基于天线选择的大规模MIMO系统能效优化算法.pdf

250第40 卷第6 期2023年6 月真机仿算文章编号：10 0 6-9348（2 0 2 3)0 6-0 2 50-0 5基于天线选择的大规模MIMO系统能效优化算法李国民，李甜，李新民（西安科技大学通信与信息工程学院，陕西西安7 10 6 0 0）摘要：针对多用户大规模MIMO下行链路系统，考虑用户QoS需求和功耗要求，以最大化系统能效下界为准则建立能效优化模型。区别于传统单一优化天线数目或天线子集的方法，首先采用朗伯函数推导出最佳发射功率和最优发射天线数的闭式表达式；其次提出一种将多天线选择算法与系统能效联合优化的方法，并采用凸优化方法求解最佳发射天线子集，以此提出一种选代的多用户最大化能效优化算法。仿真结果表明，当用户数为6 时，所提算法与最优能效算法相比，系统能效提高了6.5%。关键词：大规模多输人多输出；联合天线选择；能效；凸优化中图分类号：TN929.5文献标识码：BEnergy Efficiency Optimization Algorithm of MassiveMIMO System Based on Antenna SelectionLI Guo-min,LI Tian,LI Xin-min(School of Communication and Information Engineering,Xian University of Scienceand Technology,Xian Shaanxi 710600,China)ABSTRACT:For multi-user massive mimo downlink system,considering user QoS requirements andpower consump-tion requirements,an energy efficiency optimization model was established in the paper to maximize the lower boundof system energy efficiency.Different from the traditional method of single optimization of antenna number or antennasubset,the closed expressions of the optimal transmitting power and the optimal transmitting antenna number were de-rived by using Lambert function.Secondly,a joint optimization method of multi-antenna selection algorithm and sys-tem energy efficiency was proposed.The convex optimization method was used to solve the optimal subset of transmit-ting antenna,and an iterative multi-user optimization algorithm for maximizing energy efficiency was proposed.Thesimulation results show that when the number of users is 6,compared with the optimal energy efficiency algorithm,theproposed algorithm can improve the system energy efficiency by 6.5%.KEYWORDS:Massive MIMO;Joint antenna selection;Energy efficiency;Convex optimization1引言大规模多输人多输出（MassiveMultiple-InputMultiple-Output,MIMO)技术作为通信系统中的关键技术之一,其在基站发射端配有大量的天线并且服务于多个单天线用户1由于总功耗与发射天线的数量成正比，因此随着天线数量增加，MassiveMIMO系统的能耗也显著增加，导致系统的能源效率下降2 。随着资源短缺和环境问题的出现，能源效率已成为绿色通信系统的关键设计指标3基金项目：国家自然科学青年基金（6 18 0 137 1）收稿日期：2 0 2 1-0 8-17修回日期：2 0 2 1-0 8-2 7近些年，MassiveMIMO系统的资源分配问题成为热点，文献6 中研究了在MassiveMIMO系统中各种能效问题。Hossain等人【6 研究了在固定平均发射功率下最大化能效的天线数量，该文献只考虑了平均发射功率分配能效，未考虑在系统信道条件不同的情况下，平均分配功率会降低系统的能效。Zheng等人7 首先讨论了假设每个用户具有相同功率的天线选择方案，然后讨论了基于所获得功率的功率分配策略。胡莹等8 把分数最优化问题转换成减式形式，联合调整天线数和发射功率来优化能效函数，但是该算法没有考虑系统的总功耗约束。NG等人9 给出了MassiveMIMO系统能效资源分配问题的送代算法，但该算法只考虑了系统总容量的要求,并没有考虑每个用户的系统最小速率。