CN114710185A - 一种去蜂窝大规模mimo系统的ap选择方法 - Google Patents
一种去蜂窝大规模mimo系统的ap选择方法 Download PDFInfo
- Publication number
- CN114710185A CN114710185A CN202210037413.1A CN202210037413A CN114710185A CN 114710185 A CN114710185 A CN 114710185A CN 202210037413 A CN202210037413 A CN 202210037413A CN 114710185 A CN114710185 A CN 114710185A
- Authority
- CN
- China
- Prior art keywords
- users
- cluster
- user
- pilot
- downlink
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0426—Power distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种去蜂窝大规模MIMO系统的AP选择方法,包括如下步骤:1.建立去蜂窝大规模MIMO的系统模型,推导下行能量效率闭式表达式;2.使用K均值聚类算法将用户划分为多个聚类,每个聚类包括的用户数量不超过正交的导频数量;3.分配导频,使同一个聚类内的用户的导频相互正交;4.根据推导的基于大尺度衰落因子的公式为每个聚类分配AP;5.利用基于SCA策略的功率控制算法计算得出能最大化下行能量效率的用户最佳发送功率控制系数。本发明能有效减少导频污染、提高下行系统总能量效率。
Description
技术领域
本发明属于移动通信领域,尤其涉及一种去蜂窝大规模MIMO系统的AP选择方法。
背景技术
去蜂窝大规模多输入多输出(multiple-input multiple-output,MIMO)是对现有蜂窝网 络架构进行彻底变革的一种可行网络架构,它结合了分布式MIMO和大规模MIMO的概 念,并有望继承这两个系统的所有优点。在传统去蜂窝大规模MIMO系统中,所有的接 入点(access point,AP)同时服务所有的用户,然而这需要消耗大量的前传链路资源,限 制了去蜂窝大规模MIMO系统性能进一步提升。以用户为中心的去蜂窝大规模假设每个 AP只服务用户的子集,可以以损失一部分性能为代价大幅降低对前传链路容量的要求。 然而现有技术中,以用户为中心的去蜂窝大规模MIMO系统,用户划分子集以及分配AP 的方式都比较简易,这会导致一些用户的服务质量明显下降。
发明内容
发明目的:针对以上问题,本发明提出一种去蜂窝大规模MIMO系统的AP选择方法,有效提高系统下行的总能量效率。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种去蜂窝大规模MIMO系统的AP选择方法,包括:
S1、建立去蜂窝大规模MIMO的系统模型,将该系统中AP和用户之间的下行总能量效率最大化作为模型的目标函数;
S2、使用K均值聚类算法将用户划分为若干个聚类,每个聚类包括的用户数量不超过导频长度,分配导频使同一个聚类内的用户的导频相互正交;
S3、为每个聚类分配一个AP集合,使得该聚类与集合中AP的大尺度衰弱因子之和大于该聚类与系统中所有AP的大尺度衰弱因子之和的一定比例,且集合中AP的基数最 小;根据分配后的AP集合更新目标函数;
S4、利用基于SCA策略的功率控制算法计算更新过的目标函数,得出能最大化下行能量效率的用户最佳发送功率控制系数。
进一步的,步骤S1中建立系统模型具体包括:
设系统拥有M个配有N根天线的AP和K个单天线用户,M>>K,令m∈{1,2,…,M}表 示AP的编号,k∈{1,2,…,K}表示用户的编号,AP m和用户k之间的信道向量为:
式中,ρp为每个导频的最大归一化信噪比。
进一步的,在去蜂窝大规模MIMO系统的下行链路传输过程中,下行总能量效率计算方法如下:
第m个AP发送给所有用户的信号表示为:
其中,qk为第k个用户需要的信号,ρd为每个AP的最大归一化信噪比,ηmk为功率 控制因子;
第k个用户接收到的信号为:
其中wk为用户k处的高斯白噪声,且服从CN(0,1)分布;
第k个用户的频谱效率为:
其中τp为导频长度,τc为相干间隔长度;
系统下行总频谱效率为:
系统总能量损耗为:
其中,αm为功率放大器效率,N0为噪音功率,Ptc,m为内部电路的能量损耗,P0,m为 电路的固定能量损耗,B为系统带宽,Pbt,m为与流量相关的功率;
下行总能量效率为:
其中Ee({ηmk})为下行总能量效率。
进一步的,通过功率控制因子ηmk获取系统总能量效率的最优解,目标函数如下:
其中Sok是第k个用户需要的最小频谱效率。
进一步的,步骤S2中使用K均值聚类算法将用户划分为多个聚类:
S2.1:选取所有用户中的Z个用户作为初始的聚类中心,每个用户代表一个聚类中心,Z取值为K/τp向上取整,K为用户数量,τp为导频长度;
S2.2:当一个聚类中的用户数量小于导频长度时,该聚类为可分配的聚类;遍历所有用户,将每个用户分配到在可分配的聚类中该用户与聚类中心的欧式距离最小的一个聚类中,同时更新这个聚类中的用户数量;
