徐凌偉

(1.青島科技大學(xué) 信息科學(xué)技術(shù)學(xué)院，山東 青島 266061； 2.中南民族大學(xué) 智能無線通信湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430074)

0 引言

近年來，隨著第五代移動(dòng)通信技術(shù)的發(fā)展，多用戶移動(dòng)協(xié)作通信受到了廣泛的關(guān)注[1-3].伴隨著移動(dòng)物聯(lián)網(wǎng)業(yè)務(wù)的發(fā)展，移動(dòng)用戶的數(shù)量呈爆炸性增長[4].移動(dòng)用戶對(duì)無線傳輸?shù)臄?shù)據(jù)速率和服務(wù)質(zhì)量的要求在不斷提高，追求更高質(zhì)量、更高速率、更多樣化的移動(dòng)通信.而現(xiàn)有的頻譜資源幾乎分配殆盡，大量消耗能量資源以換取移動(dòng)通信質(zhì)量的提升，帶來了越來越嚴(yán)峻的能量消耗問題，又與綠色通信相悖.因此，利用有限的資源來使得更多用戶能夠同時(shí)接入網(wǎng)絡(luò)，進(jìn)一步提升系統(tǒng)數(shù)據(jù)傳輸?shù)娜萘浚瑴p少能量消耗，提升能量效率，成為了5G綠色移動(dòng)通信技術(shù)面臨的關(guān)鍵問題[5].

功率分配技術(shù)是一種降低多用戶通信系統(tǒng)能量消耗的有效方法.北京航空航天大學(xué)劉文佳等人提出一種工作在不同頻段下行兩層異構(gòu)網(wǎng)中的高能量效率資源分配方法，考慮用戶數(shù)據(jù)率需求和基站最大發(fā)射功率[6].在移動(dòng)中繼協(xié)助下的終端直通(Device-to-Device, D2D)中，由于同頻干擾和終端設(shè)備功率受限，西安交通大學(xué)的曲樺教授等人提出一種聯(lián)合功率控制、信道分配和移動(dòng)中繼選擇方案最大化D2D鏈路總能量效率[7].L.Fletscher等人利用聯(lián)盟博弈論研究了多用戶的功率控制問題[8].S.D.Oro等人提出了一種低復(fù)雜度的多用戶能效優(yōu)化算法[9].Isiaka A.Alimi等人使用混合射頻/自由空間光中繼方案研究了多用戶系統(tǒng)的中斷概率性能[10].在完美和非完美的信道估計(jì)兩種情況下，電子科技大學(xué)丁長文等人提出了能量收集雙向中繼網(wǎng)絡(luò)的高能效聯(lián)合中繼選擇和功率分配算法[11].重慶郵電大學(xué)的謝顯中等人提出了適用于多小區(qū) MIMO的基于Bayes估計(jì)和數(shù)據(jù)流間功率分配的聯(lián)合干擾相位對(duì)齊算法[12].浙江工業(yè)大學(xué)趙澄等人針對(duì)使用電池的認(rèn)知無線電節(jié)點(diǎn)能量消耗不均衡導(dǎo)致能量利用率低的問題，提出了一種基于雙向中繼的無線通信能耗均衡通信系統(tǒng)[13].

上述的功率分配機(jī)制是在傳統(tǒng)通信系統(tǒng)架構(gòu)下設(shè)計(jì)的，對(duì)移動(dòng)通信系統(tǒng)的實(shí)時(shí)響應(yīng)需求和數(shù)據(jù)高效獲取需求考慮不足，復(fù)雜度高，在效率、實(shí)時(shí)性和對(duì)應(yīng)用場景的適用性方面都需要改進(jìn).但是，復(fù)雜多變的通信環(huán)境給多用戶通信帶來了巨大挑戰(zhàn)，Rayleigh、Nakagami等傳統(tǒng)信道不能有效表征復(fù)雜多變的移動(dòng)通信環(huán)境[14-16].N-Nakagami信道能夠更靈活地表征移動(dòng)通信的衰落特征, 也更符合實(shí)際的復(fù)雜多變移動(dòng)通信環(huán)境.N-Nakagami信道包含了Rayleigh、Nakagami等傳統(tǒng)信道的通信環(huán)境，也更具有代表性.本文的主要貢獻(xiàn)是：(1)在N-Nakagami信道下，建立了移動(dòng)多用戶通信系統(tǒng)模型，設(shè)計(jì)了最佳發(fā)射天線選擇(Transmit Antenna Selection，TAS)方案，研究了移動(dòng)多用戶通信系統(tǒng)的中斷概率(Outage Probability,OP)性能；(2)針對(duì)最佳TAS方案，推導(dǎo)了系統(tǒng)中斷概率的閉合表達(dá)式；(3)建立功率優(yōu)化目標(biāo)函數(shù)，提出了增強(qiáng)灰狼優(yōu)化算法(Enhanced Grey Wolf Optimization，EGWO),獲取功率優(yōu)化目標(biāo)函數(shù)的最優(yōu)解,設(shè)計(jì)功率分配優(yōu)化機(jī)制；(4)和差分進(jìn)化算法(Differential Evolution，DE)，粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)，布谷鳥搜索算法(Cuckoo Search，CS), 螢火蟲算法(Firefly Algorithm，F(xiàn)A)等進(jìn)行了比較, 仿真結(jié)果表明：本文所提出的算法優(yōu)化性能更好，理論分析的正確性得到了驗(yàn)證.本文的理論研究具有很高的準(zhǔn)確性，還能夠方便地應(yīng)用到復(fù)雜環(huán)境的移動(dòng)通信網(wǎng)絡(luò)的性能計(jì)算和分析中.

1 系統(tǒng)模型

圖1給出了移動(dòng)多用戶協(xié)作通信系統(tǒng)模型.移動(dòng)信源(MS)通過一個(gè)移動(dòng)中繼節(jié)點(diǎn)(MR)發(fā)送信息給L個(gè)移動(dòng)用戶(MU).它們的通信信道是N-Nakagami道，和Rayleigh，Nakagami等信道相比，N-Nakagami信道更加符合實(shí)際信道條件.

我們定義h=hg，gSR，SU，RU，表示 MS → MR，MS → MU，MR → MU 鏈路的信道增益.MS 和MR 的發(fā)射總功率為E.為了表示MS，MR和MU 的相對(duì)位置，我們分別用VSR,VSU,VRU表示MS → MR，MS → MU，MR → MU 鏈路的位置增益.

在兩個(gè)時(shí)隙內(nèi)，系統(tǒng)的發(fā)射總功率是E，K為發(fā)射總功率功率分配系數(shù).MS的第i根發(fā)射天線表示為MSi，MR的第j根天線表示為MRj.第一時(shí)隙中，MSi發(fā)送信息x，rSRij,rSUil分別為MRj和MUl的接收信號(hào).

(1)

(2)

其中nSUil和nSRij的均值為0，方差為N0/2.

在第二個(gè)時(shí)隙，MRj使用譯碼轉(zhuǎn)發(fā)協(xié)作策略.移動(dòng)用戶MUl接收信號(hào)為

(3)

其中nRUjl的均值為0，方差為N0/2.如果MRj可以正確解調(diào)，則β=1；否則β=0.

其中Rth=22R0-1.

使用SC合并接收，MUl的接收信噪比表示為

其中|C|表示譯碼集合C的勢(shì)，譯碼集合C表示為C={1≤j≤Nt|γSRj≥Rth}.

2 最佳TAS方案的性能

我們計(jì)算最佳TAS方案的OP如

其中

Q1計(jì)算如

Q2計(jì)算如

3 功率分配的智能優(yōu)化

3.1 功率約束優(yōu)化目標(biāo)函數(shù)

我們將推導(dǎo)的中斷概率作為約束優(yōu)化目標(biāo)函數(shù)，使其達(dá)到最小值，獲得最優(yōu)功率分配系數(shù)K，即

其中P1是MS的發(fā)射功率,P2是MR的發(fā)射功率，PA是系統(tǒng)的最大功率,PD是MS的最大功率,PE是MR的最大功率.

3.2 增強(qiáng)灰狼優(yōu)化算法

為了獲得最優(yōu)功率分配系數(shù)K，我們利用增強(qiáng)灰狼算法進(jìn)行智能優(yōu)化，增強(qiáng)灰狼算法的步驟為：

(1) 優(yōu)化初始狼群，本項(xiàng)目擬采用佳點(diǎn)集理論產(chǎn)生初始灰狼種群，大小為N個(gè).然后從中選取最好的三只狼，分別為α,β,δ狼，其他狼為ω狼.

(2) 狼群包圍，狼群在狩獵過程中首先對(duì)目標(biāo)進(jìn)行包圍D=|C·Xp(t)-X(t)|,X(t+1)=Xp(t)-A·D,其中t為當(dāng)前的迭代數(shù)，A,C為系數(shù)向量，D表示獵物和灰狼之間的距離，Xp是為全局最優(yōu)解向量(獵物所在位置)，X為潛在解向量(狼群所在位置).A,C表示為A=2α·r1-r2,C=2·r2,r1,r2為隨機(jī)向量，取值范圍為 [0, 1]，α的值隨迭代數(shù)增加從2線性遞減到0.

(3) 狼群獵捕，由α,β,δ狼來引導(dǎo)，其他ω狼應(yīng)根據(jù)當(dāng)前α,β,δ狼的位置更新它們各自的位置X(t+1)=X1+X2+X3,其中X1=Xα-A1·Dα,X2=Xβ-A2·Dβ,X3=Xδ-A3·Dδ,Dα=|C1·Xα(t)-X|,Dβ=|C2·Xβ(t)-X|,Dδ=|C3·Xδ(t)-X|.

(4) 狼群攻擊，狼群攻擊獵物，即獲得最優(yōu)解，主要通過α值的遞減來實(shí)現(xiàn).

表1仿真系數(shù)

參數(shù)數(shù)值‰th5 dBRth5 dBNt1,2,3Nr2L2m1K0.5N2u0 dB

4 數(shù)值仿真

我們定義μ=VSU/VRU為相對(duì)位置增益，E=1，每次仿真參數(shù)設(shè)定為10000次.在圖3中，我們研究了最佳TAS方案的OP性能.我們?cè)诒?中給出了仿真系數(shù)，從圖3可以看出，Monte-Carlo仿真值非常吻合理論值，這驗(yàn)證了推導(dǎo)的理論閉合表達(dá)式的正確性.增加SNR和Nt可以不斷改善OP性能.

表2比較了EGWO, PSO[17]，CS[18]，F(xiàn)A[19]和DE[20]5種算法的運(yùn)行時(shí)間，K和OP.仿真系數(shù)如表3所示.我們可以得到，和CS，PSO，F(xiàn)A，DE比較，EGWO優(yōu)化效果更好，運(yùn)行時(shí)間更短，獲得了最佳K值，OP性能最好.

表2 五種算法的比較

5 結(jié)論

本文在N-Nakagami信道下，建立了移動(dòng)多用戶通信系統(tǒng)模型，設(shè)計(jì)了最佳TAS方案，研究了移動(dòng)多用戶通信系統(tǒng)的OP性能，推導(dǎo)了OP的閉合表達(dá)式.然后提出了一種基于EGWO算法的功率分配智能優(yōu)化算法，和CS，PSO，F(xiàn)A，DE比較，本文提出的智能優(yōu)化算法獲得了更好的OP性能效果.下一步考慮針對(duì)不同的信道參數(shù)，利用機(jī)器學(xué)習(xí)，實(shí)現(xiàn)系統(tǒng)功率分配的智能優(yōu)化.

表3 5種不同算法的仿真參數(shù)

算法仿真參數(shù)EGWOpsize=50, ter=1000PSOpsize=50,c1=1.45,c2=1.89445, ter=1000CSpsize=50,Pa=0.25, ter=1000FApsize=50,α=0.5,β=0.2,γ=1, ter=1000DEpsize=50,α=0.2,β=0.8,γ=0.2, ter=1000