CN111757337A - 一种基于电磁地图的网络容量提升方法及装置 - Google Patents
一种基于电磁地图的网络容量提升方法及装置 Download PDFInfo
- Publication number
- CN111757337A CN111757337A CN201910232142.3A CN201910232142A CN111757337A CN 111757337 A CN111757337 A CN 111757337A CN 201910232142 A CN201910232142 A CN 201910232142A CN 111757337 A CN111757337 A CN 111757337A
- Authority
- CN
- China
- Prior art keywords
- terminal
- virtual cell
- representing
- signal matrix
- state information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 114
- 230000005540 biological transmission Effects 0.000 claims description 48
- 238000005562 fading Methods 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 4
- 240000004760 Pimpinella anisum Species 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000005457 optimization Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种基于电磁地图的网络容量提升方法及装置,其中方法包括:获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。本实施例降低了网络容量提升时的复杂度。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种基于电磁地图的网络容量提升方法及装置。
背景技术
随着用户需求的不断增长,未来移动通信网络需要提供越来越高的服务容量。目前,第五代移动通信网络正在全球范围内如火如荼地建设,其中提高网络密度、毫米波通信和大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术是其中的重要技术点。
具体的,在实际应用中,构建密集通信网络面临的特殊难题是站址约束。受到地理条件制约以及人为因素限制,密集通信网络往往不能完全按照蜂窝形式规则展开,而在非规则系统拓扑条件下,基站间干扰将成为制约系统性能的瓶颈因素。为了消除基站间干扰的影响,协同传输优化引起了广泛关注。协同传输优化的基本思想是把网络中的节点划分为虚拟小区,进一步通过多小区联合协同处理来消除小区间的干扰。此外,研究指出,在分析选择发送算法和覆盖发送算法等不同算法下多小区密集网络的和速率性能时,选择发送算法能够更好地控制基站间干扰,更适用于多小区干扰受限的应用场景。而进一步考虑更加精细的多小区干扰协调机制,还提出了一种逼近系统平均和速率极限的协调容量优化算法,该方法能够自适应地调整每个小区的发送信号自相关矩阵,兼顾小区自身性能优化和基站间干扰抑制,从而在总体上最大化系统性能。
但是上述逼近系统平均和速率极限的协调容量优化算法,主要从逼近系统极限性能的角度研究最优测量,所提出的都是集中式算法,这需要一个功能强大的中心处理器支持算法运行,并要求处理器获得全局的信道状态信息,计算复杂度较大。而在实际应用中,实现复杂度是不可忽略的因素,且随着协同小区数目的增加,前述集中式算法的实现复杂度会急剧增加,相应地信道信息获取开销也会成比例增长,成为制约系统工程实线的瓶颈。
综上所述,现有技术中在优化网络容量时存在实现复杂度较大的问题。
发明内容
本发明实施例提供一种基于电磁地图的网络容量提升方法及装置,用以解决现有技术中在优化网络容量时实现复杂度较大的问题。
本发明实施例提供一种基于电磁地图的网络容量提升方法,包括:
获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;
根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;
根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
本发明实施例提供一种基于电磁地图的网络容量提升装置,包括:
第一获取模块,用于获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;
第二获取模块,用于根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;
第三获取模块,用于根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于电磁地图的网络容量提升方法的步骤。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的基于电磁地图的网络容量提升方法的步骤。
本发明实施例提供的基于电磁地图的网络容量提升方法,通过获取密集网络内每个终端的位置,然后根据预先设置的电磁地图中记录的预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系,获取每个终端所对应的慢变信道状态信息,并根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,以使得系统和速率的最大化,实现了基于预先得到的电磁地图,直接获取终端所对应的慢变信道状态信息,避免了现有技术中对信道进行估计的过程,实现了信道信息的直接查询,降低了系统信道信息获取的开销,且基于所获取的慢变信道状态信息设计每个虚拟小区的发送信号矩阵,使得能够分布式并行协同处理,适于工程实现,降低了协同容量优化时的复杂度,解决了现有技术中协同容量优化算法实现复杂度较大的问题。
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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于电磁地图的网络容量提升方法的步骤流程图;
图2为本发明实施例中各种网络容量优化算法所对应的平均和速率性能的比较图;
图3为本发明实施例中基于电磁地图的网络容量提升装置的模块框图;
图4为本发明实施例中电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
如图1所示,为本发明实施例中基于电磁地图的网络容量提升方法的步骤流程图,该方法包括如下步骤:
步骤101:获取密集网络内所有终端中每个终端的位置。
在本步骤中,具体的,密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以终端为中心的多个基站。本步骤获取密集网络中每个终端的位置。
具体的,该密集网络可以为一般化的分簇密集网络,还可以为非规则密集网络。非规则密集网络中的基站以非蜂窝形式展开。此外,临近的基站以终端为中心构成虚拟小区,虚拟小区内执行协同信号处理,且虚拟小区间存在相互干扰。
步骤102:根据每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息。
在本步骤中,具体的,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系。
此外,具体的,在得到密集网络中每个终端的位置之后,可以根据预先设置的电磁地图中不同终端位置与慢变信道状态信息之间的预设对应关系,获取每个终端所对应的慢变状态信息。这样,基于该电磁地图为预先设置,使得在获取每个终端所对应的慢变状态信息时只需要查询该电磁地图即可,降低了系统信道估计的开销,并且能够实现系统和速率性能的最大化。
其中,本实施例在本步骤之前,可以通过历史通信数据或者离线测量,获取不同终端位置与慢变信道状态信息之间的预设对应关系,然后将所述预设对应关系记录为电磁地图,从而使得将现有技术中的传统信道估计变化为电磁地图中的信道信息查询,以降低信道估计的开销。
此外,具体的,在所述电磁地图中,每个终端位置所对应的慢变信道状态信息可以包括:该终端位置处,终端所在虚拟小区的大尺度信道衰落信息以及小尺度信道衰落的相关性信息;其中,
通过下述公式,计算得到终端所在虚拟小区的大尺度信道衰落信息;
L(k,i)表示终端k所在虚拟小区i的大尺度信道衰落信息,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量,表示虚拟小区i中的终端k与虚拟小区i中的第一个基站之间的距离,表示虚拟小区i中的终端k与虚拟小区i中的第Ni个基站之间的距离,IA表示A阶单位矩阵;
通过下述公式,计算得到终端所在虚拟小区的小尺度信道衰落的相关性信息;
T(i)表示终端所在虚拟小区i的小尺度信道衰落的相关性信息,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量,n的取值范围为[1,Ni],表示虚拟小区中i中第n个基站的天线之间的空间相关矩阵,且为以A与A的乘积为阶数的矩阵。
具体的,下面对上述慢变信道状态信息进行具体说明。
H(k,i)表示终端k所在虚拟小区i中的基站与终端k之间的信道矩阵,Mk表示终端k的天线单元数量,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量;此外,表示终端k所在虚拟小区i的小尺度信道衰落,T(i)表示终端所在虚拟小区i的小尺度信道衰落的相关性信息,L(k,i)表示终端k所在虚拟小区i的大尺度信道衰落信息。
这样,通过上述公式可知,终端k所在虚拟小区i中的基站与终端k之间的信道矩阵分别与小尺度信道衰落、大尺度信道衰落和描述小尺度信道衰落的相关性信息等三个元素相关,此时本实施例可以选择其中与空间相关的大尺度信道衰落和小尺度信道衰落的相关性两个元素作为慢变信道状态信息,且建立电磁地图,即建立不同终端位置与慢变信道状态信息之间的对应关系,此时由于慢变信道状态信息变化缓慢,且与终端位置密切相关,因此所构建的该对应关系中的数据量较小,且取决于其中终端位置的空间颗粒度,可根据实际应用情况进行设计。
这样本步骤通过构建上述慢变信道状态信息,且建立电磁地图中终端位置与慢变信道状态信息之间的预设对应关系,使得在确定终端位置之后,可以查询该电磁地图得到系统的慢变信道状态信息,进而降低了系统信道估计的开销。
步骤103:根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
在本步骤中,具体的,在确定密集网络中每个终端所对应的慢变信道状态信息之后,可以根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,以实现系统和速率的最大化。
这样,本实施例通过根据预先设置的电磁地图以及给定的每个终端的位置,获取每个终端所对应的慢变信道状态信息,然后根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,以使得系统和速率的最大化,避免了现有技术中对信道进行估计的过程,实现了信道信息的直接查询,降低了系统信道信息获取的开销,且基于所获取的慢变信道状态信息设计每个虚拟小区的发送信号矩阵,使得能够分布式并行协同处理,适于工程实现,降低了协同容量优化时的复杂度,解决了现有技术中协同容量优化算法实现复杂度较大的问题。
此外,在上述实施例的基础上,在根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵时,可以包括如下子步骤:
步骤1031:获取所述密集网络中每个虚拟小区的初始发送信号矩阵。
在本步骤中,具体的,可以通过下述公式,获取密集网络中每个虚拟小区的初始发送信号矩阵:
表示每个虚拟小区的初始发送信号矩阵,Z表示所述密集网络中虚拟小区的数量,j的取值范围为[1,Z],P(q)表示虚拟小区j中终端q的总发送功率约束,Nj表示虚拟小区j中的基站数量,A表示虚拟小区j中每个基站的天线单元数量,表示以Nj与A的乘积为阶数的单位矩阵。
这样,通过对每个虚拟小区的发送信号矩阵进行初始化,得到每个虚拟小区的初始发送信号矩阵,使得在计算每个虚拟小区的最终发送信号矩阵时,能够以初始发送信号矩阵为基础,并基于每个虚拟小区的慢变信道状态信息,计算得到每个虚拟小区的最终发送信号矩阵,以使得系统能够得到较优的和速率容量性能。
步骤1032:针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,迭代计算得到当前次的发送信号矩阵。
在本步骤中,具体的,在针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,迭代计算得到当前次的发送信号矩阵时,可以通过下述公式,迭代计算得到当前次的发送信号矩阵;
其中,
具体的,在此需要说明的是,迭代计算得到当前次的发送信号矩阵,当前次为相当于上一次计算结果而言,例如当为初始发送信号矩阵时,为相对于初始发送信号矩阵而言的当前次的发送信号矩阵,当为迭代一次后计算得到的发送信号矩阵时,为迭代二次计算得到的当前次发送信号矩阵。当然,在迭代计算发送信号矩阵时,均需要从初始发送信号矩阵开始进行迭代计算,即的初始值为初始发送信号矩阵。
这样,本步骤通过上述公式计算每个虚拟小区的信号发送矩阵,使得能够快速收敛,并能够获得与现有技术中逼近系统平均和速率极限的协调容量优化算法相当的系统和速率容量性能,且使得能够分布式并行处理,降低了提高网络容量时的复杂度。
步骤1033:计算所述当前次的发送信号矩阵是否小于预设误差门限,当计算得到所述当前次的发送信号矩阵小于所述预设误差门限时,将所述当前次的发送信号矩阵确定为该终端所在虚拟小区的发送信号矩阵。
在本步骤中,具体的,在计算得到当前次的发送信号矩阵时,还需要计算当前次的发送信号矩阵是否小于预设误差门限,并当计算得到所述当前次的发送信号矩阵小于所述预设误差门限时,将所述当前次的发送信号矩阵确定为该终端所在虚拟小区的发送信号矩阵。
当然,在此需要说明的是,当计算得到的当前次的发送信号矩阵不小于预设误差门限时,还需要继续迭代计算发送信号矩阵,直至计算得到的当前次的发送信号矩阵小于预设误差门限。
具体的,该预设误差门限δ的值可以为10-3。
这样,本实施例通过上述步骤计算得到每个终端所在虚拟小区的发送信号矩阵,算法收敛快,且使得系统的和速率性能最优。
下面通过实例对本实施例进行详细说明。
假设密集网络包括3个虚拟小区,且每个虚拟小区中包括有一个终端,每个虚拟小区均为圆形覆盖,半径为500m,每个虚拟小区的发送功率约束P(k)取值均从-15dBm到15dBm。为了体现本实施例在不同系统拓扑下的鲁棒性,在各虚拟小区中,基站及终端均为随机均匀分布。此外,仿真中随机选取100个拓扑实现,并采用该100个拓扑实现的可达和速率的平均值来评估本实施例的性能。
此外,信道模型可以为:其中,表示虚拟小区i中第n个基站到终端k的传播距离,表示虚拟小区i中第n个基站到终端k的阴影衰落,γ表示路径损耗因子。此时设定路径损耗因为为4,阴影衰落的标准差为8dB,高斯白噪声设为-107dBm。此时若采用经典的指数相关模型描述小尺度衰落的相关性,则在该相关模型中,矩阵的第(i,j)元素为:
如图2所示,给出了本实施例中网络容量的提升方法在虚拟小区中基站的数量为2,每个基站的天线数量为2,终端的天线数量为4条件下的平均和速率性能。为了比较,图2中还示出了集中式优化算法,即文献Feng W,Wang Y,Ge N,et al.Virtual MIMO inmulti-cell distributed antenna systems:coordinated transmissions with large-scale CSIT[J].IEEE Journal on Selected Areas in Communications,2013,31(10):2067-2081.中所提出的集中式协同容量优化算法的平均和速率性能以及等功率传输算法的平均和速率性能。而从图2中可以看出,本实施例所得到的平均和速率性能与集中式算法性能相对接近,且在中低信噪比区域,本实施例与集中式算法的性能几乎重合。此外,本实施例在随机选取的100个系统拓扑实现中,都能在不超过10次迭代后收敛,且约90%左右的系统拓扑中仅仅需要不超过5次的迭代就可收敛。
由上可以看出,本实施例能够对平均和速率性能进行最大程度的优化。
这样,本实施例通过获取密集网络内每个终端的位置,然后根据电磁地图中不同终端位置与慢变信道状态信息之间的预设对应关系,获取每个终端所对应的慢变信道状态信息,并根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,以使得系统和速率的最大化,避免了现有技术中对信道进行估计的过程,实现了信道信息的直接查询,降低了系统信道信息获取的开销,且基于所获取的慢变信道状态信息设计每个虚拟小区的发送信号矩阵,使得能够分布式并行协同处理,适于工程实现,降低了协同容量优化时的复杂度,解决了现有技术中协同容量优化算法实现复杂度较大的问题。
此外,如图3所示,为本发明实施例中基于电磁地图的网络容量提升装置的模块框图,该装置包括:
第一获取模块301,用于获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;
第二获取模块302,用于根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;
第三获取模块303,用于根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
可选地,每个终端位置所对应的慢变信道状态信息包括:该终端位置处,终端所在虚拟小区的大尺度信道衰落信息以及小尺度信道衰落的相关性信息;其中,
通过下述公式,计算得到终端所在虚拟小区的大尺度信道衰落信息;
L(k,i)表示终端k所在虚拟小区i的大尺度信道衰落信息,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量,表示虚拟小区i中的终端k与虚拟小区i中的第一个基站之间的距离,表示虚拟小区i中的终端k与虚拟小区i中的第Ni个基站之间的距离,IA表示A阶单位矩阵;
通过下述公式,计算得到终端所在虚拟小区的小尺度信道衰落的相关性信息;
T(i)表示终端所在虚拟小区i的小尺度信道衰落的相关性信息,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量,n的取值范围为[1,Ni],表示虚拟小区中i中第n个基站的天线之间的空间相关矩阵,且为以A与A的乘积为阶数的矩阵。
可选地,所述装置还包括:
第四获取模块,用于通过历史通信数据或者离线测量,获取不同终端位置与慢变信道状态信息之间的预设对应关系;
第五获取模块,用于将所述预设对应关系记录为电磁地图。
可选地,所述第三获取模块包括:
第一获取单元,用于获取所述密集网络中每个虚拟小区的初始发送信号矩阵;
第二获取单元,用于针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,迭代计算得到当前次的发送信号矩阵;
计算单元,用于计算所述当前次的发送信号矩阵是否小于预设误差门限;
确定单元,用于当计算得到所述当前次的发送信号矩阵小于所述预设误差门限时,将所述当前次的发送信号矩阵确定为该终端所在虚拟小区的发送信号矩阵。
可选地,所述第一获取单元用于,通过下述公式,获取所述密集网络中每个虚拟小区的初始发送信号矩阵;
表示每个虚拟小区的初始发送信号矩阵,Z表示所述密集网络中虚拟小区的数量,j的取值范围为[1,Z],P(q)表示虚拟小区j中终端q的总发送功率约束,Nj表示虚拟小区j中的基站数量,A表示虚拟小区j中每个基站的天线单元数量,表示以Nj与A的乘积为阶数的单位矩阵。
可选地,所述第二获取单元用于,针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,通过下述公式,迭代计算得到当前次的发送信号矩阵;
其中,
这样,本实施例通过第一获取模块获取密集网络内每个终端的位置,然后通过第二获取模块根据电磁地图中不同终端位置与慢变信道状态信息之间的预设对应关系,获取每个终端所对应的慢变信道状态信息,并通过第三获取模块根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,以使得系统和速率的最大化,避免了现有技术中对信道进行估计的过程,实现了信道信息的直接查询,降低了系统信道信息获取的开销,且基于所获取的慢变信道状态信息设计每个虚拟小区的发送信号矩阵,使得能够分布式并行协同处理,适于工程实现,降低了协同容量优化时的复杂度,解决了现有技术中协同容量优化算法实现复杂度较大的问题。
另外,如图4所示,为本发明实施例提供的电子设备的实体结构示意图,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序,以执行上述各实施例提供的方法,例如包括:获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于电磁地图的网络容量提升方法,其特征在于,包括:
获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;
根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;
根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
2.根据权利要求1所述的方法,其特征在于,在所述电磁地图中,每个终端位置所对应的慢变信道状态信息包括:该终端位置处,终端所在虚拟小区的大尺度信道衰落信息以及小尺度信道衰落的相关性信息;其中,
通过下述公式,计算得到终端所在虚拟小区的大尺度信道衰落信息;
L(k,i)表示终端k所在虚拟小区i的大尺度信道衰落信息,Ni表示虚拟小区i中的基站数量,A表示每个基站的天线单元数量,表示虚拟小区i中的终端k与虚拟小区i中的第一个基站之间的距离,表示虚拟小区i中的终端k与虚拟小区i中的第Ni个基站之间的距离,IA表示A阶单位矩阵;
通过下述公式,计算得到终端所在虚拟小区的小尺度信道衰落的相关性信息;
3.根据权利要求1所述的方法,其特征在于,所述根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息之前,所述方法还包括:
通过历史通信数据或者离线测量,获取不同终端位置与慢变信道状态信息之间的预设对应关系;
将所述预设对应关系记录为电磁地图。
4.根据权利要求1所述的方法,其特征在于,所述根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵,包括:
获取所述密集网络中每个虚拟小区的初始发送信号矩阵;
针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,迭代计算得到当前次的发送信号矩阵;
计算所述当前次的发送信号矩阵是否小于预设误差门限;
当计算得到所述当前次的发送信号矩阵小于所述预设误差门限时,将所述当前次的发送信号矩阵确定为该终端所在虚拟小区的发送信号矩阵。
6.根据权利要求4所述的方法,其特征在于,所述针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,迭代计算得到当前次的发送信号矩阵,包括:
针对每个终端,根据该终端所对应的慢变信道状态信息和所述初始发送信号矩阵,通过下述公式,迭代计算得到当前次的发送信号矩阵;
其中,
8.一种基于电磁地图的网络容量提升装置,其特征在于,包括:
第一获取模块,用于获取密集网络内所有终端中每个终端的位置,其中,所述密集网络中包括有多个虚拟小区,且每个虚拟小区中包括有一个终端和以所述终端为中心的多个基站;
第二获取模块,用于根据所述每个终端的位置和预先设置的电磁地图,获取每个终端所对应的慢变信道状态信息;其中,所述电磁地图中记录有预先获取的不同终端位置与慢变信道状态信息之间的预设对应关系;
第三获取模块,用于根据每个终端所对应的慢变信道状态信息,对应获取每个终端所在虚拟小区的发送信号矩阵。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的基于电磁地图的网络容量提升方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于电磁地图的网络容量提升方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910232142.3A CN111757337B (zh) | 2019-03-26 | 2019-03-26 | 一种基于电磁地图的网络容量提升方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910232142.3A CN111757337B (zh) | 2019-03-26 | 2019-03-26 | 一种基于电磁地图的网络容量提升方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111757337A true CN111757337A (zh) | 2020-10-09 |
CN111757337B CN111757337B (zh) | 2021-11-19 |
Family
ID=72671261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910232142.3A Active CN111757337B (zh) | 2019-03-26 | 2019-03-26 | 一种基于电磁地图的网络容量提升方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111757337B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993914A (zh) * | 2015-05-18 | 2015-10-21 | 北京交通大学 | 基于无线环境图的无线信道估计方法与装置 |
CN105101260A (zh) * | 2015-06-15 | 2015-11-25 | 联想(北京)有限公司 | 一种信息处理方法、基站及终端 |
CN106028364A (zh) * | 2016-07-11 | 2016-10-12 | 东南大学 | 一种用于5g高密度网络的虚拟小区形成方法 |
-
2019
- 2019-03-26 CN CN201910232142.3A patent/CN111757337B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993914A (zh) * | 2015-05-18 | 2015-10-21 | 北京交通大学 | 基于无线环境图的无线信道估计方法与装置 |
CN105101260A (zh) * | 2015-06-15 | 2015-11-25 | 联想(北京)有限公司 | 一种信息处理方法、基站及终端 |
CN106028364A (zh) * | 2016-07-11 | 2016-10-12 | 东南大学 | 一种用于5g高密度网络的虚拟小区形成方法 |
Non-Patent Citations (4)
Title |
---|
WEI FENG,等: "Hierarchical Transmission Optimization for Massively Dense Distributed Antenna Systems", 《IEEE COMMUNICATIONS LETTERS》 * |
WEI FENG,等: "Virtual MIMO in Multi-Cell Distributed Antenna Systems: Coordinated Transmissions with Large-Scale CSIT", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 * |
王璟,等: "分布式天线系统中基于大尺度信道信息的功耗优化", 《清华大学学报(自然科学版)》 * |
陈露: "《中国优秀硕士学位论文全文数据库 信息科技辑》", 15 November 2018 * |
Also Published As
Publication number | Publication date |
---|---|
CN111757337B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3915200B1 (en) | Design and adaptation of hierarchical codebooks | |
JP5351241B2 (ja) | 反復リソース重みの更新を用いて通信システムにおいてノードにリソースを配分する装置及び方法 | |
TWI756438B (zh) | 用於無線通訊的電子設備和方法 | |
KR102027914B1 (ko) | 무선 통신 시스템에서 셀 간 간섭 제거 방법 및 장치 | |
EP3188373A1 (en) | Fast distributed clustering for cooperation in telecommunications networks | |
Zhao et al. | Cluster formation in cloud-radio access networks: Performance analysis and algorithms design | |
Rao et al. | Internet of Things based on cell-free massive MIMO | |
Kim et al. | Online learning-based downlink transmission coordination in ultra-dense millimeter wave heterogeneous networks | |
KR20150080049A (ko) | Mimo 기반 신호 간섭 제거 방법 | |
Mao et al. | Roar-fed: Ris-assisted over-the-air adaptive resource allocation for federated learning | |
CN114268348A (zh) | 一种基于深度强化学习的无蜂窝大规模mimo功率分配方法 | |
EP3188372B1 (en) | Graph clustering for cooperation in telecommunications networks | |
CN111757337B (zh) | 一种基于电磁地图的网络容量提升方法及装置 | |
KR101765127B1 (ko) | 셀룰러 통신 시스템에서 협력 통신을 위한 클러스터링 방법 및 장치 | |
dos Santos et al. | Machine learning-aided pilot and power allocation in multi-cellular massive MIMO networks | |
Dong et al. | Optimization-Driven DRL-Based Joint Beamformer Design for IRS-Aided ITSN Against Smart Jamming Attacks | |
Wijaya et al. | Neural network based transmit power control and interference cancellation for MIMO small cell networks | |
Rajiv et al. | Massive MIMO based beamforming by optical multi-hop communication with energy efficiency for smart grid IoT 5G application | |
JP6069161B2 (ja) | 無線通信システム、及び送信制御方法 | |
CN113824486A (zh) | 无人机通信系统的性能评估方法、装置、计算机设备和存储介质 | |
Akbarpour-Kasgari et al. | Deep Reinforcement Learning in mmW-NOMA: Joint Power Allocation and Hybrid Beamforming | |
Derakhshan-Barjoei et al. | Power and time slot allocation in cognitive relay networks using particle swarm optimization | |
CN113395092B (zh) | 改善Massive MIMO系统检测能力的方法和系统 | |
KR102664971B1 (ko) | 에너지 공급이 제한된 기지국이 심층강화학습을 기반으로 합 전송률 최대화를 수행하기 위한 전송률 분할 다중접속 방법 | |
CN114499596B (zh) | 一种干扰抑制的方法、服务器、装置及存储介质 |
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 |