CN113692711A - 具有未知信道信息的在线mimo无线网络虚拟化 - Google Patents

具有未知信道信息的在线mimo无线网络虚拟化 Download PDF

Info

Publication number
CN113692711A
CN113692711A CN202080028258.6A CN202080028258A CN113692711A CN 113692711 A CN113692711 A CN 113692711A CN 202080028258 A CN202080028258 A CN 202080028258A CN 113692711 A CN113692711 A CN 113692711A
Authority
CN
China
Prior art keywords
network node
network
precoding
minimizing
virtual
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.)
Pending
Application number
CN202080028258.6A
Other languages
English (en)
Inventor
王俊程
梁本
董敏
G·布德罗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Telefonaktiebolaget LM Ericsson AB
Original Assignee
Telefonaktiebolaget LM Ericsson AB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Telefonaktiebolaget LM Ericsson AB filed Critical Telefonaktiebolaget LM Ericsson AB
Publication of CN113692711A publication Critical patent/CN113692711A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • 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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • 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
    • 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
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

公开了一种方法、系统和设备。根据一个方面，一种配置成与无线装置（WD）通信的网络节点包括处理电路，所述处理电路配置成通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。

Description

具有未知信道信息的在线MIMO无线网络虚拟化
技术领域
本公开涉及无线通信，并且特别地，涉及具有未知信道信息的在线多输入多输出(MIMO)无线网络虚拟化(WNV)。
背景技术
无线通信系统的设计者已经尝试解决在无线网络虚拟化(WNV)下MIMO基站(BS)的下行链路中的最优预编码的问题。此类无线通信系统可以包括第四代(4G，也称为长期演进(LTE))和第五代(5G，也称为新空口(NR))，如第三代合作伙伴计划(3GPP)所规定的。在WNV中，基础设施提供商(InP)管理BS(本文也称为网络节点)，并且多个服务提供商(SP)利用由InP提供的硬件资源(例如，天线、功率、处理等)来独立地服务它们自己的订阅用户。SP对于彼此的存在是不可知的。
每个SP从InP接收信道信息和功率限制信息，并决定其自己的预编码矩阵以满足其用户的服务需求。为了最大化硬件和频谱使用，假设SP同时共享所有InP的天线和可用频谱。由于SP彼此独立地设计其预编码矩阵，因此除非InP适当地协调SP的信号，否则SP可能创建对彼此的用户的破坏性干扰。
InP收集SP设计的预编码矩阵(其可以被视为虚拟的)，并且InP尝试设计其天线与所有SP的用户之间的实际预编码矩阵。目的是要向每个用户提供紧密遵循来自SP的需求的有效服务(如由它们的虚拟预编码矩阵所描述的)。因此，InP预编码设计的关切是要减少SP之间的干扰。
挑战是多重的(multi-fold)：(1)InP具有短期和长期功率约束。特别地，满足长期功率约束要求考虑不可预测的信道在时间中改变的动态解决方案，这在研究文献中一般被称为在线优化；(2)信道分布信息(CDI)经常不可用，这需要某种自适应学习方法；以及(3)在任何时间的信道状态信息(CSI)可能不是精确已知的，并且任何解决方案应该处理此类不确定性以提供限定的性能保证。
WNV的框架能将公共网络基础设施共享为多个虚拟网络。虚拟化以对用户透明的方式从物理实体的给定集合创建逻辑实体的集合。通过抽象和切片物理资源，WNV减少了阻碍了新公司进入行业的无线网络的资本和运营费用。进一步地，抽象和切片物理资源通过隔离网络的相异部分而能更容易和更快地迁移到新的联网技术、协议和产品，同时确保现有服务不受影响。
虚拟化无线网络一般包括拥有和管理网络基础设施的InP，以及利用网络基础设施向它们自己的订户提供服务的SP。InP将核心网络和接入网络虚拟化成虚拟切片。SP租用这些虚拟网络资源，并在其自己的管理、要求和特性下向其自己的订户提供服务，而不需要知道底层物理架构。尽管已经示出了WNV的潜力，但是关于虚拟网络的隔离和资源分配仍然存在许多开放问题。无线介质虚拟化带来了在有线网络虚拟化中不存在的新挑战，诸如信号传播、干扰控制和用户移动性。由于无线介质的动态特性和共享性质，所以保证虚拟网络的隔离是困难的任务，在考虑服务质量要求时甚至更是如此。
大量MIMO WNV研究和开发工作针对通过在遵循有线网络虚拟化的SP之间分配专用子载波和天线子集来加强物理资源隔离。这导致稀缺无线频谱的低效资源利用和相当大的系统吞吐量损失。已经研究了具有正交频分复用(OFDM)大规模MIMO的WNV的资源分配问题，以试图最大化系统吞吐量和能量效率。已经提出了两级分层拍卖(auction)架构，以在SP当中分配专用子载波。已经使用博弈理论从经济的角度研究了虚拟化大规模MIMO系统的天线分配和定价问题。还已经探究了组合非正交多址接入(NOMA)和云无线电接入网络(C-RAN)技术的虚拟化MIMO中的上行链路资源分配问题。此外，已经探究了大规模MIMO WNV中的随机稳健预编码，以允许SP之间的天线和频谱共享，假设信道不准确性是无偏置的。
现有MIMO WNV方案已经聚焦于离线场景。在这些方案中，系统性能优化在单个传输时隙中经受短期最大BS功率约束，从而忽视长期功率约束。与现有的短期资源分配策略不同，正在探究经受长期和短期基站(BS)功率约束两者的在线MIMO WNV。长期功率约束可能要求对性能优化的在线方法。
Lyapunov优化技术已经应用于求解各种研究中的在线问题。已经研究了用于具有能量收集和存储的无线传输的在线功率控制。考虑到不准确CSI和无偏置的信道估计，已经针对MIMO上行链路协方差矩阵设计研究了在线投影梯度下降方案和矩阵指数学习方案。此外，已经研究了具有不准确CSI和限定的信道估计不准确性的动态传送协方差设计。因此。多输入多输出(MIMO)无线网络虚拟化(WNV)存在问题。
发明内容
一些实施例有利地提供了用于具有未知信道信息的在线多输入多输出(MIMO)无线网络虚拟化(WNV)的方法和网络节点。
在一些实施例中，提供了一种在线MIMO WNV方法，该方法在未知CDI和不准确CSI下工作，具有半封闭形式的类注水(water-filling-like)的预编码解决方案和确定性性能限定。此方法在未知的真实信道增益被限定并且信道估计不准确性被限定(即，信道估计可能被偏置)的假设下被设计。一些实施例提供了在多个SP之间无线频谱资源和InP的天线的有效共享。一些实施例考虑到由其它SP的非感知所引起的SP间干扰，最小化在SP的虚拟预编码和InP的实际预编码之间的用户处的接收信号的预期偏差。一些实施例提供了具有半封闭形式的类注水的预编码解决方案的在线MIMO WNV方法，所述在线MIMO WNV经受长期和短期BS功率约束两者。
在一些实施例中，提供了一种用于优化MIMO WNV中的InP的下行链路预编码的方法。该方法旨在考虑到由SP的不可知行为引起的SP间干扰，最小化在用户处经受长期和短期BS功率约束两者的在SP的虚拟预编码和InP的实际预编码之间的接收信号的预期偏差。
在一些实施例中，该方法的特征在于该方法不要求已知信道分布信息(CDI)，并且该方法允许不准确的信道状态信息(CSI)。此外，该方法适应基站(BS)处的短期和长期功率约束两者。
在一些实施例中，该方法扩展了标准漂移加惩罚(DPP)技术以用于随机网络优化来处理不准确CSI，从而导致半封闭形式的类注水的预编码解决方案。该方法可以与SP决定其虚拟预编码矩阵的任何方法组合。
当SP使用匹配滤波(MF)或迫零(ZF)方法来计算它们的虚拟预编码矩阵时，在该方法中使用的算法的性能可能被限定。算法可以具有对最优性的确定性O(δ)性能限定，其中δ是CSI的相对不准确性量度，尽管以下挑战：1)CDI是未知的；2)仅假设限定未知的真实CSI和信道不准确性；3)SP彼此不可知，并且设计它们自己的请求预先约定的下行链路功率的虚拟预编码矩阵；以及4)从SP收集的虚拟化需求取决于CSI。此外，该算法还可以提供强的样本路径和收敛时间保证。
该算法的实施例的性能已经通过在典型的长期演进(LTE)网络设置下的仿真而被验证。验证确认了在由SP采用的不同预编码方案、不同平均BS功率限制、不同信道不准确性和不同数量的BS天线下的快速收敛和改进的吞吐量性能。此外，该算法实现了与非虚拟化网络的系统吞吐量相比更高的系统吞吐量，即使在虚拟化方法为SP提供了灵活性以独立地设计其自己的预编码并因此其自己的订户的服务质量时。
根据一个方面，网络节点配置成与无线装置WD通信。网络节点包括处理电路，该处理电路配置成通过最小化在WD处经受网络节点上的功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
根据此方面，在一些实施例中，预期偏差在服务提供商的虚拟预编码和基础设施提供商的实际预编码之间。在一些实施例中，最小化至少部分地基于服务提供商之间的干扰。在一些实施例中，最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。在一些实施例中，功率约束包括至少一个短期功率约束和至少一个长期功率约束。在一些实施例中，在不知道信道分布信息的情况下执行最小化。在一些实施例中，每个服务提供商独立地确定服务提供商的虚拟预编码矩阵。在一些实施例中，由服务提供商确定的虚拟预编码矩阵与预定下行链路功率关联。在一些实施例中，最小化在
Figure BDA0003299408320000041
收敛时间内发生以达到∈-近似解。在一些实施例中，当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，下行链路无线网络虚拟化被限定。
根据另一方面，一种在网络节点中的方法配置成与无线装置WD通信。该方法包括通过最小化在WD处经受网络节点上的功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
在一些实施例中，预期偏差在服务提供商的虚拟预编码和基础设施提供商的实际预编码之间。在一些实施例中，最小化至少部分地基于服务提供商之间的干扰。在一些实施例中，最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。在一些实施例中，功率约束包括至少一个短期功率约束和至少一个长期功率约束。在一些实施例中，在不知道信道分布信息的情况下执行最小化。在一些实施例中，每个服务提供商独立地确定服务提供商的虚拟预编码矩阵。在一些实施例中，由服务提供商确定的虚拟预编码矩阵与预定下行链路功率关联。在一些实施例中，最小化在
Figure BDA0003299408320000051
收敛时间内发生以达到∈-近似解。在一些实施例中，当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，下行链路无线网络虚拟化被限定。
附图说明
通过当结合附图考虑时参考以下详细描述，将更容易理解本实施例及其伴随的优点和特征的更完整理解，其中：
图1是示出根据本公开的原理经由中间网络连接到主机计算机的通信系统的示范网络架构的示意图；
图2是根据本公开的一些实施例主机计算机通过至少部分无线连接经由网络节点与无线装置通信的框图；
图3是示出根据本公开的一些实施例在包括主机计算机、网络节点和无线装置的通信系统中实现的、用于在无线装置处执行客户端应用的示范方法的流程图；
图4是示出根据本公开的一些实施例在包括主机计算机、网络节点和无线装置的通信系统中实现的、用于在无线装置处接收用户数据的示范方法的流程图；
图5是示出根据本公开的一些实施例在包括主机计算机、网络节点和无线装置的通信系统中实现的、用于在主机计算机处从无线装置接收用户数据的示范方法的流程图；
