一种高铁无线通信低复杂的能效优化方法

技术领域

本发明涉及无线通信，更具体地，涉及用于高铁无线通信场景下的上行链路能效优化的方法和装置。

背景技术

近年来，高速铁路发展迅猛，随着移动用户数量激增，智能终端的快速普及，乘客的无线数据业务需求也大大增加，当前的高铁通信网络暴露出能效低下的问题。除此之外，铁路通信系统不同于传统的蜂窝小区结构，铁路通信系统采用沿线铺设基站，当列车行驶于小区边缘时，数据传输速率低，容易造成数据的丢失与延迟，因此有必要考虑数据缓存问题以及数据到达过程和无线传输过程的匹配问题，并在此基础上提升系统传输的能效。

相应地，在本领域中存在对于提升高铁无线传输系统的能效的技术的需要。

发明内容

提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

针对现有技术中存在的问题，考虑数据缓存问题以及数据到达过程和无线传输过程的匹配问题的情况下提升高铁无线传输系统的能效，并降低现有功率分配方案的计算复杂度。本发明的目的在于提供一种高铁无线通信上行链路低复杂度能效优化方案。

根据本发明的第一方面，提供了一种用于高铁无线通信场景下的上行链路能效优化的方法，该方法可以包括：确定列车通信系统的功率约束、传输速率约束和列车接入点的数据缓存约束；根据该功率约束、该传输速率约束和该数据缓存约束来建立针对上行链路能效的优化问题；基于该优化问题的最优解的可行域来对该优化问题进行简化；使用拉格朗日乘子法对经简化的优化问题进行求解，以获得对应的功率表达式；以及基于该功率表达式来确定每个时刻的传输功率分配值。

在根据本发明的第一方面的一个实施例中，上行链路数据首先由用户传送到列车接入点，然后通过列车接入点将上行链路数据传送给基站。

在根据本发明的第一方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于功率约束的可行域内并且位于传输速率约束的可行域内时，通过忽略功率约束和传输速率约束来简化该优化问题。

在根据本发明的第一方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于功率约束的可行域内而在传输速率约束的可行域之外时，通过使传输速率约束取边界值来简化该优化问题。

在根据本发明的第一方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于传输速率约束的可行域内而在功率约束的可行域之外时，通过使功率约束取边界值来简化该优化问题。

根据本发明的第二方面，提供了一种用于高铁无线通信场景下的上行链路能效优化的装置，该装置可以包括：存储器；以及耦合至该存储器的处理器，其中该处理器被配置成：确定列车通信系统的功率约束、传输速率约束和列车接入点的数据缓存约束；根据该功率约束、该传输速率约束和该数据缓存约束来建立针对上行链路能效的优化问题；基于该优化问题的最优解的可行域来对该优化问题进行简化；使用拉格朗日乘子法对经简化的优化问题进行求解，以获得对应的功率表达式；以及基于该功率表达式来确定每个时刻的传输功率分配值。

在根据本发明的第二方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于功率约束的可行域内并且位于传输速率约束的可行域内时，通过忽略功率约束和传输速率约束来简化该优化问题。

在根据本发明的第二方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于功率约束的可行域内而在传输速率约束的可行域之外时，通过使传输速率约束取边界值来简化该优化问题。

在根据本发明的第二方面的一个实施例中，基于优化问题的最优解的可行域来对优化问题进行简化可以包括：当与最大能效对应的最优解位于传输速率约束的可行域内而在功率约束的可行域之外时，通过使功率约束取边界值来简化该优化问题。

根据本发明的第三方面，提供了一种存储计算机程序的计算机可读介质，该计算机程序在由处理器执行时执行本发明的方法。

通过采用本发明提供的技术方案，不仅可以保证传输速率匹配和缓存大小约束条件下提升系统能效，而且能够降低功率分配算法的计算复杂度。

通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。

附图说明

为了能详细地理解本发明的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本发明的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。

