CN112243283B - 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 - Google Patents
基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 Download PDFInfo
- Publication number
- CN112243283B CN112243283B CN202011249057.7A CN202011249057A CN112243283B CN 112243283 B CN112243283 B CN 112243283B CN 202011249057 A CN202011249057 A CN 202011249057A CN 112243283 B CN112243283 B CN 112243283B
- Authority
- CN
- China
- Prior art keywords
- clustering
- network
- cell
- massive mimo
- successful transmission
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于成功传输概率的Cell‑Free Massive MIMO网络分簇计算方法,它属于无线协作通信技术领域。本发明解决了现有的AP分簇方法无法保证网络的性能的问题。本发明方法的具体实施过程为:步骤一、计算网络中的AP密度λb;步骤二、根据频谱效率,获得下行传输速率需求γ;步骤三、根据AP密度λb和下行传输速率需求γ计算AP分簇半径R,即获得AP分簇结果;步骤四、网络中的各AP按照分簇结果对用户进行服务。本发明可以应用于Cell‑Free Massive MIMO网络的AP分簇。
Description
技术领域
本发明属于无线协作通信技术领域,具体涉及一种基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法。
背景技术
Massive MIMO是5G无线接入的核心技术,与传统的Multi-User MIMO相比,其每个小区中基站(BS)上部署的天线数目要远大于其服务的用户设备(UE)数目。它采用空分多址(SDMA)技术,通过相同的时频资源同时为多个用户设备提供服务来获得多路复用增益。得益于信道硬化和有利传输,每个基站可以不需要任何合作而进行简单的信号处理来抑制来自同小区和其它小区的干扰,获得高频谱效率、高能量效率、高可靠性以及强鲁棒性。Massive MIMO分为集中式和分布式两种,集中式Massive MIMO系统中的所有天线都位于一个紧密的区域,具有前传链路(Fronthaul)需求低的优点。与集中式Massive MIMO相比,分布式Massive MIMO具有更好的覆盖率,能更好地抵御阴影衰落并提供更高的速率,但是增加了前传需求。而近年来,Cell-Free Massive MIMO(CF-mMIMO)作为一种新型的分布式Massive MIMO网络架构被提出,其装配大量分布式天线接入点(AP),服务于分布在大范围内的较少数量的用户,所有AP通过前传链路连接到中央处理器(CPU),所以不存在小区边界的概念。典型的Cell-Free Massive MIMO和集中式Massive MIMO系统网络示意图分别如图1和图2所示。
在CF-mMIMO网络架构中,多个分布式的AP是通过前传链路连接到同一个CPU上的,网络中所有的用户进行通信的过程中所发送和接收的数据均需要经过CPU。然而当前的研究中假设所有的AP均同时服务于覆盖范围内的所有用户,这不仅将加剧巨量流量导致网络负担问题,从资源利用的角度来说也是不切实际和没有必要的。因此需要合理的AP分簇方案,使得针对某个用户,在满足某些具体要求的情况下只需要网络中所有AP的一个子集为其提供服务即可。在现有的研究中,AP分簇的选择基本没有特定的指标性能分析,而多根据仿真结果采用经验值,不能保证网络性能。因此,需要一种可行的AP划分方法,用于指导为用户服务的AP子集划分,在保证性能指标的同时,降低网络设计复杂度和网络传输负担。
发明内容
本发明的目的是为解决现有的AP分簇方法无法保证网络的性能的问题,而提出了一种基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法。
本发明为解决上述技术问题采取的技术方案是:一种基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法,该方法包括以下步骤:
步骤一、计算网络中的AP密度λb;
步骤二、根据频谱效率,获得下行传输速率需求γ;
步骤三、根据AP密度λb和下行传输速率需求γ计算AP分簇半径R,即获得AP分簇结果;
步骤四、网络中的各AP按照分簇结果对用户进行服务。
本发明的有益效果是:本发明提出了一种基于成功传输概率的Cell-FreeMassive MIMO网络分簇计算方法,能够有效降低网络传输链路负担、降低系统复杂度并提高能量效率。本发明的Cell-Free Massive MIMO网络AP分簇能够有效避免传统方式引入的多重积分问题,对于诸多实际场景具有更好的实用价值,且能够保持很高的精度。与依靠仿真等手段得到的AP选择方式相比,本发明方法能够有效保证网络的性能需求,且求解更加快捷。
附图说明
图1为Cell-Free Massive MIMO系统网络的示意图;
图2为集中式Massive MIMO系统网络的示意图;
图3为蒙特卡洛仿真与本发明方法的对比结果图;
图4为本发明方法的流程图。
具体实施方式
具体实施方式一:结合图4说明本实施方式。本实施方式所述的一种基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法,该方法包括以下步骤:
步骤一、计算网络中的AP密度λb;
步骤二、根据频谱效率,获得下行传输速率需求γ;
步骤三、根据AP密度λb和下行传输速率需求γ计算AP分簇半径R,即获得AP分簇结果;
步骤四、网络中的各AP按照分簇结果对用户进行服务。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤一的具体过程为:
其中,K0为所关注区域中AP总个数,S0为所关注区域大小,单位是m2。
具体实施方式三:本实施方式与具体实施方式二不同的是:所述步骤二的具体过程为:
γ=2υ-1
其中:υ为频谱效率,单位bit/s/Hz。
具体实施方式四:本实施方式与具体实施方式三不同的是:所述步骤三的具体过程为:
具体实施方式五:本实施方式与具体实施方式四不同的是:所述成功传输概率PSTP的计算方法为:
其中,α为路径损耗系数,η为离用户最近的接入节点距离;
其中,u为积分变量;
实施例
齐次泊松点过程(Homogeneous Poisson Point Process)
其中,Φ(A)为对集合A中点的个数的度量,k为点的个数的取值。
P(Φ(K)=k)=exp(-λ|K|) (2)
若对于任意两个泊松点过程的子集划分K,得到的空白概率相同,那么这两个泊松点过程是等价的。泊松点过程被广泛应用于通信系统的分析中,特别是基站分布的建模中。
成功传输概率
假设AP的分布服从密度为λb的齐次泊松点分布。根据Slivnyak定理,模型中任意地点的统计分析结果和原点的一致。为不失一般性,分析网络中用户的成功传输概率时,我们针对位于原点的用户进行。在AP分簇的过程中,显然距离用户近的AP,其信道状态对该用户服务更有增益。因此,可以将距离用户为R的AP作为该用户的服务AP簇,而距离R则成为了分簇需要考虑的优化变量。
采用Cell-Free Massive MIMO网络中广泛采用的信道模型:
g=x-α/2hx (3)
用户的接收信号形式可表示为:
其中x∈b(0,R),表示位于距离原点用户为R的AP的距离集合,即该用户对应的服务AP簇,表示不在该用户的服务AP簇中的AP的位置,so为联合传输的有效信号,为不在服务簇中的AP发射的干扰信号,n0为噪声基底,hz表示不在用户服务簇中的AP到用户位置的小尺度衰落。
考虑干扰受限系统,则可以忽略噪声的影响。要使信号成功在用户处被接收,接收信号的信干比(Signal to Interference Ratio,SIR)需要大于给定的门限值γ。所以,用户处的成功传输概率值(Successful Transmission Probability,STP)PSTP可以表示成:
LI(s)=exp{-πλbs2α[f1α-f2α(R2s-2α)]} (6)
其中,式(6)可以根据泊松点过程的概率生成泛函得到(Probability Generating Functional,PGFL)。式(5)中,等式(iii)中的fdist.(x|nAP=n)定义为:
其中,n表示在服务簇中的AP的数目为n,exp(·)为指数函数,n!表示n的阶乘,π为圆周率。
基于成功传输概率的Cell-Free Massive MIMO网络AP分簇问题
然而上述问题由于式(5)中给定的PSTP需要做多重积分,使得其在实际问题解决过程中变得无法应用。因此,需要更简单快速的方法来求解上述问题。
本发明需要做以下假设:
假设1:网络能够通过测量的方式获得接入节点(AP)密度λb以及路径损耗系数α的统计数值
假设2:CPU具有较强的计算能力,且能够与所连接的AP之间进行有效信息和指令交换。
本发明利用接入节点(AP)密度λb以及路径损耗系数α的测量结果,根据Cell-FreeMassive MIMO网络中用户对不同速率的需求,在保证成功传输概率达到门限的前提下,设计AP分簇策略,达到减少网络传输负担的作用。本发明的整个AP分簇算法的工作流程如表1所示:
表1
分簇计算的具体过程:
为解决式(9)中的分簇问题1,需要处理PSTP求解过程中的多重积分问题(式(5))。为快速求解PSTP中的多重积分,将求解式(5)替换为求解以下近似问题:
其中,2F1(a,b;c;d)是超几何函数。
得到PSTP表达式之后,求解问题:
从而得到分簇的最优半径R,该过程可采用梯度映射等现有求解优化问题的方法。
为了验证本发明分簇方式的准确性,采用不同场景下的蒙特卡洛仿真结果和本发明方案计算结果的对比。根据大数定律,蒙特卡洛仿真在仿真次数较多的情况下,将趋近于理论值。计算机仿真过程中的参数设置如表2所示:
表2
蒙特卡洛仿真所使用的方法为随机生成的AP的分布以及与用户之间的小尺度衰落,然后统计每一次仿真中不同的半径R是否能够成功传输,将成功传输的总次数结果除以仿真次数,可以得到蒙特卡洛仿真的成功传输概率。
图3的结果中,Analy表示用本发明方案得到的成功传输概率计算结果,Monte表示使用蒙特卡洛仿真得到的结果。可以看到,在不同的参数设置下,本发明方案得到的结果与蒙特卡洛仿真结果符合良好。实验证明,使用本发明方法近似计算成功传输概率能在保证精度的情况下,大大减少计算时间。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (3)
1.一种基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法,其特征在于,该方法包括以下步骤:
步骤一、计算网络中的AP密度λb;
步骤二、根据频谱效率,获得下行传输速率需求γ;
步骤三、根据AP密度λb和下行传输速率需求γ计算AP分簇半径R,即获得AP分簇结果;
所述步骤三的具体过程为:
min R
R≥0
所述成功传输概率PSTP的计算方法为:
其中,α为路径损耗系数,η为离用户最近的接入节点距离;
其中,u为积分变量;
步骤四、网络中的各AP按照分簇结果对用户进行服务。
3.根据权利要求2所述的基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法,其特征在于,所述步骤二的具体过程为:
γ=2υ-1
其中:υ为频谱效率,单位bit/s/Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011249057.7A CN112243283B (zh) | 2020-11-10 | 2020-11-10 | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011249057.7A CN112243283B (zh) | 2020-11-10 | 2020-11-10 | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112243283A CN112243283A (zh) | 2021-01-19 |
CN112243283B true CN112243283B (zh) | 2021-09-03 |
Family
ID=74166661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011249057.7A Active CN112243283B (zh) | 2020-11-10 | 2020-11-10 | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112243283B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113613315B (zh) * | 2021-09-28 | 2021-12-14 | 之江实验室 | 一种无蜂窝小区大规模mimo系统中接入点簇的选择过程及指示方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011102963A2 (en) * | 2010-02-16 | 2011-08-25 | Intel Corporation | CLUSTERING MANAGEMENT IN mmWAVE WIRELESS SYSTEMS |
CN110445518A (zh) * | 2019-07-02 | 2019-11-12 | 厦门大学 | 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 |
CN111901862A (zh) * | 2020-07-07 | 2020-11-06 | 西安交通大学 | 一种基于深度q网络的用户分簇与功率分配方法、设备和介质 |
-
2020
- 2020-11-10 CN CN202011249057.7A patent/CN112243283B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011102963A2 (en) * | 2010-02-16 | 2011-08-25 | Intel Corporation | CLUSTERING MANAGEMENT IN mmWAVE WIRELESS SYSTEMS |
CN110445518A (zh) * | 2019-07-02 | 2019-11-12 | 厦门大学 | 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 |
CN111901862A (zh) * | 2020-07-07 | 2020-11-06 | 西安交通大学 | 一种基于深度q网络的用户分簇与功率分配方法、设备和介质 |
Non-Patent Citations (1)
Title |
---|
浅析5G通信网络的大规模天线技术;周新等;《电子测试》;20180705(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112243283A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474980A (zh) | 一种基于深度增强学习的无线网络资源分配方法 | |
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 | |
CN107613555B (zh) | 非正交多址接入蜂窝和终端直通密集网络资源管控方法 | |
CN109195214B (zh) | 一种基于遗传算法的noma功率分配方法 | |
CN110365463B (zh) | 大规模mimo系统两次聚类划归的导频分配方法 | |
Burr et al. | Ultra-dense Radio Access Networks for Smart Cities: Cloud-RAN, Fog-RAN and" cell-free" Massive MIMO | |
CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
CN113596785A (zh) | 基于深度q网络的d2d-noma通信系统资源分配方法 | |
Li et al. | Energy efficiency maximization oriented resource allocation in 5G ultra-dense network: Centralized and distributed algorithms | |
Li et al. | Fog node selection for low latency communication and anomaly detection in fog networks | |
CN109451569A (zh) | 一种无线携能异构网络中的资源分配方法 | |
CN112243283B (zh) | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 | |
Lin et al. | Data-driven joint resource allocation in large-scale heterogeneous wireless networks | |
CN109412661B (zh) | 一种大规模mimo系统下的用户分簇方法 | |
CN109600756B (zh) | 一种基于最大度优先染色算法的物理小区识别分配方法 | |
CN104796991A (zh) | 基于势博弈的ofdma系统的资源分配方法 | |
CN112954806B (zh) | 异构网络中基于弦图着色的联合干扰对齐与资源分配方法 | |
CN113242066B (zh) | 一种多小区大规模mimo通信智能功率分配方法 | |
CN104079335A (zh) | 一种多小区ofdma网络下鲁棒性的三维波束赋形方法 | |
CN113038612A (zh) | 基于深度学习的认知无线电功率控制方法 | |
CN112770398A (zh) | 一种基于卷积神经网络的远端射频端功率控制方法 | |
CN107733488B (zh) | 一种大规模mimo系统中注水功率分配改进方法及系统 | |
CN116056210A (zh) | 一种面向容量覆盖的irs辅助超密集网络资源分配方法 | |
CN113162662B (zh) | 一种CF-mMIMO下的用户分簇及功率分配方法 | |
CN113645628B (zh) | 基于累积干扰网络干扰对齐的信道资源分配方法 |
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 |