图6是示出根据本公开的一些实施例在包括主机计算机、网络节点和无线装置的通信系统中实现的、用于在主机计算机处接收用户数据的示范方法的流程图；
图7是根据本公开的一些实施例的网络节点中的示范过程的流程图；
图8描绘了虚拟化MIMO无线网络的调度和预编码；
图9是在未知CDI和不准确CSI下工作的示范在线MIMO VNW算法的流程图；
图10是对每时隙优化问题P2的示范在线预编码解决方案的流程图；
图11和图12是示出当所有SP分别采用MF和ZF预编码时性能度量相对于θ的曲线图；
图13是示出在SP自由选择MF或ZF预编码方案并且信道分布随时间演进的实用场景下的算法性能的曲线图；
图14和图15是示出对于不同平均功率限制
Figure BDA0003299408320000061
的算法的性能的曲线图；
图16和图17是示出通过变化导频信号功率Ppilot，算法对信道不准确性的相关性的曲线图；
图18和图19是示出了具有不同数量的BS天线的算法的性能的曲线图；以及
图20和图21是示出每用户的时间平均频谱效率的曲线图。
具体实施方式
在详细描述示范实施例之前，注意到实施例主要在于与具有未知信道信息的在线多输入多输出(MIMO)无线网络虚拟化(WNV)相关的设备组件和处理步骤的组合。相应地，在附图中，在适当的地方，已通过常规符号表示了组件，仅示出了与理解实施例有关的那些特定细节，以便不通过对具有本文中的描述的益处的本领域普通技术人员将容易显而易见的细节使本公开模糊。贯穿说明书，相同的数字指相同的元件。
如本文中所使用的，诸如“第一”和“第二”、“顶部”和“底部”等等的关系术语可以仅用于将一个实体或元件与另一实体或元件区分开，而不必要求或暗示此类实体或元件之间的任何物理或逻辑关系或顺序。本文中所使用的术语仅用于描述特定实施例的目的，并且不意图限制本文中所描述的概念。如本文中使用的，单数形式“一”、“一个”和“所述”意图也包括复数形式，除非上下文以其它方式清楚指示。将进一步理解，当在本文中使用术语“包括(comprise、comprising)”和/或“包含(include、including)”时，指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。
在本文中描述的实施例中，接合术语“与…通信”等等可以用于指示电通信或数据通信，这可以通过例如物理接触、感应、电磁辐射、无线电信令、红外信令或光信令来实现。本领域普通技术人员将意识到，多个组件可以互操作，并且修改和改变是可能实现电通信和数据通信的。
在本文中描述的一些实施例中，术语“耦合”、“连接”等等可以在本文中用于指示连接(尽管不必是直接的)，并且可以包括有线和/或无线连接。
本文中所使用的术语“网络节点”可以是在无线电网络中包括的任何种类的网络节点，所述网络节点进一步可以包括基站(BS)、无线电基站、基站收发信台(BTS)、基站控制器(BSC)、无线电网络控制器(RNC)、g节点B(gNB)、演进节点B(eNB或eNodeB)、节点B、诸如MSR BS的多标准无线电(MSR)无线电节点、多小区/多播协调实体(MCE)、集成接入和回程(IAB)节点、中继节点、控制中继的施主节点、无线电接入点(AP)、传输点、传输节点、远程无线电单元(RRU)远程无线电头端(RRH)、核心网络节点(例如，移动管理实体(MME)、自组织网络(SON)节点、协调节点、定位节点、MDT节点等)、外部节点(例如，第3方节点、当前网络外部的节点)、分布式天线系统(DAS)中的节点、频谱接入系统(SAS)节点、元件管理系统(EMS)等中的任何一个。网络节点还可以包括测试设备。本文中使用的术语“无线电节点”可以用于还表示无线装置(WD)，例如无线装置(WD)或无线电网络节点。
在一些实施例中，非限制性术语无线装置(WD)或用户设备(UE)可互换地使用。本文中的WD可以是能够通过无线电信号与网络节点或另一WD(诸如无线装置(WD))通信的任何类型的无线装置。WD还可以是无线电通信装置、目标装置、装置到装置(D2D)WD、机器类型WD或能够机器到机器通信(M2M)的WD、低成本和/或低复杂度WD、配备具有WD的传感器、平板电脑、移动终端、智能电话、膝上型嵌入式设备(LEE)、膝上型安装设备(LME)、USB加密狗、客户驻地设备(CPE)、物联网(IoT)装置或窄带IoT(NB-IOT)装置等。
而且，在一些实施例中，使用一般术语“无线电网络节点”。它可以是任何种类的无线电网络节点，所述无线电网络节点可以包括基站、无线电基站、基站收发信台、基站控制器、网络控制器、RNC、演进节点B(eNB)、节点B、gNB、多小区/多播协调实体(MCE)、IAB节点、中继节点、接入点、无线电接入点、远程无线电单元(RRU)远程无线电头端(RRH)中的任何一个。
注意到，尽管来自一个特定无线系统的例如诸如3GPP LTE和/或新空口(NR)的术语可以在本公开中使用，但是这不应该被看作将本公开的范围限制成仅前面提及的系统。包括但不限于宽带码分多址(WCDMA)、全球微波接入互操作性(WiMax)、超移动宽带(UMB)和全球移动通信系统(GSM)的其它无线系统也可以受益于利用本公开内所覆盖的思想。
进一步注意到，本文中描述为由无线装置或网络节点执行的功能可以在多个无线装置和/或网络节点上分布。换句话说，预期本文中描述的网络节点和无线装置的功能不限于由单个物理装置执行，并且实际上可以在若干物理装置之间分布。
除非以其它方式定义，否则本文中所使用的所有术语(包括技术和科学术语)具有与由本公开所属领域的普通技术人员通常理解的含义相同的含义。将进一步理解到，本文中使用的术语应该被解释为具有与在本说明书的上下文和相关领域中的它们的含义一致的含义，并且将不以理想化的或过度正式的意义被解释，除非本文中明确地那样定义。
实施例提供了由InP和若干SP形成的虚拟化MIMO无线网络。在每个小区中，InP拥有基站并执行虚拟化。SP(不知道彼此)服务它们自己的订户。假设网络的其它部分(包括核心网络和计算资源)已经被虚拟化。在一些实施例中，配置成与无线装置(WD)通信的网络节点包括处理电路，所述处理电路配置成通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。注意到，下面描述的算法和方法可以整体或部分地在核心网络节点或基站中或在云中执行。
现在参考附图，其中相同的元件由相同的参考标号指代，在图1中示出有根据实施例的通信系统10的示意图，所述通信系统10例如是可以支持诸如LTE和/或NR(5G)的标准的3GPP类型的蜂窝网络，其包括诸如无线电接入网络的接入网络12和核心网络14。接入网络12包括多个网络节点16a、16b、16c(统称为网络节点16)，诸如NB、eNB、gNB或其它类型的无线接入点，各自定义对应的覆盖区域18a、18b、18c(统称为覆盖区域18)。每个网络节点16a、16b、16c通过有线或无线连接20可连接到核心网络14。位于覆盖区域18a中的第一无线装置(WD)22a配置成无线地连接到对应的网络节点16c或被其寻呼。覆盖区域18b中的第二WD22b无线地可连接到对应的网络节点16a。虽然在此示例中示出了多个WD 22a、22b(统称为无线装置22)，但是所公开的实施例等同地可适用于其中单个WD在覆盖区域中或者其中单个WD正连接到对应的网络节点16的情形。注意到，尽管为了方便仅示出了两个WD 22和三个网络节点16，但是通信系统可以包括多得多的WD 22和网络节点16。
而且，预期到，WD 22可以处于同时通信和/或配置成与多于一个网络节点16和多于一种类型的网络节点16单独通信。例如，WD 22可以具有与支持LTE的网络节点16和支持NR的相同或不同的网络节点16的双连接性。作为示例，WD 22可以与针对LTE/E-UTRAN的eNB以及针对NR/NG-RAN的gNB通信。
通信系统10本身可以连接到主机计算机24，其可以体现在独立服务器、云实现的服务器、分布式服务器的硬件和/或软件中，或者体现为服务器场中的处理资源。主机计算机24可以在服务提供商的所有权或控制下，或者可以由服务提供商来操作或代表服务提供商来操作。通信系统10和主机24之间的连接26、28可以直接从核心网络14扩展到主机计算机24，或者可以经由可选的中间网络30扩展。中间网络30可以是公用、私用或托管网络中的一个，或者是公用、私用或托管网络中的多于一个的组合。中间网络30(如果有)可以是骨干网或因特网。在一些实施例中，中间网络30可以包括两个或更多个子网络(未示出)。
图1的通信系统作为整体使能所连接的WD 22a、22b中的一个与主机计算机24之间的连接性。所述连接性可以被描述为过顶(OTT)连接。主机计算机24和所连接的WD 22a、22b配置成使用接入网络12、核心网络14、任何中间网络30和可能的进一步基础设施(未示出)作为中间体，经由OTT连接来传递数据和/或信令。在OTT连接所经过的参与通信装置中的至少一些不知道上行链路和下行链路通信的路由选择的意义上，OTT连接可以是透明的。例如，可以不或者不需要告知网络节点16关于传入的下行链路通信(具有源自主机计算机24的被转发(例如，切换)到连接的WD 22a的数据)的过去路由选择。类似地，网络节点16不需要知道源自WD 22a朝向主机计算机24的传出上行链路通信的未来路由选择。
网络节点16配置成包括WNV单元32，所述WNV单元32配置成通过优化MIMO预编码以最小化在WD处经受网络节点功率约束的接收信号的预期偏差，来执行下行链路无线网络虚拟化。在一些实施例中，在第一时间间隔和第二时间间隔上考虑网络节点功率约束，其中第二时间间隔比第一时间间隔长。
根据实施例，现在将参考图2描述在前面的段落中讨论的WD 22、网络节点16和主机计算机24的示例实现。在通信系统10中，主机计算机24包括硬件(HW)38，所述硬件38其包括配置成设立和维持与通信系统10的不同通信装置的接口的有线或无线连接的通信接口40。主机计算机24进一步包括处理电路42，所述处理电路42可以具有存储和/或处理能力。处理电路42可以包括处理器44和存储器46。特别地，除了或替代诸如中央处理单元的处理器和存储器，处理电路42可以包括用于处理和/或控制的集成电路，例如适于执行指令的一个或多个处理器和/或处理器核和/或FPGA(现场可编程门阵列)和/或ASIC(专用集成电路)。处理器44可以配置成访问存储器46(例如，写入到和/或读取自)，所述存储器46可以包括任何种类的易失性和/或非易失性存储器，例如，高速缓存和/或缓冲存储器和/或RAM(随机存取存储器)和/或ROM(只读存储器)和/或光存储器和/或EPROM(可擦除可编程只读存储器)。
处理电路42可以配置成控制本文中描述的方法和/或过程中的任何一个和/或使例如由主机计算机24执行此类方法和/或过程。处理器44对应于用于执行本文中描述的主机计算机24功能的一个或多个处理器44。主机计算机24包括配置成存储数据、程序软件代码和/或本文中描述的其它信息的存储器46。在一些实施例中，软件48和/或主机应用50可以包括指令，所述指令当由处理器44和/或处理电路42执行时，使处理器44和/或处理电路42执行本文中相对于主机计算机24描述的过程。指令可以是与主机计算机24关联的软件。
软件48可以由处理电路42可执行。软件48包括主机应用50。主机应用50可以可操作以向远程用户(诸如经由在WD 22与主机计算机24处终止的OTT连接52连接的WD 22)提供服务。在向远程用户提供服务中，主机应用50可以提供使用OTT连接52传送的用户数据。“用户数据”可以是本文中描述为实现所描述功能性的数据和信息。在一个实施例中，主机计算机24可以被配置用于向服务提供商提供控制和功能性，并且可以由服务提供商来操作或代表服务提供商来操作。主机计算机24的处理电路42可以使能主机计算机24观察、监视、控制、向网络节点16和/或无线装置22传送和/或从网络节点16和/或无线装置22接收。
通信系统10进一步包括网络节点16，所述网络节点16在通信系统10中提供并包括使能其与主机计算机24通信和与WD 22通信的硬件58。硬件58可以包括用于设立和维持与通信系统10的不同通信装置的接口的有线或无线连接的通信接口60，以及用于设立和维持与位于由网络节点16服务的覆盖区域18中的WD 22的至少无线连接64的无线电接口62。无线电接口62可以形成为或者可以包括例如一个或多个RF传送器、一个或多个RF接收器和/或一个或多个RF收发器。通信接口60可以配置成促进到主机计算机24的连接66。连接66可以是直接的，或者它可以经过通信系统10的核心网络14和/或经过通信系统10外部的一个或多个中间网络30。
在示出的实施例中，网络节点16的硬件58进一步包括处理电路68。处理电路68可以包括处理器70和存储器72。特别地，除了或替代诸如中央处理单元的处理器和存储器，处理电路68可以包括用于处理和/或控制的集成电路，例如适于执行指令的一个或多个处理器和/或处理器核和/或FPGA(现场可编程门阵列)和/或ASIC(专用集成电路)。处理器70可以配置成访问存储器72(例如，写入到和/或读取自)，所述存储器72可以包括任何种类的易失性和/或非易失性存储器，例如，高速缓存和/或缓冲存储器和/或RAM(随机存取存储器)和/或ROM(只读存储器)和/或光存储器和/或EPROM(可擦除可编程只读存储器)。
因此，网络节点16进一步具有内部存储在例如存储器72中的或者存储在由网络节点16经由外部连接可访问的外部存储器(例如，数据库、存储阵列、网络存储装置等)中的软件74。软件74可以由处理电路68可执行。处理电路68可以配置成控制本文中描述的方法和/或过程中的任何一个和/或使此类方法和/或过程例如由网络节点16执行。处理器70对应于用于执行本文中描述的网络节点16功能的一个或多个处理器70。存储器72配置成存储数据、程序软件代码和/或本文中描述的其它信息。在一些实施例中，软件74可以包括指令，所述指令当由处理器70和/或处理电路68执行时，使处理器70和/或处理电路68执行本文中相对于网络节点16描述的过程。例如，网络节点16的处理电路68可以包括WNV单元32，所述WNV单元32配置成通过优化MIMO预编码以最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。在一些实施例中，在第一时间间隔和第二时间间隔上考虑网络节点功率约束，其中第二时间间隔比第一时间间隔长。
通信系统10进一步包括已提到的WD 22。WD 22可以具有硬件80，所述硬件80可以包括无线电接口82，所述无线电接口82配置成设立和维持与服务WD 22当前所位于的覆盖区域18的网络节点16的无线连接64。无线电接口82可以形成为或者可以包括例如一个或多个RF传送器、一个或多个RF接收器和/或一个或多个RF收发器。
WD 22的硬件80进一步包括处理电路84。处理电路84可以包括处理器86和存储器88。特别地，除了或替代诸如中央处理单元的处理器和存储器，处理电路84可以包括用于处理和/或控制的集成电路，例如适于执行指令的一个或多个处理器和/或处理器核和/或FPGA(现场可编程门阵列)和/或ASIC(专用集成电路)。处理器86可以配置成访问(例如，写入到和/或读取自)存储器88，所述存储器88可以包括任何种类的易失性和/或非易失性存储器，例如，高速缓存和/或缓冲存储器和/或RAM(随机存取存储器)和/或ROM(只读存储器)和/或光存储器和/或EPROM(可擦除可编程只读存储器)。
因此，WD 22进一步可以包括软件90，所述软件存储在例如WD 22处的存储器88中，或者存储在由WD 22可访问的外部存储器(例如数据库、存储阵列、网络存储装置等)中。软件90可以由处理电路84可执行。软件90可以包括客户端应用92。客户端应用92可以可操作以在主机计算机24的支持下经由WD 22向人类或非人类用户提供服务。在主机计算机24中，执行的主机应用50可以经由在WD 22和主机计算机24处终止的OTT连接52与执行的客户端应用92通信。在向用户提供服务中，客户端应用92可以从主机应用50接收请求数据并且响应于所请求的数据提供用户数据。OTT连接52可以传输请求数据和用户数据两者。客户端应用92可以与用户交互以生成它提供的用户数据。
处理电路84可以配置成控制本文中描述的方法和/或过程中的任何一个，和/或使此类方法和/或过程例如由WD 22执行。处理器86对应于用于执行本文中描述的WD 22功能的一个或多个处理器86。WD 22包括存储器88，所述存储器88被配置成存储数据、程序软件代码和/或本文中所描述的其它信息。在一些实施例中，软件90和/或客户端应用92可以包括指令，所述指令当由处理器86和/或处理电路84执行时，使处理器86和/或处理电路84执行本文中相对于WD 22描述的过程。
在一些实施例中，网络节点16、WD 22和主机计算机24的内部工作可以是如在图2中示出的，并且独立地，周围的网络拓扑可以是图1的网络拓扑。
在图2中，OTT连接52已被抽象地绘制以示出主机计算机24和无线装置22之间经由网络节点16的通信，而没有明确参考任何中间体装置和经由这些装置的消息的精确路由选择。网络基础设施可以确定路由选择，所述路由选择可以被配置成从WD 22或从操作主机计算机24的服务提供商或两者隐藏。当OTT连接52活动时，网络基础设施进一步可以进行决定，所述网络基础设施通过所述决定动态地变化路由选择(例如，在网络的重新配置或负载平衡考虑的基础上)。
WD 22和网络节点16之间的无线连接64根据贯穿本公开描述的实施例的教导。各种实施例中的一个或多个改进了使用OTT连接52(其中无线连接64可以形成最后的分段)提供到WD 22的OTT服务的性能。更精确地，这些实施例中的一些的教导可以改进数据速率、延迟和/或功耗，并且由此提供诸如减少的用户等待时间、对文件大小放松的限制、更好的响应性、扩展电池寿命等的益处。
在一些实施例中，可以为了监视一个或多个实施例对其进行改进的数据速率、延迟和以及其它因子的目的提供测量过程。进一步可以存在可选的网络功能性，以用于响应于测量结果的变化重新配置主机计算机24和WD 22之间的OTT连接52。用于重新配置OTT连接52的测量过程和/或网络功能性可以在主机计算机24的软件48中或在WD 22的软件90中或两者中实现。在实施例中，传感器(未示出)可以部署在OTT连接52所经过的通信装置中或与所述通信装置关联；传感器可以通过供应上面例示的所监视的量的值，或者供应其它物理量(软件48、90可以从其计算或估计所监视的量)的值来参与测量过程。OTT连接52的重新配置可以包括消息格式、重传设置、优选路由选择等；重新配置不需要影响网络节点16，并且它对于网络节点16可以是未知的或察觉不到的。一些此类过程和功能性在本领域中可能是已知的和实践的。在某些实施例中，测量可以涉及专有WD信令，所述专有WD信令促进吞吐量、传播时间、延迟等等的主机计算机24的测量。在一些实施例中，可以实现测量，因为软件48、90在其监视传播时间、错误等时使用OTT连接52来使消息(特别是空或“哑”消息)被传送。
因此，在一些实施例中，主机计算机24包括配置成提供用户数据的处理电路42和配置成将用户数据转发到蜂窝网络以用于传输到WD 22的通信接口40。在一些实施例中，蜂窝网络还包括具有无线电接口62的网络节点16。在一些实施例中，网络节点16配置成和/或网络节点16的处理电路68配置成执行本文中所描述的用于准备/发起/维持/支持/结束到WD 22的传输，和/或准备/终止/维持/支持/结束来自WD 22的传输的接收的功能和/或方法。
在一些实施例中，主机计算机24包括处理电路42和通信接口40，所述通信接口40配置成是配置成接收源自从WD 22到网络节点16的传输的用户数据的通信接口40。在一些实施例中，WD 22配置成执行本文中所描述的用于准备/发起/维持/支持/结束到网络节点16的传输，和/或准备/终止/维持/支持/结束来自网络节点16的传输的接收的功能和/或方法和/或包括配置成执行本文中所描述的用于准备/发起/维持/支持/结束到网络节点16的传输，和/或准备/终止/维持/支持/结束来自网络节点16的传输的接收的功能和/或方法的无线电接口82和/或处理电路84。
尽管图1和图2将诸如WNV单元32的各种“单元”示出为在相应的处理器内，但是预期到，这些单元可以被实现使得所述单元的一部分存储在处理电路内的对应存储器中。换句话说，所述单元可以在处理电路内以硬件或硬件和软件的组合来实现。
图3是示出根据一个实施例的在诸如例如图1和图2的通信系统的通信系统中实现的示范方法的流程图。通信系统可以包括主机计算机24、网络节点16和WD 22，它们可以是参考图2描述的那些。在所述方法的第一步骤中，主机计算机24提供用户数据(框S100)。在第一步骤的可选子步骤中，主机计算机24通过执行例如诸如主机应用50的主机应用来提供用户数据(框S102)。在第二步骤中，主机计算机24发起携带用户数据到WD 22的传输(框S104)。在可选的第三步骤中，根据贯穿本公开描述的实施例的教导，网络节点16向WD 22传送在主机计算机24发起的传输中携带过的用户数据(框S106)。在可选的第四步骤中，WD 22执行与由主机计算机24执行的主机应用50关联的客户端应用，例如诸如客户端应用92(框S108)。
图4是示出根据一个实施例在例如诸如图1的通信系统的通信系统中实现的示范方法的流程图。通信系统可以包括主机计算机24、网络节点16和WD 22，它们可以是参考图1和图2描述的那些。在方法的第一步骤中，主机计算机24提供用户数据(框S110)。在可选的子步骤(未示出)中，主机计算机24通过执行主机应用(例如诸如主机应用50)提供用户数据。在第二步骤中，主机计算机24发起携带用户数据到WD 22的传输(框S112)。根据贯穿本公开中描述的实施例的教导，传输可以经由网络节点16传递。在可选的第三步骤中，WD 22接收在传输中携带的用户数据(框S114)。
图5是示出根据一个实施例在例如诸如图1的通信系统的通信系统中实现的示范方法的流程图。通信系统可以包括主机计算机24、网络节点16和WD 22，它们可以是参考图1和图2描述的那些。在方法的可选第一步骤中，WD 22接收由主机计算机24提供的输入数据(框S116)。在第一步骤的可选子步骤中，WD 22执行客户端应用92，所述客户端应用92响应于由主机计算机24提供的接收的输入数据来提供用户数据(框S118)。附加地或备选地，在可选的第二步骤中，WD 22提供用户数据(框S120)。在第二步骤的可选子步骤中，WD通过执行客户端应用(例如诸如客户端应用92)来提供用户数据(框S122)。在提供用户数据中，执行的客户端应用92进一步可以考虑从用户接收的用户输入。不管其中提供用户数据的特定方式如何，在可选的第三子步骤中，WD 22可以发起到主机计算机24的用户数据的传输(框S124)。在该方法的第四步骤中，根据贯穿本公开描述的实施例的教导，主机计算机24接收从WD 22传送的用户数据(框S126)。
图6是示出根据一个实施例在例如诸如图1的通信系统的通信系统中实现的示范方法的流程图。通信系统可以包括主机计算机24、网络节点16和WD 22，它们可以是参考图1和图2描述的那些。在方法的可选第一步骤中，根据贯穿本公开描述的实施例的教导，网络节点16从WD 22接收用户数据(框S128)。在可选第二步骤中，网络节点16发起到主机计算机24的所接收的用户数据的传输(框S130)。在第三步骤中，主机计算机24接收在由网络节点16发起的传输中携带的用户数据(框S132)。
图7是根据本公开原理用于具有未知信道信息的在线多输入多输出(MIMO)无线网络虚拟化(WNV)的网络节点16中的示范过程的流程图。本文所描述的一个或多个框可以由网络节点16的一个或多个元件(例如由处理电路68(包括WNV单元32)、处理器70、无线电接口62和/或通信接口60中的一个或多个)执行。网络节点16例如经由处理电路68和/或处理器70和/或无线电接口62和/或通信接口60被配置成通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化(框S134)。在一些实施例中，在第一时间间隔和第二时间间隔上考虑网络节点功率约束，其中第二时间间隔比第一时间间隔长。
已经描述了本公开的布置的一般过程流程图，并且已经提供了用于实现本公开的过程和功能的硬件和软件布置的示例，下面的章节提供了用于具有未知信道信息的在线多输入多输出(MIMO)无线网络虚拟化(WNV)的布置的细节和示例。
系统模型
考虑由拥有配备具有N个天线的网络节点16的InP组成的虚拟化小区中的下行链路传输。假设M个SP共享网络节点16处的N个天线和由InP提供的频谱资源。每个SPm具有Km个订阅用户。让
Figure BDA0003299408320000161
且
Figure BDA0003299408320000162
在小区中存在总共存在
Figure BDA0003299408320000163
个用户且让
Figure BDA0003299408320000164
假设K≤N。
考虑分时隙的系统(slotted system)。让
Figure BDA0003299408320000165
表示在时隙t在网络节点16与所有K个用户之间的MIMO信道。假设MIMO块衰落信道模型，其中H(t)在每个块中保持恒定并且从块到块独立地变化。因此，H(t)在时隙上是独立的并且等同地分布(i.i.d.)。H(t)的概率分布可以是任意的，但是是未知的。假设在任何给定时隙，信道增益由常数B限定为
Figure BDA0003299408320000166
这在实际系统中适用，因为信道衰减信号。
图8中示出了虚拟化MIMO无线网络的调度和预编码。让
Figure BDA0003299408320000167
表示SPm(网络节点16)及其服务用户
Figure BDA0003299408320000168
之间的信道矩阵。在每个时隙t≥0，InP与
Figure BDA0003299408320000169
共享Hm(t)。使用Hm(t)，每个SPm设计其自己的预编码矩阵
Figure BDA00032994083200001610
并将其作为虚拟预编码矩阵发送到InP。对于SPm，通过预编码矩阵Wm(t)，(Km个用户的)虚拟接收信号向量
Figure BDA00032994083200001611
是
y′m(t)＝Hm(t)Wm(t)xm(t)+zm(t)
其中
Figure BDA0003299408320000171
是传送信号向量，并且
Figure BDA0003299408320000172
是接收器加性噪声向量。定义
Figure BDA0003299408320000173
所有K个用户的虚拟接收信号向量，导致以下：
y′(t)＝D(t)x(t)+z(t)
其中
Figure BDA0003299408320000174
可以被视为由下式定义的虚拟化需求
Figure BDA0003299408320000175
其中
Figure BDA0003299408320000176
是到所有K个用户的传送信号向量，并且
Figure BDA0003299408320000177
是接收器加性噪声向量。
在每个时隙t≥0，InP设计实际下行链路预编码矩阵
Figure BDA0003299408320000178
其中对于
Figure BDA0003299408320000179
是实际下行链路预编码矩阵。通过SPm的Km个用户的实际接收信号向量
Figure BDA00032994083200001710
是
Figure BDA00032994083200001711
其中第二项是从其它SP到SPm的用户的SP间干扰。所有K个用户的实际接收信号向量
Figure BDA00032994083200001712
是
y(t)＝H(t)V(t)x(t)+z(t)
假设在每个时隙t≥0的传送信号向量x(t)是零均值，与单位功率不相关(即，
Figure BDA00032994083200001713
且
Figure BDA00032994083200001714
SP的虚拟预编码和InP的实际预编码之间的接收信号向量的预期偏差是
Figure BDA00032994083200001715
注意到，每个SPm设计其自己的虚拟预编码矩阵Wm(t)而不考虑SP间干扰，而InP设计实际下行链路预编码矩阵V(t)以减轻SP间干扰，以便满足来自SP的虚拟化需求D(t)。
问题公式化
如上面所提及的，InP通过优化MIMO预编码以最小化在用户处经受长期和短期网络节点功率约束两者的接收信号的预期偏差来执行下行链路WNV。公式化的优化问题由以下给出：
Figure BDA0003299408320000181
Figure BDA0003299408320000182
Figure BDA0003299408320000183
其中
Figure BDA0003299408320000184
是平均功率限制，并且Pmax是最大网络节点功率，二者由InP设置，并且假设
Figure BDA0003299408320000185
以避免琐事(triviality)。注意到，V(t)是H(t)的函数(其是随机的)。P1是随机优化问题，求解其是有挑战性的，尤其当CDI未知时。
不准确CSI：除了未知的CDI，还考虑对InP可用的CSI不准确的场景。特定地，InP仅具有在每个时隙t≥0的估计CSI
Figure BDA0003299408320000186
假设归一化信道估计误差由δ∈[0，1].限定，由以下给出：
Figure BDA0003299408320000187
在这种情况下，每个SPm仅具有来自InP的估计的CSI
Figure BDA0003299408320000188
以设计其虚拟预编码矩阵，其在每个时隙t≥0由
Figure BDA0003299408320000189
表示。结果，仅虚拟化需求的不准确版本
Figure BDA00032994083200001810
可用于InP来设计由
Figure BDA00032994083200001811
表示的预编码矩阵。在未知的CDI和仅不准确CSI
Figure BDA00032994083200001812
的情况下，求解P1甚至更有挑战性。
注意到，P1可以被视为随时间的随机优化问题，其中H(t)是未知的系统状态且预编码矩阵V(t)是在时隙t的控制动作。这类似于具有随时间的观察系统状态的系统的随机优化，使得长时间平均预期成本目标被最小化，同时满足短期和长期平均预期约束两者。
通过上面问题公式化，在未知CDI和不准确CSI下开发了在线MIMOWNV算法，以找到针对P1的解。一般的Lyapunov优化方法被采用以用于在线算法设计。然而，与基于完美系统状态的Lyapunov优化的标准DPP技术不同，开发了技术以基于不准确的系统状态信息来设计算法，这将被示出为提供确定性的性能限定。此外，算法被示出为提供比与标准Lyapunov优化技术关联的保证强得多的样本路径和收敛时间保证。
备注1。注意到，尽管假设随时间的i.i.d.信道状态H(t)，算法和分析也可以扩展到Markovian信道。
在线MIMO WNV
在线MIMO WNV算法
考虑在每个时隙t≥0仅不准确CSI
Figure BDA0003299408320000191
可用，并且在不准确CSI下用户处的接收信号的偏差定义为
Figure BDA0003299408320000192
遵循一般Lyapunov优化技术，引入用于约束(3)的具有更新规则的虚拟队列Z(t)
Figure BDA0003299408320000193
进一步将
Figure BDA0003299408320000194
定义为二次Lyapunov函数，并将
Figure BDA0003299408320000195
定义为针对所有时隙t≥0的对应Lyapunov漂移。在Lyapunov优化框架中，替代直接最小化P1中的目标，在一些实施例中，通过最小化DPP度量
Figure BDA0003299408320000196
来稳定虚拟队列，同时最小化在不准确CSI下用户的接收信号的偏差。此度量是对在不准确CSI下在用户处的接收信号的每时隙Lyapunov漂移Δ(t)和偏差
Figure BDA0003299408320000197
的虚拟队列Z(t)的条件期望的加权和，其中U＞0是权重。首先，DPP度量的上限在以下引理(Lemma)中提供。
引理1.在任何预编码设计算法下，DPP度量具有针对所有Z(t)和U＞0的以下上限：
Figure BDA0003299408320000198
其中
Figure BDA0003299408320000199
由于Δ(t)中涉及的动态特性，直接最小化漂移加惩罚(DPP)度量仍然是困难的。替代地，上面的上限被最小化。特定地，在每个时隙t≥0给定
Figure BDA00032994083200001910
通过去除期望和常数S，取(7)中的上限的每时隙版本，获得以下每时隙优化问题：
Figure BDA00032994083200001911
Figure BDA00032994083200001912
图9提供了在未知CDI和不准确CSI下工作的示范在线MIMO VNW过程的流程图。所述过程包括让U是大于零的常数参数并且让Z(0)＝0(框S136)。该过程还包括观察
Figure BDA00032994083200002011
和Z(t)并针对
Figure BDA00032994083200002012
求解P2(框S138)。该过程还包括根据下式更新虚拟队列
Figure BDA0003299408320000201
(框S140)。
在线预编码解决方案
每时隙优化问题P2是凸优化问题。Slater的条件对P2成立，因为示出
Figure BDA00032994083200002013
是可行的解是容易的，并且因此强对偶性成立。将针对P2的具有拉格朗日乘子λ的拉格朗日函数定义为
Figure BDA0003299408320000202
采取关于
Figure BDA0003299408320000203
的复共轭)的导数并将其设置为0，得到：
Figure BDA0003299408320000204
让
Figure BDA0003299408320000205
是对P2的最优解。由于强对偶性对P2成立，因此全局最优性的KarushKuhnTucker(KKT)条件为：
Figure BDA0003299408320000206
Figure BDA0003299408320000207
λ＊≥0， (12)
Figure BDA0003299408320000208
首先，考虑Z(t)+λ＊＞0，使得
Figure BDA0003299408320000209
其遵循(10)，因为
Figure BDA00032994083200002010
根据互补松弛条件(13)，如果(11)由(14)满足(其中λ＊＝0)，则其被用作预编码设计。否则，找到λ＊＞0，使得
Figure BDA0003299408320000211
然后，从(10)开始考虑Z(t)＝λ＊＝0。最优解可以满足：
Figure BDA0003299408320000212
因为
Figure BDA0003299408320000213
并假设K≤N，存在取决于K和N的两种情况。首先，如果K＜N，则方程(15)是具有无限多解的针对
Figure BDA0003299408320000214
的欠定(under-determined)方程组。最小化经受(15)的
Figure BDA0003299408320000215
的欠定最小二乘问题具有如下封闭形式解：
Figure BDA0003299408320000216
然后，如果(11)由(16)满足，则(11)被用作预编码设计。否则，
Figure BDA0003299408320000217
具有形式(14)并且然后找到λ＊＞0，使得
Figure BDA0003299408320000218
其次，如果K＝N，
Figure BDA0003299408320000219
是具有概率1的满秩，并且因此(15)具有唯一解
Figure BDA00032994083200002110
然后，如果(11)由(17)满足，则(11)被用作预编码设计。否则，
Figure BDA00032994083200002111
具有形式(14)，并且然后找到λ＊＞0，使得
Figure BDA00032994083200002112
备注2。假设用户和网络节点16天线是独立的，使得随机信道矩阵
Figure BDA00032994083200002113
在每个时隙t≥0是具有概率1的满秩。
图10提供了对每时隙优化问题P2的示范在线预编码解决方案的流程图。该过程在框S142开始，确定是否Z(t)＝0。如果不是，则该过程在框S144继续，其中计算下式：
Figure BDA00032994083200002114
然后，当
Figure BDA00032994083200002115
(框S146)。如果不是，则该过程结束。如果
Figure BDA00032994083200002116
则该过程在框S148继续，其中将Z(t)＞0代入(14)并找到λ＊＞0，使得
Figure BDA00032994083200002117
然后计算下式并且过程结束：
Figure BDA00032994083200002118
(框S150)。返回到框S142，如果Z(t)＝0，则确定是否K＜N(框S152)。如果不是，则过程继续到框S154，其中计算下式：
Figure BDA0003299408320000221
并且过程继续到框S156。如果K＜N，则计算下式：
Figure BDA0003299408320000222
(框S158)。过程继续到框S156，其中确定是否
Figure BDA0003299408320000223
如果不是，则过程结束。否则，将Z(t)＞0代入(14)并找到λ＊＞0，使得
Figure BDA0003299408320000224
(框S160)。然后，过程结束。
性能分析
考虑由SP采用的两种常见的预编码方案，匹配滤波(MF)和迫零(ZF)，并且分析在准确和不准确CSI两者下在线MIMO WNV算法的性能。
通过SP的虚拟预编码
假设
Figure BDA0003299408320000225
设计其虚拟预编码矩阵
Figure BDA0003299408320000226
或者采用匹配滤波(MF)预编码方案以最大化信噪比(SNR)，或者采用迫零(ZF)预编码方案以消除多用户干扰。
MF预编码
表示M′是采用MF预编码方案的SP的数量并且让
Figure BDA0003299408320000227
假定
Figure BDA0003299408320000228
在每个时隙t≥0采用MF预编码方案作为
Figure BDA0003299408320000229
其中
Figure BDA00032994083200002210
是功率归一化因子，
Figure BDA00032994083200002211
使得SP m′请求Pm′网络节点功率
Figure BDA00032994083200002212
ZF预编码
假定
Figure BDA00032994083200002213
采用ZF预编码方案来在每个时隙t≥0消除用户间干扰作为
Figure BDA00032994083200002310
其中
Figure BDA0003299408320000231
是功率归一化因子：
Figure BDA0003299408320000232
使得SP m请求Pm网络节点功率
Figure BDA0003299408320000233
准确CSI下的性能限定
考虑准确CSI的情况，使得
Figure BDA0003299408320000234
并且注意到，假设方程(1)。导出在准确CSI下由该算法实现的确定性性能限定。然后，提供虚拟队列Z(t)的确定性上限的以下引理成立。
引理2.在准确CSI下，由算法在每个时隙t≥0获得的虚拟队列Z(t)由下式限定
Figure BDA0003299408320000235
其中
Figure BDA0003299408320000236
并且
Figure BDA0003299408320000237
表示{Vopt(t)}作为对P1的最优解，其取决于H(t)的未知CDI，并且定义(2)中给出的P1的最优值中的ρopt。以下定理总结了在准确CSI下算法的确定性性能限定。
定理3.对于给定∈＞0，设置参数
Figure BDA0003299408320000238
其中常数S在下面(7)中定义。对于在准确CSI下由算法产生的·V＊(t)，以下限定对任何T≥1成立，而与H(t)的分布无关
Figure BDA0003299408320000239
Figure BDA0003299408320000241
备注3.定理3陈述了在没有CDI的情况下在准确CSI下由算法实现的性能可以任意接近于在知道CDI的情况下由对P1的最优解实现的性能，因为∈是可以设置任意小的可控常数。注意到，标准DPP技术仅确保
Figure BDA0003299408320000242
定理3提供了比由标准DPP技术所确保的保证强得多的对平均网络节点功率的样本路径保证。此外，定理3还提供了
Figure BDA0003299408320000243
收敛时间保证以达到∈-近似解。
在不准确CSI下的性能限定
考虑不准确CSI的情况，使得真实CSIH(t)是未知的但如(1)中限定，并且仅不准确
Figure BDA0003299408320000244
可用，其中在每个时隙t≥0信道不准确性如(5)中限定。导出在本子章节中在不准确CSI下由算法实现的确定性性能限定。本子章节中的分析将基于准确系统状态信息的标准DPP技术扩展到不准确系统状态信息，这要求DPP度量和虚拟队列Z(t)的新的确定性上限。以下引理给出了在不准确CSI下虚拟队列Z(t)的新的确定性上限。
引理4.在不准确CSI下，在每个时隙t≥0由算法获得的Z(t)由下式限定：
Figure BDA0003299408320000245
让
Figure BDA0003299408320000246
是
Figure BDA0003299408320000247
的特征值分解，其中
Figure BDA0003299408320000248
是酉矩阵(unitary matrix)并且
Figure BDA0003299408320000249
分别在准确和不准确CSI下，当
Figure BDA00032994083200002410
采用(18)中的MF预编码方案并且
Figure BDA00032994083200002411
采用(19)中的ZF预编码方案时让D(t)和
Figure BDA00032994083200002412
产生。以下引理提供了||D(t)||F和
Figure BDA00032994083200002413
的确定性上限以及
Figure BDA00032994083200002414
的确定性O(δ)上限。
引理5.对于所有t≥0，以下限定成立
||D(t)||F≤ζB， (20)
Figure BDA0003299408320000251
Figure BDA0003299408320000252
其中
Figure BDA0003299408320000253
Figure BDA0003299408320000254
Figure BDA0003299408320000255
Figure BDA0003299408320000256
定义
Figure BDA0003299408320000257
并注意
Figure BDA0003299408320000258
通过在算法下在每个时隙t≥0的最优解
Figure BDA0003299408320000259
在P2中最小化。以下引理提供了与
Figure BDA00032994083200002510
相关的
Figure BDA00032994083200002511
确定性O(δ)上限，其中{Vopt(t)}是在准确CSI和知道CDI的情况下对P1的最优解。
引理6.对于在不准确CSI下由算法获得的
Figure BDA00032994083200002512
对于所有时间，时隙t≥0，
Figure BDA00032994083200002513
被限定上限为：
Figure BDA00032994083200002514
其中
Figure BDA00032994083200002515
并且注意到，在当δ→0时
Figure BDA00032994083200002516
的意义上
Figure BDA00032994083200002517
利用引理6的结果，以下引理提供了在不准确CSI下DPP度量的新的确定性性能限定。
引理7.让
Figure BDA00032994083200002518
在不准确CSI下由算法获得。对于所有时隙t≥0，DPP度量被限定上限为
Figure BDA00032994083200002519
以下定理总结了在不准确CSI下由算法实现的确定性性能限定。定理遵循引理7。
定理8.对于给定的∈＞0，设置参数
Figure BDA0003299408320000261
对于在不准确CSI下由算法产生的
Figure BDA0003299408320000262
以下限定对任何T≥1成立，而不管H(t)的分布
Figure BDA0003299408320000263
Figure BDA0003299408320000264
其中
Figure BDA0003299408320000265
备注4.定理8陈述了在没有CDI情况下在不准确CSI下由算法实现的性能可以任意接近于在准确CSI和知道CDI的情况下由对P1的最优解实现的性能的确定性O(δ)上限，因为∈可以被设置任意小。定理8还提供了强的样本路径保证和
Figure BDA0003299408320000266
收敛时间保证以达到∈-近似解。注意到，如果δ＝0，则恢复定理3。
定理8提供了在不准确CSI下由算法得到的预期O(δ)性能限定。然而，定理8使用在准确CSI下收集虚拟化需求的假设。当在不准确CSI下收集虚拟化需求
Figure BDA0003299408320000267
时，将
Figure BDA0003299408320000268
表示为对P1的最优解，并且
Figure BDA0003299408320000269
由最优解实现。考虑到不准确的虚拟化需求，以下定理提供了确定性的O(δ)性能限定。
定理9.对于给定∈＞0，设置参数
Figure BDA00032994083200002610
对于在不准确CSI下由算法产生的
Figure BDA00032994083200002611
以下限定对于任何T≥1成立，而不管H(t)的分布
Figure BDA00032994083200002612
其中
Figure BDA00032994083200002613
数值性能评估
考虑拥有具有置于500m半径的城市六边形微小区的中心的30个天线的网络节点16的InP。InP服务4个SP，每个跨小区具有均匀分布的2至5个单天线用户。遵循典型的LTE网络设置，设置16dBm的最大下行链路网络节点功率、设置10dBm的最大上行链路功率、设置-174dBm/Hz的噪声频谱密度、设置10kHz的信道带宽、并且假设10dB噪声系数作为默认系统参数。默认网络参数的示例集合在表I中概括。
表I：默认网络参数
参数 值 参数 值
R<sub>c</sub> 500m N 30
K<sub>m</sub> 2-5 M 4
BW 10kHz N<sub>0</sub> -174dBm/Hz
NF 10dB P<sub>max</sub> 16dBm
P<sub>pilot</sub> 10dBm L 1
为了说明，将网络节点16链接到用户
Figure BDA0003299408320000271
的基带衰落信道建模为
Figure BDA0003299408320000272
βk|[dB]＝-31.54-10γ log10 dk-ψk
其中βk捕获路径损耗和大尺度衰落，在城市微小区(2.7-3.5)的范围中的γ＝3.3是简化的路径损耗模型的路径损耗指数，dk是从网络节点16到用户k的距离，
Figure BDA0003299408320000273
考虑遮蔽效应，其中
Figure BDA0003299408320000274
并且
Figure BDA0003299408320000275
将对小尺度衰落建模。
对于不准确CSI的生成，假设CSI通过时分双工(TDD)模式中的反向信道估计获得，并且假设网络节点16通过从最终用户通过某一给定功率Ppilot逐一发送的数量为L个导频信号来估计信道。假设公共最小均方误差(MMSE)信道估计方案将不准确CSI建模为
Figure BDA0003299408320000276
其中ek是具有由以下给出的协方差的高斯分布：
Figure BDA0003299408320000277
其中
Figure BDA0003299408320000278
和
Figure BDA0003299408320000279
是噪声功率。将相对信道估计误差定义为
Figure BDA00032994083200002710
备注5.在线MIMO WNV算法通过未知CDI工作，并且仅假设信道增益和信道不准确性在(1)和(5)中限定。特定信道和信道估计模型的使用是要在典型LTE网络设置下验证算法。
将下式定义为性能度量，归一化平均下行链路消息偏差
Figure BDA0003299408320000281
以及平均下行链路网络节点功率
Figure BDA0003299408320000282
假设信道功率在(1)中被限定，并且在仿真研究中设置
Figure BDA0003299408320000283
为了说明，在仿真中采用SP之间的相等最大网络节点功率分配策略，即
Figure BDA0003299408320000284
参数U的影响
我们评估具有不同的加权因子
Figure BDA0003299408320000285
的算法的性能。定理3和定理8陈述分别在准确和不准确CSI下，算法性能可以任意接近于最优性或具有对最优性的O(δ)性能限定。在仿真研究中，设置有∈＝θB2Pmax，因为根据(20)
Figure BDA0003299408320000286
这允许替代地通过变化θ来研究算法性能对U的相关性。θ被设置为0.1％，作为剩余仿真的默认仿真参数。
图11和图12示出了当所有SP分别采用MF和ZF预编码时，性能度量相对于θ，其中
Figure BDA0003299408320000287
并且平均信道估计误差eH＝6.66％。观察到，即使具有非常小的θ值，算法也快速收敛。当θ减小时，需要更多的时隙来达到稳定状态，因为存在对下行链路消息偏差的更大的惩罚，使得对于算法来稳定化虚拟队列更难，但是在时隙T增加时性能曲线全部收敛。此外，因为∈随θ减小，
Figure BDA0003299408320000288
的稳定值减小并且
Figure BDA0003299408320000289
收敛到
Figure BDA00032994083200002810
这与定理3和定理8中的结果一致。图13示出了在SP自由选择MF或ZF预编码方案并且信道分布随时间而演进的实用场景下的算法性能。算法能够跟踪信道分布演进，同时将下行链路消息偏差限制在2％(θ＝0.1％)内并且满足长期网络节点功率约束。
性能相对于平均功率限制
Figure BDA0003299408320000291
如图14和图15在示出的，评估了针对不同平均功率限制
Figure BDA0003299408320000292
的算法的性能。当
Figure BDA0003299408320000293
时，即对于由SP采用的两种预编码方案，在准确CSI下，长期网络节点功率限制被去除时，
Figure BDA0003299408320000294
的稳定值为大约1％。此外，准确和不准确CSI情况之间的性能差距也很小，大约1％。注意到，SP针对所有时隙请求16dBm最大网络节点功率，在
Figure BDA0003299408320000295
和
Figure BDA0003299408320000296
的稳定值之间产生有自然的折衷，这允许InP平衡其功耗和所提供的服务质量。观察到，即使当
Figure BDA0003299408320000297
时，
Figure BDA0003299408320000298
的稳定值仍然很小(在6％内)。此外，
Figure BDA0003299408320000299
的稳定值全部收敛到不同的平均功率限制
Figure BDA00032994083200002910
设置。
性能相对于导频信号功率Ppilot
如图16和图17中示出的，通过变化导频信号功率Ppilot已经研究了算法对信道不准确性的相关性。观察到，
Figure BDA00032994083200002916
的稳定值增加但是在对准确CSI情况大约3％差距内，其中信道估计误差从6.66％增加到12.94％，因为导频信号功率Ppilot从10dBm减小到4dBm。此外，当与当所有SP使用MF预编码时的情况相比，所有SP采用ZF预编码时下行链路消息偏差对信道的不准确性更敏感。此外，观察到信道不准确性对算法收敛和
Figure BDA00032994083200002911
的影响是可忽略的。
性能相对于天线数量N
图18和图19中示出了使用不同数量的网络节点天线的算法的性能。随着天线数量增加，
Figure BDA00032994083200002912
的稳定值减小，因为InP具有用于下行链路波束成形的更多的自由度来减轻SP间干扰，因此增加了服务质量，从而指示大规模MIMO的优势。不准确和准确CSI情况之间的性能差距也随天线数量的增加而减小。网络节点天线的数量对算法收敛和
Figure BDA00032994083200002913
的影响被观察到是可忽略的。
与非虚拟化系统的比较
进一步比较的是本文所描述的方法与在相同的短期和长期网络节点功率约束下的非虚拟化系统之间的系统吞吐量。对于非虚拟化系统，假设InP直接服务所有最终用户，并在每一个时隙t≥0设计不准确CSI
Figure BDA00032994083200002914
下的实际下行链路预编码矩阵
Figure BDA00032994083200002915
InP通过利用MF或ZF预编码优化网络节点功率分配来最大化经受短期和长期网络节点功率约束两者的预期系统吞吐量，如下所示：
Figure BDA0003299408320000301
Figure BDA0003299408320000302
Figure BDA0003299408320000303
其中
Figure BDA0003299408320000304
Figure BDA0003299408320000305
通过引入具有如下更新规则的虚拟队列Z′(t)来利用Lyapunov优化：
Figure BDA0003299408320000306
以将P3转换成以下每时隙问题，其中U′＞0
Figure BDA0003299408320000307
Figure BDA0003299408320000308
其在
Figure BDA0003299408320000309
中是凸的并且可以通过研究KKT条件来求解。非虚拟化系统中的InP通过在每一个时隙t≥0观察Z′(t)和
Figure BDA00032994083200003010
求解P4以获得实际下行链路预编码矩阵
Figure BDA00032994083200003011
并且然后更新虚拟队列来最大化预期的系统吞吐量。
图20和图21示出了当所有SP和InP在非虚拟化系统中分别采用MF和ZF预编码时，由具有
Figure BDA00032994083200003012
的虚拟化和非虚拟化网络实现的每用户时间平均频谱效率
Figure BDA00032994083200003013
注意到，来自SP的频谱效率需求高于所实现的实际频谱效率，因为SP在不考虑来自其它SP的干扰的情况下设计请求最大网络节点功率(例如Pmax＝16dBm)的所述SP的预编码矩阵。与非虚拟化网络相比，采用本文描述的在线MIMO WNV算法的虚拟化网络为SP提供有设计自身预编码矩阵的灵活性，并实现了更高的频谱效率。较高的频谱效率来自于以下事实：在线预编码最小化在用户处的接收信号的预期偏差，同时处置SP间干扰，这在有限的网络节点功率预算下改进了系统吞吐量。
因此，一些实施例提供了具有未知CDI和不准确CSI的在线MIMO WNV算法。可以仅假设信道增益和归一化信道不准确性量度被限定(例如，信道不准确性量度甚至可能由于量化误差而被偏置)来设计算法。
在用户处经受长期和短期网络节点功率约束两者的在SP的虚拟预编码和InP的实际预编码之间的接收信号的预期偏差可以被最小化。
在线预编码解决方案可以具有半封闭形式，类似于注水预编码解决方案，其可以具有低计算复杂度并且可以实现其可能不复杂。算法通过由SP采用的任何预编码方案工作，以设计它们自己的虚拟预编码矩阵。
一些实施例涵盖其中SP采用普通预编码方案来示出系统性能的实用场景。允许SP选择MF预编码以最大化SNR或者选择ZF预编码以消除用户间干扰。此外，SP可以根据InP和SP之间的任何预先约定的功率分配策略来请求网络节点功率的量。
在准确CSI下，算法可能不要求CDI的先验知识，但是可以能够接近于可以通过具有CDI实现的最优性来任意地执行。
在不准确CSI下，算法可能不要求CDI的先验知识，但是可能接近于O(δ)性能差距而任意地执行。这可以导致可以在准确CSI和知道CDI的情况下实现的最优性。
考虑到由SP采用的不同预编码方案、不同平均网络节点功率限制、不同信道不准确性和不同数量的网络节点天线，在典型LTE网络设置下已经验证了算法的性能。观察到快速收敛和跟踪信道分布随时间的演进的能力。
采用算法的一些实施例的虚拟化无线网络为SP提供有设计其自己的预编码矩阵的灵活性，并且与直接为所有用户服务MF或ZF预编码的非虚拟化系统相比，实现了更高的系统吞吐量。
因此，根据一个方面，配置成与无线装置22(WD)通信的网络节点16包括处理电路，所述处理电路配置成通过最小化在WD 22处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
根据此方面，在一些实施例中，预期偏差的最小化至少部分地基于服务提供商的虚拟预编码和基础设施提供商的实际预编码之间的偏差。在一些实施例中，最小化进一步至少部分地基于服务提供商间干扰。在一些实施例中，最小化至少部分地基于不准确的信道状态信息。在一些实施例中，在不知道信道分布信息的情况下执行最小化。在一些实施例中，当服务提供商使用匹配滤波或迫零方法来计算其虚拟预编码矩阵时，虚拟化被限定。
根据一个方面，网络节点16配置成与无线装置22通信。网络节点16包括处理电路68，所述处理电路68配置成通过最小化在WD 22处经受网络节点16上的功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
根据此方面，在一些实施例中，预期偏差在服务提供商的虚拟预编码和基础设施提供商的实际预编码之间。在一些实施例中，最小化至少部分地基于服务提供商之间的干扰。在一些实施例中，最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。在一些实施例中，功率约束包括至少一个短期功率约束和至少一个长期功率约束。在一些实施例中，在不知道信道分布信息的情况下执行最小化。在一些实施例中，每个服务提供商独立地确定服务提供商的虚拟预编码矩阵。在一些实施例中，由服务提供商确定的虚拟预编码矩阵与预定下行链路功率关联。在一些实施例中，最小化在
Figure BDA0003299408320000321
收敛时间内发生以达到∈-近似解。在一些实施例中，当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，下行链路无线网络虚拟化被限定。
根据另一方面，一种在网络节点16中的方法配置成与无线装置WD 22通信。该方法包括通过最小化在WD 22处经受网络节点16上的功率约束的接收信号的预期偏差，经由处理电路68来执行下行链路无线网络虚拟化。
在一些实施例中，预期偏差在服务提供商的虚拟预编码和基础设施提供商的实际预编码之间。在一些实施例中，最小化至少部分地基于服务提供商之间的干扰。在一些实施例中，最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。在一些实施例中，功率约束包括至少一个短期功率约束和至少一个长期功率约束。在一些实施例中，在不知道信道分布信息的情况下执行最小化。在一些实施例中，每个服务提供商独立地确定服务提供商的虚拟预编码矩阵。在一些实施例中，由服务提供商确定的虚拟预编码矩阵与预定下行链路功率关联。在一些实施例中，最小化在
Figure BDA0003299408320000331
收敛时间内发生以达到∈-近似解。在一些实施例中，当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，下行链路无线网络虚拟化被限定。
实施例A1.一种配置成与无线装置22(WD)通信的网络节点，所述网络节点配置成和/或包括无线电接口和/或包括处理电路，其被配置成：
通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
实施例A2.根据实施例A1所述的网络节点，其中所述预期偏差的最小化至少部分地基于服务提供商的虚拟预编码与基础设施提供商的实际预编码之间的偏差。
实施例A3.根据实施例A2所述的网络节点，其中所述最小化进一步至少部分地基于服务提供商间干扰。
实施例A4.根据实施例A1-A3中任一项所述的网络节点，其中所述最小化至少部分地基于不准确的信道状态信息。
实施例A5.根据实施例A1-A4中任一项所述的网络节点，其中在不知道信道分布信息的情况下执行最小化。
实施例A6.根据实施例A1-A5中任一项所述的网络节点，其中当服务提供商使用匹配滤波或迫零方法来计算它们的虚拟预编码矩阵时，所述虚拟化被限定。
实施例B1.一种在网络节点中实现的方法，所述方法包括：
通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。
实施例B2.根据实施例B1所述的方法，其中预期偏差的最小化至少部分地基于服务提供商的虚拟预编码与基础设施提供商的实际预编码之间的偏差。
实施例B3.根据实施例B2所述的方法，其中所述最小化进一步至少部分地基于服务提供商间干扰。
实施例B4.根据实施例B1-B3中任一项所述的方法，其中所述最小化至少部分地基于不准确的信道状态信息。
实施例B5.根据实施例B1-B4中任一项所述的方法，其中在不知道信道分布信息的情况下执行所述最小化。
实施例B6.根据实施例B1-B5中任一项所述的方法，其中当服务提供商使用匹配滤波或迫零方法来计算它们的虚拟预编码矩阵时，所述虚拟化被限定。
如由本领域技术人员将意识到的，本文描述的概念可以体现为方法、数据处理系统和/或计算机程序产品和/或存储可执行计算机程序的计算机存储媒体。相应地，本文描述的概念可以采取完全硬件实施例、完全软件实施例或组合软件和硬件方面(所有在本文中一般被称为“电路”或“模块”)的实施例的形式。本文所描述的任何过程、步骤、动作和/或功能性可以由对应的模块执行和/或与对应的模块关联，所述对应的模块可以以软件和/或固件和/或硬件实现。此外，本公开可以采取有形计算机可使用存储介质上的计算机程序产品的形式，所述有形计算机可使用存储介质具有在所述介质中体现的可以由计算机执行的计算机程序代码。可以利用任何适合的有形计算机可读介质，其包括硬盘、CD-ROM、电子存储装置、光存储装置或磁存储装置。
本文参考方法、系统和计算机程序产品的流程图说明和/或框图描述一些实施例。将理解，流程图说明和/或框图的每个框以及流程图说明和/或框图中的框的组合可以由计算机程序指令实现。这些计算机程序指令可以被提供到通用计算机的处理器(以由此创建专用计算机)、专用计算机或其它可编程数据处理设备以产生机器，使得经由计算机或其它可编程数据处理设备的处理器执行的指令创建用于实现流程图和/或一个或多个框图框中指定的功能/动作的部件。
这些计算机程序指令还可以存储在计算机可读存储器或存储介质中，其可以引导计算机或其它可编程数据处理设备以特定方式起作用，使得存储在计算机可读存储器中的指令产生包括实现流程图和/或一个或多个框图框中指定的功能/动作的指令部件的制品。
计算机程序指令还可以被加载到计算机或其它可编程数据处理设备上，以使在计算机或其它可编程设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机或其它可编程设备上执行的指令提供用于实现流程图和/或一个或多个框图框中指定的功能/动作的步骤。
要理解，在框中指出的功能/动作可以不以在操作说明中指出的顺序发生。例如，取决于所涉及的功能性/动作，连续示出的两个框实际上可以基本上同时执行，或者框有时可以以相反的顺序执行。尽管图中的一些包括通信路径上的箭头以示出通信的主要方向，但是要理解，通信可以在与所描绘的箭头相反的方向上发生。
用于执行本文描述的概念的操作的计算机程序代码可以采用面向对象的编程语言(例如
Figure BDA0003299408320000351
或C++)来编写。然而，用于执行本公开的操作的计算机程序代码也可以采用常规过程编程语言(例如“C”编程语言)来编写。程序代码可以完全在用户的计算机上执行、部分在用户的计算机上执行(作为独立的软件包)、部分在用户的计算机上并且部分在远程计算机上执行、或者完全在远程计算机上执行。在后一种场景中，远程计算机可以通过局域网(LAN)或广域网(WAN)连接到用户的计算机，或者可以对外部计算机进行连接(例如，通过使用因特网服务提供商的因特网)。
本文已结合上面描述和附图公开了许多不同的实施例。将理解，在字面上描述和示出这些实施例的每个组合和子组合会是过度重复和混乱的。相应地，所有实施例可以以任何方式和/或组合来组合，并且包括附图的本说明书应当被解释成构成本文所描述的实施例的所有组合和子组合以及制作和使用它们的方式和过程的完整书面描述，并且应当支持对任何此类组合或子组合的保护。
在前面的描述中可能使用的缩略词包括：
5G：第五代
BS：基站
CDI：信道分布信息
CSI：信道状态信息
C-RAN：云无线电接入网络
DPP：漂移加惩罚
InP：基础设施提供商
I.I.D.：独立且等同地分布
MF：匹配滤波
MIMO：多输入多输出
MMSE：最小均方误差
NOMA：非正交多址接入
OFDM：正交频分复用
QoS：服务质量
SP：服务提供商
TDD：时分双工
WNV：无线网络虚拟化
ZF：迫零
由本领域技术人员将意识到，本文所描述的实施例不限于本文上面已经特别示出和描述的内容。此外，除非上面进行相反的提及，否则应该注意到，附图中的所有不是按比例的。在不脱离以下权利要求书的范围的情况下，各种修改和改变依据上面教导是可能的。

Claims (20)

1.一种配置成与无线装置(22)WD通信的网络节点(16)，所述网络节点(16)包括处理电路(68)，所述处理电路(68)配置成：
通过最小化经受所述网络节点(16)上的功率约束的在WD(22)处的接收信号的预期偏差来执行下行链路无线网络虚拟化。
2.根据权利要求1所述的网络节点(16)，其中所述预期偏差在服务提供商的虚拟预编码与基础设施提供商的实际预编码之间。
3.根据权利要求1和2中任一项所述的网络节点(16)，其中所述最小化至少部分地基于服务提供商之间的干扰。
4.根据权利要求1-3中任一项所述的网络节点(16)，其中所述最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。
5.根据权利要求1-4中任一项所述的网络节点(16)，其中所述功率约束包括至少一个短期功率约束和至少一个长期功率约束。
6.根据权利要求1-5中任一项所述的网络节点(16)，其中在不知道信道分布信息的情况下执行所述最小化。
7.根据权利要求2-6中任一项所述的网络节点(16)，其中每个服务提供商独立地确定所述服务提供商的虚拟预编码矩阵。
8.根据权利要求2-7中任一项所述的网络节点(16)，其中由服务提供商确定的虚拟预编码矩阵与预定的下行链路功率关联。
9.根据权利要求1-8中任一项所述的网络节点(16)，其中所述最小化在
Figure FDA0003299408310000011
收敛时间内发生以达到∈-近似解。
10.根据权利要求2-9中任一项所述的网络节点(16)，其中当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，所述下行链路无线网络虚拟化被限定。
11.一种在配置成与无线装置(22)WD通信的网络节点(16)中的方法，所述方法包括：
通过最小化经受所述网络节点(16)上的功率约束的在WD(22)处的接收信号的预期偏差来执行(S134)下行链路无线网络虚拟化。
12.根据权利要求11所述的方法，其中所述预期偏差在服务提供商的虚拟预编码和基础设施提供商的实际预编码之间。
13.根据权利要求11和12中任一项所述的方法，其中所述最小化至少部分地基于服务提供商之间的干扰。
14.根据权利要求11-13中任一项所述的方法，其中所述最小化包括基于不准确的信道状态信息将漂移加惩罚技术应用于随机网络优化。
15.根据权利要求11-14中任一项所述的方法，其中所述功率约束包括至少一个短期功率约束和至少一个长期功率约束。
16.根据权利要求11-15中任一项所述的方法，其中在不知道信道分布信息的情况下执行所述最小化。
17.根据权利要求12-16中任一项所述的方法，其中每个服务提供商独立地确定所述服务提供商的虚拟预编码矩阵。
18.根据权利要求12-17中任一项所述的方法，其中由服务提供商确定的虚拟预编码矩阵与预定下行链路功率关联。
19.根据权利要求11-18中任一项所述的方法，其中所述最小化在
Figure FDA0003299408310000021
收敛时间内发生以达到∈-近似解。
20.根据权利要求12-19中任一项所述的方法，其中当所有服务提供商的虚拟预编码矩阵的确定包括匹配滤波或迫零时，所述下行链路无线网络虚拟化被限定。
CN202080028258.6A 2019-04-12 2020-04-10 具有未知信道信息的在线mimo无线网络虚拟化 Pending CN113692711A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962833307P 2019-04-12 2019-04-12
US62/833307 2019-04-12
PCT/IB2020/053454 WO2020208607A1 (en) 2019-04-12 2020-04-10 Online mimo wireless network virtualization with unknown channel information

Publications (1)

Publication Number Publication Date
CN113692711A true CN113692711A (zh) 2021-11-23

Family

ID=70295581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080028258.6A Pending CN113692711A (zh) 2019-04-12 2020-04-10 具有未知信道信息的在线mimo无线网络虚拟化

Country Status (4)

Country Link
US (1) US12003286B2 (zh)
EP (1) EP3954055A1 (zh)
CN (1) CN113692711A (zh)
WO (1) WO2020208607A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333809B (zh) * 2020-10-28 2023-03-31 重庆邮电大学 一种基于Lyapunov框架的能量收集中继安全传输在线功率控制方法
CN112583460B (zh) * 2020-12-08 2023-02-03 重庆邮电大学 一种基于QoE的MIMO-NOMA系统功率分配方法
CN112422162B (zh) * 2020-12-10 2021-08-10 中山大学 智能反射面鲁棒波束成形方法及系统
US20240119355A1 (en) * 2021-02-01 2024-04-11 Telefonaktiebolaget Lm Ericsson (Publ) Hierarchical online convex optimization
CN113141646B (zh) * 2021-04-21 2022-10-18 重庆邮电大学 能量收集无线通信系统中电池实际充放电特性下的功率控制方法
WO2022229908A1 (en) * 2021-04-30 2022-11-03 Telefonaktiebolaget Lm Ericsson (Publ) Online multi-cell coordinated multiple input-multiple output (mimo) wireless network virtualization with imperfect channel state information (csi)
CN115278728B (zh) * 2022-06-23 2024-07-09 中科信创(南京)科技有限公司 能量收集无线通信系统中发送功率、调制阶数和编码码率在线联合控制方法
CN117336766B (zh) * 2023-09-28 2024-06-14 北京唯得科技有限公司 5g mimo移频双路系统的运行监测方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120002743A1 (en) * 2010-06-30 2012-01-05 Charles Casimiro Cavalcante Statistical Joint Precoding in Multi-Cell, Multi-User MIMO
CN105163380A (zh) * 2015-09-23 2015-12-16 浙江理工大学 Mimo无线多跳网络的分布式跨层优化方法
US20170250739A1 (en) * 2016-02-26 2017-08-31 Telefonaktiebolaget L M Ericsson (Publ) Graph-Based Determination of Initial-Synchronization Beam Scanning
US9979458B1 (en) * 2016-11-18 2018-05-22 Nokia Solutions And Networks Oy Precoder design for combining high-end RF with constrained RF of massive MIMO antennas
US20180331731A1 (en) * 2017-05-12 2018-11-15 Telefonaktiebolaget Lm Ericsson (Publ) Virtualized massive mimo in multi-operator wireless networks

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9301308B2 (en) 2012-12-21 2016-03-29 Telefonaktiebolaget L M Ericsson (Publ) Determining a cluster set of mobile devices
US9369513B2 (en) 2013-04-12 2016-06-14 Futurewei Technologies, Inc. Utility-maximization framework for dynamic adaptive video streaming over hypertext transfer protocol in multiuser-multiple input multiple output long-term evolution networks
US10104649B2 (en) * 2014-03-04 2018-10-16 Lg Electronics Inc. Method of transmitting and receiving downlink signal in wireless communication system and apparatus therefor
US10574317B2 (en) * 2015-06-18 2020-02-25 Cohere Technologies, Inc. System and method for providing wireless communication services using configurable broadband infrastructure shared among multiple network operators
WO2017196098A1 (ko) 2016-05-11 2017-11-16 엘지전자(주) 다중 안테나 무선 통신 시스템에서 채널 상태 정보 송수신 방법 및 이를 위한 장치
US10298355B2 (en) * 2017-02-28 2019-05-21 Corning Incorporated Supporting cooperative transmission in massive multiple-input multiple-output (MIMO) systems
CN113498174A (zh) 2020-03-20 2021-10-12 北京三星通信技术研究有限公司 一种物理资源划分的方法及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120002743A1 (en) * 2010-06-30 2012-01-05 Charles Casimiro Cavalcante Statistical Joint Precoding in Multi-Cell, Multi-User MIMO
CN105163380A (zh) * 2015-09-23 2015-12-16 浙江理工大学 Mimo无线多跳网络的分布式跨层优化方法
US20170250739A1 (en) * 2016-02-26 2017-08-31 Telefonaktiebolaget L M Ericsson (Publ) Graph-Based Determination of Initial-Synchronization Beam Scanning
US9979458B1 (en) * 2016-11-18 2018-05-22 Nokia Solutions And Networks Oy Precoder design for combining high-end RF with constrained RF of massive MIMO antennas
US20180331731A1 (en) * 2017-05-12 2018-11-15 Telefonaktiebolaget Lm Ericsson (Publ) Virtualized massive mimo in multi-operator wireless networks

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MOHAMMADMOEIN SOLTANIZADEH, ETC.: "Power Minimization in Wireless Network Virtualization with Massive MIMO", 《2018 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS WORKSHOPS (ICC WORKSHOPS)》, pages 1 - 2 *
SUCHA SUPITTAYAPORNPONG, ETAL.: "Quality of Information Maximization for Wireless Networks via a Fully Separable Quadratic Policy", 《IEEE/ACM TRANSACTIONS ON NETWORKING》 *

Also Published As

Publication number Publication date
US20220103210A1 (en) 2022-03-31
WO2020208607A1 (en) 2020-10-15
US12003286B2 (en) 2024-06-04
EP3954055A1 (en) 2022-02-16

Similar Documents

Publication Publication Date Title
CN113692711A (zh) 具有未知信道信息的在线mimo无线网络虚拟化
WO2019220188A1 (en) Adaptive downlink multi-user multiple-input multiple-output(mu-mimo) precoding using uplink signal subspace tracking for active antenna systems (aas)
WO2015090382A1 (en) A network node and method for enabling interference alignment of transmissions to user equipments
KR20150135781A (ko) 스파스 빔포밍 설계를 위한 시스템 및 방법
CN111295911A (zh) 具有用户分组的多用户上行链路功率控制
TW201944819A (zh) 在新無線電中探測參考信號功率控制
CN112823478B (zh) 基于对基于码本的dl mu-mimo的相对波束功率的多用户配对和sinr计算
WO2021240475A1 (en) Distributed coordinated downlink precoding for multi-cell mimo wireless network virtualization
WO2020115523A1 (en) Two-dimensional subspace tracking and beamforming for active antenna systems
KR20120088149A (ko) 무선통신 시스템에서 셀 간 제한적 협력을 통한 프리코딩 장치 및 방법
Mahmood et al. Interference aware inter-cell rank coordination for 5G systems
WO2016148729A1 (en) System and method for coordinated mimo switching (cms) in tdd/fdd-lte
CN117730330A (zh) 用于边缘学习中的联合计算和通信的在线优化
CN113994601A (zh) Aas中的自适应csi报告和prb绑定
Huq et al. A novel energy efficient packet-scheduling algorithm for CoMP
US20210242921A1 (en) A radio node and methods in a wireless communications network
US20240056989A1 (en) Precoding and power allocation for access points in a cell-free communication system
US20240014858A1 (en) Scheduling for multi-transmission reception point transmission with dynamic on-off switching
US20230379021A1 (en) System and methods for configurable eirp restriction
EP4052432A1 (en) Uplink covariance estimation for su-mimo precoding in wireless cellular systems
US20240243784A1 (en) Online multi-cell coordinated multiple input-multiple output (mimo) wireless network virtualization with imperfect channel state information (csi)
US20240022291A1 (en) Channel state variation estimation and sinr penalty computation for mu-mimo pairing
US20240007887A1 (en) Sensing and signaling of inter-user equipment (ue) cross link interference characteristics
WO2024060045A1 (en) Antenna switching diversity techniques in wireless communications
US20240163859A1 (en) Method and device for reporting csi in wireless communication system

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