一种高铁通信架构下的功率分配方法

摘要

本发明涉及一种高铁通信架构下的功率分配方法，该方法针对车载移动基站的通信架构，在OFDM的调制方式下，通过分配基站以及车载移动基站的功率，对抗车地之间Doppler对系统的影响，最大化系统容量。主要包括：建立高铁车载移动基站通信架构下的信道容量函数，优化分配车载移动基站端的发射功率，优化分配基站端的发射功率。本发明的功率分配方法对高速铁路场景通信架构下的系统性能优化具有重要意义。

主权项

1.一种高铁通信架构下的功率分配方法，其特征在于，所述方法包括以下步骤：步骤201：建立系统模型，计算系统容量，高铁下的OFDM系统，含有N个子载波，地面上的基站BS通过车厢顶部的车载移动基站MBS与车厢内部用户UE通信，假设在连续的两跳中，信道的瞬时增益保持不变，在第一跳中，BS将信号发送到MBS，在第二跳中，MBS重新分配载波功率，并将信号转发给UE，和分别表示分配给BS端第m个子载波的功率和MBS端第m个子载波的功率，则优化的系统容量目标函数表达式为：$C=\underset{p_m^{\left(1\right)},p_m^{\left(2\right)}}{\max }\left(\underset{m=1}{\overset{N}{\Sigma }}{C}_m\right)---(1-1)$服从$C1:\underset{m=1}{\overset{N}{\Sigma }}{p}_m^{\left(1\right)}\le P_B---(1-2)$$C2:\underset{m=1}{\overset{N}{\Sigma }}{p}_m^{\left(2\right)}\le P_R---(1-3)$$C3:p_m^{\left(1\right)}\ge 0,p_m^{\left(2\right)}\ge 0---(1-4)$其中P_B和P_R分别表示BS处和MBS处总的发射功率，C4和C5分别是在BS处和MBS处的功率约束，C_m的表达式为：$\begin{array}{c}{C}_m=\frac{1}{2}{\log }_2(1+\frac{r_m^{\left(1\right)}{p}_m^{\left(1\right)}{r}_m^{\left(2\right)}{p}_m^{\left(2\right)}}{1+r_m^{\left(1\right)}{p}_m^{\left(1\right)}+r_m^{\left(2\right)}{p}_m^{\left(2\right)}})\\ =\frac{1}{2}{\log }_2(1+\frac{p_m^{\left(1\right)}{p}_m^{\left(2\right)}}{(a_m+{\rho }_m\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2})·b_m+b_m{p}_m^{\left(1\right)}+(a_m+{\rho }_m\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2})p_m^{\left(2\right)}})\\ =\frac{1}{2}{\log }_2(1+\frac{p_m^{\left(1\right)}{p}_m^{\left(2\right)}}{(a_m+{\rho }_m\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2})(b_m+p_m^{\left(2\right)})+b_m{p}_m^{\left(1\right)}})\end{array}---(1-5)$其中and为BS-MBS链路和MBS-UE链路中第m个子载波上的信干噪比，和是第m个子载波在BS-MBS链路和MBS-UE链路的信道系数，和分别是BS-MBS链路和MBS-UE链路中加性高斯白噪声的方差，是ICI产生的干扰功率表达式为：${\sigma }_{\mathrm{ICI}}^2=E\left[{\left|\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}{\alpha }_j\sqrt{p_j^{\left(1\right)}}\right|}^2\right]=\frac{{\left({\mathrm{NT}}_s{f}_d\right)}^2}{2}\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2}---(1-6)$其中f_d为最大Doppler，T_s为系统采样周期。且令$A_m=(a_m+{\rho }_m\underset{\underset{j\ne m}{j=1}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2})(b_n+p_n^{\left(2\right)})+b_n{p}_m^{\left(1\right)},$C_m可重新表示为$C_m=\frac{1}{2}{\log }_2(1+\frac{p_m^{\left(1\right)}{p}_m^{\left(2\right)}}{A_m})---(1-7)$步骤202：初始化BS端每个子载波功率，步骤203：进入BS端与MBS端的迭代功率优化，初始化迭代次数l=1；步骤204：在MBS端，初始化拉格朗日算子λ_R，设定步长值s_R；步骤205：，设MBS端迭代次数为l_R=1，最大迭代次数为l_{R_max}；步骤206：采用凸优化方法优化MBS端的子载波功率$p_m^{\left(2\right)}={[\frac{b_m{p}_m^{\left(1\right)}}{{2d}_m}(\sqrt{1+\frac{{2d}_m}{\ln {2b}_m{p}_m^{\left(1\right)}{\lambda }_R}}-1)-b_m]}^{+}---(6-1)$其中[x]⁺=max{x,0}，$d_m=a_m+{\rho }_m\underset{\underset{j\ne m}{j=0}}{\overset{N}{\Sigma }}\frac{p_j^{\left(1\right)}}{{(j-m)}^2};$步骤207：采用次梯度方法计算拉格朗日算子λ_R：${\lambda }_R^{(l_R+1)}={[{\lambda }_R^{\left(l_R\right)}+{s_R}^{*}(\underset{n=1}{\overset{N}{\Sigma }}{p}_n^{\left(2\right)}-P_R)]}^{+}---(7-1)$其中，上标l_R表示迭代次数，s_R表示步长，利用新得到的λ_R，返回步骤205，l_R=l_R+1，MBS处每个子载波的功率可根据公式（6-1）重新分配，如此反复迭代至最大迭代次数l_R=l_{R_max}；步骤208：在BS端，初始化拉格朗日算子λ_R，设定步长值s_R；步骤209：设BS端迭代次数为l_B=1，最大迭代次数为l_{B_max}；步骤210：BS端的子载波依次迭代优化，设当前优化的子载波编号m=1:N；步骤211：固定优化BS端第m个子载波上的优化功率$p_m^{\left(1\right)}={\left[\frac{\sqrt{T_2^2-4T_1{T}_3}-T_2}{{2T}_1}\right]}^{+}---(11-1)$其中，$T_1=b_m(b_m+p_m^{\left(2\right)}),---(11-2)$$T_2=({2b}_m+p_m^{\left(2\right)})(A_m-b_m{p}_m^{\left(1\right)}),---(11-3)$$T_3={(A_m-b_m{p}_m^{\left(1\right)})}^2-\frac{p_m^{\left(2\right)}(A_m-b_m{p}_m^{\left(1\right)})}{2\ln 2{\lambda }_B}---(11-4)$更新第m个子载波的功率值为当前优化得到的功率值，返回步骤210，直至N个子载波的优化功率全部更新完毕，且每个子载波功率收敛于固定值；步骤212：计算BS处的拉格朗日算子λ_B，${\lambda }_B^{(l_B+1)}={[{\lambda }_B^{\left(l_B\right)}+{s_B}^{*}(\underset{m=1}{\overset{N}{\Sigma }}{p}_m^{\left(1\right)}-P_B)]}^{+}---(12-1)$其中l_B表示迭代次数，s_B是步长，利用新得到的λ_B，返回步骤209，MBS处每个子载波的功率可根据公式（11-1）重新分配，如此反复迭代至最大迭代次数l_B=l_{B_max}；步骤213：判断BS与MBS处的和m=1,2,...,N是否收敛于固定值，如果否，返回步骤203，如果是，进入步骤214；步骤214：输出BS与MBS端最终优化得到的各个子载波功率值。