CN105450274B - 基于能效最优的大规模多天线中继系统用户数优化方法 - Google Patents
基于能效最优的大规模多天线中继系统用户数优化方法 Download PDFInfo
- Publication number
- CN105450274B CN105450274B CN201510757479.8A CN201510757479A CN105450274B CN 105450274 B CN105450274 B CN 105450274B CN 201510757479 A CN201510757479 A CN 201510757479A CN 105450274 B CN105450274 B CN 105450274B
- Authority
- CN
- China
- Prior art keywords
- relay node
- users
- efficiency
- indicate
- optimal
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0452—Multi-user MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
- H04B7/15507—Relay station based processing for cell extension or control of coverage area
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于能效最优的大规模多天线中继系统用户数优化方法。该系统由多个发端用户和多个收端用户组成通信对,借助一个中继节点站通过两跳完成发端用户到收端用户的信息传输。系统中所有收发用户均配置单根天线,中继节点配置大规模数量天线阵列,如摘要附图中所示。本发明方法以最大化系统能效为目标,以被服务的用户数为优化变量建立数学模型。由于该优化问题中目标函数无精确解析表达式,因此,借助于大维随机矩阵理论中的大数定律,先对目标函数进行近似转化,进而求得目标函数的一种精确近似解析表达式。利用该解析表达式关于优化变量的拟凹特性,提出一种最优服务用户数的数值求解方法。
Description
技术领域
本发明属于无线通信技术领域,具体涉及基于能效最优的大规模多天线中继系统用户数优化方法。
背景技术
多输入多输出(简称MIMO)技术在无线通信系统中所发挥的作用越来越重要,在利用了空域资源之后,使得无线通信系统在可达速率、频谱效率、链路可靠性等方面有了显著地提升。然而,传统MIMO系统中所利用的天线数是较少的,包括最新的通信标准LTE-A中也仅仅使用了8端口天线,这对于潜在的丰富空域资源而言,显然对其探索是远远不够的。美国贝尔实验室科学家Thomas L.Marzetta教授早在2006年就指出当基站天线数远大于单天线用户数时,额外多出的天线对于系统性能而言总能起到积极作用的。直到2010年大规模多输入多输出(简称大规模MIMO)技术才被正式提出,这一技术从提出至今,便一直受到国内外无线通信行业人士的广泛关注,业内人士都对其在第五代移动通信系统中起到的核心作用寄予了厚望。
所谓大规模MIMO技术是指在基站端配置大规模数量的天线阵列来同时服务多个用户,并且天线数量级远大于服务的用户数量级。通过在基站端使用大规模天线阵列挖掘空域可用资源,可以获得许多相对于传统MIMO系统的新特性。例如,原本具有随机特性的信道参数将呈现出确定性(即信道硬化现象),空间波束分辨率将大大提高从而可以更加准确的将波束对准各个用户,可以在基站端采用简单的线性预编码/检测方法来有效消除多用户干扰从而达到近似最优的性能系统,丰富的自由度用于先进的恒包络波束赋形从而降低对功放的线性度要求等等。
与此同时,多天线中继技术作为未来异构网络架构中重要组成部分也一直受到工业界和学术界的广泛关注。通过引入多天线中继节点,可以大大提升小区覆盖范围,提高边缘用户的传输速率,增强传输链路可靠性。但是,在多用户中继系统中,用户间干扰一直是限制多天线中继系统的瓶颈所在。针对这一问题,业界提出了多种不同的解决方案用以消除或抑制多用户干扰,这其中主要包括:(1)通过在不同用户间分配正交时频资源,通过资源划分来抑制用户间干扰;(2)通过联合设计预编码和接收机算法来达到对抗用户间干扰的目的;(3)通过控制同时服务的用户数量,选择相互间干扰较小的用户进行多用户传输来在一定程度上抑制用户间干扰。然而,第一种方法虽然可以较好地消除用户间干扰,但是带来的是额外时频资源的开销,造成了系统整体频谱效率的下降。第二种方法则会大大增加算法复杂度,对中继节点和收端用户的计算资源开销提出了更高的要求。第三种虽然可以保证同时服务的用户性能最佳,但是会产生服务用户的公平性问题,也即存在若干用户由于信道干扰影响,一直无法接入服务的现象。显然,这些方案都存在较大的缺陷。正基于此,Himal A.Suraweera等人于2013年首次提出将大规模MIMO技术引入多用户多天线中继系统,利用大规模MIMO在多用户传输过程中所提供的良好的抑制干扰能力来解决成对用户多天线中继系统的用户间干扰问题。与此同时,大规模天线所带来的大量额外自由度,也提供了更多用户接入服务的可能性,特别是在未来密集用户网络场景下具有重要的实际意义和应用背景。
值得注意的是,在将大规模天线阵列引入中继节点的同时,也不可避免的会带来一些问题。最直接的问题就是大量天线的使用所造成的射频通道固定电路总功耗成倍提升,而固定电路总功耗的大幅提升势必会对中继系统的整体能效性能造成影响。因此,从系统能效性能出发,研究大规模天线中继系统中固定电路功耗对可服务用户数的影响是十分有必要的。特别是在绿色通信这一主流概念下,将固定电路功耗考虑进来,从而确定出系统能够服务的最优用户数,对于网络优化是很有意义的,而这一问题尚未有研究人员涉足。为了解决大规模天线中继系统中的用户数优化问题,我们提出了基于能效最大化的用户数优化模型,由于该模型中目标函数过于复杂且没有精确的解析表达式,因而优化问题求解过程十分困难。
本发明公开了一种基于能效最优的大规模多天线中继系统用户数优化方法。该系统由多个发端用户和多个收端用户组成通信对,借助一个中继节点站通过两跳完成发端用户到收端用户的信息传输。系统中所有收发用户均配置单根天线,中继节点配置大规模数量天线阵列,如摘要附图中所示。本发明方法以最大化系统能效为目标,以被服务的用户数为优化变量建立数学模型。由于该优化问题中目标函数无精确解析表达式,因此,借助于大维随机矩阵理论中的大数定律,先对目标函数进行近似转化,进而求得目标函数的一种精确近似解析表达式。利用该解析表达式关于优化变量的拟凹特性,提出一种最优服务用户数的数值求解方法。
发明内容
本发明为使成对用户大规模天线中继系统获得较高的能效性能而提出一种基于能效最优的大规模多天线中继系统用户数优化方法,给出了最优用户数的数值求解算法。
本发明的基于能效最优的大规模多天线中继系统用户数优化方法,其特征在于,所述方法包括以下步骤:
1).中继节点通过信道估计获得它到所有发端用户和收端用户间的理想信道状态信息,即信道矩阵和其中,hk表示第k个发端用户到中继节点的信道向量且服从复高斯分布 表示中继节点到第k个收端用的信道向量且服从复高斯分布假设系统采用时分双工制式,且信道服从平坦块衰落,也即在信道相干时间内信道系数保持不变。
2).在第一跳内,K(≥1)个发端用户同时向中继节点发送信息符号,如附图1中第一跳起始时刻所示,则在中继节点处的接收信号可以表示为向量r,如附图1中第一跳结束时刻所示,r的表达式如下所示,
其中,x=[x1,x2,...,xK]T,xk(k=1,2,...,K)表示第k个发端用户的发射符号且nr表示第一时隙在中继节点处的单位功率加性白噪声且满足复高斯分布
3).在第二跳开始前,中继节点采用最大比合并和最大比发送预编码矩阵对接收到的信号r进行放大,形成转发信号向量t,如附图1中第二跳起始时刻所示,转发信号t具有如下形式表达式,
其中,ξ为功率归一化因子用以满足中继节点处的第二跳平均总发射功率约束ρr,即,
则,然后,中继节点将信号t通过第二
跳转发至所有收端用户,如附图1中第二跳结束时刻所示,则第k个收端用户接收到的信号
yk可以表示为如下形式,
其中,nk表示第k个收端用户处的单位功率加性白噪声且满足复高斯分布
4).基于步骤3)中收端用户的接收信号表达式,可以得第k个收端用户的接收信干燥比SINR表达式如下所示,
其中,从而可以得
到第k个收端用户的平均频谱效率如下式所示,
其中,表示将占用的两个时隙资源考虑在内所产生的频谱效率损失。
5).基于步骤4)中平均频谱效率表达式,在中继节点处建立以最大化系统总能效函数η(K)为目标,以被服务用户对数K为变量的数学优化模型,如下所示,
其中,η(K)表示关于用户对数K的能效函数,SΣ表示所有用户的总频谱效率,PΣ表示系统的总功率消耗,μs≥1表示每个发端用户发射机功放器件的效率损耗常量因子,μr≥1表示中继节点发射机功放器件的效率损耗常量因子,Ps表示每个发端用户发射机的常量固定功率消耗,Pr表示中继节点收发机每根天线上的常量固定功率消耗。
6).由于步骤5)中目标函数中包含Sk,其精确解析表达式难以获得,不利于后续优化问题的解决。此处,根据大数定律(参见文献1中公式(44):S.Jin,X.Liang,K.-K Wong,X.Gao,and Q.Zhu,“Ergodic rate analysis for multipair massive MIMO two-wayrelay networks,”IEEE Transactions on Wireless Communication,vol.14,no.3,pp.1488,Mar.2015.),如下所示,
大数定律:
设N维向量p和q为独立同分布的复高斯随机向量,即和则满足如下特性,
对步骤4)中γk表示式所包含的各项进行近似,可得到如下表达式,
则,Sk可以近似表示为如下所示,
从和的表达式中可以看到,这四项都是由若干非负随机变量求和组成,利用如下定理1(参见文献2中的Lemma 1:Q.Zhang,S.Jin,K.K.Wong,and H.B.Zhu,“Power scaling of uplink massive MIMO systems with arbitrary-rank channelmeans,”IEEE Journal Of Selected Topics In Signal Process.,vol.8,no.5,pp.969,Oct.2014.),
定理1:
设两个随机变量P和Q满足和其中,Pn和Qm均为非负随机变量,则,可以得到如下近似表达式
同时,可以保证当N和M逐渐增大时,上式近似精确度将越来越高。
进一步将近似为如下所示,
利用复高斯随机向量乘积的统计特性可以直接计算得到的解析表达式如下所示,
其中,
8).考虑到中继节点部署的大规模天线数通常远大于用户数,即N>>K,并利用高信噪比条件,即ρr>>1和ρs>>1,将步骤7)中得到的解析表达式近似化简为如下形式,
9).基于步骤8)中的解析表达式将步骤5)中的优化问题的目标函数η(ρs,ρr)近似表达为并用来代替步骤5)中优化问题的目标函数,转化为如下形式的优化问题,
10).由于步骤9)中优化变量K属于正整数集合,该优化问题属于非凸整数规划。为了便于问题求解,将变量K先释放为连续实数变量,则可以直接判断出的分母PΣ关于变量K是线性仿射函数,分子关于变量K是严格的凹函数且随着K呈单调递增趋势。借鉴文献3(E.Bjornson,L.Sanguinetti,J.Hoydis and M.Debbah,“Designing multiuserMIMO for energy efficiency:When is massive MIMO the answer?,”Proceedings ofIEEE Wireless Communications and Networking Conference,Istanbul,Apr.2014,pp.244.)中引理2(Lemma 2)的证明过程,可以证明得到关于变量K是严格拟凹的,且存在一个全局最优解Kopt。同时,当K<Kopt时,随K单调增加;当K>Kopt时,随K单调减小。利用关于K的变化趋势特性,可以采用高效的二分法搜索求解Kopt,具体步骤如下:
10.1).设定系统最小服务用户个数Kmin和最大服务用户个数Kmax。如果
且则Kopt=Kmax。如果且则Kopt=Kmin。如果以
上条件都不满足,则转到步骤10.2)。
10.2).设定二分法算法终止阈值ε,搜索次数变量n=1。
10.3).令计算并判断与0的大小关系。如果则令Kmin=K(n)。如果则令Kmax=K(n)。
10.4).如果|Kmax-Kmin|≤ε,则终止搜索过程,并输出最优服务用户数发射功率组合若不满足终止条件,则n=n+1,返回步骤10.3)重新进行搜索过程,直到满足终止条件。
11).由于步骤10)中求出的最优服务用户数Kopt通常不是整数,根据步骤10)中能效函数关于K变化关系,最终可以得到最优的服务用户数为round{Kopt}。
其中,(·)H—表示矩阵的共轭转置运算,—表示正整数集合,—针对随机量(向量)的数学期望运算,Tr{·}—矩阵的迹,round{x}—表示取与实数x最近的整数,|·|—表示实数取绝对值运算或复数求模值运算,Tr{·}—表示均值为μ方差为σ2的复高斯随机分布,||·||—表示向量2范数运算,—表示函数f(x)对自变量x的一阶导数在x0处的取值,N—中继节点天线数,ρs—每个信源用户的平均发射功率,ρr—中继节点的平均发射总功率。
本发明提出了一种基于能效最优的大规模多天线中继系统用户数优化方法,利用高效的二分法求解最优用户数的数值解。通过将固定电路总功耗因素考虑进来,从能效角度优化系统可服务用户数,使得大规模天线中继系统在抑制用户间干扰上可以获得较好性能的同时,使得系统总能效性能达到最优。
附图说明
图1为本发明方法的系统模型;
图2为本发明算法基本流程图;
图3为在不同的用户对数目K场景下,本专利所提出的频谱效率解析表达式与蒙特卡洛仿真结果对比图;
图4为在不同的中继节点天线数N下,本专利所提出的用户数优化方法用于求解最优服务用户数和对应的最优系统能效值。
图5为在不同的中继节点每天线固定功耗Pr取值下,本专利所提出的用户数优化方法用于求解最优服务用户数和对应的最优系统能效值。
具体实施方式:
结合图2所示的算法流程图对本发明的基于能效最优的大规模多天线中继系统用户数优化方法作具体说明,包括如下步骤:
1).中继节点通过信道估计获得它到所有信源用户和信宿用户间的理想信道状态信息,即信道矩阵和其中,hk表示第k个信源用户到中继节点的信道向量且服从复高斯分布 表示中继节点到第k个信宿用的信道向量且服从复高斯分布假设系统采用时分双工制式,且信道服从平坦块衰落,也即在信道相干时间内信道系数保持不变。
