一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法技术

本发明专利技术公开了一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，包括：建立下行分布式大规模MIMO的数学模型；建立eMBB和URLLC切片下系统能效问题的目标函数和约束条件；基于半定松弛、丁克尔巴赫法、重加权l1范数以及辅助变量将原问题转化为凸问题；采用内外层循环算法求解转化后的凸问题。本发明专利技术能够有效提高分布式大规模MIMO系统的能效，高效调度eMBB与URLLC的资源，实现在共享的物理架构上满足不同用户服务质量(QoS)的需求，具有广阔的应用前景。的应用前景。的应用前景。

【技术实现步骤摘要】
一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法


[0001]本专利技术涉及分布式大规模MIMO系统能效优化的
，特别是涉及一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法。

技术介绍

[0002]第五代(5G)移动通信系统支持三大服务：增强型移动宽带(eMBB)、超可靠低时延通信(URLLC)和海量机器型通信(mMTC)。在这些服务中，eMBB专注于实现高数据速率传输，可以支持对数据延迟和传输可靠性没有严格要求的应用。相比之下，URLLC旨在提供超高可靠性(>99.999％)和极低延迟(<0.1毫秒)。最后，mMTC将为物联网(IoT)设备提供大规模连接。因此，5G网络有望在共享的物理架构上同时调度具有不同服务质量(QoS)要求的服务，尤其是eMBB和URLLC服务。为了实现这一愿景，提出了网络切片以实现eMBB和URLLC的共存。
[0003]最近，URLLC作为5G网络的重要组成部分得到了广泛的研究。一些研究推导了有限块长(FBL)编码下最大数据速率的理论公式，由于发射功率、解码错误概率(DEP)和块长之间的复杂关系，该公式比香农容量公式更复杂。另外，与单天线系统相比，在URLLC中使用分布式大规模MIMO可以显著提高系统性能，但也会导致功耗增加。并且，在此专利技术中，URLLC切片将与eMBB切片共享频谱资源，这将导致切片之间的干扰，从而需要大量的发射功率。因此，有必要在满足系统性能要求的同时降低功耗。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，该方法通过波束形成和远端无线单元(RRU)选择的联合优化，此专利技术研究了下行分布式大规模MIMO系统在满足QoS要求的同时节省功耗的能效最大化问题。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，所述方法包括：
[0007]步骤S1、针对一分布式大规模MIMO系统，构建其在eMBB和URLLC切片服务下的分布式大规模MIMO数学模型，其中，该数学模型包括：分布式大规模MIMO系统的数据传输模型、功耗模型以及能量效率表达式；
[0008]步骤S2、针对步骤S1中构建的分布式大规模MIMO数学模型，以最大化能量效率为目标函数，以不同片的QoS要求和最大功耗限制为约束条件，构建基于eMBB和URLLC切片下系统能效问题，其中，该问题定义为第一优化问题；
[0009]步骤S3、将步骤S3中构建的第一优化问题换成凸问题，其包括：首先针对步骤S2中构建的第一优化问题，先通过半定松弛重构SINR，再以该重构后的SINR更新该第一优化问题及其约束；然后采用重加权l1范数逼近的方法对功耗模型进行重构，得到第二优化问题，其中，该第二优化问题的目标函数为减法形式，其约束包括：重构后的eMBB切片速率约束、重构后的URLLC切片速率约束、重构之后的功率约束以及半正定矩阵的约束；最后通过引入辅助变量以及一阶泰勒近似的方法，将该第二优化问题转化为凸问题；
[0010]步骤S4、采用内外层循环算法求解步骤S3中得到的凸问题。
[0011]进一步的，所述步骤S1具体包括：
