CN109818662A - 全双工云接入数能一体化网络中混合波束成形方法 - Google Patents
全双工云接入数能一体化网络中混合波束成形方法 Download PDFInfo
- Publication number
- CN109818662A CN109818662A CN201910183661.5A CN201910183661A CN109818662A CN 109818662 A CN109818662 A CN 109818662A CN 201910183661 A CN201910183661 A CN 201910183661A CN 109818662 A CN109818662 A CN 109818662A
- Authority
- CN
- China
- Prior art keywords
- indicate
- full duplex
- mixed
- integrated network
- access number
- 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.)
- Pending
Links
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种全双工云接入数能一体化网络中混合波束成形方法,应用于数能一体化网络领域,为了解决现有技术无法平衡干扰消除和能量收割的问题,本发明的全双工云接入数能一体化网络将上下行用户都考虑了进来,使得系统可以进行上下行的联合资源分配;考虑到需要对系统上下行进行联合资源分配,全双工技术以及由全双工技术所带来的自干扰都被考虑进系统中;使得网络系统模型更加接近实际情况;本发明基于该网络模型ZF波束成形器与MRT波束成形器线性的组合起来,然后联合优化其组合比率以更好的平衡干扰消除和能量收割。
Description
技术领域
本发明属于通信领域,特别涉及一种数能一体化网络的波束成形技术。
背景技术
数能一体化网络(Data and Energy Integrated communication Networks,DEINs)是数据与能量一体化通信网络的简称。数能一体化网络意在将网络中的数据因素与能量因素联合考虑以使数据和能量能够协同传输。数能一体化网络不仅能现有的数据通信,而且还需要考虑能量因素。而考虑到能量因素时,需要同时研究网络中的能量效率、多终端的能量供应等多个方面。在数能一体化网络中,能量通信保障数据通信的正常进行,而数据通信为能量通信提供便利。
云接入网(C-RAN)由一个中央处理器(Central Processor,CP)和一组低成本的远程射频头(Remote Radio Head,RRH)构成。在云接入网中,中央处理器执行功耗大、计算密集型的基带信号处理,而RRH负责所有射频操作,例如模拟滤波和功率放大。RRH分布在网络中并通过前向链路与中央处理器连接。
为了建设环境友好型的数能一体化网络,一个重要的目标就是在满足用户能量收割和信息传输双重的服务质量下最小化数能一体化网络的能量消耗。虽然ZF(ZeroForcing,基于迫零准则)波束成形算法的计算复杂度很低,但是该算法存在一个显而易见的缺陷。当下行SINR需求较小时,没有必要完全排除同频干扰,因为在这种情况下同频干扰可能对能量收割(EH)有益。一旦干扰被完全的消除,将需要更大的功率来满足EH需求。
发明内容
为解决上述技术问题,本发明提出一种全双工云接入数能一体化网络中混合波束成形方法,将ZF波束成形器与MRT(Maximum Ratio Transmission,最大传输比)波束成形器线性的组合起来,然后联合优化其组合比率以更好的平衡干扰消除和能量收割(EH,energyharvesting)。
本发明采用的技术方案为:全双工云接入数能一体化网络中混合波束成形方法,所述网络包括:一个中央处理器,M个远程射频头,K个下行用户以及L个上行用户;各远程射频头与中央处理器通过网络连接,每个远程射频头以全双工的方式工作,并且其发射机和接收机均配有N根天线;各远程射频与其所覆盖区域的下行用户或上行用户通过网络连接;各下行用户与各上行用户为单天线半双工,且根据功率分割因子ρ将接收的信号分割为两个部分,其中ρ部分用于信号的解调,1-ρ部分则用于能量收割;
所述方法包括:
S1、将ZF波束成形器与MRT波束成形器进行线性组合;
S2、根据线性组合生成目标函数,所述目标函数为得到上下行链路SIRN和EH约束最小化总功率;
S3、将步骤S2所述目标函数转化为高度非凸问题;采用基于块坐标下降的方法求解该高度非凸问题。
步骤S2所述目标函数表达式为:
