CN108337024B - 一种基于能量采集的大规模mimo系统能效优化方法 - Google Patents
一种基于能量采集的大规模mimo系统能效优化方法 Download PDFInfo
- Publication number
- CN108337024B CN108337024B CN201810114778.3A CN201810114778A CN108337024B CN 108337024 B CN108337024 B CN 108337024B CN 201810114778 A CN201810114778 A CN 201810114778A CN 108337024 B CN108337024 B CN 108337024B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy efficiency
- sensor
- efficiency
- maximum
- 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
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
- H04B7/0413—MIMO systems
- H04B7/0452—Multi-user MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
- H04B7/0426—Power distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/42—TPC being performed in particular situations in systems with time, space, frequency or polarisation diversity
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明请求保护一种基于能量采集的大规模MIMO系统能效优化方法,包括:初始化最大迭代次数和最大容差因子,能效初值,能量塔发射功率值,迭代次数;根据迭代次数判断是否满足最大迭代次数,如果条件满足,求出传感器能量采集时间;否则,直接带入求能效;针对求出的传感器能量采集时间,判断是否满足传感器能效采集时间的限制,如果满足条件,求出能量塔的发射功率;否则,直接带入求能效;针对求出的能量塔发射功率判断其是否满足能量塔发射功率的限制条件,如果满足条件,带入目标函数求解;最后,判断目标函数是否在最大容差范围内,如果是,求出最优能效且更新迭代次数;否则求出能效值。本发明具有搜索速度快、实用性和可行性强的优点。
Description
技术领域
本发明属于MIMO技术领域,具体是基于能量采集的大规模MIMO系统能效优化方法。
背景技术
近来年,随着人类社会的高速发展,资源严重匮乏,无线能量传输(WirelessPower Transfer,WPT)在无线研究领域吸引了极大的关注,不同于传统的有线能源,传感器节点从电磁辐射中采集能量,延长能量受限网络或设备的寿命。WPT可以运用到很多极端条件下,比如水下、沙漠以及体域网中。在医疗中,植入身体的装置可以通过WPT技术从外界采集能量,极其方便。在智能交通、飞行器、物联网应用的无线传感器节点中,WPT的运用延长了电池寿命。近来,将无线能量传输运用到蜂窝系统中,移动装置不再需要电源线和充电器,基于射频(Radio Frequency,RF)信号的无线能量传输在科学界引起了极大的关注。信息和能量可以通过RF信号的形式同时传送,并且可以灵活地增加发射功率来提高接收质量。
然而,为了实施WPT,有一些挑战需要解决。与传统的无线信息传输相比,无线能量传输与其有一些相似性和差异性。首先,两者的性能都会受到信道衰落和路径损耗而损失。其次,无线信息传输的接受功率电平不适用于能量传输,并且,能量的采集比信息解码更加灵敏,能量传输距离比无线信息传输距离更短。近来,在传统的无线信息传输中,基站端配置几百根天线的大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术能够提高衰落信道的性能。多天线技术使用空间波束成形,使发射信号适应信道状态,利用信道衰落来提高性能。同样地,在无线能量传输中,可以运用多天线技术将RF信号与功率接收器对准,从而提高能量效率]。多天线技术成为领先的5G无线通信技术,可以同时支持多个信息流和能量传输,提供比当前更好的数据速率和能量效率,可以显著提高WPT的性能。
在无线能量采集场景中,部署基站、传感器以及对传感器进行充电的能量塔。这些传感器在没有任何内部电源的情况下,遵循先采集后传输的方案与基站进行通信。在实践中,传感器网络和能量塔可以通过不同的权限部署。因此,需要一个提高整个系统能量效率的计划来保证能量塔、传感器和基站三者之间的能源交易与通信。
