基于大规模天线技术的携能传输功率分配研究

朱嘉诚 陈东华 贺玉成

(华侨大学信息科学与工程学院 福建 厦门 361021) (厦门市移动多媒体通信重点实验室 福建 厦门 361021)



基于大规模天线技术的携能传输功率分配研究

朱嘉诚 陈东华 贺玉成

(华侨大学信息科学与工程学院 福建 厦门 361021) (厦门市移动多媒体通信重点实验室 福建 厦门 361021)

针对多用户时分双工通信系统，提出一种基于基站总功耗最小化准则的资源分配模式。在下行链路，配备大规模天线的基站端采用迫零预编码技术降低多用户干扰，以最小化多小区基站发射总功耗为优化目标，同时兼顾接收信干噪比约束和能量收获要求。通过詹森不等式推导出接收端的信干噪比下限，并运用随机矩阵中威沙特阵知识对用户的信干噪比下限进行简化。仿真结果表明，所提方案性能相比传统平均功率分配方案更优，节省了大量的基站功率。

大规模天线技术 功率分配 时分双工 无线携能

0 引 言

随着无线通信技术的发展，为了满足日益增长的数据传输需求。第五代移动通信标准(5G)采用了大规模天线技术(Massive MIMO)，即在基站端部署上百根的天线，充分挖掘分集增益、功率增益和复用增益，提高整个通信链路的频谱效率和安全性[1-2]。文献[3]研究了大规模MIMO系统在上行链路中采用不同接收机制下的频谱效率，基站天线数的增加，大大提升了系统的频谱效率。文献[4]研究了当基站分别采用脏纸编码技术(DPC)和迫零编码技术(ZF)时，基站端不同天线分布对信道容量的影响，采用复杂度较低的迫零线性编码技术能够消除多用户干扰。文献[5]研究了大规模MIMO下的能量优化分配，相互不干扰的小区在同一时隙内，基站端进行功率的分配。而同一时频资源下，也就是相互干扰的的小区此时发射功率保持不变。整个通信网络的信道被分割成互不干扰的若干组。

另一方面，日益增长的通信业务量使得终端能耗不断增加，需要有线连接充电的移动设备往往给用户带来不便。接收端如果能够在传递信息的同时采集能量，就能够解决电池续航的问题，为用户提供更加便捷的通信环境。由于无线通信网络中丰富的射频信号能够作为接收端能量的来源，携能传输技术(SWIPT)的概念应运而生。文献[6]从信息论的角度首次提出携能传输的概念和编码理论。文献[7]研究了携能传输技术下的信息传输和能量采集的权衡问题。在携能传输技术中，接收端的接受方式具体分为时间切换(TS)和功率分配(PS)两种传输方式。通过调整功率或时间分配因子能够很好地满足接收端需要解码的信息和能量资源。文献[8]采用功率分配方式，使用半定松弛的迭代算法解决了携能传输中用户在多天线下的最优能量分配问题。

引入携能传输技术，用户接收到基站端发送信息时泄漏的能量信号能够使接收端采集到更多的能量。另一方面，在基站端配备大规模天线，运用波束赋形技术能够很好地对目标用户进行能量传输。本文结合大规模天线技术和携能传输技术，针对多小区多用户环境下的通信系统，兼顾了传输信息的信干噪比以及能量采集的条件。提出了基于基站发射功耗最小化的功率分配准则。基站对信道状态差的用户分配更多的发射功率，而对信道状态良好的用户分配较少的发射功率，从而满足小区内所有用户的通信质量。与平均发射功率相比，优化后的功率分配方案可以大大降低基站端的功耗。

本文使用的矩阵符号定义如下：(·)*，(·)T和(·)H分别表示矩阵的共轭、转置和共轭转置，Tr(A)标志矩阵的迹，[A]kk表示矩阵A的第k行k列的值。

1 系统模型

1.1 信息接收部分

大规模天线在频分双工模式(FDD)下由于基站端天线数量庞大，下行链路发送导频信号获取信道状态信息(CSI)会消耗大量的资源。所以本文考虑基于时分双工模式(TDD)下的多小区多用户下行模型。在TDD模式下，根据信道的互易性，在一个时长为T的准静态信道中，下行链路的CSI可以根据上行时用户向基站端发送导频序列获得。具体的上行导频理论可以参考文献[3]。考虑一个L小区的下行链路通信网络，基站位置设于小区中心，并配备有M根天线。每个小区内有K个单天线用户，随机地分布在小区内。传输信道具有瑞丽衰落特性，并且信道状态信息已知。在用户的接收端采用功率分配的接受方式。此时假设各个小区的基站同时向所有用户发送消息，第j个小区内K个用户接收到的信号为：

(1)

图1 接受端采用功率分配的无线携能传输模型

为了满足基站端发射功率约束，假设基站端拥有良好的信道状态信息，对预编码矩阵Wjj做归一化处理，使得预编码矩阵独立于编码调制阶数[11]:

(2)

Wjj是第j个小区的基站发送给第j个小区用户信息中的预编码矩阵。若要使得式(2)成立，即归一化预编码矩阵，需引入乘性因子αj，对发送端采用迫零预编码的Wjj可以进一步表示为：

(3)

常数αj用来约束Wjj使式(2)成立，αj的取值将在下一节进行讨论。将式(3)代入式(1)可得：

(4)

进一步将第j个小区内第k个用户接收到的信息表示为：

(5)

式(5)中第一项为接收端接收到的有用信号，第二项和第三项分别是本地和邻小区用户干扰。

1.2 能量采集部分

考虑到用户端采集能量和解码信息的工作是同时进行的，那么对于能量采集部分，接收端将采集到基站端发送的能量通过硬件电路转化为电能储存在用户的电池中。第j个小区内用户接收到的能量信号为：

(6)

其中η∈[0,1)为电路系统的能量转换效率。运用上一节的系统模型，式(6)可进一步表示为：

2 信干噪比推导及发射功率优化

本节将对基站端采用大规模天线的携能传输进行研究。由于推导出的信干噪比下限函数是关于基站端发射功率P和接收端功率分配因子ρ的下凸函数，所以能够运用詹森不等式求出接收端确切的信干噪比下限。然后提出了基于发射端功率最小化的优化方案，在满足较差信道环境下用户的QoS下，削减对信道状态良好用户的发送功率开支，这样能够大大降低基站的功率资源消耗。

2.1 约束因子α推导

观察式(4)，为了求出接收端信干噪比的具体表达式，需要先求出常量αj，将式(3)代入式(2)可得[5]：

(7)

(8)

运用随机矩阵理论文献[14]中lemma2.10中的等式：

E{Tr(W-1)}=m/(n-m)

(9)

其中W～Wm(n,In)是自由度为n的m×m中心复威沙特矩阵，且有n>m。将式(9)代入式(8)得：

(10)

将式(7)代入式(10)得：

通过本节的推导可以发现，αj是与大尺度衰落、基站发送天线数、用户数相关的常量。

2.2 接收端信干噪比下限

(11)

(12)

(13)

(14)

(15)

2.3 平均功率分配方案

通常基站端在不考虑优化的情况下，对小区内所有用户的发送功率是相同的，即对所有的发送功率pjk=pu。在这种发送准则下，pu的取值是由基站到用户最差的信道决定的，取小区内信道状态最差的用户，他的大尺度衰落系数为βworst=minβjj，那么有平均功率分配方案：

SINR(pu,βworst,ρ)ID,LB≥SINRcEH(pu,βworst,ρ)≥EHc

(16)

SINRc、EHc分别对应信干噪比和能量采集阈值，每个用户获得的信干噪比和能量信号都要大于等于这个值。

2.4 发射功率优化方案

本文研究的内容是在L个小区内，每个小区K个用户接收到一定的信干噪比和能量采集的情况下，最小化所有基站的发射功率总和，对整个小区的发射功率进行优化，即：

(17)

由于信道环境是随机的，优化的方法是对信道环境良好的用户分配较少资源；而对信道环境差的用户，分配资源更多的资源，从而节省基站的发送功率。根据文献[12]的理论，以及式(15)，目标函数是上凸函数且能够求得最优值，可以调用Matlab中的cvx工具对式(17)进行求解。

3 仿真结果

本文仿真了多用户TDD模式下的无线携能通信网络由L=3个六边形小区构成，每个小区的半径为1 000 m，用户与基站的最小距离rmin=100 m，最大距离rmax=800 m，路损参数α=2。因此大尺度衰落参数模型设定为βjlk=1/(rjlk/rmin)α[15]，其中rjlk为第j个小区中第k个用户到第l个小区基站的距离。所有小区内用户的能量采集阈值设为13 dBmW。为了简化运算，考虑接收端没有能量流失，因此能量收获因子η取1，在实际场景下，可以根据硬件电路的性能对η取值。

图2描述了在多小区场景中，当终端信干噪比约束不同时，优化发射方案和平均发射功率的比较。可以看出。在相同的信干噪比下，当基站采用等功率分配的准则时，会消耗更多的发射功率。这是因为基站对每个用户的发送功率相同的，在增大对较差信道下用户的发送功率时，也同时增大了对良好信道下用户的发送功率，导致了大量能量损耗。而本文提出的功率分配方案针对不同信道下的用户给出了对应的基站发射功率。仿真结果表明，该方案能够明显降低发射端的功耗，证明了该优化准则的有效性。另一方面，由于基站端采用了大规模天线技术，可以看出，在相同的能量采集约束和信干噪比约束下，基站天线数越大，发射所消耗的功率越低。这是因为大量的发送天线增强了分集效应，消除了小尺度衰落对信道的影响，该技术提升了信道的稳定性。

图2 信干噪比不同时优化方案与平均功率分配比较

图3给出了有/无优化下的基站功耗性能比较。一方面，由于基站端采用大规模天线技术，发送的功耗随着天线数的增大而降低。另一方面，在能量采集阈值和信息解码阈值相同的情况下，在天线数目增大到1 000时，平均发射功率和优化发射方案的功率分别为 7.368 W和4.922 W，优化后的基站发射的功耗降低了33.2%。这一结果证实，该优化方案能很好地降低基站功耗。

图3 基站不同天线数下优化方案与平均功率分配比较

4 结 语

本文研究了多小区场景下无线携能通信的功率分配问题，大规模天线技术的引入使得基站与接受端之间的通信链路不再受到小尺度衰落的影响，从而提高了下行链路数据传输的可靠性和稳定性。本文提出的功率分配方案在满足接收端获得的信干噪比和能量采集约束的基础上，通过削减基站端给信道状态良好用户的发送功率，大大降低了基站发射的合功率。一方面，根据本文推导出的信干噪比下限，仿真结果表明在发射端配备大规模天线的携能传输技术降低了基站端功耗；另一方面，本文提出的功率分配方案优于平均功率分配，为基站端节约了大量能源。

[1] Yang S,Hanzo L.Fifty Years of MIMO Detection:The Road to Large-Scale MIMOs[J].IEEE Communications Surveys & Tutorials,2015,17(4):1941-1988.

[2] Marzetta T L.Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas[J].IEEE Transactions on Wireless Communications,2010,9(11):3590-3600.

[3] Ngo H Q,Larsson E G,Marzetta T L.Energy and Spectral Efficiency of Very Large Multiuser MIMO Systems[J].IEEE Transactions on Communications,2013,61(4):1436-1449.

[4] Gao X,Tufvesson F,Edfors O,et al.Measured propagation characteristics for very-large MIMO at 2.6 GHz[C]//2012 Conference Record of the Forty Sixth Asilomar Conference on Signals,Systems and Computers (ASILOMAR),Pacific Grove,CA,2012:295-299.

[5] Zhang Q,Jin S,Mckay M,et al.Power Allocation Schemes for Multicell Massive MIMO Systems[J].IEEE Transactions on Wireless Communications,2015,14(11):5941-5955.

[6] Varshney L R.Transporting information and energy simultaneously[C]//IEEE International Symposium on Information Theory.IEEE,2008:1612-1616.

[7] Grover P,Sahai A.Shannon meets Tesla:Wireless information and power transfer[C]//IEEE International Symposium on Information Theory Proceedings.IEEE,2010:2363-2367.

[8] Zong Zhiyuan,Feng Hui,Yu F R,et al.Optimal Transceiver Design for SWIPT in K-User MIMO Interference Channels[J].IEEE Trans.Wireless Communications,2016,15(1):430-445.

[9] 楼亦厦.LTE-Advanced系统中大规模天线技术研究[D].上海交通大学,2015.

[10] Huang K,Zhou X.Cutting the last wires for mobile communications by microwave power transfer[J].IEEE Communications Magazine,2014,53(6):86-93.

[11] Hong Y,Marzetta T L.Performance of Conjugate and Zero-Forcing Beamforming in Large-Scale Antenna Systems[J].IEEE Journal on Selected Areas in Communications,2013,31(2):172-179.

[12] org.cambridge.ebooks.online.book.Author@dd.Convex Optimization[J].

[13] Bi S,Ho C K,Zhang R.Wireless powered communication:opportunities and challenges[J].IEEE Communications Magazine,2014,53(4):117-125.

[14] Tulino A M,Verdú S.Random Matrix Theory and Wireless Communications[J].Communications & Information Theory,2014,1(1):1-182.

[15] Lv T,Yang S,Gao H.Semi-Blind Channel Estimation Relying on Optimum Pilots Designed for Multi-Cell Large-Scale MIMO Systems[J].IEEE Access,2015,4:1190-1204.

RESEARCHONPOWERALLOCATIONBASEDONMASSIVEMIMOANDSWIPT

Zhu Jiacheng Chen Donghua He Yucheng
(CollegeofInformationScienceandEngineering,HuaqiaoUniversity,Xiamen361021,Fujian,China) (XiamenKeyLaboratoryofMobileMultimediaCommunications,Xiamen361021,Fujian,China)

This paper proposes a power allocation scheme based on the base station (BS) total power minimization criterion for multi-user time-division duplex (TDD) communication system. In the downlink, the scheme equipped with large-scale antenna base station side using zero-forcing pre-coding technology to reduce multi-user interference. To minimize the multi-cell base station to transmit the total power consumption as the optimization target, the scheme takes into account the

signal to noise ratio constraints and energy harvesting requirements. The lower limit of signal to interference plus noise ratio (SINR) was deduced by the Jensen’s inequality, and the wishart matrix in Random matrix theory was used to simplify the lower limit of SINR. The simulation results show that the performance of the proposed scheme is better than that of the traditional average power distribution scheme, which saves a lot of base station power.

Massive MIMO Power allocation Time division duplexing SWIPT

2016-12-22。福建省自然科学基金项目(2016J01305)。朱嘉诚，硕士生，主研领域：大规模天线技术，无线携能通信。陈东华，副教授。贺玉成，教授。

TP3

A

10.3969/j.issn.1000-386x.2017.08.028