[0012]步骤S101、构建采用eMBB和URLLC切片服务的分布式大规模MIMO系统，在该系统中，配置有1个基带单元(BBU)池，M个配有L根天线的RRU和K个单天线用户，分布式大规模MIMO系统中的服务切片为eMBB切片和URLLC切片，其中BBU池已知信道状态信息；
[0013]步骤S102、针对步骤S101中构建的分布式大规模MIMO系统，建立该系统的数据传输模型，其具体包括：用户的数据速率表达式和系统的加权吞吐量表达式；
[0014]步骤S103、针对步骤S101中构建的分布式大规模MIMO系统，建立该系统的功耗模型，其具体包括：
[0015][0016]在公式(1)中，其中，ζ
m
是功放效率；P
dynamic
表示动态功耗，P
static
表示静态功耗，其具体表示为：
[0017][0018]其中，e
m
是回程功耗比例因子，是用户k的最小吞吐量约束，是用户k的最小吞吐量约束，分别表示RRU m在活跃模式与休眠模式下的电路功耗，Q
B
是BBU池的功耗，表示由RRU m服务的用户集，表示所有的集合，Ω为处于活跃模式的RRU集，v表示所有v
m,k
的集合，∑
·
表示求和运算，||
·
||表示范数运算；
[0019]步骤S104、针对步骤S101中构建的分布式大规模MIMO系统，构造其性能衡量指标，该性能衡量指标包括能量效率，具体表示为：
[0020][0021]在公式(2)中，R
sum
(v)为系统的加权吞吐量，为系统总功耗。
[0022]进一步的，所述步骤S102具体包括：
[0023]eMBB切片中第k个用户的数据速率为：
[0024]URLLC切片中第k用户的数据速率为：
[0025][0026]系统的加权吞吐量为：
[0027]在上述的公式中，k∈{1,...,K}，表示为系统的信干噪比，其具体表示为
为信道增益矩阵的共轭转置，为噪声方差，v
m,k
为RRUm与用户k之间的波束成形向量，a＝log2(e)，∈
k
为解码错误概率，m
d
是码字块长度，Q
‑1(
·
)是高斯函数的反函数，是短包衰落，μ
k
为用户k的权重系数，μ
k
的值越大，用户的优先级就越高，log表示对数运算，|
·
|表示绝对值运算。
[0028]进一步的，所述步骤S2具体包括：
[0029]步骤S201、建立能效的目标函数：
[0030][0031]在公式(3)中，表示分别优化波束成形向量、RRU所服务的用户集、处于活跃状态的RRUv,Ω使得其后函数值最大；
[0032]步骤S202、建立约束条件，包括eMBB切片与URLLC切片的QoS要求和最大功耗约束，如下：
[0033][0034]在公式(4)中，为每个RRU的传输能耗最大值，分别表示与eMBB网络切片和URLLC网络切片相关联的用户集合。
[0035]进一步的，在所述步骤S3中，所述首先针对步骤S2中构建的第一优化问题，先通过半定松弛重构SINR，再以该重构后的SINR更新该第一优化问题及其约束；然后采用重加权l1范数逼近的方法对功耗模型进行重构，得到第二优化问题，其具体包括：
[0036]步骤S3011、通过半定松弛重构SINR，然后根据重构的SINR更新优化问题中的目标函本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，其特征在于，所述方法包括：步骤S1、针对一分布式大规模MIMO系统，构建其在eMBB和URLLC切片服务下的分布式大规模MIMO数学模型，其中，该数学模型包括：分布式大规模MIMO系统的数据传输模型、功耗模型以及能量效率表达式；步骤S2、针对步骤S1中构建的分布式大规模MIMO数学模型，以最大化能量效率为目标函数，以不同片的QoS要求和最大功耗限制为约束条件，构建基于eMBB和URLLC切片下系统能效问题，其中，该问题定义为第一优化问题；步骤S3、将步骤S3中构建的第一优化问题换成凸问题，其包括：首先针对步骤S2中构建的第一优化问题，先通过半定松弛重构SINR，再以该重构后的SINR更新该第一优化问题及其约束；然后采用重加权l1范数逼近的方法对功耗模型进行重构，得到第二优化问题，其中，该第二优化问题的目标函数为减法形式，其约束包括：重构后的eMBB切片速率约束、重构后的URLLC切片速率约束、重构之后的功率约束以及半正定矩阵的约束；最后通过引入辅助变量以及一阶泰勒近似的方法，将该第二优化问题转化为凸问题；步骤S4、采用内外层循环算法求解步骤S3中得到的凸问题。