LI等10 提251出了电路功率和发射功率共存，且分析电路功率占系统总功耗的主导地位和只考虑发射功率，忽略电路功率两种情况下MassiveMIMO系统的能效变化规律。本文以最大化系统能效为准则，建立了基站发射天线数、发射功率、用户数的能效优化模型，首先利用朗伯函数求得系统的最佳发射功率、最佳发射天线选择数的闭式表达式，其次在求解天线数的基础上，提出一种多天线选择算法与系统能效联合优化的方法，利用分数规划性质与凸优化理论进行发射天线选择，然后对天线集合和天线数目分别进行优化，采用多种天线选择算法进行比较，仿真发现所提算法使系统能效最优，系统性能提升。2系统模型考虑单小区多用户MassiveMIMO系统的下行链路，假设基站端配有M根发射天线，并通过共享相同的时频资源与单小区内的K(且1 KM）个单天线用户进行通信。整个MassiveMIMO系统下行链路以时分双工模式（TimeDivisionDuplexing,TDD)运行，基站端和用户端都有完美的信道状态信息（Channel State Information，C SI）。为了平衡系统性能和复杂度，也为了消除用户接收端的噪声干扰和用户之间的干扰，假定发送端采用迫零（ZeroForcing,ZF）线性预编码方式进行发送信号。在MassiveMIMO系统下行链路中,设HeCkM是系统的信道矩阵,此时,矩阵元素为hkm=Hkm，其中,1 kK,1mP,分别表示D/A转换器、混合器、滤波器功耗；设P，为发射机的静态功耗，表示为P.=Ps+Psm，其中PBVPsm分别表示为硬件模块中的基带、频率合成器功耗,式中，p，和p，通常均取定值，因此,总功耗可表示为13P=Pa/p+Mp,+p,(9)根据能效的定义，MassiveMIMO系统的能效可表示为Rn=P(10)由于本文以能效最大化为准则，满足单个用户的服务质量（QualityofService，Q o S）需求，同时考虑系统的最小用户速率和总功耗要求，则最大化能效的优化目标为MBKlog2RnoBKmaxnPPd+Mp,+Ps(11)Ps.t.C1:R R.minC2:0 P Pmax.式(11)中，n（单位bit/J)表示非负值的能量效率；C1保证了每个用户的最小可实现的下行速率约束；C2是系统的总功耗约束。3能效资源分配方案3.1能效模型从能效闭式表达式中可以看出目标函数是一个关于基站天线数M、基站端发射功率pa、用户天线数K的非凸多维优化问题。在给定发射端的天线数目下，通过朗伯函数（LambertWfunction)可获得使系统能效最大的最佳发射功率以及最优天线数。具体的证明步骤参照文献14。在给定基站天线数M的情况下，可根据文献14 推导出最佳发射功率的闭式表达式，求得不同用户情况下的最佳发射功率pd252no BK(er(1)+1-1)Pd(12)MpM(Mp,+p,)1其中,1=noBKee同理，从上式可得出不同用户数K所对应的最佳发射功率pl，然后根据最佳发射天线数的闭式表达式，求出最优发射天线数目NnoBK(eW($2)+1Pd(13)Pa(pa/p+p,)-noBKp,其中,92=P该处的N要求取整，即向上noBKp.e取整。为了选取使系统能效最佳的发射天线集，可将信道容量化简为R=Blog2(1+入,)(14)式(14)中,为系统的信噪比，假设采用等功率分配,=Pd，入，为厄米特对称矩阵HkH的特征值，代人有：DTPdKR=Blog2 I I,+H(15)Hn.BKk则系统的能效优化表达式为KPdBlog2k=1noBKmax(16)Pd+Mp,+Ps观察上式可发现，信噪比与信道矩阵的平方有关，计算量很大，为了降低运算复杂度，使用凸优化方法选取最佳的发射天线集，即从M个发射天线中选择N个天线。为了求解上述的天线选择问题，引人为MxM的对角矩阵，对角线上元素的值为1或0，代表着该发射天线是否被选择。H,表示选取使系统能效最佳的发射矩阵，则凸优化目标表示为PdBlog2 1 I;+HHnoBKmaxPd+Mp,+PsPS.1.0%,1,ZM,=N(17)3.2最佳能效算法由于MassiveMIMO系统天线组合数量极大，很难去应用传统的天线选择算法去进行求解，所以提出用联合天线方法来解决使系统复杂度高的问题，分析得到范数法计算复杂度较小，能效优化的天线选择算法能够获得较好能效性能，但凸优化求解的运算复杂度过高。本文将两者联合应用于系统能效中去，仍将最大化能效作为优化目标，本文算法的基本思想是联合范数法和能效优化算法，先利用范数法从M根天线中选出N，根天线集，再根据最大化系统能效的优化目标从N，根天线选择出N根天线集。优化目标为PdBlog2 1 I;+noBKmaxPd+Mp,+PsPS.1.0,1,ZM%,=N.(18)可看出目标函数变成一个凸优化问题，用内点算法进行求解，使用CVX优化软件可以有效求解。通过求解式（2 0），可以得到最优的发射天线集。因此，提出一种新的能效优化方法，延续了最优能效算法的思路，通过优化天线选择数、发射功率、天线子集来最大化能效。具体算法描述如下：输人:H、M、K、Pmx 等参数；输出:pa、N,、N、H,、。1)初始化M、Pm等值；XHmax寸，2)给定M,根据式（12）计算不同用户K下的最佳发射功率pi；3)在步骤2)的前提下，再根据式（13）计算最佳发射天线选择数N；4)将联合的天线选择算法应用于能效优化中，利用凸优化进行求解最佳天线子集，先使用范数法选出N，根天线；再根据最优系统能效优化方法选出最优天线集；5)判断式（11)的两个约束是否满足，是则转下一步骤，否则重复步骤2）、3）；6)达到天线数和天线集的联合优化，并计算系统能效值。4仿真分析为了验证算法有效性，仿真平台为MATLAB。假设Mas-sive MIMO系统中所有的天线阵列均采用均匀线性阵列,信道服从瑞利衰落模型，仿真参数设置见表1。表1仿真参数表参数取值备注M100基站天线数目Pr0.15W射频链路的电路功率0.1W发射机的静态功耗B5KHz系统带宽No-40dB/Hz噪声功率谱密度P0.38功率放大器的系数Pmax13W总功耗基站发射天线数、发射功率、能效之间的关系如图1，在基站发射功率给定的情况下，可以看到基站发射天线数是能效的拟凸函数，同理可看到，在发射天线固定的前提下，基站发射功率也是能效的拟凸函数，验证了本文所提算法的正确性和可应用性。这主要是MassiveMIMO系统多用户分集特性的体现，使得能效提高。253111125-1-T2-1-150.540201008060-2040发射功率/dB20-40基站天线数/粮图1基站发射天线数、发射功率、能效之间的关系16一用户数K-8一用户数Ka163.5一用户数K=24一用户数K=322.51.5102030405060708090100基站天线数/根图2基站天线数对能效的影响一用户数Km8一用户数K=162.5用户数K=24一用户数K-32D150.5-40-30-20-10010203040发射功率/dB图3发射功率对能效的影响不同用户数下，基站天线数与能效对比如图2,随着基站天线数的增加，能效先增后减，即存在最佳天线数使系统能效最优；发射功率与能效对比如图3，随着发射功率的增加，能效先增后减，因此存在最优发射功率使得系统能效最优，图2、图3也可观察到随着用户数的增加，系统的能效性能变好。从图1与图2、图3的对比分析，可发现系统的天线数、发射功率需要进行联合优化才能达到能效的最优化。从图4中可看出，经过一定的迭代次数之后，本文所提算法都能收敛至系统最大能效。同时，由上述能效性质，需要根据不同的发送功率选择不同数目的基站天线可以最大化系统能效。本文算法与文献15 所提算法的容量影响对比如图5。从图5中可看出，随着用户数的增加，本文算法的容量性能相较于已有的的算法用户容量有明显提高。文献15 是采用最大化最小特征值进行天线选择，使得选择天线的信道矩161411-121厂7T7-10+11111-！11811-111一6*！11111一4FL112-17T厂0L-105101520253035404550送代次数图4算法选代次数对能效的影响阵的最小特征值最大、文献16 是采用基于最优能效算法进行天线选择的、文献17 采用范数选择最佳天线子集数、文献18 是根据随机天线选择选择最佳发射天线矩阵。本文算法与文献15 所提算法的能效影响对比如图6所示。从图6 中可看出，本文所提算法随着用户数的增加，能效有所提高，并优于其它几个算法的能效。本文算法是延续文献16 上的思路，根据朗伯函数得到最佳发射功率、最佳发射天线选择数，先确定最佳天线数，再根据最佳能效准则进行天线集选择，天线数和天线集的联合选择可以优化系统的能效。因此,本文能效优化算法优于其它几个算法的系统能效。200180160140(2H/1X/鲁120100一本文算法80米一最优能效算法十一最大化最小特征值算法60女一范数法随机天线选择算法4042468101214161820用户数/个图5本文算法与文献15 的算法容量对比2018161412一一本文算法10米一最优能效算法十一最大化最小特征值算法一范数法8一随机天线选择算法621468101214161820用户数/个图6本文算法与文献15 的算法能效对比254上接第2 15页）5结论本文提出了一种基于联合天线选择的多用户方法MassiveMIMO系统能效优化算法，首先，根据朗伯函数的性质，根据不同的用户数求得最佳发射功率和最佳发射天线数。然后，通过引人联合的天线选择方法，采用凸优化方法求解最佳发射天线子集，进一步优化系统能效。仿真结果表明，所提出的能效优化算法能够使得能效明显提高。参考文献：1 Isabona J,Srivastava V M.Downlink Massive MIMO Systems:A-chievable Sum Rates and Energy Efficiency Perspective for Future5G Systems J.Wireless Personal Communications,2017,96(2):2779-2976.2王正强，杨晓娜，万晓榆，等.大规模MIMO系统能效优化算法研究综述J.重庆邮电大学学报（自然科学版），2 0 19，31(6):743-752.3刘紫燕，刘世美，唐虎，等.多用户MassiveMIMO系统能效资源分配方案J.中国科技论文,2 0 18,13（14）：16 58-16 6 3.4刘世美，刘紫燕，唐虎.基于能效的多用户MassiveMIMO天线选择技术研究J.通信技术，2 0 17,50（10）：2 2 55-2 2 6 1.5张瑞清，李晖，宋选安，等.大规模MIMO系统中能效优化设计J.现代电子技术,2 0 2 0,43(7：1-5.6Hossain M,Cavdar C,E Bjornson,et al.Energy Efficiency ofMassive MIMO:Coping with Daily Load Variation J.ComputerScience,2015,43(5):1-7.7Zheng C,Wang Z,Guo X,et al.Energy Efficient ResourceAllocation for Wireless Power Transfer Enabled Massive MIMO Sys-tem C.Global Communications Conference,IEEE,2016.8胡莹，冀保峰，黄永明，等.基于上行多用户大规模MIMO系统能效优化算法J.通信学报，2 0 15,36（1)：7 2-7 8.9Ng D,Lo E S,Schober R.Energy-efficient resource allocation inOFDMA systems with large numbers of base station antennas J.IEEE Transactions on Wireless Communications,2012,11(9):10 刘嘉敏，郑超，张丽梅，等.基于图像重构特征融合的高光谱图像分类方法J.中国激光，2 0 2 1,48（9）：2 0 3-2 12.11郑志强，胡鑫，翁智，等.基于改进DenseNet的牛眼图像特征提取方法J.计算机应用，2 0 2 1，41（9）：2 7 8 0-2 7 8 4.12陈飞玥，朱玉莲，陈晓红.多层特征融合的PCANet及其在人脸识别中的应用J.南京师大学报（自然科学版），2 0 2 1，44(2):127-133.13瞿中，张玲.基于细节增强的多曝光图像融合算法J.计算机工程与设计，2 0 2 1,42（4)：98 5-98 9.3292-3304.10Li H,Song L Y,Debbah M.Energy efficiency of large-scale mul-tiple antenna systems with transmit antenna selection J.IEEEtransactions on communications,2014,62(2):638-647.11李亚如.Massive MIMO系统下行链路预处理技术研究D.西安科技大学，2 0 19.12Lee B M,Choi J H,Bang J H,et al.An energy efficient antennaselection for large scale green MIMO systems C.IEEE Interna-tional Symposium on Circuits&Systems.IEEE,2013:950-953.13Guo K,Yan G,Ascheid G.Energy-Efficient Uplink Power Allo-cation in Multi-Cell MU-Massive-MIMO Systems C.EuropeanWireless,European Wireless Conference,VDE,2015.14李洁.基于天线选择技术的MassiveMIMO系统能效优化问题研究D.郑州大学,2 0 15.15李国民，李亚如，李新民，等。一种改进的大规模MIMO发射天线选择算法J.电讯技术，2 0 19,59（4）：395-40 0.16李国民，郭甜，李新民，等.多用户大规模MIMO系统能效资源优化算法J中国科技论文，2 0 2 1,16(3）：32 0-32 4.17Mahdi Eskandari et al.Antenna selection and power allocation forenergy efficient MIMO systems J.Journal of Communicationsand Networks,2018,20(6):546-553.18Li J,Li S Z,Mu X M,et.al.Energy efficiency of very large multi-user mimo systems with transmit antenna selection J.International Journal of Multimediaand Ubiquitous Engineering,2015,10(6):243-252.作者简介李国民（196 5-），男（汉族），湖南省宁乡市人，教授，硕士研究生导师，主要研究领域为通信信号处理、信息技术应用。李甜（1996-）,女（汉族），陕西省西安市人,硕士研究生，主要研究领域为大规模MIMO能效问题。李新民（197 7-），男（汉族），陕西省岐山市人，西安科技大学讲师，主要研究领域为宽带无线通信技术。14张红颖，赵晋东.HSV空间的RetinexNet低照度图像增强算法J.激光与光电子学进展,2 0 2 0,57（2 0）：2 94-30 1.15杨燕，王志伟.基于补偿透射率和自适应雾浓度系数的图像复原算法J.通信学报，2 0 2 0，41（1）：6 6-7 5.作者简介聂青青（198 8-），女（汉族），山西太原人，硕士，讲师，研究方向：图形设计、视觉传达、文创设计。张文博（1991-），男（汉族），河南焦作人，硕士，讲师，研究方向：室内设计、景观设计。