CN107872255A - 适用于大规模mimo蜂窝移动通信网络的导频调度方法 - Google Patents
适用于大规模mimo蜂窝移动通信网络的导频调度方法 Download PDFInfo
- Publication number
- CN107872255A CN107872255A CN201711106489.0A CN201711106489A CN107872255A CN 107872255 A CN107872255 A CN 107872255A CN 201711106489 A CN201711106489 A CN 201711106489A CN 107872255 A CN107872255 A CN 107872255A
- Authority
- CN
- China
- Prior art keywords
- pilot
- pheromone
- pilot frequency
- ant
- system information
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了适用于大规模MIMO蜂窝移动通信网络的导频调度方法,包括以下步骤:步骤(1)采集基站与基站内用户之间的信道状态信息;步骤(2)初始化启发式信息与构建图上的信息素;步骤(3)生成多只人工蚂蚁,完成蚂蚁在构建图上的行走;步骤(4)记录蚂蚁的行走路径并产生导频分配矩阵;步骤(5)判断是否满足停止条件,若满足,停止并输出导频分配矩阵;步骤(6)更新构建图上信息素并跳转到步骤(3)。本发明基于蚁群优化工具,提出一种用于减轻大规模MIMO系统中导频污染带来的影响的导频调度方法,实现了系统可获得信息速率的最大化。
Description
技术领域
本发明属于无线通信与通信信号处理技术领域,尤其涉及适用于大规模MIMO蜂窝移动通信网络的导频调度方法。
背景技术
大规模MIMO(massive multiple-input multiple-output,多入多出)技术通过在基站 采用大量的天线构成巨型天线阵列,能够极大的提升蜂窝移动网络的频谱效率与能量效 率,是5G移动通信网络的物理层核心技术。基于大规模MIMO技术,能够消除非相关 噪声以及基站内干扰。然而由于正交导频在多个基站中被复用,由此产生的基站间干扰 是无法消除的,这种现象通常被称为“导频污染”(pilot contamination)。导频污染会降 低用户的信号与干扰噪声比,从而降低系统的可获得信息速率。
由于信道的相干时间很短,能够获得的导频序列的数目受到限制。因此当基站数目 以及基站内的用户数目增加时,在多个基站中进行导频复用是不可避免的。在这样的背景下,为实现大规模MIMO通信系统的部署,导频污染带来的系统可获得信息速率降 低问题需被认真对待。
发明内容
为解决现有技术的问题,在本发明中,基于蚁群优化理论,提出一种用于减轻大规模MIMO系统中导频污染带来的影响的导频调度方法,实现了系统可获得信息速率的 最大化。本发明具体包括如下步骤:
步骤1,对所有Q个蜂窝小区信道状态信息进行采集,每个小区内有K个用户终 端UT,分别采集第p个蜂窝小区内的第k个用户终端UT与第q个基站间的距离d<p,k>,q, 第p个蜂窝小区内的第k个用户终端UT记为UT<p,k>,其中p,q=1,2,...,Q,k=1,2,...,K;
步骤2,初始化构建图中每条边es,s+1(j)上分布的信息素τs,s+1(j)与启发式信息ηs,s+1(j);
步骤3,生成m只人工蚂蚁,每只蚂蚁按概率Pr(es,s+1(j))选择边es,s+1(j),记录蚂蚁Q×K次移动经过的边,选择路径中的边所对应的用户终端UT组成导频分配指示矩 阵A;
步骤4,计算每只蚂蚁选择的导频分配指示矩阵A的系统信息速率,选取最大系统信息速率所对应的导频分配指示矩阵作为最优导频分配矩阵;
步骤5,判断是否达到最大迭代次数(最大迭代次数一般设置为30),若满足,停 止并输出最优导频分配矩阵,若不满足,更新构建图上信息素并跳转到步骤3。
步骤2中,通过如下公式计算信息素τs,s+1(j):
τs,s+1(j)=(τmax+τmin)/2,
其中,设置τmax=8,τmin=3,s=0,1,...,Q×K,j=1,2,...,Q×K×S,其中K为单小区中用户终端UT的数目,S为导频数目。
步骤2中,通过如下公式计算启发式信息ηs,s+1(j):
其中,κs,s+1(j)是导频干扰指数,用于衡量导频所分配用户对其他蜂窝小区的导频干扰情况,若导频所分配用户处于其他任意n个蜂窝小区的导频干扰半径范围内,则 κs,s+1(j)=n。表示不同的蜂窝小区内与UT<p,k>使用相同的导频序列的用户集合。 β<p,k>,q表示第p个小区中的第k个用户终端UT<p,k>与第q个基站间的大尺度信道系数, β<q,l>,p表示第q个小区中的第l个用户终端UT<q,l>与第p个基站间的大尺度信道系数,
通过如下公式计算:
其中γ为传输指数,通常取值为3-5之间,s<p,k>,q与s<q,l>,p为表示标准差为σshadowdB的阴影对数正态项。d<q,l>,p表示第q个蜂窝小区内的第l个用户终端UT与第p个 基站间的距离,通过步骤1采集得到。
