基于遗传算法的去蜂窝大规模MIMO系统上行叠加导频传输方法

技术领域

本发明涉及上行链路频谱效率优化方法，具体涉及一种基于遗传算法的去蜂窝大规模MIMO系统上行叠加导频传输方法。

背景技术

同基于蜂窝架构的5G大规模MIMO(Multiple-Input Multiple-Output)技术相比，去蜂窝大规模MIMO技术更强调以用户(User Equipment，UE)为中心。当某一UE请求服务时，该区域内的所有接入点(Access Point，AP)都能为其提供服务，这消除了区间干扰并解决了小区边缘UE性能较差的问题。鉴于其具有高频谱效率且低成本、易部署等优势，去蜂窝大规模MIMO被视为未来6G通信系统中一项有前景的关键技术。

在目前有关去蜂窝大规模MIMO系统的研究中，大多数文献都假设导频和上行载荷数据是在不同的时隙内进行传输的，即常规导频传输方案。通常在一个传输块内，导频传输所占用的时隙数要远远小于有效信息传输所占用的时隙数。在这种情况下，可用的导频数目往往小于UE数目，从而引起较严重的导频污染。针对该问题，一个有效的解决方案是UE同时传输导频和信息数据，即采用叠加导频传输方案。虽然已有文献针对该方案下的系统性能进行了分析和验证，但这些文献都假设所有UE的导频-信息功率均衡因子均相同，即所有UE分配给导频和信息的功率都相同。考虑到不同UE的信道传播质量不同，显然这种等功率均衡因子方案无法获得最优的系统总速率。由于以该因子作为自变量建立的总速率最优化问题是非凸的，其最优解很难在多项式时间内求得，因此，亟需设计一种高效的导频-信息功率均衡因子优化方法，并基于得出的功率均衡因子进行叠加导频传输，以期提高系统性能。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于遗传算法的去蜂窝大规模MIMO系统上行叠加导频传输方法，该方法较好地解决了系统总速率不佳的技术问题。

技术方案：本发明所述的一种基于遗传算法的去蜂窝大规模MIMO系统上行叠加导频传输方法，包括以下步骤：

(1)在去蜂窝大规模MIMO系统下，建立上行链路叠加导频传输模型，利用线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)准则得出信道估计；

(2)基于LMMSE信道估计设计解码器，建立性能解析分析方法并推导出系统上行链路总速率闭式表达式；并将每个UE的导频-信息功率均衡因子看作待优化变量，以系统总速率最优化为目标函数建立优化问题，该问题是一个非凸问题；

(3)利用遗传算法设计所述非凸问题的求解方法，从而达到系统总速率最优化；

(4)在后续若干个连续传输块内，UE根据步骤(3)得到的导频-信息功率均衡因子调整其分配给导频和数据信号的发射功率。

进一步地，步骤(1)包括：

假设所有UE同时向AP发射导频和数据信号，AP

其中，m＝1,2,…,M，k＝1,2,…,K，g

进一步地，所述步骤(1)还包括：

基于Y

其中，β

进一步地，所述步骤(2)包括：

基于估计出的

其中，λ

进一步地，所述步骤(2)还包括：

以总速率最优化为目标，且以UE的导频-信息功率均衡因子为自变量的优化问题可建模为：

其中，约束C

进一步地，所述步骤(3)包括以下步骤：

S1初始化种群：初始化迭代次数i＝0，以约束C

S2计算系统总速率：将不同的κ代入所述步骤(2)中的目标函数中，分别计算出对应于不同κ的系统总速率；

S3选择：依照“轮盘赌法”原则进行个体选则，即总速率越高的个体越容易被选择。选择后的种群大小与原始种群大小相同；

S4交叉：相邻两个体之间进行交叉运算。进行交叉时，首先生成一个随机数并判断该随机数是否小于设定的交叉概率。若成立，依据该随机数产生分割点，相邻两个体在分割点前后互换二进制片段，产生两个新个体；

S5变异：针对单个体，生成一个随机数并判断该随机数是否小于设定的变异概率。若成立，依据该随机数产生变异点，对该个体的二进制片段进行取反操作，生成新个体；

S6淘汰：设定淘汰速率门限值，即如果某个体对应的总速率低于该门限值，则用对应总速率最好的个体替换该个体；

S7判断

S8若不成立，令i＝i+1，重复步骤S2-S8；

S9若成立，令κ

S10输出最佳的个体κ

进一步地，所述步骤(4)包括：

中央处理器(Central Processing Unit，CPU)将计算好的κ

有益效果：

本发明与现有技术相比，其显著优点是：本发明首先在叠加导频传输模型和不同的UE采用不同的导频-信息功率均衡因子的前提下推导出基于MRC接收机的上行总速率闭式表达式；接着，考虑UE的导频-信息功率均衡因子约束，提出以总速率最优化为目标的优化问题，该问题是一个非凸问题；针对该问题，采用遗传算法求解出原始优化问题的最优解。本发明设计的传输方法考虑了导频-信息功率均衡因子优化机制对总速率的影响，同采用等功率均衡因子的传输方案相比，本发明设计的传输方法可使系统总速率大幅提升，具有广泛的使用价值及应用前景。

附图说明

图1为本发明实施例所述的传输方法流程图；

图2为本发明实施例所述的系统总速率和功率均衡因子之间的关系图；

图3为本发明实施例所述的系统总速率和AP数目之间的关系图；

图4为本发明实施例所述的系统总速率和UE数目之间的关系图。

具体实施方式

下面对本发明技术方法进行详细说明。

本发明主要技术问题是提出了一种基于遗传算法的去蜂窝大规模MIMO系统上行叠加导频传输方法，所设计的传输方法可以动态地调整每个UE分配给其导频和信息数据的功率，从而达到优化系统总速率的目的。以下结合说明书附图对本发明创造作进一步的详细说明。

如图1所示，步骤(1)：建立上行链路叠加导频传输模型并推导出LMMSE信道估计。

本发明研究去蜂窝规模MIMO系统上行链路，所考虑的去蜂窝规模MIMO系统具有M个AP，K个UE和1个CPU，每个AP配备N根天线，而每个UE配备单根天线。

假设整个系统工作在时分双工模式下，并假设所有UE同时向AP发射导频和数据信号，AP

其中，m＝1,2,…,M，k＝1,2,…,K,g

基于Y

其中，β

步骤(2)：基于估计出的

在有关去蜂窝大规模MIMO系统速率闭式表达式的推导过程中，通常采用UatF技术推导出系统下行速率的闭式表达式。基于步骤(1)中给出的叠加导频数据传输模型，可推导出系统总速率表达式为：

其中，λ

以总速率最优化为目标，且以UE的导频-信息功率均衡因子为自变量的优化问题可建模为：

其中，约束C

步骤(3)：设计可求解优化问题

遗传算法的核心是如何设计适应度以及选择、交叉、编译和淘汰机制，通过迭代进行这些步骤，可以求得原始问题的一个最优解。

具体地，步骤(3)中设计的遗传算法详细步骤为：

Step 1：初始化种群。初始化迭代次数i＝0，以约束C

Step 2：计算系统总速率。将不同的κ代入所述步骤(2)中的目标函数中，分别计算出对应于不同κ的系统总速率；

Step 3：选择。依照“轮盘赌法”原则进行个体选则，即总速率越高的个体越容易被选择。选择后的种群大小与原始种群大小相同；

Step4：交叉。相邻两个体之间进行交叉运算。进行交叉时，首先生成一个随机数并判断该随机数是否小于设定的交叉概率。若成立，依据该随机数产生分割点，相邻两个体在分割点前后互换二进制片段，产生两个新个体；

Step5：变异。针对单个体，生成一个随机数并判断该随机数是否小于设定的变异概率。若成立，依据该随机数产生变异点，对该个体的二进制片段进行取反操作，生成新个体；

Step6：淘汰。设定淘汰速率门限值，即如果某个体对应的总速率低于该门限值，则用对应总速率最好的个体替换该个体；

Step7：判断

Step8：若不成立，令i＝i+1，重复步骤(Step2)-(Step8)；

Step9：若成立，令κ

Step10：输出最佳的个体κ

步骤(4)：利用求得的κ

在后续若干个连续传输块内，CPU将计算好的κ

以下结合仿真实验对本发明的技术方案性能进行进一步说明。

图2给出了系统总速率在等功率均衡因子方案下与功率均衡因子的关系图，其中横坐标为UE导频-信息功率均衡因子，纵坐标为系统总速率。本发明所设计算法下的系统总速率也在图2中给出。仿真参数设置为M＝60，N＝4，τ＝20，B＝20MHz，σ

图3给出了系统总速率在不同的功率均衡因子方案下与AP数目的关系图。值得注意的是，图3中等功率均衡因子方案下的系统总速率对应于其可实现的最优值。如图3所示，与等功率均衡因子方案相比，本发明提出的传输方法可以显著提升系统总速率。具体来说，当M＝50和N＝4时，本发明提出的传输方法使得等功率均衡因子方案下的总速率改善了约8.5％。此外，还可发现随着AP天线数目的增多，等功率均衡因子方案和本发明设计的传输方法下的系统总速率都得到了提升。

图4给出了系统总速率在不同的功率均衡因子方案下与UE数目的关系图。图4中仿真参数的取值同图3中的仿真参数的取值相同。可以发现，对于具有不同UE数目的去蜂窝大规模MIMO系统，同等功率均衡因子方案相比，本发明提出的传输方法均可大幅提升系统总速率。结合图2和图3中得到的结论，可以发现本发明设计的传输方法具有较高的实用性。

虽然本发明仅考虑了去蜂窝大规模MIMO系统上行叠加导频传输方法下的UE功率均衡因子的优化问题，但本发明也为同领域内其他优化问题提供了参考。可以以此为依据进行拓展延伸，运用于同领域内其他算法的技术方案中，具有十分广阔的应用前景。