毫米波分布式网络中用户关联和波束成形联合多目标优化方法

1.本发明涉及无线通信技术领域，具体涉及一种毫米波分布式网络中用户关联和波束成形联合多目标优化方法。


背景技术：

2.近些年来，随着时代的发展，无线通信的需求正在越来越大，这种需求具体体现在网络吞吐量，网络时延，可靠性，大规模连接等很多个方面。为了满足时代对无线通信技术的新的要求，毫米波传输技术在无线通信领域广受关注。使用毫米波进行无线通信能够有效地增加带宽，提高传输可靠性。然而毫米波也有着自由空间损耗大，穿透能力较差的问题，因此我们需要使用波束成形、大规模mimo、分布式天线等技术来解决这些问题。分布式天线技术能够扩大无线网络的覆盖范围，增强网络的服务质量。将接入网以主从基站的方式分布式部署，可以有效提高网络的各项指标性能，也可以解决毫米波传输的一些实际问题。在分布式网络中，用户关联是一个热门的研究方向，一组合理的用户关联可以有效提高分布式网络的整体性能，也可以减少分布式网络中一些不必要的资源消耗。
3.目前现有的毫米波分布式网络中的优化方案，一般仅仅以网络吞吐量或网络的总功率或总延迟为目标进行优化，对多个目标，多个优化变量的联合优化有所忽略，这将会导致一些较为重要的网络指标得不到很好的兼顾，导致网络整体性能的下降。


技术实现要素：

4.本发明的目的是提供一种毫米波分布式网络中用户关联和波束成形联合多目标优化方法，该方法能够通过对用户关联和波束成形的有效调整，对通信系统的吞吐量、端到端延迟与负载平衡进行了有效的权衡与优化。
5.为实现上述目的，本发明采用的技术方案为：
6.一种毫米波分布式网络中用户关联和波束成形联合多目标优化方法，包括以下步骤：
7.步骤s1：建立在毫米波频段下基于分布式天线网络技术的数学模型；
8.步骤s2：确定多个优化目标并通过模糊逻辑确定各个优化目标的权重；
9.步骤s3：建立联合优化问题的数学模型，并确定其目标函数和约束条件；
10.步骤s4：采用模糊逻辑引导的基因扩展遗传算法求解步骤s3提出的优化问题；
11.所述步骤s1中，设一个单小区毫米波分布式网络中，存在k个单天线用户，l个远程无线单元(remote radio unit，rru)，第l个远程无线单元配备的天线数为q
l
。用户k收到的基带信号可由下式表示：
12.13.其中，∑
·
表示求和运算，[
·
]h表示共轭转置运算，表示从第l个远程无线单元到第k个用户之间的信道增益向量，表示第l个远程无线单元为传输信号至第k个用户设计的波束形成向量，sk～cn(0,1)为一个复数标量，表示传输给用户k的数据符号，x～cn(μ,σ2)表示随机变量x在复数域满足均值为μ，方差为σ2的正态分布，表示噪声，表示高斯白噪声的功率。
[0014]
因此，用户k接收信号的信干噪比可由下式表示：
[0015][0016]
其中|
·
|表示绝对值运算，(
·
)2表示平方运算。用户k的接收速率可由下式表示：
[0017]rk
＝b log2(1 sinrk)
[0018]
其中b表示信道带宽，log2(
·
)表示以2为底数的对数运算。
[0019]
所述步骤s2中，多个优化目标分别为下行毫米波网络总吞吐量、下行毫米波网络总延迟和网络负载平衡度。
[0020]
下行毫米波网络总吞吐量定义为所有用户接收速率之和，可由下式表示：
[0021][0022]
下行毫米波网络总延迟定义为网络中所有有效传输链路的延迟之和，可由下式表示：
[0023][0024]
其中，d
lk
表示从远程无线单元l到用户k的传输延迟，z
lk
表示远程无线单元l到用户k之间的用户关联，当远程无线单元l与用户k之间传输信息时，有z
lk
＝1，否则z
lk
＝0，并且设每一个用户只能与一个远程无线单元间存在用户关联。
[0025]
网络负载平衡度定义为各个远程无线单元服务的用户数量的方差，可由下式表示：
[0026][0027]
其中表示开平方运算，表示远程无线单元l服务的用户数量，表示远程无线单元服务的用户数量的平均值。
[0028]
所述步骤s2中，模糊逻辑方法的具体实现步骤如下：
[0029]
步骤s21：选择三角函数作为模糊推理系统的隶属度函数，可由下式表示：
[0030][0031]
因此，我们可以用一个三元数组(α1,α2,α3)来表示一个隶属度函数。
[0032]
步骤s22：定义模糊术语集和相应的隶属度函数三元组为：
[0033][0034][0035]
步骤s23：定义模糊推理的9条规则，由此确定模糊推理规则表：
[0036]
步骤s24：根据用户的服务质量(qos，quality of service)需求以及用户的价格(cost)需求，运行模糊推理系统，将以上信息模糊化后输入模糊推理系统，根据模糊规则推理来确定权重参数ω1，ω2，ω3。
[0037]
所述步骤s3中，优化模型建立的具体实现步骤如下：
[0038]
步骤s31，确定优化问题的目标函数，联合优化问题的目标函数定义为各个优化目标都归一化至区间[0,1]后加权相加的和，可由下式表示：
[0039][0040]
其中，ω1,ω2,ω3分别表示下行毫米波网络总吞吐量、下行毫米波网络总延迟和网络负载平衡度三个优化目标各自的权重，由步骤s2中模糊逻辑的方法推得，t’＝t
max-t为吞吐量t的一个线性变换，目的是将求吞吐量t最大值的问题转换为求t’最小值的问题，(
·
)
max
表示取最大值运算，(
·
)
min
表示取最小值运算。
[0041]
步骤s32，确定优化问题的约束条件，该优化问题的约束条件有两个，分别为每一个用户只能与一个远程无线单元间存在用户关联，可由下式表示：
[0042][0043]
以及波束形成向量的范围，这是因为波束形成向量的可选择的方案过多，需要有一个码本进行选择，可以用集合w来表示，因此该约束条件可由下式表示：
[0044]wl,k
∈w
[0045]
步骤s33，确定最终的联合多目标优化问题的数学模型，可由下式表示：
[0046][0047][0048]wl,k
∈w
[0049]
其中，表示联合优化波束形成向量w
l,k
，用户关联变量z
lk
使得其后函数值最小，s.t.表示使其满足后述条件。
[0050]
所述步骤s4具体包括：
[0051]
步骤s41，建立基因扩展遗传算法的基本模型，定义染色体、基因、种群规模、最大进化次数、交叉概率、变异概率、适应度函数等遗传算法的基本要素；
[0052]
步骤s42，随机初始化种群，并设置进化次数t＝0；
[0053]
步骤s43，计算种群中每个个体的适应度；
[0054]
步骤s44，进行选择、交叉、变异，并设置进化次数t＝t 1；
[0055]
步骤s45，若进化次数t未达到最大进化次数则跳转至步骤s43；否则结束步骤，输出最终的波束形成向量w
l,k
与用户关联变量z
lk
；
[0056]
所述步骤s41具体包括：
[0057]
步骤s411，定义染色体与基因：染色体表示优化问题的解的二进制序列，也称为个体。每个染色体共有两部分基因，第一部分基因表示用户关联，为l
×
k组用户关联按照一定的顺序排列形成的二进制序列，其中为了提高进化的有效性，使用了基因扩展的方法；第二部分基因表示波束形成向量，为l
×
k组波束形成向量按照用户关联的排列顺序排列形成的二进制序列，每一组波束形成向量的二进制序列为波束形成向量码本索引的二进制形式；
[0058]
步骤s412，定义种群规模n
pop
，最大进化次数g
max
，交叉概率pc，变异概率pm，并设置这些常量；
[0059]
步骤s413，定义适应度函数为优化目标函数；
[0060]
所述步骤s44具体包括：
[0061]
步骤s441，根据适应度进行种群中个体的选择，使用经典的比例轮盘随机选择方案，个体ai被选中的概率可由下式表示：
[0062]
[0063]
其中，f(ai)表示个体ai的适应度，由此可以模拟自然界中“适者生存”的过程，完成选择操作；
[0064]
步骤s442，进行交叉的操作，采用离散交叉算子法，并基于交叉概率进行交叉操作。假设交叉序列为1100001，则两段原基因在交叉序列的“0”处进行二进制码的交换，若两段原基因为0101110，1110011，则按照这一交叉规则子基因为0110010，1101111；
[0065]
步骤s443，进行变异的操作，采用单点变异算子法，并基于变异概率进行变异操作。单点变异算子法即改变基因上某个二进制数的值从而完成变异操作。
[0066]
有益效果：本发明能够通过对用户关联和波束成形的有效调整，对通信系统的吞吐量、端到端延迟与负载平衡进行有效的权衡与优化，能够有效提升毫米波分布式网络整体性能，平衡各项指标，兼顾无线网络的各项需求，具有广阔的应用前景。
附图说明
[0067]
图1为本发明提供的毫米波分布式网络中用户关联和波束成形联合多目标优化方法流程图；
[0068]
图2为本发明所采用的基因扩展遗传算法的流程图；
[0069]
图3为本发明具体实施方式中使用模糊逻辑引导的遗传算法(flga，fuzzy logic guided genetic algorithm)与模糊逻辑引导的基因扩展遗传算法(flgega，fuzzy logic guided gene extended genetic algorithm)吞吐量、时延、负载平衡度归一化函数值对比图；
[0070]
图4为本发明具体实施方式中使用基因扩展遗传算法(gega，gene extended genetic algorithm)与模糊逻辑引导的基因扩展遗传算法(flgega，fuzzy logic guided gene extended genetic algorithm)吞吐量、时延、负载平衡度归一化函数值对比图。
具体实施方式
[0071]
下面结合附图对本发明作更进一步的说明。
[0072]
如图1所示，本发明提供的一种毫米波分布式网络中用户关联和波束成形联合多目标优化方法，包括如下步骤：
[0073]
步骤s1：建立在毫米波频段下基于分布式天线网络技术的数学模型；具体为：
[0074]
设一个单小区毫米波分布式网络中，存在k个单天线用户，l个远程无线单元(remote radio unit，rru)，第l个远程无线单元配备的天线数为q
l
。用户k收到的基带信号可由下式表示：
[0075][0076]
其中，∑
·
表示求和运算，[
·
]h表示共轭转置运算，表示从第l个远程无线单元到第k个用户之间的信道增益向量，表示第l个远程无线单元为传输信号至第k个用户设计的波束形成向量，sk～cn(0,1)为一个复数标量，表示传输给用户k的数据符号，x～cn(μ,σ2)表示随机变量x在复数域满足均值为μ，方差为σ2的正态分布，
表示噪声，表示高斯白噪声的功率。
[0077]
因此，用户k接收信号的信干噪比可由下式表示：
[0078][0079]
其中|
·
|表示绝对值运算，(
·
)2表示平方运算。用户k的接收速率可由下式表示：
[0080]rk
＝b log2(1 sinrk)
[0081]
其中b表示信道带宽，log2(
·
)表示以2为底数的对数运算。
[0082]
步骤s2：确定多个优化目标并通过模糊逻辑确定各个优化目标的权重；具体为：
[0083]
多个优化目标分别为下行毫米波网络总吞吐量、下行毫米波网络总延迟和网络负载平衡度。
[0084]
下行毫米波网络总吞吐量定义为所有用户接收速率之和，可由下式表示：
[0085][0086]
下行毫米波网络总延迟定义为网络中所有有效传输链路的延迟之和，可由下式表示：
[0087][0088]
其中，d
lk
表示从远程无线单元l到用户k的传输延迟，z
lk
表示远程无线单元l到用户k之间的用户关联，当远程无线单元l与用户k之间传输信息时，有z
lk
＝1，否则z
lk
＝0，并且设每一个用户只能与一个远程无线单元间存在用户关联。
[0089]
网络负载平衡度定义为各个远程无线单元服务的用户数量的方差，可由下式表示：
[0090][0091]
其中表示开平方运算，表示远程无线单元l服务的用户数量，表示远程无线单元服务的用户数量的平均值。
[0092]
步骤s3：建立联合优化问题的数学模型，并确定其目标函数和约束条件；具体步骤为：
[0093]
步骤s31，确定优化问题的目标函数，联合优化问题的目标函数定义为各个优化目标都归一化至区间[0,1]后加权相加的和，可由下式表示：
[0094][0095]
其中，ω1,ω2,ω3分别表示下行毫米波网络总吞吐量、下行毫米波网络总延迟和网络负载平衡度三个优化目标各自的权重，由步骤s2中模糊逻辑的方法推得，t’＝t
max-t为
吞吐量t的一个线性变换，目的是将求吞吐量t最大值的问题转换为求t’最小值的问题，(
·
)
max
表示取最大值运算，(
·
)
min
表示取最小值运算。
[0096]
步骤s32，确定优化问题的约束条件，该优化问题的约束条件有两个，分别为每一个用户只能与一个远程无线单元间存在用户关联，可由下式表示：
[0097][0098]
以及波束形成向量的范围，这是因为波束形成向量的可选择的方案过多，需要有一个码本进行选择，可以用集合w来表示，因此该约束条件可由下式表示：
[0099]wl,k
∈w
[0100]
波束形成向量的选择码本s，来源于离散傅里叶变换(discrete fourier transform，dft)矩阵，构造q
l
×ql
离散傅里叶变换矩阵：
[0101][0102]
其中由于这个矩阵的行与列组成的集合是相同的，由此集合w可以确定。这样的一个波束形成选择码本的设计方案不一定是最优的设计方案，是一个具有参考性的设计方案。
[0103]
步骤s33，确定最终的联合多目标优化问题的数学模型，可由下式表示：
[0104][0105][0106]wl,k
∈w
[0107]
其中，表示联合优化波束形成向量w
l,k
，用户关联变量z
lk
使得其后函数值最小，s.t.表示使其满足后述条件。
[0108]
步骤s4：采用模糊逻辑引导的基因扩展遗传算法求解步骤s3提出的优化问题；具体步骤为：
[0109]
步骤s41，建立基因扩展遗传算法的基本模型，定义染色体、基因、种群规模、最大进化次数、交叉概率、变异概率、适应度函数等遗传算法的基本要素；具体步骤为：
[0110]
步骤s411，定义染色体与基因：染色体表示优化问题的解的二进制序列，也称为个体。每个染色体共有两部分基因，第一部分基因表示用户关联，为l
×
k组用户关联按照一定的顺序排列形成的二进制序列，其中为了提高进化的有效性，使用了基因扩展的方法；第二部分基因表示波束形成向量，为l
×
k组波束形成向量按照用户关联的排列顺序排列形成的二进制序列，每一组波束形成向量的二进制序列为波束形成向量码本索引的二进制形式；
[0111]
基因扩展的方法是使用一组长度为m的二进制序列来表示一组用户关联，由于长
度为m的二进制序列共有2m种情况，因此只要定义其中的2
m-1
种情况表示有用户关联，另外2
m-1
种情况表示无用户关联。相较于传统的使用一个二进制数来表示用户关联，这种基因扩展的方法可以扩展对种群最优进化方向的搜索，为种群提供足够的优化空间，从而达到更好的优化效果。
[0112]
步骤s412，定义种群规模n
pop
，最大进化次数g
max
，交叉概率pc，变异概率pm，并设置这些常量；
[0113]
步骤s413，定义适应度函数为优化目标函数；
[0114]
步骤s42，随机初始化种群，并设置进化次数t＝0；
[0115]
步骤s43，计算种群中每个个体的适应度；
[0116]
步骤s44，进行选择、交叉、变异，并设置进化次数t＝t 1；具体步骤为：
[0117]
步骤s441，根据适应度进行种群中个体的选择，使用经典的比例轮盘随机选择方案，个体ai被选中的概率可由下式表示：
[0118][0119]
其中，f(ai)表示个体ai的适应度，由此可以模拟自然界中“适者生存”的过程，完成选择操作；
[0120]
步骤s442，进行交叉的操作，采用离散交叉算子法，并基于交叉概率进行交叉操作。假设交叉序列为1100001，则两段原基因在交叉序列的“0”处进行二进制码的交换，若两段原基因为0101110，1110011，则按照这一交叉规则子基因为0110010，1101111。
[0121]
步骤s443，进行变异的操作，采用单点变异算子法，并基于变异概率进行变异操作。单点变异算子法即改变基因上某个二进制数的值从而完成变异操作。
[0122]
步骤s45，若进化次数t未达到最大进化次数则跳转至步骤s43；否则结束步骤，输出最终的波束形成向量w
l,k
与用户关联变量z
lk
。
[0123]
根据以上步骤，设置参数qos＝0.5，cost＝0.5，g
max
＝500，n
pop
＝100，pc＝0.7，pm＝0.4，q
l
＝8，flga使用1位二进制代码来表示用户关联，flgega使用8位二进制代码来表示用户关联，由此进行计算机仿真，仿真结果如图3所示，使用基因扩展的方法能让通信系统的各项指标更优。
[0124]
根据以上步骤，设置参数g
max
＝600，n
pop
＝100，pc＝0.7，pm＝0.4，q
l
＝8，在gega中设置参数ω1＝0.5，ω2＝0.5，ω3＝0.5，在flgega中设置参数qos＝1，cost＝0.1由此进行计算机仿真，仿真结果如图4所示，使用模糊逻辑的方法能让通信系统的各项指标更优。
[0125]
本发明能够通过对用户关联和波束成形的有效调整，对通信系统的吞吐量、端到端延迟与负载平衡进行有效的权衡与优化，能够有效提升毫米波分布式网络整体性能，平衡各项指标，兼顾无线网络的各项需求，具有广阔的应用前景。
[0126]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。