CN113162662B - 一种CF-mMIMO下的用户分簇及功率分配方法 - Google Patents
一种CF-mMIMO下的用户分簇及功率分配方法 Download PDFInfo
- Publication number
- CN113162662B CN113162662B CN202011143927.2A CN202011143927A CN113162662B CN 113162662 B CN113162662 B CN 113162662B CN 202011143927 A CN202011143927 A CN 202011143927A CN 113162662 B CN113162662 B CN 113162662B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- clustering
- cluster
- signal
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000005562 fading Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 206010042135 Stomatitis necrotising Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 201000008585 noma Diseases 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
- 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
- H04B7/0426—Power distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种CF‑mMIMO下的用户分簇及功率分配方法,涉及通信技术领域,是为了解决目前的用户分簇方法的计算量较大导致的不易于实现,以及用户的功率分配方法还需要提供提高服务的公平性的问题。本方法通过最大化所有用户的最小SINR,从而最大化接入网络的用户,最小化用户的掉线率。不需要知道用户的具体位置信息就可以对用户进行分簇,该分簇方法的计算量较低,更易于实现;对于功率控制系数分配,该算法保证了最大化簇内所有用户的最小SINR,保证了用户服务的公平性以及用户的接入。
Description
技术领域
本申请涉及通信技术领域,具体涉及Cell-free Massive MIMO下的功率控制技术
背景技术
随着通信技术的发展,无线接入设备的数量和数据流量的消耗将呈现爆炸式增长。 Massive MIMO是一种很有前途的5G无线接入技术,具有多个天线的基站可以在同一时频资源中同时为许多用户服务,该技术可以通过简单的信号处理来提供高吞吐量,可靠性和能效。近年来,Cell-Free Massive MIMO已作为一种新型的分布式大规模MIMO网络体系结构被提出,该体系结构配备有大量的分布式接入点(AP),服务于数量更少的分布式用户。对于CF-mMIMO,所有接入点通过前传链路连接到中央处理单元,并且不再存在小区边界的概念。与现有的集中式Massive MIMO相比,CF-mMIMO不仅在一定程度上继承了信道硬化的良好特性,而且具有更高的能量效率和系统部署灵活性。分布式网络拓扑使CF-mMIMO能够从宏观多样性中受益,减轻集中式Massive MIMO的边缘影响,并确保更好的系统覆盖率,用户服务公平性和网络吞吐量。显然,CF-mMIMO网络有望成为未来的潜在架构之一。
在CF-mMIMO中,上行链路和下行链路以TDD模式工作,并且相干间隔通常分为三个阶段:上行链路训练,下行链路有效载荷数据传输和上行链路有效载荷数据传输。上行链路训练完成信道的估计,对于TDD,在上行链路和下行链路中的信道增益是相同的,在下行链路有效载荷数据传输和上行链路有效载荷数据传输的过程中会应用训练过程中得到的信道估计信息进行数据信号的处理。
目前的用户分簇及功率分配方法如:文献[1](Rezaei,A.R.Heidarpour,C.等在2020 年4月在IEEE Communications Letters,公开的《Tellambura and A.Tadaion,“Underlaid Spectrum Sharing for Cell-Free Massive MIMO-NOMA》)的分簇方法存在的计算量较大导致的不易于实现;功率分配方法还需要提供提高服务的公平性。
发明内容
本发明是为了解决目前的用户分簇方法的计算量较大导致的不易于实现,以及用户的功率分配方法还需要提供提高服务的公平性,从而提供一种Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配方法。
Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配方法,在Cell-free Massive MIMO下:所有AP在相同的时频资源下同时向所有用户提供服务;其特征是:Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配方法的具体方法为:
步骤一、初始化:设置初始分簇数I0、最大分簇数Imax;
