CN113395756B - 一种基于前导序列分组最优功率的空中基站随机接入方法 - Google Patents
一种基于前导序列分组最优功率的空中基站随机接入方法 Download PDFInfo
- Publication number
- CN113395756B CN113395756B CN202110693563.3A CN202110693563A CN113395756B CN 113395756 B CN113395756 B CN 113395756B CN 202110693563 A CN202110693563 A CN 202110693563A CN 113395756 B CN113395756 B CN 113395756B
- Authority
- CN
- China
- Prior art keywords
- random access
- preamble sequence
- power
- region
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000005562 fading Methods 0.000 claims description 24
- 125000004122 cyclic group Chemical group 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 7
- 201000008585 noma Diseases 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000008054 signal transmission Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 101100335572 Escherichia coli (strain K12) ftsN gene Proteins 0.000 claims 1
- 239000013256 coordination polymer Substances 0.000 claims 1
- 101150106977 msgA gene Proteins 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001260012 Bursa Species 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04W52/146—Uplink power control
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
-
- 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
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/247—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters where the output power of a terminal is based on a path parameter sent by another terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出一种基于前导序列分组最优功率的空中基站随机接入方法,包括:S1:构建UAV辅助IoT系统模型,包括BS和若干个与BS建立通信的UE;S2:采用两步随机接入技术,完成BS与UE之间前导序列的基本传输;S3:在基本传输的基础上,构建结合SIC的基于PG的分布式随机接入模型,实现系统模型的初始化、传输和接收;S4:对系统模型内UE的ASINR进行计算推导;S5:基于步骤S4的推导结果,建模OPC优化问题并进行求解,得到最优功率。本发明提出的空中基站随机接入方法,提出基于PG的两步随机接入方法降低接入时延,而且BS无需对UE进行调度,大幅减少了系统开销;同时,建立了一个功率优化模型,通过求解UE的最优发射功率,从而减小了上行链路的能耗。
Description
技术领域
本发明面向航空通信领域,更具体的,涉及一种基于前导序列分组(PG)的最优功率控制(OPC)的空中基站随机接入方法。
背景技术
近年来,移动物联网(IoT)在金融、家居和医疗等各个领域的应用快速增长[1]N.Hossein Motlagh,T.Taleb,and O.Arouk,“Low-altitude unmanned aerial vehicles-based internet of things services:comprehensive survey and futureperspectives,”IEEE Internet of Things Journal,vol.3,no.6,pp.899–922,Dec.2016。然而,地面IoT的部署容易受基站(BS)成本和环境限制,因此结合航空通信场景例如构建无人机(UAV)作为BS辅助IoT通信成为了一种新型有效的方式 [2]Y.Zeng,R.Zhang,andT.J.Lim,“Wireless communications with unmanned aerial vehicles:opportunitiesand challenges,”IEEE Communications Magazine,vol.54,no. 5,pp.36–42,May.2016。由于海量用户设备(UE)接入作为关键技术,会受到远距离传输的长时延、高能耗的影响,因此传统随机接入技术需要进行研究和适应以满足需求。
