CN110912670A - 基于k均值聚类的大规模mimo导频分配方法及装置 - Google Patents

基于k均值聚类的大规模mimo导频分配方法及装置 Download PDF

Info

Publication number
CN110912670A
CN110912670A CN201911135780.XA CN201911135780A CN110912670A CN 110912670 A CN110912670 A CN 110912670A CN 201911135780 A CN201911135780 A CN 201911135780A CN 110912670 A CN110912670 A CN 110912670A
Authority
CN
China
Prior art keywords
interference
clustering
users
pilot frequency
user
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
Application number
CN201911135780.XA
Other languages
English (en)
Inventor
李贵勇
于敏
李小文
陈发堂
王华华
王丹
余永坤
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201911135780.XA priority Critical patent/CN110912670A/zh
Publication of CN110912670A publication Critical patent/CN110912670A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04L5/005—Allocation of pilot signals, i.e. of signals known to the receiver of common pilots, i.e. pilots destined for multiple users or terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04L5/0051—Allocation of pilot signals, i.e. of signals known to the receiver of dedicated pilots, i.e. pilots destined for a single user or terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于移动通信技术领域，特别涉及一种基于K均值聚类的大规模MIMO导频分配方法及装置，方法包括：根据用户的大尺度衰落因子设置分组门限，将用户干扰系数大于分组门限的用户分为高干扰组，否则为低干扰组；为低干扰组的用户分配相同的导频序列；设置K个聚类中心数量，利用K均值聚类算法对高干扰组进行分类，将高干扰组分为K个簇；对K个簇进行分组，将相对空间距离大于1000m的簇分为非干扰组，否则为干扰组；为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频；本发明在导频资源有限的情况下，减少因为使用非正交的导频序列的终端对目标终端带来的干扰，从而有效的抑制导频污染问题对大规模MIMO系统性能的影响。

Description

基于K均值聚类的大规模MIMO导频分配方法及装置
技术领域
本发明属于移动通信技术领域，特别涉及一种基于K均值聚类的大规模MIMO导频分配方法及装置。
背景技术
大规模MIMO技术是目前5G关键性技术之一，MIMO系统存在十分严重的导频污染问题，严重影响到了大规模MIMO技术发挥其在系统性能方面的优势，导频污染问题是因为在实际中正交导频资源有限造成的，针对导频污染问题，很多导频分配方案被提出用于减少导频污染，目前针对于导频分配的相关算法主要基于两种信息设计：第一种，根据小区基站与UE位置信息；第二种，信道的大尺度衰落信息。
在基于位置信息的分配方案中，将每个小区根据位置信息分为中心区域和边缘区域，并把边缘区域统一划分为多个扇形区域，在中心区域的UE之间复用相同导频序列。对于处于边缘区域的UE之间分配相互正交的导频序列。
在基于大尺度衰落信息的分配方案中，多数方案是利用了着色图的思想，结合着色图的算法思想，构建可以描述UE间潜在导频污染的造成关系图，使用不同颜色代表不同的导频，使用定点代表UE，使用搜索算法迭代方案去解决导频分配问题。
发明内容
为了解决由于天线数急剧增长导频资源紧张，不同小区的UE复用导频，非正交导频带来的导频污染问题，本发明提出一种基于K均值聚类的大规模MIMO导频分配方法及装置，所述方法包括以下步骤：
S1、根据用户的大尺度衰落因子设置分组门限，将用户干扰系数大于分组门限的用户分为高干扰组，否则为低干扰组；
S2、为低干扰组的用户分配相同的导频序列；
S3、设置K个聚类中心数量，利用K均值聚类算法对高干扰组进行分类，将高干扰组分为K个簇；
S4、对K个簇进行分组，将相对空间距离大于1000m的簇分为非干扰组，否则为干扰组；
S5、为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频。
进一步的，分组门限表示为：
Figure BDA0002279561930000021
其中，K表示每个小区中用户的数量；L表示系统中小区数量；r<l,k>表示用户的干扰系数。
进一步的，用户的干扰系数表示为：
Figure BDA0002279561930000022
其中，βl,<l,k>在第l小区的第k个用户到第l小区的基站的大尺度衰落因子。
进一步的，利用K均值聚类算法对高干扰组进行分类包括：
S31、从目标小区的所有相邻小区高干扰组的用户中，选择K个用户的空间位置信息作为初始聚类中心；
S32、根据高干扰组内用户与聚类中心的距离进行分簇，即将用户分到距离最近的聚类中心所在的簇；
S33、根据每个簇内用户之间的距离，重新计算聚类中心；
S34、判断两个聚类中心是否收敛，若收敛则结束聚类；否则返回步骤S32重新根据当前的聚类中心进行分簇。
本发明还提出一种K均值聚类的大规模MIMO导频分配装置，包括门限分组模块、第一导频分配模块、聚类分组模块以及第二导频分配模块，其中：
门限分组模块，用于根据用户的干扰系数将用户分为高干扰组和低干扰组；
第一导频分配模块，用于为低干扰组的用户分配相同的导频序列；
聚类分簇模块，用于根据用户之间的空间距离对高干扰组进行聚类分簇；
第二导频分配模块，用于对聚类分组得到的簇根据簇之间的距离进行导频分配。
本发明在导频资源有限的情况下，减少因为使用非正交的导频序列的终端对目标终端带来的干扰，从而有效的抑制导频污染问题对大规模MIMO系统性能的影响。
附图说明
图1为本发明中大规模MIMO系统模型图；
图2为本发明一种基于K均值聚类的大规模MIMO导频分配方法的整体流程图。
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。
本发明提出一种基于K均值聚类的大规模MIMO导频分配方法及装置，本发明是在如图1所示的大规模MIMO系统中，所述方法，如图2，包括：
S1、根据用户的大尺度衰落因子设置分组门限，将用户干扰系数大于分组门限的用户分为高干扰组，否则为低干扰组；
S2、为低干扰组的用户分配相同的导频序列；
S3、设置K个聚类中心数量，利用K均值聚类算法对高干扰组进行分类，将高干扰组分为K个簇；
S4、对K个簇进行分组，将相对空间距离大于1000m的簇分为非干扰组，否则为干扰组；
S5、为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频。
如图1，在本实施例中，假设在大规模MIMO系统中，有L个小区，每个小区中有一个配有M根天线的基站以及K个配有单天线的用户(简称UE)，用户终端根据信道大尺度衰落系数进行第一次分组，lth小区内kth用户到ith小区基站(简称BS)的大尺度因子βikl：
Figure BDA0002279561930000041
用户终端受导频污染干扰影响可以用信道大尺度衰落因子系数来进行衡量，设置干扰系数r<l,k>，表示为：
Figure BDA0002279561930000042
其中，βl,<l,k>在第l小区的第k个UE到第l小区的BS的大尺度衰落因子。
根据干扰系数计算分组门限值ρ，表示为：
Figure BDA0002279561930000043
如果用户的干扰系数r<l,k>大于分组门限值ρ，则分为高干扰组，反之则分为低干扰组。
对UE进行分组的结果，给不同组的UE设置不同的导频分配方案，为低干扰组的UE分配相同的导频序列，再进一步对高干扰组的UE进行进一步K_means聚类分簇。
将高干扰组的所有用户接着进行分类，利用K均值聚类法，把相对位置近的UE分到一个簇中，就是把位置坐标相近的用户分到一个簇，具体包括：
S31、从目标小区的所有相邻小区高干扰组的用户中，选择K个用户的空间位置信息作为初始聚类中心；优选的，每个蜂窝小区的相邻小区数量为6，即将K的值设置为6，从目标小区的所有相邻小区高干扰组的N个样本集中随机选取6个对象的空间位置信息(x1,y1,z1),(x2,y2,z2)，(x3,y3,z3)，(x4,y4,z4)，(x5,y5,z5)，(x6,y6,z6)作为初始的聚类中心；
S32、根据高干扰组内用户与聚类中心的距离进行分簇，即将用户分到距离最近的聚类中心所在的簇；
即分别计算所有高干扰组内对象的位置信息与初始聚类中心的空间距离d，表示为：
Figure BDA0002279561930000051
选取最小距离的簇将数据对象分入该簇；
S33、根据每个簇内用户之间的距离，重新计算聚类中心；
S34、判断两个聚类中心是否收敛，若收敛则结束聚类；否则返回步骤S32重新根据当前的聚类中心进行分簇，即：
将UE分为6个簇之后，C＝{C1,C2,C3,C4,C5,C6},目标函数E表示为：
Figure BDA0002279561930000052
Figure BDA0002279561930000053
其中，ui为簇Ci的均值向量，||x-ui||2为每个样本点到均值点的距离。最后相邻两次目标函数|E2-E1|<ε是否成立，其中ε是一个极小值，两次临近迭代的准则函数之差小于一个极小值说明簇内的误差平方和已经收敛，结束聚类。
将高干扰组中的用户分为6个簇，由于每个簇基于位置信息进行K_means聚类分簇，故每个簇内的用户空间位置十分接近，为处于同一簇的用户分配正交导频，由于正交导频资源有限，将这6个簇中将其再次基于相对位置信息分组，将相对空间距离d大于1000m的簇分为非干扰组，相对空间距离d小于1000m的簇分为干扰组，由于理论验证已知，当两个用户终端之间的空间距离d≥1000m时，两个用户终端之间的干扰趋近为0，故处于非干扰组的用户复用导频，处于干扰组的用户分配正交导频，该处相对空间距离是指聚类后聚类中心之间的距离。
本发明还提出一种K均值聚类的大规模MIMO导频分配装置，包括门限分组模块、第一导频分配模块、聚类分组模块以及第二导频分配模块，其中：
门限分组模块，用于根据用户的干扰系数将用户分为高干扰组和低干扰组；
第一导频分配模块，用于为低干扰组的用户分配相同的导频序列；
聚类分簇模块，用于根据用户之间的空间距离对高干扰组进行聚类分簇；
第二导频分配模块，用于对聚类分组得到的簇根据簇之间的距离进行导频分配。
进一步的，门限分组模块包括信道大尺度衰落系数获取子模块、用户干扰系数获取子模块以及比较器，比较器比较用户干扰系数与信道大尺度衰落系数之间的关系，若用户干扰系数大于信道大尺度衰落系数，则用户为高干扰组，否则为低干扰组。
进一步的，聚类分簇模块包括用户空间位置获取子模块、聚类中心计算器以及收敛判决器，其中，用户空间位置获取子模块用户获取用户的空间位置信息，聚类中心计算器用户根据当前簇内用户之间的位置信息计算聚类中心，收敛判决器根据用户与当前聚类中心之间的位置关系以及用户与上一聚类中心之间的位置关系判断是否输出当前的分簇作为聚类分簇的结果。
进一步的，第二导频分配模块包括分簇分组模块以及导频分配模块，其中，分簇分组模块用于根据两个分簇的相对空间大于1000m的簇分为非干扰组，否则分为干扰组；导频分配模块为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频，该处相对空间距离是指聚类分簇模块中每个聚类中心之间的距离。
在大规模MIMO系统中的基于资源分配的导频污染抑制方案，对用户进行多次分组按照一定策略进行导频复用，对比之前只针对用户位置信息进行分组，起到了更好的抑制导频污染的效果，对比时移或频移导频调度方案降低了进行设计的复杂度，由于本发明对于导频进行多次分组，减少了每次处理的UE数量，并利用K均值聚类这种非监督类机器学习算法进行聚类处理，在一定程度上降低了导频分配的复杂度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于K均值聚类的大规模MIMO导频分配方法，其特征在于，包括以下步骤：
S1、根据用户的大尺度衰落因子设置分组门限，将用户干扰系数大于分组门限的用户分为高干扰组，否则为低干扰组；
S2、为低干扰组的用户分配相同的导频序列；
S3、设置K个聚类中心数量，利用K均值聚类算法对高干扰组进行分类，将高干扰组分为K个簇；
S4、对K个簇进行分组，将相对空间距离大于1000m的簇分为非干扰组，否则为干扰组；
S5、为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频。
2.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配方法，其特征在于，分组门限表示为：
Figure FDA0002279561920000011
其中，K表示每个小区中用户的数量；L表示系统中小区数量；r<l,k>表示用户的干扰系数。
3.根据权利要求2所述的一种K均值聚类的大规模MIMO导频分配方法，其特征在于，用户的干扰系数表示为：
Figure FDA0002279561920000012
其中，βl,<l,k>在第l小区的第k个用户到第l小区的基站的大尺度衰落因子。
4.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配方法，其特征在于，利用K均值聚类算法对高干扰组进行分类包括：
S31、从目标小区的所有相邻小区高干扰组的用户中，选择K个用户的空间位置信息作为初始聚类中心；
S32、根据高干扰组内用户与聚类中心的距离进行分簇，即将用户分到距离最近的聚类中心所在的簇；
S33、根据每个簇内用户之间的距离，重新计算聚类中心；
S34、判断两个聚类中心是否收敛，若收敛则结束聚类；否则返回步骤S32重新根据当前的聚类中心进行分簇。
5.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配方法，其特征在于，判断两个聚类中心是否收敛包括：根据用户的位置信息以及聚类中心的位置信息设置目标函数，若重新计算的聚类中心的目标函数与重新计算之前的聚类中心的目标函数之差为一个极小值，则聚类中心收敛，目标函数表示为：
Figure FDA0002279561920000021
其中，Ci表示第i个聚类中心的簇，ui为集合簇Ci内元素的均值。
6.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配装置，其特征在于，包括门限分组模块、第一导频分配模块、聚类分组模块以及第二导频分配模块，其中：
门限分组模块，用于根据用户的干扰系数将用户分为高干扰组和低干扰组；
第一导频分配模块，用于为低干扰组的用户分配相同的导频序列；
聚类分簇模块，用于根据用户之间的空间距离对高干扰组进行聚类分簇；
第二导频分配模块，用于对聚类分组得到的簇根据簇之间的距离进行导频分配。
7.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配装置，其特征在于，门限分组模块包括信道大尺度衰落系数获取子模块、用户干扰系数获取子模块以及比较器，比较器比较用户干扰系数与信道大尺度衰落系数之间的关系，若用户干扰系数大于信道大尺度衰落系数，则用户为高干扰组，否则为低干扰组。
8.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配装置，其特征在于，聚类分簇模块包括用户空间位置获取子模块、聚类中心计算器以及收敛判决器，其中，用户空间位置获取子模块用户获取用户的空间位置信息，聚类中心计算器用户根据当前簇内用户之间的位置信息计算聚类中心，收敛判决器根据用户与当前聚类中心之间的位置关系以及用户与上一聚类中心之间的位置关系判断是否输出当前的分簇作为聚类分簇的结果。
9.根据权利要求1所述的一种K均值聚类的大规模MIMO导频分配装置，其特征在于，第二导频分配模块包括分簇分组模块以及导频分配模块，其中，分簇分组模块用于根据两个分簇的相对空间大于1000m的簇分为非干扰组，否则分为干扰组；导频分配模块为同一个簇内的用户分配正交导频，且非干扰组的用户复用导频。
CN201911135780.XA 2019-11-19 2019-11-19 基于k均值聚类的大规模mimo导频分配方法及装置 Pending CN110912670A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911135780.XA CN110912670A (zh) 2019-11-19 2019-11-19 基于k均值聚类的大规模mimo导频分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911135780.XA CN110912670A (zh) 2019-11-19 2019-11-19 基于k均值聚类的大规模mimo导频分配方法及装置

Publications (1)

Publication Number Publication Date
CN110912670A true CN110912670A (zh) 2020-03-24

Family

ID=69817990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911135780.XA Pending CN110912670A (zh) 2019-11-19 2019-11-19 基于k均值聚类的大规模mimo导频分配方法及装置

Country Status (1)

Country Link
CN (1) CN110912670A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111796263A (zh) * 2020-07-01 2020-10-20 哈尔滨工业大学 一种基于5g基站信号的低空目标分布式测距方法
CN112260738A (zh) * 2020-10-20 2021-01-22 东南大学 基于yolo目标检测的fd-mimo下行多用户分组方法
CN112583484A (zh) * 2020-12-04 2021-03-30 东南大学 k均值聚类的PD-NOMA-VLC系统用户分组方法
CN112953695A (zh) * 2021-02-24 2021-06-11 南京邮电大学 一种分布式mimo系统的导频分配方法及系统
CN113114310A (zh) * 2021-03-24 2021-07-13 重庆邮电大学 一种基于机器学习算法和用户到达角的导频分配算法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3035620A1 (en) * 2014-12-15 2016-06-22 Alcatel Lucent Method and apparatus to mitigate pilot power contamination in large scalable antenna systems
CN106230571A (zh) * 2016-07-30 2016-12-14 山东大学 一种基于用户分簇的导频分配方法
CN106452714A (zh) * 2016-11-09 2017-02-22 重庆大学 一种多小区多用户大规模mimo系统的导频分配方法
WO2017050212A1 (zh) * 2015-09-25 2017-03-30 华为技术有限公司 一种导频分配的方法及装置
CN106850173A (zh) * 2017-01-19 2017-06-13 南京邮电大学 一种基于大规模mimo的多小区导频分配方法
CN106936552A (zh) * 2015-12-30 2017-07-07 上海无线通信研究中心 大规模mimo系统中上行导频序列分配方法及基站
CN107547184A (zh) * 2017-07-06 2018-01-05 重庆邮电大学 一种大规模mimo系统中的动态导频分配方法
CN109088715A (zh) * 2018-09-19 2018-12-25 中国联合网络通信集团有限公司 导频分配方法及装置
CN110139281A (zh) * 2019-03-25 2019-08-16 湖州师范学院 一种基于K-means的全双工D2D分簇资源分配的方法
CN110365463A (zh) * 2019-08-02 2019-10-22 重庆大学 大规模mimo系统两次聚类划归的导频分配方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3035620A1 (en) * 2014-12-15 2016-06-22 Alcatel Lucent Method and apparatus to mitigate pilot power contamination in large scalable antenna systems
WO2017050212A1 (zh) * 2015-09-25 2017-03-30 华为技术有限公司 一种导频分配的方法及装置
CN106936552A (zh) * 2015-12-30 2017-07-07 上海无线通信研究中心 大规模mimo系统中上行导频序列分配方法及基站
CN106230571A (zh) * 2016-07-30 2016-12-14 山东大学 一种基于用户分簇的导频分配方法
CN106452714A (zh) * 2016-11-09 2017-02-22 重庆大学 一种多小区多用户大规模mimo系统的导频分配方法
CN106850173A (zh) * 2017-01-19 2017-06-13 南京邮电大学 一种基于大规模mimo的多小区导频分配方法
CN107547184A (zh) * 2017-07-06 2018-01-05 重庆邮电大学 一种大规模mimo系统中的动态导频分配方法
CN109088715A (zh) * 2018-09-19 2018-12-25 中国联合网络通信集团有限公司 导频分配方法及装置
CN110139281A (zh) * 2019-03-25 2019-08-16 湖州师范学院 一种基于K-means的全双工D2D分簇资源分配的方法
CN110365463A (zh) * 2019-08-02 2019-10-22 重庆大学 大规模mimo系统两次聚类划归的导频分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUE LI: "On massive MIMO performance with a pilot assignment approach based on Hungarian methord", 《2016 16TH INTERNATIONAL SYMPOSIUM ON COMMUNICATIONS AND INFOAMTION TECHNOLOGY》 *
李小文 等: "大规模MIMO系统中基于位置感知的导频分配", 《电子技术应用》 *
高贺: "大规模MIMO系统中的导频分配算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111796263A (zh) * 2020-07-01 2020-10-20 哈尔滨工业大学 一种基于5g基站信号的低空目标分布式测距方法
CN111796263B (zh) * 2020-07-01 2021-07-20 哈尔滨工业大学 一种基于5g基站信号的低空目标分布式测距方法
CN112260738A (zh) * 2020-10-20 2021-01-22 东南大学 基于yolo目标检测的fd-mimo下行多用户分组方法
CN112260738B (zh) * 2020-10-20 2022-02-01 东南大学 基于yolo目标检测的fd-mimo下行多用户分簇方法
CN112583484A (zh) * 2020-12-04 2021-03-30 东南大学 k均值聚类的PD-NOMA-VLC系统用户分组方法
CN112583484B (zh) * 2020-12-04 2022-02-01 东南大学 k均值聚类的PD-NOMA-VLC系统用户分组方法
CN112953695A (zh) * 2021-02-24 2021-06-11 南京邮电大学 一种分布式mimo系统的导频分配方法及系统
CN112953695B (zh) * 2021-02-24 2023-02-14 南京邮电大学 一种分布式mimo系统的导频分配方法及系统
CN113114310A (zh) * 2021-03-24 2021-07-13 重庆邮电大学 一种基于机器学习算法和用户到达角的导频分配算法

Similar Documents

Publication Publication Date Title
CN110912670A (zh) 基于k均值聚类的大规模mimo导频分配方法及装置
CN106850173B (zh) 一种基于大规模mimo的多小区导频分配方法
CN110086555B (zh) 一种大规模mimo系统中的分组导频分配方法及其分配装置
CN111132264B (zh) 多用户mimo-noma系统下行链路的用户分簇方法
CN107547184B (zh) 一种大规模mimo系统中的动态导频分配方法
CN106936552B (zh) 大规模mimo系统中上行导频序列分配方法及基站
CN104936186B (zh) 基于布谷鸟搜索算法的认知无线电网络频谱分配方法
CN110365463B (zh) 大规模mimo系统两次聚类划归的导频分配方法
CN107371167B (zh) 小区分簇方法及基于该小区分簇方法的频谱交叠复用方法
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
CN101646175A (zh) 多址系统中抑制波束之间交叠干扰的方法和系统
CN103716845B (zh) 一种pci分配方法及装置
WO2016037660A1 (en) Method and apparatus for determining clusters of access nodes
CN110445518B (zh) 大规模mimo异构网络系统下基于微小区分簇的导频分配方法
CN109995496B (zh) 一种大规模天线系统的导频分配方法
CN108282800B (zh) 无线蜂窝网络中的基站天线的参数优化方法
CN109150259B (zh) 一种基于Massive MIMO系统的动态迁移导频分配方法
Xia et al. Cellular structuring and clustering for distributed antenna systems
CN108738028B (zh) 一种超密集组网下的分簇方法
CN112243283B (zh) 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法
CN113162662B (zh) 一种CF-mMIMO下的用户分簇及功率分配方法
CN115665832A (zh) 基于无蜂窝网络的接入点关联方法、基站和存储介质
CN111953463B (zh) 一种基于用户分簇的导频分配方法
CN102014507A (zh) 一种hsupa系统中用户的上行资源调度方法
CN107204817B (zh) 一种干扰检测方法及终端

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: 20200324