Sarma S等人在《Robust Energy Harvesting Based on a Stackelberg Game,mar.2016,pp.336-339》中对多传感器节点场景中研究了基站和多天线能量塔之间的无线能量采集,设计了一个Stackelberg博弈,这种多天线系统通过采用波束成形来提高系统传输的效率。假设传感器节点和能量塔之间拥有不完全信道状态信息(Channel StatusInformation,CSI),提出了基站基于最低系统吞吐量的资源分配方法效用函数,但是没有考虑整个系统的能效问题。
Hu Y等人在《Energy-efficient resource allocation of very large multi-user MIMO systems,jun.2014,pp.1421-1430》中针对上行多用户MIMO系统,提出了基于能效优化的资源分配方法。所提方法采用迫零(Zero Forcing,ZF)接收,以最大化系统能效为准则,通过联合调整基站端的发射天线数和用户的数据速率来优化能效函数,可是忽略了大尺度衰落对系统能效的影响。
Ngo H Q等人在《Energy and Spectral Efficiency of Very Large MultiuserMIMO Systems,apr.2013,vol.61,no.4,pp.1436-1449》中分别推导了大规模MIMO多用户系统上行链路中分别采用最大比合并,ZF以及最小均方误差检测时的容量下界,并研究了能效和频谱效率之间的折衷关系,但是系统的功率消耗中没有考虑电路功率消耗。
Yuan F等人在《Joint wireless information and energy transfer inmassive distributed antenna systems,jun.2015,vol.53,pp.109-116》中分析了移动通信中出现的两种突破性技术:带来巨大信息传输速率的大规模MIMO天线技术,为移动用户远距离充电的WPT技术,提出了将无线信息高速传输和WPT技术相结合的潜质。
基于以上分析,本发明同时考虑了单天线能量塔和多天线基站。在一个典型的上行多用户无线通信系统中,部署多个传感器节点模型,假设系统通信拥有完美CSI。传感器网络和能量塔拥有相同的部署权限。系统运行时,多个传感器节点从能量塔处采集能量,然后传感器节点利用采集的能量与多天线基站进行通信。本发明针对整个大规模MIMO能量采集系统,以最大化系统能效为准则,提出了一种新的资源分配方法。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种保证用户QoS的情况下,提高了系统能效、并让整个系统具有较好的吞吐量性能的基于能量采集的大规模MIMO系统能效优化方法。本发明的技术方案如下:
一种基于能量采集的大规模MIMO系统能效优化方法,其包括以下步骤:
步骤1):初始化大规模MIMO系统中能量塔最大发射功率、传感器数量、基站天线数、最大容差因子、整个系统的功率损耗、迭代次数、最大迭代次数、能效初值、能量量采集时间和能量发射功率;
步骤2):通过能量采集时间、传感器数量、整个系统的电路功率损耗、迭代次数、能效初值、能量发射功率、基站天线数、信道增益、能量转化效率、高斯噪声方差和传感器的大尺度衰落因子,建立能效目标函数,判断能效目标函数是否满足初始化的最大容差因子,如果条件满足,求出最优能效;否则,进入步骤3;
步骤3):采用二分法迭代求解能效目标函数对τ的一阶导方程,得出传感器的能量采集时间;
步骤4):通过遍步骤3)迭代搜索获得的能量采集时间,求出相对应的能量塔发射功率,并更新传感器的发射功率值和能效值。
进一步的,所述步骤1)具体包括:Pmax表示初始化能量塔最大发射功率、K表示传感器数量、M表示基站天线数、ε表示最大容差因子、令Nk=|gk|2ξk、令PC表示整个系统的电路功率损耗,T表示迭代次数(初值T=0)、Tmax表示最大化迭代次数、qT表示能效效初始值、τT表示能量采集时间、PT表示能量发射功率(初值PT=Pmax)、gk表示能量塔到第k个传感器节点的信道增益、ξk表示第k个传感器节点的能量转化效率、βk表示第k个传感器的大尺度衰落因子、σ表示高斯噪声标准差、Pmax表示能量塔的最大传送功率。
进一步的,所述步骤2)判断能效目标函数是否满足初始化的最大容量因子,如果条件满足,求出最优能效;否则,进入步骤3,具体包括:如果对于能效目标函数成立,其中传感器能量采集时间τT,令P*=PT,τ*=τT;最优能效:
本发明的优点及有益效果如下:
本发明基于现有的能量采集的大规模MIMO系统能效优化不能保证提高系统的能效,提供了一种提高系统能效的方法。本发明采用ZF方法接收并考虑大尺度衰落的影响,同时在满足用户服务质量(Quality of Service,QoS)和能量塔发射功率的约束条件下,以最大化系统能效为准则建立优化模型。根据分式规划的性质,把原始的分式优化问题转换成减式形式,然后转化为凸优化问题,通过联合调整能量塔的发射功率和传感器的能量采集时间来优化能效函数。由于无法得到最优功率分配和能量采集时间的闭式表达式,本发明运用二分法和凸优化内点法为优化问题找到了可行的数值解决方案,推导证明得到了能效最大化时能量塔的发射功率和传感器的能量采集时间。仿真结果表明,在保证用户QoS的情况下,所提方法提高了系统能效,并让整个系统具有较好的吞吐量性能。
本发明同时考虑了单天线能量塔和多天线基站,采用ZF方法接收并考虑大尺度衰落的影响,同时满足用户服务质量和能量塔的发射功率的约束条件下,以最大化系统能效为准则建立优化模型。本发明提出一种新的迭代方法,通过联合优化能量塔发射功率值P和传感器的能量采集时间τ来最大化目标函数Ψ(P,τ,q),提高系统能效和吞吐量。由于方法具有解析表达式,因此执行速度快,具有较好的可行性和实用性。
附图说明
图1是本发明提供优选实施例提供的基于能量采集的大规模MIMO系统能效优化方法的流程图;
图2为本发明在迭代次数门限从0增加到10时的能效曲线图;
图3为本发明在能量塔最大传输功率门限从0增加到50时的能效曲线图;
图4为本发明在能量塔最大传输功率门限从0增加到50时的吞吐量曲线图。
图5为本发明在传感器数量门限从0增加到30时的能效曲线图;
图6为本发明在传感器数量门限从0增加到30时的吞吐量曲线图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本实施例为能量采集的大规模MIMO系统能效优化方案,基站配置天线数M=100,传感器节点K=9,最大迭代次数Tmax=10,能量塔的最大传送功率Pmax=30dBm,背景噪声为零均值的高斯白噪声,方差为σ2,在M≥K+1的瑞利衰落信道中,假设基站完全已知信道状态信息并采用ZF接收。
第一步,初始化能量塔最大发射功率、传感器数量、基站天线数、最大容差因子、整个系统的功率损耗、迭代次数、最大迭代次数、能效初值、能量采集时间和能量发射功率。
第二步,如果对于能效目标函数
所述能效目标函数为:K表示传感器数量、M表示基站天线数、ε表示最大容差因子、令Nk=|gk|2ξk、令PC表示整个系统的电路功率损耗,T表示迭代次数(初值T=0)、qT表示能效效初始值、τT表示能量采集时间、PT表示能量发射功率(初值PT=Pmax)、gk表示能量塔到第k个传感器节点的信道增益、ξk表示第k个传感器节点的能量转化效率、βk表示第k个传感器的大尺度衰落因子、σ表示高斯噪声标准差、Pmax表示能量塔的最大传送功率。
在本实施例中,图2给出了本实例方法得到的能效曲线图;图3分别采用TPTA方法、TA-QoSA方法和本实例方法得到的能效曲线图;图4分别采用TPTA方法、TA-QoSA方法和本实例方法得到的吞吐量曲线图;图5分别采用TPTA方法、TA-QoSA方法和本实例方法得到的能效曲线图;图6分别采用TPTA方法、TA-QoSA方法和本实例方法得到的吞吐量曲线图。由图2可见:所提实施方法在能量塔最大发射功率Pmax三种不同取值情况下的收敛性能。可以看到,通过几次迭代,所提方法都能很快收敛。在所考虑的三种情形中,方法收敛到最优值的迭代次数均在5次以内,收敛速度快符合实时通信的要求。由图3可见:所提方法较TPTA方法和TA-QoSA方法获得的能效性能更好。由图4可见:所提方法较TPTA方法和TA-QoSA方法获得的吞吐量性能更好。由图5可见:所提方法较TPTA方法和TA-QoSA方法获得的能效性能更好。由图6可见:所提方法较TPTA方法和TA-QoSA方法获得的吞吐量性能更好。结合图2、图3、图4、图5和图6可知所提方法较比TPTA方法和TA-QoSA提升大规模MIMO能效和吞吐量性能。该方法获得了提升能效优化的策略,所提方法能够有效地解决大规模MIMO系统能量优化等相关问题。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (1)
1.一种基于能量采集的大规模MIMO系统能效优化方法,其特征在于,包括以下步骤:
步骤1):初始化大规模MIMO系统中能量塔最大发射功率、传感器数量、基站天线数、最大容差因子、整个系统的电路功率损耗、信道增益、能量转化效率、高斯噪声标准差、传感器的大尺度衰落因子、迭代次数、最大迭代次数、能效初值、能量采集时间和能量发射功率;
步骤2):通过能量采集时间、传感器数量、整个系统的电路功率损耗、迭代次数、能效初值、能量发射功率、基站天线数、信道增益、能量转化效率、高斯噪声方差和传感器的大尺度衰落因子,建立能效目标函数,判断能效目标函数是否满足初始化的最大容差因子,如果条件满足,求出最优能效;否则,进入步骤3;
步骤3):采用二分法迭代求解能效目标函数对τT的一阶导方程,得出传感器的能量采集时间;
步骤4):通过遍历步骤3)迭代搜索获得的能量采集时间,求出相对应的能量塔发射功率,并更新传感器的发射功率值和能效值;
