(i)為i時刻的采集能量，為由電網(wǎng)提供的最大功率，pmax為信號發(fā)射功率的最大值，n表示信道變化的次數(shù)，q-1表示能量到達的次數(shù)，η為功率放大器效率，li為第i＝{1,...,q+n}個時間間隔，并且[x]+＝max(0,x)，表示0≤x≤pc，pc為總的電路的功率消耗，α,τ,γ,μ均為拉格朗日乘子。

進一步，所述的massivemimo系統(tǒng)基于混合能量采集的功率分配方法包括以下步驟：

步驟一，在massivemimo下行系統(tǒng)中，基站將采集的能量存儲在可充電電池中，當可充電電池中的能量匱乏時，電網(wǎng)將作為備用電池給系統(tǒng)供電；

步驟二，分析通信系統(tǒng)，根據(jù)信道狀態(tài)和能量狀態(tài)的時變特性，采用泊松分布來表示能量收集過程和信道狀態(tài)的變化過程，所采集能量的到達時刻和信道狀態(tài)的變化時刻分別服從速率為λe和λf的泊松計數(shù)分布；

步驟三，設計以最大化系統(tǒng)吞吐量為目標的優(yōu)化模型，對每個用戶分配的數(shù)據(jù)發(fā)送功率以及傳輸過程中消耗的電路功率進行優(yōu)化；

步驟四，針對建立的優(yōu)化問題進行求解，利用拉格朗日對偶性將原始問題轉(zhuǎn)化為對偶問題，然后采用梯度下降法對拉格朗日乘子進行迭代更新，求得原問題的最優(yōu)解；

步驟五，根據(jù)問題的最優(yōu)解，基站分別從可充電電池和電網(wǎng)中為每個用戶分配功率，并進行信號傳輸。

進一步，所述大尺度衰落因子表示為：

其中zk是對數(shù)正態(tài)隨機變量，10log(zk)是均值為0，方差為的復高斯隨機變量，rk為基站到第k個用戶之間的距離，rh為參考距離，v為路徑損耗；

massivemimo系統(tǒng)下行傳輸用戶的和速率為：

其中g為信道矩陣，pk為基站和第k個用戶之間鏈路的發(fā)射功率，噪聲矢量是由均值為0，方差為的復高斯隨機變量組成。

進一步，采集能量的隨機性使得在使用無線資源時還必須額外滿足能量因果約束和電池容量約束，即：

在整個傳輸過程中，信道變化的次數(shù)是n次，能量到達的次數(shù)是q-1次，初始時刻的到達能量記為ein(1)＝e1＝0，對于時刻，如果為能量到達時刻，如果為信道變化的時刻，

進一步，優(yōu)化問題可建模為：

其中c1約束表示為發(fā)射功率來源于可充電電池的能量限制，c2為了避免能量溢出，造成浪費，要求可充電電池剩余能量小于電池容量c3表示來自電網(wǎng)供應的功率限制，要求功率小于電網(wǎng)的功率上限c4設置了最大傳輸功率pmax的限制。

進一步，當i＞1時，的最優(yōu)值為由其他約束的可行集決定，i＝1時，由此得：

其中表示0≤x≤pc；

拉格朗日乘子的更新公式為：

其中j∈{1,…q+n}，為迭代次數(shù)，和均為迭代步長。

本發(fā)明的優(yōu)點及積極效果為：在一個單小區(qū)多用戶的massivemimo系統(tǒng)下行傳輸過程中，基站作為發(fā)送端由可再生能源和電網(wǎng)共同供電，可再生能量采集后存儲于一個電池中用于數(shù)據(jù)傳輸，當電池電量匱乏時，基站將利用電網(wǎng)能量保證服務。本發(fā)明基于能量獲取的不確定性建立混合能量采集機制，并根據(jù)信道狀態(tài)和能量狀態(tài)時變特性以及用戶間的協(xié)調(diào)影響，通過迭代更新系統(tǒng)信息，最終為每個用戶獲得最優(yōu)的功率分配，使系統(tǒng)獲得最高吞吐量的同時，最大限度的節(jié)省不可再生資源的利用，達到綠色、節(jié)能的目的。