步骤3中,通过如下公式计算概率Pr(es,s+1(j)):
其中,es,s+1(j)表示连接状态s与下一状态s+1的第j条边,表示连接状态s 与下一状态s+1的所有边的集合,τs,s+1(j)表示边es,s+1(j)上的信息素含量,ηs,s+1(j)表 示边es,s+1(j)上的先验启发式信息值。α和β均为权重参数,蚂蚁数m设定为5-20之间, 权重α,β设置为α=2,β=3。
步骤4中,通过如下公式计算每只蚂蚁选择的导频分配指示矩阵A的系统信息速率V:
根据该公式得到所有蚂蚁选择的导频分配指示矩阵A的系统信息速率中的最大值, 作为最大系统信息速率,记为
步骤6中,按照以下方法更新信息素τs,s+1(j):
其中,设置ρ为信息素挥发常数,一般设置为ρ=0.04,
为所对应的路径,eij为最优路径中的边,C为一常数,用于控 制最大系统信息速率对信息素的影响,一般设置为C=0.02。
有益效果:本发明中提出一种用于大规模MIMO蜂窝通信系统的导频调度算法, 通过导频干扰抑制技术消除了小区间的严重导频干扰现象,并利用蚁群优化算法实现了 高效的导频调度,最大化系统可获得信息速率。通过实验表明,本发明中提出的方法能 够取得优异的性能。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其 他方面的优点将会变得更加清楚。
图1为本发明的场景示意图。
图2为导频调度问题的相应构建图。
图3a~图3c为不同基站天线数目时的实时系统容量示意图。
图4是本发明流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图4所示,本发明公开了适用于大规模MIMO蜂窝移动通信网络的导频调度方法,本发明考虑的基于时分复用的大规模MIMO系统中的下行通信场景,如图1所示, 包含有Q个蜂窝小区,每个蜂窝小区中有一个装备有M根天线的基站(base station, BS)与K个均匀分布的单天线用户终端(user terminal,UT),其中M>>K。为表述方 便,第p个蜂窝小区内的第k个UT被称为UT<p,k>,那么UT<p,k>与第q个基站间的 信道增益向量可表示为:
其中与分别为UT<p,k>与第q个基站间的大尺度信道系数与小 尺度衰落向量。h<p,k>,q中的元素为独立同分布零均值循环对称复高斯的随机变量。β<p,k>,q被建模为:
其中d<p,k>,q是UT<p,k>与第q个基站间的距离,α为传输指数,通常取值为3-5之间。s<p,k>,q表示标准差为σshadow dB的阴影对数正态项。
在时分复用网络中,基站可通过导频辅助的信道估计来获得信道状态信息。然而,由于 能够使用的正交导频序列的数目是受限的,正交导频序列序列需要在多个蜂窝小区内被 重复使用。假定这样的一个正交导频序列的长度为τ,能够使用的导频数目为S且S≥K, 所有能够使用的正交导频序列构成的集合为Φ。这里,表示具有归一化正交列向量的导频矩阵因此有ΦHΦ=ΙS。为将导频分配给每个UT,引入变量 ap,k∈{1,2,3,...,S}来表示导频序列被分给UT<p,k>。直观上的导频分配方法是保证 在同一个蜂窝小区内任意一个导频序列没有被重复使用的前提下随机分配导频序列 给UT<p,k>。因此,整个系统的导频分配指示矩阵可表示为
给定一个导频分配指示矩阵A,UT<p,k>的上行SINR(signal to interferenceand noise ratio,信号与干扰噪声比)可表示为:
其中是非相关的干扰与噪声功率,表示不同的蜂 窝小区内与UT<p,k>使用相同的导频序列的用户集合,式中的除号表示导频污染。相应的,上行链路中用户UT<p,k>的各态历经可获取信息速率可表示为:
其中μ0是分配给信道估计的时隙部分,表示计算小规模衰落信道的数学期望。本发 明的目标是寻找在每个导频在一个蜂窝小区内不可重复使用的约束条件下用于最大化系统吞吐量的最优的分配指示矩阵A*。因此,需要解决下面的导频调度优化问题:
然而,由于导频污染导致精确的信道状态信息无法获取,问题P1无法解决。另一方面, 由于大尺度信道系数β<p,k>,q随着时间缓慢变化,从而基站能够很容易的追踪到。这样一 来问题P1可通过转换为下面的导频调度优化问题:
上述问题P2是一个组合优化问题,虽然可以通过穷尽搜索法来解决,然而,其所需的运算复杂度太大以至于无法应用于实际中。
本发明面向减轻大规模MIMO系统中导频污染的影响,提出一种导频调度方法, 实现系统可获得信息速率的最大化。
为实现上述发明目的,本发明中使用的技术方案包含两部分内容,分别是导频干扰 抑制技术与低复杂度导频调度算法。
导频干扰抑制技术:
由于正交导频序列需要在多个蜂窝小区内被重复使用,这样在上行链路传输中,一 给定小区内的基站会受到邻近小区内使用相同导频的用户产生的干扰。同时由于受距离 产生的信道衰减作用,邻近小区内靠近给定小区边界处的用户对给定小区基站产生的干 扰会更大。为抑制此种导频干扰对系统总体信息速率的影响,本发明中引入导频干扰半径的概念,如图1所示,图中虚线圆圈所示为各个蜂窝小区的导频干扰半径范围,任何 位于给定小区导频干扰半径中的邻近小区内的用户不得使用与给定小区相同的导频,在 图1中,小区3、4与5中的用户(透明方块表示)由于处在小区1的导频干扰半径范 围内,因此为避免严重导频干扰的产生,在导频分配时,处在小区1内导频干扰半径范 围内的其他小区用户应避免使用与小区1内用户相同的导频。
低复杂度导频调度算法:
本发明中提出一种基于ACO(ant colony optimization,蚁群优化)的低复杂度用户 调度算法来解决上面的问题。在ACO中,人工蚂蚁通过在构建图(construction graph)上移动来构造解。在每次迭代中,每只蚂蚁通过构建图的边从一个边移动到另一个边, 来不断构造部分解。当完全解被构造出后,蚂蚁会在经过的边上留下一定量的信息素。 信息素的量与解的质量有关,解的质量越好,则信息素的数量越大。下一次迭代中的蚂 蚁通过信息素的指引来进一步搜索解空间的有前途的区域并更新信息素。对于每次迭代 中执行的解构建与信息素更新过程的进一步详细描述如下:
解构建:
式(6)中的问题对应的构建图如图2所示。每个边es,s+1(j)对应于一个可供分配导频 从而接入的UT,s表示当前状态索引,s+1表示下一状态索引。每个蚂蚁从状态0出 发,通过选择边到达下一状态。对于本发明中的问题,在状态0时,可供蚂蚁选择的边 的数目为Q×K,每移动一次,可供蚂蚁选择的边的数目减1,这样经过Q×K次移动后, 蚂蚁选择了Q×K个边到达最终的状态Q×K,这些边对应的导频即为问题的解。在构 建解的过程中,蚂蚁通过一种随机机制来选择导频分配给UT。在状态s时,蚂蚁通过 一种概率的方式选择一个边到达下一状态s+1,其选择边j的概率为:
其中表示连接状态s与下一状态s+1的所有边的集合,τs,s+1(j)表示边es,s+1(j) 上的信息素含量,ηs,s+1(j)表示边es,s+1(j)上的先验启发式信息值,α与β为相应的加权系数,用于决定信息素与启发式信息间的重要程度。对于本发明所要解决的问题,启发 式信息定义为:
κs,s+1(j)用于衡量导频所分配用户对其他蜂窝小区的导频干扰情况,若导频所分配用户 处于其他任意n个蜂窝小区的导频干扰半径范围内,则κs,s+1(j)=n。容易看出,当一个 边上含有大量的信息素与较大的启发式信息值时,就会更有可能被蚂蚁所选择。
信息素更新:
信息素更新的目的是增加与优质解或潜在优质解相关的信息素含量,同时降低与劣 质解相关的信息素含量。算法的信息素更新规则如下:
其中ρ为信息素挥发系数,τmax与τmin分别为信息素含量的上界与下界,定义如下:
其中C为调节信息素增量大小的常量。
为验证本发明中提出的导频调度方法的性能,使用了如下仿真。仿真中使用的蜂窝 小区数目为7,蜂窝小区半径为1500m,每个蜂窝小区的天线数目分别设置为64、128 与256(最终实时系统容量示意图分别如图3a~图3c所示),每个蜂窝小区内的用户数 为8,用户所处的位置服从均匀随机分布。设置导频干扰半径为1800m,传输指数设置 为α=3.8,对数阴影衰落的标准差为σshadow=8dB。用于信道估计的导频开销导致的频谱 有效性损失为μ0=0.2。仿真中比较了本发明方法与贪婪方法、最优方法之间的性能。在 贪婪方法中,每次导频调度选取能够最大程度的增加系统信息速率的用户。最优方法通 过穷尽搜索产生最优的导频调度方案。
图2所示的是本发明提出的导频调度方法与贪婪方法、最优方法在天线数目M=64、 128与256三种不同条件下获得的实时系统信息速率。本发明方法中使用的蚂蚁数目为10。在每个时隙中,用户的位置以及信道状态信息都会更新。表1所示的为1000次仿 真所获得系统平均信息速率。
表1
由以上仿真数据可看出,本发明方法能够在降低运算复杂度的情况下获得接近最优 方法的性能,同时相对于贪婪方法的情况,本发明方法能够增加30%左右的系统信息速率。
本发明提供了适用于大规模MIMO蜂窝移动通信网络的导频调度方法,具体实现该技术方案的方法和途径很多,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,还可以做出若干改进 和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分 均可用现有技术加以实现。
Claims (6)
1.适用于大规模MIMO蜂窝移动通信网络的导频调度方法,其特征在于,包含以下步骤:
步骤1,对所有Q个蜂窝小区信道状态信息进行采集,每个小区内有K个用户终端,分别采集第p个蜂窝小区内的第k个用户终端UT与第q个基站间的距离d<p,k>,q,第p个蜂窝小区内的第k个用户终端UT记为UT<p,k>,其中p,q=1,2,...,Q,k=1,2,...,K;
步骤2,初始化构建图中每条边es,s+1(j)上分布的信息素τs,s+1(j)与启发式信息ηs,s+1(j);
步骤3,生成m只人工蚂蚁,每只蚂蚁按概率Pr(es,s+1(j))选择边es,s+1(j),记录蚂蚁Q×K次移动经过的边,选择路径中的边所对应的用户终端UT组成导频分配指示矩阵A;
步骤4,计算每只蚂蚁选择的导频分配指示矩阵A的系统信息速率,选取最大系统信息速率所对应的导频分配指示矩阵作为最优导频分配矩阵;
步骤5,判断是否达到最大迭代次数,若满足,停止并输出最优导频分配矩阵,若不满足,更新构建图上信息素并跳转到步骤3。
2.根据权利要求1所述的方法,其特征在于,步骤2中,通过如下公式计算信息素τs,s+1(j):
τs,s+1(j)=(τmax+τmin)/2,
其中,设置τmax=8,τmin=3,s=0,1,...,Q×K,j=1,2,...,Q×K×S,其中K为单小区中用户终端UT的数目,S为导频数目。
3.根据权利要求2所述的方法,其特征在于,步骤2中,通过如下公式计算启发式信息ηs,s+1(j):
其中,κs,s+1(j)是导频干扰指数,用于衡量导频所分配用户对其他蜂窝小区的导频干扰情况,表示不同的蜂窝小区内与UT<p,k>使用相同的导频序列的用户集合,β<p,k>,q表示用户终端UT<p,k>与第q个基站间的大尺度信道系数,β<q,l>,p表示第q个小区中的第l个用户终端UT<q,l>与第p个基站间的大尺度信道系数,通过如下公式计算:
<mrow>
<msub>
<mi>&beta;</mi>
<mrow>
<mo><</mo>
<mi>p</mi>
<mo>,</mo>
<mi>k</mi>
<mo>></mo>
<mo>,</mo>
<mi>q</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>s</mi>
<mrow>
<mo><</mo>
<mi>p</mi>
<mo>,</mo>
<mi>k</mi>
<mo>></mo>
<mo>,</mo>
<mi>q</mi>
</mrow>
</msub>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mo><</mo>
<mi>p</mi>
<mo>,</mo>
<mi>k</mi>
<mo>></mo>
<mo>,</mo>
<mi>q</mi>
</mrow>
</msub>
<mi>&gamma;</mi>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>&beta;</mi>
<mrow>
<mo><</mo>
<mi>q</mi>
<mo>,</mo>
<mi>l</mi>
<mo>></mo>
<mo>,</mo>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>s</mi>
<mrow>
<mo><</mo>
<mi>q</mi>
<mo>,</mo>
<mi>l</mi>
<mo>></mo>
<mo>,</mo>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mo><</mo>
<mi>q</mi>
<mo>,</mo>
<mi>l</mi>
<mo>></mo>
<mo>,</mo>
<mi>p</mi>
</mrow>
</msub>
<mi>&gamma;</mi>
</msup>
</mrow>
</mfrac>
</mrow>
其中γ为传输指数,s<p,k>,q与s<q,l>,p为表示标准差为σshadowdB的阴影对数正态项。
4.根据权利要求3所述的方法,其特征在于,步骤3中,通过如下公式计算概率Pr(es,s+1(j)):
其中,es,s+1(j)表示连接状态s与下一状态s+1的第j条边,表示连接状态s与下一状态s+1的所有边的集合,τs,s+1(j)表示边es,s+1(j)上的信息素含量,ηs,s+1(j)表示边es,s+1(j)上的先验启发式信息值,α和β均为权重参数。
5.根据权利要求4所述的方法,其特征在于,步骤4中,通过如下公式计算每只蚂蚁选择的导频分配指示矩阵A的系统信息速率V:
根据该公式得到所有蚂蚁选择的导频分配指示矩阵A的系统信息速率中的最大值,作为最大系统信息速率,记为
6.根据权利要求5所述的方法,其特征在于,步骤6中,按照以下方法更新信息素τs,s+1(j):
<mrow>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&LeftArrow;</mo>
<msubsup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>&Delta;&tau;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</msubsup>
<mo>,</mo>
</mrow>
其中,ρ为信息素挥发常数,
为所对应的路径,eij为最优路径中的边,C为一常数,用于控制最大系统信息速率对信息素的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711106489.0A CN107872255B (zh) | 2017-11-10 | 2017-11-10 | 适用于大规模mimo蜂窝移动通信网络的导频调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711106489.0A CN107872255B (zh) | 2017-11-10 | 2017-11-10 | 适用于大规模mimo蜂窝移动通信网络的导频调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107872255A true CN107872255A (zh) | 2018-04-03 |
