CN105024793A - 一种大规模天线系统中基于遗传算法的导频分配方法 - Google Patents
一种大规模天线系统中基于遗传算法的导频分配方法 Download PDFInfo
- Publication number
- CN105024793A CN105024793A CN201510357846.5A CN201510357846A CN105024793A CN 105024793 A CN105024793 A CN 105024793A CN 201510357846 A CN201510357846 A CN 201510357846A CN 105024793 A CN105024793 A CN 105024793A
- Authority
- CN
- China
- Prior art keywords
- gene code
- group
- pilot allocation
- allocation scheme
- community
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
- H04L5/0051—Allocation of pilot signals, i.e. of signals known to the receiver of dedicated pilots, i.e. pilots destined for a single user or terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/14—Two-way operation using the same type of signal, i.e. duplex
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种大规模天线系统中基于遗传算法的导频分配方法,以提高系统中用户的和速率为目标,采用遗传算法,得到最优的导频分配方案。首先,引入基因编码的概念,通过交换编码产生不同的导频分配方案,进而计算不同导频分配方案下的系统中用户的和速率,同时采用优胜劣汰的准则,保留对应的基因编码;其次,对保留的基因编码进行复制、交叉和变异操作,产生新的基因编码;最后,重复以上步骤,经过多轮的优胜劣汰和基因的交叉变异,得到使得系统中用户和速率最大的导频分配方案。本发明采用遗传算法,突破局部最优解的限制,从而缓解大规模天线系统的导频污染影响,并降低导频分配策略的复杂度。
Description
技术领域
本发明涉及一种大规模天线系统中基于遗传算法的导频分配方法,属于无线通信技术领域。
背景技术
大规模天线无线通信系统,即在基站端使用大量天线,利用同一时频资源服务于多个终端用户。理论分析表明,这种架构可以大大提高系统的频谱效率和能量效率,且当天线数目足够多时,可以消除小区内部干扰,并降低噪声对系统性能的影响。在获得上述优势的同时,大规模天线系统还存在一定的问题,即当多终端用户之间采用导频复用方案时,其性能将受限于导频污染。
当多小区所服务的终端用户数目较多,将会导致所需导频数超过可用导频数的情况,此时如果小区间采用导频复用,则其复用策略的不同会对用户平均速率产生至关重要的影响。对所有导频分配策略进行穷举的复杂度过高,仅考虑低复杂度的适用于小区和用户数目都较小情况下的导频分配策略在实际应用中具有明显的局限性。因此在小区用户和天线数目比较多的情况下,设计低复杂度的导频分配策略显得尤为重要。文献“Pilot scheduling schemes formulti-cell massive multiple-input–multiple-output transmission”[S.Jin,M.Li,Y.Huang,Y.Du,X.Gao,《IET Communications》vol.9,issue 5,pp.689–700,2015.]涉及到以提高小区中用户和速率为目标,研究了具有低复杂度的导频分配策略,主要有贪婪算法、禁忌搜索算法以及两者的联合算法,但是上述算法其搜索特性往往受限于局部最优解。
遗传算法是计算机科学中人工智能领域里用于解决最优化问题的一种搜索启发式算法,属于进化算法中的一种。这种启发式算法通常被用来生成有效的解决方案来优化和搜索问题。本发明采用遗传搜索算法,利用算法的本身特性,突破局部最优解的限制,同时以较低的算法复杂度实现各小区用户和速率最大的导频分配策略,缓解大规模天线系统的导频污染影响。
发明内容
为了克服现有技术存在的缺陷和不足,本发明提供了一种大规模天线系统中基于遗传算法的导频分配方法,采用人工智能领域中的遗传算法,突破局部最优解的限制,使得系统中各小区用户的和速率最大,从而缓解无线通信领域中大规模天线系统的导频污染影响,降低导频分配策略的复杂度。
本发明的技术方案如下:
一种大规模天线系统中基于遗传算法的导频分配方法,用于在L个小区中所设置的大规模天线系统,其中每个小区含有一个基站和K个单天线终端用户,基站天线数目为理想情况,即其趋近于无穷大,通信过程采用时分双工机制,并考虑信道间的互易性,同时,考虑有K个正交导频在L个小区中复用,以提高系统中各小区用户和速率为目标,通过采用遗传算法得到最优的导频分配方案,首先,通过引入基因编码的概念,利用交换编码产生不同的导频分配方案,进而计算不同导频分配方案下的系统中的用户和速率,同时采用优胜劣汰的准则,保留对应的基因编码;其次,对保留的基因编码进行复制、交叉和变异操作,产生新的基因编码;最后,重复以上步骤,经过多轮的优胜劣汰和基因的交叉变异,得到使系统中用户和速率最大的导频分配方案,该方法具体步骤如下:
