CN109041074B - 基于协作区域划分的波束赋形方法及装置 - Google Patents

基于协作区域划分的波束赋形方法及装置 Download PDF

Info

Publication number
CN109041074B
CN109041074B CN201811306916.4A CN201811306916A CN109041074B CN 109041074 B CN109041074 B CN 109041074B CN 201811306916 A CN201811306916 A CN 201811306916A CN 109041074 B CN109041074 B CN 109041074B
Authority
CN
China
Prior art keywords
cell
base station
cooperation area
user
cooperation
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
CN201811306916.4A
Other languages
English (en)
Other versions
CN109041074A (zh
Inventor
张颖慧
那顺乌力吉
卫宇航
宁爽
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.)
Inner Mongolia University
Original Assignee
Inner Mongolia University
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 Inner Mongolia University filed Critical Inner Mongolia University
Priority to CN201811306916.4A priority Critical patent/CN109041074B/zh
Publication of CN109041074A publication Critical patent/CN109041074A/zh
Application granted granted Critical
Publication of CN109041074B publication Critical patent/CN109041074B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • 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
    • H04B7/02—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
    • H04B7/06—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
    • 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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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

本申请提供了一种基于协作区域划分的波束赋形方法及装置，根据基站和用户分布构建方形小区，得到本小区模型；依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对本小区内的用户的预编码矢量；根据本小区内用户的信干噪比，计算本小区用户的下行用户速率；根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；以本小区通信系统能效最优为优化目标，计算得到本小区的最佳协作区域。本发明在保证系统高效覆盖的同时，有效提升系统能效。

