MIMO系统中优化功率分配算法的研究

摘要: MIMO技术作为未来移动通信移动通信中关键技术，其系统的功率分配功率分配问题在未来移动通信发展中非常重要。在传统WF(Water-Filling)功率分配算法基础上提出了一种优化自适应功率分配算法QOSWF，并对该算法的有效性进行了MATLAB仿真研究。关键词: MIMO 功率分配 QOSWF MATLAB

在MIMO系统中应用WF算法可以在理论上获得最优的容量增益，但是这种算法假设量化度为无限小，因此并不可行。而在传统的比特分配算法中，等功率自适应比特分配算法虽然计算量小，算法复杂度低，但功率等分会造成资源浪费以及系统性能系统性能下降较大，Hughes-Hartongs算法和Fisher算法虽然可以非常有效地优化系统性能，但受“恒定间隔”的限制，且计算量也随着承载的比特数和子信道数目的增大而迅速提高，不适合应用在空间子信道相对较少的MIMO系统中。为了克服WF算法和传统的比特分配算法的这些不足，本文给出了一种可以有效利用频率资源来提高系统性能，且更符合实际情况的自适应比特功率分配算法。1 优化算法介绍基于QOS的WF算法是WF算法与比特分配算法两者的结合。该算法的优化目标为在满足给定的误比特率误比特率条件下，最大化各子信道的比特传输速率。它首先以WF算法为基础根据各个子信道的衰落特性进行初始的比特和功率分配，再求出在满足所要求的QOS的情况下，各个子信道所应该分配的最小功率及比特数，也就是调制阶数；然后对剩余的功率和比特进行再分配。再分配是按照下文所示的步骤来进行的，主要通过信噪比信噪比和调制阶数的交互计算来完成，分配直至达到总功率的限制为止。这里的QOS 指的是所限制的误比特率的门限值。该算法过程可以描述如下：假设Mi，ρi和βi 分别表示第i个正交子信道的调制阶数、信噪比和误码率，则有:

其中为各信道所分配的功率，λH,i为H矩阵的奇异值，σ2为基带噪声功率。对于给定的调制方式，根据文献很容易得到在AWGN信道下误码率和信噪比的关系。为了更直观地说明，图1给出了仿真得到的AWGN信道下各种调制制式的BER曲线。

这里以BER为10-3为例，根据图1可以得到Mi等于2～256进制的各种调制制式下满足此QOS的信噪比门限，为了以后计算方便，把各种调制制式关系下的这个门限值用图表表示出来，如表1所示。

根据(1)式，可以得到各个子信道的信噪比ρi，根据表1就可以确定各个子信道可以承载的调制方式，并找出所确定的调制方式下相对应的SNR门限，再用各个子信道的ρi 分别减去这些相应的SNR门限，即可得到剩余的功率。为了方便，这里用函数F来表示调用这个表的作用。

则上述过程可以表示如下:

这里设信噪比门限为Γi，则有:

这里Φ表示所设定的目标误比特率。这个基于QOS的WF算法的优化目标是在保持目标误比特率不变的情况下，使各个子信道的比特速率最大化。可以用以下两个子式来表示:

且满足:

在一定的QOS限制下，如果确定信道调制阶数，会有一个信噪比门限来满足这个要求，若不能达到更高的调制阶数，则给各个子信道多分配在信噪比门限之上的功率是完全没有必要的，因为这样并不会增加信道的比特传输速率。基于QOS的WF算法的主要思想就是有效地利用最少的功率资源来满足QOS的要求，来获得一些剩余的功率，对这些剩余的功率进行再分配，以尽可能地提高各子信道的比特速率。对于剩余的功率，可以用一个带有参数的流程来进行再分配，这个流程可以表示如下: 计算现在剩余的功率:

找到在QOS限制下的各子信道最大可能的Mi：

找到可以满足Mi的信噪比门限:

计算各子信道所对应的需要的发射功率:

基于QOS的WF算法在满足误比特率的前提下，尽可能地把剩余的功率按顺序分配到各个子信道，获得更高的调制阶数。如果可以获得更高的调制阶数，则重新分配剩余功率，直至分配完毕。这个算法具体步骤可以表示如下: (1)计算基于WF算法的

(2)v=0，从1到min(MT,MR)运行上面给出的再分配流程; (3)v=1，从1到min(MT,MR)运行上面给出的再分配流程; (4)对所有子信道进行功率再分配，直至总功率分配完毕。基于QOS的WF算法在满足误比特率的前提下，对BER和调制阶数的关系进行交替使用，各子信道的比特速率在QOS的限制下，有一定的提高。此算法的复杂度与WF算法相近，因为各个子信道所分配的最初功率值是由WF算法得到的。将对此算法和简单量化后的WF算法进行仿真分析比较。仿真时遇到有的子信道的信噪比非常低，以致连二阶调制的误比特率门限值都达不到，对于这种情况，为了保证整个系统有一个固定的QOS水平，在这里对这些性能较差的子信道实行关闭，也就是说不用它们发射信号，以此来保证整个系统能维持一定的服务质量水平。2 算法的仿真分析首先简要介绍经常使用的自适应速率量化和功率分配的算法SR(Simple Rate)简单速率量化算法。SR速率量化算法只是简单地对分配的总发送功率按“注水”原理进行分配，然后进行量化，折算出离散速率。这种算法虽然计算量小，但是由于它仅仅是对所分配的功率进行了简单的量化，所以肯定会存在一些剩余的功率未被使用，从而造成资源的浪费。 (1)先根据 WF算法，求得最初的

(2)在QOS的限制下，找到最大可能的Mi值

仿真时不考虑信道编码，传输的中断概率(Poutage)为0.01， QOS要求BER必须低于门限值10-3，σ2=1。MIMO系统结构分别为2×2,4×4。同时对QOSWF算法下的误码率也进行仿真，根据MIMO道下的误码率，可以通过对各个子信道的误码率求均值得到。这里假设MIMO系统在调制阶数为2和4时，采用MPSK的调制方式，在调制阶数大于4时，采用MQAM调制方式。

从图2和图3可以看到，QOS WF算法通过上面所讲述的方法对所剩余的功率进行再分配后，它的比特速率比简单的ROUND WF算法有很明显的提高。其中，在2×2的天线结构中，所提高的比特速率平均约有1bps/Hz，而对于4×4的天线结构，比特速率约有2～4bps/Hz 的提高。

MIMO系统中优化功率分配算法的研究

MIMO系统中优化功率分配算法的研究摘要: MIMO技术作为未来移动通信移动通信中关键技术，其系统的功率分配功率分配问题在未来移动通信发展中非常重要。在传统WF(Water-Filling)功率分配算法基础上提出了一种优化自适应功率分配算法QOSWF，并对该算法的有效性进行了MATLAB仿真研究。关键词: MIMO 功率分配 QOSWF MATLAB 在MIMO系统中应用WF算法可以在理论上获得最优的容量增益，但是这种算法假设量化度为无限小，因此并不可行。而在传统的比特分配算法中，等功率自适应比特分配算法虽然计算量小，算法复杂度低，但功率等分会造成资源浪费以及系统性能系统性能下降较大，Hughes-Hartongs算法和Fisher算法虽然可以非常有效地优化系统性能，但受“恒定间隔”的限制，且计算量也随着承载的比特数和子信道数目的增大而迅速提高，不适合应用在空间子信道相对较少的MIMO系统中。为了克服WF算法和传统的比特分配算法的这些不足，本文给出了一种可以有效利用频率资源来提高系统性能，且更符合实际情况的自适应比特功率分配算法。1 优化算法介绍基于QOS的WF算法是WF算法与比特分配算法两者的结合。该算法的优化目标为在满足给定的误比特率误比特率条件下，最大化各子信道的比特传输速率。它首先以WF算法为基础根据各个子信道的衰落特性进行初始的比特和功率分配，再求出在满足所要求的QOS的情况下，各个子信道所应该分配的最小功率及比特数，也就是调制阶数；然后对剩余的功率和比特进行再分配。再分配是按照下文所示的步骤来进行的，主要通过信噪比信噪比和调制阶数的交互计算来完成，分配直至达到总功率的限制为止。这里的QOS 指的是所限制的误比特率的门限值。该算法过程可以描述如下：假设Mi，ρi和βi 分别表示第i个正交子信道的调制阶数、信噪比和误码率，则有: 其中为各信道所分配的功率，λH,i为H矩阵的奇异值，σ2为基带噪声功率。对于给定的调制方式，根据文献很容易得到在AWGN信道下误码率和信噪比的关系。为了更直观地说明，图1给出了仿真得到的AWGN信道下各种调制制式的BER曲线。这里以BER为10-3为例，根据图1可以得到Mi等于2～256进制的各种调制制式下满足此QOS的信噪比门限，为了以后计算方便，把各种调制制式关系下的这个门限值用图表表示出来，如表1所示。根据(1)式，可以得到各个子信道的信噪比ρi，根据表1就可以确定各个子信道可以承载的调制方式，并找出所确定的调制方式下相对应的SNR门限，再用各个子信道的ρi 分别减去这些相应的SNR门限，即可得到剩余的功率。为了方便，这里用函数F来表示调用这个表的作用。则上述过程可以表示如下: 这里设信噪比门限为Γi，则有: 这里Φ表示所设定的目标误比特率。这个基于QOS的WF算法的优化目标是在保持目标误比特率不变的情况下，使各个子信道的比特速率最大化。可以用以下两个子式来表示:

注水算法解决信道功率分配问题

注水算法解决信道功率分配问题严红，学号：9340023，2012级，*** 摘要：无线通信技术的日新月异是人类文明发展和社会进步的一个重要展现。自从1948年香农建立信息论开始，到现在通信已经进入飞速发展的年代，短短的几十年间，无线通信技术在人类社会的各个方面得到了无处不在的应用。无线通信过程中，在具有多径衰落的短波无线电信道上，即使传输低速（1200波特）的数字信号，也会产生严重的码间串扰。为了解决这个问题，除了采用均衡器外，途径之一就是采用多个载波，将信道分成许多个子信道。将基带码元均匀的分散地对每个子信道的载波调制。随着要求传输的码元速率不断提高，传输带宽也越来越宽。今日多媒体通信的信息传输速率要求已经达到若干Mb/s，并且移动通信的传输信道可能是在大城市中多径衰落严重的无线信道。为了解决这个问题，并行调制的体制再次受到重视。正交频分复用（OFDM，Orthogonal Frequency Division Multiplexing）就是在这种形式下得到发展的。在有限的频谱资源的条件下，由于电磁环境是复杂多变的，不同信道的质量也是不同的，如果直接将信号发射出去，信道的容量将不会很高。因此，在系统中增加资源调度模块根据信道增益自适应地进行资源配置，可明显提高系统吞吐量。文章介绍了使用MATLAB的cvx工具箱来解决注水算法的功率分配的凸优化问题。关键字：正交频分复用（OFDM），信道容量，功率分配，凸优化一、OFDM发展史 OFDM技术是由多载波调制技术发展而来的，既可以看作是一种调制技术，也可看作是一种复用技术。OFDM最早起源于二十世纪五十年代中期，早先主要应用在军用无线通信系统中；二十世纪七十年代，Weinstein和Ebert提出了使用离散傅里叶变换来实现多载波调制，但当时还没有出现实时傅里叶变换的设备，OFDM技术没有在实际中得到广泛应用；二十世纪八十年代，Cimini使得FFT技术可以快速简单地实现，OFDM在无线移动通信中的应用得到了快速发展；二十世纪九十年代以來，OFDM技术开始在欧洲国家广泛应用，在1999年，IEEE802.11a通过了一个５GHz的无线局域网标准，其中就采用了OFDM技术作为物理层标准，OFDM技术的实用化加快了脚部[1]。在数据进行并行传输的过程中，按照发射信号功率谱之间的重叠程度，多载波调制技术经历了三个频带的划分阶段。第一阶段，1957年Collins Kineplex提出了高速并行数据传输系统使用若干个子载波来同时传输几个独立的数据流，这些子载波的功率谱之间完全独立，互不重叠。由于各子载波间保留了一定宽度的保护间隔，限制了系统频谱利用率的提高。

MIMO功率分配算法,注水原理

1.1功率注水算法注水算法是根据某种准则，并根据信道状况对发送功率进行自适应分配，通常是信道状况好的时刻，多分配功率，信道差的时候，少分配功率，从而最大化传输速率。实现功率的“注水”分配，发送端必须知道CSI 。当接收端完全知道信道而发送端不知道信号时，发送天线阵列中的功率平均分配是合理的。当发送端知道信道，可以增加信道容量。考虑一个1?r 维的零均值循环对称复高斯信号向量s ~ ，r 为发送信道的秩。向量在传送之前被乘以矩阵V (H V U H ∑=)。在接收端，接受到的信号向量y 被乘以H U 。这个系统的有效输入输出关系式由下式给出： n s M E n U s V V U U M E n U s HV U M E y T s H H H T s H H T s ~~~~ ~+∑= +∑=+= s 其中y ~是1?r 维的变换的接受信号向量，n ~是协方差矩阵为r H I N n n 0}~~{=ξ的零均值循环对称复高斯1?r 变换噪声向量。向量s ~必须满足T H M s s =}~~{ξ已限制总的发送能量。可以看出 i i i T s i n s M E y ~~~+= λ，i=1,2,…,r MIMO 信道的容量是单个平行SISO 信道容量之和，由下式给出 ∑=+ =r i i T i s N M E C 1 2)1(log λγ 其中}{2 i i s ξγ=(i=1,2,…,r)反映了第i 个子信道的发送能量，且满足 T r i i M =∑=1 γ 。可以在子信道中分配可变的能量来最大化互信息。现在互信息最大化问题就变成了：

∑==+∑==r i i T i s M N M E C r i T i 1 ) 2)1(log max 1 λγ γ 最大化目标在变量),..,1(r i i =γ中是凹的，用拉格朗日法最大化。最佳能量分配政策 }0),max{(0 i s T opt i E N M λμγ- = ∑==r i T opt i M 1 γ 注水算法： Step1:迭代计数p=1,计算]1 1[111 0∑+-++-= p r i s T E N p r M λμ Step2:用μ计算i s T i E N M λμγ0 - =，i=1,2,…,r -p+1 Step3:若分配到最小增益的信道能量为负值,即设01=+-p r γ，p=p+1，转至Step1. 若任意i γ非负，即得到最佳注水功率分配策略。 1.2 发送端知道信道时的信道容量 % in this programe a highly scattered enviroment is considered. The % Capacity of a MIMO channel with nt transmit antenna and nr recieve % antenna is analyzed. The power in parallel channel (after % decomposition) is distributed as water-filling algorithm clear all close all clc nt_V = [1 2 3 2 4]; nr_V = [1 2 2 3 4]; N0 = 1e-4; B = 1; Iteration = 1e2; % must be grater than 1e2 SNR_V_db = [-10:3:20]; SNR_V = 10.^(SNR_V_db/10); color = ['b';'r';'g';'k';'m']; notation = ['-o';'->';'<-';'-^';'-s']; for(k = 1 : 5) nt = nt_V(k); nr = nr_V(k); for(i = 1 : length(SNR_V))

微电网下垂控制的稳定性、功率分配与分布式二级控制

微电网下垂控制的稳定性、功率分配与分布式二级控制摘要出于对智能电网技术最近的和不断增长的兴趣，我们研究了微电网中的下垂控制DC/AC 逆变器运算。我们提供一个存在唯一的和局部指数稳定的同步解决方案的必要和充分条件。我们提出了一个选择控制器在逆变器之间有理想的电源共享，并且指定该组的负载，它可以不违反给的的驱动约束下实现。此外，我们提出了一个分布式的基础上平均积分控制器算法，动态调节系统频率一个随时间变化的负载的存在。值得注意的是，这分布平均积分控制器有额外的性质保持功率共享特性的主要下垂调节器。最后，我们目前的实验结果验证我们的控制器设计。我们的研究结果在没有假设有相同的线性调节和电压幅值也成立。引言微电网是低压配电网络，不均匀组成的分布式发电，存储，负载，和从更大的主要网络中自主管理的网络。微电网是能够连接到广域电力系统通过一个共通点联轴器（PCC），但也“孤岛”自己和独立运作[1]。在微网能源发电可以是高度异质性，包括光伏发电，风能，地热能，微型涡轮机等许多这些来源产生或者可变频率的交流电源或直流电源，具有同步交流电网通过电力电子接口DC/ AC逆变器。它在孤岛的操作，是通过这些逆变器，必须采取措施以确保同步，安全性，动力平衡性和负载均衡在网络中[2]。所谓的下垂控制器已成功地用于实现这些任务，请参见[2] - [7]。尽管形成的基础并联逆变器的操作（图2），下垂控制从未逆变器和负载网络受非线性分析[8]。小信号稳定性分析两个逆变器并联运行的下[9] - [12]和参考文献中的各种假设。所呈现的稳定性结果依赖于线性约已知的操作点，两个逆变器的特殊情况下，有时会打包带无关的假设[5]。图1微电网的示意图，与四个逆变器（节点VI）提供负载（节点VL），通过非循环互连。之间的逆变器的虚线代表的通信链路，这将是专门用于第六部分。在这项工作中，我们调查我们最近的理论结果同步，共享，和次级控制的微电网[13]。经检讨后的下垂控制方法和次级控制（第二部分），我们提供必要的稳定的工作存在的充分

3、注水原理推导,功率和比特分配算法

三、注水原理推导，功率和比特分配算法 1、注水原理推导当发射端已知CSI 时，可以采用注水原理来分配各个发送天线的功率，在功率受限的情况下，注水原理可以通过MIMO 信道容量最大化推导出来。注水原理的推导：（在信道容量推导的基础上）功率满足：m 1i i P P ==∑ 信道容量： 221log 1m i i i P C λσ=??=+ ???∑ 寻求使容量C 最大化的i P 的值：利用拉格朗日乘数法引入函数：2211log 1(P )N N i i i i i P Z L P λσ==??=++-????∑∑ 令0i Z P ?=?，有：22 10ln 21i i i Z L P P λσλσ?=?-=?+ 得：22 1L ln 2i i i P σσμλλ=-=-?，其中μ为常数推导得到：+ 2i i P σμλ??=- ??? 式中，+a 指()0,m ax a ，μ称为注水平面，i λ是信道矩阵的第i 个特征值，2σ是噪声方差。 2、基于注水原理的功率分配算法 m 1i i P P ==∑=122 1()m m i i i i m σλμσμλ===--∑∑ 21P+=i m i m σλμ=∑ +2i i P σμλ??=- ?? ? 算法可以描述如下：

Step1: 初始化，设第k 个时刻定总功率为()1P k =； Step2: 根据)(H SVD =λ并由注水定理可得出每根天线上分配的功率),(k P i 且有)()(1k P k P r i i =∑=； Step3: 对式))(1(log 2 2σλk P m i i i ? Γ+=进行量化可得出每根天线分配到的比特)(k R i ； Step4: 根据式（3.9）计算系统数据速率； Step5 : 1k k =+()1P k =,跳转至Step2 实际上这种算法时把信道 H 分解成了))((H rank m 个相互之间独立并行的子信道并根据各个子信道的好坏来分配不同的发送功率。信道好，全力发送；差一些，相应的减少功率；而当某一信道太恶劣时，再分配给它功率无助于容量的增加，那么只好关闭这种信道（不分配功率），而把功率分配给其他好的信道。注水原理图为：根据MIMO 信道容量推导的有关内容，不难得到基于注水算法MIMO 系统的信道容量为： ()22211log 1m i i C λμσσ+=??=+-????∑ 3、比特分配常用的矩形QAM 星座包括4QAM 、8QAM 、16QAM 、32QAM 、64QAM 、128QAM 和256QAM 等，每个星座点分别对应得比特数量为2、3、4、5、6、7和8等。当采用QAM 调制方式且SNR 在dB 30~0范围内时，BER 存在一个误差小于

多台发电机的功率分配控制

众所周知船舶电网不同于岸上电网，船舶电网容量小，并且船用负载多为电动机类的电感性负载，所以他们的功率很大，有时可以和发电进的容量相比较，有时又会负载消耗非常小，所以他们的波动非常大，故我们需要对发电机系统进行控制以达到对船舶电量的合理利用。当外界的负载变化时我们需要调节发电机端的电压，而发电机端电压可以通过调节发电机的频率f和其磁通来实现，但是当频率变化时会改变发电机输出交流电的电压。所以我们通过采用改变磁通的办法来实现发电机端电压的变化。一实验原理本次作业我主要采用数字式励磁调节器根据外界的负载对发电机进行励磁调节。以实现发电机端电压的稳定以及在发电机并联运行时能够合理的分配无功功率。本次以两个发电机为例子进行设计，其也可以推广到多个电机并联运行的情况。此次设计主要用到IGBT来控制励磁，发电机的电压和电流则通过电压互感器和电流互感器采集分两路传送到单片机，一路传送到单片机的AD端，经过转化在单片机内部程序计算其电压电流大小，进而得到有功功率和无功功率，另一路通过电压比较器转化为方波输入到单片机得到其发电机的交流电压和电流频率。然后根据转化的各项数据决定电机发电量的增加还是减少，其信息转化为增磁还是减磁的信号送到单片机由单片机通过自身的捕获比较单元生成PWM波来控制IGBT开关的开停，进而来控制电机的励磁。两个电机各由一个单片机控制，两个单片机之间通过CAN来进行通信。另外本次作业设计中IGBT的驱动模块和缓冲电路以及栅极保护电路的模块不进行讨论。发电机根据实际负载的大小决定是否并机运行，其开机停机信号以数字量送到单片机的内部，另外电动机的启动方式采用外接蓄电池的他励启动，本次忽略电机的启动失败的情况。其他故障报警也忽略。其总的控制原理图如图1所示