在3GPP关于5G标准中引入的两步随机接入技术通过减少接入过程中的信息交互次数来降低时延[3]3GPP,“5G;NR;Physical layer procedures for control,” TS38.213 v16.3.0,Nov.2020,非常适用于航空辅助IoT系统。此外,非正交多址接入技术(NOMA)由于更高的频谱效率也被视为极具前景的多址方式。因此,结合两步随机接入和NOMA可以实现低时延和高容量传输。进一步的,利用多输入多输出(MIMO)系统有助于用更少的能耗满足UE服务质量(QoS)。然而,在航空通信系统中,MIMO仅能实现有限空间分辨率,故有必要对空间增益更显著的大规模MIMO(mMIMO)系统进行研究。
为了降低接入能耗,一种基于MIMO-NOMA系统的在总能量受限条件下联合导频和负载的功率控制方案得到了研究[4]Z.Wei,D.W.K.Ng,and J.Yuan, “Joint pilot andpayload power control for uplink MIMO-NOMA with MRC-SIC receivers,”IEEECommunications Letters,vol.22,no.4,pp.692–695,Apr.2018。当增大天线的数量时,为确保用户公平性,文献[5]S.C.R.Gaddam,D. Kudathanthirige,and G.Amarasuriya,“Achievable rate analysis for NOMA-aided massive MIMO uplink,”in 2019 IEEEInternational Conference on Communications (ICC2019),May.2019研究了上行链路可达速率在mMIMO-NOMA系统的性能,并且提出了一种最大化公共速率的功率分配方案。通过复合信道估计方法,一种重用导频的最小化能耗上行大规模接入方案[6]Q.Wang,M.Liu,N.Liu,and Z. Zhong,“On augmenting UL connections in massive MIMO system usingcomposite channel estimation,”in 2018 IEEE Global Communications Conference(GLOBECOM2018),Dec.2018被提出用于mMIMO系统中。然而,上述的方案虽然都降低了上行系统的能耗,但均假设BS全面了解UE信息,UE的功率均由BS进行调度,这在实际中需要花费大量的开销。
发明内容
本发明针对现有的随机接入和功率控制方案的不足之处,提供一种能大幅减少系统开销和上行链路能耗的基于前导序列分组最优功率的空中基站随机接入方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于前导序列分组最优功率的空中基站随机接入方法,包括以下步骤:
S1:构建UAV辅助IoT系统模型,包括BS和若干个与BS建立通信的UE;
S2:采用两步随机接入技术,完成BS与UE之间前导序列的基本传输;
S3:在基本传输的基础上,构建结合SIC的基于PG的分布式随机接入模型,实现系统模型的初始化、传输和接收;
S4:对系统模型内UE的ASINR进行计算推导;
S5:基于步骤S4的推导结果,建模OPC优化问题并进行求解,得到最优功率,完成空中基站的随机接入;
其中:UAV表示无人机;IoT表示移动物联网;BS表示基站;UE表示用户设备;SIC表示串行干扰消除;PG表示前导序列分组;ASINR表示平均信干噪比;OPC表示最优功率控制。
上述方案提出了一种基于前导序列分组(PG)的最优功率控制(OPC)随机接入方法,简称PG-OPC方法,适用于航空辅助IoT系统,该方法属于分布式结构,并可在现有5G新空口(NR)的两步随机接入方案上进行改进。两步随机接入模型通过减小随机接入的信息交互次数,能够有效降低系统的时延。
上述发囊中,本方法采用mMIMO-NOMA系统,利用mMIMO更高的空间复用增益来实现海量UE的可靠传输。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种基于前导序列分组最优功率的空中基站随机接入方法,提出基于PG的两步随机接入方法降低接入时延,而且BS无需对UE进行调度,大幅减少了系统开销;同时,建立了一个功率优化模型,通过求解UE的最优发射功率,从而减小了上行链路的能耗。
附图说明
图1为本发明所述方法的流程示意图;
图2为本发明一实施例中UAV辅助IoT系统模型示意图;
图3为本发明一实施例中基于PG的随机接入方案区间分割示意图;
图4为本发明已实施例中基于PG的随机接入方案接收端流程图;
图5为本发明一实施例中PG-OPC两步随机接入方案流程图;
图6为本发明一实施例中不同功率控制方案随发射功率pt变化的AFR性能比对图;
图7为本发明一实施例中不同功率控制方案随总UE数KT变化的AFR性能比对图;
图8为本发明一实施例中不同功率控制方案随发射功率pt变化的JFI性能比对图;
图9为本发明一实施例中不同功率控制方案随总UE数KT变化的JFI性能比对图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于前导序列分组最优功率的空中基站随机接入方法,包括以下步骤:
S1:构建UAV辅助IoT系统模型,包括BS和若干个与BS建立通信的UE;
S2:采用两步随机接入技术,完成BS与UE之间前导序列的基本传输;
S3:在基本传输的基础上,构建结合SIC的基于PG的分布式随机接入模型,实现系统模型的初始化、传输和接收;
S4:对系统模型内UE的ASINR进行计算推导;
S5:基于步骤S4的推导结果,建模OPC优化问题并进行求解,得到最优功率,完成空中基站的随机接入。
在具体实施过程中,本方案具备以下两个显著优点:
其一,提出基于PG的两步随机接入方法降低接入时延,而且BS无需对UE 进行调度,大幅减少了系统开销;
其二,建立了一个功率优化模型,通过求解UE的最优发射功率,从而减小了上行链路的能耗。
更具体的,所述步骤S1具体为:
本方法根据一个无人机(UAV)辅助IoT系统进行分析,UAV作为BS为配置单天线的Ka个活跃UE提供服务。在后续的介绍中,除了特殊说明,UE均指活跃UE。BS端配置了M根天线,为了便于分析,假设天线采用均匀线性阵列 (ULA),后续的分析可以直接应用到均匀平面阵列(UPA)上。如图2所示,其中地面小区的半径为D,BS垂直于小区中心,距离地面高度为d0。将小区分成L个等面积的区域,假设每个UE落在第l个区域的概率相同,则每个区域的面积应该相等且等于πD2/L。因此,第l个区域的外边界和内边界到小区中心的距离分别为和其覆盖范围可以表示为:
其中,dk是UEk到小区中心的距离,k=1,...,Ka。假设一共有C个正交信道,在图2中可表示为不同的线型。假设Ka个UE均匀分布,且每个UE等概随机地选择一个信道进行传输,则第c个信道内的UE数为Kc的期望为 E{Kc}=Ka/C,其中E{·}表示求期望。
考虑海量随机接入场景,采用接入等级限制(ACB)因子进行拥塞控制。设 ACB因子为KT,则E{Ka}=KTpa,故每个信道内的UE数量可以用 E{Kc}=KTpa/C进行计算。
更具体的,所述步骤S2过程具体为:
在5G的Release 16协议中,采用了两步随机接入技术[3],BS发送的MsgA 包括物理随机接入信道(PRACH)上发送的前导序列以及物理上行分享信道 (PUSCH)上发送的数据。首先,PRACH的前导序列使用循环自相关性很好的ZC序列。根序列索引为u的ZC序列可定义为zu(n)=exp[-jπun(n+1)/NZC],其中n=0,1,...,NZC-1,NZC是ZC序列的长度。通常,随机接入前导序列根据一个循环因子NCS对ZC序列进行循环移位得到。第i个前导序列可以表示为 zu,i=zu[(n+NZC×i)mod(NZC)],其中mod(·)表示取模操作。根据[7]H.S.Jang,S.M.Kim,K.S.Ko,J.Cha,and D.K.Sung,“Spatial group based random access for M2Mcommunications,”IEEE Communications Letters,vol.18,no.6,pp.961–964, Dec.2014可知NCS需要设置为大于BS到小区边缘的最大往返时延(RTD)和最大时延扩展,即,其中τmax,TSEQ和ng表示BS到小区边缘的距离,最大RTD,ZC序列的时间间隔以及保护间隔的采样个数;表示向上取整。
由于小区被分割成为多个区域,可以采用文献[7]所提出的空间分组随机接入(SGRA)方案来降低前导序列的碰撞概率。假设前导序列的根下标集合为 u∈{u1,u2,...,uL},在区域Kl内的UE会选择根下标ul进行传输,则在第l个区域内的可用前导序列数量可以表示为其中NCS(l)表示区域的最小循环移位因子,表示向下取整。因此,根据[7]可以得到其中,不同区域的边界距离减小,且故NCS(l)≤NCS,循环移位因子由于分区域而减小。最后,在相同的ZC序列长度下前导序列数量增加,即Npr(l)≥Npr,从而减小了UE同时选择相同前导序列的碰撞概率。
UE将前导序列发送到BS,在BS需要对前导序列进行检测。由于一共有L个根序列,接收到的前导序列存在L个移位后的参考ZC序列 l=1,2,...,L,其中是区域Kl的内边界的RTD。在所有的移位参考ZC序列中,只有与区域Kl内的前导序列具有循环自相关特性。因此,采用该参考 ZC序列对区域Kl内的前导序列进行检测,可以避免产生错误检测区间[7]。
接下来分析数据的传输过程,数据采用分布式功率域NOMA的方法[8]J.Choi,“NOMA-based random access with multichannel ALOHA,”IEEE Journal on SelectedAreas in Communications,vol.35,no.12,pp.2736–2743,Dec.2017,每个 UE根据所处的区域决定自己的发射功率,即区域Kl内的UE的发射功率为vl, l=1,2,...,L。由于不同信道之间相互正交,为了方便表示可以将下标c去掉。因此,在BS的PUSCH信号可以写成
Yd=GΓS+Zd (3)
其中,S=[s1,...,sK]T∈CK×N表示数据矩阵,diag{·}是对角化操作符。由于上行传输过程中的信道时延已经通过循环前缀(CP)进行补偿,而多普勒频移在实际系统中一般通过开环频偏纠正技术在发射端处进行预补偿。假设链路中的障碍物较少,信道一直存在LOS径,因此gk可以拆分成为视距(LOS)分量和非视距(NLOS)分量[9]Q.Zhang,S.Jin,K.Wong,H.Zhu,and M.Matthaiou,“Power scaling of uplink massiveMIMO systems with arbitrary-rank channel means,”IEEE Journal of SelectedTopics in Signal Processing,vol.8,no.5, pp.966–981,Oct.2014,即
其中:βk是第k个UE的大尺度衰落系数,KR是莱斯因子;hk∈CM×1的每个元素服从均值为0,方差为1的复高斯随机变量,uk是第k个UE与BS之间 LOS径的阵列导向矢量,其第m个元素可以表示为
更具体的,所述步骤S3中具体包括以下过程:
先令接收信号经过线性检测器W∈CK×M,再进行SIC操作。常用的线性检测器有最大比合并(MRC)和MMSE检测器等。其中,MRC检测器因为具有较低的计算复杂度,且在BS端天线数较大时具有渐进最优的性能而被广泛应用,其数学形式可以表示为
MMSE检测器的数学形式可以表示为
对于功率域NOMA系统,数据的解调顺序对解调的性能至关重要。数据的解调顺序可以定义为[4]
其中πk表示处在解调顺序k的UE编号。可见,数据的解调顺序与UEk的大尺度衰落系数βk有关。由于βk主要取决于UE到BS的距离然而实际系统中BS未知UE的地理位置,若要获得海量UE地理位置,则需要大量额外的数据开销。基于以上原因,提出了一种结合SIC的基于PG的分布式随机接入方案。
