一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法组成比例

一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法，首先，基站BS通过非正较频分多址接入技术发送数据，为移动终端提供数据流量服务；接着，分析系统特性对问题进行等价转化，并将其分解为为顶层问题和底层问题；根据转化得的底层问题特性设计高效的算法求解，最后将算法输出结果代回顶层问题求得最优的带宽与速率分配值。本发明专利技术在无线蜂窝网络中应用NOMA技术进行数据发送，为了实现下行链路非正交多址接入节能传输，将带宽与速率联合考虑，在满足所有MU数据流量需求的前提下联合分配带宽和速率实现最高能效的数据传输。

A Joint Bandwidth and Rate Allocation Method for Non-Orthogonal Multiple Access Based on Particle Swarm Optimization

A joint bandwidth and rate allocation method for non-orthogonal multiple access based on particle swarm optimization is proposed. Firstly, base station BS transmits data through non-orthogonal frequency division multiple access technology to provide data traffic services for mobile terminals. Secondly, the system characteristics are analyzed to transform the problem into top-level problem and bottom-level problem. According to the characteristics of the converted bottom-level problem, a new method is proposed. Finally, the output of the algorithm is replaced by the top-level problem to obtain the optimal bandwidth and rate allocation value. The invention applies NOMA technology to data transmission in wireless cellular network. In order to realize energy-saving transmission of downlink non-orthogonal multiple access, bandwidth and rate are jointly considered, and bandwidth and rate are jointly allocated to achieve the most energy-efficient data transmission on the premise of satisfying all MU data traffic requirements.