其中,zk表示所有远程射频头到第k个下行用户的信道向量,k=1,2,…,K;ul表示中央处理器采用的接收波束成形向量,l=1,2,…,L;表示第l个上行用户的上行传输功率;ρk表示第k个下行用户的功率分割因子;定义 表示混合波束成形器发射波束向量;表示ZF波束成形器;表示MRT波束成形器;j=1,2,…,K;hk表示所有远程射频头到第k个下行用户的信道向量;上标中的H表示转置共轭;表示下行信号的噪声的功率;表示解码器电路噪声的功率;gl,k表示从第l个上行用户到第k个下行用户的信道相关系数;表示下行SINR需求;表示上行SINR需求; 上标T表示转置;fl,m表示第l个上行用户到第m个远程射频头的信道向量,m=1,2,…,M;ψk表示EH的目标;IN表示N*N的单位矩阵;ξk表示能量转换效率;表示由不完美的自干扰抵消所引起的参与干扰功率。
其中,的计算式为:
其中,Uk表示的零空间的正交基,Hk=[h1,...,hk-1,hk+1,...,hK]∈RMN×(K-1)。
通过计算矩阵最大特征值对应的归一化特征向量得到。
步骤S3所述将步骤S2所述目标函数转化为高度非凸问题,具体为:采用半定松弛技术将步骤S2的目标函数转化为凸的半定规划问题。
所述凸的半定规划问题表达式为:
其中,Tr()表示矩阵的迹。
步骤S3采用基于块坐标下降的方法求解该凸的半定规划问题时,每次迭代包括求解下述两个子问题:
子问题1:固定{ul},求解得到
子问题2:固定求解使上行SINR最大的{ul}。
本发明的有益效果:本发明的全双工数能一体化网络将上下行用户都考虑了进来,系统可以进行上下行的联合资源分配;本发明将ZF波束成形器与MRT波束成形器线性的组合起来,并采用基于块坐标下降方法求解混合波束成形下生成的高度非凸问题;具备以下优点:
1.本发明提出的基于块坐标下降方法求解高度非凸问题的算法,为全双工的集中式协作数能一体化网络提供了一个通用的收发机设计优化框架;
2.与仅仅使用BCD(block coordinate descent,块坐标下降算法)相比,本发明的混合波束成形算法复杂度低;
3.与单独使用ZF波束成形相比,本发明的混合波束成形算法能够更好的平衡干扰消除和能量收割。
附图说明
图1为本发明实施例提供的全双工云接入数能一体化网络模型图;
图2为本发明实施例提供的平均归一化功率与速率需求r的关系示意图;
图3为本发明实施例提供的平均归一化功率与EH需求ψ的关系示意图;
图4为本发明实施例提供的平均归一化传输功率与天线数的关系示意图;
图5为本发明实施例提供的本发明方法与其他算法时间复杂度的比较。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
1、系统模型
本发明采用的全双工云接入数能一体化网络,如图1所示,系统包含一个中央处理器(CP),M个远程射频头(RRH),K个下行用户(Downlink User,DU)以及L个上行用户(UplinkUser,UU)。系统中的每个RRH以全双工的方式工作,并且其发射机和接收机均配有N根天线。假设RRH和CP之间是通过足够容量的有线链路连接起来的;如图1所示,系统中的每个用户是单天线半双工的,并且其根据功率分割因子ρ将接收的信号分割为两个部分,其中ρ部分用于信号的解调,1-ρ部分则用于能量收割。本实施例中根据天线数目对最小传输功率的影响来决定N的取值。
考虑到需要对系统上下行进行联合资源分配,本发明将全双工技术以及由全双工技术所带来的自干扰都被考虑进系统中;虽然自干扰使得系统模型变得更加的复杂,但本发明所建立的网络系统模型更加接近实际情况。
假设每个RRH采用线性预编码。第k个DU接收到的信号可以表示为
其中,k∈{1,...,K},hm,k∈CN×1表示从RRH m到第k个DU的信道向量,上标H表示矩阵的转置。xm表示第m个RRH发射的信号,其可表示为其中,和vm,k∈CN×1分别是第k个DU的预期信号和相应的发射波束向量,m∈{1,...,M};gl,k表示从第l个UU到第k个DU的信道相关系数, 是第l个UU的上行传输功率;是第l个UU的上行信号,该信号服从均值为0和单位方差的高斯分布;另外,是加性高斯白噪声,其服从
定义其表示所有RRH到第k个DU的信道向量,同时定义那么,(1)可重写为
假设第k个DU的功率分割因子为ρk,则其信噪干扰比SINR可表示为
其中,表示在基带转换期间由电路的相位偏差和非线性性质引起的加性电路噪声。此外,信号经过功率分割器分割之后,第k个DU收割到的总能量可表示为
其中,ξk∈(0,1]表示能量转换效率。
RRH m接收到的上行信号表示为
其中,fl,m∈CN×1表示第l个UU到第m个RRH的信道向量,Gn,m∈CN×N表示第n个RRH到第m个RRH的信道,表示均值为0、协方差矩阵为的加性高斯噪声;IN表示N*N的单位矩阵;RRH收集接收的信号后将会把其转发到CP;上行的信号模型可以视为一个虚拟的单输入多输出(SIMO)信道;CP接收到的信号可表示为
其中,
实际上,对于所有的信道系数,估计误差是不可避免的。但是,与自干扰(Self-Interference,SI)和RRH间干扰相比,其他干扰微不足道。因此,对于自干扰和RRH间的干扰,本实施例中只考虑信道估计误差并假设其他的信道状态信息是完美无误差的。具体的,{Gn,m}建模为其中,表示估计的信道,ΔGn,m表示信道估计误差。进一步,假设ΔGn,m的各元素服从高斯分布,即其中,表示由不完美的自干扰抵消所引起的残余干扰功率。假设不同RRH之间的信道误差是相互独立的。由于信道估计误差的存在,自干扰不能被完美的抵消,因此,在不完美的干扰抵消之后,CP接收到的信号可重新建模为
假设CP采用接收波束成形向量ul来检测其期望的信号那么上行的SINR可表示为
其中,
主要研究如何在上下行SINR和EH的约束下通过对的联合优化来使得总传输功率最小。具体的,这个优化问题可以表示为
其中,和ψk是相应的SINR和EH目标。
2、混合波束成形
本发明基于全双工云接入数能一体化网络的资源分配方法,主要为将ZF波束成形器与MRT波束成形器线性的组合起来,然后使用块坐标下降法(BCD)求解新生成的优化问题。
令其表示ZF波束成形器与MRT波束成形器的一个线性组合,其中为
另外,计算矩阵最大特征值对应的归一化特征向量,可以得到定义zk=[xk,yk]T,那么有运用混合波束成形,下述问题需要被考虑
运用BCD方法可以解决上述问题。先简单介绍下BCD法。容易证明:给定一个可微的凸函数f(x)∈R,x∈Rn,如果在某一点x*,使得f(x)在每一个坐标轴上都是最小值,那么f(x*)是其全局的最小值。那么,可以让x中的部分元素固定,改变其他元素使f(x)减小;重复这个过程,直到改变x的任何元素都不能使f(x)减小,即f(x)此时为最小值。BCD法的思想便是如此。
容易观察到,ul是仅与上行SINR约束有关。BCD方法适用于问题(11)就是出于这一观察结果。先通过半定松弛(SDR)技术,将式(11)转化成一个凸的半定规划(SDP)问题;并且,当固定不变时,优化变量ul允许得到一个简洁的闭式解。因此,通过BCD算法处理式(11)将得到一个迭代算法。具体来说,该迭代算法的每一步迭代都需要解决如下两个子问题:
(1)子问题1
令并应用SDR,固定{ul},求解下述关于的半定规划(SDP)问题
其中,如果式(12)的最优解Vk的秩为1,通过特征值分解可以得到优化变量{vk}。关于式(12)解的秩1性质,请参考文献D.W.K.Ng and R.Schober.Resourceallocation for coordinated multipoint networks with wireless information andpower transfer[C].In 2014IEEE Global Communications Conference,Austin,Dec2014,4281–4287。
(2)子问题2
当固定时,使上行SINR最大的{ul}是著名的最小均方误差(MMSE)接收机:
其中,并且IMN表示M*N的单位矩阵。
当满足收敛条件,则停止迭代,得到最佳的接收波束成形向量ul。
混合波束设计算法中的半定矩阵总是一个2×2的矩阵。因此,与仅仅使用BCD相比,混合波束成形算法的算法复杂度更低。
混合波束成形算法执行过程如下(t表示迭代次数,初始值为0):
3、效果说明
在计算机上使用matlab进行仿真,在仿真中,非特殊情况下,系统参数设置为:M=10,N=4,K=L=5,系统参数设置总结在表1中。残余干扰功率比小10dB。RRH、DU和UU的位置都随机生成在一个边长为40米的正方形中。信道为具有大尺度路径损耗的瑞利衰减信道,其建模为-147.3-43.3log10(D)dB,其中D的单位为千米。为了方便,假设所有的DU和UU都有相同的速率和能量收割(EH)需求,即r表示速率, 并且ψ=ψk,
表1系统参数设置
图2展示了在ψ=-25dBm时平均功耗与速率需求r之间的关系。图3展示了在r=6bps/Hz时平均功耗与能量收割(EH)需求之间的关系。图4展示了在r=6bps/Hz和ψ=-25dBm时RRH的天线数目N对最小传输功率的影响。从图2-4可以看出:半双工场景下消耗的功率比全双工场景高;在优化结果方面,基于BCD的算法最好,混合波束设计算法和ZF波束设计算法依次次之。图2至图5中的Hyb表示混合波束成形算法,HD表示半双工算法。
如图5所示为在固定UU和DU数目时各算法的执行时间与RRH天线数目N之间的关系。可以观察到,仅基于BCD的资源分配算法花费的时间随RRH天线数目N增加,而ZF波束成形算法和混合波束成形算法花费的时间对于不同的N几乎不变。此外,仅基于BCD的资源分配算法消耗的时间比其他算法多得多,这意味着ZF波束成形算法和混合波束成形算法要高效得多。例如,当N=8时,仅基于BCD的资源分配算法消耗的时间大约是ZF波束成形算法花费的时间的160倍。
综上与仅仅使用BCD相比,本发明的混合波束成形算法的算法复杂度更低;与单独使用ZF波束成形相比,本发明的混合波束成形算法能够更好的平衡干扰消除和能量收割(EH)。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (7)
1.全双工云接入数能一体化网络中混合波束成形方法,其特征在于,所述网络包括:一个中央处理器,M个远程射频头,K个下行用户以及L个上行用户;各远程射频头与中央处理器通过网络连接,每个远程射频头以全双工的方式工作,并且其发射机和接收机均配有N根天线;各远程射频与其所覆盖区域的下行用户或上行用户通过网络连接;各下行用户与各上行用户为单天线半双工,且根据功率分割因子ρ将接收的信号分割为两个部分,其中ρ部分用于信号的解调,1-ρ部分则用于能量收割;
所述方法包括:
S1、将ZF波束成形器与MRT波束成形器进行线性组合;
S2、根据线性组合生成目标函数,所述目标函数为得到上下行链路SIRN和EH约束最小化总功率;
S3、将步骤S2所述目标函数转化为高度非凸问题;采用基于块坐标下降的方法求解该高度非凸问题。
2.根据权利要求1所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,步骤S2所述目标函数表达式为:
其中,zk表示所有远程射频头到第k个下行用户的信道向量,k=1,2,…,K;ul表示中央处理器采用的接收波束成形向量,l=1,2,…,L;表示第l个上行用户的上行传输功率;ρk表示第k个下行用户的功率分割因子;定义 表示混合波束成形器发射波束向量;表示ZF波束成形器;表示MRT波束成形器;j=1,2,…,K;hk表示所有远程射频头到第k个下行用户的信道向量;上标中的H表示转置共轭;表示下行信号的噪声的功率;表示解码器电路噪声的功率;gl,k表示从第l个上行用户到第k个下行用户的信道相关系数;表示下行SINR需求;表示上行SINR需求; 上标T表示转置;fl,m表示第l个上行用户到第m个远程射频头的信道向量,m=1,2,…,M;ψk表示EH的目标;IN表示N*N的单位矩阵;ξk表示能量转换效率;表示由不完美的自干扰抵消所引起的参与干扰功率。
3.根据权利要求2所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,的计算式为:
其中,Uk表示的零空间的正交基,Hk=[h1,...,hk-1,hk+1,...,hK]∈RMN×(K-1)。
4.根据权利要求2所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,通过计算矩阵最大特征值对应的归一化特征向量得到,上标中的H表示矩阵转置。
5.根据权利要求2所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,步骤S3所述将步骤S2的目标函数转化为高度非凸问题,具体为:采用半定松弛技术将步骤S2的目标函数转化为凸的半定规划问题。
6.根据权利要求5所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,所述凸的半定规划问题表达式为:
其中,Tr()表示矩阵的迹。
7.根据权利要求6所述的全双工云接入数能一体化网络中混合波束成形方法,其特征在于,采用基于块坐标下降的方法求解该凸的半定规划问题时,每次迭代包括求解下述两个子问题:
子问题1:固定{ul},求解得到
子问题2:固定求解使上行SINR最大的{ul}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183661.5A CN109818662A (zh) | 2019-03-12 | 2019-03-12 | 全双工云接入数能一体化网络中混合波束成形方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183661.5A CN109818662A (zh) | 2019-03-12 | 2019-03-12 | 全双工云接入数能一体化网络中混合波束成形方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109818662A true CN109818662A (zh) | 2019-05-28 |
Family
ID=66608759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910183661.5A Pending CN109818662A (zh) | 2019-03-12 | 2019-03-12 | 全双工云接入数能一体化网络中混合波束成形方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109818662A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110167106A (zh) * | 2019-05-30 | 2019-08-23 | 电子科技大学 | 雾架构下基于基站选择的多用户资源分配方法 |
CN110417445A (zh) * | 2019-07-31 | 2019-11-05 | 东南大学 | 网络辅助全双工系统的稀疏波束设计与功率控制方法 |
CN111756425A (zh) * | 2020-06-04 | 2020-10-09 | 电子科技大学 | 用于毫米波mimo数字能量协同传输系统的多域资源分配方法 |
CN113193896A (zh) * | 2021-04-23 | 2021-07-30 | 西安交通大学 | 一种最大化两接收端和速率的波束成形神经网络决策方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120289266A1 (en) * | 2011-05-12 | 2012-11-15 | Electronics And Telecommunications Research Institute | Cognitive radio base station and communication method thereof in multi-user multiple-input multiple output cognitive radio network system |
CN109039410A (zh) * | 2018-06-27 | 2018-12-18 | 南京邮电大学 | 一种异构云无线接入网络的波束成形方法及实现该方法的通信网络 |
CN109451584A (zh) * | 2018-11-28 | 2019-03-08 | 电子科技大学 | 一种多天线数能一体化通信网络的最大化上行吞吐量方法 |
-
2019
- 2019-03-12 CN CN201910183661.5A patent/CN109818662A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120289266A1 (en) * | 2011-05-12 | 2012-11-15 | Electronics And Telecommunications Research Institute | Cognitive radio base station and communication method thereof in multi-user multiple-input multiple output cognitive radio network system |
CN109039410A (zh) * | 2018-06-27 | 2018-12-18 | 南京邮电大学 | 一种异构云无线接入网络的波束成形方法及实现该方法的通信网络 |
CN109451584A (zh) * | 2018-11-28 | 2019-03-08 | 电子科技大学 | 一种多天线数能一体化通信网络的最大化上行吞吐量方法 |
Non-Patent Citations (1)
Title |
---|
蒋礼锐: "基于基站协作的数能一体化网络资源分配研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110167106A (zh) * | 2019-05-30 | 2019-08-23 | 电子科技大学 | 雾架构下基于基站选择的多用户资源分配方法 |
CN110167106B (zh) * | 2019-05-30 | 2020-06-26 | 电子科技大学 | 雾架构下基于基站选择的多用户资源分配方法 |
CN110417445A (zh) * | 2019-07-31 | 2019-11-05 | 东南大学 | 网络辅助全双工系统的稀疏波束设计与功率控制方法 |
CN110417445B (zh) * | 2019-07-31 | 2021-06-11 | 东南大学 | 网络辅助全双工系统的稀疏波束设计与功率控制方法 |
CN111756425A (zh) * | 2020-06-04 | 2020-10-09 | 电子科技大学 | 用于毫米波mimo数字能量协同传输系统的多域资源分配方法 |
CN111756425B (zh) * | 2020-06-04 | 2022-07-22 | 电子科技大学 | 用于毫米波mimo数字能量协同传输系统的多域资源分配方法 |
CN113193896A (zh) * | 2021-04-23 | 2021-07-30 | 西安交通大学 | 一种最大化两接收端和速率的波束成形神经网络决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ashikhmin et al. | Interference reduction in multi-cell massive MIMO systems with large-scale fading precoding | |
CN109818662A (zh) | 全双工云接入数能一体化网络中混合波束成形方法 | |
US10237769B2 (en) | Joint user clustering and power allocation method and base station using the same | |
CN106464415B (zh) | 多输入多输出训练方法及无线装置 | |
CN105340194B (zh) | 多用户传输中对客户端接收干扰消除能力的估计和利用 | |
JP5346376B2 (ja) | ビーム形成システムおよびビーム形成方法 | |
CN105721033A (zh) | 一种多用户毫米波通信系统的波束赋形方法及系统 | |
US11438039B2 (en) | Limited-feedback method and device based on machine learning in wireless communication system | |
CN106060950A (zh) | 一种基于机会干扰对齐的蜂窝下行信道中数据传输方法 | |
CN114466390A (zh) | 一种基于智能反射面辅助的swipt系统性能优化方法及系统 | |
CN113938183A (zh) | 多波束卫星系统下基于非正交多址的通信资源分配方法 | |
Kwon et al. | Joint beamforming and power splitting for wideband millimeter wave SWIPT systems | |
CN107171704A (zh) | 一种大规模mimo系统的上行功率控制方法及装置 | |
CN106028461B (zh) | 中继协作分布式多用户调度方法 | |
CN104836605B (zh) | 一种基于空间复用的新型收发天线联合选择方法 | |
CN102130753B (zh) | 一种处理信号的方法和系统 | |
CN106028462B (zh) | 大规模mimo协作式用户调度方法 | |
CN112312569A (zh) | 一种基于透镜阵列的预编码和波束选择矩阵联合设计方法 | |
CN109792271A (zh) | 执行数据传输的方法和装置 | |
CN104113399A (zh) | 多用户mimo系统中基于矩阵条件数的用户选择方法 | |
US20070098123A1 (en) | Method for controlling the transfer of signals representative of au group of data | |
CN103346867B (zh) | 基于三角分解和slnr算法的多小区多用户同频干扰抑制方法 | |
CN115549745B (zh) | Ris相移设计方法、装置、计算机设备及存储介质 | |
CN106209186B (zh) | 一种多用户分布式mimo多天线系统下行链路预编码方法 | |
Butussi et al. | Low complexity admission in downlink beamforming |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |