本發(fā)明屬于移動通信領域，具體涉及一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法。

背景技術：

云無線接入網(Cloud Radio Access Network，C-RAN)是5G的有力候選網絡架構，如圖1所示，通過把傳統(tǒng)的基站分離為離用戶更近的射頻拉遠單元(RRH，Remote Radio Head)和集中在一起的基帶處理單元池(BBU pool，Baseband Processing Unit pool)，其中，RRH負責向用戶發(fā)送BBU pool處理的數據，或者接收用戶的數據交由BBU pool處理；BBU pool為C-RAN中的中心處理單元，負責信息的收集、處理等工作；實現了基帶信息集中式處理、協(xié)作無線電以及實時云計算，從而大大提升了系統(tǒng)頻譜效率，降低成本，共享處理資源，提高基礎設施利用率。

然而，隨著用戶數量的增加以及用戶需求的不斷提升，需要部署大量的RRH，使得網絡能耗(包括RRH的發(fā)射能耗和電路能耗)急劇增加。RRH的發(fā)射能耗由下行波束成形向量決定，RRH的電路能耗(即RRH是激活還是休眠)與小區(qū)附著狀態(tài)密切相關。此外，隨著移動用戶的增加，由于fronthaul(前向鏈路，連接BBU pool與RRH之間的鏈路，負責承載BBU pool和RRH間的基帶信號)中傳輸的是數字基帶信號，信息量較大，因此，fronthaul容量受限成為制約C-RAN性能提升的一個重要因素。

需要注意的是，fronthaul中的信息量與該RRH服務的用戶相關，即由小區(qū)附著狀態(tài)決定。所以，需要在fronthaul受限的C-RAN中聯合考慮下行波束成形和小區(qū)附著，以降低網絡能耗。

文獻1：針對綠色云無線接入網的組稀疏波束成形方法，通過最小化加權l(xiāng)₁/l₂范數，提出了一種基于組稀疏的聯合波束成形和小區(qū)附著方法，以降低C-RAN的網絡能耗；但是，未能考慮fronthaul容量受限的問題，使得該方案無法應用于實際的網絡中；

文獻2：針對前向鏈路受限的云無線接入網的聯合波束成形和接入控制方案，提出了一種發(fā)射能耗以及fronthaul傳輸信息量的折衷方案，并提出一種基于加權l(xiāng)₁范數的啟發(fā)式求解算法；該方案僅專注于降低傳輸能耗，未考慮電路能耗因素，即小區(qū)附著狀態(tài)，因此，該方案無法真正有效的降低網絡能耗。

技術實現要素：

本發(fā)明為了更好的降低RRH的發(fā)射能耗和電路能耗，并且考慮到現實通信網絡中存在fronthaul容量限制的因素，提出一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法。

具體步驟如下：

步驟一、針對某個下行的云無線接入網，建立用戶，RRH和BBU pool的系統(tǒng)模型；

系統(tǒng)模型包括：N個RRH，I個用戶和一個BBU pool；每個RRH分別各通過一個fronthaul鏈路連接入BBU pool中；每個RRH為至少一個用戶提供服務或者不為任何用戶服務，一個用戶至少對應一個RRH；

RRH集合為{1,2,...,n,...,N}；用戶集合為{1,2,...,i,...,I}；N個fronthaul鏈路的容量集合為{C₁,C₂,...,C_n,...,C_N}。

步驟二、BBU pool感知系統(tǒng)模型的網絡信息；

網絡信息包括RRH的數量，以及各RRH對應的fronthaul鏈路能服務的最大用戶數量；

每個fronthaul鏈路根據介質不同，能服務的最大用戶數量不同。

步驟三、每個用戶根據就近原則，分別通過RRH向BBU pool發(fā)送業(yè)務請求。

步驟四、BBU pool根據業(yè)務請求類型，分別為每個用戶設定最低的SINR門限；并測量每個RRH到每個用戶的信道信息；

h_n,i表示第n個RRH到第i個用戶的信道信息。

步驟五、BBU pool根據最低SINR門限、信道信息以及感知的網絡信息，使用啟發(fā)式算法計算下行波束成形向量以及小區(qū)附著。

具體步驟如下：

步驟501、BBU pool對N個RRH進行初始化；

初始化包括：每個RRH處于激活狀態(tài)，且為所有的用戶提供服務；初始時處于連接狀態(tài)的RRH-用戶對V；以及初始時的網絡最低能耗F^(min)及其對應的網絡波束成形向量且滿足F^(min)＝+∞，

具體為：

第n個RRH處于激活狀態(tài)，記為a_n＝1；否則，RRH處于休眠狀態(tài)，記為a_n＝0；

每個RRH為所有的用戶提供服務：b_n,i＝1表示第n個RRH為用戶i傳輸數據；b_n,i＝0表示第n個RRH不為用戶i傳輸數據；

RRH-用戶對用表示；

網絡能耗F(Φ)表示為：

為第n個RRH休眠狀態(tài)時的電路能耗；為第n個RRH激活狀態(tài)時的電路能耗；η_n為第n個RRH的射頻功率放大器效率；表示第n個RRH的發(fā)射功率最大值；w_n,i為第n個RRH中用戶i的波束成形向量；其中表示向量w_n,i的歐幾里得范數的平方；

步驟502、BBU pool將所有的RRH-用戶對V按優(yōu)先級進行升序排列；

第n個RRH中用戶i的優(yōu)先級β_n,i公式計算如下：

${\mathrm{\β}}_{n,i}=\frac{|h_{n,i}^H{w}_{n,i}^i{|}^2}{\underset{j\≠i}{\Σ}|h_{n,j}^H{w}_{n,i}^i{|}^2}\·\frac{C_n{\mathrm{\η}}_n}{P_n^a}$

表示信道信息h_n,i的共軛轉置；表示松弛的波束成形向量；表示RRH-用戶對(n,i)的有用信號功率，表示RRH-用戶對(n,i)對其他所有用戶的干擾之和；表示了第n個RRH的情況。

松弛的波束成形向量要滿足使網絡能耗F(Φ)最小，且符合以下約束條件：

$\underset{\mathrm{\Φ}=\{a_n,b_{n,i},w_{n,i},\∀n\∈N,\∀i\∈I\}}{min}F\left(\mathrm{\Φ}\right)$

$s.t.\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}^2\≤P_n^{\max },n\∈N---\left(S1\right)$

SINR_i≥γ_i,i∈I (S2)

$\underset{i=1}{\overset{I}{\Σ}}{b}_{n,i}^{\left(k\right)}\≤a_n^{\left(k\right)}{C}_n,\∀n\∈N---\left(S3\right)$

$\left|\right|w_{n,i}|{|}_2\≤b_{n,i}\sqrt{P_n^{max}},\∀n\∈N,\∀i\∈I---\left(S4\right)$

$a_n\∈\[0,1\],b_{n,i}\∈\[0,1\],\∀n\∈N,\∀i\∈I---\left(S5\right)$

約束條件(S1)表示：第n個RRH中所有用戶的發(fā)射功率小于等于第n個RRH的發(fā)射功率最大值；

約束條件(S2)表示第i個用戶的信干噪比大于等于BBU Pool為該用戶設定的最低門限值γ_i；

約束條件(S3)表示第n個RRH所服務的用戶數量小于等于第n個fronthaul鏈路的容量；

約束條件(S4)表示第n個RRH向第i個用戶的發(fā)射功率要小于第n個RRH的發(fā)射功率最大值；

約束條件(S5)表示變量a_n,b_n,i取值均為0到1之間的實數；

步驟503、BBU pool對升序排列后的RRH-用戶對V進行迭代求解，得到最終網絡能耗F(Φ)以及波束成形向量w_n,i；

具體步驟如下：

步驟5031、判斷RRH-用戶對V是否為空集，如果是，迭代結束，否則進入步驟5032；

步驟5032、選取集合V中的第一個RRH-用戶對(p,q)，令b_p,q＝0，同時其余RRH-用戶對對應的b值保持不變；

步驟5033、根據集合V中的RRH-用戶對的b_p,q設置對應的a_p值，并在RRH-用戶對V中刪除元素(p,q)；

步驟5034、判斷每個RRH是否都滿足約束條件：如果不滿足，當前迭代次數k＝k+1，返回步驟5031進行下一次迭代；否則，進入步驟5035；

步驟5035、根據當前所有RRH-用戶對的所有b值以及對應的a值，計算第k次迭代的網絡能耗網絡能耗F^(k)以及對應的波束成形向量

$\underset{\mathrm{\Φ}=\{a_n,b_{n,i},w_{n,i},\∀n\∈N,\∀i\∈I\}}{min}F\left(\mathrm{\Φ}\right)$

$s.t.\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}^2\≤P_n^{\max },n\∈N---\left(S1\right)$

滿足的約束條件為：SINR_i≥γ_i,i∈I (S2)

$\underset{i=1}{\overset{I}{\Σ}}{b}_{n,i}\≤a_n{C}_n,\∀n\∈N---\left(S3\right)$

$\left|\right|w_{n,i}|{|}_2\≤b_{n,i}\sqrt{P_n^{max}},\∀n\∈N,\∀i\∈I---\left(S4\right)$

步驟5036、判斷網絡能耗F^(k)是否小于F^(min)，如果是，則F^(k)為當前最低能耗，記錄F^min＝F^(k)，進入步驟5037；否則，設置b_p,q＝1，a_p＝1，并返回步驟5031。

步驟5037、直至將集合V中的RRH-用戶對全部迭代完畢，得到最終的F(Φ)以及對應的波束成形向量w_n,i；

最終F(Φ)的取值為F^(min)，且對應的波束成形向量w_n,i的取值為

步驟504、針對第n個RRH，C-RAN根據迭代波束成形向量w_n,i，計算該RRH的發(fā)送數據x_n；

$x_n=\underset{i=1}{\overset{I}{\Σ}}{w}_{n,i}{s}_i,\∀n\∈N$

s_i表示用戶i請求的數據；

步驟505、fronthaul鏈路將數據x_n傳輸給RRH對應的用戶，用戶得到請求數據s_i；

步驟506、用戶小區(qū)根據RRH進行附著，結合波束成形向量保證系統(tǒng)模型能耗最低。

本發(fā)明的優(yōu)點在于：

1)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法，聯合下行波束成形和小區(qū)附著可以有效的降低網絡能耗，達到節(jié)能的目標，同時保證用戶的服務質量。

2)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法，在設計時充分考慮了實際中可能遇到的問題，例如最大功率受限、fronthaul容量受限等，易于在現實的網絡中得到應用。

3)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法，可以在多項式時間內完成求解，處理速度快。

附圖說明

圖1為本發(fā)明一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的系統(tǒng)模型圖；

圖2為本發(fā)明一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法流程圖；

圖3為本發(fā)明BBU pool計算下行波束成形向量以及小區(qū)附著的方法流程圖；

圖4為本發(fā)明BBU pool進行緊縮的迭代求解得到波束成形向量的方法流程圖；

圖5為本發(fā)明與LTE-A算法下平均網絡能耗隨γ_i的變化圖；

圖6為本發(fā)明與LTE-A算法下平均激活RRH數量隨γ_i的變化圖。

具體實施方式

下面將結合附圖對本發(fā)明作進一步的詳細說明。

現有網絡能耗中，電路能耗占了很大比例，因此在考慮網絡節(jié)能問題時很有必要引入小區(qū)附著技術，以控制基站(或RRH)的狀態(tài)(激活或者休眠)。相比于現有方案，本發(fā)明提出了一種聯合聯合下行波束成形和小區(qū)附著的方法，首先介紹網絡系統(tǒng)模型，接著描述聯合下行波束成形和小區(qū)附著的具體方法，最后給出該方法的性能仿真；以有效的降低發(fā)射能耗及電路能耗，同時兼顧了用戶的服務質量需求、最大傳輸功率限制以及fronthaul的容量限制，有效的降低了網絡能耗；并提出了一種基于緊縮的低復雜度求解方法，可在多項式時間內完成求解，加快了處理速度。

如圖2所示，具體步驟如下：

步驟一、針對某個下行的云無線接入網，建立用戶，RRH和BBU pool的系統(tǒng)模型；

如圖1所示，下行的C-RAN系統(tǒng)模型包括：N個多天線RRH，I個單天線用戶和一個BBU pool；每個RRH分別各通過一個fronthaul鏈路連接入BBU pool中；每個RRH激活狀態(tài)時可以服務一個或多個用戶，休眠狀態(tài)時不為任何用戶服務，一個用戶至少接收一個RRH的服務；

RRH集合為{1,2,...,n,...,N}；用戶集合為{1,2,...,i,...,I}；N個fronthaul鏈路的容量集合為{C₁,C₂,...,C_n,...,C_N}；每個容量為每個fronthaul鏈路承載的用戶數量，即每個RRH服務的用戶最大數，是常數。

其中，第n個RRH有m_n根天線，定義為第n個RRH中用戶i的波束成形向量；

步驟二、BBU pool感知系統(tǒng)模型的網絡信息；

網絡信息包括RRH的數量，以及各RRH對應的fronthaul鏈路能服務的最大用戶數量；

每個fronthaul鏈路根據介質不同，能服務的最大用戶數量不同。

由于用戶基帶信號數據量較大，因此由BBU pool到RRH的fronthaul所能承載的用戶信息是有限的。將RRH服務的用戶數量作為fronthaul的負載。假設第n個RRH的fronthaul最多服務C_n個用戶，則第n個RRH的fronthaul容量約束表示為：

步驟三、每個用戶根據就近原則，分別通過RRH向BBU pool發(fā)送業(yè)務請求。

步驟四、BBU pool根據業(yè)務請求類型，分別為每個用戶設定最低的SINR門限；并測量每個RRH到每個用戶的信道信息；

h_n,i表示第n個RRH到第i個用戶的信道信息。

假設各用戶數據已經噪聲相互獨立，則用戶i的接收信噪比表示為：

${\mathrm{SINR}}_i=\frac{|\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,i}{|}^2}{\underset{j\∈I,j\≠i}{\Σ}|\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,j}{|}^2+{\mathrm{\σ}}_i^2},\∀i\∈I$

表示信道信息h_n,i的共軛轉置；w_n,i為第n個RRH中用戶i的波束成形向量；w_n,j為第n個RRH中用戶j的波束成形向量；為噪聲功率，在帶寬確定的情況下是一個常數。

BBU Pool為用戶i設定的最低門限值為γ_i；γ_i為第i個用戶的最低接收端信干噪比，由該用戶所申請的業(yè)務類型決定，是一個常數。

用戶請求的業(yè)務需要服務質量的保證，將用戶i的服務質量約束SINR_i大于門限值γ_i，則服務質量約束表示為：SINR_i≥γ_i,i∈I。

步驟五、BBU pool根據最低SINR門限、信道信息以及感知的網絡信息，使用啟發(fā)式算法計算下行波束成形向量以及小區(qū)附著。

如圖3所示，具體步驟如下：

步驟501、BBU pool對N個RRH進行初始化；

初始化包括：每個RRH處于激活狀態(tài)，且為所有的用戶提供服務；初始時處于連接狀態(tài)的RRH-用戶對V；以及初始時的網絡最低能耗F^(min)及其對應的網絡波束成形向量且滿足F^(min)＝+∞，可知初始時的F^(min)大于等于任意一次迭代的解。

具體為：

a_n代表第n個RRH的狀態(tài)；當第n個RRH處于激活狀態(tài)，記為a_n＝1；否則，RRH處于休眠狀態(tài)，記為a_n＝0；

每個RRH為所有的用戶提供服務；b_n,i表示第n個RRH與用戶i的連接狀態(tài)；b_n,i＝1表示第n個RRH為用戶i傳輸數據；b_n,i＝0表示第n個RRH不為用戶i傳輸數據；

a_n，b_n,i，w_n,i存在以下邏輯關系：a_n＝0則b_n,i＝0必然成立；b_n,i＝0則w_n,i＝0必然成立。

RRH-用戶對用表示；

網絡能耗F(Φ)表示為：Φ指變量的集合：

為第n個RRH休眠狀態(tài)時的電路能耗；為第n個RRH激活狀態(tài)時的電路能耗；

則第n個RRH的能耗表示為：

$P_n=a_n(P_n^a+\frac{1}{{\mathrm{\η}}_n}\underset{i=1}{\overset{I}{\Σ}}|\left|w_{n,i}\right|{|}_2^2)+(1-a_n)P_n^s=P_n^s+a_n{P}_n^{ams}+\frac{1}{{\mathrm{\η}}_n}\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}_2^2$

η_n為第n個RRH的射頻功率放大器效率；為第n個RRH處于激活狀態(tài)時的總能耗，為第n個RRH處于休眠狀態(tài)時的總能耗；

表示第n個RRH的發(fā)射功率最大值；w_n,i為第n個RRH中用戶i的波束成形向量；其中表示向量w_n,i的歐幾里得范數的平方；

對于第n個RRH來說，發(fā)射功率最大值約束表示為下式：

$\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}^2\≤P_n^{max},n\∈N$

步驟502、BBU pool將所有的RRH-用戶對V按優(yōu)先級進行升序排列；

第n個RRH中用戶i的優(yōu)先級β_n,i公式計算如下：

${\mathrm{\β}}_{n,i}=\frac{|h_{n,i}^H{w}_{n,i}^r{|}^2}{\underset{j\≠i}{\Σ}|h_{n,j}^H{w}_{n,i}^r{|}^2}\·\frac{C_n{\mathrm{\η}}_n}{P_n^a}$

表示信道信息h_n,i的共軛轉置；表示松弛的波束成形向量；表示RRH-用戶對(n,i)的有用信號功率，表示RRH-用戶對(n,i)對其他所有用戶的干擾之和，表示了第n個RRH的情況。顯然，有用信號越強，干擾越弱，RRH的fronthaul容量越大，射頻功率放大器效率越高，自身電路能耗越低的RRH-用戶對應該具有更高的優(yōu)先級；接著，對V中所有RRH-用戶對按優(yōu)先級進行升序排列。

松弛的波束成形向量要滿足使網絡能耗F(Φ)最小，且符合以下約束條件：

$\underset{\{a_n,b_{n,i},w_{n,i},\∀n\∈N,\∀i\∈I\}}{min}F\left(\mathrm{\Φ}\right)$

$s.t.\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}^2\≤P_n^{\max },n\∈N---\left(S1\right)$

SINR_i≥γ_i,i∈I (S2)

$\underset{i=1}{\overset{I}{\Σ}}{b}_{n,i}^{\left(k\right)}\≤a_n^{\left(k\right)}{C}_n,\∀n\∈N---\left(S3\right)$

$\left|\right|w_{n,i}|{|}_2\≤b_{n,i}\sqrt{P_n^{max}},\∀n\∈N,\∀i\∈I---\left(S4\right)$

$a_n\∈\[0,1\],b_{n,i}\∈\[0,1\],\∀n\∈N,\∀i\∈I---\left(S5\right)$

約束條件(S1)表示：第n個RRH中所有用戶的發(fā)射功率小于等于第n個RRH的發(fā)射功率最大值，其中表示第n個RRH中所有用戶的波束成形向量的歐幾里得范數平方之和；

約束條件(S2)表示第i個用戶的信干噪比大于等于BBU Pool為該用戶設定的最低門限值γ_i；將第n個RRH的能耗公式帶入用戶i的服務質量約束表達式中，得到用戶i的服務質量約束結果如下：

$\sqrt{\underset{j\≠i}{\Σ}|\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,j}{|}^2+{\mathrm{\σ}}_i^2}\≤\frac{1}{\sqrt{{\mathrm{\γ}}_i}}\mathrm{Re}\left\{\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,i}\right\},\∀i\∈I$

$\mathrm{Im}\left\{\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,i}\right\}=0,\∀i\∈I$

約束條件(S3)表示第n個RRH所服務的用戶數量小于等于第n個fronthaul鏈路的容量；

約束條件(S4)表示第n個RRH向第i個用戶的發(fā)射功率要小于第n個RRH的發(fā)射功率最大值；

約束條件(S3)和(S4)保證了二元變量a_n，b_n,i，w_n,i存在以下邏輯關系：如果第n個RRH處于休眠狀態(tài)，則第n個RRH不能為任何用戶傳輸數據；如果第n個RRH不向用戶i發(fā)送數據，則對應的波束成形向量為0。

約束條件(S5)表示變量a_n,b_n,i取值為0到1之間的實數；

將考慮實際約束的CRAN網絡能耗最小化問題建模，整體為一個混合整數二階錐規(guī)劃(MI-SOCP：Mixed-Integer Second-Order Cone Programming)，該問題是一個NP-Hard(non-deterministic polynomial hard)問題，即無法在多項式時間內求得問題的最優(yōu)解，求解復雜度會隨著問題變量數目的提升而急劇增加。

通過二元變量a_n,b_n,i的取值范圍松弛為0到1間的實數，由凸優(yōu)化的理論可知該問題為一個凸問題，使用內點法求解SOCP二階錐規(guī)劃，屬于凸優(yōu)化問題，在多項式時間內求得問題的次優(yōu)解；

步驟503、BBU pool對升序排列后的RRH-用戶對V進行緊縮的迭代求解，得到波束成形向量；

首先，假設每個RRH處于激活狀態(tài)，并且為所有的用戶提供服務。接著，根據一定的準則對RRH-用戶對(即該RRH為該用戶服務)進行升序排列。然后，迭代的從前向后去掉RRH-用戶對，即令該RRH不再為該用戶服務，并記錄每次迭代的結果。直至最后去掉所有的RRH-用戶對，即所有RRH均不再為任何用戶服務。

如圖4所示，具體步驟如下：

步驟5031、判斷RRH-用戶對V是否為空集，如果是，迭代結束，否則進入步驟5032；

步驟5032、選取集合V中的第一個RRH-用戶對(p,q)，令b_p,q＝0，同時令集合V的其余元素的b保持不變；

根據RRH的激活狀態(tài)和為用戶提供的用戶，計算集合V中優(yōu)先等級最小的用戶對，也就是第一個RRH-用戶對(p,q)；

令其中k為當前迭代次數，選取集合V中的第一個RRH-用戶對(p,q)，令

步驟5033、根據集合V中的RRH-用戶對的b_p,q設置對應的a_p值，并在RRH-用戶對V中刪除元素(p,q)；

步驟5034、判斷每個RRH是否都滿足約束條件：如果不滿足，令k＝k+1，返回步驟5031進行下一次迭代；否則，進入步驟5035；

步驟5035、根據當前所有RRH-用戶對的所有b值以及對應的a值，計算第k次迭代的網絡能耗網絡能耗F^(k)以及對應的波束成形向量

$\underset{\mathrm{\Φ}=\{a_n,b_{n,i},w_{n,i},\∀n\∈N,\∀i\∈I\}}{min}F\left(\mathrm{\Φ}\right)$

$s.t.\underset{i=1}{\overset{I}{\Σ}}\left|\right|w_{n,i}|{|}^2\≤P_n^{\max },n\∈N---\left(S1\right)$

滿足的約束條件為：SINR_i≥γ_i,i∈I (S2)

$\underset{i=1}{\overset{I}{\Σ}}{b}_{n,i}^{\left(k\right)}\≤a_n^{\left(k\right)}{C}_n,\∀n\∈N---\left(S3\right)$

$\left|\right|w_{n,i}|{|}_2\≤b_{n,i}\sqrt{P_n^{max}},\∀n\∈N,\∀i\∈I---\left(S4\right)$

步驟5036、判斷網絡能耗F^(k)是否小于F^(min)，如果是，則F^(k)為當前最低能耗，計算對應的波束成形向量為F^(min)＝F^(k)，進入步驟5037；否則，設置并返回步驟5031；

F^(min)為從第1次至第k次迭代已知的最小的網絡能耗；為從第1次至第k次迭代已知的最小網絡能耗對應的網絡波束成形向量。

步驟5037、直至將集合V中的RRH-用戶對全部迭代完畢，得到最終的F(Φ)以及對應的波束成形向量w_n,i；

最終F(Φ)的取值為F^(min)，且對應的波束成形向量w_n,i的取值為

步驟504、針對第n個RRH，C-RAN根據迭代結果w_n,i計算該RRH的發(fā)送數據x_n；

$x_n=\underset{i=1}{\overset{I}{\Σ}}{w}_{n,i}{s}_i,\∀n\∈N$

s_i表示用戶i請求的數據，均值為0，方差為1。；

步驟505、fronthaul鏈路將數據x_n傳輸給RRH對應的用戶，用戶得到請求數據s_i；

由于BBU pool已知全部信道信息用戶i的接收信號表示為

$y_i=\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n.i}{s}_i+\underset{j\∈I,j\≠i}{\Σ}\underset{n=1}{\overset{N}{\Σ}}{h}_{n,i}^H{w}_{n,j}{s}_j+z_i,\∀i\∈I$

其中為有用信號，為干擾，z_i為加性高斯白噪聲。

步驟506、用戶小區(qū)根據RRH進行附著，結合波束成形向量保證系統(tǒng)模型能耗最低。

迭代算法實例：

假設網絡中存在3個RRH，3個用戶，每個RRH可服務2個用戶，即C_n＝2,n＝1,2,3。RRH-用戶對的優(yōu)先級由小到大計算結果如下：(1,2),(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)，因此V＝{(1,2),(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)}。

對于第1次迭代：

1)、RRH-用戶對V不為空集，進行下一步；

2)、選出優(yōu)先等級最小的用戶對(1,2)，更新同時令集合V的其余元素的b設置為1；即同時設置刪除元素(1,2)，得到V＝{(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)}；

3)、判斷第2，3個RRH，均不滿足因為限制每個RRH可服務2個用戶，返回步驟1)進行第2次迭代；

4)、選出優(yōu)先等級最小的用戶對(3,2)，更新同時令集合V的其余元素的b設置為1；即同時設置刪除元素(3,2)，得到V＝{(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)}；

5)、判斷第2個RRH，不滿足因為限制每個RRH可服務2個用戶，返回步驟1)進行第3次迭代；

6)、選出優(yōu)先等級最小的用戶對(2,3)，更新同時令集合V的其余元素的b設置為1；即同時設置刪除元素(2,3)，得到V＝{(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)}；

7)、判斷每個RRH，均滿足因為限制每個RRH可服務2個用戶，在已知的條件下，求解問題，假設解為若F⁽³⁾≤F^(min)，則F^(min)＝F⁽³⁾為當前最低能耗，對應的波束成形向量為若問題無解，或者有解，但是F⁽³⁾＞F^(min)，則令返回步驟1)，進行下一次迭代。

8)、對于第4次迭代：V不為空集，進行下一步；更新同時設置刪除元素(1,3)，得到V＝{(1,1),(3,1),(2,1),(2,2),(3,3)}；所有RRH均滿足在已知的條件下，求解問題，假設解為若F⁽⁴⁾≤F^(min)，則F^(min)＝F⁽⁴⁾為當前最低能耗，對應的波束成形向量為若問題無解，或者有解，但是F⁽⁴⁾>F^(min)，則令返回步驟1)，進行下一次迭代。

9)、對于第5次迭代:V不為空集，進行下一步；更新同時設置刪除元素(1,1)，得到V＝{(3,1),(2,1),(2,2),(3,3)}；所有RRH均滿足在已知的條件下，求解問題假設解設為若F⁽⁵⁾≤F^(min)，則F^(min)＝F⁽⁵⁾為當前最低能耗，對應的波束成形向量為若問題無解，或者有解，但是F⁽⁵⁾＞F^(min)，則令返回步驟1)，進行下一次迭代。

直至進行到第9次迭代，得到的最終結果為F^(min)，對應的波束成形向量為

將本發(fā)明所提方案與LTE-A中所提方案進行性能仿真比較，后者各RRH的地理位置將其劃分為不相交的簇，簇內的RRH協(xié)作的向其范圍內用戶發(fā)送數據。仿真采用瑞利衰落信道模型，系統(tǒng)帶寬為10MHz，在[-1500m,1500m]×[-1500m,1500m]范圍內部署10個2天線RRH，RRH的最大發(fā)射功率為10W，η_n＝0.25。

如圖5所示，本發(fā)明所提算法網絡能耗低于LTE-A所采用算法，這是因為可重疊的RRH協(xié)作方式可以更好的降低干擾，從而在使用較低能耗的情況下保證用戶的服務質量。此外，還可觀察到用戶數越多能耗越大，原因是需要更高的發(fā)射功率以及更多的激活RRH。

如圖6所示，在LTE-A所采用算法中，所有RRH均被激活，而本發(fā)明所提算法可以在保證同樣用戶服務質量的前提下，休眠部分RRH，從而大幅降低網路能耗。

本發(fā)明的創(chuàng)新性在于不僅考慮了波束成形還考慮了小區(qū)附著，可以大幅降低網絡能量消耗。