所述步骤1)具体包括:Pmax表示初始化能量塔最大发射功率、K表示传感器数量、M表示基站天线数、ε表示最大容差因子、令Nk=|gk|2ξk、令PC表示整个系统的电路功率损耗,T表示迭代次数,初值T=0、Tmax表示最大化迭代次数、qT表示能效效初始值、τT表示能量采集时间、PT表示能量发射功率,初值PT=Pmax、gk表示能量塔到第k个传感器节点的信道增益、ξk表示第k个传感器节点的能量转化效率、βk表示第k个传感器的大尺度衰落因子、σ表示高斯噪声标准差、Pmax表示能量塔的最大传送功率;
所述步骤2)判断能效目标函数是否满足初始化的最大容量因子,如果条件满足,求出最优能效;否则,进入步骤3,具体包括:如果对于能效目标函数成立,其中传感器能量采集时间τT,令P*=PT,τ*=τT;最优能效:Pk(PT,τT)表示传感器k的发射功率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114778.3A CN108337024B (zh) | 2018-02-06 | 2018-02-06 | 一种基于能量采集的大规模mimo系统能效优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114778.3A CN108337024B (zh) | 2018-02-06 | 2018-02-06 | 一种基于能量采集的大规模mimo系统能效优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108337024A CN108337024A (zh) | 2018-07-27 |
CN108337024B true CN108337024B (zh) | 2021-02-09 |
Family
ID=62928077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810114778.3A Active CN108337024B (zh) | 2018-02-06 | 2018-02-06 | 一种基于能量采集的大规模mimo系统能效优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108337024B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110380776B (zh) * | 2019-08-22 | 2021-05-14 | 电子科技大学 | 一种基于无人机的物联网系统数据收集方法 |
CN111200813B (zh) * | 2019-11-22 | 2022-03-22 | 重庆邮电大学 | 基于swipt的大规模mimo系统最大化最小用户安全能效优化方法 |
CN111446992B (zh) * | 2020-04-03 | 2022-03-22 | 重庆邮电大学 | 无线供电大规模mimo网络中的最大化最小能效资源分配方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104954055A (zh) * | 2015-04-24 | 2015-09-30 | 浙江理工大学 | 一种低复杂度的多用户信能同传系统能效优化方法 |
CN107071887A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种能量采集异构蜂窝网络中small cell的在线功率控制方法 |
CN107086885A (zh) * | 2017-03-29 | 2017-08-22 | 东南大学 | 一种针对混合能量供电分布式天线系统能量有效的功率分配方法 |
CN107135544A (zh) * | 2017-04-06 | 2017-09-05 | 杭州电子科技大学 | 一种基于干扰动态更新的能效资源分配方法 |
CN107276650A (zh) * | 2017-07-03 | 2017-10-20 | 华中科技大学 | 一种多用户大规模mimo混合预编码能效优化方法 |
CN107506847A (zh) * | 2017-07-14 | 2017-12-22 | 重庆邮电大学 | 能量采集的大规模MIMO系统中基于Stackelberg博弈的定价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10264525B2 (en) * | 2014-11-17 | 2019-04-16 | University Of Notre Dame Du Lac | Energy efficient communications |
-
2018
- 2018-02-06 CN CN201810114778.3A patent/CN108337024B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104954055A (zh) * | 2015-04-24 | 2015-09-30 | 浙江理工大学 | 一种低复杂度的多用户信能同传系统能效优化方法 |
CN107071887A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种能量采集异构蜂窝网络中small cell的在线功率控制方法 |
CN107086885A (zh) * | 2017-03-29 | 2017-08-22 | 东南大学 | 一种针对混合能量供电分布式天线系统能量有效的功率分配方法 |
CN107135544A (zh) * | 2017-04-06 | 2017-09-05 | 杭州电子科技大学 | 一种基于干扰动态更新的能效资源分配方法 |
CN107276650A (zh) * | 2017-07-03 | 2017-10-20 | 华中科技大学 | 一种多用户大规模mimo混合预编码能效优化方法 |
CN107506847A (zh) * | 2017-07-14 | 2017-12-22 | 重庆邮电大学 | 能量采集的大规模MIMO系统中基于Stackelberg博弈的定价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108337024A (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107172705B (zh) | 无线携能异构网络的波束优化方法及系统 | |
CN108234101B (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
CN107613567B (zh) | 一种基于无线输能的无线传感网络资源分配方法 | |
CN111988762B (zh) | 一种基于无人机d2d通信网络的能效最大资源分配方法 | |
CN107171764B (zh) | 一种无线携能异构网络的安全传输方法及系统 | |
CN108337024B (zh) | 一种基于能量采集的大规模mimo系统能效优化方法 | |
CN103117970B (zh) | Mimo系统中全双工天线的选择方法 | |
CN113114317B (zh) | 一种irs辅助下行多用户通信系统的相移优化方法 | |
CN110011712B (zh) | 一种面向毫米波大规模多输入多输出的混合预编码方法 | |
CN109450503B (zh) | 一种临空阵列通信非正交多址接入公平性传输方法 | |
CN113825159B (zh) | 基于智能反射面的无线携能通信系统鲁棒资源分配方法 | |
CN111446992B (zh) | 无线供电大规模mimo网络中的最大化最小能效资源分配方法 | |
CN109168197A (zh) | 基于异构小蜂窝网络能量采集效率最大化的功率分配方法 | |
Zhao et al. | Blind channel estimation in ambient backscatter communication systems with multiple-antenna reader | |
An et al. | Trajectory optimization and power allocation algorithm in MBS-assisted cell-free massive MIMO systems | |
CN108462975B (zh) | D2d无线供电通信网络中功率与时间联合分配方法 | |
Yadav et al. | 5G and beyond networks for 3D MIMO using artificial intelligence in 5G network | |
CN112188605A (zh) | 无线携能通信场景下网络辅助全双工系统收发机设计方法 | |
CN115379478B (zh) | 一种基于ris辅助数能同传网络鲁棒能耗优化方法 | |
CN107733488B (zh) | 一种大规模mimo系统中注水功率分配改进方法及系统 | |
Bhat et al. | Correlating the Ambient Conditions and Performance Indicators of the LoRaWAN via Surrogate Gaussian Process-Based Bidirectional LSTM Stacked Autoencoder | |
CN109587694A (zh) | 一种提高城中村信号覆盖的方法及电子设备 | |
CN115037337A (zh) | 一种智能反射面驱动的多用户协同传输方法 | |
WO2017185994A1 (zh) | 分簇的方法、装置及系统 | |
Song et al. | Federated learning in multi-antenna wireless 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |