一种制造技术

本发明专利技术涉及一种

【技术实现步骤摘要】
一种MIMO系统波束选择双向优化方法、装置、介质及设备


[0001]本专利技术属于无线通信
，具体而言涉及一种
MIMO
系统波束选择双向优化方法
、
装置
、
介质及设备
。

技术介绍

[0002]多进多出
(multiple input multiple output
，
MIMO)
是为极大地提高信道容量，在发送端和接收端都使用多根天线，在收发之间构成多个信道的天线系统
。
大规模
MIMO
是无线通信领域的一项革命性技术，被认为是
5G
的关键技术之一
。
它利用基站上的大量天线来提高无线通信系统的覆盖范围和容量
。
通过利用大量天线，大规模
MIMO
可以同时提供多个数据流，从而实现更高的吞吐量和更好的信号质量
。
然而，在
5G
系统中实现大规模
MIMO
，波束选取是一个极大的挑战
。
在
MIMO
系统中，传输带宽被划分为子带，
MIMO
波束选择问题涉及选择一组最大化一些性能指标
(
如满足给定约束条件的单元格数量
)
的波束，以增强服务质量
。
解决
MIMO
波束选择问题对于优化无线通信系统的性能至关重要
。
[0003]现有技术对于大规模的
MIMO
波束选取问题的计算存在困难，随着问题规模增大
(
波束数和栅格数量增大
)
，计算复杂度呈指数增加，求解难度急剧增大，现有求解技术难以在较短时间内完成求解
。
当子波束有上百种，那么
MIMO
权值组就有上亿种组合，需要在这上亿种
MIMO
权值组中选出最好的组合十分困难
。
当前计算技术基于传统计算机的优化算法，包括贪心算法，分支定界和模拟退火算法
。
贪心算法简单高效，但可能会陷入局部最优解
。
分支定界算法提供全局最优性保证，但计算代价很高
。
模拟退火是一种元启发式优化算法，它逐渐降低温度以鼓励优化收敛到全局最优解，但不能保证全局最优解
。
现有技术的计算方法由于计算复杂性和可能的组合数目大而难以解决大规模
MIMO
的波束选择问题
。
[0004]解决上述问题的一种方法是通过设置合理的二值变量，根据栅格需要满足的预设条件通过二值变量进行目标函数表示和约束表示，然后将目标函数和约束转化为二次无约束二元优化模型进行求解，但是由于该问题的约束表示较为复杂，导致该方法在将转化为二次无约束二元优化模型时包含的二值变量过多，在实施时进行量子计算的量子比特数级庞大，量子计算资源消耗较大
。
[0005]综上，本专利技术的目的在于解决
MIMO
系统波束选择中量子比特数庞大的问题
。

技术实现思路

[0006]鉴于上述的分析，本专利技术实施例旨在提供一种
MIMO
系统波束选择双向优化方法
、
装置
、
介质及设备，用以解决大规模
MIMO
的波束选择中量子比特数庞大的问题
。
[0007]本专利技术第一方面实施例提供一种
MIMO
系统波束选择双向优化方法，
MIMO
系统覆盖的区域被划分为若干栅格，所述双向优化方法用于为
MIMO
系统的每个扇区选取波束集合以使得符合预设条件的高质量栅格数量更多，包括：
[0008]获取栅格集合和任意栅格关联的扇区集合，其中扇区具有若干个波束，获取任意波束在任意栅格中的波束信号强度；
[0009]所述预设条件包括第一条件和第二条件，选取所述第一条件作为正向约束条件，第二条件作为筛选条件；
[0010]构建第一二值变量以表示任意扇区的任意波束是否被选择，构建第二二值变量以表示任意栅格是否为高质量栅格；
[0011]依据所述第二二值变量表示高质量栅格总数，以确定目标函数为最大化所述高质量栅格总数；
[0012]根据所述正向约束条件构建第一二值变量和第二二值变量之间的约束，满足所述约束时，若栅格对应的第二二值变量取值表示高质量栅格，则栅格至少满足所述正向约束条件；
[0013]根据所述约束形成惩罚项，将所述惩罚项加入所述目标函数以形成二次无约束二元优化模型；
[0014]求解所述二次无约束二元优化模型以获得解集，所述解集包括若干解，所述解为第一二值变量的取值组合；
[0015]根据所述筛选条件基于所述波束信号强度和所述解进行验证筛选，将使得高质量栅格数量最多的若干所述解作为筛选结果，根据筛选结果确定每一扇区的波束选择
。
[0016]在一些实施例中，获取栅格集合和任意栅格关联的扇区集合，其中扇区具有若干个波束，获取任意波束在任意栅格中的波束信号强度，包括：
[0017]获取栅格集合中的栅格个数为
m
，扇区总数为
v
，扇区具有的波束数量为
n
，第
i
个栅格关联的扇区集合表示为
V
i
，定义
s
ijk
表示第
i
个栅格关联的第
j
个扇区的第
k
个波束的波束信号强度；
[0018]所述第一二值变量表示为
x
jk
，当第
j
个扇区的第
k
个波束被选中时，
x
jk
＝1，否则
x
jk
＝0；
[0019]所述第二二值变量表示为
z
i
，当第
i
个扇区满足所述预设条件时，
z
i
＝1，否则
z
i
＝
0。
[0020]在一些实施例中，其中
z
i
表示第二二值变量
。
[0021]在一些实施例中，定义栅格的信号强度包括栅格的关联扇区集合中的扇区各自的扇区信号强度集合，所述扇区信号强度为所述扇区选中的波束的所述波束信号强度在所述栅格中的最大值；
[0022]所述第一条件包括，所述栅格的第一大扇区信号强度超过第一阈值；
[0023]所述第二条件包括，所述栅格的第一大扇区信号强度和第二大扇区信号强度之差超过第二阈值
。
[0024]在一些实施例中，根据所述正向约束条件构建第一二值变量和第二二值变量之间的约束，包括以下步骤
S31
‑
S3X
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
MIMO
系统波束选择双向优化方法，其特征在于，
MIMO
系统覆盖的区域被划分为若干栅格，所述双向优化方法用于为
MIMO
系统的每个扇区选取波束集合以使得符合预设条件的高质量栅格数量更多，包括：获取栅格集合和任意栅格关联的扇区集合，其中扇区具有若干个波束，获取任意波束在任意栅格中的波束信号强度；所述预设条件包括第一条件和第二条件，选取所述第一条件作为正向约束条件，第二条件作为筛选条件；构建第一二值变量以表示任意扇区的任意波束是否被选择，构建第二二值变量以表示任意栅格是否为高质量栅格；依据所述第二二值变量表示高质量栅格总数，以确定目标函数为最大化所述高质量栅格总数；根据所述正向约束条件构建第一二值变量和第二二值变量之间的约束，满足所述约束时，若栅格对应的第二二值变量取值表示高质量栅格，则栅格至少满足所述正向约束条件；根据所述约束形成惩罚项，将所述惩罚项加入所述目标函数以形成二次无约束二元优化模型；求解所述二次无约束二元优化模型以获得解集，所述解集包括若干解，所述解为第一二值变量的取值组合；根据所述筛选条件基于所述波束信号强度和所述解进行验证筛选，将使得高质量栅格数量最多的若干所述解作为筛选结果，根据筛选结果确定每一扇区的波束选择
。2.
根据权利要求1所述的
MIMO
系统波束选择双向优化方法，其特征在于：获取栅格集合和任意栅格关联的扇区集合，其中扇区具有若干个波束，获取任意波束在任意栅格中的波束信号强度，包括：获取栅格集合中的栅格个数为
m
，扇区总数为
v
，扇区具有的波束数量为
n
，第
i
个栅格关联的扇区集合表示为
V
i
，定义
s
ijk
表示第
i
个栅格关联的第
j
个扇区的第
k
个波束的波束信号强度；所述第一二值变量表示为
x
jk
，当第
j
个扇区的第
k
个波束被选中时，
x
jk
＝1，否则
x
jk
＝0；所述第二二值变量表示为
z
i
，当第
i
个扇区满足所述预设条件时，
z
i
＝1，否则
z
i
＝
0。3.
根据权利要求2所述的
MIMO
系统波束选择双向优化方法，其特征在于：所述目标函数表示为：其中
z
i
表示第二二值变量
。4.
根据权利要求3所述的
MIMO
系统波束选择双向优化方法，其特征在于：定义栅格的信号强度包括栅格的关联扇区集合中的扇区各自的扇区信号强度集合，所述扇区信号强度为所述扇区选中的波束的所述波束信号强度在所述栅格中的最大值；所述第一条件包括，所述栅格的第一大扇区信号强度超过第一阈值；所述第二条件包括，所述栅格的第一大扇区信号强度和第二大扇区信号强度之差超过第二阈值
。5.
根据权利要求4所述的
MIMO
系统波束选择双向优化方法，其特征在于：根据所述正向约束条件构建第一二值变量和第二二值变量之间的约束，包括以下步骤
S31
‑
S33
：
S31、
根据所述正向约束条件构建第三二值变量，所述第三二值变量表示为当第
i
个栅格关联的第
j
个扇区的第
k
个波束的波束信号强度
s
ijk
大于阈值
δ1时，否则
S32、
根据所述正向约束条件对所述第一二...

【专利技术属性】
技术研发人员：文凯，马寅，曹崇育，李文新，
申请(专利权)人：北京玻色量子科技有限公司，
类型：发明
国别省市：