S2.3:更新聚类中心:将每个聚类中所有用户所对应位置的均值作为该类别的聚类 中心,目标函数为所有用户和对应聚类中心距离的平方和,计算目标函数的值;
S2.4:判断聚类中心和目标函数的值与上一次迭代相比是否都未发生改变,若未改 变,则输出结果,若改变,则返回S2.2。
进一步的,步骤S3为每个聚类分配AP包括:
S3.1:计算聚类Un中的所有用户到每个AP的大尺度衰落因子的和:
其中δ为选取的阈值;
有益效果:与现有技术相比,本发明的技术方案具有以下有益的技术效果:
本发明通过K均值聚类算法将用户分组,为每个聚类筛选AP来提高能量效率,AP不再服务所有用户。通过提高AP选择的复杂度,有效提高了能量效率,对以后的用户分 组和AP选择方式的研究有一定的参考意义。
附图说明
图1为去蜂窝大规模MIMO系统的AP选择方法流程图;
图2为去蜂窝大规模MIMO系统的系统模型示例图;
图3为本发明实施例的系统总能量效率的仿真图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明提出了一种基于K均值聚类算法的去蜂窝大规模MIMO系统的AP选择方法,流程如图1所示,包括以下步骤:
S1、建立去蜂窝大规模MIM系统模型,模型如图2所示,推导下行能量效率公式。
设系统拥有M个配有N根天线的AP和K个单天线用户,M>>K,令m∈{1,2,…,M}表 示AP的编号,k∈{1,2,…,K}表示用户的编号,AP m和用户k之间的信道建模为:
式中,ρp为每个导频的最大归一化信噪比。
在去蜂窝大规模MIMO系统的下行链路传输过程中,第m个AP发送给所有用户的信号可表示为:
其中,qk为第k个用户需要的信号,ρd为每个AP的最大归一化信噪比,ηmk为功率 控制因子;
第k个用户接收到的信号为:
其中wk为用户k处的高斯白噪声,且服从CN(0,1)分布;
第k个用户的频谱效率为:
其中τp为导频长度,τc为相干间隔长度;
系统下行总频谱效率为:
系统总能量损耗为:
其中,αm为功率放大器效率,N0为噪音功率,Ptc,m为内部电路的能量损耗,P0,m为 电路的固定能量损耗,B为系统带宽,Pbt,m为与流量相关的功率;
下行总能量效率为:
其中Ee({ηmk})为下行总能量效率。
通过分配功率因子ηmk获取系统总能量效率的最优化问题可以等价为:
其中Sok是第k个用户需要的最小频谱效率。
S2、使用K均值聚类算法将用户划分为若干个聚类,每个聚类包括的用户数量不超过导频长度,目的是使同一个聚类内的用户的导频相互正交;
S2中使用K均值聚类算法将用户划分为多个聚类:
S2.1:选取数据空间(所有用户)中的Z个用户作为初始的聚类中心,每个用户代表一个聚类中心,Z取值为K/τp向上取整,K为用户数量,τp为导频长度;
S2.2:根据用户与这些聚类中心的欧氏距离,将用户分到在用户数量未达到导频数 量的聚类中距离用户最近的聚类中心所对应的类;即:
当一个聚类中的用户数量小于导频长度时,该聚类为可分配的聚类;遍历所有用户, 将每个用户分配到在可分配的聚类中该用户与聚类中心的欧式距离最小的一个聚类中, 同时更新这个聚类中的用户数量;
S2.3:更新聚类中心:将每个聚类中所有用户所对应位置的均值作为该类别的聚类 中心,目标函数为所有用户和对应聚类中心距离的平方和,计算目标函数的值;
S2.4:判断聚类中心和目标函数的值与上一次迭代相比是否发生改变,若不变,则输出结果,若改变,则返回S2.2。
S3、为每个聚类分配一个AP集合,使得该聚类与集合中AP的大尺度衰弱因子之和大于该聚类与系统中所有AP的大尺度衰弱因子之和的一定比例,且集合中AP的基数最 小;根据分配后的AP集合更新目标函数;
S3.1:计算聚类Un中的所有用户到每个AP的大尺度衰落因子的和:
其中δ为选取的阈值。
S3.3:使未选出的AP与Un中的所有用户的均方值为0,即:
S4:基于SCA策略的功率控制算法,得到最终的功率控制系数,获取目标函数即式(8)的最优值。式(8)中用到的M×K个均方值有一些在步骤S3.3中被修改为了0。
通过Matlab平台的仿真验证本发明所提出的去蜂窝大规模MIMO系统的AP选择方法的有效性。图3是本发明实施例的系统总能量效率的仿真图,K=20,τp=5,δ=90。 如图3所示,引入了本方法后能量效率有所提升。
最后,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应 当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术 人员可以理解的其他实施方式。
Claims (6)
1.一种去蜂窝大规模MIMO系统的AP选择方法,其特征在于:该方法步骤如下:
S1、建立去蜂窝大规模MIMO的系统模型,将该系统中AP和用户之间的下行总能量效率最大化作为模型的目标函数;
S2、使用K均值聚类算法将用户划分为若干个聚类,每个聚类包括的用户数量不超过导频长度,分配导频使同一个聚类内的用户的导频相互正交;
S3、为每个聚类分配一个AP集合,使得该聚类与集合中AP的大尺度衰弱因子之和大于该聚类与系统中所有AP的大尺度衰弱因子之和的一定比例,且集合中AP的基数最小;根据分配后的AP集合更新目标函数;
S4、利用基于SCA策略的功率控制算法计算更新过的目标函数,得出能最大化下行能量效率的用户最佳发送功率控制系数。
2.根据权利要求1所述的去蜂窝大规模MIMO系统的AP选择方法,其特征在于:步骤S1中建立系统模型具体包括:
设系统拥有M个配有N根天线的AP和K个单天线用户,M>>K,令m∈{1,2,…,M}表示AP的编号,k∈{1,2,…,K}表示用户的编号,APm和用户k之间的信道向量为:
式中,ρp为每个导频的最大归一化信噪比。
3.根据权利要求2所述的去蜂窝大规模MIMO系统的AP选择方法,其特征在于:在去蜂窝大规模MIMO系统的下行链路传输过程中,下行总能量效率计算方法如下:
第m个AP发送给所有用户的信号表示为:
其中,qk为第k个用户需要的信号,ρd为每个AP的最大归一化信噪比,ηmk为功率控制因子;
第k个用户接收到的信号为:
其中wk为用户k处的高斯白噪声,且服从CN(0,1)分布;
第k个用户的频谱效率为:
其中τp为导频长度,τc为相干间隔长度;
系统下行总频谱效率为:
系统总能量损耗为:
其中,αm为功率放大器效率,N0为噪音功率,Ptc,m为内部电路的能量损耗,P0,m为电路的固定能量损耗,B为系统带宽,Pbt,m为与流量相关的功率;
下行总能量效率为:
其中Ee({ηmk})为下行总能量效率。
5.根据权利要求1-4任一所述的去蜂窝大规模MIMO系统的AP选择方法,其特征在于:步骤S2中使用K均值聚类算法将用户划分为多个聚类:
S2.1:选取所有用户中的Z个用户作为初始的聚类中心,每个用户代表一个聚类中心,Z取值为K/τp向上取整,K为用户数量,τp为导频长度;
S2.2:当一个聚类中的用户数量小于导频长度时,该聚类为可分配的聚类;遍历所有用户,将每个用户分配到在可分配的聚类中该用户与聚类中心的欧式距离最小的一个聚类中,同时更新这个聚类中的用户数量;
S2.3:更新聚类中心:将每个聚类中所有用户所对应位置的均值作为该类别的聚类中心,目标函数为所有用户和对应聚类中心距离的平方和,计算目标函数的值;
S2.4:判断聚类中心和目标函数的值与上一次迭代相比是否都未发生改变,若未改变,则输出结果,若改变,则返回S2.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210037413.1A CN114710185B (zh) | 2022-01-13 | 2022-01-13 | 一种去蜂窝大规模mimo系统的ap选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210037413.1A CN114710185B (zh) | 2022-01-13 | 2022-01-13 | 一种去蜂窝大规模mimo系统的ap选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114710185A true CN114710185A (zh) | 2022-07-05 |
CN114710185B CN114710185B (zh) | 2023-06-02 |
Family
ID=82166937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210037413.1A Active CN114710185B (zh) | 2022-01-13 | 2022-01-13 | 一种去蜂窝大规模mimo系统的ap选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114710185B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120002567A1 (en) * | 2010-07-01 | 2012-01-05 | The Hong Kong University Of Science And Technology | Cross-layer optimization for next-generation wifi systems |
US20170280444A1 (en) * | 2016-03-24 | 2017-09-28 | Claudio Da Silva | Access point (ap), station (sta) and method for usage of a frame format based on a phase noise measurement |
CN113014295A (zh) * | 2021-02-24 | 2021-06-22 | 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 |
US20210344389A1 (en) * | 2018-10-12 | 2021-11-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and apparatuses for cell-free massive mimo communication |
CN113852453A (zh) * | 2021-09-30 | 2021-12-28 | 杭州电子科技大学 | 一种结合导频分配和ap选择的联合优化方法 |
-
2022
