基于MIMO系统加权能效最大化的分布式波束赋形优化方法
专利汇可以提供基于MIMO系统加权能效最大化的分布式波束赋形优化方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，包括：步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层 迭代 得到最优发射波束赋形向量和接收波束赋形向量。与 现有技术 相比，本发明具有提升通信 质量 等优点。，下面是基于MIMO系统加权能效最大化的分布式波束赋形优化方法专利的具体信息内容。
1.一种基于MIMO系统加权能效最大化的分布式波束赋形优化方法，其特征在于，包括：
步骤S1：所有基站初始化发射波束赋形向量、接收波束赋形向量；
步骤S2：每个基站向其各自所服务的用户发送该用户的当前发射波束赋形向量；
步骤S3：各用户根据自身的发射波束赋形向量更新自身的接收波束赋形向量，并将其反馈给所有基站；
步骤S4：各基站接收到的所有用户的接收波束赋形向量，计算自己到所有用户的有效信道信息；
步骤S5：根据上述计算结果通过ADMM过程、SCA过程以及MMSE过程三层迭代得到最优发射波束赋形向量和接收波束赋形向量。
2.根据权利要求1所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，
所述步骤S1中还初始化松弛变量 和引入变量 ADMM全局变量v(0)，以及拉格朗日乘子；
所述步骤S5具体包括：
步骤S51：设ADMM过程、SCA过程以及MMSE过程的迭代指示初始值分别为l＝0,n＝0,m＝
0；
步骤S52：每个基站执行最里层ADMM迭代过程，更新局部变量为 全局变量为v(l+1),以及拉格朗日乘子为 直至更新后的变量与更新前的变量残差小于第一设定阈值，得到ADMM迭代优化后的最优解，并进入中间层SCA迭代过程；
步骤S53：各基站根据ADMM迭代的最优解，进行SCA迭代更新，直至SCA迭代更新后的变量与更新前之差小于第二设定阈值，并得到SCA迭代优化后的最优解，其中令：
(0) (0) (l) (l)
{v ,ξ }＝{v ,ξ }
其中： 为用户bk的经过SCA迭代更新后的发射波束赋形向量， 为用户bk的经过SCA迭代更新后的引入变量， 为经过SCA迭代更新后的松弛变量，v(0)和ξ(0)分别为经SCA迭代更新的ADMM迭代过程中全局变量和拉格朗日乘子的初始值，(l) (l)
v ,ξ 和 为ADMM迭代优化的最优解；
步骤S54：各基站根据SCA迭代得到的最优解，更新接收波束赋形向量，并判断更新后的接收波束赋形向量与更新前接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则返回步骤S2。
3.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S52中，局部变量、全局变量和拉格朗日乘子中任一者更新后与自身当前值之间的残差小于第一设定阈值，即进入中间层SCA迭代过程。
4.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S3中，用户更新的接收波束赋形向量为：
其中： 为用户bk更新后的接收波束赋形向量， 为基站i到用户bk的信道矩H
阵， 为基站i所服务的用户ij的更新前发射波束赋形向量，(·) 为矩阵的共轭转置，N0为噪声功率谱密度，I为单位矩阵， 为基站b到用户bk的信道矩阵， 为用户bk的当前的发射波束赋形向量，B为基站的集合，Ki为基站i所服务的用户的集合。
5.根据权利要求4所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S4中，基站b到用户ij的有效信道信息具体为：
其中： 为用户ij更新后的接收波束赋形向量， 为基站b到用户ij的信道矩阵。
6.根据权利要求4所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，
所述步骤S52具体包括：
步骤S521：每个基站计算局部变量
其中： 为更新后的基站b的局部变量， 为局部变量sb满足的约束集合，ωb为基站b的能效权重，ηb为代表每个基站能效的松弛变量， 为当前的拉格朗日乘子，θb为ADMM优化算法引入的一致性变量，(·)T表示转制，ρ为罚系数， 为当前的全局变量， 表示欧几里得范数的平方。
步骤S522：各基站更新全局变量
其中：v(l+1)为更新后的全局变量，
步骤S523：更新拉格朗日乘子：
其中： 为更新基站b的拉格朗日乘子， 为更新前基站b的拉格朗日乘子；
步骤S524：判断更新后的任何优化变量与更新前优化变量之差是否小于第一设定阈值，若为是，则执行步骤S53，若为否，则l＝l+1，返回步骤S521。
7.根据权利要求2～6中任一所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述第一设定阈值为10-5。
8.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S53具体包括：
S531：更新当前SCA优化系数和ADMM参数初始值；
S532：判断更新后的发射波束赋形向量与更新前发射波束赋形向量之差是否小于第二设定阈值，若为是，则执行步骤S54，若为否，则n＝n+1，返回步骤S531。
9.根据权利要求2所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述步骤S54具体包括：
步骤S541：更新接收波束赋形向量；
步骤S542：判断更新后的接收波束赋形向量与更新前的接收波束赋形向量之差是否小于第三设定阈值，若为是，则优化结束，若为否，则m＝m+1，返回步骤S4。
10.根据权利要求6所述的一种基于MIMO系统加权能效最大化的分布式波束赋形方法，其特征在于，所述局部变量sb满足的约束集合具体为：
其中： 为经SCA第n次迭代更新的 的一阶泰勒近似， 为经
SCA第n次迭代更新的 的一阶泰勒近似，a为给定常数，ε为功率放大效率，P0为基站的电路功耗，Pb为基站b额定发射功率，Γ0为接收用户信噪比阈值， 为基站b对用户ij(i≠b)的干扰ICI变量， 为用户bk受到的来自其他基站的干扰ICI变量。
基于MIMO系统加权能效最大化的分布式波束赋形优化方法
技术领域
背景技术
发明内容
具体实施方式
优解，式(7)的增广拉格朗日函数为：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种固体火箭发动机装药燃面确定方法 | 2020-05-08 | 909 |
| 一种无线体域网能耗和时延加权最小的安全路由选择方法 | 2020-05-08 | 568 |
| 储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法 | 2020-05-08 | 683 |
| 一种主动学习方法、装置及终端设备 | 2020-05-08 | 303 |
| 基于任务依赖的计算卸载方法、系统、设备及介质 | 2020-05-11 | 630 |
| 在大规模MIMO中基于光滑范数的压缩感知信道估计方法 | 2020-05-08 | 150 |
| 一种基于ALS算法的推荐方法、设备及可读介质 | 2020-05-08 | 371 |
| 一种基于深度学习的商品二维码生成方法及系统 | 2020-05-08 | 328 |
| 一种反欺诈模型的训练方法及装置 | 2020-05-08 | 374 |
| 一种用于联邦学习的图形化模型全生命周期建模方法 | 2020-05-11 | 751 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
