CN114389652A - 一种去蜂窝大规模mimo网络低功耗大连接方法 - Google Patents

一种去蜂窝大规模mimo网络低功耗大连接方法 Download PDF

Info

Publication number
CN114389652A
CN114389652A CN202111610897.6A CN202111610897A CN114389652A CN 114389652 A CN114389652 A CN 114389652A CN 202111610897 A CN202111610897 A CN 202111610897A CN 114389652 A CN114389652 A CN 114389652A
Authority
CN
China
Prior art keywords
network
served
power
clustering
target
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.)
Granted
Application number
CN202111610897.6A
Other languages
English (en)
Other versions
CN114389652B (zh
Inventor
赵海涛
谈宇浩
刘琨
夏文超
倪艺洋
张晖
徐林林
朱洪波
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202111610897.6A priority Critical patent/CN114389652B/zh
Publication of CN114389652A publication Critical patent/CN114389652A/zh
Priority to JP2023528190A priority patent/JP2024503969A/ja
Priority to PCT/CN2022/126961 priority patent/WO2023124453A1/zh
Application granted granted Critical
Publication of CN114389652B publication Critical patent/CN114389652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04B7/043—Power distribution using best eigenmode, e.g. beam forming or beam steering
    • 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
    • H04B7/0452—Multi-user 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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
    • 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

Abstract

本发明公开了一种去蜂窝大规模MIMO网络低功耗大连接方法，该方法按照以下步骤进行：1)选择被服务设备，确定相干时间；2)利用参考信号得到设备上行信道估计值；3)根据设备数确定功率分配法则，依据该法则确定各设备发射功率；4)对波束形成矩阵以及接入点的分簇方案进行联合优化；5)每经过时间Thold，重新进行发射功率分配和AP分簇。本发明在降低设备能耗的同时，提高了系统容量。

Description

一种去蜂窝大规模MIMO网络低功耗大连接方法
技术领域
本发明涉及低功耗大连接技术，特别涉及一种去蜂窝大规模MIMO网络低功耗大连接方法，属于无线通信技术领域。
背景技术
随着移动通信技术的发展，工业、农业以及交通运输等行业正在加速推进设备通信无线化，智能化。同时，由于移动通信服务领域的不断拓展，用户终端设备的数量正在迅速增长，分布也更加密集。然而，大量移动设备的接入给移动通信系统的安全、稳定运行提出巨大的挑战。
低功耗大连接技术主要面向移动通信系统中的信息采集类业务，其具有如下应用优势：首先，低功耗大连接技术能够为移动设备提供高覆盖、广连接以及足够的安全性和可靠性。其次，低功耗大连接技术通过对设备进行功率分配，降低设备通信过程中的能耗，从而达到降低成本，提高系统效率的目标。去蜂窝大规模MIMO是一种能够提供高频谱利用率以及高能效的新兴移动通信技术。
发明内容
发明目的：针对现有技术中存在的问题与不足，本发明提供一种去蜂窝大规模MIMO网络低功耗大连接方法。该方法根据系统中的干扰情况进行设备的发射功率分配，降低设备功耗，并且动态地优化AP分簇和波束成形矩阵，提高系统容量。
技术方案：本发明为实现以上要点，提出一种去蜂窝大规模MIMO网络低功耗大连接方法，具体包括以下步骤：
步骤一：选择K个被服务设备，确定其相干时间持续的符号数τc；
步骤二：根据被服务设备数量K确定τc中被参考信号(RS)用于信道估计的符号数τp，并利用RS得到各设备上行信道估计值
Figure BDA0003434765150000011
步骤三：根据被服务设备K确定功率分配法则，并根据该法则确定被服务设备的发射功率，随后CPU将结果发送至各被服务设备；
步骤四：利用双重深度Q学习(DDQL)算法，以最大化系统容量为目标，对波束成形矩阵以及接入点(AP)的分簇方案进行联合优化；
步骤五：每经过设定时间Thold，根据系统内部条件变化，重新进行发射功率分配和AP分簇。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，步骤二中，被参考信号(RS)用于信道估计的符号数为τp，则被用于传输数据的符号数为τc-τp。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，步骤三中，共定义了两种功率分配法则(Ξ1以及Ξ2)，两种法则均根据系统中的干扰情况对各被服务设备的发射功率进行确定。其中，法则Ξ1依据pk←ζNk,noise(Ik,MMSE)-1,k＝{1,...,K}对被服务设备k的发射功率进行确定；法则Ξ2依据pk←ζNk,noise(Ik,MR)-1,k＝{1,...,K}对被服务设备k的发射功率进行确定。其中，pk表示被服务设备k的发射功率。Ik,MMSE以及Ik,MR分别表示经过MMSE(最小均方根误差)处理以及MR(最大比)处理后，被服务设备k处的干扰情况。Nk,noise表示被服务设备k与噪声相关的参量，ζ为可调参量。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，对于具有L个AP和K个被服务设备的系统，若设备数量较少(K≤L)，则采用功率分配法则Ξ1进行功率分配；若设备数量较多(K＞L)，则采用功率分配法则Ξ2进行功率分配。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，步骤四中，AP分簇与波束成形联合优化问题表示如下：
Figure BDA0003434765150000021
s.t.0≤wnk≤1
||wk||2≤1
其中，Cj表示AP分簇方案集合C中序号为j的分簇方案，C＝{C1,...,CS}，j＝1,2,…,S，S表示AP分簇方案数量；W为波束成形矩阵，其第k列元素构成的向量wk＝[w1k,...,wNk]，wnk表示被服务设备k与Cj中第n个AP簇之间的波束成形参量；
Figure BDA0003434765150000022
表示当采用分簇方案Cj时，被服务设备k与AP通信时的信干噪比(SINR)，其根据下式进行确定：
Figure BDA0003434765150000023
其中，
Figure BDA0003434765150000024
表示被服务设备k与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure BDA0003434765150000025
表示被服务设备l与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure BDA0003434765150000026
表示被服务设备v与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure BDA0003434765150000027
表示被服务设备u与Cj中第n个AP簇内第mn个AP之间的信道增益，Dn表示Cj中第n个AP簇内包含的AP数量。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，AP分簇与波束成形联合优化问题的最优解是能够最大化上行链路传输速率的AP分簇方案
Figure BDA0003434765150000028
以及与之对应的波束成形矩阵W*。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，用于求解上述联合优化问题的双重深度Q学习(DDQL)算法包括了对两个子网络的训练，即DDPG(深度确定性策略梯度)网络和DDQL(双重深度Q学习)网络。其中状态空间s为各被服务设备与AP通信时的SINR所构成的矩阵，记为s＝[s1,...,sK]，其中，
Figure BDA0003434765150000031
动作空间a＝(ω,Cj)，其中，ω表示DDPG的连续动作。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，DDQL算法中DDPG子网络训练的迭代步骤如下：
步骤4-1-1.利用目标Q网络计算Q网络的时序差分TD目标；
步骤4-1-2.利用TD目标损失函数最小均方误差的梯度更新评论参数；
步骤4-1-3.利用梯度蒙特卡罗估计更新演员actor参数；
步骤4-1-4.每经过P次迭代，更新一次目标评论critic和目标策略policy网络。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，DDQL算法中DDQL子网络训练的迭代步骤如下：
步骤4-2-1.利用目标Q网络选择动作，即
Figure BDA0003434765150000032
其中，a*为最优动作，
Figure BDA0003434765150000033
为目标Q网络的参数；
步骤4-2-2.对DDQL的Q网络参数
Figure BDA0003434765150000034
进行更新；
步骤4-2-3.每经过P次迭代，更新一次目标Q网络Qc′。
作为本发明所述的去蜂窝大规模MIMO网络低功耗大连接方法的进一步优化方案，根据步骤四中联合优化得到分簇方案对AP进行分簇，并将每个AP簇作为一个虚拟AP，组成一个分布式天线系统DAS。
有益效果：本发明提供的去蜂窝大规模MIMO网络低功耗大连接方法，具有如下优点：
1.本方法将一般情况下去蜂窝大规模MIMO系统的场景拓展到大连接场景下，并结合设备发射功率分配，能够有效支持更多设备的接入，并显著降低设备通信能耗；
2.本方法考虑了一个具备AP动态分簇功能的去蜂窝大规模MIMO系统，能够根据信道状态动态地进行AP分簇方案与波束成形矩阵联合优化，提高系统容量；
3.本方法能够在移动通信系统设备大连接的场景下，实现低功耗、高速率、自适应的信息传输，提高了系统的资源利用效率。
附图说明
图1为本发明去蜂窝大规模MIMO网络低功耗大连接方法的一个实施例的流程图。
具体实施方法
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明实施例提供的一种去蜂窝大规模MIMO网络低功耗大连接方法，通过将去蜂窝大规模MIMO系统的场景拓展到大连接场景下，并结合设备发射功率分配以及AP动态分簇，显著降低了设备通信能耗，并提高系统容量。
如图1所示，本发明实施例提供的一种去蜂窝大规模MIMO网络低功耗大连接方法的流程图，该方法包括以下步骤：
步骤101：在一个由L个AP以及一个CPU组成的去蜂窝大规模MIMO系统中，有多个用户设备。选择K个被服务设备，确定其相干时间持续的符号数τc。
基于3GPP模型，我们可以得到在相干时间Tc＝1ms内，共有τc＝12×14＝168个符号。
步骤102：根据被服务设备数量K确定τc中被参考信号(RS)用于信道估计的符号数τp，则被用于传输数据的符号数为τc-τp。其中，我们规定τp的值最大不超过τc的一半。此外，利用参考信号RS得到设备i上行信道估计值
Figure BDA0003434765150000041
该估计值被用于对各设备处干扰情况进行估计，以便据此进行功率分配。
步骤103：根据AP数量L以及被服务设备K，若设备数量较少(K≤L)，则采用功率分配法则Ξ1进行功率分配，法则Ξ1依据pk←ζNk,noise(Ik,MMSE)-1对被服务设备k的发射功率进行确定；若设备数量较多(K＞L)，则采用功率分配法则Ξ2进行功率分配，法则Ξ2依据pk←ζNk,noise(Ik,MR)-1对被服务设备k的发射功率进行确定。在本实施例中，我们令可调参量ζ＝10。在确定各设备发射功率之后，CPU将分配结果发送至所有被服务设备，被服务设备k将按照分配结果调整其发射功率。
步骤104：利用双重深度Q学习算法求解AP分簇与波束成形联合优化问题：
Figure BDA0003434765150000042
其中DDPG子网络以及DDQL子网络训练步骤如下：
步骤104-1.利用目标Q网络计算Q网络的时序差分目标；利用TD目标损失函数最小均方误差的梯度更新评论参数，并利用梯度蒙特卡罗估计更新演员参数。
步骤104-2.每经过P次迭代，更新一次目标评论和目标策略网络。
步骤104-3.利用目标Q网络选择动作，即
Figure BDA0003434765150000043
对DDQL的Q网络参数
Figure BDA0003434765150000044
进行更新。
步骤104-4.每经过P次迭代，更新一次目标Q网络Qc′。
步骤105：每经过一定时间Thold，重新进行发射功率分配和AP分簇。
AP分簇与波束成形联合优化问题的最优解，是能够最大化上行链路传输速率的AP分簇方案
Figure BDA0003434765150000051
以及与之对应的波束成形矩阵W*。根据分簇结果对AP进行分簇，并将每个AP簇作为一个虚拟AP，组成一个分布式天线系统(DAS)。
本发明针对移动通信相关应用场景，提出了一种去蜂窝大规模MIMO网络低功耗大连接方法。在设备大连接方面，我们通过结合去蜂窝大规模MIMO技术与设备功率分配，从而实现大量终端设备的可靠接入；而在低功耗方面，通过设计设备功率分配方法，降低其通信过程中的能量消耗。此外，考虑到设备与移动接入点(AP)通信的效率，我们考虑了去蜂窝大规模MIMO系统中AP的动态分簇，从而进一步提高设备的上行传输速率，降低传输能耗。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (9)

1.一种去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，该方法具体包括以下步骤：
步骤一：选择被服务设备，确定其相干时间持续的符号数τc；
步骤二：根据被服务设备的数量K，确定τc中被参考信号RS用于信道估计的符号数τp，利用RS得到各被服务设备上行信道估计值
Figure FDA0003434765140000014
步骤三：根据被服务设备的数量K，确定功率分配法则，并根据该法则确定被服务设备的发射功率；
步骤四：利用双重深度Q学习DDQL算法，以最大化系统容量为目标，对波束成形矩阵以及接入点AP的分簇方案进行联合优化。
2.根据权利要求1所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，步骤三中的功率分配法则包括Ξ1以及Ξ2两种，其中，Ξ1为pk←ζNk,noise(Ik,MMSE)-1，Ξ2为pk←ζNk,noise(Ik,MR)-1,k＝{1,...,K}，pk表示被服务设备k的发射功率，Ik,MMSE以及Ik,MR分别表示经过最小均方根误差MMSE处理以及最大比MR处理后设备k处的干扰情况，Nk,noise表示被服务设备k与噪声相关的参量，ζ为可调参量。
3.根据权利要求2所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，若K≤L，则采用功率分配法则Ξ1；若K＞L，则采用功率分配法则Ξ2；L表示系统中AP的数量。
4.根据权利要求1所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，步骤四中的AP分簇与波束成形联合优化问题表示如下：
Figure FDA0003434765140000011
s.t.0≤wnk≤1
||wk||2≤1
其中，Cj表示AP分簇方案集合C中序号为j的分簇方案，C＝{C1,...,CS}，j=1,2,…,S，S表示AP分簇方案数量；W为波束成形矩阵，其第k列元素构成的向量wk=[w1k,...,wNk]，wnk表示被服务设备k与Cj中第n个AP簇之间的波束成形参量；
Figure FDA0003434765140000012
表示当采用分簇方案Cj时，被服务设备k与AP通信时的信干噪比SINR。
5.根据权利要求4所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，AP分簇与波束成形联合优化问题的最优解是能够最大化上行链路传输速率的AP分簇方案
Figure FDA0003434765140000013
以及与之对应的波束成形矩阵W*。
6.根据权利要求4所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于，
Figure FDA0003434765140000021
其中，
Figure FDA0003434765140000022
表示被服务设备k与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure FDA0003434765140000023
表示被服务设备l与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure FDA0003434765140000024
表示被服务设备v与Cj中第n个AP簇内第mn个AP之间的信道增益，
Figure FDA0003434765140000025
表示被服务设备u与Cj中第n个AP簇内第mn个AP之间的信道增益，Dn表示Cj中第n个AP簇内包含的AP数量。
7.根据权利要求4所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于：步骤四中双重深度Q学习DDQL算法包括了对深度确定性策略梯度DDPG和双重深度Q学习DDQL两个子网络的训练；
状态空间s为被服务设备与AP通信时的SINR所构成的矩阵，s＝[s1,...,sK]，其中，
Figure FDA0003434765140000026
动作空间a=(ω,Cj)，其中，ω表示DDPG的连续动作；
DDQL算法中DDPG子网络训练的迭代步骤如下：
步骤4-1-1.利用目标Q网络计算Q网络的时序差分TD目标；
步骤4-1-2.利用TD目标损失函数最小均方误差的梯度更新评论参数；
步骤4-1-3.利用梯度蒙特卡罗估计更新演员actor参数；
步骤4-1-4.每经过P次迭代，更新一次目标评论critic和目标策略policy网络；
DDQL算法中DDQL子网络训练的迭代步骤如下：
步骤4-2-1.利用目标Q网络选择动作，即
Figure FDA0003434765140000027
其中，a*为最优动作，
Figure FDA0003434765140000028
为目标Q网络的参数；
步骤4-2-2.对DDQL的Q网络参数
Figure FDA0003434765140000029
进行更新；
步骤4-2-3.每经过P次迭代，更新一次目标Q网络Q′c。
8.根据权利要求1所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于：根据步骤四中联合优化得到分簇方案对AP进行分簇，并将每个AP簇作为一个虚拟AP，组成一个分布式天线系统DAS。
9.根据权利要求1所述的去蜂窝大规模MIMO网络低功耗大连接方法，其特征在于：被参考信号用于传输数据的符号数为τc-τp。
CN202111610897.6A 2021-12-27 2021-12-27 一种去蜂窝大规模mimo网络低功耗大连接方法 Active CN114389652B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111610897.6A CN114389652B (zh) 2021-12-27 2021-12-27 一种去蜂窝大规模mimo网络低功耗大连接方法
JP2023528190A JP2024503969A (ja) 2021-12-27 2022-10-24 セルフリー大規模ｍｉｍｏネットワークの低電力消費多接続方法
PCT/CN2022/126961 WO2023124453A1 (zh) 2021-12-27 2022-10-24 一种去蜂窝大规模mimo网络低功耗大连接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111610897.6A CN114389652B (zh) 2021-12-27 2021-12-27 一种去蜂窝大规模mimo网络低功耗大连接方法

Publications (2)

Publication Number Publication Date
CN114389652A true CN114389652A (zh) 2022-04-22
CN114389652B CN114389652B (zh) 2023-06-20

Family

ID=81198056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111610897.6A Active CN114389652B (zh) 2021-12-27 2021-12-27 一种去蜂窝大规模mimo网络低功耗大连接方法

Country Status (3)

Country Link
JP (1) JP2024503969A (zh)
CN (1) CN114389652B (zh)
WO (1) WO2023124453A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114980332A (zh) * 2022-05-17 2022-08-30 清华大学 去蜂窝大规模mimo系统下行功率分配方法及装置
WO2023124453A1 (zh) * 2021-12-27 2023-07-06 南京邮电大学 一种去蜂窝大规模mimo网络低功耗大连接方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116865798B (zh) * 2023-07-06 2024-01-05 河北大学 高速铁路去蜂窝大规模mimo系统的智能超表面相移方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080188190A1 (en) * 2007-02-05 2008-08-07 Narayan Prasad Multi-rank beamforming precoding apparatus and method
US20110019759A1 (en) * 2009-07-22 2011-01-27 Cisco Technology, Inc. Estimating spatial expansion matrix in a mimo wireless communication system
CN112468196A (zh) * 2020-11-25 2021-03-09 南京邮电大学 一种基于pzf预编码的去蜂窝大规模mimo系统中功率分配方法
CN112702295A (zh) * 2020-12-23 2021-04-23 中国人民解放军陆军工程大学 针对多用户空间索引调制的omp改进算法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020076203A1 (en) * 2018-10-12 2020-04-16 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatuses for cell-free massive mimo communication
CN111917445B (zh) * 2020-08-06 2022-02-01 东南大学 一种最大化最小能效多小区大规模mimo波束域功率分配方法
CN113014295B (zh) * 2021-02-24 2022-03-08 南京邮电大学 一种去蜂窝大规模mimo系统上行联合接收方法
CN114389652B (zh) * 2021-12-27 2023-06-20 南京邮电大学 一种去蜂窝大规模mimo网络低功耗大连接方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080188190A1 (en) * 2007-02-05 2008-08-07 Narayan Prasad Multi-rank beamforming precoding apparatus and method
US20110274207A1 (en) * 2007-02-05 2011-11-10 Nec Laboratories America, Inc. Enhancing MIMO Transmission
US20110019759A1 (en) * 2009-07-22 2011-01-27 Cisco Technology, Inc. Estimating spatial expansion matrix in a mimo wireless communication system
CN112468196A (zh) * 2020-11-25 2021-03-09 南京邮电大学 一种基于pzf预编码的去蜂窝大规模mimo系统中功率分配方法
CN112702295A (zh) * 2020-12-23 2021-04-23 中国人民解放军陆军工程大学 针对多用户空间索引调制的omp改进算法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023124453A1 (zh) * 2021-12-27 2023-07-06 南京邮电大学 一种去蜂窝大规模mimo网络低功耗大连接方法
CN114980332A (zh) * 2022-05-17 2022-08-30 清华大学 去蜂窝大规模mimo系统下行功率分配方法及装置

Also Published As

Publication number Publication date
JP2024503969A (ja) 2024-01-30
CN114389652B (zh) 2023-06-20
WO2023124453A1 (zh) 2023-07-06

Similar Documents

Publication Publication Date Title
Maksymyuk et al. Deep learning based massive MIMO beamforming for 5G mobile network
CN114389652A (zh) 一种去蜂窝大规模mimo网络低功耗大连接方法
Zeng et al. Pilot assignment for cell free massive MIMO systems using a weighted graphic framework
CN109068391A (zh) 基于边缘计算和Actor-Critic算法的车联网通信优化算法
CN111698045B (zh) 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法
CN113014295A (zh) 一种去蜂窝大规模mimo系统上行联合接收方法
CN110139249B (zh) 基于机器类型通信设备分组的半非授权随机接入方法
Jiang et al. Analysis and optimization of fog radio access networks with hybrid caching: Delay and energy efficiency
Ji et al. Reconfigurable intelligent surface enhanced device-to-device communications
CN110191512B (zh) 一种基于合作博弈的多用户码本分配公平性方法
Dang et al. A genetic algorithm based pilot assignment strategy for cell-free massive mimo system
Bhardwaj et al. Deep learning-based MIMO and NOMA energy conservation and sum data rate management system
JP2007214993A (ja) 無線通信システムおよび空間多重用無線通信方法
Li et al. Interference coordination for FD-MIMO cellular network with D2D communications underlaying
Wang et al. Computationally efficient energy optimization for cloud radio access networks with CSI uncertainty
CN112469113A (zh) 一种多载波noma系统的资源分配方法及装置
Liu et al. Power allocation in ultra-dense networks through deep deterministic policy gradient
CN116056210A (zh) 一种面向容量覆盖的irs辅助超密集网络资源分配方法
Wang et al. A Stackelberg game approach for NOMA in mmWave systems
CN113873525A (zh) 一种超密集边缘计算网络的任务卸载方法及终端
Chen et al. A categorized resource sharing mechanism for device-to-device communications in cellular networks
Du et al. Energy-efficient user clustering and resource management for NOMA based MEC systems
CN107979397B (zh) 一种分布式天线系统的天线端口选择方法
CN115802370A (zh) 一种通信方法及装置
Fang et al. When UAV Meets Computing: Stackelberg Game-Based Hierarchical Framework in Aerial Computing

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