Description

基于协作区域划分的波束赋形方法及装置
技术领域
本发明涉及通信技术领域，更具体的，涉及一种基于协作区域划分的波束赋形方法及装置。
背景技术
为应对移动通信业务量的迅猛增长及无线接入终端数目的大幅增加，下一代(5thGeneration，5G)移动通信系统需要更高的系统性能和服务质量。为了获得更好的通信服务质量，5G通信网络需要的不仅仅是提高总容量，还需要注重解决用户的最差服务质量，尤其边缘用户的通信服务质量，保证用户服务的公平性。
由于在频谱和能效方面的巨大潜力，大规模多输入输出(英文全称：MassiveMultiple-input Multiple-output，英文简称：Massive MIMO)技术已经被广泛认为是5G最有前景的技术之一。尽管Massive MIMO技术有着诸多优势，但是，日渐增多的用户数量、更高的服务质量需求使得Massive MIMO网络中的干扰管理(英文全称：Interferencemanagement，英文简称：IM)变得更难处理。因此，在采用Massive MIMO技术的基站部署下，如何通过干扰管理提高系统能效和链路可靠性成为了极具挑战性的课题。
发明内容
有鉴于此，本发明提供了一种基于协作区域划分的波束赋形方法及装置，在保证系统高效覆盖的同时，有效提升系统能效。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种基于协作区域划分的波束赋形方法，包括：
根据基站和用户分布构建方形小区，得到本小区模型；
依据方形协作区域划分算法和圆形协作区域划分算法为小区划分协作区域，得到本小区的扩展协作用户；
基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
根据本小区用户的信干噪比，计算小区用户的下行用户速率；
根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；
以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域。
可选的，依据方形协作区域划分算法为小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；
根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；
依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到本小区的扩展协作用户。
可选的，依据圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；
根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；
依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户。
可选的，所述方法还包括：
当扩展协作用户接收到信号时，将基站对其小区内用户的数据传输置到零空间。可选的，所述根据本小区用户的信干噪比，计算本小区用户的下行用户速率，包括：
根据基站对用户的数据传输、本小区内用户间的干扰及邻近小区对本小区的干扰，计算本小区内用户的下行用户速率。
一种基于协作区域划分的波束赋形装置，包括：
小区构建单元，用于根据基站和用户分布构建方形小区，得到本小区模型；
协作区域划分单元，用于依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；
预编码矢量定义单元，用于基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
用户速率计算单元，用于根据本小区用户的信干噪比，计算本小区用户的下行用户速率；
系统能效计算单元，用于根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；
优化计算单元，用于以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域。
可选的，所述协作区域划分单元包括：
方形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到本小区的扩展协作用户。
可选的，所述协作区域划分单元包括：
圆形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户。
可选的，所述装置还包括：
数据传输控制单元，用于当扩展协作用户接收到信号时，将基站对其小区内用户的数据传输置到零空间。
可选的，所述用户速率计算单元，具体用于根据基站对用户的数据传输、本小区内用户间的干扰及邻近小区对本小区的干扰，计算本小区内用户的下行用户速率。
相对于现有技术，本发明的有益效果如下：
本发明公开的一种基于协作区域划分的波束赋形方法及装置，在构建方形小区模型的基础上，提出了方形协作区域划分算法和圆形协作区域划分算法为小区划分协作区域，得到小区的扩展协作用户。基于基站与小区外的扩展协作用户之间的信道估计矩阵和基站与小区内的用户之间的信道估计矩阵，定义基站对小区内的用户的预编码矢量，便于基站通过协作波束赋形抑制本小区对小区外扩展协作用户的干扰，改善扩展协作用户的服务质量。同时，以小区内通信系统能效最优为优化目标，计算得到小区的最佳协作区域，在保证系统高效覆盖的同时，有效提升系统能效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种基于协作区域划分的波束赋形方法流程示意图；
