分布式天線系統(tǒng)中節(jié)能傳輸技術研究.pdf

1、物聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的蓬勃發(fā)展推動了對第五代(5G)移動通信系統(tǒng)的研究，然而巨大的數(shù)據(jù)傳輸所帶來的能源消耗是亟需解決的問題。為此，5G無線通信領域開展了關于節(jié)能傳輸技術的研究。作為5G的關鍵技術之一，分布式天線系統(tǒng)(Distributed Antenna Systems，DAS)減少了用戶的平均接入距離，降低了系統(tǒng)的發(fā)送功率，而且在大規(guī)模分布式天線系統(tǒng)中，顯著改善了小區(qū)的覆蓋面積，因此對其在節(jié)能傳輸技術方面的研究很有意義。本論文在“綠色通

2、信”與5G移動通信系統(tǒng)的背景下，首先對分布式天線系統(tǒng)的功率消耗模型與能量效率進行了研究，為了更大限度地利用可再生能源，提出了一種新穎的混合能量供電的分布式系統(tǒng)架構，研究了混合能量供電分布式天線系統(tǒng)在在用戶正交接入與非正交接入時，不同準則下的功率分配方案，此外還研究了能量有效的大規(guī)模分布式天線系統(tǒng)聯(lián)合RAU(Remote Antenna Unit)成簇與協(xié)作預編碼問題。
　　首先，介紹了無線信道的特性和MIMO技術的基礎理論知識，對

3、大規(guī)模MIMO技術與大規(guī)模分布式天線系統(tǒng)進行了簡要的概述。研究了單小區(qū)集中式大規(guī)模MIMO與大規(guī)模分布式天線系統(tǒng)在理想功率消耗模型和實際功率消耗模型下的能量效率，提出了一種能量有效的啟發(fā)式RAU選擇算法，仿真結果表明，大規(guī)模分布式天線系統(tǒng)的能量效率要高于集中式大規(guī)模MIMO，啟發(fā)式RAU選擇算法與傳統(tǒng)RAU選擇算法在譜效相差不大的情況下，能量效率高于傳統(tǒng)RAU選擇算法。
　　接著，針對多用戶正交接入分布式天線系統(tǒng)，提出了一種新穎的

4、混合能量供應(Hybrid Energy Supply，HES)傳輸模型。系統(tǒng)優(yōu)先使用自主采集的能量，當采集能量不足時，則用電網(wǎng)能量，從而保證用戶的QoS要求?；谧钚』娋W(wǎng)能量MGP(Minimizing Grid Power)和最大化系統(tǒng)能量效率MEE（Maximizing Energy Efficiency）準則，分別設計了兩種不同的功率分配算法。在MGP準則中，采用次梯度與拉格朗日對偶方法，提出了一種最優(yōu)功率分配迭代算法。在ME

5、E準則中，優(yōu)化問題是非線性非凸的，不能直接得到閉式解。根據(jù)目標函數(shù)的性質(zhì)，通過Dinkelbach方法，將分式優(yōu)化問題轉化為減式優(yōu)化問題，進而提出了一種基于能效的功率分配方案。仿真結果表明，在能量采集充足時，兩種準則下的功率分配算法可以降低混合能量供電分布式天線系統(tǒng)的電網(wǎng)功耗和提高系統(tǒng)的能量效率。
　　然后，研究了混合能量供應分布式天線用戶非正交接入時的功率分配問題。分別提出了基于最小化系統(tǒng)電網(wǎng)功率、最大化系統(tǒng)和速率、最大化系統(tǒng)能

6、量準則的功率分配方案。由于存在用戶間的干擾，優(yōu)化問題不能直接解決。對于最小化系統(tǒng)電網(wǎng)功率、最大化系統(tǒng)和速率問題，首先將原問題轉化為幾何規(guī)劃問題，接著利用連續(xù)幾何規(guī)劃（Successive Geometric Programming，SGP）方法，將幾何規(guī)劃問題轉化為凸優(yōu)化問題，并提出了相應的功率分配算法。對于最大化系統(tǒng)能量效率問題，首先將原問題轉化為分式規(guī)劃問題，然后再將分式規(guī)劃問題轉化為幾何規(guī)劃問題，最終提出相應的功率分配方案。仿真結

7、果表明，可以應用前面兩個準則來使得系統(tǒng)具有最大的吞吐量和最小的電網(wǎng)功率消耗，而應用第三個準則可以得到吞吐量和電網(wǎng)功率消耗之間的折衷。
　　最后，論文研究了能量有效的多小區(qū)多用戶大規(guī)模分布式天線系統(tǒng)聯(lián)合RAU成簇與預編碼設計問題，主要包括了啟發(fā)式成簇下的協(xié)作預編碼以及動態(tài)成簇下的稀疏預編碼兩個問題。啟發(fā)式成簇的協(xié)作預編碼是用戶選擇距離其比較近的若干個RAU為其服務，然后設計最優(yōu)的預編碼方案。運用新穎的WMMSE方法，將系統(tǒng)加權能效(

8、Weighted Energy Efficiency Maximization，WEEM)問題轉化為等價的WMMSE問題，提出了WEEM的分布式實現(xiàn)算法，并與大規(guī)模MIMO系統(tǒng)做了比較。動態(tài)成簇下的稀疏預編碼不僅考慮了以用戶為中心的動態(tài)成簇問題，還考慮了RAU回程鏈路的容量限制。將RAU成簇問題與回程鏈路容量約束結合，首先通過l0范數(shù)描述了RAU與服務用戶之間的關系，運用壓縮感知理論的加權l(xiāng)1范數(shù)，得到回程鏈路約束的近似表達式，將動態(tài)成