多输入多输出系统的有效带宽和功率分配算法

多输入多输出系统的有效带宽和功率分配算法 Jin SHU, Wei GUO The Wireless Information Network Laboratory, University of Science and Technology of China, Hefei, China Email: {shujin,wei}@https://www.360docs.net/doc/1f16124153.html, Received December 24, 2008; revised March 5, 2009; accepted May 26, 2009 摘要本文致力于研究有效的下行副载波和功率分配算法的问题，与多个用户中具有迫零波束赋形的MIMO-OFDM系统联系。制定对最小总功耗传输速率约束的问题。联合分配问题被分为两个阶段。在第一阶段中，每个用户将获得是基于用户的平均信号- 噪声比来确定的数个副载波。在第二阶段，找到的最好的子载波分配给用户。最佳的方法是一个复杂的组合问题，该问题只能通过穷举搜索（ES）以更好地解决。由于ES方法具有较高的计算复杂度，归一化的用户选择算法和简化的标准化用户选择算法应该降低计算复杂度。仿真结果表明，假设的低复杂度算法与现有的算法相比，性能更好。 1.绪论多用户MIMO-OFDM系统由于其集成空间频率分集和多用户分集，能提供巨大的容量，具有很大的潜力。信道状态信息的设想在发射机中是可用的，它的性能可进一步通过自适应资源分配来改善。对于OFDMA系统与单天线，提出了资源分配方法[1–3]，通过在频域中的多用户分集最大限度地减少利用给定的QoS的总发射功率。[4,5]研究了在多天线搭载的基站处的SDMA-OFDM系统。[4]提出了一种最优拉格朗日迭代的方法来最大限度地提高在总功率约束下的系统吞吐量。因为最佳的方案是复杂的，所以在[5]中提出了贪心算法来降低复杂性。考虑到下行波束赋形的多用户MIMO-OFDM系统，假定基站能够获得完整的CSI，[7]采用SUS（半正交用户选择）的算法[6]，以减少总发送功率满足用户的服务质量。但在[7] 中SDMA组的大小为固定的，因此，一组用户的信道的正交性没有得到很好的保证。为了保证一组用户的信道的正交性，我们提出了归一化的用户选择（NUS）的算法。在NUS的算法中，每个用户组皆视为一个虚拟用户，把每组用户标准化统一化。然后，就可以采用OFDMA资源分配方案。NUS方案需要在每个副载波上遍历所有用户组。显然，当有大量用户时，计算的复杂性是相当大的。为了进一步降低复杂性，建议使用S-NUS算法（简称-NUS）。对每个副载波，具有最大的幅度和其他已选定的用户的相关性的最低的通道的用户被选中。[6]中采用计算出用户之间空间相关性的方式。当用户量大的时候，S-NUS 算法可以大大减少复杂性。在我们提出的算法中，每个子载波上用户的数量不是固定的，而是取决于用户的空间相关性。由于每个子载波上用户的数量不是常数，所以难以计算子载波上用户的数量。为了方便的记录子载波的数量，我们主要统计子载波的权重。利用统计权重，

LTE中的功率控制总结

LTE中的功率控制总结 1、LTE框图综述 2、LTE功率控制与CDMA系统功率控制技术的比较下表所示。 LTE CDMA 远近效应不明显明显对抗快衰落功控目的补偿路径损耗和阴影衰落功控周期慢速功控快速功控功控围小区和小区间小区具体功率目标上行：每个RE上的能量整条链路的总发射功率 EPRE；

3、LTE当中上下行分别采用OFDMA和SC-FDMA的多址方式，所以各子载波之间是正交不相关的，这样就克服了WCDMA当中远近效应的影响。为了保证上行发送数据质量，减少归属不同eNodeB 的UE使用相同频率的子载波产生的干扰，同时也减少UE的能量消耗，并使得上行传输适应不同的无线传输环境，包括路损，阴影，快衰落等。（质量平衡与信干噪比平衡的原则相结合使用，是现在功率控制技术的主流。） 4、功率控制方面，只是对上行作功率调整(采用慢速功率控制)，下行按照参数配置进行固定功率的发送，即只有eNodeB对UE的发送功率作调整。LTE中，上行功率控制使得对于相同的MCS(Modulation And Coding Scheme), 不同UE到达eNodeB 的功率谱密度（Power Spectral Density,PSD单位带宽上的功率）大致相等。eNodeB 为不同的UE分配不同的发送带宽和调制编码机制MCS，使得不同条件下的UE获得相应不同的上行发射功率。 5、对于下行信号，基站合理的功率分配和相互间的协调能够抑制小区间的干扰，提高同频组网的系统性能。严格来说，LTE的下行方向

是一种功率分配机制，而不是功率控制。不同的物理信道和参考信号之间有不同的功率配比。下行功率分配以开环的方式完成，以控制基站在下行各个子载波上的发射功率。下行RS一般以恒定功率发射。下行共享控制信道PDSCH功率控制的主要目的是补偿路损和慢衰落，保证下行数据链路的传输质量。下行共享信道PDSCH的发射功率是与RS发射功率成一定比例的。它的功率是根据UE反馈的CQI 与目标CQI的对比来调整的，是一个闭环功率控制过程。在基站侧，保存着UE反馈的上行CQI值和发射功率的对应关系表。这样，基站收到什么样的CQI，就知道用多大的发射功率，可达到一定的信噪比（SINR）目标。下行功率分配以每个RE为单位，控制基站在各个时刻各个子载波上的发射功率。下行功率分配中包括提高导频信号的发射功率，以及与用户调度相结合实现小区间干扰抑制的相关机制。下行在频率上和时间上采用恒定的发射功率。基站通过高层指令指示该恒定发射功率的数值。在接收端，终端通过测量该信号的平均接收功率并与信令指示的该信号的发射功率进行比较，获得大尺度衰落的数值。下行共享信道PDSCH的发射功率表示为PDSCH RE与CRS RE 的功率比值，即ρA和ρB。其中ρA表示时隙不带有CRS的OFDM 符号上PDSCH RE与CRS RE的功率比值（例如2天线Normal CP的情况下，时隙的第1、2、3、5、6个OFDM符号）；ρB 表示时隙带有CRS的OFDM符号上PDSCH RE与CRS RE的功

4G LTE 第九课：LTE功率控制

第九课：LTE功率控制 LTE下行功率控制由于LTE下行采用OFDMA技术，一个小区内发送给不同UE的下行信号之间是相互正交的，因此不存在CDMA系统因远近效应而进行功率控制的必要性。就小区内不同UE的路径损耗和阴影衰落而言，LTE系统完全可以通过频域上的灵活调度方式来避免给UE分配路径损耗和阴影衰落较大的RB，这样，对PDSCH采用下行功控就不是那么必要了。另一方面，采用下行功控会扰乱下行CQI测量，影响下行调度的准确性。因此，LTE系统中不对下行采用灵活的功率控制，而只是采用静态或半静态的功率分配（为避免小区间干扰采用干扰协调时静态功控还是必要的）。下行功率分配的目标是在满足用户接收质量的前提下尽量降低下行信道的发射功率，来降低小区间干扰。在LTE系统中，使用每资源单元容量（Transmit Energy per Resource Element, EPRE）来衡量下行发射功率大小。对于PDSCH信道的EPRE可以由下行小区专属参考信号功率EPRE以及每个OFDM符号内的PDSCH EPRE和小区专属RS EPRE的比值ρA或ρB的得到。其中，下行小区参考信号EPRE定义为整个系统带宽内所有承载下行小区专属参考信号的下行资源单元（RE）分配功率的线性平均。UE可以认为小区专属RS_EPRE在整个下行系统带宽内和所有的子帧内保持恒定，直到接收到新的小区专属RS_EPRE。小区专属RS_EPRE 由高层参数Reference-Signal-power通知。 ρA或 ρB表示每个OFDM符号内的PDSCH EPRE和小区专属RS EPRE的比值，且ρA或ρB 是UE专属的。具体来说，在包含RS的数据OFDMA的EPRE与小区专属RS EPRE的比值标识用Bρ表示；在不包含RS的数据OFDMA的EPRE与小区专属RS EPRE的比值标识用ρA表示。一个时隙内不同OFDMA的比值标识ρA或ρB与OFDMA符号索引对应关系

功率受限注水定理

功率受限“注水”定理 1“注水”定理阐述 “注水”定理适用于如下情形： 1. 1信道条件信道输入平稳随机序列12,,N X X X X = ，输出的平稳随机序列12,,N Y Y Y Y = ，噪声序列为12,,N n n n n = 为零均值的高斯加性噪声。定义组合加性高斯白噪声信道（等价于多维无记忆高斯加型连续信道）为：信道中各单元时刻()1,2,i N = 上的加性噪声为均值为零，方差为各不相同的()1 ,2,ni P i N = 的高斯噪声，且各分量统计独立。 1. 2约束条件当且仅当信道输入平稳随机序列12,,N X X X X = 中各分量统计独立，各加性噪声为均值为零，方差为各不相同的()1 ,2,ni P i N = 的高斯噪声时，信道容量为： () 2max ;1 log 1 (1.1)2i i n s i n C I X Y P P =??=+ ? ??? ∑ 1. 3“注水”定理各个输入信号的总体平均功率21 N i i E X =?????? ∑受限，因此存在一个约束条件为 21 (1.2) N i i P E X =??=???? ∑

要计算()max ;C I X Y =，就是计算式(1.1)在约束条件式(1.2)下的最大值。引用拉格朗日乘数法求解此问题，做辅助函数 ()1221,,log 1 (1.3)2i N i i n n s s s s s i i n P J P P P P P λ??=++ ? ??? ∑∑ 其中2i s i P E X ??=??为各个时刻的信号平均功率，λ为参数，即拉格朗日乘子，对辅助函数() 12,,N s s s J P P P 逐一求i s P 的导数，使之等于零： ()()12,,0 1,2, (1.4)N i s s s s J P P P i N P ?==? 即得到： ()110 1,2, (1.5)2i i n s i N P P λ+==+ 1 (1.6)2i i i s n n P P v P λ =--=- 其中v 为常数，由于式（1.6）中的i s P 可能为负值，这表明并联信道中，某一新到的平均噪声功率i n P 大于信道分配到的信号平均功率时，信号将淹没在噪声中而无法利用。只能令i s P 为大于等于零的数，故选取 () (1.7)i i s n P v P +=- 而常数v 由约束条件求得为 211 (1.8) i N N i n i i P E X v P +==????==- ??????? ∑∑ 最终可得信道容量为 ()21log 1 (1.9)2i i n n i n v P C P +??- ?==+ ??? ∑ “注水”定理是说明，当N 个独立并联的组合加性高斯白噪声信道，各分信道的噪声平均功率不相等时，为达到最大的信息速率，要对输入信号的总能量进行适当的分配。分配按式（1.9）进行。

MIMO_OFDM系统自适应分步功率分配算法

第38卷　第4期2010年　4月　华　中　科　技　大　学　学　报(自然科学版) J.Huazhong Univ.of Sci.&Tech.(Natural Science Edition )Vol.38No.4　Apr.　2010 收稿日期:2009209214. 作者简介:唐朝伟(19662),男,副教授,E 2mail :williamcq @https://www.360docs.net/doc/1f16124153.html,. 基金项目:国家发改委CN GI 示范工程及应用试验项目(CN GI 2042422D );重庆市自然科学基金资助项目 (2006BB2163). M IMO 2O FDM 系统自适应分步功率分配算法唐朝伟　赵丽娟　邵艳清　郭春旺 (重庆大学通信工程学院,重庆400030) 摘要:研究了一种针对MIMO 2OFDM 系统的自适应分步功率分配算法,在通信系统总功率约束的情况下,采用速率最大化准则计算开关信道的临界值,从而利用最小均方误差准则进行自适应分步功率分配.仿真表明:基于分步算法自适应功率分配的MIMO 2OFDM 系统误码率低于采用注水算法和MMSE 算法的系统误码率,其频谱效率也优于另外两种算法;同时,对于分步算法,随着天线数目的增加,系统的误码率明显降低,频谱效率明显提高,验证了该算法没有奇异性. 关　键　词:最小均方误差算法;功率分配;多输入输出2正交频分复用;分步算法;奇异值分解;误码率中图分类号:TN929.5 文献标识码:A 文章编号:167124512(2010)0420018204 Adaptive step 2by 2step pow er allocation algorithm for MIMO 2OFDM systems T ang Chaow ei Zhao L i j uan S hao Yanqi ng Guo Chunw ang (College of Communication Engineering ,Chongqing University ,Chongqing 400030,China ) Abstract :The st udy was directed to step 2by 2step as adaptive power allocation in multiple 2inp ut multi 2ple 2outp ut ort hogonal frequency division multiplexing (M IMO 2OFDM )systems.The critical value was calculated by t he maximum rate criteria in t he case of power constraint of communication system.Then t he minimum mean square error (MMSE )criteria was adopted to allocate power for effective sub 2channel by t he critical value.Simulatio n result s show t hat t he bit error ratio of M IMO 2O FDM system based on step 2by 2step power allocation algorit hm is lower t han t hat of based on Water 2filling algorit hm and MMSE algorit hm ,and t he spect rum efficiency is also better t han t hat of t he ot her two algorit hms.The system error ratio is reduced and t he spect rum efficiency is imp roved wit h t he in 2crease of t he antenna number for t he adaptive step 2by 2step power allocation algorit hm. K ey w ords :MMSE ;power allocation ;MIMO 2O FDM ;step 2by 2step algorit hm ;singular value decom 2 po sition (SVD );bit 2error ratio 多输入多输出(MIMO )技术利用多个天线实现多发多收,能在不增加带宽和天线发射功率的情况下,较大地提高衰落信道下的信道容量和频谱利用率.宽带无线通信的信道是频率选择性衰落信道而非平坦衰落信道,正交频分复用[1](O FDM )技术将高速的信息流分配到多个低速信道中并行传输,从而使信号对符号间串扰变得不敏感,即它将频率选择性衰落信道变成一组并行的平坦衰落信道,所以把M IMO 和OFDM 相结合的M IMO 2O FDM 系统具有比单纯的O FDM 和单纯的MIMO 更强的抗干扰能力、更高的系统容量[1～6].本文依据频率选择性衰落信道,基于M IMO 2OFDM 系统信道冲击响应矩阵的奇异值分解(SVD ),研究一种分步功率分配算法,使系统