技术摘要：
本发明公开了一种基于NOMA与波束成型的超密集网络无线资源分配方法，把波束成形和NOMA相结合，配备多天线的基站与多个单天线的用户设备进行通信，从宏基站到小基站，采用波束形成来提高信号的覆盖率和信噪比，在小基站向用户传输的过程中采用NOMA，将不同的传输功率分  全部
背景技术：
第五代移动通信系统(5G)，其理论峰值传输速率可达数十Gbit/s，超过4G系统传 输速率数百倍，数据流量增加1000倍，其无线覆盖性能、系统安全性和服务质量也将得到显 著提高。为了实现这一目标，除了增加频谱带宽和利用先进的无线传输技术提高频谱利用 率外，主要采用的方法之一是通过密集化小区部署以提高空间复用度，构建超密集网络 (UDN)。超密集网络可使用户终端在覆盖区域内获得更多频谱，距离各个发射节点更近，提 升了系统功率效率、频谱效率，进而提高了系统容量，保证了无线业务在多种接入技术与异 构网络覆盖相叠加的场景下负载均衡。另外，超密集网络的小基站/微小基站主要部署在低 发射功率的热点区域，因此，超密集网络可为5G系统用户提供较高的吞吐量和较为灵活的 接入服务。 然而，随着小基站/微小基站数量的增加，部署复杂性增大。由于微小基站的自主 性和布设的随机性，5G系统用户设备之间会产生较大的频谱冲突，导致了同层蜂窝小区之 间以及不同层蜂窝小区之间存在严重干扰。开展干扰消除、提高能效的有效办法则是设计 合理的频谱共享和功率控制机制，实现资源在用户终端之间及不同蜂窝层次之间的融合共 享，从而提高系统容量、用户服务质量和资源利用率。 针对上述问题，现有技术主要采用最优化理论、注水算法、SIC检测器等技术。然而 他们仍然具有以下缺陷： 1)干扰限制：随着基站密度的增加和用户与基站之间距离的减小，UDN的簇间干扰 强度和干扰基站数都增加了，这会增加很多额外的开销和功率消耗，并且由于多个用户共 享一个波束成形向量，因此，总容量易受来自其他波束成形向量的干扰影响，多重干扰下使 得以往的资源管理控制方法并不适用。 2)开销限制：传统随机波束成形仍然要求所有用户向基站发送信道状态信息，这 样就会消耗大量的资源。具有大量用户的网络中的系统开销较大。许多协议需要发送端的 信道信息状态(CSI)，这可能会导致较大的系统开销。但在NOMA系统中，只使用较少的反馈， 在用户的信道条件下即可构建系统。 3)业务限制：随着小区覆盖范围的缩小，用户之间的行为具有较高的相关性，业务 关联问题变得更加复杂。而业务关联技术会直接影响网络的资源分配方案，从而影响网络 性能。 4)复杂度限制：相对于传统的SIC接收机，NOMA采用的SIC接收机更加复杂，要求有 更高的信号处理能力。其次，基于信号功率的用户优先级决定了最佳的接收效果。而在实际 应用中，用户的功率是在不断变化的，这就要求不断地对信号功率进行重新排序，并且每一 级处理都会产生一定的时延，而多级处理中产生的时延很大。 8 CN 111615202 A 说　明　书 2/15 页 总体而言，超密集网络资源管理机制方面的研究主要集中在密度分析、小区间协 作、分级资源分配等方面，并未涉及从小区间到用户间的系统级方法，以及频谱分配与功率 控制全面结合的资源分配方法。NOMA可应用于具有两个以上用户的上行链路和下行链路。 然而，使用叠加编码和SIC会引起额外的系统复杂性，但同时能够激励用户群集，有效降低 系统复杂性。然而，在基于群集的NOMA系统中，确定如何最好地将用户动态分配到具有不同 大小的动态数量的簇非常困难。更重要的是所得到的组合优化问题通常求解难度大，并且 计算巨大。
技术实现要素：
本发明所要解决的技术问题是提供一种基于NOMA与波束成型的超密集网络无线 资源分配方法，把波束成形和NOMA相结合，配备多天线的基站与多个单天线的用户设备进 行通信，大大提高了系统性能和频谱利用率。 为解决上述技术问题，本发明所采用的技术方案是： 一种基于NOMA与波束成型的超密集网络无线资源分配方法，其特征在于包含以下 步骤： 步骤一：构建一个下行系统，每个用户与所接入的基站构成一条链路，分为接入链 路和回程链路，回程链路利用波束形成技术进行传输，接入链路则在以用户为中心的超密 集网络中引入了非正交多址接入传输方式； 步骤二：构建链路传输模型和干扰模型，建立上下行速率和系统容量计算模型；在 所述网络的簇之间分配子信道，每个子信道可被多个基站和用户使用，子信道的分配以最 大化系统总容量为目标，根据分配的限制条件构建最大化功率效率的数学模型； 步骤三：对所述每个基站所用子信道上的功率进行控制，功率控制以最大化系统 功率效率为目标，对最大化功率效率非凸优化问题进行凸优化处理，利用拉格朗日函数法， 对凸优化问题求解； 步骤四：设计基于注水算法的启发式算法对优化问题进行求解，得到近似最优的 性能。 进一步地，所述步骤二具体为 2.1构建接入链路和回程链路传输信号的信噪比，可实现的访问速率、接入链路和 回程链路的吞吐量等数学模型； 2.2构建系统总吞吐量模型； 2.3构建以最大化用户能量效率为目标的信道分配和功率控制优化模型，提出基 站间与用户间的频谱分配和功率控制机制； 2.4在网络的簇之间分配子信道，每个子信道可以被多个基站和用户使用，子信道 的分配以最大化系统总容量为目标，分配的限制条件为对基站间的干扰限制、系统的总容 量需求以及宏基站和小基站AP中信道分配的正交性，根据限制条件构建最大化功率效率的 数学模型。 进一步地，所述2.1具体为 对于接入链路，假设每个用户都被分配到一组小基站，将多个基站AP构成为各个 基站组APG合作；用户端接收到信号后，首先解码最强信号，解码后从接收信号中删除该信 9 CN 111615202 A 说　明　书 3/15 页 号，然后解码第二最强信号，以此类推；则用户n从基站组APG在簇f中的信道k上获得的信号 可以表示为： Hf,1,n,k≥Hf,m,n,k≥...≥Hf,M,n,k 由此，可得第n个用户在第m个小基站、第k个信道上接收到的信噪比： 其中， 表示从第m个AP到第n个用户在第k个信道上的发射功率，Hf ,q ,n ,k表示 第n个用户从小基站q在第k个信道上获取的信道增益， 表示宏基站到小基站间的高斯 白噪声，则所有用户在第m个AP上可实现的访问速率可表示为： 则访问下行链路吞吐量可表示为： 对于回程链路中，即宏基站到小基站这一链路，将具有不同信道增益的多个接收 天线分组为不同簇； 表示回程链路中第m个AP在第k个信道从第f个簇所接收到的信噪 比，根据波束成型原理，可表示为： 其中， 表示簇f在信道k上的对基站m的解码权重因子，eb表示BF预编码矩阵的 第b列，Hf,m,k是簇f信道k上对基站m的无线信道增益列向量， 表示对于簇f上的信道k对 基站m产生的发射功率； 表示一种循环对称复高斯噪声，则在第m个AP可实现的回程速 率可表示为： 则回程下行链路吞吐量可表示为： 进一步地，所述2.2具体为 构建系统总吞吐量模型，它只与可实现的访问速率有关，用C可表示为: s.t.R1≤R2 10 CN 111615202 A 说　明　书 4/15 页 其中，af ,m ,n,k表示基站和信道的分配变量；当af ,m ,n,k＝1时表示选择APG中的第m个 AP在第k个信道上服务于第n个用户，否则af,m,n,k＝0。 进一步地，所述2.3具体为 整个系统的总功耗可表示为： 其中,Pm,t表示接入链路中接入的AP消耗的发射功率, 表示基站不发送信号 时，簇f中第k信道上由第m个AP服务第n用户发射的运行所需的功率；Pm ,c＝Pm ,r vaPm ,d表示 接入链路中接入的AP消耗的功率包括用于处理接收信号的恒定电路功率和动态解码功率； 对 于回 程 链 路 ，包 含电 路 功 耗 、动 态 解 码 功 率 和传 输 功 率 ，表 示 为 其中Pm ,c表示第m个用户消耗的电路功耗，包括接收功率 Pm ,r和动态解码功率Pm ,d， 表示回程链路中的发射功率，其中va和vb与第m个AP所在APG 中的AP数相关，af ,m ,n,k表示接入链路信道的分配变量，bf ,m ,k表示回程链路中信道的分配变 量，两者都可以根据网络流量动态调整。 进一步地，所述2.4具体为 资源分配问题总结为最优化问题可表示为： C1： C2: C3: C4： C5: C6: 其中，C1确保每个用户的最小速率，C3和C4分别是MBS和每个AP的最大发射功率； C2是宏基站和小基站的数据速率保证，以确保从宏基站到AP  m的数据速率大于从多个AP到 用户的速率；C5保证一个AP中信道分配的正交性，C6保证宏基站中信道分配的正交性。 进一步地，所述步骤三具体为 3.1将整数变量松弛为连续变量，得到问题的一些约束条件 对于接入链路的功率分配，如果第m个AP的第k信道分配给第n个用户，将把功率分 配给这个信道；如果第m个AP的第k信道没有分配给第n用户，那就给这个信道分配零功率； 11 CN 111615202 A 说　明　书 5/15 页 则系统的吞吐量可转换为 与接入链路同理，对于回程链路的功率分配，如果簇f的信道k被分配给APm，将把 功率分配给这个信道；如果簇f的信道k没有被分配到用户n；对于用户n，则为该信道分配零 功率；同理将bf,m,k∈{0,1}放松为连续变量bf,m,k∈[0,1]，所以 可以表示为： 整体的功率消耗为 且目标优化问题也转化为 s.t.C1: C2: C3: C4: 其中， 3.2利用比率和算法，将目标问题转化为一个减法结构，得到一个等价且更易于处 理的结构，则目标问题可以表示为： 12 CN 111615202 A 说　明　书 6/15 页 s.t.C1: C2： C3: C4: 3.3将目标问题看作一个标准的凸最大化问题，通过凸问题的解得到它的最大值； 利用连续凸逼近SCA算法来求解这个凸问题；给出一个上界，来松弛变量，以得到几个凸问 题；通过不断更新和迭代 来进一步收紧边界；设定一个下界为： 其中， 是一个连续变量，等价于 放宽的条件如下： 同上， 的下界为： 在以下情况下，近似方法等于原始目标。 则最优化问题可以转化为： s.t.C1: C2: 13 CN 111615202 A 说　明　书 7/15 页 C3: C4: 再利用指数和对数之间的转换关系将上式转化为 s.t.C1： C2: C3: C4: 其中， 进一步地，所述步骤四具体为 4.1根据步骤三约束条件将其最大化功率效益这个非凸问题转化为拉格朗日对偶 问题： 4.2在系统容量需求限制条件下调整 检验拉格朗日函数是否收敛；当本 次迭代获得的拉格朗日公式乘子λ， θ，τ的值和上一次迭代获得的值之差大于最大收敛值 14 CN 111615202 A 说　明　书 8/15 页 R时，表明拉格朗日函数不收敛；此时更新拉格朗日公式乘子λ， θ，τ，测量噪声矩阵，获得 新的功率分配方案，迭代次数最大值S增加一次。 4.3当 收敛时，结束迭代，输出功率分配方案。 本发明与现有技术相比，具有以下优点和效果： 本发明把波束成形和NOMA相结合，配备多天线的基站与多个单天线的用户设备进 行通信。从宏基站到小基站，本发明采用波束形成来提高信号的覆盖率和信噪比，从而使接 收机获得更好的信号质量。另一方面，在小基站向用户传输的过程中采用NOMA，将不同的传 输功率分配给不同的用户，以适应用户无法根据网络环境的变化反馈有效的网络状态信息 的情况，从而提高系统的吞吐率。本发明不仅有效抑制了簇间干扰和簇间用户干扰，而且在 一定程度上保证了用户之间的公平性，提高了系统的吞吐量性能，公平有效地进行了功率 分配，使系统具有高带宽、高吞吐量、高信号质量、低信噪比的优点，并且支持大量用户同时 通信，从而大大提高系统性能和频谱利用率。 附图说明 图1是本发明的基于NOMA与波束成型的超密集网络无线资源分配方法的流程图。 图2是本发明的基于NOMA与波束成型的超密集网络无线资源分配方法的系统模型 图。