CN103825677A - 一种骨干网容量受限时的多基站协作传输方法 - Google Patents

一种骨干网容量受限时的多基站协作传输方法 Download PDF

Info

Publication number
CN103825677A
CN103825677A CN201410072088.8A CN201410072088A CN103825677A CN 103825677 A CN103825677 A CN 103825677A CN 201410072088 A CN201410072088 A CN 201410072088A CN 103825677 A CN103825677 A CN 103825677A
Authority
CN
China
Prior art keywords
base station
lambda
user
max
comp
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410072088.8A
Other languages
English (en)
Other versions
CN103825677B (zh
Inventor
韩圣千
刘文佳
杨晨阳
王刚
雷鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC China Co Ltd
Beihang University
Original Assignee
NEC China Co Ltd
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC China Co Ltd, Beihang University filed Critical NEC China Co Ltd
Priority to CN201410072088.8A priority Critical patent/CN103825677B/zh
Publication of CN103825677A publication Critical patent/CN103825677A/zh
Application granted granted Critical
Publication of CN103825677B publication Critical patent/CN103825677B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种异构网中骨干网容量受限的多基站下行协作传输方法,包括步骤1:计算等效信道、CoMP-JP模式、CoMP-CB模式基于P-ZFBF的归一化等效预编码;步骤2:构造混合协作预编码;将CoMP-JP、CoMP-CB模式进行复数加权组合,得到基站0和基站1对用户k的混合预编码向量;步骤3:根据用户0和用户1的数据率加权系数α0和α1,骨干网容量Cbh,基站0和基站1的最大发射功率计算在满足骨干网有限容量、基站端最大发射功率的条件下,最大的加权和数据率α0R01R1以及对应的协作传输方法;步骤4:根据步骤3的结果计算最优加权和数据率;本发明自适应地选择加权和数据率最大的协作模式,从而达到最优的性能。

