matlab 功率分配,一种基于遗传算法的NOMA功率分配方法与流程

本发明涉及一种基于遗传算法的NOMA功率分配方法，属于无线通信技术领域。

背景技术：

随着移动互联网应用的发展，移动数据流量和终端连接数也呈爆炸式增长，未来全球移动通信网络连接的设备总量将达到千亿规模。面对未来5G系统的庞大移动数据量和终端连接数以及层出不穷的新应用，正交多址接入方式已不能更加有效地提升系统性能。因此，未来5G系统的新型接入技术成为了当下的研究热点技术。作为新型接入方式，非正交多址NOMA技术成为了5G核心候选技术。NOMA技术可以分为功率域复用NOMA，编码域复用NOMA及其他NOMA，如图样分割多址接入(Pattern Division Multiple Access，PDMA)、交分复用多址接入(Interleave Division Multiple Access，IDMA)等。功率域复用NOMA技术的主要思想是多个用户在功率域采用不同的发射功率，共享相同的频域资源，可以采用调度多个用户配对或聚类组合，每个用户对/组共享相同资源块等方案进行传输；接收端基于多用户检测(Multi-User Detection，MUD)思想，采用串行干扰消除(Successive Interference Cancellation，SIC)技术依次检测出各个用户信号。

对NOMA系统的性能评价指标不仅考虑从香农信息论角度，研究系统容量、传输速率等，也可以从链路层角度考虑BER等，基于以上NOMA系统性能评价相关研究，设计发射端方案，提升系统性能，成为了NOMA系统的关键研究问题。而功率分配对NOMA系统下的用户吞吐量性能会产生很大的影响，仅影响着系统总吞吐量，而且对每个用户的吞吐量也有很大的影响，因而合理的功率分配算法可以有效地降低用户信号之间的多址干扰，提高系统的吞吐量，在NOMA系统中扮演着重要的角色。

针对上述问题，Y.Lan,A.Benjebbour等人提出了一种功率和频谱分配方法，基于小区内用户的部署场景，将用户分为小区边缘和小区中心用户，同时为小区边缘用户分配更多功率以减弱小区间干扰，而为小区中心用户分配更多带宽资源，从而提高整个小区平均吞吐量和小区边缘吞吐量，频谱资源分配是按照分数频率复用(Fractional Frequency Reuse，FFR)。N.Otao,Y.Kishiyama等人提出了全搜索算法，可以实现理论上的吞吐量最优，但计算复杂度高，很难运用到实际的系统中去。SAITO Y与F.Liu等人分别提出了固定功率分配算法和分数阶功率分配算法。固定功率分配算法不考虑用户当前的信道状态，仅仅按照固定的等比数列来分配功率，该算法优点是计算的复杂度较低，缺点是系统的吞吐量性能不好。分数阶功率分配算法考虑了用户的信道状态，按照用户的路径损耗比来分配功率，吞吐量性能相对于全搜索算法有所损失。

技术实现要素：

本发明的目在于提供一种基于遗传算法的NOMA功率分配方法，在目标函数的处理过程中引入遗传算法解决约束条件下的最优化问题，大大降低了算法的计算复杂度，提高了系统的总传输速率的性能指标。

为实现上述目的，本发明采用了如下技术方案：

一种基于遗传算法的NOMA功率分配方法，包括以下步骤：

1)NOMA系统的基站端基于功率复用，多用户共用时频资源单元，多个用户以非正交的形式分别叠加在各个子载波上，得到第n个子载波上的叠加信号为xn，用户k在第n个子载波上的接收信号为yk,n；

2)发送信号xn在接收端依据信干噪比进行排序译码，经过SIC检测后，得到用户m在第n个子载波上的信干噪比SINRm,n；

3)经过SIC检测处理后，计算用户m在第n个子载波上的传输速率Rm,n，以及前n个子载波上的总传输速率Rn；

4)根据NOMA系统中用户数并结合sk,n，建立系统总传输速率最大的目标函数，其中，sk,n＝1表示用户分配在第n个子载波上，sk,n＝0表示用户未分配在第n个子载波上；

5)采用遗传算法求解目标函数，得到最佳功率分配矩阵。

前述的步骤1)中，各个子载波上叠加的用户数不小于1。

前述的步骤1)中，若第n个子载波被kn个用户共享，叠加信号表示为：

其中，xi,n表示第n个子载波上用户i的信号，i＝1,2,…,kn，pi,n表示第n个子载波上用户i的功率。

前述的步骤1)中，

接收信号表示为：yk,n＝hk,nxn+wk,n

其中，hk,n是第n个子载波上用户k的信道增益，wk,n是第n个子载波上用户k的信道高斯白噪声和小区干扰。

前述的步骤2)中，SIC检测过程为：

21)接收端在第一级检测之前，先要将接收信号按照信号功率大小进行排序，得到

22)对信号功率最强的进行数据判决，输出

23)然后在对用户进行检测时，先减去造成的干扰再对用户进行数据判决输出；

24)按照功率顺序依次执行相同的操作，最后依次输出x2,n和x1,n，完成对所有的用户信号检测。

前述的步骤2)中，信干噪比SINRm,n计算如下：

其中，pm,n表示第n个子载波上用户m的功率，表示第n个子载波上用户m的信噪比，hm,n是第n个子载波上用户m的信道增益，表示噪声功率。

前述的步骤3)中，Rm,n和Rn计算如下：

Rm,n＝log2(1+SINRm,n)

其中，Kn表示前n个子载波上的总用户数，Rk,j表示用户k在第j个子载波上的传输速率。

前述的步骤5)中，目标函数求解如下：

51)初始化用户数，子载波数与小区半径，所述小区半径是指能够可靠通信的范围；

52)从总传输速率与复用用户数的关系角度设置系统传输总功率，或从总传输速率与系统传输总功率的关系角度设置用户数；

53)根据系统传输总功率及用户数的限制，平均分配用户功率，确定初始用户功率分配矩阵P；

54)确定目标函数如下：

确定需满足的约束条件如下：

s.t.

其中，ptot为系统传输总功率，N表示系统子载波数，K表示总用户数；

55)利用遗传算法的积木块假设理论，生成全局最优解；通过在matlab中进行仿真，最终得出最佳功率分配矩阵；

56)根据最佳功率分配矩阵，求出该用户数或系统传输总功率下的系统总传输速率；

56)返回步骤52)，再次设置用户数或系统传输总功率，计算系统总传输速率，通过多次计算，得到不同用户数或不同系统传输总功率限制条件下的系统总传输速率。

本发明的有益效果是：通过在系统目标函数中引入遗传算法进行有约束条件的最优化问题的解决，不仅使得系统总传输速率接近全空间搜索算法的总传输速率，同时可以大大降低系统的计算复杂度。

附图说明

图1为本发明的NOMA系统模型图。

图2为本发明的基于遗传算法的NOMA功率分配方法流程图。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，NOMA系统包括基站端和接收端，在基站端，用户信号通过非正交的形式叠加在不同的子载波上，通过无线信道进行信号的传输。在接收端，用户接收到叠加的信号后通过SIC检测进行干扰信号的删除，从而获得用户所需的信号。

如图2所示，本发明的基于遗传算法的NOMA功率分配方法，包括以下步骤：

步骤(1)：NOMA系统的基站端采用功率复用技术，多用户共用时频资源单元，多个用户以非正交的形式分别叠加在各个子载波上，且各个子载波上叠加的用户数不小于1。在第n个子载波上，基站端在子载波n上发送的叠加信号为xn，用户k在第n个子载波上的接收信号为yk,n；

步骤(2)：发送信号xn在接收端依据信干噪比进行排序译码，经过SIC检测后用户m在第n个子载波上的信干噪比为SINRm,n；

排序译码过程如下：

若第n个子载波被kn个用户共享，叠加后的信号为：

其中，xi,n表示第n个子载波上用户i的信号，i＝1,2,…,kn，pi,n表示第n个子载波上用户i的功率。

在接收端，用户k接收的信号为：

yk,n＝hk,nxn+wk,n

其中，hk,n是第n个子载波上用户k的信道增益，wk,n是第n个子载波上用户k的信道高斯白噪声和小区干扰。

这kn个信号的功率满足接收端在第一级检测之前，先要将接收信号按照信号功率大小进行排序，信号功率越强的用户越容易捕捉，这里由于xk,n信号功率最强，先要对进行数据判决(即根据输入信号与输出信号的关系判决)，输出在对用户进行检测时，先减去造成的干扰再对用户进行数据判决输出。按照功率顺序依次执行相同的操作，最后依次输出x2,n和x1,n，完成对所有的用户信号检测。

经过SIC串行干扰删除技术检测后，用户m在第n个子载波上的信干噪比为SINRm,n，计算如下：

其中，pm,n表示第n个子载波上用户m的功率，表示第n个子载波上用户m的信噪比，其中，hm,n是第n个子载波上用户m的信道增益，表示噪声功率。

步骤(3)：经过SIC检测处理后，用户m在第n个子载波上的传输速率为Rm,n，则前n个子载波上的总传输速率为Rn；计算如下：

Rm,n＝log2(1+SINRm,n)

其中，Kn表示前n个子载波上的总用户数，Rk,j表示用户k在第j个子载波上的传输速率。

步骤(4)：根据NOMA系统中用户数并结合sk,n确定用户是否分配在第n个子载波上，sk,n＝1表示用户分配在第n个子载波上，sk,n＝0表示用户未分配在第n个子载波上，建立系统的目标函数：Rk,n表示用户k在第n个子载波上的传输速率。

步骤(5)：根据目标函数及功率分配算法中用户分配的功率所满足的约束条件引入遗传算法，根据遗传算法得出系统中用户分配的功率及实现目标函数的最大化。其主要算法过程如下：

输入：输入信号xn，子载波数N，用户数K；

输出：系统总传输速率；

51)初始化用户数及子载波数与小区半径，小区半径是指能够可靠通信的范围；

52)从总传输速率与复用用户数的关系角度设置系统传输总功率或从总传输速率与系统传输总功率的关系角度设置用户数；

53)根据系统传输总功率及系统用户数的限制，平均分配用户功率，确定初始用户功率分配矩阵P；

54)通过sk,n判断用户是否分配在子载波上，sk,n＝1表示用户分配在子载波上，sk,n＝0表示用户未分配在子载波上，采用遗传算法，并结合系统传输总功率及用户数的限制条件，进行目标函数最优化的处理，最优目标函数如下：

需满足约束条件：

其中，ptot为系统传输总功率。

55)通过遗传算法求解最优目标函数，利用遗传算法中具有低阶、短距、高平均适应度的模式(积木块)在遗传算子选择、交叉和变异作用下，能生成高阶、长距、高平均适应度的模式，最终生成全局最优解，在matlab中进行仿真，最终得出最佳功率分配矩阵，并求出该用户数或系统传输总功率下的系统总传输速率。

56)返回步骤52)，再次设置用户数或系统传输总功率，计算系统总传输速率，通过多次计算，得到不同用户数或不同系统传输总功率限制条件下的系统总传输速率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。