图1解说了根据本发明的一个实施例的高铁场景下的单天线系统模型图。

图2解说了根据本发明的一个实施例的用于高铁无线通信场景下的上行链路能效优化的方法的流程图。

图3解说了根据本发明的一个实施例的用于高铁无线通信场景下的上行链路能效优化的装置的框图。

图4解说了普通二分法与根据本发明的低复杂度算法在不同最小速率需求下的能效对比图。

图5解说了普通二分法与根据本发明的低复杂度算法在不同最大功率限制下的能效对比图的关系图。

图6解说了普通二分法与根据本发明的低复杂度算法在不同最大功率限制下的迭代次数对比图。

图7解说了普通二分法与根据本发明的低复杂度算法在不同最小速率需求下的迭代次数对比图。

具体实施方式

下面结合附图详细描述本发明，本发明的特点将在以下的具体描述中得到进一步的显现。

本发明针对单天线上行链路传输，采用一种低复杂度的功率分配方法提升通信系统传输能效。首先，建立了带缓存约束的优化问题，通过引入能效因子将其转化为凸问题。然后用拉格朗日乘子法求解出最佳功率分配表达式，直接通过二分法更新拉格朗日乘子和能效因子，确定最佳能效时的功率分配值。但这种功率分配方法在确定最佳功率分配值时存在大量的迭代次数，为了降低求解的计算复杂度，本发明采用了一种基于最优解可行域讨论的低复杂度的功率分配方法来最大化系统能效。通过对两种功率分配方法进行仿真对比，仿真结果表明，与直接使用二分法相比，所采用的低复杂度方法可以在没有任何能效性能损失的情况下大大降低计算复杂度。

图1解说了根据本发明的一个实施例的高铁场景下的单天线系统模型图100。为了避免大的穿透损耗，采用如图1的典型的“两跳”结构，上行链路数据首先由用户传送到列车上的接入点AP 110，然后通过接入点AP 110把上行链路数据传输给沿线铺设的基站120。d

通过下式(1)来建立具有列车通信系统的功率约束、传输速率约束和列车接入点的数据缓存约束的能效优化问题：

max.E

s.t.C1：

C2：

C3：

其中

接下来，通过引入能效因子，将该优化问题转换为凸问题后，通过拉格朗日乘子法求解最佳功率分配表达式。

由于该优化问题的目标函数E

对于一个给定的ξ(t)，当满足f(ξ(t))＝0时，就能获得最佳解。当目标函数为f(ξ(t))时，优化问题已被转换为一个凸问题，可以通过拉格朗日乘子法进行求解。

通过拉格朗日乘子法求解，拉格朗日函数可以创建为：

其中λ

其中t

其中δ

对于该表达式，可以使用二分法对拉格朗日乘子和能效因子进行更新迭代，获取能效达到最大时每个时刻的功率分配值。

然而，上述功率分配方法在确定最佳功率分配值时存在大量的迭代次数，为了降低求解的计算复杂度，本发明采用了一种基于最优解可行域讨论的低复杂度的功率分配算法来最大化系统能效。

以下详细描述通过讨论最优能效解的可行域来对优化问题进行简化。

情形一：当获得最大能效时，最优解总是能满足优化问题的速率和功率约束，即系统传输速率和功率消耗均在约束条件范围之内。此时，在优化时可以忽略C1和C2两个约束条件，将优化问题简化为：

max.f(ξ(t)) (6)

情形二：最大能效对应的最优解位于功率约束的可行域内，而在速率约束的可行域之外(即，功率消耗在约束条件范围之内，但是系统传输速率在约束条件范围之外)。这种情况下，为了满足优化问题的功率和速率约束条件，只能让速率约束取边界值，才能获得最大能效，即

min.

s.t.C1：

C2：

C3：

情形三：最大能效对应的最优解位于速率约束的可行域内，而在功率约束的可行域外(即，系统传输速率在约束条件范围之内，但是功率消耗在约束条件范围之外)。与情形二类似，优化问题可以简化为：

max.

s.t.C1：

C2：

C3：

对经简化的优化问题分别进行求解，获得对应的功率分配表达式。

情形一对应的优化问题通过拉格朗日乘子法求解后得到的功率表达式为：

情形二对应的优化问题通过拉格朗日乘子法求解后得到的功率表达式为：

情形三对应的优化问题通过拉格朗日乘子法求解后得到的功率表达式为：

最后，对于式(9)、式(10)和式(11)，可以分别使用二分法对拉格朗日乘子进行更新迭代，以获取能效达到最大时每个时刻的功率分配值。

图2解说了根据本发明的一个实施例的用于高铁无线通信场景下的上行链路能效优化的方法200的流程图。在一些示例中，方法200可由图3中解说的装置300来执行。在一些示例中，方法200可由用于执行下述功能或算法的任何合适的设备或装置来执行。

在框210，方法200可以包括：确定列车通信系统的功率约束、传输速率约束和列车接入点的数据缓存约束。例如，可以基于式(1)中的C1、C2和C3来确定该功率约束、该传输速率约束和该数据缓存约束。

在框220，方法200可以包括：根据该功率约束、该传输速率约束和该数据缓存约束来建立针对上行链路能效的优化问题。例如，可以根据式(1)来建立针对上行链路能效的优化问题。

在框230，方法200可以包括：基于该优化问题的最优解的可行域来对该优化问题进行简化。在本文中，优化问题的最优解的可行域指的是与最大能效对应的最优解是否满足优化问题的速率和功率约束。在第一种情形中，当与最大能效对应的最优解位于功率约束的可行域内并且位于传输速率约束的可行域内时(即，当系统传输速率和功率消耗均在约束条件范围之内时)，可以通过忽略功率约束和传输速率约束来简化该优化问题。此时，该优化问题可以如式(6)中所描述的那样来简化。在第二种情形中，当与最大能效对应的最优解位于功率约束的可行域之内而在传输速率约束的可行域之外时(即，当功率消耗在约束条件范围之内、但是传输速率在约束条件范围之外时)，可以通过使传输速率约束取边界值来简化该优化问题。此时，该优化问题可以如式(7)中所描述的那样来简化。在第三种情形中，当与最大能效对应的最优解位于传输速率约束的可行域之内而在功率约束的可行域之外时(即，当传输速率在约束条件范围之内、但是功率消耗在约束条件范围之外时)，可以通过使功率约束取边界值来简化该优化问题。此时，该优化问题可以如式(8)中所描述的那样来简化。

在框240，方法200可以包括：使用拉格朗日乘子法对经简化的优化问题进行求解，以获得对应的功率表达式。例如，可以使用拉格朗日乘子法分别对式(6)、式(7)和式(8)进行求解，以获得对应的功率表达式(例如，式(9)、式(10)和式(11))。

在框250，方法200可以包括：基于所获得的功率表达式来确定每个时刻的传输功率分配值。例如，基于针对上述三种情形分别获得的功率表达式，可以分别使用二分法对拉格朗日乘子进行更新迭代，以获取能效达到最大时每个时刻的功率分配值。

在方法200的一个可选实施例中，上行链路数据首先由用户传送到列车接入点，然后通过列车接入点将上行链路数据传送给基站。由此，可以避免大的穿透损耗。

图3解说了根据本发明的一个示例性实施例的用于高铁无线通信场景下的上行链路能效优化的装置300的框图。装置300可使用包括一个或多个处理器304的处理系统314来实现。处理器304的示例包括微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、状态机、选通逻辑、分立的硬件电路、以及配置成执行本公开通篇描述的各种功能性的其他合适硬件。在各个示例中，装置300可被配置成执行本文中所描述的功能中的任一者或多者。即，如在装置300中利用的处理器304可被用于实现以上参照图2描述的方法200。

在该示例中，处理系统314可被实现成具有由总线302一般化地表示的总线架构。取决于处理系统314的具体应用和总体设计约束，总线302可包括任何数目的互连总线和桥接器。总线302将包括一个或多个处理器(由处理器304一般化地表示)、存储器305和计算机可读介质(由计算机可读介质306一般化地表示)的各种电路通信地耦合在一起。总线302还可链接各种其他电路，诸如定时源、外围设备、稳压器和功率管理电路，这些电路在本领域中是众所周知的，且因此将不再进一步描述。总线接口308提供总线302与收发机310之间的接口。收发机310提供用于在传输介质上与各种其他设备进行通信的通信接口或装置。取决于该设备的特性，还可提供用户接口312(例如，按键板、显示器、扬声器、话筒、操纵杆)。当然，此类用户接口312是可任选的，且可在一些示例中被省略。

在一些方面，处理器304可被配置成：确定列车通信系统的功率约束、传输速率约束和列车接入点的数据缓存约束；根据该功率约束、该传输速率约束和该数据缓存约束来建立针对上行链路能效的优化问题；基于该优化问题的最优解的可行域来对该优化问题进行简化；使用拉格朗日乘子法对经简化的优化问题进行求解，以获得对应的功率表达式；以及基于该功率表达式来确定每个时刻的传输功率分配值。

处理器304负责管理总线302和通用处理，包括对存储在计算机可读介质306上的软件的执行。软件在由处理器304执行时使处理系统314执行针对任何特定设备描述的各种功能。计算机可读介质306和存储器305还可被用于存储由处理器304在执行软件时操纵的数据。

处理系统中的一个或多个处理器304可以执行软件。软件应当被宽泛地解释成意为指令、指令集、代码、代码段、程序代码、程序、子程序、软件模块、应用、软件应用、软件包、例程、子例程、对象、可执行件、执行的线程、规程、函数等，无论其是用软件、固件、中间件、微代码、硬件描述语言、还是其他术语来述及皆是如此。软件可驻留在计算机可读介质306上。计算机可读介质306可以是非瞬态计算机可读介质。作为示例，非瞬态计算机可读介质包括磁存储设备(例如，硬盘、软盘、磁带)、光盘(例如，压缩碟(CD)或数字多用碟(DVD))、智能卡、闪存设备(例如，卡、棒或钥匙型驱动器)、随机存取存储器(RAM)、只读存储器(ROM)、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、寄存器、可移除盘、以及用于存储可由计算机访问和读取的软件和/或指令的其他任何合适介质。计算机可读介质306可驻留在处理系统314中、在处理系统314外部、或跨包括处理系统314的多个实体分布。计算机可读介质306可被实施在计算机程序产品中。作为示例，计算机程序产品可包括封装材料中的计算机可读介质。本领域技术人员将认识到如何取决于具体应用和加诸于整体系统的总体设计约束来最佳地实现本公开通篇给出的所描述的功能性。

在一个或多个示例中，计算机可读存储介质306可包括被配置成用于各种功能(包括例如用于高铁无线通信场景下的上行链路能效优化的功能)的软件。该软件可包括指令，这些指令可将处理系统314配置成执行参照图2所描述的一个或多个功能。

图4-图7解说了采用Matlab仿真软件来对直接使用式(5)获得最佳功率分配的普通二分法方法和采用本发明的低复杂度方法获得最佳功率分配的方案进行仿真，以对比两种方案获得的最大能效性能和计算复杂度。

仿真参数如表1：

表1仿真场景主要参数

图4解说了普通二分法与根据本发明的低复杂度算法在不同最小速率需求下的能效对比图。从图4可以看出，在消耗的电功率分别为15w和20w时，采用普通二分法确定功率分配与采用低复杂度方法确定功率分配的两种方案所获得的系统能效性能都相同，这说明低复杂度算法的应用并没有消耗额外的系统能量。

图5解说了普通二分法与根据本发明的低复杂度算法在不同最大功率限制下的能效对比图的关系图。从图5可以看出，在相同参数条件下，低复杂度功率分配算法获取的能效性能和普通二分法功率分配算法获得的能效性能相同，说明低复杂度算法在获取系统最大能效方面，没有额外的性能损失。

图6解说了普通二分法与根据本发明的低复杂度算法在不同最大功率限制下的迭代次数对比图。从图6可以看出，当最大功率限制取较小值时，低复杂度算法的计算复杂度明显低于普通二分法。

图7解说了普通二分法与根据本发明的低复杂度算法在不同最小速率需求下的迭代次数对比图。从图7可以看出，当最小速率需求小于一定值时，低复杂度算法的迭代次数和普通二分法的迭代次数相同，随着最小速率需求增大，低复杂度算法的迭代次数明显低于普通二分法，降低了计算复杂度。

综上所述，相对现有技术而言，本发明具有以下优点：

本发明考虑了上行链路数据到达过程和无线传输过程的匹配问题，为了避免传输过程出现数据溢出的情况，建立有缓存约束的优化问题；通过拉格朗日乘子法求解优化问题，使用二分法对拉格朗日乘子进行更新迭代获得优化解，确定每个时刻系统的功率分配方案。本发明针对该求解方案复杂度较高的问题，对功率分配算法进行改进，采用一种基于最优解可行域讨论的低复杂度的优化算法求解最优功率分配值。这种方案在最大化系统能效时既满足系统发射功率限制和缓存约束，又保证了数据到达过程和数据处理过程的匹配，并且降低了功率分配方案求解的计算复杂度。

在本发明的描述中，需要理解的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本领域普通技术人员应领会，本发明的各个实施例可提供为方法、装置、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用一个或多个其中存储有计算机可执行程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置、系统和计算机程序产品的流程图和/或框图来描述的。应理解，可由计算机程序指令实现流程图和/或框图中的每一个流程和/或方框、以及流程图和/或框图中的流程和/或方框的组合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图中的一个或多个流程和/或框图中的一个或多个方框中指定的功能的装置。

尽管目前为止已经参考附图描述了本发明的各方面，但是上述方法、系统和设备仅是示例，并且本发明的范围不限于这些方面，而是仅由所附权利要求及其等同物来限定。各种组件可被省略或者也可被等同组件替代。另外，也可以在与本发明中描述的顺序不同的顺序实现所述步骤。此外，可以按各种方式组合各种组件。也重要的是，随着技术的发展，所描述的组件中的许多组件可被之后出现的等同组件所替代。对本公开的各种修改对于本领域技术人员将是显而易见的，并且本文中所定义的普适原理可被应用于其他变形而不会脱离本公开的范围。由此，本公开并非被限定于本文中所描述的示例和设计，而是应被授予与本文所公开的原理和新颖特征相一致的最广范围。