Description

一种骨干网容量受限时的多基站协作传输方法
技术领域
本发明属于无线通信领域,涉及异构网下行传输场景,具体涉及一种骨干网容量受限时的多基站协作传输方法。
背景技术
研究数据表明,全球移动数据流量在2011年至2016年期间可能会增长18倍,平均每年增长比例为78%,增大网络容量最直接的方法就是部署更多的基站。为了满足数据业务需求,移动网络运营商在数据量需求高的地区布置额外的基站,为了减少开销,在布置基站的同时还要与现有的网络结构兼容[2]。因此,未来移动通信系统将具有异构网(HetNet,Heterogeneous Network)结构,即系统将由传统的宏(Macro)基站和不同类型的低功率基站构成。常见的低功率基站包括微(Micro)基站、毫微(Pico)基站、家庭(Femto)基站和远程射频节点(RRH,Remote Radio Head),将其统称为微基站。通过引入低功率基站,异构网能够获得更大的小区分裂增益,进而提高整个网络的容量。
目前的移动通信系统中,小区使用频分复用或部分频率复用或软频率复用,未来的移动通信系统为了提高频谱效率,使用全频复用,导致小区间干扰(ICI,Inter-Cell Interference)非常严重。尤其是异构网中宏基站与微基站的发射功率差异很大,宏小区与微小区之间的小区间干扰是异构网中需要解决的关键问题之一[2]。第3代合作伙伴计划(3GPP,3rdGeneration Partnership Project)的Release8和Release10分别在频域和时域提出消除干扰的方法,在3GPP LTE的Release11中提出协作多点(CoMP,CoordinatedMulti-Point)传输技术,能够充分利用系统的时频资源,通过基站间的相互协作在空域消除小区间干扰,具有较大的系统性能提升潜力[2]。CoMP下行传输可以分为两类:联合处理(Joint Processing,JP)和协作波束成型(Coordinated Beamforming,CB)[3]。对于CoMP-JP,协作基站之间共享所有用户的全部数据信息和信道信息,通过对所有用户的数据进行联合传输,在消除小区间干扰的同时,有效地增强了信号能量。对于CoMP-CB,协作基站之间只需要共享信道信息,而不需要共享用户的数据信息,因此每个基站只需计算其服务用户的单小区预编码,用于消除小区间干扰。
在理论分析中,如果假设骨干网理想,即骨干网容量不受限而且具有零延时,那么当协作基站使用最优传输方案时,CoMP-JP可以提供比CoMP-CB更好的数据率性能。但是在许多实际系统中,骨干网容量受限而且有很大的延时,此时CoMP-JP的性能不一定会优于CoMP-CB,这种非理想骨干网成为实现下行CoMP传输潜在性能增益的瓶颈。而异构网中部署的低成本小基站会面临更严峻的骨干网问题,进而会造成更严重的瓶颈。
比较两种技术的特点可知,CoMP-JP的阵列增益高,但是需要已知所有协作用户的数据信息,因此共享数据量较大;CoMP-CB的阵列增益低,但是只需已知服务用户的数据信息,因此共享数据量较少。在现有的文献中,有一些文献研究了如何有效地利用CoMP系统中有限容量骨干网的问题,并提出了一些方法。例如,可以自适应地选择CoMP传输节点,或者合理地选择协作基站以及协作簇大小。从信息论的角度考虑,充分利用骨干网的最优方法是进行与rate splitting有关的部分数据共享,但是这种方法的复杂度过高,不适用于实际系统。
参考文献:
[1]Cisco.Cisco visual networking index:Global mobile data traffic forecastupdate,2011-2016[OL].
http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705/ ns827/white_paper_c11-520862.html.2012.2
[2]Holma H and Toskala A.LTE-Advanced:3GPP solution for IMT-Advanced[M].New York:John Wiley&Sons,2012.
[3]Yang Chen-yang,Han Sheng-qian,Hou Xue-ying,et al..How to DesignCoMP to Achieve its Promised Potential?[J].IEEE Wireless CommunicationMagazine,2012,Accepted.
发明内容
本发明的目的是为了解决上述问题,提出一种异构网中骨干网容量受限的多基站下行协作传输方法,为了充分利用有限容量的骨干网链路,同时减小算法的实现复杂度,本发明研究了user-wise部分数据共享方法,即把部分用户的全部数据在一部分协作基站中全部共享,而不是在基站端把每个用户的数据分为公共数据和私有数据进行共享。基于信道伪逆的迫零波束成型(P-ZFBF,Pseudo-inverse based zero-forcing beamforming)是一种可以有效地实现CoMP性能增益的低复杂度方法。基于P-ZFBF,本发明提出一种异构网中骨干网容量受限的多基站协作传输方法,本方法可以结合CoMP-JP和CoMP-CB的优点,在达到高协作增益的同时减少对骨干网的需求。
一种异构网中骨干网容量受限的多基站下行协作传输方法,包括以下几个步骤:
步骤1:计算等效信道、CoMP-JP模式、CoMP-CB模式基于P-ZFBF的归一化等效预编码;
步骤2:构造混合协作预编码;将CoMP-JP、CoMP-CB模式进行复数加权组合,得到基站0和基站1对用户k的混合预编码向量;
步骤3:根据用户0和用户1的数据率加权系数α0和α1,骨干网容量Cbh,基站0和基站1的最大发射功率
Figure BDA0000471120860000031
Figure BDA0000471120860000032
计算在满足骨干网有限容量、基站端最大发射功率的条件下,最大的加权和数据率α0R01R1以及对应的协作传输方法;
步骤4:根据步骤3的结果计算最优加权和数据率;
本发明的优点在于:
(1)在数据共享的角度考虑,CoMP-JP的阵列增益高,但是需要已知所有协作用户的数据信息,因此数据共享量较大;CoMP-CB的阵列增益低,但是只需已知服务用户的数据信息,因此数据共享量较少。因此对于任意的用户需求,在骨干网容量受限的条件下,单一的CoMP-JP或CoMP-CB模式并不始终是最优的选择。本发明提出的混合协作预编码方法能同时利用CoMP-JP和CoMP-CB的优点,在满足骨干网有限容量和基站端最大发射功率约束时,自适应地选择加权和数据率最大的协作模式,从而达到最优的性能;
(2)本发明提出的异构网下的混合协作预编码方法,能够充分利用宏基站和微基站的发射功率,从而达到更高的频谱效率;根据异构网的特点,不同类型基站的最大发射功率差别很大,在单基站功率约束下,CoMP-JP协作模式的宏基站发射功率受限于微基站最大发射功率,导致宏基站的功率利用率较低,可达频谱效率较低;CoMP-CB协作模式的宏基站和微基站发射功率彼此不受限,但是其阵列增益低,可达频谱效率较低;本发明的混合协作预编码方法可以充分利用CoMP-JP阵列增益高和CoMP-CB基站功率充分利用的优点,达到更高的频谱效率。
附图说明
图1是本发明的方法流程图;
图2是本发明的三小区异构网示意图;
图3是本发明的单次信道实现且骨干网容量为Cbh=20bps/Hz时的容量域;
图4是本发明的单次信道实现且骨干网容量为Cbh=5bps/Hz时的容量域;
图5是本发明的方法与CoMP-JP和CoMP-CB方法在α0=0.4,α1=0.6,骨干网容量为Cbh=20bps/Hz时的平均加权数据率比较图;
图6是本发明的方法与CoMP-JP和CoMP-CB方法在α0=0.4,α1=0.6,骨干网容量为Cbh=5bps/Hz时的平均加权数据率比较图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
面向多小区异构网系统,即1个宏基站和B个微基站,宏基站和微基站端分别有M和N根天线,下述中,基站0代表宏基站,基站b代表微基站,其中b=1,…,B;小区内用户使用正交接入方案,即每个基站在一个时频资源上只调度一个用户;考虑B个微小区为稀疏分布,因此微小区之间不存在干扰,微用户只受宏基站干扰,宏用户只受相邻最近的微基站干扰,假设该微基站为基站1;宏小区和微小区组成一个协作簇;
本发明提出一种异构网中骨干网容量受限的多基站下行协作传输方法,流程如图1所示,包括以下几个步骤:
步骤1:计算等效信道、CoMP-JP模式、CoMP-CB模式基于P-ZFBF的归一化等效预编码。
1.计算等效信道
基站0、基站1到宏小区用户(用户0)和第1个微小区用户(用户1)的等效信道为:
hk0=Q·gk0,hk1=gk1,(k=0,1)
其中:分别表示宏基站0和微基站1到用户k的下行信道向量,
Figure BDA0000471120860000043
表示复数域,
Figure BDA0000471120860000044
表示宏基站到所有对宏用户无干扰的微用户k(k=2,…,B)的信道矩阵
Figure BDA0000471120860000051
的正交投影,用以保证宏基站对其不造成干扰,其中I表示单位矩阵,
Figure BDA0000471120860000052
是宏基站0到微用户k(k=2,…,B)的下行信道矩阵,(·)H表示矩阵的共轭转置。
2.CoMP-JP模式下的P-ZFBF归一化等效预编码
Figure BDA0000471120860000053
其中:H=[h0,h1]H表示基站0和基站1到用户0和用户1的全局等效信道矩阵,
Figure BDA0000471120860000054
表示基站0和基站1到用户k的全局等效信道向量,(·)T表示矩阵的转置,Ujp表示基于P-ZFBF的CoMP-JP等效预编码矩阵,满足HUjp=I2×2,即用户间无干扰,
Figure BDA0000471120860000055
表示基站0和基站1到用户k的基于P-ZFBF的CoMP-JP等效全局预编码向量,k=0,1。
对基于P-ZFBF的CoMP-JP等效预编码矩阵进行列归一化,可以得到:
其中:表示CoMP-JP模式下,基站0和基站1对用户k的归一化等效全局预编码向量,
Figure BDA0000471120860000058
表示CoMP-JP模式下,基站b对用户k的等效预编码向量,||·||表示矩阵的Frobenius范数。
3.CoMP-CB模式下的P-ZFBF归一化等效预编码
U b cb = H b H ( H b H b H ) - 1 = [ u 0 b cb , u 1 b cb ] , ( b = 0,1 )
其中:b=0,1,Hb=[h0b,h1b]H表示基站b到用户0和用户1的等效信道矩阵,表示基站b基于P-ZFBF的CoMP-CB等效预编码矩阵,满足
Figure BDA00004711208600000511
即用户间无干扰,表示基站b到用户k的基于P-ZFBF的CoMP-CB等效预编码向量,k=0,1。
对基于P-ZFBF的CoMP-CB等效预编码矩阵进行列归一化,可以得到:
u ~ b , k cb = u kb cb | | u kb cb | |
其中:
Figure BDA00004711208600000514
表示CoMP-CB模式下,基站b对用户k的归一化等效预编码向量,k=0,1,b=0,1。
步骤2:构造混合协作预编码。将CoMP-JP、CoMP-CB模式进行复数加权组合,得到基站0和基站1对用户k的混合预编码向量:
w k hy = λ k jp u ~ k jp + λ 0 , k cb ( u ~ 0 , k cb ) T λ 1 , k cb ( u ~ 1 , k cb ) T T = ( w k 0 hy ) T ( w k 1 hy ) T T
其中:
Figure BDA0000471120860000062
Figure BDA0000471120860000063
在步骤1中已经得到,分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k基于P-ZFBF的归一化等效预编码向量,