图2为本发明实施例公开的方形小区示意图；
图3为本发明实施例公开的方形协作区域划分示意图；
图4为本发明实施例公开的圆形协作区域划分示意图；
图5为本发明实施例公开的不同方形协作区域下的系统能效对比示意图；
图6为本发明实施例公开的不同方形协作区域下的吞吐量对比示意图；
图7为本发明实施例公开的不同圆形协作区域下的系统能效对比示意图；
图8为本发明实施例公开的不同圆形协作区域下的吞吐量对比示意图；
图9为本发明实施例公开的两种协作区域划分算法的系统能效对比示意图；
图10为本发明实施例公开的DDA-CoBF算法与ZF预编码的系统能效对比示意图；
图11为本发明实施例公开的DDA-CoBF算法与ZF预编码的吞吐量对比示意图；
图12为本发明实施例公开的DDA-CoBF算法与ZF预编码的功耗对比示意图；
图13为本发明实施例公开的一种基于协作区域划分的波束赋形装置结构示意图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本实施例公开的一种基于协作区域划分的波束赋形方法，应用于Massive MIMO系统，通过在Massive MIMO网络下的协作波束赋形抑制本小区对小区外边缘用户的干扰，本实施例基于所公开的基于协作区域划分的波束赋形方法对应公开了一种DDA-CoBF算法(英文全称：Dynamic division of areas cooperative beamforming，中文全称：基于协作区域划分的波束赋型)，所述方法具体包括以下步骤：
S101：根据基站和用户分布构建方形小区，得到本小区模型；
基站端部署了大规模天线，数目为M。所以，在迫零预编码(英文全称：Zeroforcing，英文简称：ZF)下用户数K需要满足K<M，从而保证每个用户都能够得到服务。假定基站与用户均采用时分双工(Time Division Duplexing，TDD)，时频相干块(Resourceblock，RB)表示为U＝BT，其中，B为相干带宽，T为相干时间。则基站端能够在每个分配好的时频资源块中完成对小区内所有用户的信息传输。
本实施例主要考虑单层同构网络，为了保证用户的数据传输质量，保证服务的公平性，本实施例通过功率分配使得所有用户的用户速率相同均为R。对于基站i所在小区内的用户k，本实施例中定义
Figure BDA0001853862820000051
相对基站i所在小区内的用户，小区外相邻小区的第j个扩展协作用户定义为
Figure BDA0001853862820000061
S102：依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；
在协作范围内非本小区的用户定义为扩展协作用户，这些扩展协作用户是小区外最易受到本小区干扰的邻居用户。
依据方形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；
根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；
具体的，方形协作区域扩展协作用户分布概率密度表示为：
Figure BDA0001853862820000062
其中，dmin为基站到本小区边缘的最近距离，ds为基站到方形协作区域边缘的最近距离。
依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到本小区的扩展协作用户。请参阅图2，图2为方形协作区域划分示意图。
由于路径衰落是信道衰落的主导因素，因此，本实施例还提供了一种圆形协作区域划分算法，依据圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；
根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；
具体的，圆形协作区域扩展协作用户分布概率密度表示为：
Figure BDA0001853862820000063
其中，dmin为基站到本小区边缘的最近距离，dc为基站到圆形协作区域边缘的最近距离。
依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户。具体的，请参阅图3，图3为圆形协作区域划分示意图。
S103：基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
在传统ZF预编码中，所有大规模天线带来的空间自由度全部用于多路复用。而本实施例新提出的DDA-CoBF算法中，利用一部分的空间自由度来抑制扩展协作用户的干扰，其余的空间自由度用于基站通过提高发射功率使得小区内的用户对周边小区用户造成更少的干扰。如果所有的小区均采用DDA-CoBF算法，可以有效的抑制小区间扩展协作用户的干扰，同时网络的总系统能效和吞吐量均有明显的提高。
在采用DDA-CoBF算法下的Massive MIMO系统中，基站j对本小区用户k的预编码矢量定义为:
Figure BDA0001853862820000071