在初始化阶段,BS通过物理广播信道(PBCH)广播自身位置信息,UE根据GPS定位获得离小区中心的距离dk。将小区半径D分为G个区间,如图3所示。其中区间的分割与式(1)类似,需满足不同区间构成的环形区域面积相等,例如图3中的区间1和区间2的面积需相等。在环形区域内的UE构成一个小组,则一共有G个UE组。由于区间编号从小区中心到边缘递增,假设前导序列循环移位因子也对应地递增,可以推出第g个区间的前导序列的根下标以及循环移位起始点(g-1)LNpr/G+1。因此可以规定第g个UE组传输的前导集合为
在传输阶段,各UE根据离小区中心距离dk的大小来判断自身所处小组编号,然后在对应前导集合Ψg内随机选择前导序列在PRACH上进行传输,接着根据所处功率区域Kl选择对应发射功率vl,在PUSCH上传输数据。
在接收阶段,BS对前导序列进行检测,获得其根序列ul以及循环移位值Ci,即可知该UE处于区域Kl,区域内的区间内起始点为区域(l-1)G/L;再根据循环移位值获得前导序列编号,即可得到UE的具体小组,用数学公式可以表示为BS根据能够检测出前导序列的UE所对应的小组编号进行排序,小组编号g较小的优先解调。由于βk与距离dk成反比,当G增大时,解调顺序就会接近式(8)。若BS能够正确地解调前导序列和数据,则表明该次随机接入成功。基于PG的随机接入接收端流程可以总结为图4。
为简化描述,假设排序后的UE序号仍为1,2,...,K。在进行SIC后,前面的 k-1个UE的数据被正确地消除,后K-k个UE的接收信号将被作为干扰进行处理,因此UE的功率需要进行配置以最优化UE和数据率。
更具体的,所述步骤S4具体包括以下步骤:
为了获得合适的功率控制方案,需要对UE的信干噪比(SINR)进行分析。设UEk的功率等级为l,则经过SIC后的处理信号为
其中,Ωl表示区域Kl内UE的总数。根据式(9),UE在区域内的解码顺序优先于当前SIC过程中剩余区域的解码顺序。则UE的瞬时SINR可以用
定理1:当天线数量M→∞时,γMMSE→γMRC。
证明:根据大数定理以及复高斯随机变量的性质可知,当M→∞时,可以得到其中是由不同UE的大尺度衰落系数构成的对角矩阵[9]Q.Zhang,S.Jin,K.Wong,H.Zhu,and M.Matthaiou,“Power scaling of uplink massiveMIMO systems with arbitrary-rank channel means,”IEEE Journal of SelectedTopics in Signal Processing,vol.8,no.5,pp.966–981,Oct. 2014。因此,式(7)可以化简为
故MMSE检测器的SINR可以表示为
在mMIMO系统中,天线数可以达到几十甚至上百,MRC与MMSE检测器的性能差距可以忽略。在后续的ASINR分析和功率优化过程中,均可利用式(7) 进行分析,从而简化了MMSE检测器的推导过程。由于瞬时SINR通常很难获得,特别是在航空通信信道下,当信道变化时对应的SINR也在快速变化。而且,对于码字级别的系统性能通常是由平均信干噪比(ASINR)决定的[4]。因此,采用ASINR来分析UE的解调性能。首先对式(9)进行改写,得到
根据式(13),可得到ASINR的具体表达式,即
其中,表示剩余UE的干扰,具体可以表示为
命题1:式(14)可以进一步表示为
其中
以及
注意到小尺度衰落系数具有以下的统计特性[9]
因此,可以得到I1中方差项的化简结果
为化简I2和I3,由于
取模值平方的统计期望,并结合式(21)可以得到
至此,命题1得证。
更具体的,在步骤S4的基础上,所述步骤S5具体包括以下过程:
根据式(16)可知,如果UE处于区域,在功率按照一定规则分配的情况下,其受到的干扰与同区域内UE的大尺度衰落系数以及该区域到小区边缘区域之间分布的所有UE的大尺度衰落系数有关。因此可对同一功率区域内UE的ASINR 进行近似变换,以方便后续对UE功率控制方案的求解。
其中由于一个信道内的活跃UE数K远小于天线数量M,而且系数当天线数M较大的时候,式(25)的分子远大于分母,即mMIMO系统带来了很大的ASINR增益。然而分母中的干扰和噪声也会随着 UE数增加而增大,因此需要设计合适的UE发射功率来优化ASINR。
然而,UE k的大尺度衰落系数对于BS来说是未知的,我们可以将大尺度衰落系数βk转换为区域Kl外边界的大尺度衰落系数ζl。由于大尺度衰落系数与距离成反比,若假设区域Kl内UE到BS的距离等于该区域外边界到BS的距离,则此时ζl≤βk。此外,由于式(25)的分子远大于分母,且均βk与成线性关系,因此当βk转换为ζl之后,分子减少的速度快于分母。因此,式(25)的右边可以表示为
其中,表示变换后的ASINR。经过变换后的ASINR只需利用不同区域外边界对应的大尺度衰落系数进行求解。因此,BS无需获取每个UE的位置信息,从而大幅减少系统的开销。此外,后续根据变换后的ASINR对发射功率进行求解,其过程可在随机接入初始化阶段进行,从而降低系统的时延。
由于航空通信辅助的IoT场景中,小区的覆盖范围较大,因此UE的上行速率会受到远近效应的影响。为了解决这个问题,我们设计了一个最大化最小加权 ASINR问题。最优功率控制(OPC)问题可以建模为如下的优化问题:
其中:c=[c1,...,cL]∈(0,1)是加权因子,用于调整系统中不同区域UE的优先级[4],v=[v1,...,vL]是待优化的变量,Pt规定了上行信号发射时所能使用的最大功率,η是系统中UE需要达到的目标ASINR,它通常与QoS的需求有关。通过设置辅助优化变量λ,可以替换原来的优化目标,并将的表达式代入式(28) 中,整理得
虽然式(29)的优化问题并非凸问题,但是该问题可以等价一个几何规划形式[10]M.Chiang,C.W.Tan,D.P.Palomar,D.O’neill,and D.Julian,“Power control bygeometric programming,”IEEE Transactions on Wireless Communications,vol.6,no.7,pp.2640–2651,July.2007,可以利用指数变换转变为易于求解的凸问题,并借助MATLAB软件中的CVX优化工具包[11]M.Grant and S.Boyd,“CVX:Matlab software fordisciplined convex programming,version 2.1,”http://cvxr.com/cvx,Mar. 2014进行求解,并得到最优功率vo。