Figure BDA0000471120860000064
Figure BDA0000471120860000065
分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k的预编码向量的复数加权系数。
Figure BDA0000471120860000066
表示基站b对用户k的混合预编码向量,b=0,1,
Figure BDA0000471120860000067
表示基站0和基站1对用户k的全局混合预编码向量。
步骤3:根据用户0和用户1的数据率加权系数α0和α1,骨干网容量Cbh,基站0和基站1的最大发射功率
Figure BDA0000471120860000068
计算在满足骨干网有限容量、基站端最大发射功率的条件下,最大的加权和数据率α0R01R1以及对应的协作传输方法。
计算混合预编码时用户0和用户1端的数据率为:
R k = log 2 ( 1 + 1 σ 2 | h k H u ~ k jp λ k jp + h k 0 H u ~ 0 , k cb λ 0 , k cb + h k 1 H u ~ 1 , k cb λ 1 , k cb | 2 )
其中:σ2是用户接收端加性高斯白噪声的方差,
Figure BDA00004711208600000611
Figure BDA00004711208600000612
的计算方法在步骤1中给出,log2(·)表示以2为底的对数函数,k=0,1,|·|表示取绝对值。。
计算基站0和基站1的发射功率Pt,0和Pt,1为:
P t , 0 = Σ k = 0 1 | | Q · ( λ k jp u ~ 0 , k jp + λ 0 , k cb u ~ 0 , k cb ) | | 2 ≤ P 0 max
P t , 1 = Σ k = 0 1 | | λ k jp u ~ 1 , k jp + λ 1 , k cb u ~ 1 , k cb | | 2 ≤ P 1 max
其中:
Figure BDA00004711208600000615
表示将表达式的值从k=0到1进行求和。
计算基站b以CoMP-CB模式并满功率发射服务用户k时的数据率为:
R b , k cb = log 2 ( 1 + 1 σ 2 | h kb H u ~ b , k cb | 2 P b max )
计算用户1的数据率为0的条件下,在满足骨干网有限容量Cbh和基站端最大发射功率约束时,用户0可以实现的最大数据率
Figure BDA00004711208600000617
其中min(·,·)表示取最小值的函数,表示用户1的数据率为0的条件下,满足基站端最大发射功率约束时用户0的最大数据率,是以下优化问题的最优解:
max R 0 s . t . R 0 = log 2 ( 1 + 1 σ 2 | h 0 H u ~ 0 jp λ 0 jp + h 00 H u ~ 0,0 cb λ 0,0 cb + h 01 H u ~ 1,0 cb λ 1,0 cb | 2 ) | | Q ( λ 0 jp u ~ 0,0 jp + λ 0,0 cb u ~ 0,0 cb ) | | 2 ≤ P 0 max | | λ 0 jp u ~ 1,0 jp + λ 1,0 cb u ~ 1,0 cb | | 2 ≤ P 1 max
根据
Figure BDA0000471120860000073
可以计算得到对应的最优加权系数为:
Figure BDA0000471120860000074
Figure BDA0000471120860000075
定义以下函数:
f1(R0)=α0R01(Cbh-R0)
f 2 ( R 0 ) = α 0 R 0 + α 1 R 1 * ( R 0 )
f 3 ( R 0 ) = α 0 R 0 + min ( α 1 C bh , α 1 R 0,1 cb ) , 0 ≤ R 0 ≤ min ( C bh , R 1,0 cb ) α 0 R 0 , min ( C bh , R 1,0 cb ) ≤ R 0 ≤ R 0 max
f 4 ( R 0 ) = α 0 R 0 + min ( α 1 C bh , α 1 R 1,1 cb ) , 0 ≤ R 0 ≤ min ( C bh , R 0,0 cb ) α 0 R 0 , min ( C bh , R 0,0 cb ) ≤ R 0 ≤ R 0 max
其中:表示任意给定用户0的数据率R0时,用户1的最大数据率。
按照以下步骤依次计算,寻找使加权和数据率最优的协作传输方法。
1、计算 max R 0 f 1 ( R 0 )
(1.1)如果α0≥α1,则用户0同时被基站0和基站1服务, R 0 = R 0 max = min ( C bh , R 0 * ) , λ 0 jp = λ ‾ 0 jp , λ 0,0 cb = λ ‾ 0,0 cb , λ 1 , 0 cb = λ ‾ 1,0 cb .
<1>如果R0=Cbh,则R1=0,即用户1不被服务,
Figure BDA00004711208600000713
<2>如果
Figure BDA00004711208600000714
Figure BDA00004711208600000715
即用户1被两个基站服务,且由数据率的公式反推得到加权系数
(1.2)如果α01,则用户0不被服务,用户1同时被两个基站服务,即R0=0,R1=Cbh,由数据率的公式反推得到加权系数
Figure BDA00004711208600000718
(1.3)根据(1.1)和(1.2),计算得到:
max R 0 f 1 ( R 0 ) = &alpha; 1 C bh + ( &alpha; 0 - &alpha; 1 ) R 0 max , &alpha; 0 &GreaterEqual; &alpha; 1 &alpha; 1 C bh , &alpha; 0 < &alpha; 1
并可以由(1.1)和(1.2)中的计算得到对应的使f1(R0)最大的各项加权系数。
2、计算 max R 0 f 2 ( R 0 )
用户0和用户1均同时被两个基站服务,在R0的取值范围内,使用一维搜索算法,例如黄金分割法,寻找
Figure BDA0000471120860000084
的最大值,其中
Figure BDA0000471120860000085
表示给定用户0的数据率R0时用户1的最大数据率,是以下优化问题的最优解:
max h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb s . t . h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0,0 cb &lambda; 0,0 cb + h 01 H u ~ 1,0 cb &lambda; 1,0 cb = 2 R 0 - 1 &CenterDot; &sigma; Im { h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb } = 0 Im { h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0 , 0 cb &lambda; 0 , 0 cb + h 01 H u ~ 1 , 0 cb &lambda; 1 , 0 cb } = 0 &Sigma; k = 0 1 | | Q &CenterDot; ( &lambda; k jp u ~ 0 , k jp + &lambda; 0 , k cb u ~ 0 , k cb ) | | 2 &le; P 0 max &Sigma; k = 0 1 | | &lambda; k jp u ~ 1 , k jp + &lambda; 1 , k cb u ~ 1 , k cb | | 2 &le; P 1 max
其中:Im{·}表示复数的虚部,求解该优化问题可以得到对应的最优加权系数。
黄金分割法的具体步骤如下:
<1>初始搜索区间为[a,b],其中
Figure BDA0000471120860000089
令r1=0.382b,r2=0.618b,计算f2(r1)和f2(r2),进行步骤<2>。
<2>如果f2(r1)<f2(r2),保持变量a不变,令b=r2;否则,如果f2(r1)≥f2(r2),保证变量b不变,令a=r1。在更新后的区间中插入两点r1=a+0.382(b-a),r2=a+0.618(b-a),并重新计算f2(r1)和f2(r2),进行步骤<3>。
<3>如果|a-b|≥ε,其中ε为搜索精度,则重复步骤<2>,否则进行步骤<4>。
<4>计算用户0和用户1的最优数据率
Figure BDA0000471120860000087
且最大加权和数据率为:
max R 0 f 2 ( R 0 ) = &alpha; 0 &CenterDot; a + b 2 + &alpha; 1 &CenterDot; R 1 * ( a + b 2 )
并可以得到对应的各项最优加权系数。
3、计算 max R 0 f 3 ( R 0 )
(3.1)用户0和用户1分别被基站1和基站0以CoMP-CB模式服务,此时
Figure BDA0000471120860000092
下面判断
Figure BDA0000471120860000094
Figure BDA0000471120860000095
与Cbh的大小关系,计算对应的
<1>如果 R 0,1 cb &GreaterEqual; C bh , R 1,0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | .
<2>如果 R 0,1 cb < C bh , R 1,0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | .
<3>如果 R 0,1 cb &GreaterEqual; C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = P 1 max .
<4>如果 R 0,1 cb < C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = P 1 max .
可以计算得到在该模式下的加权和数据率为:
Figure BDA00004711208600000915
(3.2)用户0被基站0和基站1服务,用户1不被服务,即
Figure BDA00004711208600000916
R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 其中
Figure BDA00004711208600000918
在前面已介绍,此时加权和数据率为:
(3.3)比较(3.1)和(3.2)中最终得到的加权和数据率,计算如下:
max R 0 f 3 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 1,0 cb ) + &alpha; 1 min ( C bh , R 0,1 cb ) , &alpha; 0 R 0 max )
其中:max(·,·)表示表最大值的函数,根据(3.1)和(3.2)中的介绍得到对应的最优加权因子。
4、计算 max R 0 f 4 ( R 0 )
(4.1)用户0和用户1分别被基站0和基站1以CoMP-CB模式服务,此时
Figure BDA00004711208600000923
Figure BDA00004711208600000924
下面判断
Figure BDA00004711208600000925
Figure BDA00004711208600000926
与Cbh的大小关系,计算对应的
<1>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | .
<2>如果 R 0,0 cb < C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | .
<3>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = P 1 max .
<4>如果 R 0,0 cb < C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = P 1 max .
可以计算得到在该模式下的加权和数据率为:
Figure BDA0000471120860000105
(4.2)用户0被基站0和基站1服务,用户1不被服务,即
Figure BDA0000471120860000106
R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 其中
Figure BDA0000471120860000109
在前面已介绍,此时加权和数据率为:
Figure BDA00004711208600001010
(4.3)比较(4.1)和(4.2)中最终得到的加权和数据率,计算如下:
max R 0 f 4 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 0,0 cb ) + &alpha; 1 min ( C bh , R 1,1 cb ) , &alpha; 0 R 0 max )
并可以根据(4.1)和(4.2)中的介绍得到对应的最优加权因子。
步骤4:根据步骤3的结果计算最优加权和数据率为:
R sum = max ( min ( max f 1 R 0 ( R 0 ) , max R 0 f 2 ( R 0 ) ) , max R 0 f 3 ( R 0 ) , max R 0 f 4 ( R 0 ) )
并得到对应的最优加权系数
Figure BDA00004711208600001013
计算得到最优的混合预编码为:
w k hy * = &lambda; k jp * u ~ k jp + [ &lambda; 0 , k cb * ( u ~ 0 , k cb ) T &lambda; 1 , k cb * ( u ~ 1 , k cb ) T T = ( w k 0 hy * ) T ( w k 1 hy * ) T T
根据最优加权系数的取值,可以得到以下几种骨干网数据共享方式和服务模式:
1.如果
Figure BDA00004711208600001016
表示用户k由基站0和1以CoMP-JP模式协作传输,那么对任意的
Figure BDA00004711208600001017
取值,均要求用户k的全部数据在基站0和基站1之间共享;
2.如果
Figure BDA00004711208600001018
表示用户k同时被基站0和基站1以CoMP-CB模式协作传输,要求用户k的全部数据在基站0和基站1之间共享;
3.如果
Figure BDA00004711208600001019
表示用户k被基站0以CoMP-CB模式服务,不被基站1服务,用户k的全部数据只与基站0共享;
4.如果
Figure BDA00004711208600001020
表示用户k被基站1以CoMP-CB模式服务,不被基站0服务,用户k的全部数据只与基站1共享。
实施例:
本发明提出一种异构网下骨干网容量受限的混合协作预编码方法,其流程图如图1所示。实施例中使用matlab仿真平台,对本方法的性能进行仿真分析,仿真场景如图2所示,异构网包括1个宏小区和2个微小区,宏基站最大发射功率为46dBm,有4根天线,微基站最大发射功率为30dBm,有2根天线,每个小区内有1个单天线用户。主要步骤如下:
面向上述3小区异构网系统,2个微小区之间不存在干扰,2个微用户只受到宏基站(基站0)干扰,宏用户(用户0)只受第1个微基站(基站1)干扰,不受第2个微基站(基站2)干扰。本发明提出一种异构网中骨干网容量受限的协作传输方法,包括以下几个步骤:
步骤1:计算等效信道、CoMP-JP模式、CoMP-CB模式基于P-ZFBF的归一化等效预编码。
1.计算等效信道
基站0、基站1到用户0和第1个微小区用户(用户1)的等效信道为:
hk0=Qgk0,hk1=gk1,(k=0,1)
其中:
Figure BDA0000471120860000111
Figure BDA0000471120860000112
分别表示基站0和基站1到用户k的下行信道向量,Q=I-g20 H(g20g20 H)-1g20表示宏基站到第2个微小区用户(用户2)的信道的正交投影,用以保证宏基站对用户2不造成干扰。
2.CoMP-JP模式下的P-ZFBF归一化等效预编码
Figure BDA0000471120860000113
其中:H=[h0,h1]H表示基站0和基站1到用户0和用户1的全局等效信道矩阵,
Figure BDA0000471120860000114
表示基站0和基站1到用户k的全局等效信道向量,k=0,1,Ujp表示基于P-ZFBF的CoMP-JP等效预编码矩阵,满足HUjp=I2×2,即用户间无干扰,
Figure BDA0000471120860000115
表示基站0和基站1到用户k的基于P-ZFBF的CoMP-JP等效全局预编码向量,k=0,1。
对基于P-ZFBF的CoMP-JP预编码矩阵进行列归一化:
Figure BDA0000471120860000116
其中:k=0,1,
Figure BDA0000471120860000117
表示CoMP-JP模式下,基站0和基站1对用户k的归一化等效全局预编码向量,
Figure BDA0000471120860000121
表示CoMP-JP模型下,基站b对用户k的预编码向量,||·||表示矩阵的Frobenius范数。
3.CoMP-CB模式下的P-ZFBF归一化等效预编码
U b cb = H b H ( H b H b H ) - 1 = [ u 0 b cb , u 1 b cb ]
其中:b=0,1,Hb=[h0b,h1b]H表示基站b到用户0和用户1的等效信道矩阵,
Figure BDA0000471120860000123
表示基站b基于P-ZFBF的CoMP-CB等效预编码矩阵。满足
Figure BDA0000471120860000124
即用户间无干扰,
Figure BDA0000471120860000125
表示基站b到用户k的基于P-ZFBF的CoMP-CB等效预编码向量,k=0,1。
对基于P-ZFBF的CoMP-CB预编码矩阵进行列归一化:
u ~ b , k cb = u kb cb | | u kb cb | |
其中:
Figure BDA0000471120860000127
表示CoMP-CB模式下,基站b对用户k的归一化等效预编码向量,k=0,1,b=0,1。
步骤2:构造混合协作预编码。将CoMP-JP、CoMP-CB模式进行复数加权组合,得到基站0和基站1对用户k的混合预编码向量:
w k hy = &lambda; k jp u ~ k jp + &lambda; 0 , k cb ( u ~ 0 , k cb ) T &lambda; 1 , k cb ( u ~ 1 , k cb ) T T = ( w k 0 hy ) T ( w k 1 hy ) T T
其中:
Figure BDA0000471120860000129
Figure BDA00004711208600001210
在步骤1中已经详细介绍,分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k基于P-ZFBF的归一化等效预编码向量,
Figure BDA00004711208600001212
分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k的预编码向量的复数加权系数。
Figure BDA00004711208600001213
表示基站b对用户k的混合预编码向量,表示基站0基站1对用户k的全局混合预编码向量。
步骤3:根据用户0和用户1的数据率加权系数α0和α1,骨干网容量Cbh,基站0和基站1的最大发射功率
Figure BDA00004711208600001215
Figure BDA00004711208600001216
计算在满足骨干网有限容量、基站端最大发射功率的条件下,最大的加权和数据率α0R01R1以及对应的协作传输方法。
计算用户0和用户1端的混合预编码时的数据率为:
R k = log 2 ( 1 + 1 &sigma; 2 | h k H u ~ k jp &lambda; k jp + h k 0 H u ~ 0 , k cb &lambda; 0 , k cb + h k 1 H u ~ 1 , k cb &lambda; 1 , k cb | 2 )
其中:σ2是用户接收端加性高斯白噪声的方差,
Figure BDA0000471120860000131
Figure BDA0000471120860000132
的计算方法在步骤1中给出,log2(·)表示以2为底的对数函数,k=0,1,|·|表示取绝对值。
计算基站0和基站1的发射功率为:
P t , 0 = &Sigma; k = 0 1 | | Q ( &lambda; k jp u ~ 0 , k jp + &lambda; 0 , k cb u ~ 0 , k cb ) | | 2 &le; P 0 max
P t , 1 = &Sigma; k = 0 1 | | &lambda; k jp u ~ 1 , k jp + &lambda; 1 , k cb u ~ 1 , k cb | | 2 &le; P 1 max
其中:
Figure BDA0000471120860000135
表示将表达式的值从k=0到1进行求和。
计算基站b以CoMP-CB模式并满功率发射服务用户k时的数据率为:
R b , k cb = log 2 ( 1 + 1 &sigma; 2 | h kb H u ~ b , k cb | 2 P b max )
计算用户1的数据率为0的条件下,在满足骨干网有限容量Cbh和基站端最大发射功率约束时,用户0的最大数据率
Figure BDA0000471120860000137
其中min(·,·)表示取最小值的函数,
Figure BDA00004711208600001314
表示用户1的数据率为0的条件下,满足基站端最大发射功率约束时用户0的最大数据率,是以下优化问题的最优解:
max R 0 s . t . R 0 = log 2 ( 1 + 1 &sigma; 2 | h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0,0 cb &lambda; 0,0 cb + h 01 H u ~ 1,0 cb &lambda; 1,0 cb | 2 ) | | Q ( &lambda; 0 jp u ~ 0,0 jp + &lambda; 0,0 cb u ~ 0,0 cb ) | | 2 &le; P 0 max | | &lambda; 0 jp u ~ 1,0 jp + &lambda; 1,0 cb u ~ 1,0 cb | | 2 &le; P 1 max
根据
Figure BDA0000471120860000139
可以计算得到对应的最优加权系数为:
Figure BDA00004711208600001310
Figure BDA00004711208600001311
定义以下函数:
f1(R0)=α0R01(Cbh-R0)
f 2 ( R 0 ) = &alpha; 0 R 0 + &alpha; 1 R 1 * ( R 0 )
f 3 ( R 0 ) = &alpha; 0 R 0 + min ( &alpha; 1 C bh , &alpha; 1 R 0,1 cb ) , 0 &le; R 0 &le; min ( C bh , R 1,0 cb ) &alpha; 0 R 0 , min ( C bh , R 1,0 cb ) &le; R 0 &le; R 0 max
f 4 ( R 0 ) = &alpha; 0 R 0 + min ( &alpha; 1 C bh , &alpha; 1 R 1,1 cb ) , 0 &le; R 0 &le; min ( C bh , R 0,0 cb ) &alpha; 0 R 0 , min ( C bh , R 0,0 cb ) &le; R 0 &le; R 0 max
其中:
Figure BDA0000471120860000142
表示任意给定用户0的数据率R0时,用户1的最大数据率。
按照以下步骤依次计算,寻找使加权和数据率最优的协作传输方法。
1、计算 max R 0 f 1 ( R 0 )
(1.1)如果α0≥α1,则用户0同时被基站0和基站1服务, R 0 = R 0 max = min ( C bh , R 0 * ) , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1 , 0 cb = &lambda; &OverBar; 1,0 cb .
<1>如果R0=Cbh,则R1=0,即用户1不被服务,
Figure BDA0000471120860000146
<2>如果
Figure BDA0000471120860000148
即用户1被两个基站服务,且由数据率的公式反推得到加权系数
Figure BDA0000471120860000149
Figure BDA00004711208600001410
(1.2)如果α01,则用户0不被服务,用户1同时被两个基站服务,即R0=0,R1=Cbh,由数据率的公式反推得到加权系数
Figure BDA00004711208600001411
Figure BDA00004711208600001412
(1.3)根据(1.1)和(1.2)中的介绍,可以计算得到:
max R 0 f 1 ( R 0 ) = &alpha; 1 C bh + ( &alpha; 0 - &alpha; 1 ) R 0 max , &alpha; 0 &GreaterEqual; &alpha; 1 &alpha; 1 C bh , &alpha; 0 < &alpha; 1
并可以由(1.1)和(1.2)中的计算得到对应的使f1(R0)最大的各项加权系数。
2、计算 max R 0 f 2 ( R 0 )
用户0和用户1均同时被两个基站服务,在R0的取值范围
Figure BDA00004711208600001415
内,使用一维搜索算法,例如黄金分割法,寻找
Figure BDA00004711208600001416
的最大值,其中
Figure BDA00004711208600001417
表示给定用户0的数据率R0时用户1的最大数据率,是以下优化问题的最优解:
max h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb s . t . h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0,0 cb &lambda; 0,0 cb + h 01 H u ~ 1,0 cb &lambda; 1,0 cb = 2 R 0 - 1 &CenterDot; &sigma; Im { h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb } = 0 Im { h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0 , 0 cb &lambda; 0 , 0 cb + h 01 H u ~ 1 , 0 cb &lambda; 1 , 0 cb } = 0 &Sigma; k = 0 1 | | Q ( &lambda; k jp u ~ 0 , k jp + &lambda; 0 , k cb u ~ 0 , k cb ) | | 2 &le; P 0 max &Sigma; k = 0 1 | | &lambda; k jp u ~ 1 , k jp + &lambda; 1 , k cb u ~ 1 , k cb | | 2 &le; P 1 max
其中:Im{·}表示复数的虚部,可以得到对应的各项最优加权系数。
黄金分割法的具体步骤如下:
<1>初始搜索区间为[a,b],其中令r1=0.382b,r2=0.618b,计算f2(r1)和f2(r2),进行步骤<2>。
<2>如果f2(r1)<f2(r2),保持变量a不变,令b=r2;否则,如果f2(r1)≥f2(r2),保证变量b不变,令a=r1。在更新后的区间中插入两点r1=a+0.382(b-a),r2=a+0.618(b-a),并重新计算f2(r1)和f2(r2),进行步骤<3>。
<3>如果|a-b|≥ε,其中ε为搜索精度,则重复步骤<2>,否则进行步骤<4>。
<4>计算用户0和用户1的最优数据率
Figure BDA0000471120860000153
且最大加权和数据率为:
max R 0 f 2 ( R 0 ) = &alpha; 0 &CenterDot; a + b 2 + &alpha; 1 &CenterDot; R 1 * ( a + b 2 )
并可以得到对应的各项最优加权系数。
3、计算 max R 0 f 3 ( R 0 )
(3.1)用户0和用户1分别被基站1和基站0以CoMP-CB模式服务,此时
Figure BDA0000471120860000156
下面判断
Figure BDA0000471120860000158
Figure BDA0000471120860000159
与Cbh的大小关系,计算对应的
Figure BDA00004711208600001510
<1>如果 R 0 , 1 cb &GreaterEqual; C bh , R 1 , 0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | .
<2>如果 R 0,1 cb < C bh , R 1,0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | .
<3>如果 R 0,1 cb &GreaterEqual; C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = P 1 max .
<4>如果 R 0,1 cb < C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = P 1 max .
可以计算得到在该模式下的加权和数据率为:
Figure BDA0000471120860000165
(3.2)用户0被基站0和基站1服务,用户1不被服务,即R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 其中
Figure BDA0000471120860000168
Figure BDA0000471120860000169
在前面已介绍,此时加权和数据率为:
Figure BDA00004711208600001610
(3.3)比较(3.1)和(3.2)中最终得到的加权和数据率,计算如下:
max R 0 f 3 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 1,0 cb ) + &alpha; 1 min ( C bh , R 0,1 cb ) , &alpha; 0 R 0 max )
其中:max(·,·)表示表最大值的函数,根据(3.1)和(3.2)中的介绍得到对应的最优加权因子。
4、计算 max R 0 f 4 ( R 0 )
(4.1)用户0和用户1分别被基站0和基站1以CoMP-CB模式服务,此时
Figure BDA00004711208600001613
Figure BDA00004711208600001614
下面判断
Figure BDA00004711208600001615
Figure BDA00004711208600001616
与Cbh的大小关系,计算对应的
Figure BDA00004711208600001617
<1>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | .
<2>如果 R 0,0 cb < C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | .
<3>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = P 1 max .
<4>如果 R 0,0 cb < C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = P 1 max .
可以计算得到在该模式下的加权和数据率为:
Figure BDA00004711208600001626
(4.2)用户0被基站0和基站1服务,用户1不被服务,即
Figure BDA00004711208600001627
R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 其中
Figure BDA00004711208600001629
Figure BDA00004711208600001630
在前面已介绍,此时加权和数据率为:
(4.3)比较(4.1)和(4.2)中最终得到的加权和数据率,计算如下:
max R 0 f 4 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 0,0 cb ) + &alpha; 1 min ( C bh , R 1,1 cb ) , &alpha; 0 R 0 max )
并根据(4.1)和(4.2)得到对应的最优加权因子。
步骤4:根据步骤3的结果计算最优加权和数据率为:
R sum = max ( min ( max f 1 R 0 ( R 0 ) , max R 0 f 2 ( R 0 ) ) , max R 0 f 3 ( R 0 ) , max R 0 f 4 ( R 0 ) )
并得到对应的最优加权系数
Figure BDA0000471120860000173
Figure BDA0000471120860000174
计算得到最优的混合预编码为:
w k hy * = &lambda; k jp * u ~ k jp + [ &lambda; 0 , k cb * ( u ~ 0 , k cb ) T &lambda; 1 , k cb * ( u ~ 1 , k cb ) T T = ( w k 0 hy * ) T ( w k 1 hy * ) T T
根据最优加权系数的取值,可以得到以下几种骨干网数据共享方式和服务模式:
1.如果表示用户k由基站0和1以CoMP-JP模式协作传输,那么对任意的取值,均要求用户k的全部数据在基站0和基站1之间共享;
2.如果
Figure BDA0000471120860000178
表示用户k同时被基站0和基站1以CoMP-CB模式协作传输,要求用户k的全部数据在基站0和基站1之间共享;
3.如果
Figure BDA0000471120860000179
表示用户k被基站0以CoMP-CB模式服务,不被基站1服务,用户k的全部数据只与基站0共享;
4.如果
Figure BDA00004711208600001710
表示用户k被基站1以CoMP-CB模式服务,不被基站0服务,用户k的全部数据只与基站1共享。
图3和图4给出了骨干网容量分别为20bps/Hz和5bps/Hz时单次信道实现下的混合模式、CoMP-CB和CoMP-JP模式的可达数据率域曲线,图3中骨干网数据率未达到容量上界20bps/Hz,此时本发明的混合协作预编码方法可以充分地利用宏基站和微基站的发射功率,因此极大地增大了可达数据率域;图4中骨干网容量很小,此时本发明的混合协作预编码方法退化为CoMP-JP和CoMP-CB之间的模式切换。图5和图6是100次信道实现的平均最大加权和数据率-边缘信噪比曲线,混合协作预编码方法的加权和数据率始终大于CoMP-JP和CoMP-CB模式,在骨干网容量很小(图6)时,CoMP-JP受限于骨干网容量,所以在高信噪比条件下,本发明提出的混合协作预编码方法退化为CoMP-CB模式。

Claims (1)

1.一种异构网中骨干网容量受限的多基站下行协作传输方法,面向多小区异构网系统,即1个宏基站和B个微基站,宏基站和微基站端分别有M和N根天线,设基站0代表宏基站,基站b代表微基站,其中b=1,…,B;小区内用户使用正交接入方案,即每个基站在一个时频资源上只调度一个用户;微小区之间不存在干扰,微用户只受宏基站干扰,宏用户只受相邻最近的微基站干扰,假设该微基站为基站1;宏小区和微小区组成一个协作簇;
传输方法包括以下几个步骤:
步骤1:计算等效信道、CoMP-JP模式、CoMP-CB模式基于P-ZFBF的归一化等效预编码;
1.计算等效信道
基站0、基站1到宏小区用户(用户0)和第1个微小区用户(用户1)的等效信道为:
hk0=Q·gk0,hk1=gk1,(k=0,1)
其中:
Figure FDA0000471120850000011
Figure FDA0000471120850000012
分别表示宏基站0和微基站1到用户k的下行信道向量,
Figure FDA0000471120850000013
表示复数域,
Figure FDA0000471120850000014
表示宏基站到所有对宏用户无干扰的微用户k的信道矩阵
Figure FDA0000471120850000015
的正交投影,k=2,…,B,其中I表示单位矩阵,
Figure FDA0000471120850000016
是宏基站0到微用户k(k=2,…,B)的下行信道矩阵,(·)H表示矩阵的共轭转置;
2.CoMP-JP模式下的P-ZFBF归一化等效预编码
其中:H=[h0,h1]H表示基站0和基站1到用户0和用户1的全局等效信道矩阵,
Figure FDA0000471120850000018
表示基站0和基站1到用户k的全局等效信道向量,k=0,1,(·)T表示矩阵的转置,Ujp表示基于P-ZFBF的CoMP-JP等效预编码矩阵,满足HUjp=I2×2,即用户间无干扰,
Figure FDA0000471120850000019
表示基站0和基站1到用户k的基于P-ZFBF的CoMP-JP等效全局预编码向量,k=0,1;
对基于P-ZFBF的CoMP-JP等效预编码矩阵进行列归一化:
Figure FDA0000471120850000021
其中:
Figure FDA0000471120850000022
表示CoMP-JP模式下,基站0和基站1对用户k的归一化等效全局预编码向量,
Figure FDA0000471120850000023
表示CoMP-JP模式下,基站b对用户k的等效预编码向量,||·||表示矩阵的Frobenius范数;
3.CoMP-CB模式下的P-ZFBF归一化等效预编码
U b cb = H b H ( H b H b H ) - 1 = [ u 0 b cb , u 1 b cb ]
其中:b=0,1,Hb=[h0b,h1b]H表示基站b到用户0和用户1的等效信道矩阵,
Figure FDA0000471120850000025
表示基站b基于P-ZFBF的CoMP-CB等效预编码矩阵,满足即用户间无干扰,
Figure FDA0000471120850000027
表示基站b到用户k的基于P-ZFBF的CoMP-CB等效预编码向量,k=0,1;
对基于P-ZFBF的CoMP-CB等效预编码矩阵进行列归一化:
u ~ b , k cb = u kb cb | | u kb cb | |
其中:表示CoMP-CB模式下,基站b对用户k的归一化等效预编码向量,k=0,1,b=0,1;
步骤2:构造混合协作预编码;将CoMP-JP、CoMP-CB模式进行复数加权组合,得到基站0和基站1对用户k的混合预编码向量:
w k hy = &lambda; k jp u ~ k jp + &lambda; 0 , k cb ( u ~ 0 , k cb ) T &lambda; 1 , k cb ( u ~ 1 , k cb ) T T = ( w k 0 hy ) T ( w k 1 hy ) T T
其中:
Figure FDA00004711208500000211
Figure FDA00004711208500000212
在步骤1中已经得到,分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k基于P-ZFBF的归一化等效预编码向量,
Figure FDA00004711208500000213
分别表示CoMP-JP模式、CoMP-CB模式中基站0和基站1对用户k的预编码向量的复数加权系数;
Figure FDA00004711208500000215
表示基站b对用户k的混合预编码向量,
Figure FDA00004711208500000216
表示基站0和基站1对用户k的全局混合预编码向量;
步骤3:根据用户0和用户1的数据率加权系数α0和α1,骨干网容量Cbh,基站0和基站1的最大发射功率
Figure FDA00004711208500000217
Figure FDA00004711208500000218
计算在满足骨干网有限容量、基站端最大发射功率的条件下,最大的加权和数据率α0R01R1以及对应的协作传输方法;
计算混合预编码时用户0和用户1端的数据率为:
R k = log 2 ( 1 + 1 &sigma; 2 | h k H u ~ k jp &lambda; k jp + h k 0 H u ~ 0 , k cb &lambda; 0 , k cb + h k 1 H u ~ 1 , k cb &lambda; 1 , k cb | 2 )
其中:σ2是用户接收端加性高斯白噪声的方差,
Figure FDA0000471120850000032
的计算方法在步骤1中给出,log2(·)表示以2为底的对数函数,k=0,1,|·|表示取绝对值。
计算基站0和基站1的发射功率Pt,0和Pt,1为:
P t , 0 = &Sigma; k = 0 1 | | Q &CenterDot; ( &lambda; k jp u ~ 0 , k jp + &lambda; 0 , k cb u ~ 0 , k cb ) | | 2 &le; P 0 max
P t , 1 = &Sigma; k = 0 1 | | &lambda; k jp u ~ 1 , k jp + &lambda; 1 , k cb u ~ 1 , k cb | | 2 &le; P 1 max
其中:
Figure FDA0000471120850000036
表示将表达式的值从k=0到1进行求和;
计算基站b以CoMP-CB模式并满功率发射服务用户k时的数据率为:
R b , k cb = log 2 ( 1 + 1 &sigma; 2 | h kb H u ~ b , k cb | 2 P b max )
计算用户1的数据率为0的条件下,在满足骨干网有限容量Cbh和基站端最大发射功率约束时,用户0的最大数据率
Figure FDA0000471120850000038
其中min(·,·)表示取最小值的函数,表示用户1的数据率为0的条件下,满足基站端最大发射功率约束时用户0的最大数据率,是以下优化问题的最优解:
max R 0 s . t . R 0 = log 2 ( 1 + 1 &sigma; 2 | h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0,0 cb &lambda; 0,0 cb + h 01 H u ~ 1,0 cb &lambda; 1,0 cb | 2 ) | | Q ( &lambda; 0 jp u ~ 0,0 jp + &lambda; 0,0 cb u ~ 0,0 cb ) | | 2 &le; P 0 max | | &lambda; 0 jp u ~ 1,0 jp + &lambda; 1,0 cb u ~ 1,0 cb | | 2 &le; P 1 max
根据
Figure FDA00004711208500000311
计算得到对应的最优加权系数为:
Figure FDA00004711208500000312
定义以下函数:
f1(R0)=α0R01(Cbh-R0)
f 2 ( R 0 ) = &alpha; 0 R 0 + &alpha; 1 R 1 * ( R 0 )
f 3 ( R 0 ) = &alpha; 0 R 0 + min ( &alpha; 1 C bh , &alpha; 1 R 0,1 cb ) , 0 &le; R 0 &le; min ( C bh , R 1,0 cb ) &alpha; 0 R 0 , min ( C bh , R 1,0 cb ) &le; R 0 &le; R 0 max
f 4 ( R 0 ) = &alpha; 0 R 0 + min ( &alpha; 1 C bh , &alpha; 1 R 1,1 cb ) , 0 &le; R 0 &le; min ( C bh , R 0,0 cb ) &alpha; 0 R 0 , min ( C bh , R 0,0 cb ) &le; R 0 &le; R 0 max
其中:
Figure FDA0000471120850000043
表示任意给定用户0的数据率R0时,用户1的最大数据率;
按照以下步骤依次计算,寻找使加权和数据率最优的协作传输方法;
1、计算 max R 0 f 1 ( R 0 )
(1.1)如果α0≥α1,则用户0同时被基站0和基站1服务, R 0 = R 0 max = min ( C bh , R 0 * ) , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1 , 0 cb = &lambda; &OverBar; 1,0 cb ;
<1>如果R0=Cbh,则R1=0,即用户1不被服务,
Figure FDA0000471120850000047
<2>如果
Figure FDA0000471120850000048
Figure FDA0000471120850000049
即用户1被两个基站服务,且由数据率的公式反推得到加权系数
Figure FDA00004711208500000410
Figure FDA00004711208500000411
(1.2)如果α01,则用户0不被服务,用户1同时被两个基站服务,即R0=0,R1=Cbh,由数据率的公式反推得到加权系数
Figure FDA00004711208500000412
Figure FDA00004711208500000413
(1.3)根据(1.1)和(1.2),计算得到:
max R 0 f 1 ( R 0 ) = &alpha; 1 C bh + ( &alpha; 0 - &alpha; 1 ) R 0 max , &alpha; 0 &GreaterEqual; &alpha; 1 &alpha; 1 C bh , &alpha; 0 < &alpha; 1
并可以由(1.1)和(1.2)中的计算得到对应的使f1(R0)最大的各项加权系数;
2、计算 max R 0 f 2 ( R 0 )
用户0和用户1均同时被两个基站服务,在R0的取值范围内,使用一维搜索算法,例如黄金分割法,寻找
Figure FDA00004711208500000417
的最大值,其中
Figure FDA00004711208500000418
表示给定用户0的数据率R0时用户1的最大数据率,是以下优化问题的最优解:
max h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb s . t . h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0,0 cb &lambda; 0,0 cb + h 01 H u ~ 1,0 cb &lambda; 1,0 cb = 2 R 0 - 1 &CenterDot; &sigma; Im { h 1 H u ~ 1 jp &lambda; 1 jp + h 10 H u ~ 0,1 cb &lambda; 0,1 cb + h 11 H u ~ 1,1 cb &lambda; 1,1 cb } = 0 Im { h 0 H u ~ 0 jp &lambda; 0 jp + h 00 H u ~ 0 , 0 cb &lambda; 0 , 0 cb + h 01 H u ~ 1 , 0 cb &lambda; 1 , 0 cb } = 0 &Sigma; k = 0 1 | | Q &CenterDot; ( &lambda; k jp u ~ 0 , k jp + &lambda; 0 , k cb u ~ 0 , k cb ) | | 2 &le; P 0 max &Sigma; k = 0 1 | | &lambda; k jp u ~ 1 , k jp + &lambda; 1 , k cb u ~ 1 , k cb | | 2 &le; P 1 max
其中:Im{·}表示复数的虚部,求解该优化问题可以得到对应的最优加权系数;
黄金分割法的具体步骤如下:
<1>初始搜索区间为[a,b],其中
Figure FDA00004711208500000512
令r1=0.382b,r2=0.618b,计算f2(r1)和f2(r2),进行步骤<2>;
<2>如果f2(r1)<f2(r2),保持变量a不变,令b=r2;否则,如果f2(r1)≥f2(r2),保证变量b不变,令a=r1;在更新后的区间中插入两点r1=a+0.382(b-a),r2=a+0.618(b-a),并重新计算f2(r1)和f2(r2),进行步骤<3>;
<3>如果|a-b|≥ε,其中ε为搜索精度,则重复步骤<2>,否则进行步骤<4>;
<4>计算用户0和用户1的最优数据率
Figure FDA0000471120850000052
且最大加权和数据率为:
max R 0 f 2 ( R 0 ) = &alpha; 0 &CenterDot; a + b 2 + &alpha; 1 &CenterDot; R 1 * ( a + b 2 )
并可以得到对应的各项最优加权系数;
3、计算 max R 0 f 3 ( R 0 )
(3.1)用户0和用户1分别被基站1和基站0以CoMP-CB模式服务,此时
Figure FDA0000471120850000055
Figure FDA0000471120850000056
判断
Figure FDA0000471120850000057
与Cbh的大小关系,计算对应的
Figure FDA0000471120850000059
<1>如果 R 0,1 cb &GreaterEqual; C bh , R 1,0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | ;
<2>如果 R 0,1 cb < C bh , R 1,0 cb &GreaterEqual; C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 01 H u ~ 1,0 cb | ;
<3>如果 R 0,1 cb &GreaterEqual; C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 10 H u ~ 0,1 cb | , &lambda; 1,0 cb = P 1 max ;
<4>如果 R 0,1 cb < C bh , R 1,0 cb < C bh , &lambda; 0,1 cb = P 0 max , &lambda; 1,0 cb = P 1 max ;
计算得到在该模式下的加权和数据率为:
Figure FDA0000471120850000067
(3.2)用户0被基站0和基站1服务,用户1不被服务,即R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 其中
Figure FDA00004711208500000610
Figure FDA00004711208500000611
在前面已介绍,此时加权和数据率为:
(3.3)比较(3.1)和(3.2)中最终得到的加权和数据率,计算如下:
max R 0 f 3 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 1,0 cb ) + &alpha; 1 min ( C bh , R 0,1 cb ) , &alpha; 0 R 0 max )
其中:max(·,·)表示表最大值的函数,根据(3.1)和(3.2)中得到对应的最优加权因子;
4、计算 max R 0 f 4 ( R 0 )
(4.1)用户0和用户1分别被基站0和基站1以CoMP-CB模式服务,此时
Figure FDA00004711208500000615
Figure FDA00004711208500000616
判断
Figure FDA00004711208500000617
Figure FDA00004711208500000618
与Cbh的大小关系,计算对应的
Figure FDA00004711208500000619
<1>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | ;
<2>如果 R 0,0 cb < C bh , R 1,1 cb &GreaterEqual; C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = 2 C bh - 1 &CenterDot; &sigma; | h 11 H u ~ 1 , 1 cb | ;
<3>如果 R 0,0 cb &GreaterEqual; C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = 2 C bh - 1 &CenterDot; &sigma; | h 00 H u ~ 0 , 0 cb | , &lambda; 1 , 1 cb = P 1 max ;
<4>如果 R 0,0 cb < C bh , R 1,1 cb < C bh , &lambda; 0 , 0 cb = P 0 max , &lambda; 1 , 1 cb = P 1 max ;
可以计算得到在该模式下的加权和数据率为:
Figure FDA00004711208500000628
(4.2)用户0被基站0和基站1服务,用户1不被服务,即
Figure FDA00004711208500000629
R1=0,此时 &lambda; 1 jp = 0 , &lambda; 0,1 cb = 0 , &lambda; 1,1 cb = 0 , &lambda; 0 jp = &lambda; &OverBar; 0 jp , &lambda; 0,0 cb = &lambda; &OverBar; 0,0 cb , &lambda; 1,0 cb = &lambda; &OverBar; 1,0 cb , 此时加权和数据率为: &alpha; 0 R 0 max + &alpha; 1 &CenterDot; 0 ;
(4.3)比较(4.1)和(4.2)中最终得到的加权和数据率,计算如下:
max R 0 f 4 ( R 0 ) = max ( &alpha; 0 min ( C bh , R 0,0 cb ) + &alpha; 1 min ( C bh , R 1,1 cb ) , &alpha; 0 R 0 max )
并根据(4.1)和(4.2)得到对应的最优加权因子;
步骤4:根据步骤3的结果计算最优加权和数据率为:
R sum = max ( min ( max f 1 R 0 ( R 0 ) , max R 0 f 2 ( R 0 ) ) , max R 0 f 3 ( R 0 ) , max R 0 f 4 ( R 0 ) )
并得到对应的最优加权系数
Figure FDA0000471120850000074
Figure FDA0000471120850000075
计算得到最优的混合预编码为:
w k hy * = &lambda; k jp * u ~ k jp + [ &lambda; 0 , k cb * ( u ~ 0 , k cb ) T &lambda; 1 , k cb * ( u ~ 1 , k cb ) T T = ( w k 0 hy * ) T ( w k 1 hy * ) T T
根据最优加权系数的取值,得到以下几种骨干网数据共享方式和服务模式:
1.如果
Figure FDA0000471120850000077
表示用户k由基站0和1以CoMP-JP模式协作传输,那么对任意的
Figure FDA0000471120850000078
取值,均要求用户k的全部数据在基站0和基站1之间共享;
2.如果表示用户k同时被基站0和基站1以CoMP-CB模式协作传输,要求用户k的全部数据在基站0和基站1之间共享;
3.如果
Figure FDA00004711208500000710
表示用户k被基站0以CoMP-CB模式服务,不被基站1服务,用户k的全部数据只与基站0共享;
4.如果
Figure FDA00004711208500000711
表示用户k被基站1以CoMP-CB模式服务,不被基站0服务,用户k的全部数据只与基站1共享。
CN201410072088.8A 2014-02-28 2014-02-28 一种骨干网容量受限时的多基站协作传输方法 Expired - Fee Related CN103825677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410072088.8A CN103825677B (zh) 2014-02-28 2014-02-28 一种骨干网容量受限时的多基站协作传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410072088.8A CN103825677B (zh) 2014-02-28 2014-02-28 一种骨干网容量受限时的多基站协作传输方法

Publications (2)

Publication Number Publication Date
CN103825677A true CN103825677A (zh) 2014-05-28
CN103825677B CN103825677B (zh) 2017-03-29

Family

ID=50760533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410072088.8A Expired - Fee Related CN103825677B (zh) 2014-02-28 2014-02-28 一种骨干网容量受限时的多基站协作传输方法

Country Status (1)

Country Link
CN (1) CN103825677B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104518861A (zh) * 2014-12-25 2015-04-15 西安电子科技大学 基于容量受限的分布式CoMP数据传输方法
CN104780032A (zh) * 2015-04-14 2015-07-15 大唐移动通信设备有限公司 一种自适应的下行CoMP传输方法和装置
CN105246139A (zh) * 2015-09-30 2016-01-13 吴豪 救治数据在异构网络中的高能效传输方法及装置
CN105307210A (zh) * 2014-06-27 2016-02-03 中国移动通信集团公司 一种小区间的协作方法和装置
CN105790805A (zh) * 2016-02-22 2016-07-20 南京邮电大学 基于线性小区的CoMP协作区域半径的确定方法
CN106301494A (zh) * 2015-06-12 2017-01-04 上海师范大学 异构网络下的干扰管理预编码技术
CN108029044A (zh) * 2015-08-31 2018-05-11 日本电信电话株式会社 调度装置和方法
CN109788479A (zh) * 2019-02-27 2019-05-21 西安交通大学 一种最小化保密中断概率的分布式协作干扰功率分配方法
CN114785382A (zh) * 2022-04-12 2022-07-22 西安电子科技大学 基于深度学习的多基站协同波束匹配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012060631A2 (ko) * 2010-11-02 2012-05-10 엘지전자 주식회사 보간을 이용한 프리코딩 행렬 지시자 피드백 방법 및 장치
CN102647262B (zh) * 2012-04-09 2014-11-12 北京航空航天大学 一种协作通信系统中基于正交波束成形的隐反馈传输方法
CN103037485B (zh) * 2012-12-19 2015-06-24 北京航空航天大学 一种异构网中的低能耗协作传输方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WENJIA LIU 等: "《Hybrid Cooperative Transmission in Heterogeneous Networks》", 《2012 IEEE 23RD INTERNATIONAL SYMPOSIUM ON PERSONAL,INDOOR AND MOBILE RADIO COMMUNICATIONS-(PIMRC)》 *
凌为 等: "《功率约束条件不同时下行相干CoMP传输异构网的性能》", 《信号处理》 *
刘文佳 等: "《异构网中的高效混合协作传输方法》", 《电子与信息学报》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105307210B (zh) * 2014-06-27 2018-11-30 中国移动通信集团公司 一种小区间的协作方法和装置
CN105307210A (zh) * 2014-06-27 2016-02-03 中国移动通信集团公司 一种小区间的协作方法和装置
CN104518861A (zh) * 2014-12-25 2015-04-15 西安电子科技大学 基于容量受限的分布式CoMP数据传输方法
CN104518861B (zh) * 2014-12-25 2017-10-24 西安电子科技大学 基于容量受限的分布式CoMP数据传输方法
WO2016165436A1 (zh) * 2015-04-14 2016-10-20 大唐移动通信设备有限公司 一种自适应的下行CoMP传输方法和装置
CN104780032B (zh) * 2015-04-14 2018-01-26 大唐移动通信设备有限公司 一种自适应的下行CoMP传输方法和装置
CN104780032A (zh) * 2015-04-14 2015-07-15 大唐移动通信设备有限公司 一种自适应的下行CoMP传输方法和装置
US10382175B2 (en) 2015-04-14 2019-08-13 Datang Mobile Communications Equipment Co., Ltd Adaptive downlink coordinated multi-points transmission method and device
CN106301494A (zh) * 2015-06-12 2017-01-04 上海师范大学 异构网络下的干扰管理预编码技术
CN106301494B (zh) * 2015-06-12 2019-10-11 上海师范大学 一种异构网络中针对多用户的干扰管理预编码方法
CN108029044B (zh) * 2015-08-31 2022-03-08 日本电信电话株式会社 调度装置和方法
CN108029044A (zh) * 2015-08-31 2018-05-11 日本电信电话株式会社 调度装置和方法
EP3346758A4 (en) * 2015-08-31 2019-04-17 Nippon Telegraph And Telephone Corporation PLANNING DEVICE AND METHOD
US10485008B2 (en) 2015-08-31 2019-11-19 Nippon Telegraph And Telephone Corporation Scheduling apparatus and method
CN105246139A (zh) * 2015-09-30 2016-01-13 吴豪 救治数据在异构网络中的高能效传输方法及装置
CN105790805B (zh) * 2016-02-22 2019-02-19 南京邮电大学 基于线性小区的CoMP协作区域半径的确定方法
CN105790805A (zh) * 2016-02-22 2016-07-20 南京邮电大学 基于线性小区的CoMP协作区域半径的确定方法
CN109788479A (zh) * 2019-02-27 2019-05-21 西安交通大学 一种最小化保密中断概率的分布式协作干扰功率分配方法
CN109788479B (zh) * 2019-02-27 2020-04-28 西安交通大学 一种最小化保密中断概率的分布式协作干扰功率分配方法
CN114785382A (zh) * 2022-04-12 2022-07-22 西安电子科技大学 基于深度学习的多基站协同波束匹配方法
CN114785382B (zh) * 2022-04-12 2023-09-12 西安电子科技大学 基于深度学习的多基站协同波束匹配方法

Also Published As

Publication number Publication date
CN103825677B (zh) 2017-03-29

Similar Documents

Publication Publication Date Title
Li et al. Cooperative wireless-powered NOMA relaying for B5G IoT networks with hardware impairments and channel estimation errors
CN103825677A (zh) 一种骨干网容量受限时的多基站协作传输方法
Björnson et al. Making cell-free massive MIMO competitive with MMSE processing and centralized implementation
Yang et al. Transmission capacity analysis of relay-assisted device-to-device overlay/underlay communication
CN103037485B (zh) 一种异构网中的低能耗协作传输方法
Zheng et al. Survey of large-scale MIMO systems
Kishiyama et al. Future steps of LTE-A: evolution toward integration of local area and wide area systems
Zhang et al. A unified approach for calculating the outage performance of two-way AF relaying over fading channels
Zhang et al. A practical semidynamic clustering scheme using affinity propagation in cooperative picocells
CN102820954B (zh) 一种降低异构网络小区间干扰的方法
Gupta et al. Power optimization using massive MIMO and small cells approach in different deployment scenarios
CN103973352B (zh) 宏小区多用户mimo系统下行异构网络的干扰抑制方法
Yu et al. Dynamic resource allocation in TDD-based heterogeneous cloud radio access networks
CN104168574B (zh) 一种混合蜂窝系统中基于干扰适变选择的上行传输方法
CN108990160B (zh) 一种基于改进蝙蝠算法的5g通信系统容量优化方法
Li et al. System‐level performance simulation analysis of non‐orthogonal multiple access technology in 5G mobile communication network
Tang et al. Secure beamforming for cognitive cyber-physical systems based on cognitive radio with wireless energy harvesting
Sun et al. On scheduling for massive distributed MIMO downlink
Kour et al. Protocol design and resource allocation for power optimization using spectrum sharing for 5G networks
CN114928385B (zh) 一种基于同时同频全双工d2d通信的频谱效率提升方法
Lee et al. Performance evaluation of coordinated multi-point transmission and reception in indoor mobile communication systems
CN104918260A (zh) 小区间的干扰中和方法及装置
CN103957529A (zh) 一种基于学习的无定形小区的多准则用户选择方法
Li et al. A Real-Time Software Defined Radio Platform for LTE-Advanced Heterogeneous Networks.
Islam et al. Achievable sum rate analysis of relay aided overlay device to device communication among multiple devices

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170329

Termination date: 20180228