论文部分内容阅读
分布式天线是5G通信系统的一种具有潜力的技术。在分布式天线系统构架下,所有的信号处理任务都在中央控制器,远程端口只负责简单信号传输和接收。于是,系统更易于集中式的信号处理,比如多点协作传输技术(CoMP),联合用户调度和数据流控制等。同时,由于远程端口的低功能特性,它的尺寸比传统微型基站更小,更加易于密集摆放在小区中不同的位置。因此,分布式天线系统可以大大提高系统中容量和小区边缘覆盖率。另外,随着云计算技术的发展,分布式天线系统架构显得尤为重要,因为它可以支持一些新兴技术,例如NFV,SDN和AI。本文侧重研究分布式天线系统的传输设计问题,进而提高系统传输设计中的频谱效率和能量效率两个指标。主要工作如下:一、提出了一种优化传输协方差矩阵的方法来最大化单用户分布式天线场景下系统的能量效率。在该系统中,用户和每个分布式接入点都配置多根天线。与现有相关工作不同的地方是,本文同时考虑了用户速率需求和分布式接入点选择问题。这里系统总的链路消耗与激活的分布式接入点数目有关系。在这种情况下,首先,在给定激活分布式接入点集合情况下,提出了一种优化传输协方差矩阵的方案来最大化系统的能量效率。具体来讲将这个问题分为三个子问题:速率最大化问题,没有速率约束下的能效最大化问题,和功率最小化问题,每个问题都能够得到有效解决。接着提出一种低复杂度的基于距离的分布式接入点选择方案来决定分布式接入点被激活的集合。仿真结果表明,提出的分布式接入点选择算法与最优的穷尽搜索方法在性能上非常接近,但是复杂度得到了大大的降低。同时,本文提出的算法与已有的能效最大化方案相比在能效上有显著的提高。二、提出了一种联合优化前端链路选择和发送协方差矩阵的方法来优化多用户MIMO DAS系统中能效的方法。前端链路的功耗假设为与激活的前向链路数目成正比,其中激活的前端链路可以通过指示函数来表征。同时该优化问题考虑了各个用户的速率需求以及每个RAU的功率约束。由于RAU功率约束条件,一些用户的速率可能不会得到满足。因此,本文建模了一个两阶段的优化问题。在第一阶段,本文提出了一种新型的用户选择算法用来决定最大接入的用户数。在第二阶段,求解能效最大化问题。首先,用一个平滑的凹函数对指示函数进行近似。接着,本文提出了一种三层迭代算法来求解近似的能效优化问题,证明了这种算法可以收敛到平滑后的能效优化问题的KKT点。为了进一步减小复杂度,本文提出了一种能保证收敛的单层迭代算法。仿真结果表明提出的用户选择算法逼近穷尽搜索算法的性能。最后,仿真结果表明,提出的算法较原有的不考虑链路选择的能效算法在能效性能上高出一个数量级。三、研究了考虑延迟约束下分布式系统中的资源分配问题。具体优化问题为最大化用户的有效容量,同时保证每个RAU的平均功率约束和峰值功率约束,其中有效速率定义为在保证延迟需求下,系统所能支撑的最大达到数据流速率。首先将有效速率最大化问题转化为一个等效的凸优化问题。通过使用拉格朗日分解方法和求解KKT条件,可以得到每个RAU上的最优发送功率的闭合表达式。为了更新拉格朗日因子,提出了一种在线的追踪算法来近似计算每个RAU的平均功率。对于两个RAU的情况,每个RAU上的平均功率的表达式可以写为显式形式,这样可以通过数值计算得到。因此,在这种特殊情况下,拉格朗日对偶变量可以提前计算出而不需要在线追踪。仿真结果表明提出的算法对于所有考虑到的场景都能够快速收敛,并且比每个RAU单独优化的方法提高20%的有效容量。四、研究了 Nakagami-m信道下的单用户分布式天线系统中的能效最大化问题,其中能效定义为平均频谱效率与平均总功率的比值。该优化问题除了考虑传统的每个RAU上的峰值功率约束,也考虑了每个RAU上的平均功率约束。首先采用分式规划方法将原始的分式目标函数转化为一个更加容易求解的形式。接下来,引入与平均功率约束相对应的对偶变量来将原问题分解为多个独立的子问题,通过分析KKT条件可以得到每个子问题的闭合解。然后利用次梯度算法来更新对偶变量。为了计算次梯度,本文采用在线跟踪的算法来追踪每个RAU的平均功率值。对于两个RAU的特殊情况,得到了平均功率的闭合表达式,这将使得该场景下不需要通过训练就可以直接得到平均功率。仿真结果表明提出的算法可以很快收敛,并且能效性能相比已有的算法高出了约 40%。五、研究了多播DAS系统中的能效最大化问题,其中每个RAU配置多根天线。提出了一种新颖的迭代算法,每次迭代求解两个子问题:功率分配问题和波束方向优化问题。第一个子问题可以转化为一维的伪凸问题,可以通过黄金搜索的方法进行求解。第二个子问题可以使用现有的算法进行求解。仿真结果表明所提的算法比现有的速率最大化算法有着更好的能效性能。另外,当前端链路功耗较低时,分布式天线系统的能效性能要优于集中式天线系统。