综上所述,提出的PG-OPC方案可以用图5来表示。该方案属于分布式结构, BS无需对每个UE进行调度,且可在现有5G NR两步随机接入方案上进行改进。具体地,在随机接入开始时,BS执行功率优化算法,并通过PBCH广播优化后的功率向量vo以及BS位置和高度信息给小区内的所有UE。各UE计算到达BS 的距离然后判断自己所处的功率等级l并选择根序列为ul的前导序列进行传输,同时选择与前导序列映射好的RB进行数据传输。其中,前导序列和数据均按照NR标准的两步随机接入流程进行传输,且随机接入的性能可满足 3GPP的性能指标。
实施例2
为更充分地阐述本发明所具有的有益效果,以下结合一个具体实施例的仿真分析及结果,进一步对本发明的有效性和先进性予以说明。本实施例基于MATLAB软件搭建仿真平台,仿真采用QPSK调制以及(171,133)卷积编码,所采用主要参数取值如表1所示。
首先,PG-OPC方案的性能可以用接入失败率(AFR)来衡量,其中一次成功的随机接入过程需要包括前导序列和数据的正确检测和解码。为验证所提出的 OPC优化算法性能,采用等功率控制(EPC)算法和固定功率控制(FPC)[5][12]H. Deng,W.Wang,C.Zhao,G.Liu,S.Ma,and G.Liu,“The fixed power allocation algorithm for uplink massiveMIMO,”in 2019 IEEE 2nd International Conference on Computer and CommunicationEngineering Technology(CCET),Aug.2019,pp.218 –222.算法进行对比。此外,为了验证PG随机接入方案的性能,我们也将PG-FPC 与无PG的FPC方案进行了对比。
假设采用MMSE-SIC对数据进行解调。图6和图7展示了不同功率控制随机接入方案下的AFR随发射功率pt以及随UE总数KT的变化情况。其中,当发射功率变化时,设置小区UE的总数KT=500,当UE的数量变化时,设置发射功率pt=-14dbm。可以看到,随着发射功率pt以及UE总数KT的增大,PG-FPC 的AFR性能显著优于无PG的FPC方案性能。这是因为在使用相同的开销情况下,PG-FPC方案利用前导序列判断UE所在位置并进行解调排序,相比无PG 的方案其数据解调成功率大幅增加。同时,本文所提PG-OPC随机接入算法的性能优于其他功率控制算法。这是因为PG-OPC算法通过最大化最小加权ASINR,从而缓解了NOMA系统中存在的远近效应的问题,系统的总体速率最大化,UE 的数据解调成功率增大。从图6中可以看到AFR出现了平底效应,这是前导序列的碰撞造成的,故当图7中UE总数增大时,AFR也会随之增大。通过设置不同空间区域,采用不同根序列的前导序列进行传输,已经将前导序列的碰撞概率降低到可以满足3GPP性能需求。在使用相同数量的前导序列,并根据PUSCH 上的误块率(BLER)低于1%的标准[13]3GPP,“5g;nr;base station(bs)radio transmission andreception,”TS 38.104 v16.5.0,Nov.2020,3GPP的AFR上界如图7的无标记虚线所示。
在IoT场景中,由于存在远近效应,用户的数据传输速率不同。因此,可以根据Jain的公平性指数(JFI)来判断各用户数据传输速率的差异性大小,进而衡量系统的公平性,其表达式为 D.-M.W.Chiu,and W.R.Hawe,“Aquantitative measure of fairness and discrimination,”Eastern ResearchLaboratory,Digital Equipment Corporation, Hudson,MA,1984,其中Rk=log(1+γk)表示第k个UE的瞬时速率。类似地,设置相同参数观察JFI随发射功率pt以及随UE总数KT的变化情况。从图8和图9可以看到,随着发射功率pt以及UE总数KT的增大,PG-FPC的JFI性能显著优于无PG的FPC方案性能,OPC算法的JFI性能优于其他功率控制算法。这是因为最大化最小加权ASINR对处在功率等级高的UE给予更高的发射功率,从而保证了接入的公平性。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,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。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,包括以下步骤:
S1:构建UAV辅助IoT系统模型,包括BS和若干个与BS建立通信的UE;
S2:采用两步随机接入技术,完成BS与UE之间前导序列的基本传输;其中:
在5G的Release 16协议中,采用了两步随机接入技术,即BS发送的MsgA包括物理随机接入信道PRACH上发送的前导序列以及物理上行分享信道PUSCH上发送的数据;首先,PRACH的前导序列使用循环自相关性很好的ZC序列;根序列索引为u的ZC序列定义为zu(n)=exp[-jπun(n+1)/NZC],其中n=0,1,...,NZC-1,NZC是ZC序列的长度;通常,随机接入前导序列根据一个循环因子NCS对ZC序列进行循环移位得到;第i个前导序列表示为zu,i=zu[(n+NZC×i)mod(NZC)],其中mod(·)表示取模操作;由于NCS需要设置为大于BS到小区边缘的最大往返时延RTD和最大时延扩展,即其中表示BS到小区边缘的距离,d0表示BS距离地面高度,D为地面小区的半径;τmax表示最大RTD,TSEQ表示ZC序列的时间间隔,ng表示保护间隔的采样个数;表示向上取整;
UE将前导序列发送到BS,在BS需要对前导序列进行检测;由于一共有L个根序列,接收到的前导序列存在L个移位后的参考ZC序列l=1,2,...,L,其中是第l个区域Kl的内边界的RTD;在所有的移位参考ZC序列中,只有与区域Kl内的前导序列具有循环自相关特性;因此,采用该参考ZC序列对区域Kl内的前导序列进行检测,避免产生错误检测区间;
接下来分析数据的传输过程,数据采用分布式功率域NOMA的方法,每个UE根据所处的区域决定自己的发射功率,即区域Kl内的UE的发射功率为vl,l=1,2,...,L;由于不同信道之间相互正交,为了方便表示此处将下标c去掉,因此,在BS的PUSCH信号表示为:
Yd=GΓS+Zd (3)
其中,G=[g1,...,gK]T∈CM×K表示CIR矩阵,S=[s1,...,sK]T∈CK×N表示数据矩阵,diag{·}是对角化操作符;由于上行传输过程中的信道时延已经通过循环前缀CP进行补偿,而多普勒频移在实际系统中一般通过开环频偏纠正技术在发射端处进行预补偿;假设链路中的障碍物较少,信道一直存在LOS径,因此将gk拆分成为视距LOS分量和非视距NLOS分量,即
其中:βk是第k个UE的大尺度衰落系数,KR是莱斯因子;hk∈CM×1的每个元素服从均值为0,方差为1的复高斯随机变量,uk是第k个UE与BS之间LOS径的阵列导向矢量,其第m个元素表示为:
S3:在基本传输的基础上,构建结合SIC的基于PG的分布式随机接入模型,实现系统模型的初始化、传输和接收;
S4:对系统模型内UE的ASINR进行计算推导;
S5:基于步骤S4的推导结果,建模OPC优化问题并进行求解,得到最优功率,完成空中基站的随机接入;
其中:UAV表示无人机;IoT表示移动物联网;BS表示基站;UE表示用户设备;SIC表示串行干扰消除;PG表示前导序列分组;ASINR表示平均信干噪比;OPC表示最优功率控制。
2.根据权利要求1所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,所述步骤S1具体为:
构建一个UAV辅助IoT系统进行分析,UAV作为BS为配置单天线的Ka个活跃UE提供服务;BS端配置了M根天线,为了便于分析,此处假设天线采用均匀线性阵列,使得分析能够直接应用到均匀平面阵列上;设地面小区的半径为D,BS垂直于小区中心,距离地面高度为d0;将小区分成L个等面积的区域,假设每个UE落在第l个区域的概率相同,则每个区域的面积应该相等且等于πD2/L;因此,第l个区域的外边界和内边界到小区中心的距离分别为和其覆盖范围表示为:
其中,dk是UEk到小区中心的距离,k=1,...,Ka;假设一共有C个正交信道,假设Ka个UE均匀分布,且每个UE等概随机地选择一个信道进行传输,则第c个信道内的UE数为Kc的期望为E{Kc}=Ka/C,其中E{·}表示求期望。
3.根据权利要求2所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,在所述步骤S1中,考虑海量随机接入场景,采用接入等级限制ACB因子进行拥塞控制;设ACB因子为pa,则E{Ka}=KTpa,故每个信道内的UE数量用E{Kc}=KTpa/C进行计算。
4.根据权利要求3所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,在所述步骤S2中,由于小区被分割成为多个区域,采用空间分组随机接入SGRA方法对前导序列的碰撞概率进行降低,具体为:假设前导序列的根下标集合为u∈{u1,u2,...,uL},在区域Kl内的UE会选择根下标ul进行传输,则在第l个区域内的可用前导序列数量表示为其中NCS(l)表示区域的最小循环移位因子,表示向下取整;因此,得到其中,不同区域的边界距离减小,且故NCS(l)≤NCS,循环移位因子由于分区域而减小;最后,在相同的ZC序列长度下前导序列数量增加,即Npr(l)≥Npr,从而减小了UE同时选择相同前导序列的碰撞概率。
5.根据权利要求3所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,所述步骤S3中具体包括以下过程:
先令接收信号经过线性检测器W∈CK×M,再进行SIC操作;常用的线性检测器有最大比合并MRC和MMSE检测器;其中,MRC检测器因为具有较低的计算复杂度,且在BS端天线数较大时具有渐进最优的性能而被广泛应用,其数学形式表示为:
MMSE检测器的数学形式表示为:
对于功率域NOMA系统,数据的解调顺序对解调的性能至关重要;数据的解调顺序定义为:
其中πk表示处在解调顺序k的UE编号;可见,数据的解调顺序与UEk的大尺度衰落系数βk有关;由于βk取决于UE到BS的距离然而实际系统中BS未知UE的地理位置,若要获得海量UE地理位置,则需要大量额外的数据开销;基于此,构建结合SIC的基于PG的分布式随机接入模型:
在初始化阶段,BS通过物理广播信道PBCH广播自身位置信息,UE根据GPS定位获得离小区中心的距离dk;将小区半径D分为G个区间,其中区间的分割与式(1)类似,需满足不同区间构成的环形区域面积相等,在环形区域内的UE构成一个小组,则一共有G个UE组;由于区间编号从小区中心到边缘递增,假设前导序列循环移位因子也对应地递增,则推出第g个区间的前导序列的根下标以及循环移位起始点(g-1)LNpr/G+1;因此规定第g个UE组传输的前导集合为
在传输阶段,各UE根据离小区中心距离dk的大小来判断自身所处小组编号,然后在对应前导集合Ψg内随机选择前导序列在PRACH上进行传输,接着根据所处功率区域Kl选择对应发射功率vl,在PUSCH上传输数据;
在接收阶段,BS对前导序列进行检测,获得其根序列ul以及循环移位值Ci,即可知该UE处于区域Kl,区域内的区间内起始点为区域(l-1)G/L;再根据循环移位值获得前导序列编号,即得到UE的具体小组;BS根据能够检测出前导序列的UE所对应的小组编号进行排序,小组编号g较小的优先解调;由于βk与距离dk成反比,当G增大时,解调顺序就会接近式(8);若BS能够正确地解调前导序列和数据,则表明该次随机接入成功。