其中
Figure BDA0001853862820000072
是基站j与小区外的第l个扩展协作用户间的信道估计矩阵。这些用户是小区外最易受干扰，同时也对本小区用户干扰最严重的用户。基站j在预编码矢量中加入扩展协作用户信道信息后，扩展协作用户在接收信号时将小区j内的数据传输置到零空间，从而提高了扩展协作用户的信干噪比。基站j不对这些扩展协作用户进行数据传输。
S104：根据本小区用户的信干噪比，计算本小区用户的下行用户速率；
DDA-CoBF算法下小区j中的用户k的接收端信号Vj，k可以表示为：
Figure BDA0001853862820000073
相应的的小区j中的用户k的用户速率
Figure BDA0001853862820000074
小区间干扰
Figure BDA0001853862820000075
可以分别表示为
Figure BDA0001853862820000076
Figure BDA0001853862820000077
若小区j中的用户k是其他L个小区的扩展协作用户，则用户k在下行数据接收端将L个小区的数据传输信息置于零空间。
在Massive MIMO多小区环境下，小区间干扰的计算是身十分复杂的。为了便于计算，本实施例将信道状态信息误差在信干噪比计算时作为噪声处理，小区j中用户k的速率可以表示为:
Figure BDA0001853862820000081
其中τ为用户k的上行导频序列，M为小区基站的天线数，K为小区j的用户数，参数ρ≥0与信干噪比呈正比关系，信干噪比可以表示为SINR＝ρ(M-K)。
S105：根据本小区用户的下行用户速率和系统功耗计算本小区上文通信系统能效；
通信系统能效的计算单位通常为比特/焦耳，为平均总速率(单位：比特/秒)和平均总功耗Pt(单位：瓦特)的比值。在Massive MIMO多用户系统模型下，定义系统能效EE表达式为：
Figure BDA0001853862820000082
其中
Figure BDA0001853862820000083
为用户k的下行用户速率，
Figure BDA0001853862820000084
为下行PA总功率。PCP为模拟电路与数字电路的总电路功率消耗，在Massive MIMO环境系统中可以表示为：
PCP＝PFIX+PTC+PCE+PC/D+PBH+PLP (9)
其中PFIX为常量，是由节点冷却系统、控制信号、回路基础设施部分的负载独立电源和基带处理器等带来的硬件电路功率消耗。PTC为收发器链路功耗，PCE为信道估计消耗，PC/D为信道编码与解码功耗，PBH是与负载相关的回程功耗，PLP为基站线性预编码功耗。
在大多数的文献中，通常定义PCP=PFIX。而电路功率消耗为常数的系统模型是不够准确的，因为对于一个固定的PA功率消耗值，基站部署的天线数越多，用户速率和系统EE越高，这样的数据是没有意义的。本实施例则解决了这一问题，通过建立更加完善的电路功率消耗模型PCP，可以得到Massive MIMO系统下基站的最佳天线部署方案。
S106：以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域。
本实施例提出了方形、圆形两种协作区域划分算法，对预编码矢量
Figure BDA0001853862820000085
中协作区域的划分范围寻求最佳值。
优选的，本实施例所公开的方法中还包括以小区内通信系统能效和吞吐量最优为优化目标，计算得到小区的最佳协作区域。
其中，在Massive MIMO多小区系统中，吞吐量是衡量系统性能的重要指标。在本实施例中吞吐量Rt的计算公式表示为：
Figure BDA0001853862820000091
其中dmin为基站到方形小区边缘的最近距离。
通过仿真对两种协作区域划分算法下的系统能效EE和吞吐量进行对比。系统模拟了空旷场地下的系统模型，参数中假定路径衰落指数∝＝2.4，小区间干扰较为严重。所以协作区域越大系统性能的提高越明显。
请参阅图5，图5为不同的方形协作区域下系统能效EE对比示意图。可以看出在方形协作区域的边长超过1100米后，系统能效EE只有小幅提高，并在协作区域边长为1400米时达到了最优，即系统能效EE最优的方形协作区域划分DDA-CoBF算法。由于用户非均匀部署及硬件电路功耗限制等因素，系统能效EE并不随协作区域边长的增加呈正比增加。因为在基站部署天线数较少且服务用户数较低时，用户位置随机性较大，小区间干扰相对较小，基站端功率消耗大于用户增益，所以系统能效EE反而相对较低。所以，图5中边长较长的协作区域划分DCA-CoBF算法在基站天线数部署较低时最优EE值不如边长为1100米的情况。
请参阅图6，图6为不同方形协作区域下的吞吐量对比示意图。图6种基站端不同的天线数下选择不同协作区域的系统吞吐量变化曲线。与图5中最优能效的变化趋势不同，图6中系统的吞吐量随着协作区域边长的增大而升高。这是因为算法以提高总PA功率为代价抑制边缘用户的干扰，所以系统能效不能无限提高。在不考虑训练阶段的能耗下，用户速率是不断提高的，所以系统的吞吐量在协作区域边长为1100-1500米内逐步增加。但不能因此无限制的追求更高的系统吞吐量，因为系统的PA功率会以倍数增加，整体能效会大幅下降。当系统在两种协作区域划分DDA-CoBF算法下的能效相近时应当尽量选择协作区域较大的DDA-CoBF算法，增加系统吞吐量，从而进一步提高系统性能。
请参阅图7，图7为不同的圆形协作区域下系统能效EE对比示意图。不同的圆形协作区域下系统的最优系统能效EE随部署天线数变化曲线如图7所示。观察最优系统能效EE点，圆形协作区域划分DDA-CoBF算法在协作区域半径为700米时达到最优，能效值达到9.255Mbit/Joule。与图8相似，协作区域划分半径较大的协作区域划分DDA-CoBF算法在基站天线数部署较少时系统EE相对较低，相反，当基站部署天线数超过80根时，协作区域较大的协作划分算法能够达到更高的EE。
请参阅图8，图8为不同圆形协作区域下的吞吐量对比示意图。图8描述的是采用不同的协作区域划分范围下系统吞吐量随天线数变化情况。图8与图7系统部署环境相同。可以看出系统的吞吐量也随协作区域半径的增大而均匀升高，但是当协作区域半径达到800米时系统吞吐量的提高十分有限，这是因为新增加的扩展协作用户对本小区的干扰相对较小，所以通过抑制干扰而获得的吞吐量很有限。
请参阅图9，图9为两种协作区域划分算法的系统能效EE对比示意图。相对于传统的ZF预编码，采用方形、圆形两种协作区域划分DDA-CoBF算法均能有效的提高系统性能。图9为采用两种协作划分算法的系统最优系统能效EE值随协作区域范围的变化曲线。可以看出，方形和圆形两种DDA-CoBF算法下系统EE的最优值是十分相近的。其中采用方形协作区域划分DDA-CoBF算法的系统平均最优EE略高于圆形协作区域划分算法，这与小区模型为方形具有一定的关系。
本实施例公开的一种基于协作区域划分的波束赋形方法，在构建方形小区模型的基础上，提出了方形协作区域划分算法和圆形协作区域划分算法为小区划分协作区域，得到小区的扩展协作用户。基于基站与小区外的扩展协作用户之间的信道估计矩阵和基站与小区内的用户之间的信道估计矩阵，定义基站对小区内的用户的预编码矢量，便于基站通过协作波束赋形抑制本小区对小区外扩展协作用户的干扰，改善扩展协作用户的服务质量。同时，以小区内通信系统能效最优为优化目标，计算得到小区的最佳协作区域，在保证系统高效覆盖的同时，有效提升系统能效。
下面通过对传统ZF预编码与本实施例公开的DDA-CoBF算法的性能进行对比，以进一步对本实施例所公开的基于协作区域划分的波束赋形方法的有益效果进行说明。
在传统ZF预编码中，基站j对本小区内的用户k的预编码矢量定义为：
Figure BDA0001853862820000111
其中，Hk＝[hk，1，hk，2，...，hk，M]H表示基站j第n根天线与第k个用户间信道状态信息。在Massive MIMO多用户小区内，通常会使用空间复用技术来获得更高的SIR，但同时也带来了用户间的串话干扰。而ZF预编码的目的就是解决这一问题，通过预编码矩阵将目标用户外的其他用户信息置于零空间外，使得小区内用户间不会相互干扰。在Massive MIMO多用户环境下，采用ZF预编码系统的性能优于MRT预编码系统。在不考虑导频污染和噪声的情况下，小区j中的用户k接收端的信号Vj，k可以表示为：
Figure BDA0001853862820000112
其中pj，k≥0为基站j对用户k的下行传输功率，下行PA功率(单位：瓦特)定义为基站端功率放大(Power amplifier，PA)的功耗总和。Hijk定义为基站i与小区j内用户k之间的信道矩阵。
在等式的右端第一项为基站j对用户k的数据传输信号，第二项为基站j在对本小区内其他用户传输时用户k接收到的信号，第三项为用户k接收到的其他24个邻居小区的传输信息。则小区j中的用户k的用户速率可以表示为：
Figure BDA0001853862820000113
其中σ2为噪声方差(单位：Joule/symbol)，Iijk为小区i对小区j内用户k的干扰总和，可以表示为：
Figure BDA0001853862820000114
其中dk，j为小区i内用户s到小区j内用户k的距离，α为信道衰落指数。pi，s≥0为基站i对小区i中用户k的传输功率。
假定每个小区为5×102×5×102m2的方形小区覆盖，邻居小区为周边24个小区，导频复用因子F＝4,路径衰落指数为3.0。本文系统模型中，基站天线阵列部署数量范围M为0-220根，在不同天线数下求得最优用户数下达到的EE与吞吐量的最优值。接下来，将划分范围为9×102×9×102m2的方形协作区域划分DDA-CoBF算法下的系统，与采用传统ZF的系统相比较，可以得到如图5所示的DDA-CoBF算法与ZF预编码的系统能效对比示意图。
图10为采用传统ZF预编码与提出的DDA-CoBF算法的系统在不同的基站天线数目下的系统能效EE比较。由仿真图可以看出系统的系统能效EE在不同的天线部署下均有明显的提高，且系统提升效果在最优系统能效EE点附近趋于稳定。在不考虑CSI估计误差的理想假设下，采用传统ZF预编码的系统中，当天线数M＝115，用户数K＝36时系统能效EE达到全局最优，此时系统能效EE为7.79Mbit/Joule。而采用DDA-CoBF算法的系统在M＝127，K＝41时系统能效EE达到EE全局最优，系统能效EE为9.21Mbit/Joule。通过分析可以看出采用DDA-CoBF算法的基站端可以通过部署更多的天线容纳更多的用户数，在满足M＞3K的同时有效的提高了系统能效。
请参阅图11，图11为DDA-CoBF算法与ZF预编码的吞吐量对比示意图。图6描述的是两种算法的系统在不同天线数下的吞吐量对比。可以看出在不同的Massive MIMO部署下，采用DDA-CoBF算法的系统在吞吐量上有显著的提高。对应图10中的EE最优点，系统的吞吐量达到了7.49Gbit/s/km2，而采用传统ZF预编码系统的吞吐量仅为5.26Gbit/s/km2。随着基站天线数量的增加，吞吐量的提高也愈加明显。且对于每一种天线的部署，图11中系统的吞吐量与图10的系统能效EE均一一对应。同时，系统吞吐量的全局最优值与图10中系统能效EE最优点相对应。
请参阅图12，图12为DDA-CoBF算法与ZF预编码的功耗对比示意图。图12显示不同天线数M下总射频功率的变化曲线。与图11中的吞吐量指标相似，对于同一种天线数M，图7中为最优EE下的基站射频功率和每根天线的辐射功率。在预编码矩阵中加入扩展协作用户的信道矩阵后，在下行传输时基站需要提高总的PA功率传输更多的数据，相应的每根天线的平均发射功率也会提高。综上所述，采用DDA-CoBF算法的系统通过与扩展协作用户进行协作，在保证系统覆盖率的基础上，不仅能够有效的提高系统EE，还能大幅提高系统的吞吐量。
基于上述实施例公开的一种基于协作区域划分的波束赋形方法，请参阅图13，本实施例对应公开了一种基于协作区域划分的波束赋形装置，具体包括：
小区构建单元201，用于根据基站和用户分布构建方形小区，得到本小区模型；
协作区域划分单元202，用于依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；
可选的，所述协作区域划分单元202包括：
方形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到本小区的扩展协作用户。
圆形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户。
预编码矢量定义单元203，用于基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
用户速率计算单元204，用于根据本小区用户的信干噪比，计算本小区用户的下行用户速率；
可选的，所述用户速率计算单元204，具体用于根据基站对用户的数据传输、本小区内用户间的干扰及邻近小区对本小区的干扰，计算小区内每个用户的下行用户速率。
系统能效计算单元205，用于根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；
优化计算单元206，用于以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域。
可选的，所述装置还包括：
数据传输控制单元，用于当扩展协作用户接收到信号时，将基站对其小区内用户的数据传输置到零空间。
本实施例公开的一种基于协作区域划分的波束赋形装置，在构建方形小区模型的基础上，提出了方形协作区域划分算法和圆形协作区域划分算法为小区划分协作区域，得到小区的扩展协作用户。基于基站与小区外的扩展协作用户之间的信道估计矩阵和基站与小区内的用户之间的信道估计矩阵，定义基站对小区内的用户的预编码矢量，便于基站通过协作波束赋形抑制本小区对小区外扩展协作用户的干扰，提高扩展协作用户的服务质量。同时，以小区内通信系统能效最优为优化目标，计算得到小区的最佳协作区域，在保证系统高效覆盖的同时，有效提升系统能效。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种基于协作区域划分的波束赋形方法，其特征在于，包括：
根据基站和用户分布构建方形小区，得到本小区模型；
依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；依据方形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到本小区的扩展协作用户；
依据圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户，包括：
设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户；
基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
根据本小区用户的信干噪比，计算本小区用户的下行用户速率；
根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；
以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域；
以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域,包括：
依据方形协作区域划分算法和圆形协作区域划分算法，以本小区的通信系统能效最优为优化目标，通过对所述预编码矢量中协作区域的划分范围寻求最佳值，以得到本小区的最佳协作区域；
其中，所述本小区的通信系统能效EE的计算公式为：
Figure FDA0003162247860000021
其中，
Figure FDA0003162247860000022
为用户K的下行用户速率，
Figure FDA0003162247860000023
为下行PA总功率，Pcp为模拟电路与数字电路的总电路功率消耗； 当所述协作区域的范围依次增大时，依次获取用户k的下行用户速率
Figure FDA0003162247860000024
下行PA总功率
Figure FDA0003162247860000025
根据EE的计算公式依次获取所述EE的取值，其中，所述协作区域的范围依次增大时，所述本小区的用户k的下行用户速率会得到增大，但小区间的干扰会开始增大，基站的下行PA总功率增大，不同的协作区域的范围下分别对应的所述EE的不同取值；
根据系统能效最优分别确定多个协作区域的范围，根据多个协作区域的范围分别对应的EE的取值，确定在所述系统能效最优时对应的协作区域为所述最优协作区域。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当扩展协作用户接收到信号时，将基站对其小区内用户的数据传输置到零空间。
3.根据权利要求1所述的方法，其特征在于，所述根据本小区用户的信干噪比，计算本小区用户的下行用户速率，包括：
根据基站对用户的数据传输、本小区内用户间的干扰及邻近小区对本小区的干扰，计算本小区内用户的下行用户速率。
4.一种基于协作区域划分的波束赋形装置，其特征在于，包括：
小区构建单元，用于根据基站和用户分布构建方形小区，得到本小区模型；
协作区域划分单元，用于依据方形协作区域划分算法和圆形协作区域划分算法为本小区划分协作区域，得到本小区的扩展协作用户；所述协作区域划分单元包括：
方形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到方形协作区域边缘的最近距离，构建方形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为中心为本小区划分协作区域，得到小本区的扩展协作用户；
所述协作区域划分单元还包括：圆形协作区域划分子单元，用于设定基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离；根据基站到本小区边缘的最近距离和基站到圆形协作区域边缘的最近距离，构建圆形协作区域扩展协作用户分布概率密度模型；依据所述方形协作区域扩展协作用户分布概率密度模型，以基站为圆心为本小区划分协作区域，得到本小区的扩展协作用户；
预编码矢量定义单元，用于基于基站与本小区外的扩展协作用户之间的信道估计矩阵和基站与本小区内的用户之间的信道估计矩阵，定义基站对用户的预编码矢量；
用户速率计算单元，用于根据本小区用户的信干噪比，计算本小区用户的下行用户速率；
系统能效计算单元，用于根据本小区用户的下行用户速率和系统功耗计算本小区的通信系统能效；
优化计算单元，用于以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域；以本小区的通信系统能效最优为优化目标，计算得到本小区的最佳协作区域,包括：
依据方形协作区域划分算法和圆形协作区域划分算法，以本小区的通信系统能效最优为优化目标，通过对所述预编码矢量中协作区域的划分范围寻求最佳值，以得到本小区的最佳协作区域；
其中，所述本小区的通信系统能效EE的计算公式为：
Figure FDA0003162247860000031
其中，
Figure FDA0003162247860000032
为用户K的下行用户速率，
Figure FDA0003162247860000033
为下行PA总功率，Pcp为模拟电路与数字电路的总电路功率消耗； 当所述协作区域的范围依次增大时，依次获取用户k的下行用户速率
Figure FDA0003162247860000034
下行PA总功率
Figure FDA0003162247860000035
根据EE的计算公式依次获取所述EE的取值，其中，所述协作区域的范围依次增大时，所述本小区的用户k的下行用户速率会得到增大，但小区间的干扰会开始增大，基站的下行PA总功率增大，不同的协作区域的范围下分别对应的所述EE的不同取值；
根据系统能效最优分别确定多个协作区域的范围，根据多个协作区域的范围分别对应的EE的取值，确定在所述系统能效最优时对应的协作区域为所述最优协作区域。
5.根据权利要求4所述的装置，其特征在于，所述装置还包括：
数据传输控制单元，用于当扩展协作用户接收到信号时，将基站对其小区内用户的数据传输置到零空间。
6.根据权利要求4所述的装置，其特征在于，所述用户速率计算单元，具体用于根据基站对用户的数据传输、本小区内用户间的干扰及邻近小区对本小区的干扰，计算本小区内用户的下行用户速率。
CN201811306916.4A 2018-11-05 2018-11-05 基于协作区域划分的波束赋形方法及装置 Active CN109041074B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811306916.4A CN109041074B (zh) 2018-11-05 2018-11-05 基于协作区域划分的波束赋形方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811306916.4A CN109041074B (zh) 2018-11-05 2018-11-05 基于协作区域划分的波束赋形方法及装置

