一种去蜂窝大规模MIMO网络低功耗大连接方法

一种去蜂窝大规模mimo网络低功耗大连接方法
技术领域
1.本发明涉及低功耗大连接技术，特别涉及一种去蜂窝大规模mimo网络低功耗大连接方法，属于无线通信技术领域。


背景技术：

2.随着移动通信技术的发展，工业、农业以及交通运输等行业正在加速推进设备通信无线化，智能化。同时，由于移动通信服务领域的不断拓展，用户终端设备的数量正在迅速增长，分布也更加密集。然而，大量移动设备的接入给移动通信系统的安全、稳定运行提出巨大的挑战。
3.低功耗大连接技术主要面向移动通信系统中的信息采集类业务，其具有如下应用优势：首先，低功耗大连接技术能够为移动设备提供高覆盖、广连接以及足够的安全性和可靠性。其次，低功耗大连接技术通过对设备进行功率分配，降低设备通信过程中的能耗，从而达到降低成本，提高系统效率的目标。去蜂窝大规模mimo是一种能够提供高频谱利用率以及高能效的新兴移动通信技术。


技术实现要素：

4.发明目的：针对现有技术中存在的问题与不足，本发明提供一种去蜂窝大规模mimo网络低功耗大连接方法。该方法根据系统中的干扰情况进行设备的发射功率分配，降低设备功耗，并且动态地优化ap分簇和波束成形矩阵，提高系统容量。
5.技术方案：本发明为实现以上要点，提出一种去蜂窝大规模mimo网络低功耗大连接方法，具体包括以下步骤：
6.步骤一：选择k个被服务设备，确定其相干时间持续的符号数τc；
7.步骤二：根据被服务设备数量k确定τc中被参考信号(rs)用于信道估计的符号数τ
p
，并利用rs得到各设备上行信道估计值
8.步骤三：根据被服务设备k确定功率分配法则，并根据该法则确定被服务设备的发射功率，随后cpu将结果发送至各被服务设备；
9.步骤四：利用双重深度q学习(ddql)算法，以最大化系统容量为目标，对波束成形矩阵以及接入点(ap)的分簇方案进行联合优化；
10.步骤五：每经过设定时间t
hold
，根据系统内部条件变化，重新进行发射功率分配和ap分簇。
11.作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，步骤二中，被参考信号(rs)用于信道估计的符号数为τ
p
，则被用于传输数据的符号数为τ
c-τ
p
。
12.作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，步骤三中，共定义了两种功率分配法则(ξ1以及ξ2)，两种法则均根据系统中的干扰情况对各被服务设备的发射功率进行确定。其中，法则ξ1依据pk←
ζn
k,noise
(i
k,mmse
)-1
,k＝{1,...,k}对
被服务设备k的发射功率进行确定；法则ξ2依据pk←
ζn
k,noise
(i
k,mr
)-1
,k＝{1,...,k}对被服务设备k的发射功率进行确定。其中，pk表示被服务设备k的发射功率。i
k,mmse
以及i
k,mr
分别表示经过mmse(最小均方根误差)处理以及mr(最大比)处理后，被服务设备k处的干扰情况。n
k,noise
表示被服务设备k与噪声相关的参量，ζ为可调参量。
13.作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，对于具有l个ap和k个被服务设备的系统，若设备数量较少(k≤l)，则采用功率分配法则ξ1进行功率分配；若设备数量较多(k＞l)，则采用功率分配法则ξ2进行功率分配。
14.作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，步骤四中，ap分簇与波束成形联合优化问题表示如下：
[0015][0016]
s.t.0≤w
nk
≤1
[0017]
||wk||2≤1
[0018]
其中，cj表示ap分簇方案集合c中序号为j的分簇方案，c＝{c1,...,cs}，j＝1,2,
…
,s，s表示ap分簇方案数量；w为波束成形矩阵，其第k列元素构成的向量wk＝[w
1k
,...,w
nk
]，w
nk
表示被服务设备k与cj中第n个ap簇之间的波束成形参量；表示当采用分簇方案cj时，被服务设备k与ap通信时的信干噪比(sinr)，其根据下式进行确定：
[0019][0020]
其中，表示被服务设备k与cj中第n个ap簇内第mn个ap之间的信道增益，表示被服务设备l与cj中第n个ap簇内第mn个ap之间的信道增益，表示被服务设备v与cj中第n个ap簇内第mn个ap之间的信道增益，表示被服务设备u与cj中第n个ap簇内第mn个ap之间的信道增益，dn表示cj中第n个ap簇内包含的ap数量。
[0021]
作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，ap分簇与波束成形联合优化问题的最优解是能够最大化上行链路传输速率的ap分簇方案以及与之对应的波束成形矩阵w
*
。
[0022]
作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，用于求解上述联合优化问题的双重深度q学习(ddql)算法包括了对两个子网络的训练，即ddpg(深度确定性策略梯度)网络和ddql(双重深度q学习)网络。其中状态空间s为各被服务设备与ap通信时的sinr所构成的矩阵，记为s＝[s1,...,sk]，其中，动作空间a＝(ω,cj)，其中，ω表示ddpg的连续动作。
[0023]
作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，ddql算法中ddpg子网络训练的迭代步骤如下：
[0024]
步骤4-1-1.利用目标q网络计算q网络的时序差分td目标；
[0025]
步骤4-1-2.利用td目标损失函数最小均方误差的梯度更新评论参数；
[0026]
步骤4-1-3.利用梯度蒙特卡罗估计更新演员actor参数；
[0027]
步骤4-1-4.每经过p次迭代，更新一次目标评论critic和目标策略policy网络。
[0028]
作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，ddql算法中ddql子网络训练的迭代步骤如下：
[0029]
步骤4-2-1.利用目标q网络选择动作，即其中，a
*
为最优动作，为目标q网络的参数；
[0030]
步骤4-2-2.对ddql的q网络参数进行更新；
[0031]
步骤4-2-3.每经过p次迭代，更新一次目标q网络qc′
。
[0032]
作为本发明所述的去蜂窝大规模mimo网络低功耗大连接方法的进一步优化方案，根据步骤四中联合优化得到分簇方案对ap进行分簇，并将每个ap簇作为一个虚拟ap，组成一个分布式天线系统das。
[0033]
有益效果：本发明提供的去蜂窝大规模mimo网络低功耗大连接方法，具有如下优点：
[0034]
1.本方法将一般情况下去蜂窝大规模mimo系统的场景拓展到大连接场景下，并结合设备发射功率分配，能够有效支持更多设备的接入，并显著降低设备通信能耗；
[0035]
2.本方法考虑了一个具备ap动态分簇功能的去蜂窝大规模mimo系统，能够根据信道状态动态地进行ap分簇方案与波束成形矩阵联合优化，提高系统容量；
[0036]
3.本方法能够在移动通信系统设备大连接的场景下，实现低功耗、高速率、自适应的信息传输，提高了系统的资源利用效率。
附图说明
[0037]
图1为本发明去蜂窝大规模mimo网络低功耗大连接方法的一个实施例的流程图。
[0038]
具体实施方法
[0039]
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技术所附权利要求所限定的范围。
[0040]
本发明实施例提供的一种去蜂窝大规模mimo网络低功耗大连接方法，通过将去蜂窝大规模mimo系统的场景拓展到大连接场景下，并结合设备发射功率分配以及ap动态分簇，显著降低了设备通信能耗，并提高系统容量。
[0041]
如图1所示，本发明实施例提供的一种去蜂窝大规模mimo网络低功耗大连接方法的流程图，该方法包括以下步骤：
[0042]
步骤101：在一个由l个ap以及一个cpu组成的去蜂窝大规模mimo系统中，有多个用户设备。选择k个被服务设备，确定其相干时间持续的符号数τc。
[0043]
基于3gpp模型，我们可以得到在相干时间tc＝1ms内，共有τc＝12
×
14＝168个符号。
[0044]
步骤102：根据被服务设备数量k确定τc中被参考信号(rs)用于信道估计的符号数τ
p
，则被用于传输数据的符号数为τ
c-τ
p
。其中，我们规定τ
p
的值最大不超过τc的一半。此外，利用参考信号rs得到设备i上行信道估计值该估计值被用于对各设备处干扰情况进行估计，以便据此进行功率分配。
[0045]
步骤103：根据ap数量l以及被服务设备k，若设备数量较少(k≤l)，则采用功率分配法则ξ1进行功率分配，法则ξ1依据pk←
ζn
k,noise
(i
k,mmse
)-1
对被服务设备k的发射功率进行确定；若设备数量较多(k＞l)，则采用功率分配法则ξ2进行功率分配，法则ξ2依据pk←
ζn
k,noise
(i
k,mr
)-1
对被服务设备k的发射功率进行确定。在本实施例中，我们令可调参量ζ＝10。在确定各设备发射功率之后，cpu将分配结果发送至所有被服务设备，被服务设备k将按照分配结果调整其发射功率。
[0046]
步骤104：利用双重深度q学习算法求解ap分簇与波束成形联合优化问题：
[0047][0048]
其中ddpg子网络以及ddql子网络训练步骤如下：
[0049]
步骤104-1.利用目标q网络计算q网络的时序差分目标；利用td目标损失函数最小均方误差的梯度更新评论参数，并利用梯度蒙特卡罗估计更新演员参数。
[0050]
步骤104-2.每经过p次迭代，更新一次目标评论和目标策略网络。
[0051]
步骤104-3.利用目标q网络选择动作，即对ddql的q网络参数进行更新。
[0052]
步骤104-4.每经过p次迭代，更新一次目标q网络qc′
。
[0053]
步骤105：每经过一定时间t
hold
，重新进行发射功率分配和ap分簇。
[0054]
ap分簇与波束成形联合优化问题的最优解，是能够最大化上行链路传输速率的ap分簇方案以及与之对应的波束成形矩阵w
*
。根据分簇结果对ap进行分簇，并将每个ap簇作为一个虚拟ap，组成一个分布式天线系统(das)。
[0055]
本发明针对移动通信相关应用场景，提出了一种去蜂窝大规模mimo网络低功耗大连接方法。在设备大连接方面，我们通过结合去蜂窝大规模mimo技术与设备功率分配，从而实现大量终端设备的可靠接入；而在低功耗方面，通过设计设备功率分配方法，降低其通信过程中的能量消耗。此外，考虑到设备与移动接入点(ap)通信的效率，我们考虑了去蜂窝大规模mimo系统中ap的动态分簇，从而进一步提高设备的上行传输速率，降低传输能耗。
[0056]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。