CN107872255B CN107872255B (zh) | 2020-07-14 |
Family
ID=61753917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711106489.0A Active CN107872255B (zh) | 2017-11-10 | 2017-11-10 | 适用于大规模mimo蜂窝移动通信网络的导频调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107872255B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995496A (zh) * | 2019-04-12 | 2019-07-09 | 鹰潭泰尔物联网研究中心 | 一种大规模天线系统的导频分配方法 |
CN115150049A (zh) * | 2022-06-30 | 2022-10-04 | 南京邮电大学 | 基于用户相似性的去蜂窝大规模mimo导频分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104869060A (zh) * | 2015-05-18 | 2015-08-26 | 南京邮电大学 | 基于粒子群优化算法和蚁群优化算法的频谱感知方法 |
US20160227577A1 (en) * | 2015-01-30 | 2016-08-04 | Alcatel-Lucent Usa Inc. | Pilot Assignment in Cell Free Massive MIMO Wireless Systems |
CN105978673A (zh) * | 2016-05-06 | 2016-09-28 | 东南大学 | 大规模分布式天线系统中基于用户距离的导频分配方法 |
CN106027214A (zh) * | 2016-05-16 | 2016-10-12 | 东南大学 | 一种多小区大规模mimo系统导频分配方法 |
-
2017
- 2017-11-10 CN CN201711106489.0A patent/CN107872255B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160227577A1 (en) * | 2015-01-30 | 2016-08-04 | Alcatel-Lucent Usa Inc. | Pilot Assignment in Cell Free Massive MIMO Wireless Systems |
CN104869060A (zh) * | 2015-05-18 | 2015-08-26 | 南京邮电大学 | 基于粒子群优化算法和蚁群优化算法的频谱感知方法 |
CN105978673A (zh) * | 2016-05-06 | 2016-09-28 | 东南大学 | 大规模分布式天线系统中基于用户距离的导频分配方法 |
CN106027214A (zh) * | 2016-05-16 | 2016-10-12 | 东南大学 | 一种多小区大规模mimo系统导频分配方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995496A (zh) * | 2019-04-12 | 2019-07-09 | 鹰潭泰尔物联网研究中心 | 一种大规模天线系统的导频分配方法 |
CN109995496B (zh) * | 2019-04-12 | 2021-09-21 | 鹰潭泰尔物联网研究中心 | 一种大规模天线系统的导频分配方法 |
CN115150049A (zh) * | 2022-06-30 | 2022-10-04 | 南京邮电大学 | 基于用户相似性的去蜂窝大规模mimo导频分配方法 |
CN115150049B (zh) * | 2022-06-30 | 2023-07-21 | 南京邮电大学 | 基于用户相似性的去蜂窝大规模mimo导频分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107872255B (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8174959B2 (en) | Auction based resource allocation in wireless systems | |
US8369791B2 (en) | Multi-user beamforming with inter-cell interference suppression | |
CN111526592B (zh) | 一种用于无线干扰信道中的非协作多智能体功率控制方法 | |
Kim et al. | Multi-IRS-assisted multi-cell uplink MIMO communications under imperfect CSI: A deep reinforcement learning approach | |
CN111555795A (zh) | 一种基于用户分组调度的网络资源分配方法和装置 | |
CN109995496B (zh) | 一种大规模天线系统的导频分配方法 | |
Xu et al. | Realtime scheduling and power allocation using deep neural networks | |
Youssef et al. | Waterfilling-based resource allocation techniques in downlink non-orthogonal multiple access (NOMA) with single-user MIMO | |
CN107872255B (zh) | 适用于大规模mimo蜂窝移动通信网络的导频调度方法 | |
CN113490219B (zh) | 一种面向超密集组网的动态资源分配方法 | |
CN110677858A (zh) | 基于物联网任务迁移周期的传输功率与计算资源分配方法 | |
Taghavi et al. | Joint active-passive beamforming and user association in IRS-assisted mmWave cellular networks | |
KR101571103B1 (ko) | 분산 다중 입출력 시스템에서 최적의 선형적 전송 장치 및 방법 | |
Chen et al. | iPAS: A deep Monte Carlo Tree Search-based intelligent pilot-power allocation scheme for massive MIMO system | |
CN108063656B (zh) | 一种适用于大规模mimo蜂窝网络的新型导频分配方法 | |
Khan et al. | Optimizing multicell scheduling and beamforming via fractional programming and hungarian algorithm | |
Li et al. | Online power allocation for sum rate maximization in TDD massive MIMO systems | |
Fu et al. | Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas | |
Ouyang et al. | Massive MIMO antenna selection: Asymptotic upper capacity bound and partial CSI | |
CN116056210A (zh) | 一种面向容量覆盖的irs辅助超密集网络资源分配方法 | |
CN113162662B (zh) | 一种CF-mMIMO下的用户分簇及功率分配方法 | |
Liu et al. | An optimal power allocation scheme in downlink multi-user NOMA beamforming system with imperfect CSI | |
CN114302487A (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 | |
Moon et al. | Weighted sum rate of multi-cell MIMO downlink channels in the large system limit | |
Golkar et al. | Adaptive partitioned interference management in cellular networks |
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 | ||
CB02 | Change of applicant information |
Address after: No. 58, Nanxi River East Street, Nanjing, Jiangsu Province Applicant after: Zhong Tong clothing consulting and Design Research Institute Co., Ltd. Address before: 210019 No. 58 East Street, Nanxi River, Jianye District, Nanjing, Jiangsu Applicant before: Jiangsu Posts & Telecommunications Planning and Designing Institute Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |