凸优化之通信系统的分式规划

最新推荐文章于 2022-12-25 11:23:57 发布

Nved.

最新推荐文章于 2022-12-25 11:23:57 发布

阅读量3.7k

点赞数 5

分类专栏：凸优化通信研究文章标签：其他

本文链接：https://blog.csdn.net/Nved23/article/details/125920296

版权

通信研究同时被 2 个专栏收录

2 篇文章 2 订阅

订阅专栏

凸优化

1 篇文章 3 订阅

订阅专栏

本文介绍了在Reconfigurable Intelligent Surface Enhanced Multi-User MISOSymbiotic Radio System中，如何利用二次变换和拉格朗日对偶变换优化离散用户调度问题，特别是针对信号干扰和噪声比（SINR）的处理，以及如何将复杂的FP问题转化为更易解决的形式。

摘要由CSDN通过智能技术生成

以下内容是我在阅读Reconfigurable Intelligent Surface Enhanced Multi-User MISO Symbiotic Radio System这篇文章时用到的参考文献中使用的优化技巧（Fractional Programming for Communication Systems—Part II: Uplink Scheduling via Matching）。

本文涉及到有两类方法，一类是二次变换，一类是拉格朗日对偶变换。二次变换是第一部分中用于处理连续问题的核心FP技术。当涉及用户调度的离散问题时，该FP技术称为拉格朗日对偶变换。

原文链接提取码：kfvi

一、二次变换

二次变换（quadratic transformation）。因为我也才入门，我的理解就是将同时含有优化量的分式（分子分母都含有优化量），化为加减的形式。

定理 1（二次变换）给定一个非空约束集 $\mathcal{X} \subseteq \mathbb{R}^{d}$ ，一个非负函数 A(x)： $\mathbb{R}^{d} \rightarrow \mathbb{R}_{+}$ ，和一个正函数 B(x)： $\mathbb{R}^{d} \rightarrow \mathbb{R}_{++}$ ，其中 $d \in \mathbb{N}$ ，一个（单比率）分式规划问题是：

该问题等价于：

推论 1（比率和问题）给定 M 对非负函数 Am(x) : $\mathbb{R}^{d} \rightarrow \mathbb{R}_{+}$ 和正函数Am(x) : $\mathbb{R}^{d} \rightarrow \mathbb{R}_{++}$ 对于 m = 1, . . . ,M, 比率之和问题为：

该问题等价于：

定理 2（多维和复数分式规划）给定函数 α(x): $\mathbb{C}^{d_{1}} \rightarrow \mathbb{C}^{d_{2}}$ , 函数 B(x): $\mathbb{C}^{d_{1}} \rightarrow \mathbb{S}_{++}^{d_{2} \times d_{2}}$ 和约束集 $\mathcal{X} \subseteq \mathbb{C}^{d_{1}}$ ，其中 $d_{1}, d_{2} \in \mathbb{N}$ ，一个多维复杂的 FP 问题：

该问题等价于：

具体证明请参考原文。

二、拉格朗日对偶变换

通信系统设计的优化问题通常涉及以信干噪比（Signal to Interference plus Noise Ratio，SINR）的对数函数表示的数据速率，即log(1+SINR)。当涉及log(1+SINR) 的离散问题时，拉格朗日对偶变换变得必不可少。

简单来说该技术能实现将SINR移动到对数外的任务。它能让后续的二次变换以线性项表示所有优化变量。设目标问题为加权对数和最大化，这个问题在研究加权和速率（weighted sum-rate，WSR）时会遇到：

其中 $w_{m}$ 是非负权重， $A_{m}(\mathbf{x})$ 是非负函数， $B_{m}$ 是所有m的正函数， $\mathcal{X}$ 是非空约束集。比率 $A_{m} / B_{m}$ 可以在物理上解释为 SINR 项。问题 (7)此前没有提出过凸重构。此外，变量 x 可以是离散的或混合离散连续的。