一种基于改进粒子群的超密集异构网络最优功率协调方法

摘要

本发明提供了一种基于改进粒子群的超密集异构网络最优功率协调方法。该方法联合调整微微站的发送功率，避免密集部署的微微站以最大功率发送对宏站、邻居微微站构成的严重干扰，最大化系统吞吐量。方法考虑用户服务小区在功率调整过程中的变化，并通过邻域局部搜索和多次初始化过程改进粒子群，加快收敛速度，提高功率解的质量。提出的改进通过邻域局部搜索过程保证功率解的局部最优性，并通过多次初始化过程进一步保证得到的功率解的全局最优性，能够以更少的迭代次数获得更高的系统吞吐量，在不影响子载波分配自由度、不损失资源利用率的基础上协调同层和跨层干扰，从功率调整的角度最大程度地提升系统频谱效率和总体吞吐量。

主权项

一种基于改进粒子群的超密集异构网络最优功率协调方法，包括如下步骤：第一步，采集网络构成信息，初始化改进粒子群的参数。采集网络中的宏站个数M、微微站个数I及用户个数U。将站点集合记为C＝{C_m,C_p}，其中宏站集合C_m＝{m₁,m₂,...,m_M}，微微站集合C_p＝{p₁,p₂,...,p_I}。初始化改进粒子群的参数：迭代次数记为t，重新初始化次数记为s，初始化最大迭代次数和最大重新初始化次数分别为t_iter、t_res，局部搜索半径调整因子ξ>1，当前迭代次数t＝0，当前重新初始化次数s＝0，当前局部搜索半径r_Q(t)＝1，搜索成功次数N_s(t)＝1，搜索失败次数N_f(t)＝1，成功失败比值门限η_th＞1。第二步：设置N种微微站候选发送功率集合及功率调整尺度集合每个候选发送功率集合和功率调整尺度集合包含I个微微站的候选发送功率和功率调整尺度，即微微站的候选发送功率和功率调整尺度需满足其中为微微站能容忍的最大发送功率。第三步：计算各候选功率集合对应的用户可达速率及系统吞吐量Tⁿ(t)。针对当前每个候选功率集合根据公式(1)为用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRP_u,c(u∈U,c∈C)，RSRP_u,c＝P_cG_u,c   (1)其中G_u,c为用户u与站点c间的信道增益。将RSRP最大的小区作为用户u的服务小区，记为C_u，并根据公式(2)、(3)计算各候选功率集合下各用户的可达速率及系统吞吐量$r_u^n\left(t\right)=W_u^n{\log }_2(1+\frac{P_{C_u}^n\left(t\right)G_{u,C_u}}{{\Sigma }_{C_I\in C,C_I\ne C_u}{P}_{C_I}^n\left(t\right)G_{u,C_I}+N_0})---\left(2\right)$其中为用户u在功率集合下在其服务小区分得的带宽，N₀为噪声功率。第四步：采集当前自身最优发送功率集合和全局最优发送功率集合根据公式(4)选择各候选发送功率集合n目前为止的自身最优功率集合，并根据公式(5)选择目前为止所有候选功率集合经历的全局最优发送功率集合。第五步：采集当前全局最优功率集合在N个候选功率集合中对应的标号g(t)。$g\left(t\right)=\underset{n}{\arg \max }{T}_s^n\left(t\right)---\left(6\right)$第六步：更新除全局最优集合外，其他候选发送功率的调整尺度和功率集合根据公式(7)、(8)更新非当前全局最优候选发送功率集合和功率调整尺度集合其中r₁ⁿ(t)、为[0,1]区间内的随机数，为保证寻优过程的收敛性，限制惯性权重ω及加速系数c₁、c₂的取值范围：第七步：根据局部随机搜索项，更新当前全局最优功率集合的功率调整尺度和发送功率集合其中为邻域局部随机搜索项，第八步：用户根据更新的功率集合重新选择服务小区，计算各候选集合获得的吞吐量。用户根据更新了的功率集合及公式(1)重新选择服务小区，并根据公式(2)、(3)计算各候选功率集合对应的系统吞吐量。第九步：更新自身最优发送功率集合全局最优发送功率集合和全局最优功率集合标号g(t+1)。根据公式(4)、(5)、(6)更新当前各候选功率集合的自身最优发送功率、全局最优发送功率及全局最优功率集合标号。第十步：更新搜索到更优值的成功次数N_s和失败次数N_f。方法为：判断全局最优功率集合的标号是否发生改变，若g(t+1)＝g(t)且T^g(t+1)(t+1)＞T^g(t)(t)，即全局最优标号不变且搜索到更优值，则N_s＝N_s+1；若g(t+1)＝g(t)且T^g(^t+1)(t+1)≤T^g(t)(t)，即全局最优标号不变且未搜索到更优值，则N_f＝N_f+1；若g(t+1)≠g(t)，即全局最优标号发生改变，则重置成功和失败次数，N_s＝N_f＝1。第十一步：更新局部搜索半径r_Q(t+1)。根据(12)式更新局部搜索半径，$r_Q(t+1)=\left\{\begin{array}{cc}\delta r_Q\left(t\right)& \mathrm{if}{N}_s/N_f>{\eta }_{\mathrm{th}}\\ r_Q\left(t\right)/\delta & \mathrm{if}{N}_s/N_f<1/{\eta }_{\mathrm{th}}\\ r_Q\left(t\right)& \mathrm{otherwise}\end{array}\right.---\left(12\right)$也就是说，如果成功与失败比值超过一定门限，则增大在全局最优粒子附近搜索的搜索半径以尝试搜索更多可行功率集合；若果比值低于门限，说明在当前搜索半径内搜索到更优解的几率小，应减小全局最优粒子附近搜索的搜索半径以在收敛的小范围内详尽搜索更优功率集合；若成功失败比值等于门限，说明可以在当前搜索半径下继续搜索。第十二步：判断是否结束本次初始化的迭代。若t+1＜t_iter，且所有候选功率集合与全局最优功率集合间的距离之和大于门限值ε，则更新迭代次数，即t＝t+1，并回到第六步，计算各更新的候选功率集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第十三步。第十三步：判断重新初始化结束条件。若s＜t_res，设置重新初始化次数s＝s+1，t＝0，重新初始化N‑1种候选发送功率集合，与当前全局最优功率集合一起作为新的N种候选发送功率集合，并重新初始化N种功率调整尺度，回到第二步，计算各新的候选集合对应的系统吞吐量并更新自身及全局最优发送功率集合；否则，进行第十四步。第十四步：停止，按照得到的全局最优发送功率集合设置各微微站的发送功率。