CN107493124B - 一种多天线微波无线充电的波束成形算法 - Google Patents

一种多天线微波无线充电的波束成形算法 Download PDF

Info

Publication number
CN107493124B
CN107493124B CN201710677419.4A CN201710677419A CN107493124B CN 107493124 B CN107493124 B CN 107493124B CN 201710677419 A CN201710677419 A CN 201710677419A CN 107493124 B CN107493124 B CN 107493124B
Authority
CN
China
Prior art keywords
beam forming
algorithm
training
wireless charging
vector
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
Application number
CN201710677419.4A
Other languages
English (en)
Other versions
CN107493124A (zh
Inventor
赵毓斌
须成忠
王晓东
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.)
Shenzhen Yaoyuan Technology Co ltd
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Yaoyuan Technology Co ltd
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Yaoyuan Technology Co ltd, Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Yaoyuan Technology Co ltd
Priority to CN201710677419.4A priority Critical patent/CN107493124B/zh
Publication of CN107493124A publication Critical patent/CN107493124A/zh
Application granted granted Critical
Publication of CN107493124B publication Critical patent/CN107493124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/20—Circuit arrangements or systems for wireless supply or distribution of electric power using microwaves or radio frequency waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Signal Processing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明涉及一种多天线的微波无线充电波束成形方法，包括以下步骤：S(1)在线训练协议，包括训练周期和训练时隙；S(2)基于随机采样算法进行采样；S(3)基于反馈信息进行重采样；S(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。本发明具有无线微波能量发送功能的多天线系统设计有效的波束成形技术，进而提高远距离无线充电的效率。针对具有能量收集功能的物联网设备，其仅能传输有限的信息反馈(如RSS值等)，传统波束成形技术无法在此基础上进行部署。因此，本发明的波束成形技术中同时着重考虑如何在发射端单向进行波束成形估算，并提出有效可控的方法极大缩短了估算时间。

Description

一种多天线微波无线充电的波束成形算法
技术领域
本发明涉及无线充电领域，具体涉及一种多天线微波无线充电的波束成形算法。
背景技术
近年来，无线充电技术的不断发展，尤其是长距离低功率微波充电技术的突破，使物联网设备摆脱了电池或充电线的限制。微波充电作为一种远距离能量传输技术，因其能量收集天线成本低廉、体积微小，能够为商务移动终端提供一种更方便、无处不在，无时不可的持续电能供给。近年来的微波充电技术的不断突破，使得未来物联网设备，尤其是低功耗设备将突破能量瓶颈。在此基础上，无线能量信息混传系统的研究正在逐步崛起，将为微波充电提供网络基础设施，彻底解除终端设备的距离束缚，提供无处不在的服务和供电。其中，大规模MIMO天线和超密集网络作为基本的代表性技术，在目前蓬勃发展5G通信中逐步趋向成熟，并将最终实现产业化，未来的大规模密集无线网络作为微波供电的基础设施，将成为可能。因此，依据微波充电和下一代通信发展的趋势可以预见，微波充电技术必将成为物联网的供能基本手段，而从技术发展和应用需求的角度看，无线充电与物联网的融合将成为必然的趋势。
目前在无线微波充电技术中，采用多天线技术进行能量传输是公认的提高传输效率的有效方法。在此基础上，有效的波束成形技术能够进一步的提高充电的效率。然而基于微波充电的波束成形技术目前有两个问题。第一个问题是由于无线能量接收设备能量、计算和存储能力有限的原因，自身不能做复杂计算。因此，和传统的无线通信不同，能量接收端自身不能做信道估计，而只能将有限的信息反馈至发送端(如RSS等)，这样就导致传统的波束成形算法无法直接应用到微波充电中来。在此基础上，第二个技术问题是如果在能量发送端仅利用有限的反馈信息进行波束成形的计算，随着天线数量的增多，计算量也随之增大，且需要发送的测试能量也增大，导致计算时间长和能量浪费等问题。当前针对多天线的波束成形的研究有文献[1,2,3]。但这些论文是假设接收终端有能力计算信道信息的，可以通过反馈的信道信息进行波束成形设计。但是，这些假设在实际布置中是不成立的。此外，上述文献提到的算法中，需要发射端发送一定数量的测试微波能量，进而估算信道信息，测试时间较长且浪费能量，因此该算法的计算和能量传输效率都很低。文献[4]提出了一种采用有限信息反馈的随机波束成形算法，该算法可以布置在实际系统中，但是存在训练时间长，效率低的问题。
参考文献：
[1].Yang,Gang,C.K.Ho,and Y.L.Guan."Dynamic Resource Allocation forMultiple-Antenna Wireless Power Transfer."IEEE Transactions on SignalProcessing 62.14(2013):3565-3577.
[2].Zeng,Yong,and R.Zhang."Optimized Training Design for WirelessEnergy Transfer."IEEE Transactions on Communications 63.2(2015):536-550.
[3].Zeng,Yong,and R.Zhang."Optimized Training for Net EnergyMaximization in Multi-Antenna Wireless Energy Transfer Over Frequency-Selective Channel."IEEE International Conference on CommunicationsIEEE,2015:2129-2134.
[4].Yedavalli,Pavan S.,et al."Far-Field RF Wireless Power Transferwith Blind Adaptive Beamforming for Internet of Things Devices."IEEEAccess5.99(2017):1743-1752.
发明内容
本发明的目的在于克服上述现有技术中的不足，利用蒙特卡洛采样方法，提出了一种随机波束成形算法，旨在能够快速有效的提高波束成形的效果，提升微波无线充电的效率。本发明采用了如下技术方案：
一种多天线的微波无线充电波束成形方法，包括以下步骤：
S(1)在线训练协议，包括训练周期和训练时隙；
S(2)基于随机采样算法进行采样；
S(3)基于反馈信息进行重采样；
S(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。
作为一种优选，随机采样算法为蒙特卡洛采样算法、黑斯廷斯算法、吉布斯算法或重要性采样算法。
作为一种优选，所述步骤(1)在线训练协议为数据帧结构，且不限于时分复用、频分复用方式。
作为一种优选，所述步骤(1)在线训练协议具体为：发送端将特定的频段将微波发送至接收端1，同时监听接收端1发送的反馈信息，根据反馈信息计算和调整波束成形算法直至达到理想状态。
作为一种优选，所述步骤(2)中随机采样算法为蒙特卡洛采样算法，进行蒙特卡洛约束采样包括如下步骤：
初始化采样，在算法执行前随机生成初始波束成形向量样本，并存放于存储单元302中；
进入训练时隙，发送端将波束成形的向量样本作为控制向量，控制能量发送，然后监听接收端返回的反馈，并将反馈结果发送至存储单元，如此循环训练时隙，直至所有样本都经过发送和反馈；
进入样本比较选择，选取反馈值较大的多个样本，然后进入重采样。
作为一种优选，所述蒙特卡洛的约束性采样的约束条件为：生成训练周期内的波束成形权重向量，在初始化时刻，设置初始权重向量为
Figure BDA0001374646020000031
其中
Figure BDA0001374646020000032
表示在初始时刻的波束成形权重向量，N表示发射端的天线数量，依据
Figure BDA0001374646020000033
生成第一个训练周期的权重样本集合
Figure BDA0001374646020000034
其中i表示第i个权重向量样本，下标1表示第一个训练周期，Ns表示样本数量，对于其中的每一个向量
Figure BDA0001374646020000035
选择W00向量中的N-1个元素，元素标号用j表示，针对第j个元素，生成一个随机复数，符合均值为0方差为1的复高斯分布：
Figure BDA0001374646020000036
设置第一个训练周期的控制速率因子β1，则
Figure BDA0001374646020000037
为：
Figure BDA0001374646020000038
当N-1个元素全部生成后，依据约束条件
Figure BDA0001374646020000039
求得最后一个元素的值。
作为一种优选，所述步骤(3)基于反馈信息进行重采样具体为：经过第k个训练周期后，存储单元中保存此周期所有的波束成形权重样本向量以及对应的反馈值，以反馈值的大小为依据进行排序，从权重样本中选取M个反馈值最大的样本，形成新的样本集合
Figure BDA00013746460200000310
以该样本为基础，重新生成新的样本集合，生成方法为：在每个向量中，首先随机产生其中的N-1元素：
Figure BDA00013746460200000311
进而依据约束条件
Figure BDA00013746460200000312
计算最后一个元素值，重新生成的权重样本将用于下一时刻的训练周期。
作为一种优选，收敛控制具体为：在每个训练周期后，对βk进行更新，设置一个常数Δβ，在重采样后，进入收敛控制，获得更新后的收敛因子βk+1＝βk-Δβ，然后进入收敛判断，若βk+1≥∈，∈为门限常数，则算法没有收敛，重新进入下一个训练周期，若βk+1＜∈，则算法收敛，进入最优值的选取，选取后的最优波束成形权重向量即为本算法的最终结果。
作为一种优选，所述步骤(4)中的收敛控制采用模拟退火算法。
作为一种优选，训练时隙内包括能量传输和反馈监听。
本发明适用于为存储和计算能力有限的物联网终端、无线传感器或无源RFID进行远距离充电，方法简单，且计算时间短，能够快速达到最优效果。
附图说明
图1为系统基本架构图。
图2为在线训练协议示意图。
图3为波束成形算法架构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。其中，不限于具体哪种无线设备。
实施例一
图1为系统基本架构图。系统由两部分组成，包括多天线微波发送端101和能量接收端102。其中多天线微波发送端101负责通过多天线在特定的频段将微波发送至接收端102，同时在额外的信道监听接收端102发送的反馈信息。通过反馈信息，发送端101计算和调整波束成形算法直至达到理想状态。接收端102在接收到能量时，计算该能量的强度，并封装成信息数据包，通过额外的信道反馈至101。多天线微波发送端101的微波发送、信息监听以及接收端102的信息反馈过程依据在线训练协议实现。本发明的在线训练协议为数据帧结构，且不限于时分复用、频分复用方式。
图2为在线训练协议示意图。在线训练协议包括T个训练周期201，训练周期201内包括若干时隙202。每个周期201内含有NS个时隙202。每个时隙202内，分为能量发送阶段203和信息反馈204两个部分。
图3为波束成形算法示意图，算法由五个部分组成：初始化采样301、存储单元302、训练时隙310和训练周期320。其中，初始化采样301在算法执行前随机生成初始波束成形向量样本，并存放于存储单元302中，进而进入第一个训练周期320和第一次训练时隙310中。在训练时隙310中，发送端101按采样顺序依次将波束成形的向量样本作为控制向量，控制能量发送(311)，然后监听接收端102返回的反馈(312)，并将反馈结果发送至存储单元302，如此循环训练时隙310，直至所有样本都,经过发送和反馈。当训练时隙310完成后，进入训练周期320中的样本比较选择321中。通过样本比较选择321的比较，选取反馈值较大的多个样本，进入重采样322中。重采样322在收敛控制323的作用下利用选择出的样本重新生成新的样本，完成计算后，发送新生成的样本至存储单元302，同时进入收敛控制323，重新计算采样的收敛控制参数。计算完成后，收敛控制323进入324进行收敛性判定，若是，进入最优选择303，若否，重复训练周期320。进入最优选择303后，通过比较存储单元302中的样本，选取反馈值最大的样本，作为波束成形的最终权重向量。
本发明中多天线的微波无线充电波束成形方法，包括以下步骤：
S(1)在线训练协议，包括训练周期和训练时隙，训练时隙内包括能量传输和反馈监听；
S(2)基于随机采样算法进行采样；
其中，随机采样算法可以为蒙特卡洛采样算法、黑斯廷斯算法、吉布斯算法或重要性采样算法。
本发明采用了基于蒙特卡洛的约束性采样方法，用以生成训练周期内的波束成形权重向量。具体为：在初始化301时刻，首先设置初始权重向量为
Figure BDA0001374646020000051
其中
Figure BDA0001374646020000052
表示在初始时刻的波束成形权重向量，N表示发射端101的天线数量。依据
Figure BDA0001374646020000053
生成第一个训练周期的权重样本集合
Figure BDA0001374646020000054
其中i表示第i个权重向量样本，下标1表示第一个训练周期，Ns表示样本数量，对于其中的每一个向量
Figure BDA0001374646020000055
选择
Figure BDA0001374646020000056
向量中的N-1个元素，元素标号用j表示，针对第j个元素，生成一个随机复数，符合均值为0方差为1的复高斯分布：
Figure BDA0001374646020000057
设置第一个训练周期的控制速率因子β1，则
Figure BDA0001374646020000058
为：
Figure BDA0001374646020000059
当N-1个元素全部生成后，依据约束条件
Figure BDA00013746460200000510
求得最后一个元素的值。
S(3)基于反馈信息进行重采样；
S(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。
实施例二
本发明的一种多天线的微波无线充电波束成形方法，包括以下步骤：
S(1)在线训练协议，包括训练周期和训练时隙；
S(2)基于随机采样算法进行采样；
S(3)基于反馈信息进行重采样；
作为一种优选，经过第k个训练周期后，存储单元(302)中保存此周期所有的波束成形权重样本向量以及对应的反馈值，以反馈值的大小为依据进行排序，从权重样本中选取M个反馈值最大的样本，形成新的样本集合
Figure BDA0001374646020000061
以该样本为基础，重新生成新的样本集合，生成方法为：在每个向量中，首先随机产生其中的N-1元素：
Figure BDA0001374646020000062
进而依据约束条件
Figure BDA0001374646020000063
计算最后一个元素值，重新生成的权重样本将用于下一时刻的训练周期。
S(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。
实施例三
一种多天线的微波无线充电波束成形方法，包括以下步骤：
S(1)在线训练协议，包括训练周期和训练时隙；
S(2)基于随机采样算法进行采样；
S(3)基于反馈信息进行重采样；
S(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。
作为一种优选，本发明在随机生成样本时采用收敛速率控制方法，具体方法为：在每个训练周期320后，对βk进行更新。首先设置一个常数Δβ，在重采样322后，进入收敛控制323，获得更新后的收敛因子βk+1＝βk-Δβ。进而，进入收敛判断324，若βk+1大于或等于一个门限常数∈，则算法没有收敛，重新进入下一个训练周期320。若βk+1小于该门限常数，则算法收敛，进入最优值的选取。选取后的最优波束成形权重向量即为本算法的最终结果。本发明的收敛性控制方法可以采用模拟退火算法。
本发明经过实际实验和模拟两个部分进行验证，证明了其性能的提升。在实际试验中，我们采用了8天线的USRP无线传输平台进行算法验证，能够在915M频段上实现距离为2米的有效充电。且收敛性可控制在15个测试周期，每个周期内含30个样例，有效的降低了测试时间。在系统仿真中，该发明经过验证可以快速达到最优算法，证明了其良好的性能。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应当视为本发明的保护范围。

Claims (10)

1.一种多天线的微波无线充电波束成形方法，其特征在于包括以下步骤：
(1)在线训练协议，包括训练周期和训练时隙，该在线训练协议执行由发送端在特定的频段将微波发送至接收端，同时监听接收端发送的反馈信息，根据反馈信息计算和调整波束成形权重向量；
(2)基于随机采样算法进行采样，所述基于随机采样算法进行采样包括：在训练时隙将波束成形的向量样本作为控制向量，控制能量发送，然后监听接收端返回的反馈信息，直至所有样本都经过发送和反馈；
(3)基于反馈信息进行重采样；
(4)收敛控制，进行最优值的选取，得到最优波束成形权重向量。
2.根据权利要求1所述的一种多天线的微波无线充电波束成形方法，其特征在于：随机采样算法为蒙特卡洛采样算法、黑斯廷斯算法、吉布斯算法或重要性采样算法。
3.根据权利要求1所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述步骤(1)在线训练协议为数据帧结构，包括时分复用、频分复用方式。
4.根据权利要求1所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述步骤(1)在线训练协议具体为：发送端101将特定的频段将微波发送至接收端102，同时监听接收端102发送的反馈信息，根据反馈信息计算和调整波束成形算法直至达到理想状态。
5.根据权利要求2所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述步骤(2)中随机采样算法为蒙特卡洛采样算法，进行蒙特卡洛约束采样包括如下步骤：
初始化采样(301)，在算法执行前随机生成初始波束成形向量样本，并存放于存储单元302中；
进入训练时隙(310)，发送端(101)将波束成形的向量样本作为控制向量，控制能量发送(311)，然后监听接收端(102)返回的反馈(312)，并将反馈结果发送至存储单元(302)，如此循环训练时隙(310)，直至所有样本都经过发送和反馈；
进入样本比较选择(321)，选取反馈值较大的多个样本，然后进入重采样(322)。
6.根据权利要求5所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述蒙特卡洛的约束性采样的约束条件为：生成训练周期内的波束成形权重向量，在初始化(301)时刻，设置初始权重向量为
Figure FDA0002638490030000011
其中
Figure FDA0002638490030000012
表示在初始时刻的波束成形权重向量，N表示发射端101的天线数量，依据
Figure FDA0002638490030000013
生成第一个训练周期的权重样本集合
Figure FDA0002638490030000014
其中i表示第i个权重向量样本，下标1表示第一个训练周期，Ns表示样本数量，对于其中的每一个向量
Figure FDA0002638490030000015
选择
Figure FDA0002638490030000016
向量中的N-1个元素，元素标号用j表示，针对第j个元素，生成一个随机复数，符合均值为0方差为1的复高斯分布：
Figure FDA0002638490030000021
设置第一个训练周期的控制速率因子β1，则
Figure FDA0002638490030000022
为：
Figure FDA0002638490030000023
当N-1个元素全部生成后，依据约束条件
Figure FDA0002638490030000024
求得最后一个元素的值。
7.根据权利要求6所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述步骤(3)基于反馈信息进行重采样具体为：经过第k个训练周期后，存储单元(302)中保存此周期所有的波束成形权重样本向量以及对应的反馈值，以反馈值的大小为依据进行排序，从权重样本中选取M个反馈值最大的样本，形成新的样本集合
Figure FDA0002638490030000025
以该样本为基础，重新生成新的样本集合，生成方法为：在每个向量中，首先随机产生其中的N-1元素：
Figure FDA0002638490030000026
进而依据约束条件
Figure FDA0002638490030000027
计算最后一个元素值，重新生成的权重样本将用于下一时刻的训练周期。
8.根据权利要求7所述的一种多天线的微波无线充电波束成形方法，其特征在于：收敛控制具体为：在每个训练周期(320)后，对βk进行更新，设置一个常数Δβ，在重采样(322)后，进入收敛控制(323)，获得更新后的收敛因子βk+1＝βk-Δβ，然后进入收敛判断(324)，若βk+1≥∈，∈为门限常数，则算法没有收敛，重新进入下一个训练周期(320)，若βk+1＜∈，则算法收敛，进入最优值的选取，选取后的最优波束成形权重向量即为本算法的最终结果。
9.根据权利要求1所述的一种多天线的微波无线充电波束成形方法，其特征在于：所述步骤(4)中的收敛控制采用模拟退火算法。
10.根据权利要求1所述的一种多天线的微波无线充电波束成形方法，其特征在于：训练时隙内包括能量传输和反馈监听。
CN201710677419.4A 2017-08-09 2017-08-09 一种多天线微波无线充电的波束成形算法 Active CN107493124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710677419.4A CN107493124B (zh) 2017-08-09 2017-08-09 一种多天线微波无线充电的波束成形算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710677419.4A CN107493124B (zh) 2017-08-09 2017-08-09 一种多天线微波无线充电的波束成形算法

Publications (2)

Publication Number Publication Date
CN107493124A CN107493124A (zh) 2017-12-19
CN107493124B true CN107493124B (zh) 2020-12-18

Family

ID=60643379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710677419.4A Active CN107493124B (zh) 2017-08-09 2017-08-09 一种多天线微波无线充电的波束成形算法

Country Status (1)

Country Link
CN (1) CN107493124B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510436B (zh) * 2018-03-28 2020-09-15 清华大学 一种冷冻电镜三维重构中重构参数搜索方法和系统
CN109347691B (zh) * 2018-08-01 2020-09-01 温州大学苍南研究院 一种用于Web服务的数据采样方法、装置及设备
CN109714094A (zh) * 2018-12-04 2019-05-03 中国科学院深圳先进技术研究院 一种盲自适应波束成形算法
CN115512391B (zh) * 2022-09-29 2023-07-21 珠海视熙科技有限公司 数据自适应重采样的目标检测模型训练方法、装置及设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7317770B2 (en) * 2003-02-28 2008-01-08 Nec Laboratories America, Inc. Near-optimal multiple-input multiple-output (MIMO) channel detection via sequential Monte Carlo
US8467466B2 (en) * 2005-11-18 2013-06-18 Qualcomm Incorporated Reduced complexity detection and decoding for a receiver in a communication system
CN101521537A (zh) * 2009-04-10 2009-09-02 东南大学 基于有限反馈的协作中继波束形成方法
CN104640178B (zh) * 2013-11-12 2018-07-31 华为技术有限公司 一种无线充电方法、无线接入点以及无线充电系统
JP6457068B2 (ja) * 2014-10-30 2019-01-23 インテル アイピー コーポレイション ピンポン・ビームフォーミング
CN106357315B (zh) * 2016-09-23 2019-07-26 燕山大学 一种具有不完全csi的大型多天线网络能效资源分配方法

Also Published As

Publication number Publication date
CN107493124A (zh) 2017-12-19

Similar Documents

Publication Publication Date Title
CN107493124B (zh) 一种多天线微波无线充电的波束成形算法
Lee et al. Sum-rate maximization for multiuser MIMO wireless powered communication networks
CN108234101B (zh) 能效最大化导频信号设计方法及大规模多天线系统
CN110838859B (zh) 适用于多波束卫星通信系统的高能效鲁棒预编码方法
Hu et al. Sum-rate maximization for multiuser MISO downlink systems with self-sustainable IRS
CN105680920B (zh) 一种多用户多天线数能一体化通信网络吞吐量优化方法
Hong et al. Wireless power transfer for distributed estimation in wireless passive sensor networks
CN107592144B (zh) Eh-mimo能量收集及多天线通信系统的节点天线选择方法及装置
CN112367105B (zh) 低开销拓扑干扰对齐和功率优化方法、系统、设备及应用
CN111147113A (zh) 一种能效保障的多波束卫星通信鲁棒预编码方法
CN105704721A (zh) 一种提高频谱利用率的d2d-p复用蜂窝网络通信方法
WO2015112883A1 (en) System and method for early termination in iterative null-space directed singular value decomposition for mimo
Palhares et al. Iterative AP selection, MMSE precoding and power allocation in cell‐free massive MIMO systems
Zhang et al. SCA power optimization in cell-free massive MIMO with short-term power constraints
Ngo et al. Energy efficiency optimization for cell-free massive MIMO
Chu et al. Deep reinforcement learning based end-to-end multiuser channel prediction and beamforming
Mehmood et al. Throughput maximization of an IRS-assisted wireless powered network with interference: A deep unsupervised learning approach
CN114302487B (zh) 基于自适应粒子群功率分配的能效优化方法、装置及设备
Chen et al. Deep reinforcement learning for resource allocation in massive MIMO
Gu et al. A discrete time-switching protocol for wireless-powered communications with energy accumulation
Hamdi et al. Joint optimal number of RF chains and power allocation for downlink massive MIMO systems
CN114448479B (zh) 一种基于天线选择的Massive MIMO安全传输优化方法
CN113258985B (zh) 单站多星mimo上注系统能效优化方法
CN104821840A (zh) 一种大规模多输入多输出下行系统的抗干扰方法
Biason et al. Transmission policies in wireless powered communication networks with energy cooperation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant