基于5G绿色宽带通信的能效资源分配优化方法研究.pdf

2024年2 月第44卷第1期文章编号：10 0 0-7 2 0 2(2 0 2 4)0 1-0 0 8 8-0 5宇航计测技术Journal of Astronautic Metrology and MeasurementFeb.2024Vol.44No.1.D0I:10.12060/j.issn.1000-7202.2024.01.15基于5G绿色宽带通信的能效资源分配优化方法研究赵静（中国广电青海网络股份有限公司，西宁8 10 0 0 0)摘要：针对5G通信中的能效优化问题，分析了下行链路用户中大规模MIMO-OFDMA系统的能效资源分配最大化问题。提出了基于最小速率要求的能效最大化资源分配算法，在合理分配带宽后，分配功率和天线数量，以提高系统的最佳能效。最后,基于拉格朗日函数将能效最优目标函数转换为凸优化问题，从而求得最优解。试验阶段，以典型无线通信网络为例进行分析,结果表明与NSGA-和基于FP的资源分配算法相比,所提出的算法能效、吞吐量、最佳基站天线数等方面综合性能最优。所提模型可为5G通信系统最优资源分配方案的研究提供一定借鉴作用。关键词：5G；无线通信网络；能效优化；资源分配；优化模型；拉格朗日函数中图分类号：TP393文献标识码：AResearch on Optimization Method of Energy Efficiency ResourceAllocation for Green Broadband Communication based on 5GZHAO Jing(China Radio and Television Qinghai Network Co.,Ltd,Xining 810000,China)Abstract:Aiming at the optimization of energy efficiency in 5G communication,the maximization of energy efficiencyresource allocation in large-scale MIMO-OFDMA system among downlink users is analyzed.Secondly,an energy efficiencymaximization resource allocation algorithm based on the minimum rate requirement is proposed.After the bandwidth isreasonably allocated,the power and the number of antennas are allocated to improve the optimal energy efficiency of thesystem.Finally,based on the Lagrange function,the optimal energy efficiency objective function is converted into a convexoptimization problem to solve the optimal solution.In the experimental phase,a typical wireless communication network istaken as an example to analyze.The results show that the proposed algorithm has the best comprehensive performance interms of energy efficiency,throughput,and the optimal number of base station antennas compared with NSGA-II and FP-based resource allocation algorithms.The proposed model provides a reference for the study of the optimal resourcescheduling scheme of 5G communication system.Keywords:5G;Wireless communication network;Energy efficiency optimization;Resource allocation;Optimizationmodel;Lagrange function收稿日期：2 0 2 3-0 6-2 0；修回日期：2 0 2 4-0 1-19作者简介：赵静（19 8 1-），女，工程师，本科，主要研究方向：5G移网、数据固网业务核心网络系统管理支撑及运维。第1期0 引 言大数据时代通信技术1,2 1的发展都意味着网络数据传输速度要求越来越高，网络速度越来越快，这对网络系统性能提出了更高的要求。因此,需要进一步提高网络系统性能,特别是合理解决系统在运行期间存在资源分配和能耗问题3 。随着无线网络控制远程对象技术的快速发展和5G技术的支持,5G技术4 在频率利用率、能效、资源利用率和数据传输速度等方面都有了很大的提高，密集基站将进一步增加网络覆盖率，极大地改善用户体验。目前,通信技术的优化5 是以最大吞吐量或最小系统能耗为目标函数，合理分配系统资源,实现系统资源的合理利用。对于5G时代的绿色通信而言,最重要的是系统能效。因此,构建基于最大化系统能量效率的目标函数是资源分配的主要问题。许多学者对5G资源分配问题进行了研究。文献6 提出基于马氏决策的5G网络切片虚拟资源分配方法。该方法结合贝尔曼方程及马氏决策过程的动态规划迭代算法求解出运营商最优收益解和网络资源有效利用率。文献7 针对单小区多用户上行大规模MIMO通信系统，提出了采用分式规划理论得到最佳基站天线数优化问题。上述文献大部分研究以大规模 MIMO通信为基础,然而很少有研究对下行链路系统的能效优化进行深人的理论及优化问题研究。此外,部分方法集中解决优化算法寻优问题，然而随着网络系统能效优化和资源分配技术的不断发展，简单的优化问题已无法适应网络复杂性要求。为改善上述问题，本研究结合了宽带无线通信系统的分析，以优化跨层和跨频带无线通信系统中的能量效率。1MIMO-OFDMA建模本研究以典型的多天线用户多输人多输出-正交频分多址（Multiple-Input Multiple-Output-OrthogonalFrequency Division Multiple Access,MIMO-OFDMA)8.9无线通信系统为例。首先，假定网络系统中的基站配置的信号传输天线共有M个。同时，可通过单个天线连接到基站的K个位置。假设系统运行中总共N个子载波可划分为V个频率块，这些频率块是基于5G绿色宽带通信的能效资源分配优化方法研究Tr,Wlog21+EI(G,G,)-I 89.通信系统中资源调度的最小单位。结合网络系统的信道互易性，上行链路信道矩阵G，计算如下：G,=H,D(1)D=diagiBr,/B,.,Br(2)式中:H、一步频率块上用户到基站的快衰减矩阵；DKK对角阵;diagi对角矩阵;i来自基站的慢衰减系数。下行链路信道矩阵GT计算如下：C,=DH,式中:H,频率块上基站到用户的快衰减矩阵。用户接收的第个频率块的信号矩阵y，可以表示如下：;fo,x,i+zv,h(4)=1ik式中：g.信道矩阵的第K列;P,u个频率块的传输功率;f,用户在频率块上的预编码矩阵;x用户在频率块上的传输信号；-用户在系统接收的干扰和其他高斯白噪声。基于以上分析,可以知道用户接收的信号将受到多重干扰,并且多个用户之间的信号可能相互干扰。因此,这些相互干扰需要通过迫零算法10 消除预编码矩阵F,=F,F r,2,F,k ,因此有：F,=G,(G,G,)-1u=o.1,k=i接着，用户k第个频率块的总信号矩阵r，可以表示如下：Tr,=E Wlog21+式中：EI期望;W信号增益;N。噪声密度。根据式(7），用户在第个频率块中接收的信号的频率的下限计算如下：WN.EI(G,G,)-J u)E(H,H)-MB1E(tr(H,H,)-11KBk(3)一用户在第(5)(6)Pu.k(7)WN。(C,G,)-J MPu.k(9)90式中：Etr追迹;K-M一用户数量。结合式(8)至式（10）,用户k第个频率块的总信号矩阵r，（式(（7）可简化为.=Wog 1+Pa(M-K)aWN。根据以上分析,用户在单个频率块上的分配率与用户的大规模衰减密切相关。因此，通过用户k分配获得的信号可以计算如下Tk=m,Wlog21+P.(M-K)WN。PA:(M-K)m.Wlog2WN。式中：m用户k分配的频率块的数量;P户h在m个频率块中的任何一个分配中的功率。系统中能量效率函数U的下限可以表示为2m:Wlog p:(M-K)/WN.)k=1U=k=1式中:P。单个频率块的固定功率消耗。根据以上分析，下行链路用户中的大规模MIMO-OFDMA系统的能效资源分配中的最大化问题可以表示如下s.t.maxU(P,m,M)P,m,MT.RminKZml=Vk=1P;(M-K):WN。Kk=1Zm:=VP=Pi,Pk,Pkm=mi,m,mkT式中:U()一一能效资源分配目标函数；P-输功率;m-一-分配给用户的频率块号；Rmm户的最小速率约束；V一频率块的总数。2能效资源分配模型本研究提出了基于最小速率要求的能效最大宇航计测技术M化资源分配算法。主要思路为在合理分配带宽后，E(tr(H,H,)-J(10)K-M-频率块的数量；(11)(12)一用能效函数需要首先进行处理，使其成为减法形式，然后将其转化为凸优化问题!。为此，目标函数可=2mP+MPp.k=1Rmin2024年分配功率和天线数量,以提高系统的最佳能效。该算法首先使用用户接收的平均信噪比和比特率作为参数来计算用户获得的副载波数。带宽分配目标函数m的优化过程可以表示如下：ZmWlog,pi(M-K)/WN。=mi=max为了满足系统运行期间的最小用户速率要求，需要首先分配和处理带宽。带宽分配算法可描述如下：步骤1:计算m/|Rmin/Ro(k)l;步骤2:计算/karg,maxm.f;步骤3：重复步骤2 直至满足Zk=mV;步骤4:计算Q/m+1-mg和(l-arg,maxQtl;步骤5:重复步骤4直至满足Zk=1mkV。从形式上看,能效函数是一种分数形式,因此以表示为(13)Ks.t.max.ZmkWP,Mk-1约束定义如下：(14)m;Wlog2Pk(M-K)kWN。令中间变量满足式（2 1）：(P,M)=2mWlog2k=1(15)q1式中:P一发射功率;M-基站天线数。(16)结合式(2 1）,f的海赛矩阵H(f)可定义如下：(17)一传一用(18)kKP;(M-K):10%2WN。PA(M-K)kWN。Km.WH(f)=Piln20根据式(2 2）,H(f)是一个负定矩阵,故函数f是一个凹函数。为此,可基于拉格朗日函数12 将目标函数可以转换为凸优化问题，具体描述如下：K2mPkk=1(19)Rmin(20)(21)0(21)Km.W台(M-K)In2第1期L(入,P,M)=Zm,Wlog2式中：入与约束相对应的拉格朗日乘数。式(19)能效目标函数的对偶目标函数定义为Ks.t.maxu,ZL(入,P,M)A0,P,Mk=1当给定入并且采用KKT条件时,最佳发射功率P*和基站天线数量M*可以计算如下：Lm.Wqmk+In2Pk=01n2Pk(1+入)WP1n2 qKWZmkLk=1aMIn2 (M-K)M*=ln2 qPc拉格朗日乘数入可通过以下递归公式获得：入;(j+1)=P;(M-K)k入;(j)-xm,Wlog2WN。式中:8 迭代次数;i迭代步长。3试验与分析以相对常见的典型无线通信网络为例进行试验与分析。案例模拟小区最大覆盖范围为1000m,用户以基站为中心随机分布在10 0 m范围内。为了验证所提算法优越性，对比了基于NSGA-II13的带宽分配算法以及基于分式规划8 （Fractional planning，F P）的基站天线数量分配算法的性能。对比指标分别选取不同的低速率要求时系统的能效、用户的吞吐量性以及最佳基站天线数。用户数量与系统能效分析结果如图1所示。可以看出，与基于NSGA-I算法和基于FP算法相比,所提出的算法能效较高。当用户数量为2 0 人时,所提算法能效较 NSGA-和 FP算法高约1.6 4和2.2 5倍；当用户数量为50 人时，所提算法能效较NSGA-和FP算法高约1.6 7 和2.5倍。此外，当基于5G绿色宽带通信的能效资源分配优化方法研究P:(M-K)kmiPa+MpJ+含入am.WK-WNk=1入m.WWZ入mkP+In2(M-K)k=1V+ZAimWKk=191：P:(M-K)k10%2WN。k=1=1用户数量持续增加时，系统总能效随着用户数量的增加而逐渐减少。(24)一所提算法-.NSGA-II算法4.514.0-3.53.0-(25)2.01.5-1.0=00.5-20+K(26)-Rmin(27)-R.min-.-FP算法25353040用户数量/个图1用户数量与系统能效分析结果图Fig.1 Analysis results of user quantity and systemenergy efficiency不同数量用户的吞吐量性能变化如图2 所示。可以看出,FP、N SG A-II以及所提出的算法均随着用户数量提升系统吞吐量增加，即用户数量与吞吐量呈正相关性。然而,所提出的算法与 FP和 NSGA-II相比，吞吐量提升更加明显。例如当用户数量为50个时,所提出的算法较 FP和 NSGA-II 相比提升约18.3%和11.9%。分析原因,基于NSGA-的带宽分配算法中未对用户速率提出任何要求，并且只要求最大化系统的能量效率,这导致了较低的系统吞吐量。基于FP的基站天线数量分配算法通过最小化发射功率来分配带宽,因此与所提出的算法相比,基于FP算法具有更低的能效性能。此外，当用户数量持续增加时，系统吞吐量呈现上升趋势，即随着用户数量的增加,系统的多用户多样性特征变得更加明显。不同用户数条件下各算法的最佳基站天线数的性能如图3 所示。可以看出，当用户数量呈上升趋势时，系统的最佳基站天线数量也呈上升趋势。此外,FP、N SG A-I I 以及所提出的算法性能相近,差异不是很大。试验结果表明FP、N SG A-I I 以及所提出的算法需要的最佳基站天线数大致相同。然而综合系统能效和吞吐量分析结果,所提算法综合性(23)T4550921076.756.506.256.005.755.50-5.25-20图2 不同数量用户的吞吐量性能变化图Fig.2 Throughput performance changes for differentnumbers of users能较为优异。试验结果进一步验证了所提模型的有效性及实用性。一所提算法-NSGA-II算法5045403530252020图3 不同用户数条件下各算法的最佳基站天线数的性能图Fig.3Performance of the optimal number of base stationantennas for each algorithm under different user numbers4结束语对多天线用户MIMO-OFDMA无线通信系统进行分析,建立了基于最小速率要求的能效最大化资源分配算法。主要思路为在合理分配带宽后，分配功率和天线数量，以提高系统的最佳能效。该模型为5G系统安全管理及稳定运行提供了一定借鉴作宇航计测技术一所提算法-NSGA-II算法2530用户数量/个2530用户数量/个2024年-FP算法用。未来可对混合系统参数的优化配置和规模进行研究,从而进一步降低系统总成本。参考文献1陆旭,陈毅红,熊章瑞，等.一种面向大数据分析的快速并行决策树算法J.云南大学学报（自然科学版），2020,42(02):244-251.2张宗福,罗庆佳.大数据技术在5G通信网络中的应用J.集成电路应用,2 0 2 2,3 9（12）：17 4-17 5.3540354045-.-FP算法4550503李锦煊,王维.基于智能电网的5G网络切片资源优化分配模型构建及仿真J.自动化与仪器仪表,2 0 2 1(11):36-39,44.4张平,郑征,张琳娟，等.面向配电网业务的5G通信技术适配性研究J.电力信息与通信技术，2 0 2 3，2 1(01):26-33.5夏祎，殷倩倩，申鑫欣.大数据时代计算机远程网络通信技术的优化J.数字技术与应用,2 0 2 2,40(0 5）：10 1-10 3.6 曾坚毅,许济金.基于马氏决策的5G网络切片虚拟资源分配研究J.计算机仿真,2 0 2 2,3 9（0 6）：2 42-2 46.7 郭甜,李国民.基于功率控制的大规模MIMO系统能效优化算法J.计算机应用研究,2 0 2 1,3 8（0 6）：18 3 8-1842.8】谢伟.低精度量化下VMIMO-OFDMA中继传输技术的研究J.信息技术,2 0 2 2,（0 2）：6 9-7 5,8 2.9 YADAY R,TRIPATHI A.Enhanced optimization assistedinterference mitigation with vertical beamforming in 3D MI-MO-OFDMA for 5G wireless communication networkJ.International Journal of Pervasive Computing and Commu-nications,2023,19(2):191-210.10 汪宏艳.基于迫零波束成形技术的大规模MIMO混合中继系统性能分析J.现代信息科技,2 0 2 3,7（2 2)：57-62.11李贻韬,陈西宏,袁迪喆,等.基于凸优化的MIMO-FB-MC系统峰均比抑制方法J.系统工程与电子技术，2020,42(08):1835-1840.12马玉敏,蔡邢菊.求解带线性约束的凸优化的一类自适应不定线性化增广拉格朗日方法J.计算数学,2 0 2 2，44(02):272-288.13刘治国,宋广跃,刘庆利,等.AOS 中基于NSGA-II 的带宽与功率分配方法研究J.计算机仿真，2 0 2 0，3 7(09):129-135.