- 2022-01-13 CN CN202210037413.1A patent/CN114710185B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120002567A1 (en) * | 2010-07-01 | 2012-01-05 | The Hong Kong University Of Science And Technology | Cross-layer optimization for next-generation wifi systems |
US20170280444A1 (en) * | 2016-03-24 | 2017-09-28 | Claudio Da Silva | Access point (ap), station (sta) and method for usage of a frame format based on a phase noise measurement |
US20210344389A1 (en) * | 2018-10-12 | 2021-11-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and apparatuses for cell-free massive mimo communication |
CN113014295A (zh) * | 2021-02-24 | 2021-06-22 | 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 |
CN113852453A (zh) * | 2021-09-30 | 2021-12-28 | 杭州电子科技大学 | 一种结合导频分配和ap选择的联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114710185B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107426773B (zh) | 无线异构网络中面向能效的分布式资源分配方法和装置 | |
CN111132264B (zh) | 多用户mimo-noma系统下行链路的用户分簇方法 | |
CN110167176B (zh) | 一种基于分布式机器学习的无线网络资源分配方法 | |
CN113490219B (zh) | 一种面向超密集组网的动态资源分配方法 | |
CN114169243B (zh) | Mimo干扰信道下空中计算多任务联邦学习方法 | |
CN110519029B (zh) | 蜂窝与v2v混合大规模mimo导频复用信道获取方法 | |
CN112564746B (zh) | CF mmWave mMIMO系统中基于最优GEE的功率分配方法 | |
CN109274412B (zh) | 一种大规模mimo系统的天线选择方法 | |
CN105873214A (zh) | 一种基于遗传算法的d2d通信系统的资源分配方法 | |
CN114337976A (zh) | 一种联合ap选择与导频分配的传输方法 | |
CN110337144A (zh) | 基于角度域毫米波非正交多址接入系统的功率分配方法 | |
CN114389652A (zh) | 一种去蜂窝大规模mimo网络低功耗大连接方法 | |
CN115866787A (zh) | 融合终端直传通信和多接入边缘计算的网络资源分配方法 | |
CN109995496B (zh) | 一种大规模天线系统的导频分配方法 | |
Sabaawi et al. | MIMO system based-constrained quantum optimization solution | |
Xia et al. | A study on user-antenna cluster formation for cluster-wise MU-MIMO | |
CN102186232B (zh) | 一种多小区ofdma系统的功率分配方法 | |
Zhao et al. | Power control for D2D communication using multi-agent reinforcement learning | |
CN113055860A (zh) | 一种蜂窝网络下的d2d多对多资源分配方法 | |
CN112954806A (zh) | 异构网络中基于弦图着色的联合干扰对齐与资源分配方法 | |
CN114710185A (zh) | 一种去蜂窝大规模mimo系统的ap选择方法 | |
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 | |
CN112291828B (zh) | 一种多载波noma系统中多用户分组方法及系统 | |
CN112636795B (zh) | 一种基于最小速率保证的多小区大规模mimo中高谱效功率分配方法 | |
CN112243283B (zh) | 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法 |
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 |