CN110113083B - 三维大规模mimo下基于用户划分的信道估计方法 - Google Patents
三维大规模mimo下基于用户划分的信道估计方法 Download PDFInfo
- Publication number
- CN110113083B CN110113083B CN201910384978.5A CN201910384978A CN110113083B CN 110113083 B CN110113083 B CN 110113083B CN 201910384978 A CN201910384978 A CN 201910384978A CN 110113083 B CN110113083 B CN 110113083B
- Authority
- CN
- China
- Prior art keywords
- user
- cell
- users
- channel
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 239000011159 matrix material Substances 0.000 claims abstract description 135
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005192 partition Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000001629 suppression Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000010432 diamond Substances 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03159—Arrangements for removing intersymbol interference operating in the frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提出了一种三维大规模MIMO下基于用户划分的信道估计方法,解决了现有技术中因导频污染导致的信道估计精度较低的问题。实施步骤包括:首先构造三维大规模MIMO信道模型;根据给定划分角度将用户划分为中心用户或边缘用户;对中心用户和边缘用户采用软导频复用方法,并将中心用户的信道矩阵投影到边缘区域及相邻小区区域的零空间中,完成上行信道估计。本发明将所有用户划分为中心用户和边缘用户,并在软导频复用的基础上对中心用户进行正交投影。在计算复杂度较低的前提下,有效提升了信道估计的准确性,可用于三维大规模MIMO多小区多用户系统的导频去污染及小区间干扰抑制。
Description
技术领域
本发明属于无线通信技术领域,特别涉及大规模MIMO信道估计,具体是一种三维大规模MIMO下基于用户划分的信道估计方法,用于降低三维大规模MIMO多小区多用户系统导频污染的影响。
背景技术
作为下一代5G通信系统的关键技术之一,大规模MIMO技术引起了广泛的关注和研究。大规模MIMO技术可以充分利用空间自由度,显著地提升频谱效率和数据链路的可靠性。但大规模MIMO多小区系统中存在严重的导频污染问题,对小区中用户特别是小区边缘用户的信道估计产生严重的影响,是制约大规模MIMO系统容量性能的重要因素。
为体现大规模MIMO系统的高频谱效率和高能量效率等优点并对抗导频污染带来的影响,首先需要获取准确的信道状态信息。信道估计的结果决定了后续接收端操作的准确性,进而决定了信号传输质量和系统整体性能。常见的信道估计算法根据先验信息的不同,可分为基于导频序列的信道估计、盲信道估计和半盲信道估计三种。盲信道估计和半盲信道估计需要较长的观测数据,计算复杂度较高且可能会出现相位模糊等问题。考虑到大规模MIMO系统的高复杂度和实际应用中的可行性,在大规模MIMO中主要采用传统的最小二乘信道估计方法等基于导频序列的信道估计方法。
现有的大规模MIMO多小区系统中,小区中心用户和边缘用户受干扰情况不同,为对受导频污染严重的边缘用户的干扰进行适当的管理和抑制,有采用用户划分的方式,将用户分为小区中心用户和边缘用户,并在此基础上对小区中心用户和边缘用户分别进行信道估计。用户划分方法主要包括门限固定的基于用户水平位置或垂直角度的划分方法,和动态门限的用户划分方法等。门限固定的基于用户水平位置的划分方法是根据水平方向上用户与基站之间距离的某个经验值作为划分门限,将用户和基站之间的距离与门限值进行比较,距离小于门限值的判定为中心用户,大于门限值的判定为边缘用户。该方法计算复杂度较低,但不能很好的利用三维信道空间的用户信息;门限固定的基于用户垂直角度的划分方法是根据垂直方向下倾角角度的某个经验值作为划分门限,可以较好的利用三维空间信道信息,但其性能依赖于经验值的准确性;动态门限的用户划分方法其门限受系统中某种变化因素的影响而动态改变,可以根据系统实际情况较为准确的进行用户划分,但由于需要不断更新门限其计算复杂度和反馈开销较高。
上述用户划分方法中,门限固定的用户划分方法其划分结果不能适应系统天线数等参数的变化。动态门限的用户划分方法其门限取值与用户变化情况有关,计算复杂度和反馈开销较高。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种低复杂度且划分方法适应天线数变化的三维大规模MIMO下基于用户划分的信道估计方法。
本发明是一种三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,包括有以下步骤:
(1)信道模型构造:对大规模MIMO多小区多用户系统中的用户,分别构造水平维度和垂直维度的信道矩阵,进而通过矩阵直积,构造三维大规模MIMO信道模型,在三维大规模MIMO信道模型有新增的垂直维度的自由度;
