Water-filling算法

等式约束条件下

Problem Statement

• 在已知信道的条件下，通过调整基站分配给每个用户的功率，使得总信道容量达到最大
• 问题形式如下：$$\begin{array}{rl}& \text{minimize}\sum _{i=1}^{m}log(1+\frac{p_i{h}_i}{{\sigma }^2})\\ & \text{s.t.}\sum _{i=1}^m{p}_i=P\end{array}$$

Solving

• 对于等式约束的条件，可以直接使用拉格朗日乘子法
• 拉格朗日函数为：$$L(p_i,h_i)=\sum _{i=1}^{m}log(1+\frac{p_i{h}_i}{{\sigma }^2})+\lambda (P-\sum _{i=1}^m{p}_i)$$
• 对$p_i$求偏导，并令偏导为0，得到：$$\begin{array}{rl}& \frac{\partial L}{\partial p_i}=\frac{\frac{h_i}{{\sigma }^2}}{(1+\frac{p_i{h}_i}{{\sigma }^2})ln2}-\lambda =0\\ & p_i=\frac{1}{\lambda ln2}-\frac{{\sigma }^2}{h_i}=\mu -\frac{{\sigma }^2}{h_i}\end{array}$$
• 由于$p_i$不能小于零，因此有：$$p_i=max\left(\mu -\frac{{\sigma }^2}{h_i},0\right)$$
• 由约束条件${\sum }_{i=1}^m{p}_i=P$，我们可以得到$\mu$的表达式如下：$$\begin{array}{rl}& P=\sum _{i=1}^m(\mu -\frac{{\sigma }^2}{h_i})=m\mu -\sum _{i=1}^m\frac{{\sigma }^2}{h_i}\\ & \mu =\frac{P+{\sum }_{i=1}^m\frac{{\sigma }^2}{h_i}}{m}\end{array}$$

Conclusion

• Water-filling方法的结果为：$$\begin{array}{rl}& p_i=max\left(\mu -\frac{{\sigma }^2}{h_i},0\right)\\ & \mu =\frac{P+{\sum }_{i=1}^m\frac{{\sigma }^2}{h_i}}{m}\end{array}$$
• Water-filling方法的直观解释如下图：

我们可以将各个信道的强度比作一个水位，而$\mu$则是我们设定的一个水位线，当信道水位低于设定的水位线时，就向其中注水(分配功率)使其能够达到水位线。而当信道水位高于水位线时，就不为其注水(分配功率)。