7.根据权利要求6所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,所述步骤S4具体包括以下步骤:
首先假设排序后的UE序号仍为1,2,...,K;在进行SIC后,前面的k-1个UE的数据被正确地消除,后K-k个UE的接收信号将被作为干扰进行处理,因此UE的功率需要进行配置以最优化UE的和数据率;因此,为了获得合适的功率控制方案,需要对UE的信干噪比SINR进行分析;设UEk的功率等级为l,则经过SIC后的处理信号为:
其中,Ωl表示区域Kl内UE的总数;根据式(9),UE在区域内的解码顺序优先于当前SIC过程中剩余区域的解码顺序,则UE的瞬时SINR表示为:
故MMSE检测器的SINR表示为
其中,R表示实数域;可见MRC和MMSE检测器的瞬时SINR在天线数趋于无穷大的时候相等,故证明完毕;在系统中,天线数可以达到几十甚至上百,MRC与MMSE检测器的性能差距可以忽略;在ASINR分析和功率优化过程中,均可利用式(7)进行分析,从而简化了MMSE检测器的推导过程;由于瞬时SINR通常很难获得,特别是在航空通信信道下,当信道变化时对应的SINR也在快速变化;而且,对于码字级别的系统性能通常是由ASINR决定的;因此,采用ASINR来分析UE的解调性能;具体为:
首先对式(9)进行改写,得到
根据式(13),得到ASINR的具体表达式,即
其中,表示剩余UE的干扰,具体表示为
9.根据权利要求8所述的一种基于前导序列分组最优功率的空中基站随机接入方法,其特征在于,所述步骤S5具体包括以下过程:
根据式(16)得到,如果UE处于区域,在功率按照一定规则分配的情况下,其受到的干扰与同区域内UE的大尺度衰落系数以及该区域到小区边缘区域之间分布的所有UE的大尺度衰落系数有关;因此,对同一功率区域内UE的ASINR进行近似变换,方便对UE功率控制的求解,具体为:
其中由于一个信道内的活跃UE数K远小于天线数量M,而且系数当天线数M较大的时候,式(25)的分子远大于分母,即系统带来了很大的ASINR增益;然而分母中的干扰和噪声也会随着UE数增加而增大,因此需要有合适的UE发射功率来优化ASINR;
然而,UEk的大尺度衰落系数对于BS来说是未知的,因此将大尺度衰落系数βk转换为区域Kl外边界的大尺度衰落系数ζl;由于大尺度衰落系数与距离成反比,若假设区域Kl内UE到BS的距离等于该区域外边界到BS的距离,则此时ζl≤βk;此外,由于式(25)的分子远大于分母,且均βk与成线性关系,因此当βk转换为ζl之后,分子减少的速度快于分母;因此,式(25)的右边表示为
其中,表示变换后的ASINR;经过变换后的ASINR只需利用不同区域外边界对应的大尺度衰落系数进行求解;因此,BS无需获取每个UE的位置信息,从而大幅减少系统的开销;此外,根据变换后的ASINR对发射功率进行求解,其过程在随机接入初始化阶段就可以进行,从而降低系统的时延;
由于航空通信辅助的IoT场景中,小区的覆盖范围较大,因此UE的上行速率会受到远近效应的影响;为了解决这个问题,设计了一个最大化最小加权ASINR问题,即建模OPC优化问题为:
其中,c=[c1,...,cL]∈(0,1)是加权因子,用于调整系统中不同区域UE的优先级,v=[v1,...,vL]是待优化的变量,Pt规定了上行信号发射时所能使用的最大功率,η是系统中UE需要达到的目标ASINR,通常与QoS的需求有关;通过设置辅助优化变量λ,替换原来的优化目标,并将的表达式代入式(28)中,整理得:
虽然式(29)的优化问题并非凸问题,但是该问题等价一个几何规划形式,利用指数变换转变为易于求解的凸问题,并借助MATLAB软件中的CVX优化工具包进行求解,并得到最优功率vo。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693563.3A CN113395756B (zh) | 2021-06-22 | 2021-06-22 | 一种基于前导序列分组最优功率的空中基站随机接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693563.3A CN113395756B (zh) | 2021-06-22 | 2021-06-22 | 一种基于前导序列分组最优功率的空中基站随机接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113395756A CN113395756A (zh) | 2021-09-14 |
CN113395756B true CN113395756B (zh) | 2023-06-02 |
Family
ID=77623411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110693563.3A Active CN113395756B (zh) | 2021-06-22 | 2021-06-22 | 一种基于前导序列分组最优功率的空中基站随机接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113395756B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114205916B (zh) * | 2021-11-12 | 2024-02-27 | 杭州昌泽信息技术有限公司 | 一种两阶段非正交随机接入的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108650006A (zh) * | 2018-05-21 | 2018-10-12 | 北京交通大学 | 基于大规模mimo的非正交多址接入方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019231305A1 (en) * | 2018-06-01 | 2019-12-05 | Samsung Electronics Co., Ltd. | Method and system for handling random access procedure in non-terrestrial communication system |
CN111757526A (zh) * | 2019-03-28 | 2020-10-09 | 中国移动通信有限公司研究院 | 一种随机接入方法、终端及网络侧设备 |
CN111615200B (zh) * | 2020-04-10 | 2023-04-28 | 洛阳理工学院 | 混合Hybrid NOMA网络的无人机辅助通信资源分配方法 |
WO2022147699A1 (zh) * | 2021-01-06 | 2022-07-14 | 北京小米移动软件有限公司 | 随机接入方法、装置和电子设备 |
-
2021
- 2021-06-22 CN CN202110693563.3A patent/CN113395756B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108650006A (zh) * | 2018-05-21 | 2018-10-12 | 北京交通大学 | 基于大规模mimo的非正交多址接入方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113395756A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11831575B2 (en) | Electronic device, method and apparatus for wireless communication system for channel estimation | |
US11831372B2 (en) | Non-line of sight wireless communication system and method | |
US10686513B2 (en) | Method and apparatus for smart adaptive dynamic range multiuser detection radio receiver | |
US20220190879A1 (en) | Massive cooperative multipoint network operation | |
Vasisht et al. | Eliminating channel feedback in next-generation cellular networks | |
CN101267235B (zh) | 一种实现空分复用的方法及装置 | |
Zarifi et al. | Collaborative null-steering beamforming for uniformly distributed wireless sensor networks | |
WO2018171025A1 (zh) | 一种干扰最小化的移动组网方法与系统 | |
US9002279B2 (en) | System and method for aligning interference in uplink | |
CN110166088B (zh) | 以用户为中心的无小区mimo系统的功率控制算法 | |
US10044425B2 (en) | Multi-layer wireless streaming with adaptive constellation mapping (ACM) | |
CN116321466A (zh) | 去蜂窝大规模mimo中无人机通信的频谱效率优化方法 | |
CN113395756B (zh) | 一种基于前导序列分组最优功率的空中基站随机接入方法 | |
CN114980139A (zh) | 空地无线网络接入回传一体化系统的容量覆盖增强方法 | |
CN103595455A (zh) | 基于用户满意度的lte-a非码本波束赋形方法 | |
US11171710B2 (en) | Communications device and data receiving method thereof | |
CN117674958A (zh) | 一种面向空天地一体化网络的网络资源优化方法及装置 | |
CN114095064B (zh) | 一种通信下行波束赋形方法 | |
US10448407B2 (en) | Interference cancellation enhancement in HetNets through coordinated SIMO/MIMO interference codes | |
CN105406906B (zh) | 基于位置的预编码方法及系统 | |
CN111726191A (zh) | 信号处理方法、装置及计算机可读存储介质 | |
Nam et al. | Interference Mitigation Scheme for Device-to-Device MIMO Communications Underlaying a Cellular Network | |
JP4198606B2 (ja) | 無線通信システム及び伝送モード選択方法 | |
CN114727317B (zh) | 一种利用d2d通信设备实现中继转发的高谱效通信系统 | |
Waqar et al. | NOMA-Enabled CoMP-Transmission in Satellite-Aerial-Terrestrial Networks |
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 |