步骤二、执行第l+1次迭代:对所有用户进行分簇,分成I0+l个用户簇,对每个用户簇均通过SCA算法计算功率控制系数,得到最小的用户信干噪比Γmin;
步骤三、判断步骤二获得的最小的用户信干噪比Γmin用户是否大于或等于预设的停止迭代条件Γmin≥γth,如果判断结果为是,则执行步骤四;如果判断结果为否且 I0+l=Imax,则执行步骤五;
γth表示信干噪比阈值,当用户接受信号的信干噪比大于这个阈值,该信号就可以被识别。
步骤四、令l=l+1;返回执行步骤二;
步骤五、用户检测及排除步骤;
令Ei表示用户ui的分簇参考变量,它通过如下公式获得:
式中:m和m′的物理含义相同;
ui表示第i个用户
M表示AP的总数量,m表示第m个AP
βm,ui表示第m个AP到用户ui的大尺度衰落系数
γm,ui表示第m个AP与用户ui的大尺度衰落系数的信道状态估计值;
L表示每个AP上的天线数量
ρd表示每个AP的最大归一化发射功率即:由噪声功率N0归一化;
式中:Ei表示用户ui的分簇参考变量
Smax衡量指标,表示信干噪比最大的用户簇的近似信干噪比
Z1每个簇的最小用户数;
各用户的功率分配方法包括以下步骤:
步骤六、初始化:n=1,最大迭代次数为N,N为正整数,初始点为(t1,θ1),误差为ε。;
步骤七、执行第n次迭代,用GUROBI或者MOSEK求解下式:
,得到(t*,θ*),
式中:
t表示信干噪比最小的用户的信干噪比
(tn,θn)表示第n次执行步骤七后得到的最优解。
步骤八、判断|t*-tn|<ε,或者n=N,如果判断结果为是,则停止迭代,完成一次Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配;如果判断结果为是,否,则执行步骤九;
tn表示第n次迭代后得到的t的最优解。
t*表示本次求解步骤七得到的最优解
ε表示允许的最大误差
步骤九、更新:n=n+1,(tn,θn)=(t*,θ*),返回执行步骤七。
通过本方法可以最大化所有用户的最小SINR,从而最大化接入网络的用户,最小化用户的掉线率。本申请的用户分簇的方法,该方法只需要知道用户的大尺度衰落信息,而不需要知道用户的具体位置信息就可以对用户进行分簇,该分簇方法的计算量较低,更易于实现;第二个是基于SCA的功率控制系数分配算法,该方法保证了最大化簇内所有用户的最小SINR,保证了用户服务的公平性以及用户的接入。
附图说明
图1是应用本申请所提出的分簇方法与其他方法的仿真对比示意图;其中:位于最上方的曲线是无分簇的仿真曲线图;位于最下方的曲线是本的仿真曲线图;位于中间的曲线是对比文件1的仿真曲线图;位于最下方的曲线是本的仿真曲线图;
图2是应用本申请所提出的分簇方法与其他方法的时间与通过率的仿真对比示意图;
图3是应用本申请所提出的分簇方法与其他方法的流量与通过率的仿真对比示意图;
具体实施方式
具体实施方式一、1、Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配方法,在Cell-free Massive MIMO下:所有AP在相同的时频资源下同时向所有用户提供服务;其特征是:Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配方法的具体方法为:
步骤一、初始化:设置初始分簇数I0、最大分簇数Imax;
步骤二、执行第l+1次迭代:对所有用户进行分簇,分成I0+l个用户簇,对每个用户簇均通过SCA算法计算功率控制系数,得到最小的用户信干噪比Γmin;
步骤三、判断步骤二获得的最小的用户信干噪比Γmin用户是否大于或等于预设的停止迭代条件Γmin≥γth,如果判断结果为是,则执行步骤四;如果判断结果为否且 I0+l=Imax,则执行步骤五;
γth表示信干噪比阈值,当用户接受信号的信干噪比大于这个阈值,该信号就可以被识别。
步骤四、令l=l+1;返回执行步骤二;
步骤五、用户检测及排除步骤;
令Ei表示用户ui的分簇参考变量,它通过如下公式获得:
式中:m和m′的物理含义相同;
ui表示第i个用户
M表示AP的总数量,m表示第m个AP
L表示每个AP上的天线数量
ρd表示每个AP的最大归一化发射功率即:由噪声功率N0归一化;
式中:Ei表示用户ui的分簇参考变量
Smax衡量指标,表示信干噪比最大的用户簇的近似信干噪比
Z1每个簇的最小用户数;
各用户的功率分配方法包括以下步骤:
步骤六、初始化:n=1,最大迭代次数为N,N为正整数,初始点为(t1,θ1),误差为ε。;
步骤七、执行第n次迭代,用GUROBI或者MOSEK求解下式:
,得到(t*,θ*),
式中:
t表示信干噪比最小的用户的信干噪比
(tn,θn)表示第n次执行步骤七后得到的最优解。
步骤八、判断|t*-tn|<ε,或者n=N,如果判断结果为是,则停止迭代,完成一次Cell-free Massive MIMO下最大用户信干燥比的用户分簇及功率分配;如果判断结果为是,否,则执行步骤九;
tn表示第n次迭代后得到的t的最优解。
t*表示本次求解步骤七得到的最优解
ε表示允许的最大误差
步骤九、更新:n=n+1,(tn,θn)=(t*,θ*),返回执行步骤七。
用户ui的接收信号信干噪比SINR记为Γi,表示为:
M表示AP的总数量,m表示第m个AP;
Γi表示用户ui的接收信号信干噪比;
L表示每个AP上的天线数量;
ρd表示每个AP的最大归一化发射功率即:由噪声功率N0归一化。
用户ui的接收信号的数据速率表示为,
Bmax为系统的总带宽;
Gi表示用户ui的接收信号信干噪比;
Ri表示用户ui的接收信号的数据速率。
原理:SCA方法
SCA方法描述了一种解决非凸优化问题的通用方案,其中在每次迭代中,非凸可行集由一个内凸近似值近似。后者是使用非凸约束函数的上限定义的。在适当的条件下,建立到KKT点的单调收敛。
考虑以下通用优化问题:
minf(x)
(P)s.t.gi(x)≤0,i=1,…,m
其中f,gi(i=1,…,m)都是上的连续可微函数。另外,假设函数f和最后m-p(对于p<m)约束函数gp+1,…,gm在上是凸的。因此,问题的“非凸部分”是由于前p个约束函数g1,…,gp的非凸性引起的。假设gi(i=1,…,p)存在一个凸的上估计函数,假设存在以及连续函数Gi:使得对于所有的y∈Y都有 gi(x)≤Gi(x,y),对一个固定的y,Gi(·,y)是凸函数且连续可微。向量y充当参数向量的角色,并且相应地Y称为允许参数集。SCA方法的基本思想是,在每次迭代时,将每个非凸函数gi(i=1,…,p)替换为选择适当的参数向量y的上凸近似函数因此,在该方法的步骤k(k≥1),需要解决以下形式的凸问题:
minf(x)
(Pk)s.t.Gi(x,yk)≤0,i=1,…,p
gj(x)≤0,j=p+1,…,m
向量yk是一个固定的参数向量,取决于问题的解(Pk-1)。
在CF-mMIMO环境中,所有AP在相同的时频资源下同时向所有用户提供服务。但是,如果系统中的用户过多,则会发生导频污染,并且用户之间的干扰可能太高而无法满足信噪比(SINR)阈值要求。因此,本专利将介绍用户分簇的概念,即每个分片中的用户分为多个用户簇,并且同一簇中的用户共享相同的时频资源。表示为用户集,表示第i个用户。表示用户簇集,nq表示隶属于的第q个簇。表示实际的用户簇数。是一个二进制指标,表示用户ui属于用户簇nq,否则用户分簇结束后,可以定义为用户簇nq中的用户集合,重新定义用户uq,k是隶属于中的第k个用户。
表示AP集,每个AP具有最大功率Pmax以及L个天线。Bmax为系统的总带宽,分配给每个簇的带宽为分配给每个簇的功率为则用户ui的接收信号信干噪比(Singal to Interference plus Noise Ratio,SINR),记为Γi,可表示为
用户ui的接收信号的数据速率可以表示为,
对于用户ui而言,接入网络有两个条件,第一个条件是他的信干噪比不能低于信干噪比阈值γth,否则不容易在同一时频资源的用户中将其辨别出来;第二个条件是他的用户数据速率不能低于他的最小需求速率,在本申请中
将用户的最小需求速率同一标记为Rmin。
1.用户分簇的方法:
Ei表示用户ui的分簇参考变量,他可以通过如下公式计算:
2.SCA算法计算功率控制系数
这个部分对所有用户分好簇后,对一个簇内的所有用户执行功率控制系数算法。以簇nq为例说明,其他所有簇同理。该算法的目的是使该用户簇中用户的最小SINR最大化,从而使超过阈值的用户数量最大化,使得尽可能多的用户进入网络,那么这个问题就可以被构建为,
这个问题明显是非凸的问题,无法通过计算器求解,因此引入松弛变量并且应用SCA 来找到一个近似解,这个问题就会被转换为,
3.初始分簇数和最大分簇数
初始分簇时,需要考虑避免簇内用户过多发生导频污染,因此设置其中为总用户数。设置最大分簇数的时候需要避免分簇过多,导致分配给每个簇的带宽资源过低,从而导致用户数据速率过低而无法满足最低速率要求,因此最大分簇数需要满足得到Imax选择满足这个条件的最大正整数。
五、发明效果:
通过本方法可以最大化所有用户的最小SINR,从而最大化接入网络的用户,最小化用户的掉线率。本方法提出了两个子方法,第一个是用户分簇的方法,该方法只需要知道用户的大尺度衰落信息,而不需要知道用户的具体位置信息就可以对用户进行分簇,该分簇方法的计算量较低,更易于实现;第二个是基于SCA的功率控制系数分配算法,该算法保证了最大化簇内所有用户的最小SINR,保证了用户服务的公平性以及用户的接入。
本节中将给出算法的数值仿真结果,AP在1km×1km的正方形区域内均匀分布,所有用户随机分布。在这里使用路径损失模型如下:
符号 | 参数 | 参数值 |
σ<sub>sh</sub> | 阴影衰落方差 | 8dB |
N<sub>0</sub> | 噪声功率谱密度 | -174dBm/Hz |
B<sub>max</sub> | 系统总带宽 | 20MHz |
P<sub>max</sub> | AP最大发射功率 | 200mW |
T<sub>c</sub> | 相干间隔 | 200 |
τ | 训练导频长度 | 40 |
R<sub>min</sub> | 用户最小速率需求 | 600kbps |
γ<sub>th</sub> | 信干噪比阈值 | 8dB |
图1显示了三种方法在不同访问用户下的掉线率。可以看出,三种方案的掉线率将随访问用户数量的增加而增加,我们提出的方案在不同访问用户数量下的掉线率最低。可以看出,三种方案的掉线率将随访问用户数量的增加而增加,我们提出的方案在不同访问用户数量下的掉线率最低。不分簇的方案出现中断的可能性最高,其原因很明显: CF-mMIMO体系结构要求天线的数量必须大于用户数量,一旦不满足此要求,掉线率将迅速增加。而另外两种方案引用了用户分簇,因此掉线率较低。本申请提出的分簇方案具有最低的掉线率,因为本申请的最小SINR大于其他两个方案中的最小SINR,因此可以方便更多用户,可以满足SINR阈值。
Claims (3)
1.一种CF-mMIMO下的用户分簇及功率分配方法,在Cell-free Massive MIMO下:所有AP在相同的时频资源下同时向所有用户提供服务;其特征是:Cell-free Massive MIMO下最大用户信干噪比的用户分簇及功率分配方法的具体方法为:
步骤一、初始化:设置初始分簇数I0、最大分簇数Imax;
步骤二、执行第l+1次迭代:对所有用户进行分簇,分成I0+l个用户簇,对每个用户簇均通过SCA算法计算功率控制系数,得到最小的用户信干噪比Γmin;
步骤三、判断步骤二获得的最小的用户信干噪比Γmin用户是否大于或等于预设的停止迭代条件Γmin≥γth,如果判断结果为是,则执行步骤四;如果判断结果为否且I0+l=Imax,则执行步骤五;
步骤四、令l=l+1;返回执行步骤二;
步骤五、.用户检测及排除步骤;
令Ei表示用户ui的分簇参考变量,它通过如下公式获得:
式中:m和m′的物理含义相同;
ui表示第i个用户;
M表示AP的总数量,m表示第m个AP;
L表示每个AP上的天线数量;
ρd表示每个AP的最大归一化发射功率即:由噪声功率N0归一化;
式中:Ei表示用户ui的分簇参考变量;
Smax衡量指标,表示信干噪比最大的用户簇的近似信干噪比;
Z1每个簇的最小用户数;
步骤六、初始化:n=1,最大迭代次数为N,N为正整数,初始点为(t1,θ1),误差为ε;
各用户的功率分配方法包括以下步骤:
步骤七、执行第n次迭代,用GUROBI或者MOSEK求解下式:
得到(t*,θ*),
式中:
t表示信干噪比最小的用户的信干噪比;
θ是凸优化过程中引入的松弛变量;
步骤八、判断|t*-tn|≤ε,或者n=N,如果判断结果为是,则停止迭代,完成一次Cell-free Massive MIMO下最大用户信干噪比的用户分簇及功率分配;如果判断结果为否,则执行步骤九;
tn表示第n次迭代后得到的t的最优解,
表示本次求解步骤七得到的最优解;
ε表示允许的最大误差;
步骤九、更新:n=n+1,(tn,θn)=(t*,θ*),返回执行步骤七。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143927.2A CN113162662B (zh) | 2020-10-23 | 2020-10-23 | 一种CF-mMIMO下的用户分簇及功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143927.2A CN113162662B (zh) | 2020-10-23 | 2020-10-23 | 一种CF-mMIMO下的用户分簇及功率分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113162662A CN113162662A (zh) | 2021-07-23 |
CN113162662B true CN113162662B (zh) | 2022-01-21 |
Family
ID=76882280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143927.2A Expired - Fee Related CN113162662B (zh) | 2020-10-23 | 2020-10-23 | 一种CF-mMIMO下的用户分簇及功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113162662B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114143150A (zh) * | 2021-12-09 | 2022-03-04 | 中央民族大学 | 一种用户公平性通信传输方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107994933A (zh) * | 2017-11-30 | 2018-05-04 | 重庆邮电大学 | 认知mimo网络中次用户系统容量的优化方法 |
CN109922487A (zh) * | 2019-03-28 | 2019-06-21 | 南京邮电大学 | 一种下行mimo-noma网络下的资源分配方法 |
CN111132264A (zh) * | 2019-11-15 | 2020-05-08 | 西安电子科技大学 | 多用户mimo-noma系统下行链路的用户分簇方法 |
CN111405584A (zh) * | 2020-03-17 | 2020-07-10 | 重庆邮电大学 | Mimo系统中基于非正交多址的能效功率分配方法 |
CN111447631A (zh) * | 2020-03-05 | 2020-07-24 | 南京邮电大学 | 基于非正交多址技术的星地联合波束形成和功率分配方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8068552B2 (en) * | 2007-02-22 | 2011-11-29 | Cisco Technology, Inc. | Method and system for achieving spatial diversity of a wireless communications network |
CN110492915A (zh) * | 2019-06-03 | 2019-11-22 | 中央民族大学 | 一种基于mimo-noma短包传输的功率分配方法 |
-
2020
- 2020-10-23 CN CN202011143927.2A patent/CN113162662B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107994933A (zh) * | 2017-11-30 | 2018-05-04 | 重庆邮电大学 | 认知mimo网络中次用户系统容量的优化方法 |
CN109922487A (zh) * | 2019-03-28 | 2019-06-21 | 南京邮电大学 | 一种下行mimo-noma网络下的资源分配方法 |
CN111132264A (zh) * | 2019-11-15 | 2020-05-08 | 西安电子科技大学 | 多用户mimo-noma系统下行链路的用户分簇方法 |
CN111447631A (zh) * | 2020-03-05 | 2020-07-24 | 南京邮电大学 | 基于非正交多址技术的星地联合波束形成和功率分配方法 |
CN111405584A (zh) * | 2020-03-17 | 2020-07-10 | 重庆邮电大学 | Mimo系统中基于非正交多址的能效功率分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113162662A (zh) | 2021-07-23 |
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 | |
Wang et al. | Joint interference alignment and power control for dense networks via deep reinforcement learning | |
CN101404800B (zh) | Ofdma蜂窝系统中基于虚小区的半静态干扰协调方法 | |
CN103746729B (zh) | 分布式mimo系统基站侧天线位置优化方法 | |
CN112217678B (zh) | 基于量子帝王蝶优化机制的双层异构网络频谱分配方法 | |
CN108965009B (zh) | 一种基于势博弈的负载已知用户关联方法 | |
CN104378772B (zh) | 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法 | |
CN103249157B (zh) | 不完美csi条件下的基于跨层调度机制的资源分配方法 | |
CN106231610A (zh) | Femtocell双层网络中基于分簇的资源分配方法 | |
CN104144039B (zh) | 一种大规模mimo系统中基于相干时间的导频分配方法 | |
CN114189870A (zh) | 基于多智能体深度强化学习的多小区多业务资源分配方法 | |
Zhang et al. | Dynamic user-centric clustering for uplink cooperation in multi-cell wireless networks | |
CN106358300A (zh) | 一种微蜂窝网络中的分布式资源分配方法 | |
CN113162662B (zh) | 一种CF-mMIMO下的用户分簇及功率分配方法 | |
CN113490219B (zh) | 一种面向超密集组网的动态资源分配方法 | |
CN114423028A (zh) | 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法 | |
CN113038612B (zh) | 基于深度学习的认知无线电功率控制方法 | |
CN105611640B (zh) | 一种公平度可调的CoMP下行用户调度方法 | |
Kashaf et al. | Self-organizing inter-cell interference coordination in 4G and beyond networks using genetic algorithms | |
CN112243283B (zh) | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 | |
AU2021101111A4 (en) | Multivariate Resource Allocation Method for Heterogeneous Massive MIMO System Based on Network Slicing | |
CN115811788A (zh) | 一种深度强化学习联合无监督学习的d2d网络分布式资源分配方法 | |
CN111953463B (zh) | 一种基于用户分簇的导频分配方法 | |
CN104581958A (zh) | 基于速率自适应准则的资源分配方法及装置 | |
CN109041009A (zh) | 一种车联网上行功率分配方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |