论文部分内容阅读
第五代移动通信技术(Fifth-Generation,5G)将面临着更高的服务速率,更广的覆盖范围,更好的网络稳定性等要求。为了满足这些需求,网络密度越来越大,信道干扰环境也随之变得越来越复杂,准确获取信道状态信息(Channel State Information,CSI)变得几乎不可能。波束成形是5G的一个关键技术,可以实现空分多址、干扰抑制、提高传输速率,但传统的波束成形技术依赖准确的CSI。针对密集网络中不可避免的存在CSI误差的现状,本文采用从统计上保证用户QoS(Quality of Service)的方式,在三种不同的网络应用场景中研究了基于机会QoS约束的资源分配问题。具体研究内容和贡献包括以下几个方面:1.在密集 C-RAN(Cloud Radio Access Network)网络中,以最小化总功耗为目标,研究了基于机会SINR(Signal to Interference plus Noise Ratio)约束的鲁棒波束成形问题。首先,考虑到密集C-RAN网络中为用户提供服务的RRH(Remote Radio Head)只有极少数,所以网络的波束成形向量应具有稀疏结构。本文提出了一种RRH关断策略,将没有信号传输的RRH切换到休眠模式,此举可以显著降低全网络的功耗。然后,使用Bernstein不等式将机会SINR约束近似为确定性约束,并使用半正定松弛(Semidefinite Relaxation,SDR)技术将非凸的联合优化问题转化为凸优化问题。最后,本文提出一种迭代加权稀疏波束成形算法,并通过仿真对比证明了其在降低功耗和保证QoS鲁棒性方面的优势。2.在信息能量联合传输的MISO(Multiple Input Single Output)网络中,以最大化用户总速率为目标,研究了基于机会能量收集约束的波束成形问题。首先,基于信息能量联合传输(SimultaneousWireless Information and Power Transfer,SWIPT)技术,本文采用时间切换(Time Switching)的信号接收模式。然后,将机会收集能量约束使用Bernstein不等式近似为确定性凸约束,并针对原始优化问题提出一种交替优化(AlternativeOptimization,AO)算法将其分解为两个子问题进行求解。对于非凸的和速率最大问题,本文采用等价最小均方误差(Minimum Mean Square Error,MMSE)的方法将其转化为凸优化问题,并使用CVX凸优化工具进行求解。最后,通过仿真实验证明了所提算法在保证能量收集约束中的性能。3.在多播网络场景中,以最小化总功耗为目标,研究了基于统计时延QoS约束的资源分配问题。本文采用有效带宽和有效容量理论来处理时延QoS的机会约束问题,并将原始资源分配问题分解为子信道分配问题和功率分配问题。求解功率分配问题时,采用拉格朗日对偶法,利用对偶问题得到原始问题的最优解。最后,通过仿真比较了本文所提的针对多播网络的资源分配算法和传统单播网络中的算法在总功耗方面的性能,充分证明了本文所提算法的优越性。