(2)用户划分:将小区中所有用户划分为中心用户和边缘用户,具体划分方法是将三维大规模MIMO信道中用户垂直维度信道协方差矩阵秩为1时的角度定为划分角度,根据每个用户的下倾角角度与垂直方向的划分角度进行对比,对用户进行划分;
(3)导频分配:基站进行基于导频序列的上行信道估计,在导频分配时采用软导频复用方法,所有小区的中心用户使用相同的导频资源;边缘用户使用正交导频资源,保证边缘用户不受干扰;
(4)对中心用户进行正交投影:对中心用户进行正交投影,中心用户将其垂直维度信道矩阵投影到边缘区域及相邻小区区域的零空间中,完成中心用户的正交投影,保证中心用户不受干扰;
(5)信道估计:边缘用户根据导频分配的结果进行信道估计,中心用户根据导频分配的结果和正交投影的结果进行信道估计,分别输出边缘用户和中心用户的信道估计结果。
本发明给出了一种基于用户划分的信道估计方案,可用于降低三维大规模MIMO多小区多用户系统导频污染的影响。
本发明与现有技术相比具有如下优点:
适应性高:对于门限固定的用户划分方法,门限固定的基于用户水平位置的划分方法划分用户时仅利用了水平维度的空间自由度,而本发明利用了三维空间中新增的垂直维度的自由度;门限固定的基于用户垂直位置的划分方法其划分结果不能适应系统天线数等参数的变化,而本发明能够适应垂直天线数不断增加的三维大规模MIMO系统。
复杂度低:对于动态门限的用户划分方法,在大规模MIMO多小区多用户系统中,一方面存在用户移动性较强的特点,与用户变化情况有关的动态门限需瞬时更新,计算复杂度较高,另一方面存在天线数较多、用户数较多的特点,与天线数和用户数有关的反馈信道矩阵维度较高,反馈开销较大,因此动态门限的用户划分方法计算复杂度和反馈开销均较高。本发明在用户划分时门限取值与基站端垂直天线数有关,一方面基站端天线变化情况不会瞬时更新,计算复杂度较低,另一方面用户划分门限取值与基站端垂直天线数有关而与用户变化情况无关,且无需用户端向基站端反馈,降低了反馈开销,因此本发明计算复杂度和反馈开销均较低。
消除导频污染:对于不进行用户划分的信道估计方法,各个小区边缘用户使用相同的导频资源,在上行传输时基站端无法区分不同小区的用户,造成导频污染和小区间干扰。本发明采用用户划分方法得到小区中心用户和边缘用户,且在分配导频时,对小区边缘用户使用正交的导频资源,保证边缘用户不受干扰,对小区中心用户使用相同的导频资源,且中心用户将其垂直维度信道矩阵投影到边缘区域及相邻小区区域的零空间中,保证中心用户不受干扰,消除了导频污染的影响,有效提升了信道估计的准确性。
附图说明
图1为本发明信道估计的实现流程图;
图2为本发明的系统模型示意图;
图3为本发明的软导频复用示意图;
图4为本发明的垂直方向的秩随下倾角角度的变化仿真图;
图5为本发明与现有技术的中心用户信道估计性能的仿真对比图;
图6为本发明与现有技术的边缘用户信道估计性能的仿真对比图。
具体实施方式
下面结合附图对本发明实施方式和效果详细说明:
实施例1
5G由于其高带宽、低时延、广连接的特点,己经成为目前业界研究的焦点。大规模MIMO技术通过天线数的增加带来了数据传输速率和能量效率的提升,成为下一代5G通信系统的关键技术之一。导频污染是影响大规模MIMO多小区多用户系统性能的主要因素,为降低导频污染影响,有采用用户划分的方式,将用户分为小区中心用户和边缘用户,并在此基础上对小区中心用户和边缘用户分别进行信道估计。常用的用户划分方法中,门限固定的用户划分方法其划分结果不能适应系统天线数等参数的变化,动态门限的用户划分方法其门限取值与用户变化情况有关,计算复杂度和反馈开销较高。针对现有的用户划分方法无法适用于垂直天线数不断增加的三维大规模MIMO场景的问题,本发明提出一种三维大规模MIMO下基于用户划分的信道估计方法。
本发明是一种三维大规模MIMO系统下基于用户划分的信道估计方法,估计过程中涉及到基站、用户、小区,参见图1,包括有以下步骤:
(1)信道模型构造:对大规模MIMO多小区多用户系统中的用户,分别构造水平维度和垂直维度的信道矩阵,进而通过矩阵直积,构造三维大规模MIMO信道模型,在三维大规模MIMO信道模型有新增的垂直维度的自由度。对大规模MIMO多小区多用户系统中的用户,本例中小区数为2,基站端水平天线数为16,垂直天线数为4,即各基站总发送天线数为64,各用户接收天线数为1。将有关参数代入大规模MIMO中的one-ring信道模型,得到水平维度和垂直维度的信道矩阵,进而通过矩阵直积得到三维大规模MIMO信道模型,这种模型能够适应大规模MIMO多小区多用户系统。
(2)用户划分:将小区中所有用户划分为中心用户和边缘用户,具体划分方法是将三维大规模MIMO信道中用户垂直维度信道协方差矩阵秩为1时的角度定为划分角度,根据每个用户的下倾角角度与垂直维度的划分角度进行对比,若用户的下倾角角度小于垂直维度的划分角度则将用户判定为边缘用户,若用户的下倾角角度大于垂直维度的划分角度则将用户判定为中心用户,完成中心用户和边缘用户的划分。本例中将天线数等有关参数代入大规模MIMO中的one-ring信道模型,得到的划分角度为120°,对各用户若其下倾角角度小于120°则将用户判定为边缘用户,若用户的下倾角角度大于120°则将用户判定为中心用户,完成中心用户和边缘用户的划分。本发明中天线数给定时得到的划分角度固定,随着天线数的变化得到的划分角度也不断变化。
(3)导频分配:基站进行基于导频序列的上行信道估计,在导频分配时采用软导频复用方法,所有小区的中心用户均使用相同的导频资源。所有边缘用户均使用正交导频资源,保证边缘用户不受干扰。本例中将小区数等有关参数代入软导频复用方法,得到本例中的导频分配方法为将导频集划分为三个正交子集即P={P0,P1,P2},将导频集P0分配给各个小区的中心用户,将导频集P1、P2分别分配给各个小区的边缘用户。各个小区边缘用户的导频序列相互正交,保证边缘用户不受干扰。
(4)对中心用户进行正交投影:本发明专门对中心用户进行正交投影,中心用户将其垂直维度信道矩阵投影到边缘区域及相邻小区区域的零空间中,完成中心用户的正交投影,保证中心用户不受干扰。本例中针对大规模MIMO中的one-ring信道模型,根据垂直维度下倾角角度范围(π/2,120°),构造边缘区域及相邻小区区域的垂直维度信道矩阵,对矩阵进行奇异值分解,干扰空间为信道协方差矩阵非零特征值对应的特征向量,中心用户在干扰空间正交投影,完成中心用户的正交投影,保证中心用户不受干扰。
(5)信道估计:边缘用户根据导频分配的结果进行信道估计;中心用户根据导频分配的结果和正交投影的结果进行信道估计,分别输出边缘用户和中心用户的上行信道估计结果。在下行处理中,时分双工系统具有信道互易性,直接根据上行信道估计结果进行下行预编码以消除小区间干扰。频分双工系统不具有信道互易性,需采用本例中的信道估计方法进行信道估计,并根据信道估计的结果进行下行预编码以消除小区间干扰,提升系统和速率。
本发明的技术思路是:首先对大规模MIMO多小区多用户系统中的用户,分别构造水平维度和垂直维度的信道矩阵,进而通过矩阵直积,构造三维大规模MIMO信道模型,这种模型能够适应大规模MIMO多小区多用户系统;然后根据用户下倾角信息将其划分为中心用户或边缘用户;通过软导频复用,所有小区的中心用户使用相同的导频资源,并在信道估计时,将估计到的信道矩阵投影到边缘区域及相邻小区区域的零空间中,避免对边缘区域的干扰并提升估计精度;所有边缘用户使用正交导频资源,以使其信道估计精度不受导频污染的影响。
本发明给出了一个整体的信道估计技术方案,用户划分标准与垂直方向上的角度有关,且该角度的取值随垂直方向上的天线数变化而动态改变,解决了现有用户划分方法中计算复杂度高且划分结果不能适应系统天线数等参数的变化的技术问题。在用户划分的基础上,通过对中心用户分配相同的导频资源并在干扰空间进行正交投影,对边缘用户分配相互正交的导频资源,并对中心用户和边缘用户进行基于导频的信道估计,能够有效提升信道估计的准确性,解决了现有技术中因导频污染导致的信道估计精度较低的技术问题,有效降低导频污染的影响。
实施例2
三维大规模MIMO下基于用户划分的信道估计方法同实施例1,步骤2中所述的用户划分,包括有如下步骤:
(2a)确定划分角度:针对大规模MIMO中的one-ring信道模型,根据小区b中用户k的下倾角角度,构造用户垂直维度信道协方差矩阵并将协方差矩阵的秩与理想情况下大规模天线信道协方差矩阵的秩rank(RE)进行对比,确定协方差矩阵的秩为1时的用户垂直方向的角度为划分角度θ0。本发明通过实验数据也证明取用户垂直维度信道协方差矩阵秩为1时的下倾角角度作为用户划分角度是可行的。
(2b)划分用户:根据每个用户的下倾角角度θbk,与垂直方向的划分角度θ0进行对比,若90°≤θbk<θ0则将用户判定为边缘用户,若θ0≤θbk<180则将用户判定为中心用户,完成中心用户和边缘用户的划分。本发明选择这样的用户划分方式,是因为边缘区域垂直方向上的下倾角范围本身就很小。三维大规模MIMO系统相较于二维大规模MIMO系统多出一个垂直方向上的维度,在带来空间自由度扩张的同时也增加了信道估计复杂度和反馈开销。选取垂直方向信道秩为1时的下倾角角度作为区域划分角度,在时分双工系统下可以降低信道维度进而降低预编码运算的复杂度,在频分双工系统下边缘区域用户只需要估计水平方向这一个维度的信道,降低了信道估计的计算复杂度和反馈开销。本发明通过实验数据也证明取用户垂直维度信道协方差矩阵秩为1时的下倾角角度作为用户划分角度是可行的。
实施例3
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-2,步骤3中所述的导频分配,包括有如下步骤:
(3a)上行信道估计:参见图2,多小区系统中共有L个小区,c是各个小区的序号,满足c=1,…,L,Nh是基站端水平天线数,Nv是基站端垂直天线数,Nt是基站端天线总数,满足Nt=Nh×Nv,以小区b作为参考小区,各个小区用户同时向其发送长度为τ的上行导频序列,此时,小区b基站侧的接收信号表示为:
其中ρP是导频的传输功率,Hbc=[hbc1,hbc2,…,hbcK]是小区c中所有用户到小区b基站的信道矩阵,K是小区用户数,导频序列满足ΦΦH=IK,(·)T表示对矩阵进行转置,是上行信道加性高斯白噪声矩阵。参见图2,图2中小区数L=3,每个小区中各有一个基站,θ表示用户下倾角,基站侧不仅接收到来自本小区用户的上行传输信号,也接收到来自其他小区用户的上行传输信号。
(3b)软导频复用:软导频复用方法对每个小区中的所有小区中心用户都分配相同的导频序列,而为边缘用户分配与目标小区边缘用户正交的导频序列,通过软导频复用,将小区b基站侧的接收信号表示为各小区中心用户上行传输信号的和及各小区边缘用户上行传输信号的和:
其中,等号右边第一项表示各小区中心用户上行传输信号的和,等号右边第二项表示各小区边缘用户上行传输信号的和,是小区c中所有中心用户到小区b基站的信道矩阵,是中心用户的导频,是小区c中所有边缘用户到小区b基站的信道矩阵,是边缘用户的导频,KC是小区中心用户数,KE是小区边缘用户数,满足 是小区b接收端对应的加性高斯白噪声,所有小区中心用户的导频资源相同,边缘用户的导频资源相互正交。本发明选择这样的导频分配方式,是因为使用相同导频资源的各边缘用户在上行传输时基站端无法区分不同小区的用户,导致导频污染问题,降低系统和速率。而各个小区中心用户所在区域距离较远,考虑到大尺度衰落等路径损耗因素,各个小区中心用户之间的干扰较小,且为了降低导频开销,因此使用相同的导频资源。本发明通过实验数据也证明本发明所提方法能够降低边缘用户信道估计误差。
实施例4
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-3,步骤4中所述的对中心用户进行正交投影,包括有如下步骤:
(4a)选取干扰空间:对小区b的中心用户来说,其干扰空间是垂直维度角度在(π/2,θ0)之间的边缘区域及相邻小区区域对应的垂直维度信道空间。
(4b)中心用户正交投影:对中心用户在干扰空间信道协方差矩阵非零特征值对应的特征向量进行正交投影,使得中心用户的信道矩阵在所有干扰空间非零特征值对应的特征向量的零空间中。本发明通过软导频复用对不同小区的边缘用户分配相互正交的导频,保证边缘用户不受干扰。而此时对于中心用户,一方面由于划分用户时,大规模MIMO中one-ring信道模型的角度扩展导致下倾角角度在划分角度附近的中心用户和边缘用户之间产生干扰,因此中心用户会受到边缘用户的干扰。另一方面由于各个小区中心用户使用相同的导频资源,因此中心用户会受到其他小区中心用户的干扰。从而有必要对于边缘区域及相邻小区区域对应的干扰空间需要通过正交投影,保证中心用户不受干扰。本发明通过实验数据也证明本发明所提方法能够降低中心用户信道估计误差。
实施例5
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-4,步骤(4b)中所述的中心用户正交投影,包括有如下步骤:
4b3)中心用户在干扰空间正交投影:对小区中心用户的信道矩阵,对其在干扰空间信道协方差矩阵非零特征值对应的特征向量进行正交投影,使得中心用户的信道矩阵在所有非零特征值对应的特征向量的零空间中。本发明通过中心用户在干扰空间正交投影,保证中心用户不受干扰,提升中心用户信道估计的准确性。
实施例6
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-5,步骤5中所述的信道估计,包括有如下步骤:
(5a)中心用户信道估计:通过软导频复用得到的小区b中心用户的信道估计矩阵:
其中,是小区b中所有中心用户到小区b基站的信道矩阵,是将Nt×1维的向量表示成Nh×Nv维的矩阵,vec(·)表示向量矩阵化,是Nv×Nv维的单位矩阵,是对进行垂直维度正交投影后得到的小区b中心用户的信道估计矩阵;
(5b)边缘用户信道估计:由于软导频复用对边缘用户采用正交导频,因此可得到的小区b中边缘用户的信道估计矩阵为:
其中,是小区b中所有边缘用户到小区b基站的信道矩阵,根据小区中心用户和边缘用户的信道估计矩阵,完成对小区中心用户和边缘用户的信道估计。本发明得到不受干扰的小区中心用户的信道估计和不受干扰的边缘用户的信道估计,降低信道估计的误差,保证后续预编码处理的准确性,提升系统和速率。
下面给出一个更加详细的例子,对本发明进一步说明
实施例7
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-6,
下面结合附图对本发明实施方式和效果作进一步说明:
参见图2,本发明的系统模型包含多个六边形小区,基站配置二维有源天线阵列,每个小区多个用户,本发明研究基站对用户的信道估计。
参见图1,实现步骤如下:
步骤1,信道模型构造:对大规模MIMO多小区多用户系统中的用户,分别构造水平维度和垂直维度的信道矩阵,进而通过矩阵直积,构造三维大规模MIMO信道模型,在三维大规模MIMO信道模型有新增的垂直维度的自由度。
本步骤的具体实现如下:
(1a)构造系统模型:参见图2,假设该多小区多用户系统有L个六边形蜂窝小区,每个小区用户数为K。每个小区基站水平方向天线数为Nh,垂直方向天线数为Nv,即总的基站天线数为Nt=Nh×Nv,每个用户接收天线数为1。本例中小区数L=3,用户数K=20,每个小区基站水平方向天线数为16,垂直方向天线数为8,即总的基站天线数为128,每个用户接收天线数为1,每个小区中各有一个基站,θ表示用户下倾角,基站侧不仅接收到来自本小区用户的上行传输信号,也接收到来自其他小区用户的上行传输信号。
采用适用于大规模MIMO场景的信道模型如one-ring信道等,分别作为水平和垂直方向上的相关矩阵。水平和垂直方向上任意两天线(下标为n1,n2)间的相关性为:
对其进行克罗内克积操作,可生成小区b与小区c中的用户k之间的信道相关矩阵Rbck如下:
其中wbck独立同分布的服从均值为0,方差为1的高斯分布,βbck是大尺度衰落系数。
步骤2,用户划分:本发明将小区中所有用户划分为中心用户和边缘用户,具体划分方法是将三维大规模MIMO信道中用户垂直维度信道协方差矩阵秩为1时的角度定为划分角度,根据每个用户的下倾角角度与垂直方向的划分角度进行对比,对用户进行划分。
本步骤的具体实现如下:
(2a)确定划分角度:
以one-ring信道模型为例,理想情况下大规模天线信道相关矩阵的秩rank(RE)的公式如下:
其中θmin是下倾角的最小值,θmax是下倾角的最大值,Nv是垂直方向天线数,d是天线间距,λ是信号波长。
根据垂直维度信道协方差矩阵求得对应的的秩与理想情况下大规模天线信道相关矩阵的秩rank(RE)进行对比,确定协方差矩阵的秩为1时的垂直方向的角度为划分角度θ0。本发明通过实验数据也证明取用户垂直维度信道协方差矩阵秩为1时的下倾角角度作为用户划分角度是可行的。
(2b)划分用户:根据每个用户的下倾角角度θbk,与垂直方向的划分角度θ0进行对比,若90°≤θbk<θ0则将用户判定为边缘用户,若θ0≤θbk<180°则将用户判定为中心用户,完成中心用户和边缘用户的划分。
步骤3,导频分配:基站进行基于导频序列的上行信道估计,在导频分配时采用软导频复用方法,所有小区的中心用户使用相同的导频资源;边缘用户使用正交导频资源,保证边缘用户不受干扰。
本步骤的具体实现如下:
(3a)上行信道估计:多小区系统中共有L个小区,c是各个小区的序号,满足c=1,…,L,Nh是基站端水平天线数,Nv是基站端垂直天线数,Nt是基站端天线总数,满足Nt=Nh×Nv,以小区b作为参考小区,各个小区用户同时向其发送长度为τ的上行导频序列,此时,小区b基站侧的接收信号表示为:
其中ρP是导频的传输功率,Hbc=[hbc1,hbc2,…,hbcK]是小区c中所有用户到小区b基站的信道矩阵,K是小区用户数,导频序列满足ΦΦH=IK,(·)T表示对矩阵进行转置,是上行信道加性高斯白噪声矩阵。
可以看出,小区b的信道估计结果会受到其他小区中使用相同导频的用户信道的干扰,即存在导频污染问题。针对小区中心用户受导频污染较轻,而小区边缘用户受严重的导频污染的情况,采用软导频复用策略,对小区中心用户及小区边缘用户采取不同的导频分配方法。
(3b)软导频复用:
软导频复用策略对每个小区中的所有小区中心用户都复用相同的导频序列,而为边缘用户分配与目标小区边缘用户正交的导频序列。参见图3,以三小区软导频复用为例,对所有小区中心区域导频复用因子设为1,对所有边缘区域导频复用因子设为1/3。将导频集划分为四个正交子集即P={P0,P1,P2,P3},将导频集P0分配到三个小区的中心位置附近,将其余三个导频集分别分配到三个小区的边缘位置附近。对于相邻小区的边缘交界处,不同用户的导频始终保持正交性,这将大大降低小区之间的导频污染程度。
其中,等号右边第一项表示各小区中心用户上行传输信号的和,等号右边第二项表示各小区边缘用户上行传输信号的和,是小区c中所有中心用户到小区b基站的信道矩阵,是中心用户的导频,是小区c中所有边缘用户到小区b基站的信道矩阵,是边缘用户的导频,KC是小区中心用户数,KE是小区边缘用户数,满足K=KC+KE及Φ=[ΦC T,ΦE T]T,是小区b接收端对应的加性高斯白噪声,所有小区中心用户的导频资源相同,边缘用户的导频资源相互正交。本发明通过实验数据也证明本发明所提方法能够降低边缘用户信道估计误差。
步骤4,对中心用户进行正交投影:对中心用户进行正交投影,中心用户将其垂直维度信道矩阵投影到边缘区域及相邻小区区域的零空间中,完成中心用户的正交投影。
本步骤的具体实现如下:
(4a)选取干扰空间:对小区b的中心用户来说,其干扰空间是垂直维度角度在(π/2,θ0)之间的边缘区域及相邻小区区域对应的垂直维度信道空间。
(4b)中心用户正交投影:对中心用户在干扰空间信道协方差矩阵非零特征值对应的特征向量进行正交投影,使得中心用户的信道矩阵在所有干扰空间非零特征值对应的特征向量的零空间中。
4b3)中心用户在干扰空间正交投影:对小区中心用户的信道矩阵,对其在干扰空间信道协方差矩阵非零特征值对应的特征向量进行正交投影,使得中心用户的信道矩阵在所有非零特征值对应的特征向量的零空间中。本发明通过实验数据也证明本发明所提方法能够降低中心用户信道估计误差。
步骤5,信道估计:边缘用户根据导频分配的结果进行信道估计,中心用户根据导频分配的结果和正交投影的结果进行信道估计,分别输出边缘用户和中心用户的信道估计结果。
本步骤的具体实现如下:
(5a)中心用户信道估计:通过软导频复用得到的小区b中心用户的信道估计矩阵:
其中,是小区b中所有中心用户到小区b基站的信道矩阵,是将Nt×1维的向量表示成Nh×Nv维的矩阵,vec(·)表示向量矩阵化,是Nv×Nv维的单位矩阵,是对进行垂直维度正交投影后得到的小区b中心用户的信道估计矩阵;
(5b)边缘用户信道估计:由于软导频复用对边缘用户采用正交导频,因此可得到的小区b中边缘用户的信道估计矩阵为:
下面通过仿真及其分析,对本发明的技术效果再做说明
实施例8
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-7,
本发明的效果可通过仿真进一步说明:
仿真条件
仿真使用MATLAB R2015b软件实现,设置发送水平天线数为16,垂直天线数为8,即各基站总发送天线数为128,各用户接收天线数为1,小区数为3,小区半径为500m,基站高度为35m,每小区用户数为20等参数。
仿真内容和结果
仿真1.在不同垂直天线数下,对本发明的垂直方向的秩随下倾角角度的变化情况进行仿真,结果如图4所示,图4为本发明的垂直方向的秩随下倾角角度的变化仿真图。
图4横坐标为垂直方向下倾角角度,纵坐标为垂直方向信道矩阵的秩。带叉虚线表示理论垂直方向8天线下大规模MIMO信道矩阵秩的曲线,虚线表示理论垂直16方向天线下大规模MIMO信道矩阵秩的曲线,点划线表示理论垂直方向24天线下大规模MIMO信道矩阵秩的曲线,带圈虚线表示理论垂直32方向天线下大规模MIMO信道矩阵秩的曲线,带叉实线表示实际垂直方向8天线下信道矩阵的秩的曲线,带圈实线表示实际垂直方向8天线下信道矩阵的秩的曲线。本发明不仅做了方案的设计和理论的分析,而且还进行了实验与探讨。从图4可见,理论垂直方向8天线下大规模MIMO信道矩阵秩的曲线和实际垂直方向8天线下信道矩阵的秩的曲线在纵坐标为1时存在交点,从而该交点处对应的横坐标值即为秩为1时对应的下倾角角度。理论垂直方向32天线下大规模MIMO信道矩阵秩的曲线和实际垂直方向32天线下信道矩阵的秩的曲线在纵坐标为1时存在交点,从而该交点处对应的横坐标值即为秩为1时对应的下倾角角度。由此得出结论,随着下倾角度的增大,不同垂直天线数下实际垂直方向信道矩阵的秩与理论秩的曲线均存在交点,从而取各天线下秩为1时对应的下倾角角度作为用户划分角度是可行的。
本发明不仅做了方案的设计和理论的分析,而且还进行了实验与探讨。
实施例9
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-7,仿真数据和内容同实施例8
仿真2.在上述仿真条件下,对本发明与最小二乘信道估计方法和软导频复用信道估计方法的中心用户信道估计误差进行仿真,结果如图5所示,图5为本发明与现有技术的中心用户信道估计性能的仿真对比图。
图5横坐标为信噪比,纵坐标为中心用户信道估计归一化均方误差。带圈实线表示中心用户采用本发明所提方法的信道估计误差曲线,菱形实线表示中心用户采用最小二乘信道估计方法的曲线,十字实线表示中心用户采用软导频复用信道估计方法的曲线。本发明不仅做了方案的设计和理论的分析,而且还进行了实验与探讨。从图5可见,中心用户采用本发明所提方法的信道估计误差可达10-4,而中心用户采用最小二乘信道估计方法和中心用户采用软导频复用信道估计方法的信道估计误差仅能达到10-3,信道估计误差越小,对信道估计的准确性越高,误差减少一个数量级,可保证后续接收端操作的精确性大大提升。由此得出结论,随着信噪比的增大,本发明和最小二乘信道估计方法的归一化均方误差都在逐渐减小,由于本发明中的中心用户进行了正交投影,所提方法的中心用户不受边缘区域和相邻小区的干扰,因此比起最小二乘信道估计方法和软导频复用信道估计方法的信道估计误差低。
实施例10
三维大规模MIMO下基于用户划分的信道估计方法同实施例1-7,仿真数据和内容同实施例8
仿真3.在上述仿真条件下,对本发明与最小二乘信道估计方法和软导频复用信道估计方法的的边缘用户信道估计误差进行仿真,结果如图6所示,图6为本发明与现有技术的边缘用户信道估计性能的仿真对比图。
图6横坐标为信噪比,纵坐标为边缘用户信道估计归一化均方误差。带圈实线表示边缘用户采用本发明所提方法的信道估计误差曲线,菱形实线表示边缘用户采用最小二乘信道估计方法的曲线,十字实线表示边缘用户采用软导频复用信道估计方法的曲线。本发明不仅做了方案的设计和理论的分析,而且还进行了实验与探讨。从图6可见,边缘用户采用本发明所提方法的信道估计误差和边缘用户采用软导频复用信道估计方法的信道估计误差可达10-3,而边缘用户采用最小二乘信道估计方法的信道估计误差仅能达到10-2,信道估计误差越小,对信道估计的准确性越高,误差减少一个数量级,可保证后续接收端操作的精确性大大提升。由此得出结论,从图6可见,随着信噪比的增大,本发明和最小二乘信道估计方法的归一化均方误差都在逐渐减小,由于本发明中的边缘用户垂直维度秩为1,因此三维信道等效于二维信道,信道估计误差和软导频复用方法性能相同;由于进行软导频复用消除了导频污染,比起受相邻小区干扰的最小二乘信道估计方法相比起估计误差更低。
本发明提出了一种三维大规模MIMO下基于用户划分的信道估计方法,解决了现有技术中因导频污染导致的信道估计精度较低的技术问题。实施步骤包括:对大规模MIMO多小区多用户系统中的用户,构造三维大规模MIMO信道模型;然后根据给定划分角度将用户划分为中心用户或边缘用户;对中心用户和边缘用户采用软导频复用方法,并将中心用户的信道矩阵投影到边缘区域及相邻小区区域的零空间中,最后完成上行信道估计。本发明首先对用户进行了划分,得到中心用户和边缘用户,并在软导频复用的基础上对中心用户进行正交投影。在计算复杂度较低的前提下,有效提升了信道估计的准确性,可用于三维大规模MIMO多小区多用户系统的导频去污染及小区间干扰抑制。
以上描述仅是本发明的一个具体实例,并不构成对本发明的任何限制。显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (5)
1.一种三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,包括有以下步骤:
(1)信道模型构造:对大规模MIMO多小区多用户系统中的用户,分别构造水平维度和垂直维度的信道矩阵,进而通过矩阵直积,构造三维大规模MIMO信道模型,在三维大规模MIMO信道模型有新增的垂直维度的自由度;
(2)用户划分:将小区中所有用户划分为中心用户和边缘用户,具体划分方法是将三维大规模MIMO信道中用户垂直维度信道协方差矩阵秩为1时的角度定为划分角度,根据每个用户的下倾角角度与垂直方向的划分角度进行对比,对用户进行划分;用户划分,包括有如下步骤:
(2a)确定划分角度:针对大规模MIMO中的one-ring信道模型,根据小区b中用户k的下倾角角度,构造用户垂直维度信道协方差矩阵并将协方差矩阵的秩与理想情况下大规模天线信道协方差矩阵的秩rank(RE)进行对比,确定协方差矩阵的秩为1时的用户垂直方向的角度为划分角度θ0;划分角度计算方法为,理想情况下大规模天线信道相关矩阵的秩rank(RE)的公式如下:
其中θmin是下倾角的最小值,θmax是下倾角的最大值,Nv是垂直方向天线数,d是天线间距,λ是信号波长;
(2b)划分用户:根据每个用户的下倾角角度θbk,与垂直方向的划分角度θ0进行对比,若90°≤θbk<θ0则将用户判定为边缘用户,若θ0≤θbk<180°则将用户判定为中心用户,完成中心用户和边缘用户的划分;
(3)导频分配:基站进行基于导频序列的上行信道估计,在导频分配时采用软导频复用方法,所有小区的中心用户使用相同的导频资源;边缘用户使用正交导频资源;
(4)对中心用户进行正交投影:对中心用户进行正交投影,中心用户将其垂直维度信道矩阵投影到边缘区域及相邻小区区域的零空间中;
(5)信道估计:边缘用户根据导频分配的结果进行信道估计,中心用户根据导频分配的结果和正交投影的结果进行信道估计,分别输出边缘用户和中心用户的信道估计结果。
2.根据权利要求1所述的三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,步骤3中所述的导频分配,包括有如下步骤:
(3a)上行信道估计:多小区系统中共有L个小区,c是各个小区的序号,满足c=1,…,L,Nh是基站端水平天线数,Nv是基站端垂直天线数,Nt是基站端天线总数,满足Nt=Nh×Nv,以小区b作为参考小区,各个小区用户同时向其发送长度为τ的上行导频序列,此时,小区b基站侧的接收信号表示为:
其中ρP是导频的传输功率,Hbc=[hbc1,hbc2,…,hbcK]是小区c中所有用户到小区b基站的信道矩阵,K是小区用户数,导频序列满足ΦΦH=IK,(·)T表示对矩阵进行转置,是上行信道加性高斯白噪声矩阵;
(3b)软导频复用:软导频复用方法对每个小区中的所有小区中心用户都分配相同的导频序列,而为边缘用户分配与目标小区边缘用户正交的导频序列,通过软导频复用,将小区b基站侧的接收信号表示为各小区中心用户上行传输信号的和及各小区边缘用户上行传输信号的和:
3.根据权利要求1所述的三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,步骤4中所述的对中心用户进行正交投影,包括有如下步骤:
(4a)选取干扰空间:对小区b的中心用户来说,其干扰空间是垂直维度角度在(π/2,θ0)之间的边缘区域及相邻小区区域对应的垂直维度信道空间;
(4b)中心用户正交投影:对中心用户在干扰空间信道协方差矩阵非零特征值对应的特征向量进行正交投影,使得中心用户的信道矩阵在所有干扰空间非零特征值对应的特征向量的零空间中。
4.根据权利要求3所述的三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,步骤(4b)中所述的中心用户正交投影,包括有如下步骤:
5.根据权利要求1所述的三维大规模MIMO系统下基于用户划分的信道估计方法,其特征在于,步骤5中所述的信道估计,包括有如下步骤:
(5a)中心用户信道估计:通过软导频复用得到的小区b中心用户的信道估计矩阵:
其中,是小区b中所有中心用户到小区b基站的信道矩阵,是将Nt×1维的向量表示成Nh×Nv维的矩阵,vec(·)表示向量矩阵化,是Nv×Nv维的单位矩阵,是对进行垂直维度正交投影后得到的小区b中心用户的信道估计矩阵;
(5b)边缘用户信道估计:由于软导频复用对边缘用户采用正交导频,因此可得到的小区b中边缘用户的信道估计矩阵为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384978.5A CN110113083B (zh) | 2019-05-09 | 2019-05-09 | 三维大规模mimo下基于用户划分的信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384978.5A CN110113083B (zh) | 2019-05-09 | 2019-05-09 | 三维大规模mimo下基于用户划分的信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110113083A CN110113083A (zh) | 2019-08-09 |
CN110113083B true CN110113083B (zh) | 2021-06-25 |
Family
ID=67489052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910384978.5A Active CN110113083B (zh) | 2019-05-09 | 2019-05-09 | 三维大规模mimo下基于用户划分的信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110113083B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111262678B (zh) * | 2020-01-17 | 2021-04-27 | 北京科技大学 | 一种massive MIMO系统下多小区多用户导频分配方法 |
CN111314250B (zh) * | 2020-02-12 | 2021-06-08 | 电子科技大学 | 大规模多输入多输出系统的量化设计与信道估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004080353A (ja) * | 2002-08-16 | 2004-03-11 | Nippon Telegr & Teleph Corp <Ntt> | 適応アレーアンテナを用いた通信装置及び通信制御方法 |
CN104270820A (zh) * | 2014-08-04 | 2015-01-07 | 西安交通大学 | 3d大规模mimo系统中联合的垂直波束控制及功率分配方法 |
CN104283593A (zh) * | 2014-10-10 | 2015-01-14 | 西安电子科技大学 | 3d mimo系统中基于统计信息的双维度联合sdma方法 |
CN104852758A (zh) * | 2015-05-15 | 2015-08-19 | 北京理工大学 | 三维大规模天线网络下的垂直波束赋形方法及装置 |
CN105227224A (zh) * | 2015-10-14 | 2016-01-06 | 西安交通大学 | 3d-mimo系统中基于最小slnr最大准则的分布式干扰协调方法 |
CN108880643A (zh) * | 2018-05-30 | 2018-11-23 | 哈尔滨工业大学深圳研究生院 | 基于斜投影的大规模mimo-noma下行干扰消除方法 |
-
2019
- 2019-05-09 CN CN201910384978.5A patent/CN110113083B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004080353A (ja) * | 2002-08-16 | 2004-03-11 | Nippon Telegr & Teleph Corp <Ntt> | 適応アレーアンテナを用いた通信装置及び通信制御方法 |
CN104270820A (zh) * | 2014-08-04 | 2015-01-07 | 西安交通大学 | 3d大规模mimo系统中联合的垂直波束控制及功率分配方法 |
CN104283593A (zh) * | 2014-10-10 | 2015-01-14 | 西安电子科技大学 | 3d mimo系统中基于统计信息的双维度联合sdma方法 |
CN104852758A (zh) * | 2015-05-15 | 2015-08-19 | 北京理工大学 | 三维大规模天线网络下的垂直波束赋形方法及装置 |
CN105227224A (zh) * | 2015-10-14 | 2016-01-06 | 西安交通大学 | 3d-mimo系统中基于最小slnr最大准则的分布式干扰协调方法 |
CN108880643A (zh) * | 2018-05-30 | 2018-11-23 | 哈尔滨工业大学深圳研究生院 | 基于斜投影的大规模mimo-noma下行干扰消除方法 |
Non-Patent Citations (5)
Title |
---|
3D MIMO多小区多用户系统基于QBFO算法的垂直波束下倾角优化;帅杨 等;《信号处理》;20180531;第34卷(第5期);第523-530页 * |
Coordinated resource allocation with vertical beamforming in 3D MIMO-OFDMA networks;Weidong Zhang et al;《2014 IEEE International Conference on Communications》;20140828;第4765-4770页 * |
Soft Pilot Reuse and Multicell Block Diagonalization Precoding for Massive MIMO Systems;Xudong Zhu et al;《IEEE Transactions on Vehicular Technology》;20160531;第65卷(第5期);第3285-3298页 * |
User Grouping and Pilot Allocation for Spatially Correlated Massive MIMO Systems;PENGXIANG LI et al;《IEEE Access》;20180921;第47959-47968页 * |
三维多天线系统干扰协调和负载均衡技术研究;宋磊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110113083A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Semi-passive elements assisted channel estimation for intelligent reflecting surface-aided communications | |
CN110932764B (zh) | 一种mimo-noma下行通信系统的用户匹配和功率分配方法 | |
CN104270820B (zh) | 3d大规模mimo系统中联合的垂直波束控制及功率分配方法 | |
CN106936552B (zh) | 大规模mimo系统中上行导频序列分配方法及基站 | |
CN105577587B (zh) | 一种60GHz室内场景下MIMO系统信道估计方法及装置 | |
CN111132264B (zh) | 多用户mimo-noma系统下行链路的用户分簇方法 | |
CN105790913B (zh) | FDD模式massive-MIMO系统中上行导频的选择与分配方法 | |
WO2017118099A1 (zh) | 上行导频分配及接收波束赋形矢量联合优化方法、装置 | |
CN107919896B (zh) | 一种波束赋形方法及装置 | |
CN110365463B (zh) | 大规模mimo系统两次聚类划归的导频分配方法 | |
KR101199569B1 (ko) | 다수 사용자 mimo 간섭 채널에서의 기회적 간섭 정렬 사용자 선택 방법 | |
CN106899338B (zh) | 大规模mimo系统下行链路中基于密度的用户分组方法 | |
CN104320169B (zh) | 多用户3d‑mimo系统中三维波束赋形设计方法 | |
CN110113083B (zh) | 三维大规模mimo下基于用户划分的信道估计方法 | |
CN110518952A (zh) | 一种基于码本的自适应分组宽带混合波束赋形设计方法 | |
Müller et al. | Optimal 3D cell planning: A random matrix approach | |
CN106330278B (zh) | 基于用户达波角的信道估计和功率控制相结合的传输方法 | |
Hu et al. | Pilot decontamination in multi-cell massive MIMO systems via combining semi-blind channel estimation with pilot assignment | |
CN108429611B (zh) | 一种巨连接下的导频分配和信道估计方法 | |
WO2017118079A1 (zh) | 一种双流波束赋形的方法、装置及基站 | |
CN105227224B (zh) | 3d-mimo系统中基于最小slnr最大准则的分布式干扰协调方法 | |
CN108900290B (zh) | 一种基于定位信息的导频分配方法 | |
WO2017132977A1 (zh) | 一种降低系统干扰的方法及装置 | |
CN107979397B (zh) | 一种分布式天线系统的天线端口选择方法 | |
CN107070624B (zh) | 一种基于大尺度衰落和多路径到达角的多用户导频调度方法 |
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 |