2).在中继节点处建立以最大化系统总能效函数η(K)为目标,以中继节点天线数为变量的数学优化模型,如下所示,
其中,η(K)表示关于用户对数K的能效函数,SΣ表示所有用户的总频谱效率,PΣ表示系统的总功率消耗,μs≥1表示每个发端用户发射机功放器件的效率损耗常量因子,μr≥1表示中继节点发射机功放器件的效率损耗常量因子,Ps表示每个发端用户发射机的常量固定功率消耗,Pr表示中继节点收发机每根天线上的常量固定功率消耗,γk表示第k个信宿用户的接收信干燥比SINR,如下所示,
其中,
3).结合大数定律和说明书中定理1,并考虑大规模天线数与高信噪比区间,即N>>K、ρr>>1和ρs>>1,可将步骤2)中频谱效率Sk近似化简为如下形式,
4).基于步骤3)中的频谱效率近似表达式将步骤2)中优化问题的目标函数进行替换,近似转换为如下形式的优化问题,
5).基于步骤4)中优化问题,采用二分法求解最优用户数Kopt。具体步骤如下:
5.1).设定系统最小服务用户个数Kmin和最大服务用户个数Kmax。如果
且则Kopt=Kmax。如果且则Kopt=Kmin。如果以
上条件都不满足,则转到步骤10.2)。
5.2).设定二分法算法终止阈值ε,搜索次数变量n=1。
5.3).令计算并判断与0的大小关系。如果则令Kmin=K(n)。如果则令Kmax=K(n)。
5.4).如果|Kmax-Kmin|≤ε,则终止搜索过程,并输出最优服务用户数发射功率组合若不满足终止条件,则n=n+1,返回步骤5.3)重新进行搜索过程,直到满足终止条件跳出搜索过程。
6).将步骤5)中求出的最优服务用户数Kopt进行取整运算round{Kopt},即可得到最优的服务用户数。算法结束。
其中,(·)H—表示矩阵的共轭转置运算,—表示正整数集合,—针对随机量(向量)的数学期望运算,Tr{·}—矩阵的迹,round{x}—表示取与实数x最近的整数,|·|—表示实数取绝对值运算或复数求模值运算,Tr{·}—表示均值为μ方差为σ2的复高斯随机分布,||·||—表示向量2范数运算,—表示函数f(x)对自变量x的一阶导数在x0处的取值,N—中继节点天线数,ρs—每个信源用户的平均发射功率,ρr—中继节点的平均发射总功率。
图3给出了不同的用户对个数场景下,发射功率ρr=ρs=10dB时,随着中继节点天线数的增长,本专利所给出的频谱效率近似解析表达式与蒙特卡洛数值仿真结果的对比曲线。从图中可以看到,本专利所提出的解析近似表达式具有非常好的近似效果,与蒙特卡洛数值仿真曲线之间的差异几乎可以忽略不计,表明了本专利所提出的近似解析表达式具有很好地效果。图4给出了发端用户天线固定功耗和中继节点每根天线固定功耗满足Ps=Pr=0dB时,在中继节点配置不同的天线数情况下,本专利所给出的最优服务用户数(图中以圆圈表示最优用户数)。从图中可以看出,系统总能效随着服务用户数呈现先增后减的趋势,并且本方案可以给出精确的最优用户数。同时,可以看到随着中继节点天线数的增多,系统可服务的最优用户对数也逐渐增多,而且系统总能效值也有所提升,这表明大规模天线阵列的使用,提供了更多的用户接入服务的机会,并且对于系统能效性能的提升有积极作用。图5给出了当中继节点天线数N=200时,在不同的中继节点每天线固定功耗Pr取值下,本专利所给出的最优服务用户数(图中以圆圈表示最优用户数)。从图中可以看出,随着中继每天线固定功耗的增加,系统所可服务的最优用户数仍然逐渐增加,但是系统的总能效明显下降,由此可见可服务的用户数和系统总能效之间存在一个折中。
Claims (1)
1.一种基于能效最优的大规模多天线中继系统用户数优化方法,其特征在于,所述方法包括以下步骤:
1).中继节点通过信道估计获得它到所有发端用户和收端用户间的理想信道状态信息,即信道矩阵和其中,hk表示第k个发端用户到中继节点的信道向量且服从复高斯分布CN(0,IN),表示中继节点到第k个收端用户的信道向量且服从复高斯分布CN(0,IN);假设系统采用时分双工制式,且信道服从平坦块衰落,也即在信道相干时间内信道系数保持不变;
2).在第一跳内,K(>1)个发端用户同时向中继节点发送信息符号,则在中继节点处的接收信号向量r可以表示为如下形式,
其中,x=[x1,x2,...,xK]T,xk(k=1,2,...,K)表示第k个发端用户的发射符号且E{|xk|2}=1,nr表示第一时隙在中继节点处的单位功率加性白噪声且满足复高斯分布CN(0,IN);
3).在第二跳开始前,中继节点采用最大比合并和最大比发送预编码矩阵对接收到的信号r进行放大,形成转发信号向量t如下所示,
其中,ξ为功率归一化因子用以满足中继节点处的第二跳平均总发射功率约束ρr,即,
Tr(E{ttH})=Tr(V(ρsHHH+IN)VH)=ρr
则,然后,中继节点将信号t通过第二跳转发至所有收端用户,则第k个收端用户接收到的信号可以表示为如下形式,
其中,nk表示第k个收端用户处的单位功率加性白噪声且满足复高斯分布CN(0,1);
4).基于步骤3)中收端用户的接收信号表达式,可以得第k个收端用户的接收信干燥比SINR表达式如下所示,
其中,从而可以得到第k个收端用户的平均频谱效率如下式所示,
其中,表示将占用的两个时隙资源考虑在内所产生的频谱效率损失;
5).基于步骤4)中平均频谱效率表达式,在中继节点处建立以最大化系统总能效函数η(K)为目标,以被服务用户对数K为变量的数学优化模型,如下所示,
其中,η(K)表示关于用户对数K的能效函数,SΣ表示所有用户的总频谱效率,PΣ表示系统的总功率消耗,μs≥1表示每个发端用户发射机功放器件的效率损耗常量因子,μr≥1表示中继节点发射机功放器件的效率损耗常量因子,Ps表示每个发端用户发射机的常量固定功率消耗,Pr表示中继节点收发机每根天线上的常量固定功率消耗;
6).利用大数定律对步骤4)中γk表示式所包含的各项进行近似,可得到如下表达式,
则,Sk可以近似表示为如下所示,
进而,再对进行近似,可以得到如下所示,
7).利用复高斯随机向量乘积的统计特性可以直接计算得到的解析表达式如下所示,
其中,
8).考虑到中继节点部署的大规模天线数通常远大于用户数,即N>>K,并利用高信噪比条件,即ρr>>1和ρs>>1,将步骤7)中得到的解析表达式近似化简为如下形式,
9).基于步骤8)中的解析表达式将步骤5)中的优化问题的目标函数η(ρs,ρr)近似表达为并用来代替步骤5)中优化问题的目标函数,转化为如下形式的优化问题,
10).步骤9)中优化变量K属于正整数集合,该优化问题属于非凸整数规划;为了便于问题求解,将变量K先释放为连续实数变量,可以得到关于变量K是严格拟凹的,且存在一个全局最优解Kopt;同时,当K<Kopt时,随K单调增加;当K>Kopt时,随K单调减小;利用关于K的变化趋势特性,采用高效的二分法搜索求解Kopt,具体步骤如下:
10.1).设定系统最小服务用户个数Kmin和最大服务用户个数Kmax;如果且则Kopt=Kmax;如果且则Kopt=Kmin;如果以上条件都不满足,则转到步骤10.2);
10.2).设定二分法算法终止阈值ε,搜索次数变量n=1;
10.3).令计算并判断与0的大小关系;如果则令Kmin=K(n);如果则令Kmax=K(n);
10.4).如果|Kmax-Kmin|≤ε,则终止搜索过程,并输出最优服务用户数发射功率组合若不满足终止条件,则n=n+1,返回步骤10.3)重新进行搜索过程,直到满足终止条件;
11).由于步骤10)中求出的最优服务用户数Kopt通常不是整数,根据步骤10)中能效函数关于K变化关系,最终可以得到最优的服务用户数为round{Kopt};
其中,(·)H—表示矩阵的共轭转置运算,—表示正整数集合,E{·}—针对随机量(向量)的数学期望运算,Tr{·}—矩阵的迹,round{x}—表示取与实数x最近的整数,|·|—表示实数取绝对值运算或复数求模值运算,Tr{·}—表示均值为μ方差为σ2的复高斯随机分布,||·||—表示向量2范数运算,—表示函数f(x)对自变量x的一阶导数在x0处的取值,N—中继节点天线数,ρs—每个信源用户的平均发射功率,ρr—中继节点的平均发射总功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757479.8A CN105450274B (zh) | 2015-11-09 | 2015-11-09 | 基于能效最优的大规模多天线中继系统用户数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757479.8A CN105450274B (zh) | 2015-11-09 | 2015-11-09 | 基于能效最优的大规模多天线中继系统用户数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105450274A CN105450274A (zh) | 2016-03-30 |
CN105450274B true CN105450274B (zh) | 2018-11-23 |
Family
ID=55560119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510757479.8A Active CN105450274B (zh) | 2015-11-09 | 2015-11-09 | 基于能效最优的大规模多天线中继系统用户数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105450274B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105873206B (zh) * | 2016-03-31 | 2019-07-12 | 桂林电子科技大学 | 一种大规模mimo传输的蜂窝中继网络模型及功率分配方法 |
CN105827294B (zh) * | 2016-04-27 | 2019-05-21 | 东南大学 | 一种上行大规模mimo联合优化基站天线数和用户发射功率的方法 |
CN106301634B (zh) * | 2016-09-13 | 2021-03-26 | 东南大学 | 一种采用数模混合检测的大规模天线阵列中继传输方法 |
CN109120319B (zh) * | 2018-08-29 | 2021-07-23 | 四川大学 | 收发机联合优化方法及装置 |
CN110391830B (zh) * | 2019-07-11 | 2021-12-10 | 上海交通大学 | 一种鲁棒多组多播波束形成方法 |
CN113395099B (zh) * | 2021-05-24 | 2022-10-14 | 西北工业大学 | 一种多中继机会波束成形方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867402A (zh) * | 2010-05-04 | 2010-10-20 | 西安交通大学 | 一种自适应天线选择的mimo系统及其应用方法 |
CN103166742A (zh) * | 2013-01-16 | 2013-06-19 | 南京信息工程大学 | Mimo信号的对偶格约减辅助检测方法 |
CN103260240A (zh) * | 2013-05-23 | 2013-08-21 | 北京邮电大学 | 大规模mimo中基于分布匹配的散射信源定位方法 |
CN103297111A (zh) * | 2013-06-19 | 2013-09-11 | 清华大学 | Mimo上行多用户信号检测方法、检测装置及接收系统 |
WO2014106343A1 (en) * | 2013-01-07 | 2014-07-10 | Nec (China) Co., Ltd. | Method and apparatus for selecting transmit antennas in wireless system |
WO2014110837A1 (zh) * | 2013-01-21 | 2014-07-24 | 富士通株式会社 | 信道状态信息参考信号的传输方法、基站、终端、系统、机器可读程序和存储有机器可读程序的存储介质 |
-
2015
- 2015-11-09 CN CN201510757479.8A patent/CN105450274B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867402A (zh) * | 2010-05-04 | 2010-10-20 | 西安交通大学 | 一种自适应天线选择的mimo系统及其应用方法 |
WO2014106343A1 (en) * | 2013-01-07 | 2014-07-10 | Nec (China) Co., Ltd. | Method and apparatus for selecting transmit antennas in wireless system |
CN103166742A (zh) * | 2013-01-16 | 2013-06-19 | 南京信息工程大学 | Mimo信号的对偶格约减辅助检测方法 |
WO2014110837A1 (zh) * | 2013-01-21 | 2014-07-24 | 富士通株式会社 | 信道状态信息参考信号的传输方法、基站、终端、系统、机器可读程序和存储有机器可读程序的存储介质 |
CN103260240A (zh) * | 2013-05-23 | 2013-08-21 | 北京邮电大学 | 大规模mimo中基于分布匹配的散射信源定位方法 |
CN103297111A (zh) * | 2013-06-19 | 2013-09-11 | 清华大学 | Mimo上行多用户信号检测方法、检测装置及接收系统 |
Non-Patent Citations (1)
Title |
---|
Energy Efficient Multi-Pair Transmission in Large-Scale Multi-Antenna Relay Systems;Yi Wang etc.;《Wireless Communications & Signal Processing(WCSP),2015 International Conference on》;20151017;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105450274A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105450274B (zh) | 基于能效最优的大规模多天线中继系统用户数优化方法 | |
Ashikhmin et al. | Pilot contamination precoding in multi-cell large scale antenna systems | |
CN105392192B (zh) | 基于能效最优的多用户大规模天线中继系统功率分配方法 | |
CN101662321B (zh) | 认知无线mimo系统中基于零子空间技术的次级预编码发送方法 | |
Björnson et al. | Cell-free versus cellular massive MIMO: What processing is needed for cell-free to win? | |
CN103166685B (zh) | Lte中一种基于联合功率分配的干扰对齐方法 | |
CN105246142B (zh) | 基于能效最优的单用户大规模天线中继系统功率分配方法 | |
CN105450275A (zh) | 基于能效最优的多用户大规模天线中继系统天线选择方法 | |
CN109714085B (zh) | 一种基于双极化mimo的下行noma传输方法 | |
Karlsson et al. | On the operation of massive MIMO with and without transmitter CSI | |
Kusaladharma et al. | Achievable rate analysis of NOMA in cell-free massive MIMO: A stochastic geometry approach | |
CN107809795A (zh) | D2d异构无线通信网络中基于时间反演的抗干扰方法 | |
CN102752071B (zh) | 用于多点协作系统的下行链路预编码方法和中心处理节点 | |
CN103929224A (zh) | 蜂窝网络中干扰抑制方法及装置 | |
Kukade et al. | Uplink transmission with multiuser scheduling in non‐stand‐alone cellular network using virtual MIMO system | |
Thakur et al. | Performance analysis of energy-efficient multi-cell massive MIMO system | |
Prashar et al. | Performance Analysis of MIMO-NOMA and SISO-NOMA in Downlink Communication Systems | |
CN108235425A (zh) | 基于能效最优的成对用户大规模天线中继系统及其资源分配方法 | |
Liu et al. | An optimal power allocation scheme in downlink multi-user NOMA beamforming system with imperfect CSI | |
Aredath et al. | Optimal power allocation for maximizing the energy efficiency of NOMA enabled full-duplex coordinated direct and relay transmission (CDRT) system with SWIPT | |
Yang et al. | A low complexity joint user grouping and resource allocation algorithm in massive MIMO systems | |
CN106209335B (zh) | 一种用于d2d通信系统的导频复用方法 | |
Zhao et al. | Vector coded caching substantially boosts MU-MIMO: Pathloss, CSI and power-allocation considerations | |
Buzzi et al. | Noncooperative waveform adaptation games in multiuser wireless communications | |
Oteri et al. | Multicell optimization for diversity and interference mitigation |
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 |