【技术实现步骤摘要】
一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法
本专利技术涉及无线网络中，一种实现资源使用效率优化的基于粒子群算法的非正交多址接入联合带宽和速率分配方法。
技术介绍
在未来十年里，智能移动终端的爆炸式增长，众多的移动终端对移动数据流量的需求成千倍的增加，如何以及时和低成本的方式有效满足这种日益增长的需求，对网络运营商而言是极具挑战性的。在无线电接入网上，频谱资源极度稀缺，然而未来用户又需要超高传输速率，非正交多址接入(Non-OrthogonalMultipleAccess,NOMA)技术被提出来，与传统的正交多址接入(OrthogonalMultipleAccess,OMA)技术不同，NOMA通过非正交资源分配可以服务更多用户，通过使大量用户同时共享同一频段信道和采用连续干扰消除机制(SuccessiveInterferenceCancellation,SIC)消除同频干扰可以明显提高频谱效率，为用户提供超高传输速率。
技术实现思路
为了克服现有技术的缺点，本专利技术提供一种实现资源使用效率优化的基于粒子群算法的非正交多址接入联合带宽和速率分配方法，本专利技术在无线蜂窝网络中应用NOMA技术进行数据发送，为了实现下行链路非正交多址接入节能传输，将带宽与速率联合考虑，在满足所有MU数据流量需求的前提下联合分配带宽和速率实现最高能效的数据传输。本专利技术解决其技术问题所采用的技术方案是：一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法，包括以下步骤：1)在单个运营商的单个宏蜂窝基站mBS的覆盖范围下总共有I个移动终端MT(MobileTerminals)，在该情况下，mBS使用非正交多址接入技术NOMA发送数据；考虑到NOMA的技术特性，引入索引集表示I个MT；首先，由于连续干扰消除机制SIC，对mBS到所有MT的信道增益按照从大到小进行排序，故有以下顺序：gB1>gB2>…>gBi>gBj>…>gBI，(1)其中gBi表示mBS到第i个MT的信道增益，在接下来的说明中提到的第i个MT或第j个MT均是在索引集中的；2)在mBS端，每个MT的瞬时信道增益都是已知的；基于NOMA，mBS会将所有的数据叠加在同一频段上发送给每个MT；在MT端，使用SIC消除MT之间的相互干扰；对于MTi，在接收数据中首先解码MTk的数据，k>i即特指MTk排列在MTi后面，然后将解码后的数据从接收数据中删除，操作顺序是k＝I,I-1,I-2,…,i+1，同时将MTj的数据信号视为噪声，j<i即特指MTj排列在MTi前面，根据以上的解码机制，由mBS到MTi的吞吐量为：其中参数定义如下：pBi：mBS到MTi的发射功率；Ri：mBS到MTi的数据吞吐量；WB：服务该组移动终端而分配的带宽量；n0：背景噪声的功率谱密度；由此可得mBS到所有移动用户的最小总发射功率表示如下：其中假设gB0是一个足够大的值，因此3)基于上面的最小发射功率表达式，制定以下BS的带宽使用WB和MT的服务吞吐量的联合优化问题：其中参数定义如下：mBS的总功率；mBS所具备的总带宽；MTi的最小速率需求；MTi的速率分配上限；在目标函数中，表示BS在服务MT的流量时的净收益，其中α表示提供MT的流量的边际报酬，β表示占用频率信道的成本，参数p0表示BS的固定功耗，目标函数表示通过BS的净收益与BS的总功耗之间的比率来测量的能量效率；4)解决问题(P1)的关键思想是利用其分层结构，引入一个辅助变量η，它表示能效的下限：使用η，可以等效地将问题(P1)转换为：(P1-E):maxηconstraints(4),(5),and(6)设η*表示问题(P1-E)的最优解，即η*是原问题(P1)的最大能量效率；问题(P1-E)的目标是要找到可行域内η的最大值，即η*，在给定η条件下，为了确定由约束条件所构造的可行区域是否为非空，只需要考虑：subjectto:constraints(4),(5),and(6)基于问题(P1-E-Sub)的Vη输出，解决问题(P1-E)可以找到η*,如下：(P1-E-Top):η*＝argmax{η∈[0,ηmax]|Vη≥0},其中上限然而，问题(P1-E-Sub)仍然是关于WB和的非凸优化，采用更进一层的分解，即除了给定的η之外，进一步假设给出了带宽分配WB，并优化如下：通过将视为WB的函数，继续如下优化WB：上述分解能够得出以下结果；给定η和WB，问题(RA-Sub)是关于的严格凸优化；对于以上的结论，证明如下：使用Karush-Kuhn-Tucker(KKT)条件来确定问题(RA-Sub)的最优解，用λ来表示约束(9)的拉格朗日乘子，表达问题的拉格朗日函数(RA-Sub)如下：推导出：式(10)显示：当满足下面条件时：至少存在一个MTr使得：基于这一发现，确定关于问题(RA-Sub)的最优解的以下重要结果：问题(RA-Sub)的最优解决方案可能发生在以下情况之中；情况1：存在特殊的MT使得对于中MT，有与此同时，对于MTr，其根据以下两个可能的子情况来确定；子情况1：假设λ＝0，由下式决定这里的子情况2：假设λ>0，由下式决定：知道后,λ的值根据确定；情况2：边界情况情况3：边界情况5)基于上述分析，提出Subroutine-RA算法来计算6)使用Subroutine-RA算法，可以找到每个给定η时的值，问题(BA-Top)是单变量优化问题，采用线性搜索方法来找到提出Subroutine-forEE算法来解决问题(BA-Top)，其核心思想是采取线性搜索的方法，设定一个很小的搜索步长，逐一枚举WB，找到最优的带宽分配；7)在给定η下，如果Vη≥0则说明构造的可行域非空，否则，说明构造的可行域为空；对于问题(P1-E-Sub)，Vη的值随着η的增大而减小，可行域内η的最大值出现在Vη＝0处，采用二分法来求最大的η，即η*。进一步，所述步骤5)中，Subroutine-RA算法包括以下步骤：步骤5.1：初始化种群个数N,初始化N个种群所处的位置Rini＝{Rn}1≤n≤N，其中其Ri在范围内随机给定；初始化最大迭代次数ger,初始化当前迭代次数iter＝1,惯性权重w,自我学习因子c1,群体学习因子c2，每个个体的历史最佳位置{smn}0＜n≤N,每个个体的历史最佳适应度{fsmn}0＜n≤N＝0,种群的历史最佳位置ym＝0,种群的历史最佳适应度fym＝-∞,随机初始化种群速度{vn}0＜n≤N，设定更新速度的限制为Δ；步骤5.2：如果iter≤ger，则执行步骤5.3，否则执行步骤5.18；步骤5.3：令n＝1；步骤5.4：如果n≤N，在给定η和WB条件下，利用评估Rn的适应度，保存适应度执行步骤6.5，否则执行步骤6.7；步骤5.5：如果fsmn<Ztemp,则更新fsmn＝Ztemp，smn＝Rn,执行步骤5.6，否则执行步骤5.7；步骤5.6：更新n＝n+1，返回步骤5.4；步骤5.7：如果fym小于{fsmn}0＜n≤N中的最大值fsmn,则更新fym＝fsmn，ym＝sm本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法，其特征在于，所述方法包括以下步骤：1)在单个运营商的单个宏蜂窝基站mBS的覆盖范围下总共有I个移动终端MT，在该情况下，mBS使用非正交多址接入技术NOMA发送数据；考虑到NOMA的技术特性，引入索引集

【技术特征摘要】
1.一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法，其特征在于，所述方法包括以下步骤：1)在单个运营商的单个宏蜂窝基站mBS的覆盖范围下总共有I个移动终端MT，在该情况下，mBS使用非正交多址接入技术NOMA发送数据；考虑到NOMA的技术特性，引入索引集表示I个MT；首先，由于连续干扰消除机制SIC，对mBS到所有MT的信道增益按照从大到小进行排序，故有以下顺序：gB1＞gB2＞…＞gBi＞gBj＞…＞gBI，(1)其中gBi表示mBS到第i个MT的信道增益，在接下来的说明中提到的第i个MT或第j个MT均是在索引集中的；2)在mBS端，每个MT的瞬时信道增益都是已知的；基于NOMA，mBS会将所有的数据叠加在同一频段上发送给每个MT；在MT端，使用SIC消除MT之间的相互干扰；对于MTi，在接收数据中首先解码MTk的数据，k＞i即特指MTk排列在MTi后面，然后将解码后的数据从接收数据中删除，操作顺序是k＝I，I-1，I-2，...，i+1，同时将MTj的数据信号视为噪声，j＜i即特指MTj排列在MTi前面，根据以上的解码机制，由mBS到MTi的吞吐量为：其中参数定义如下：pBi：mBS到MTi的发射功率；Ri：mBS到MTi的数据吞吐量；WB：服务该组移动终端而分配的带宽量；n0：背景噪声的功率谱密度；由此可得mBS到所有移动用户的最小总发射功率表示如下：其中假设gB0是一个足够大的值，因此3)基于上面的最小发射功率表达式，制定以下BS的带宽使用WB和MT的服务吞吐量的联合优化问题：其中参数定义如下：mBS的总功率；mBS所具备的总带宽；MTi的最小速率需求；MTi的速率分配上限；在目标函数中，表示BS在服务MT的流量时的净收益，其中α表示提供MT的流量的边际报酬，β表示占用频率信道的成本，参数p0表示BS的固定功耗，目标函数表示通过BS的净收益与BS的总功耗之间的比率来测量的能量效率；4)解决问题(P1)的关键思想是利用其分层结构，引入一个辅助变量η，它表示能效的下限：使用η，可以等效地将问题(P1)转换为：设η*表示问题(P1-E)的最优解，即η*是原问题(P1)的最大能量效率；问题(P1-E)的目标是要找到可行域内η的最大值，即η*，在给定η条件下，为了确定由约束条件所构造的可行区域是否为非空，只需要考虑：subjectto：constraints(4)，(5)，and(6)基于问题(P1-E-Sub)的Vη输出，解决问题(P1-E)可以找到η*，如下：(P1-E-Top)：η*＝argmax{η∈[0，ηmax]|Vη≥0}，其中上限然而，问题(P1-E-Sub)仍然是关于WB和的非凸优化，采用更进一层的分解，即除了给定的η之外，进一步假设给出了带宽分配WB，并优化如下：通过将视为WB的函数，继续如下优化WB：上述分解能够得出以下结果；给定η和WB，问题(RA-Sub)是关于的严格凸优化；对于以上的结论，证明如下：使用Karush-Kuhn-Tucker(KKT)条件来确定问题(RA-Sub)的最优解，用λ来表示约束(9)的拉格朗日乘子，表达问题的拉格朗日函数(RA-Sub)如下：推导出：式(10)显示：当满足下面条件时：至少存在一个MTr使得：基于这一发现，确定关于问题(RA-Sub)的最优解的以下重要结果：问题(RA-Sub)的最优解决方案可能发生在以下情况之中；情况1：存在特殊的使得对于中MT，有与此同时，对于MTr，其根据以下两个可能的子情况来确定；子情况1：假设λ＝0，由下式决定这里的子情况2：假设λ＞0，由下式决定：知道后，λ的值根据确定；情况2：边界情况情况3：边界情况5)基于上述分析，提出Subroutine-RA算法来计算6)使用Subroutine-RA算法，可以找到每个给定η时的...

【专利技术属性】
技术研发人员：吴远，汪筱鼎，倪克杰，毛浩伟，钱丽萍，黄亮，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33