Publications (2)

Publication Number Publication Date
CN109041074A CN109041074A (zh) 2018-12-18
CN109041074B true CN109041074B (zh) 2021-10-08

Family

ID=64614393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811306916.4A Active CN109041074B (zh) 2018-11-05 2018-11-05 基于协作区域划分的波束赋形方法及装置

Country Status (1)

Country Link
CN (1) CN109041074B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102487308A (zh) * 2010-12-06 2012-06-06 中兴通讯股份有限公司 一种信道质量指示的反馈方法及装置
CN103259585A (zh) * 2013-04-28 2013-08-21 东南大学 基于收发机损耗的下行链路波束成形方法及其系统
CN103347283A (zh) * 2013-06-18 2013-10-09 华中科技大学 一种自适应的协作多点传输方法
CN105703812A (zh) * 2016-01-27 2016-06-22 西安交通大学 一种导频时移大规模mimo系统中的下行预编码与基站功率控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873710B2 (en) * 2007-02-06 2011-01-18 5O9, Inc. Contextual data communication platform

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102487308A (zh) * 2010-12-06 2012-06-06 中兴通讯股份有限公司 一种信道质量指示的反馈方法及装置
CN103259585A (zh) * 2013-04-28 2013-08-21 东南大学 基于收发机损耗的下行链路波束成形方法及其系统
CN103347283A (zh) * 2013-06-18 2013-10-09 华中科技大学 一种自适应的协作多点传输方法
CN105703812A (zh) * 2016-01-27 2016-06-22 西安交通大学 一种导频时移大规模mimo系统中的下行预编码与基站功率控制方法

Also Published As

Publication number Publication date
CN109041074A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
Interdonato et al. Scalability aspects of cell-free massive MIMO
Papadogiannis et al. The value of dynamic clustering of base stations for future wireless networks
CN103797725A (zh) 在无线系统中利用同调性区域的系统及方法
Gupta et al. Power optimization using massive MIMO and small cells approach in different deployment scenarios
US7983710B2 (en) Method of coordinated wireless downlink transmission
CN102882570B (zh) 移动通信网络下设备间通信的最优收发联合处理方法
CN102457951A (zh) 一种多小区协作通信中链路联合波束成形的方法和基站
WO2014114106A1 (zh) 无线收发设备的上行数据接收方法和装置
Qiu et al. Downlink performance analysis of cell-free massive MIMO over spatially correlated Rayleigh channels
Matalatala et al. Optimal low-power design of a multicell multiuser massive MIMO system at 3.7 GHz for 5G wireless networks
CN114337976A (zh) 一种联合ap选择与导频分配的传输方法
Giovanidis et al. A 0–1 program to form minimum cost clusters in the downlink of cooperating base stations
Okuyama et al. 5G distributed massive MIMO with ultra-high density antenna deployment in low SHF bands
CN103139800A (zh) 中继蜂窝网络的节点调整方法、装置及系统
Yu et al. Joint user association and downlink beamforming for green cloud-RANs with limited fronthaul
Huang et al. Performance of multiuser MIMO and network coordination in downlink cellular networks
CN102324954B (zh) 基于同步约束和信道能量准则的协作组合优选方法
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
Okuyama et al. Experimental evaluation of digital beamforming for 5G multi-site massive MIMO
CN109041074B (zh) 基于协作区域划分的波束赋形方法及装置
Xia et al. Bandwidth allocation in heterogeneous networks with wireless backhaul
Jiang et al. Performance evaluation of downlink multi-user massive MIMO with Configurable active antenna system and inter access point coordination in low-SHF-band
Rao et al. Cell-free massive MIMO with nonorthogonal pilots for Internet of Things
CN109714093B (zh) 一种面向异构蜂窝网络的联合天线选择方法
WO2017132977A1 (zh) 一种降低系统干扰的方法及装置

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