买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜东南大学申请的专利能效谱效联合优化的分布式多小区大规模MIMO功率分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114828256B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210405149.2，技术领域涉及：H04W72/044；该发明授权能效谱效联合优化的分布式多小区大规模MIMO功率分配方法是由尤力;黄雨菲;黄珂琳;叶育琦;仲文;高西奇设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本能效谱效联合优化的分布式多小区大规模MIMO功率分配方法在说明书摘要公布了：本发明公开了一种能效谱效联合优化的分布式多小区大规模MIMO功率分配方法，包括：构建小区簇并配置天线阵列，通过波束赋形生成波束集合；获取小区簇内各用户的统计信道状态信息；基站之间通过分布式协作，利用确定性等同方法、MM方法和迭代注水算法进行功率分配；功率分配优化问题的优化目标为各小区能效谱效加权和的最小值；根据统计信道状态信息的变化动态实施多小区大规模MIMO波束域功率分配。本发明基于多小区分布式场景，基站之间进行的有限的信息交互，具有较小的回程开销，且充分利用了用户的波束域统计信道状态信息，能有效提高系统的能效和谱效，实现两者的平衡，显著降低优化问题求解和物理层实现的复杂度。

本发明授权能效谱效联合优化的分布式多小区大规模MIMO功率分配方法在权利要求书中公布了：1.能效谱效联合优化的分布式多小区大规模MIMO功率分配方法，其特征在于，所述功率分配方法包括如下步骤：步骤S1、将多个小区构建为小区簇并在各个小区的基站配置大规模天线阵列，通过波束赋形生成波束集合；步骤S2、各小区基站分别获取本小区内用户的统计信道状态信息；步骤S3、各小区基站基于获取到的统计信道状态信息，进行功率分配，其包括：首先构建以优化目标为各小区资源效率的最小值，优化变量为各个基站发送信号的协方差矩阵，约束条件为各基站发送信号的协方差矩阵满足功率约束的优化问题，然后再利用确定性等同方法、MM方法和迭代注水算法进行求解该优化问题，得到最优功率分配矩阵，各基站以得到的最优功率分配矩阵，实现功率分配；其中，所述资源效率是能效和谱效的加权和，谱效为小区可达遍历和速率，能效为小区可达遍历和速率与总功耗的比值；在所述步骤S3中，所述利用确定性等同方法、MM方法和迭代注水算法进行求解该优化问题，得到最优功率分配矩阵，其具体包括：首先，根据大维随机矩阵理论，利用步骤S2中获取的波束域统计信道状态信息计算系统谱效，其包括：通过引入确定性等同辅助变量，确定可达遍历和速率的确定性等同值，再计算目标函数的确定性等同值，接着再通过MM变换将所述优化问题转化为凹函数；然后，将经过MM变换后的子问题转换为每个小区分别求解本小区功率分配矩阵的问题，在求解本小区优化问题时将其他小区参数看作常数；对于每个小区的功率分配问题，将其分解为一个内层优化子问题和一个外层优化子问题；其中，内层优化子问题的优化目标是求解最大化系统和速率的最优功率分配矩阵，外层优化子问题的优化目标为求解最大化资源效率的最优发送功率；最后，利用迭代注水算法求解内层优化子问题，根据内层优化结果使用梯度法更新发送功率；若发送功率收敛，则结束迭代，将内层子问题的结果作为小区优化问题的结果；在所述步骤S3中，所述的优化问题通过如下方法构建得到：将第u个小区第k个用户定义为k,u，假设基站发送给用户k,u的信号为xk,u，信号协方差矩阵为发送信号协方差矩阵集合为则用户k,u的遍历速率表示为： 在公式1中，其中，该表示用户k,u的干扰加噪声协方差矩阵，σ2为噪声方差，log为对数运算，det表示取矩阵的行列式，为Nk,u×Nk,u的单位矩阵，表示对矩阵Gk,u,v进行共轭转置；对于第u个小区，其功耗模型为： 在公式2中，tr{·}表示取矩阵迹的运算，为该小区信号发送功率，ξu为基站放大系数，Pc,u为每根天线上耗散的动态功率，Ps,u为在硬件中耗散的静态电路功率；将第u个小区的能效表示为该小区所有用户的速率之和并与总功率消耗的比值乘以带宽W得到： 在公式3中，EEuΛ表示能效；资源效率的定义为能效和谱效的加权和，其具体表达式为： 在公式4中， Ptot,u＝ξuPmax,u+MPc,u+Ps,u；其中，SEuΛ表示为小区u的谱效，辅助函数fk,uΛ代表的是公式1中用户k,u的可达速率的被减项，辅助函数gk,uΛ代表的是公式1中用户k,u的可达速率的减数项，Ptot,u是一个常数项归一化因子，β为权重因子，Pmax,u为第u个小区的基站的发送功率约束；为了求解出最优功率分配矩阵，构建多小区大规模MIMO波束域功率分配问题： 在公式5中，min为取最小值运算；在所述步骤S3中，所述利用确定性等同方法、MM方法和迭代注水算法进行求解该优化问题，得到最优功率分配矩阵，其具体包括：步骤S301、初始化发送信号的协方差矩阵Λ0，设置迭代次数指示l＝0，初始资源效率为其中，在初始化发送信号的协方差矩阵Λ0时，根据波束域统计信道状态信息为波束增益最强的N个波束分配功率，N利用贪婪算法选取；步骤S302、求用户速率Rk,uΛ表达式中的被减项fk,uΛ的确定性等同值，其具体包括：步骤S3021、引入并且迭代计算下述的四个确定性等同辅助变量，表示为： 其中，为Nk,u×Nk,u的单位矩阵，IM为M×M的单位矩阵，Λk,u为用户k,u的功率分配矩阵，Tk,uX和Fk,uX为用户k,u的对角矩阵函数，分别为M维和Nk,u维矩阵，X指代通用的函数变量，其对角线元素表示为：[Tk,uX]m,m＝tr{diag[Ωk,u,u]:,mX}； 在迭代过程中，四个辅助变量都会趋于收敛，当辅助变量变化值小于给定阈值时停止迭代；步骤S3022、fk,uΛ的确定性等同值表示为： 步骤S303、令用户速率中Rk,uΛ的减数项为gk,uΛ，其表示为： 再计算MM迭代算法中需要用到的导数项： 在公式7中，表示矩阵Ωk,u,j的第n行向量，表示第l次迭代时用户p,q的功率分配矩阵；步骤S304、根据MM迭代算法，将用户速率gk,uΛ中的项替换为其一阶泰勒展开式其具体表示为： 在公式7中，Λi,j表示用户i,j的功率分配矩阵；步骤S305、再将fk,uΛ替换为其确定性等同值则最大化最小资源效率优化问题变为如下形式： 步骤S306、利用分布式迭代注水算法求解上述问题，得到优化问题本次迭代的解Λl+1；步骤S307、利用本次迭代的解Λl+1计算每个小区新的能效值： 步骤S308、将第l+1次迭代得到的最小资源值与第l次迭代的结果进行比较，若两次结果之差小于设定的阈值ε1，则终止迭代并将步骤S307中得到的功率分配矩阵作为最终的解；否则将迭代次数l加1，跳转回步骤S302并将本次迭代的解代入，重新计算用户速率的确定性等同值和MM算法的一阶泰勒展开项，并重复上述步骤；在所述步骤S306中，采用分布式算法，以小区为单位，每个小区单独进行功率分配运算，将小区u的功率分配矩阵集合表示为将排除了第u个小区所有用户的功率分配矩阵的集合记作在所述步骤S306中，每个小区均单独执行如下的方法：步骤S3061、第u个小区进行功率分配时，将来自其它小区的参数看作常数，即则第u个小区的目标函数表示为： 相应的，该第u个小区的最大化资源效率问题为： 步骤S3062、针对该问题12，将其转化为两个嵌套的子问题，其中，内层优化问题定义为： 在公式13中，表示在给定发送功率PT,u下的系统最大谱效；外层优化问题定义为： 在公式14中，表示在给定发送功率PT,u下的系统最大能效；步骤S3063、初始化一个发送功率PT,u0和梯度法所需的步长s，设置迭代指示n＝0；步骤S3064、令PT,u＝PT,un，代入问题中，再设定迭代指示t＝0，令辅助矩阵其中，的集合为步骤S3065、利用KKT条件，得出与问题等价的分式方程，Xk的第m个对角元素满足下式： 在公式15中，γk,u,m和xk,m分别是Γk,u和Xk的第m项对角线元素，和分别是用户a,u的MM算法导数项和确定性等同辅助矩阵，Ωa,u,u是基站u到用户a,u的统计信道信息矩阵，θu为拉格朗日乘子，满足条件辅助变量νk,m用来表示拉格朗日乘子的临界值，其具体表示为： 式中辅助函数的定义如下： 其中，表示第l次MM迭代时，除第u个小区之外的所有功率分配矩阵的集合，表示矩阵Ωa,u,q的第n行向量，Ωa,u,q是基站q到用户a,u的统计信道信息矩阵，表示一个以k,m,a为参数的集合；步骤S3066、采用牛顿法对上述分式方程进行求解，得到辅助矩阵的值，更新注水结果为Xt+1；步骤S3067、将第t+1次迭代得到的Xt+1计算得到的目标函数与第t次迭代得到的目标函数进行比较，如果两者的差值小于等于设定的阈值ε2，则终止迭代并步骤S3066中得到的辅助矩阵的值作为功率分配矩阵的最优解否则将迭代次数加1，跳转回步骤S3066；步骤S3068、根据步骤S3067得到的最优功率分配矩阵的解和拉格朗日乘子的值θu，计算梯度法所需的导数值，其表示为： 在公式17中，步骤S3069、利用梯度法更新发送功率，其表示为： 步骤S30610、将第n+1次迭代得到的发送功率PT,un+1与第n次迭代得到的结果PT,un进行比较，如果两次的差小于某个设定阈值ε3，则终止迭代并将步骤S3067中得到的功率分配矩阵的解作为问题的解；否则将迭代次数加1，跳转回步骤S3064。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。