一种面向多小区大规模MIMO系统的快收敛波束赋形方法

摘要: 本发明涉及一种面向多小区大规模mimo系统的快收敛波束赋形方法,属于无线通信。背景技术:1、随着移动通信技术的飞速发展,大规模多输入多输出(mmimo)技术已成...
一种面向多小区大规模MIMO系统的快收敛波束赋形方法

本发明涉及一种面向多小区大规模mimo系统的快收敛波束赋形方法,属于无线通信。

背景技术:

1、随着移动通信技术的飞速发展,大规模多输入多输出(mmimo)技术已成为提升多小区无线通信系统频谱效率的核心手段。在多小区干扰信道环境下,通过优化各基站的波束赋形向量来最大化系统加权和速率(wsr),是实现高速率数据传输的关键。然而,由于小区内及小区间的干扰项在目标函数中呈现出复杂的非凸特性,该优化问题通常被证明是np-hard的。目前主流的解决方案主要依赖于分式规划(fp)或加权最小均方误差(wmmse)等传统算法,此类算法通过交替迭代的方式寻找局部最优解。但在基站天线规模及用户数量不断增加的场景下,传统迭代算法涉及高频率的矩阵求逆运算以及大量的数值交互,导致其计算复杂度随系统规模呈指数级增长,难以满足未来通信网络对毫秒级实时调度的严苛要求。

2、近年来,利用深度学习(dl)强大的函数逼近能力来解决波束赋形问题的方案逐渐涌现,旨在通过离线训练实现快速的在线推断。然而,现有的深度学习方案在处理多小区mmimo系统的复杂物理特性时仍存在显著局限。首先,大多数基于全连接神经网络或卷积神经网络的方法,其输入输出维度通常固定,难以适应无线通信中高度动态变化的图拓扑结构,且模型参数量巨大,忽略了物理信道变量间固有的稀疏耦合关系,导致模型在面对不同规模的异构网络时泛化能力较弱。其次,波束赋形解在物理层必须严格满足基站的最大发射功率约束,而通用神经网络结构难以在输出端直接高效地集成此类物理硬约束,往往导致推断结果在实际应用中难以达到理想的性能指标。因此,如何设计一种既能准确感知信道物理拓扑、又能严格保证满足功率约束,且具备低计算复杂度的实时波束赋形优化方案,是当前通信技术领域待解决的关键问题。

技术实现思路

1、本发明所要解决的技术问题是:提供一种面向多小区大规模mimo系统的快收敛波束赋形方法,对分式规划(fp)算法进行深度展开,通过将fp迭代过程中的子问题重构为齐次二次型形式,并利用分层稀疏化的图注意力网络进行实时求解,解决fp波束赋形算法迭代推导时计算复杂度高、收敛慢的问题。

2、本发明为解决上述技术问题采用以下技术方案:

3、一种面向多小区大规模mimo系统的快收敛波束赋形方法,所述大规模mimo系统包含个小区,每个小区对应一个基站,每个基站服务个用户;每个基站配置根发射天线,每个用户配置根接收天线,每个用户接收个独立的数据流;所述方法包括如下步骤:

4、步骤1,获取当前时隙各小区各用户的下行链路信道状态信息矩阵,初始化各用户的波束赋形矩阵;

5、步骤2,基于分式规划算法的拉格朗日对偶变换规则,根据各用户当前的波束赋形矩阵更新包含干扰协方差信息的二次项系数矩阵和包含信号增益信息的线性项系数矩阵;

6、步骤3,针对波束赋形矩阵优化子问题,利用向量化算子将各用户当前的波束赋形矩阵转化为列向量,将各小区所有用户对应的列向量聚合,构造小区级超向量;并引入恒等于1的辅助标量变量构造增广波束赋形向量,从而将波束赋形矩阵优化子问题的目标函数重构为含有核心特征矩阵的齐次二次规划子问题;

7、步骤4,将重构得到的齐次二次规划子问题映射为无向图,利用核心特征矩阵的块对角特性,对无向图执行分层剪枝,得到稀疏图;

8、步骤5,将稀疏图、稀疏图中节点的初始嵌入特征及稀疏图中保留边的边缘特征输入预先训练好的边缘特征图注意力网络,通过多头注意力机制更新节点的潜在嵌入特征,得到初步增广波束赋形向量;

9、步骤6,通过固定初步增广波束赋形向量的末项为1以满足线性等式约束,同时执行非线性功率缩放投影,得到满足基站最大发射功率约束的增广向量,利用反向量化算子将增广向量还原为各用户的波束赋形矩阵;

10、步骤7,重复步骤2-步骤6进入下一轮迭代,将步骤6还原得到的波束赋形矩阵作为下一轮迭代各用户当前的波束赋形矩阵,直至迭代收敛,得到当前时隙各用户的最优波束赋形矩阵。

11、本发明采用以上技术方案与现有技术相比,具有以下技术效果:

12、1、本发明将分式规划迭代算法深度展开,有效避免了传统算法中高频次的矩阵求逆运算。同时,利用信道物理特性进行分层拓扑稀疏化,去除了结构上不存在的耦合边,将图推断的边缘复杂度从大幅降低至,满足未来通信系统毫秒级的实时调度需求,计算效率显著提升。

13、2、本发明构建的图推断架构突破了通用全连接或卷积神经网络固定维度的限制。通过将重构后的二次型系数矩阵元素作为静态边缘特征显式引入注意力机制,使网络能够精准捕获小区内及小区间复杂的干扰耦合关系,在面对不同用户规模的异构网络时展现出极强的泛化性能。

1.一种面向多小区大规模mimo系统的快收敛波束赋形方法,所述大规模mimo系统包含个小区,每个小区对应一个基站,每个基站服务个用户;每个基站配置根发射天线,每个用户配置根接收天线,每个用户接收个独立的数据流;其特征在于,所述方法包括如下步骤:

2.根据权利要求1所述的面向多小区大规模mimo系统的快收敛波束赋形方法,其特征在于,所述步骤3中,波束赋形矩阵优化子问题的目标函数如下:

3.根据权利要求1所述的面向多小区大规模mimo系统的快收敛波束赋形方法,其特征在于,所述步骤4中,无向图中的每个节点对应步骤3构造的增广波束赋形向量的每个元素,,表示复数域,将引入的辅助标量变量对应的节点作为辅助节点,其他节点均为变量节点;利用核心特征矩阵的块对角特性,对无向图执行两层剪枝,第一层剪枝为剪除不同用户对应的变量节点之间的连接边,第二次剪枝为剪除同一用户内对应不同数据流变量节点之间的连接边;两层剪枝后,仅保留同一数据流内部的团边以及所有变量节点与辅助节点之间的连接边,得到稀疏边集,表示为:

4.根据权利要求3所述的面向多小区大规模mimo系统的快收敛波束赋形方法,其特征在于,所述步骤5中,预先训练好的边缘特征图注意力网络包括输入投影层、多个egat推理层以及线性投影输出层;

5.根据权利要求1所述的面向多小区大规模mimo系统的快收敛波束赋形方法,其特征在于,所述步骤6中,满足基站最大发射功率约束的增广向量,表示如下:

6.一种计算机设备,包括存储器、处理器,以及存储在所述存储器中并能够在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的面向多小区大规模mimo系统的快收敛波束赋形方法的步骤。

7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的面向多小区大规模mimo系统的快收敛波束赋形方法的步骤。