2.根据权利要求1所述的一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，其特征在于，所述步骤S1具体包括：步骤S101、构建采用eMBB和URLLC切片下的分布式大规模MIMO系统，在该系统中，配置有1个BBU池，M个配有L根天线的RRU和K个单天线用户，分布式大规模MIMO系统中的服务切片为eMBB切片和URLLC切片，其中BBU池已知信道状态信息；步骤S102、针对步骤S101中构建的分布式大规模MIMO系统，建立该系统的数据传输模型，其具体包括：用户的数据速率表达式和系统的加权吞吐量表达式；步骤S103、针对步骤S101中构建的分布式大规模MIMO系统，建立该系统的功耗模型，其具体包括：在公式(1)中，其中，ζ
m
是功放效率；P
dynamic
表示动态功耗，P
static
表示静态功耗，其具体表示为：其中，e
m
是回程功耗比例因子，是用户k的最小吞吐量约束，是用户k的最小吞吐量约束，分别表示RRU m在活跃模式与休眠模式下的电路功耗，Q
B
是BBU池的功耗，表示由RRU m服务的用户集，表示所有的集合，Ω为处于活跃模式的RRU集，v表示所有v
m,k
的集合，∑
·
表示求和运算，||
·
||表示范数运算；步骤S104、针对步骤S101中构建的分布式大规模MIMO系统，构造其性能衡量指标，该性
能衡量指标包括能量效率，具体表示为：在公式(2)中，R
sum
(v)为系统的加权吞吐量，为系统总功耗。3.根据权利要求2所述的一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，其特征在于，所述步骤S102具体包括：eMBB切片中第k个用户的数据速率为：URLLC切片中第k用户的数据速率为：系统的加权吞吐量为：在上述的公式中，k∈{1,...,K}，表示为系统的信干噪比，其具体表示为表示为系统的信干噪比，其具体表示为为信道增益矩阵的共轭转置，为噪声方差，v
m,k
为RRUm与用户k之间的波束成形向量，a＝log2(e)，∈
k
为解码错误概率，m
d
是码字块长度，Q
‑1(
·
)是高斯函数的反函数，是短包衰落，μ
k
为用户k的权重系数，μ
k
的值越大，用户的优先级就越高，log表示对数运算，|
·
|表示绝对值运算。4.根据权利要求3所述的一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，其特征在于，所述步骤S2具体包括：步骤S201、建立能效的目标函数：在公式(3)中，表示分别优化波束成形向量、RRU所服务的用户集、处于活跃状态的RRUv,Ω使得其后函数值最大；步骤S202、建立约束条件，包括eMBB切片与URLLC切片的QoS要求和最大功耗约束，如下：
在公式(4)中，为每个RRU的传输能耗最大值，分别表示与eMBB网络切片和URLLC网络切片相关联的用户集合。5.根据权利要求4所述的一种eMBB和URLLC切片下的分布式大规模MIMO能效优化方法，其特征在于，在所述步骤S3中，所述首先针对步骤S2中构建的第一优化问题，先通过半定松弛重构SINR，再以该重构后的SINR更新该第一优化问题及其约束；然后采用重加权l1范数逼近的方法对功耗模型进行重构，得到第二优化问题，其具体包括：步骤S3011、通过半定松弛重构SINR，然后根据重构的SINR更新优化问题中的目标函数以及约束，为了方便进行半定松弛，构建两个Hermitian矩阵重构后的SINR如下：步骤S3012、通过重加权...

【专利技术属性】
技术研发人员：朱鹏程，刘博，尹雨婷，李佳珉，王东明，尤肖虎，
申请(专利权)人：东南大学，
类型：发明
国别省市：