1、随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案;复制导频分配方案为任意一组导频分配方案,记为M组,即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成,且表示第l个小区中分配第k个导频的用户编号,因而可以唯一确定第l个小区的导频分配方案;
2、随机初始化C组基因编码为这里每组基因编码有L条染色体组成,其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因,N表示该染色体上的基因个数,并且满足以下约束条件,这里设置C=M,基因编码与导频分配方案一一对应,具体地,第c组基因编码用于第c组导频分配方案的遗传;
3、初始化遗传代数t=0,并设置最大遗传代数为tmax;
4、分别根据C组基因编码对C组导频分配方案进行交换编码,其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码,可得到C组新的导频分配方案 对于 交换编码即是指根据 对 进行交换编码,其具体操作如下:
(1)把保存到临时变量ptmp中;
(2)对于依次赋值给
(3)把ptmp赋值给
这里对于表示的第个元素值;
5、计算C个适应值,即分别采用C组导频分配方案时,来得到系统中用户的和速率用户的和速率的获得,依赖于导频分配方案且由下式给出:
其中,Rl,k表示第l个小区中第k个用户的速率,并由下式给出,
其中,βllk表示第l个小区中第k个用户到第l个基站的大尺度衰落,βjlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落;
6、选择操作,对适应值进行排序,采用蒙特卡洛选择方法,保留组基因编码 所述蒙特卡洛选择方法具体步骤
(1)首先归一化适应值得到对应的归一化值其中作为第c组基因编码能保留到下一代的概率,即适应度;
(2)第t代C组基因编码分别按照适应度 保留到下一代,表示为 这里集合包含了被保留下的基因编码组;
7、对保留下来的组基因编码 依次进行复制、交叉和变异操作,生成新的C组基因编码
(1)复制操作:第t+1代的基因编码复制第t代保留下来的组基因编码 并扩充至C组基因编码
(2)交叉操作:第t+1代的C组基因编码 之间进行交叉,即随机交换不同组基因编码中相同位置的某个基因,例如,将和进行交换,这里c≠c′;
(3)变异操作:第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异,例如,随机变异为1到K中的一个值;
8、判断t是否达到最大遗传代数tmax,如果t=tmax,执行步骤9;否则,遗传代数增加1,即t=t+1,转入步骤4;
9、最终导频分配方案由给出。
本发明的有益效果:针对现有导频分配方案的不足,本发明采用遗传算法,突破局部最优解的限制,使得系统中用户的平均速率最大,从而显著缓解大规模天线系统的导频污染影响,并且降低导频分配策略的复杂度。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但不限于此。
实施例:
本发明方法实施例如图1所示,一种大规模天线系统中基于遗传算法的导频分配方法,用于在L个小区中所设置的大规模天线系统,其中每个小区含有一个基站和K个单天线终端用户,基站天线数目为理想情况,即其趋近于无穷大,通信过程采用时分双工机制,并考虑信道间的互易性,同时,考虑有K个正交导频在L个小区中复用,以提高系统中各小区用户和速率为目标,通过采用遗传算法得到最优的导频分配方案,首先,通过引入基因编码的概念,利用交换编码产生不同的导频分配方案,进而计算不同导频分配方案下的系统中的用户和速率,同时采用优胜劣汰的准则,保留对应的基因编码;其次,对保留的基因编码进行复制、交叉和变异操作,产生新的基因编码;最后,重复以上步骤,经过多轮的优胜劣汰和基因的交叉变异,得到使系统中用户和速率最大的导频分配方案,该方法具体步骤如下:
1、随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案;复制导频分配方案为任意一组导频分配方案,记为M组,即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成,且表示第l个小区中分配第k个导频的用户编号,因而可以唯一确定第l个小区的导频分配方案;
2、随机初始化C组基因编码为这里每组基因编码有L条染色体组成,其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因,N表示该染色体上的基因个数,并且满足以下约束条件,这里设置C=M,基因编码与导频分配方案一一对应,具体地,第c组基因编码用于第c组导频分配方案的遗传;
3、初始化遗传代数t=0,并设置最大遗传代数为tmax;
4、分别根据C组基因编码对C组导频分配方案进行交换编码,其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码,可得到C组新的导频分配方案 对于 交换编码即是指根据 对 进行交换编码,其具体操作如下:
(1)把保存到临时变量ptmp中;
(2)对于依次赋值给
(3)把ptmp赋值给
这里对于表示的第个元素值;
5、计算C个适应值,即分别采用C组导频分配方案时,来得到系统中用户的和速率用户的和速率的获得,依赖于导频分配方案且由下式给出:
其中,Rl,k表示第l个小区中第k个用户的速率,并由下式给出,
其中,βllk表示第l个小区中第k个用户到第l个基站的大尺度衰落,βjlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落;
6、选择操作,对适应值进行排序,采用蒙特卡洛选择方法,保留组基因编码 所述蒙特卡洛选择方法具体步骤
(1)首先归一化适应值得到对应的归一化值{pc},c∈{1,2,…,C}其中pc∈[0,1]作为第c组基因编码能保留到下一代的概率,即适应度;
(2)第t代C组基因编码分别按照适应度{pc},c∈{1,2,…,C}保留到下一代,表示为这里集合包含了被保留下的基因编码组;
7、对保留下来的组基因编码 依次进行复制、交叉和变异操作,生成新的C组基因编码
(1)复制操作:第t+1代的基因编码复制第t代保留下来的组基因编码 并扩充至C组基因编码
(2)交叉操作:第t+1代的C组基因编码 之间进行交叉,即随机交换不同组基因编码中相同位置的某个基因,例如,将和进行交换,这里c≠c′;
(3)变异操作:第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异,例如,随机变异为1到K中的一个值;
8、判断t是否达到最大遗传代数tmax,如果t=tmax,执行步骤9;否则,遗传代数增加1,即t=t+1,转入步骤4;
9、最终导频分配方案由给出。
Claims (1)
1.一种大规模天线系统中基于遗传算法的导频分配方法,用于在L个小区中所设置的大规模天线系统,其中每个小区含有一个基站和K个单天线终端用户,基站天线数目为理想情况,即其趋近于无穷大,通信过程采用时分双工机制,并考虑信道间的互易性,同时,考虑有K个正交导频在L个小区中复用,以提高系统中各小区用户和速率为目标,通过采用遗传算法得到最优的导频分配方案,首先,通过引入基因编码的概念,利用交换编码产生不同的导频分配方案,进而计算不同导频分配方案下的系统中的用户和速率,同时采用优胜劣汰的准则,保留对应的基因编码;其次,对保留的基因编码进行复制、交叉和变异操作,产生新的基因编码;最后,重复以上步骤,经过多轮的优胜劣汰和基因的交叉变异,得到使系统中用户和速率最大的导频分配方案,该方法具体步骤如下:
1)随机初始化一组导频分配方案为且将其用于初始化第l个小区导频分配方案;复制导频分配方案为任意一组导频分配方案,记为M组,即第l个小区的导频分配方案为其序列由整数1到K的一种有序排列构成,且表示第l个小区中分配第k个导频的用户编号,因而可以唯一确定第l个小区的导频分配方案;
2)随机初始化C组基因编码为这里每组基因编码有L条染色体组成,其中第c组基因编码中的第l条染色体为其中表示染色体的第n个基因,N表示该染色体上的基因个数,并且满足以下约束条件,这里设置C=M,基因编码与导频分配方案一一对应,具体地,第c组基因编码用于第c组导频分配方案的遗传;
3)初始化遗传代数t=0,并设置最大遗传代数为tmax;
4)分别根据C组基因编码对C组导频分配方案进行交换编码,其中第c组基因编码中的染色体用做第l个小区用户的导频分配方案的交换编码,可得到C组新的导频分配方案 对于 l∈{1,2,...,L},交换编码即是指根据 对 进行交换编码,其具体操作如下:
(1)把保存到临时变量ptmp中;
(2)对于 依次赋值给
(3)把ptmp赋值给
这里对于 表示的第个元素值;
5)计算C个适应值,即分别采用C组导频分配方案时,来得到系统中用户的和速率用户的和速率的获得,依赖于导频分配方案且由下式给出:
其中,Rl,k表示第l个小区中第k个用户的速率,并由下式给出,
其中,βllk表示第l个小区中第k个用户到第l个基站的大尺度衰落,βjlk(j≠l)表示由导频分配方案确定的第j个小区和第l个小区中第k个使用相同导频的用户到第l个基站的大尺度衰落;
6)选择操作,对适应值进行排序,采用蒙特卡洛选择方法,保留组基因编码所述蒙特卡洛选择方法具体步骤如下:
(1)首先归一化适应值得到对应的归一化值{pc},c∈{1,2,...,C}其中pc∈[0,1]作为第c组基因编码能保留到下一代的概率,即适应度;
(2)第t代C组基因编码分别按照适应度{pc},c∈{1,2,...,C}保留到下一代,表示为这里集合包含了被保留下的基因编码组;
7)对保留下来的组基因编码依次进行复制、交叉和变异操作,生成新的C组基因编码
(1)复制操作:第t+1代的基因编码复制第t代保留下来的组基因编码并扩充至C组基因编码
(2)交叉操作:第t+1代的C组基因编码之间进行交叉,即随机交换不同组基因编码中相同位置的某个基因,例如,将和进行交换,这里c≠c′;
(3)变异操作:第t+1代的某一组基因编码中某一条染色体上的某一个基因随机选择变异;
8)判断t是否达到最大遗传代数tmax,如果t=tmax,执行步骤9;否则,遗传代数增加1,即t=t+1,转入步骤4);
9)最终导频分配方案由给出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510357846.5A CN105024793B (zh) | 2015-06-25 | 2015-06-25 | 一种大规模天线系统中基于遗传算法的导频分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510357846.5A CN105024793B (zh) | 2015-06-25 | 2015-06-25 | 一种大规模天线系统中基于遗传算法的导频分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105024793A true CN105024793A (zh) | 2015-11-04 |
CN105024793B CN105024793B (zh) | 2018-02-13 |
Family
ID=54414535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510357846.5A Expired - Fee Related CN105024793B (zh) | 2015-06-25 | 2015-06-25 | 一种大规模天线系统中基于遗传算法的导频分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105024793B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105450381A (zh) * | 2015-12-23 | 2016-03-30 | 山东大学 | 一种基于人工鱼群算法的导频分配方法 |
CN106059728A (zh) * | 2016-05-05 | 2016-10-26 | 西安交通大学 | 一种大规模mimo系统中的基于相移的导频设计方法 |
CN106712817A (zh) * | 2016-12-26 | 2017-05-24 | 山东大学 | 一种低复杂度的基于用户交换的导频分配方法 |
CN110048823A (zh) * | 2019-03-14 | 2019-07-23 | 北京交通大学 | 用于去蜂窝大规模mimo系统的非正交导频分配方法 |
CN110351211A (zh) * | 2019-07-17 | 2019-10-18 | 聂阳 | 一种短波通信信道估计中导频图案位置的智能搜索方法 |
CN110995399A (zh) * | 2019-11-18 | 2020-04-10 | 杭州电子科技大学 | 一种基于用户分组的大规模mimo导频分配方法 |
CN111162886A (zh) * | 2019-12-12 | 2020-05-15 | 聂阳 | 数字调幅广播信道估计中导频图案的分配优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102752767A (zh) * | 2012-07-02 | 2012-10-24 | 厦门大学 | 一种用多目标遗传算法改善蜂窝小区边缘用户性能的方法 |
CN104349358A (zh) * | 2013-08-05 | 2015-02-11 | 普天信息技术研究院有限公司 | 一种天馈优化方法 |
CN104702390A (zh) * | 2015-02-04 | 2015-06-10 | 南京邮电大学 | 分布式压缩感知信道估计中的导频分配方法 |
-
2015
- 2015-06-25 CN CN201510357846.5A patent/CN105024793B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102752767A (zh) * | 2012-07-02 | 2012-10-24 | 厦门大学 | 一种用多目标遗传算法改善蜂窝小区边缘用户性能的方法 |
CN104349358A (zh) * | 2013-08-05 | 2015-02-11 | 普天信息技术研究院有限公司 | 一种天馈优化方法 |
CN104702390A (zh) * | 2015-02-04 | 2015-06-10 | 南京邮电大学 | 分布式压缩感知信道估计中的导频分配方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105450381A (zh) * | 2015-12-23 | 2016-03-30 | 山东大学 | 一种基于人工鱼群算法的导频分配方法 |
CN105450381B (zh) * | 2015-12-23 | 2018-06-22 | 山东大学 | 一种基于人工鱼群算法的导频分配方法 |
CN106059728A (zh) * | 2016-05-05 | 2016-10-26 | 西安交通大学 | 一种大规模mimo系统中的基于相移的导频设计方法 |
CN106059728B (zh) * | 2016-05-05 | 2019-03-01 | 西安交通大学 | 一种大规模mimo系统中的基于相移的导频设计方法 |
CN106712817A (zh) * | 2016-12-26 | 2017-05-24 | 山东大学 | 一种低复杂度的基于用户交换的导频分配方法 |
CN106712817B (zh) * | 2016-12-26 | 2020-01-14 | 山东大学 | 一种低复杂度的基于用户交换的导频分配方法 |
CN110048823A (zh) * | 2019-03-14 | 2019-07-23 | 北京交通大学 | 用于去蜂窝大规模mimo系统的非正交导频分配方法 |
CN110048823B (zh) * | 2019-03-14 | 2020-04-21 | 北京交通大学 | 用于去蜂窝大规模mimo系统的非正交导频分配方法 |
CN110351211A (zh) * | 2019-07-17 | 2019-10-18 | 聂阳 | 一种短波通信信道估计中导频图案位置的智能搜索方法 |
CN110351211B (zh) * | 2019-07-17 | 2021-10-15 | 聂阳 | 一种短波通信信道估计中导频图案位置的智能搜索方法 |
CN110995399A (zh) * | 2019-11-18 | 2020-04-10 | 杭州电子科技大学 | 一种基于用户分组的大规模mimo导频分配方法 |
CN111162886A (zh) * | 2019-12-12 | 2020-05-15 | 聂阳 | 数字调幅广播信道估计中导频图案的分配优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105024793B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105024793A (zh) | 一种大规模天线系统中基于遗传算法的导频分配方法 | |
CN103916355B (zh) | 一种认知ofdm网络中子载波的分配方法 | |
CN104410480A (zh) | 一种大规模mimo系统中基于大尺度衰落的导频分配方法 | |
CN105517134B (zh) | 支持信息安全传输的异构融合网络联合用户关联及功率分配方法 | |
CN104993889A (zh) | 一种基于人工蜂群算法的多频带协作频谱感知优化方法 | |
CN106549697A (zh) | 协作通信系统中联合波束赋形和天线选择的发射方案 | |
CN102355718B (zh) | 一种联合高干扰指示和过载指示的上行干扰协调方法 | |
CN109274412B (zh) | 一种大规模mimo系统的天线选择方法 | |
CN106231666A (zh) | 分布式天线系统中基于能效的联合资源分配方法 | |
CN105554780A (zh) | 毫米波下Massive MIMO多小区协作波束分配方法 | |
CN105207761A (zh) | 一种基于遗传算法的tdd系统导频调度方法 | |
CN108770054B (zh) | 一种scma资源动态优化分配方法 | |
CN108260193B (zh) | 一种异构网络中基于信道聚合的联合资源分配方法及装置 | |
CN106358300A (zh) | 一种微蜂窝网络中的分布式资源分配方法 | |
CN110995399B (zh) | 一种基于用户分组的大规模mimo导频分配方法 | |
CN101262701A (zh) | 一种基于遗传算法的动态信道分配方法 | |
Wang et al. | Energy efficiency maximization for multi-carrier cooperative non-orthogonal multiple access systems | |
CN104009824A (zh) | 一种基站协作上行链路系统中基于差分进化的导频辅助数据融合方法 | |
Liu et al. | Robust power control for clustering-based vehicle-to-vehicle communication | |
CN105163328A (zh) | 一种偏移导频位置分配方法和装置 | |
CN112954806A (zh) | 异构网络中基于弦图着色的联合干扰对齐与资源分配方法 | |
CN110167045B (zh) | 一种异构网络能效优化方法 | |
CN105450381A (zh) | 一种基于人工鱼群算法的导频分配方法 | |
CN103200690B (zh) | 一种异构无线网络的分布式资源分配方法 | |
CN107342802B (zh) | 随机天线选择方法与大规模mimo系统 |
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 |
Granted publication date: 20180213 Termination date: 20200625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |