大规模MIMO系统的智能天线选择与功率分配方法研究

发布时间：2021-01-26 05:41

　　为了满足大规模多输入多输出（multiple input multiple output,MIMO）系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。 

【文章来源】：系统工程与电子技术. 2020,42(12)北大核心

【文章页数】：7 页

【部分图文】：

系统能效随天线选择系数和用户数目变化的关系曲线

系统能效随着不同天线数目和天线选择系数变化的关系曲线如图6所示，仿真实验中天线数目从50增加到500，天线选择系数ξ分别取0.1、0.3、0.5、0.7和1。从图中可以看出，不同的天线选择系数和天线数目对系统能效有较大影响。主要原因在于当天线选择系数固定时，随着基站天线数目大规模增加，势必会增加系统功耗。当天线数目固定时，选择少量天线可有效减少通信系统的功耗，进而提升系统能效。但在实际通信系统中，不能通过单方面减少参与通信的天线数目来提升系统能效而忽略用户的数据传输需求。为保证系统可靠性，本文所提出的智能天线选择与功率分配方法能根据天线数目的变化调整天线选择系数和用户发送功率，相比于其他策略，本文所提方法能得到最大的系统能效，可以推广到实际5G通信网络设计中。以中国移动5G上行通信传输链路为例，频带为2 535～2 555 MHz，带宽为20 MHz，若需传输10 Mbit数据，采用本文所提基于量子化学反应优化的智能天线选择与功率分配方法所消耗的能量为5.49 mJ，而采用CRO、Dinkelbach和HPA方法所消耗的能量分别为7.37 mJ、17.50mJ和41.32 mJ。相比CRO、Dinkelbach和HPA方法，所提出的基于量子化学反应优化的智能天线选择与功率分配方法消耗的能量减少了25.5%、68.6%和86.7%，能效为CRO、Dinkelbach和HPA方法的1.34倍、3.18倍和7.52倍。在用户最大发送功率固定的情况下，由于量子化学反应优化的智能天线选择与功率分配方法的能效更高，完成相同的数据传输任务所需要的传输时间更短，可显著降低时延且能降低能量消耗，证明了所提智能天线选择与功率分配方法的有效性。4 结论

考虑如图1所示的单小区大规模MIMO系统，其中包括一个配置M根天线的基站和K个单天线用户。假设用户随机分布在基站覆盖范围内，基站与用户k(k=1,2，…，K）之间的信道状态信息[9-11,23]可表示为，其中，hk为基站到用户k的小尺度衰落矢量，为基站到用户k的大尺度衰落因子，βk=(rk/r0)-v0，其中rk为基站与用户k之间的距离，r0为参考距离，v0表示路径衰落系数[23]。在上行传输过程中，基站收到的信号可表示为

【参考文献】：
期刊论文
[1]能量采集认知无线电的量子蝙蝠最优合作策略[J]. 高洪元,杜亚男,张世铂,刘丹丹.  通信学报. 2018(09)



本文编号：3000571