本發(fā)明提供的massivemimo系統(tǒng)基于混合能量采集的功率分配方法，通過以最大化系統(tǒng)的可達和速率為目標，提升了系統(tǒng)的最大吞吐量。本發(fā)明方法簡單，操作方便，進一步節(jié)約了現(xiàn)有的能量資源。在圖3中，本發(fā)明采用的對比算法為：混合能量采集下平均功率分配和只有能量采集的功率分配，可以看出相同的條件下，提出的優(yōu)化算法由于考慮用戶和基站之間的不同信道狀態(tài)信息，優(yōu)于平均功率分配，而當只考慮能量采集，無電網(wǎng)的功率時，由于能量到達的時變特性，系統(tǒng)的吞吐量遠遠不如提出的優(yōu)化算法。

附圖說明

圖1是本發(fā)明實施例提供的massivemimo系統(tǒng)基于混合能量采集的功率分配方法流程圖。

圖2是本發(fā)明實施例提供的使用massivemimo系統(tǒng)下行通信系統(tǒng)的模型示意圖。

圖3是本發(fā)明實施例提供的massivemimo系統(tǒng)基于混合能量采集的最優(yōu)功率分配算法的吞吐量與其他算法的比較示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對本發(fā)明的應用原理作詳細的描述。

如圖1所示，本發(fā)明實施例提供的基于混合能量采集的功率分配方法包括以下步驟：

s101：在massivemimo下行系統(tǒng)中，基站將采集的能量存儲在可充電電池中，當可充電電池中的能量匱乏時，電網(wǎng)將作為備用電池給系統(tǒng)供電；

s102：分析通信系統(tǒng)，根據(jù)信道狀態(tài)和能量狀態(tài)的時變特性，采用泊松分布來表示能量收集過程和信道狀態(tài)的變化過程，所采集能量的到達時刻和信道狀態(tài)的變化時刻分別服從速率為λe和λf的泊松計數(shù)分布；

s103：設計以最大化系統(tǒng)吞吐量為目標的優(yōu)化模型，對每個用戶分配的數(shù)據(jù)發(fā)送功率以及傳輸過程中消耗的電路功率進行優(yōu)化；

s104：針對建立的優(yōu)化問題進行求解，利用拉格朗日對偶性將原始問題轉(zhuǎn)化為對偶問題，然后采用梯度下降法對拉格朗日乘子進行迭代更新，求得原問題的最優(yōu)解；

s105：根據(jù)問題的最優(yōu)解，基站分別從可充電電池和電網(wǎng)中為每個用戶分配功率，并進行信號傳輸。

下面結(jié)合附圖對本發(fā)明的應用原理作進一步的描述。

如圖2所示的顯示massivemimo下行通信系統(tǒng)，系統(tǒng)包括一個配有m根天線的基站，基站同時為k個單天線用戶終端提供服務，其中基站具有能量采集功能，假設信道矩陣表示為發(fā)送信號為那么接收端的接收信號為：

其中y表示接收信號矢量，pk為基站和第k個用戶之間鏈路的發(fā)射功率，n是由均值為0，方差為的復高斯隨機變量組成的噪聲矢量，信道矩陣g＝d^1/2h，為小尺度衰落矩陣，h中的元素服從均值為0，方差為1的獨立同分布的復高斯隨機變量。對角陣表示從基站到用戶的大尺度衰落，其中[dkk]＝βk，βk為大尺度衰落因子，由于用戶與基站之間的距離遠大于天線間的距離，所以βk改變的較為緩慢，由此大尺度衰落因子βk與頻率無關，大尺度衰落因子為：

其中zk是對數(shù)正態(tài)隨機變量，10log(zk)是均值為0，方差為的復高斯隨機變量，rk為基站到第k個用戶之間的距離，rh為參考距離，v為路徑損耗。

zf預編碼是對發(fā)送信號乘以一個加權矩陣，使得每個發(fā)送天線上的干擾為0，用以消除小區(qū)內(nèi)用戶間的干擾，預編碼矩陣為a＝g^h(gg^h)^-1，發(fā)送信號變?yōu)榘l(fā)送信號可以表示為x＝g^h(gg^h)^-1s，此時接收信號變?yōu)椋?/p>

由此求得第k個用戶的接收信號為：

ak和gk為矩陣a和矩陣g的第k列元素，由此求得信號與干擾加噪聲比為：

其中其中giak＝δik，信號與干擾加噪聲比為：

所以，由此得系統(tǒng)的和速率為：

由于能量收集過程無論在時間上和空間上都存在很大的不確定性，收集過程是隨機的，且時間上是獨立的，為了不失一般性，本發(fā)明采用泊松分布對能量收集過程進行建模。能量采集的到達時刻和信道衰落變化時刻分別服從速率為λe和λf的泊松計數(shù)分布，能量到達時刻和信道衰落變化的時刻是可計數(shù)的，分別用和表示能量到達時刻序列和信道變化時刻序列，并且根據(jù)泊松分布的性質(zhì)，時刻序列的間隔和分別服從均值為1/λe和1/λf的指數(shù)分布。在整個傳輸過程中，每一次的能量到達時刻或者信道狀態(tài)變化時刻記為一個時刻斷點，從前一個時刻到一個時刻斷點，這一段時間記為一個時間段，其中時間段i記為[ti,ti+1)，其中ti和ti+1為相鄰的兩個時刻斷點，時間段i的時間間隔為li＝ti+1-ti，在每一段時間內(nèi)，沒有能量的到達也沒有信道的變化，所以假設信號的發(fā)射功率是相同的。假設在時刻i采集到的能量用ei表示，其中ei用于下一時刻的功率發(fā)送，只有在能量到達時刻采集的能量才會被充進電池中，當采集的能量不足以滿足信號發(fā)射所需的能量時，剩余發(fā)射所需的能量由電網(wǎng)提供，當新到達的能量超過電池的剩余容量時,能量將會溢出而無法再利用,也會導致能量的浪費。因此采集能量的隨機性使得在使用無線資源時還必須額外滿足能量因果約束和電池容量約束，即：

在本發(fā)明中，考慮在[0,t]時間內(nèi)，使傳輸?shù)谋忍財?shù)最大，信道變化的次數(shù)是n次，能量到達的次數(shù)是q-1次，初始時刻的到達能量記為ein(1)＝e1＝0，對于時刻，如果為能量到達時刻，如果為信道變化的時刻，

綜上分析，優(yōu)化問題可建模為：

其中和分別為由能量采集和電網(wǎng)提供的信號的發(fā)射功率，和分別為由能量采集和電網(wǎng)提供的電路消耗功率，為能量采集器的電池容量，為由電網(wǎng)提供的最大功率，pmax為信號發(fā)射功率的最大值。其中發(fā)送功率pi,k由兩部分構(gòu)成，一部分來源于能量采集，即另一部分來自電網(wǎng)提供的信號的發(fā)射功率，即c1約束表示為來源于可充電電池的功率限制，c2為了避免能量溢出造成浪費，要求可充電電池剩余能量小于電池容量c3表示來自電網(wǎng)供應的功率部分的限制，要求功率小于電網(wǎng)的功率上限c4設置了最大傳輸功率pmax的限制。

解決上述優(yōu)化問題，首先需要求出上述問題的拉格朗日函數(shù)，整理得：

其中α,τ,γ,μ均為拉格朗日乘子，其中τ是對應于約束c2的拉格朗日乘子，在第一個epoch上，此時能量采集量為0，

由此得出對應的對偶優(yōu)化問題為：

發(fā)送功率pi,k由來源于能量采集的和來自電網(wǎng)提供的信號的發(fā)射功率組成，由此得知使用優(yōu)化理論和kkt條件求得每個epoch上的功率分配。

由l(x(p),α,τ,γ,μ)對求導，得到下式并推導出

為了方便計算，令由此得出：

由l(x(p),α,τ,γ,μ)對求導，得到下式并推導出

本發(fā)明定義為迭代次數(shù)，由拉格朗日乘子可以得出上一次的由此本發(fā)明可以通過上式得到其中等于然后通過的求解公式求出

由于l(x(p),α,τ,γ,μ)對求導，得到：

由此可得li(x(p),α,β,γ)關于是一個仿射函數(shù)，簡而言之，當i＞1時，的最優(yōu)值為由其他約束的可行集決定，i＝1時，由此得：

其中表示0≤x≤pc。

拉格朗日乘子的更新公式為：

其中j∈{1,…q+n}，為迭代次數(shù)，和均為迭代步長。

下面結(jié)合仿真對本發(fā)明的應用效果作詳細的描述。

假設用戶數(shù)為10，電網(wǎng)提供的最大發(fā)射功率為采集速率為2j/s，在圖3中，本發(fā)明采用的對比算法為：混合能量采集下平均功率分配和只有能量采集的功率分配?？梢钥闯鱿嗤臈l件下，提出的優(yōu)化算法由于考慮用戶和基站之間的不同信道狀態(tài)信息，優(yōu)于平均功率分配，而當只考慮能量采集，無電網(wǎng)的功率時，由于能量到達的時變特性，系統(tǒng)的吞吐量遠遠不如提出的優(yōu)化算法。

本發(fā)明以最大化系統(tǒng)的可達和速率為目標，提出了一種最優(yōu)的功率分配方法，提升了系統(tǒng)的最大吞吐量。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。