CN112243283B - 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 - Google Patents

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λ_b；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λ_b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

基于成功传输概率的Cell-Free Massive MIMO网络分簇计算 方法

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λ_b；

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λ_b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λ_b；

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λ_b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＝2^υ-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：

其中：R为AP分簇半径，

为门限值，P_STP为成功传输概率。

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P_STP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；

令中间变量

函数L_I(s)为：

其中，u为积分变量；

其中，

是超几何函数。

实施例

齐次泊松点过程(Homogeneous Poisson Point Process)

泊松点过程是点过程的一种，齐次泊松点过程不取决于点和点之间的位置分布。密度为λ，分布在有界集合A上的泊松点分布定义为：给定一个有界的集合

其内部的点的个数服从均值为λ|A|的泊松分布：

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。

在齐次泊松点过程中，点的位置分布是均匀的。即，在(1)给出的点的个数分布的情况下，个数为k的点均匀的分布在集合A给定的区域中。两个泊松点过程是否相等是根据其任意子集

的空白概率来比较的：

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λ_b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/2h_x (3)

其中，g为信道衰落系数，x为用户和AP之间的距离，α为路径损耗系数，通常有α＞2，h_x用于建模小尺度衰落，是满足零均值，方差为1的循环复高斯变量

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，s_o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，h_z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)P_STP可以表示成：

其中，

表示对联合传输部分J和干扰部分I求期望；

等式(i)可以根据

得到。(ii)中的L_I(·)定义为：

L_I(s)＝exp{-πλ_bs^2α[f_1α-f_2α(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f_dist.(x|n_AP＝n)定义为：

其中，n_AP表示服务于用户的AP簇的数量，x的定义为

是服务AP簇中的每个AP离用户的距离构成的向量，|x_i|表示第i个AP到用户的距离，d|x_i|是积分变量。式(5)中，等式(iii)中的

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

要使成功传输概率大于某个给定的门限值

且使得系统对前传链路的负担最小化，那么需要在分簇半径R尽量小的情况下使得成功传输概率满足门限要求。因此可以构建优化问题如下：

(问题1)

然而上述问题由于式(5)中给定的P_STP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λ_b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λ_b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P_STP求解过程中的多重积分问题(式(5))。为快速求解P_STP中的多重积分，将求解式(5)替换为求解以下近似问题：

其中，

在计算L_I(s)中的

时，使用以下关系：

其中，₂F₁(a,b；c；d)是超几何函数。

得到P_STP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λ_b；

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λ_b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

其中：R为AP分簇半径，

为门限值，P_STP为成功传输概率；

所述成功传输概率P_STP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；

令中间变量

函数L_I(s)为：

其中，u为积分变量；

其中，

是超几何函数；

步骤四、网络中的各AP按照分簇结果对用户进行服务。

2.根据权利要求1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。

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＝2^υ-1

其中：υ为频谱效率，单位bit/s/Hz。

Images