CN114710185B - 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 PDF

Info

Publication number
CN114710185B
CN114710185B CN202210037413.1A CN202210037413A CN114710185B CN 114710185 B CN114710185 B CN 114710185B CN 202210037413 A CN202210037413 A CN 202210037413A CN 114710185 B CN114710185 B CN 114710185B
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.)
Active
Application number
CN202210037413.1A
Other languages
English (en)
Other versions
CN114710185A (zh
Inventor
杨龙祥
王永强
张尧
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 CN202210037413.1A priority Critical patent/CN114710185B/zh
Publication of CN114710185A publication Critical patent/CN114710185A/zh
Application granted granted Critical
Publication of CN114710185B publication Critical patent/CN114710185B/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
    • 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

一种去蜂窝大规模MIMO系统的AP选择方法
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：
Figure BDA0003468554940000011
其中，βmk表示AP m和用户k之间的大尺度衰落，hmk代表小尺度衰落向量，其元素独立同分布于均值为0、方差为1的复高斯分布
Figure BDA0003468554940000021
用户k分得的导频序列为
Figure BDA0003468554940000022
其中τp为导频长度且导频序列满足/>
Figure BDA0003468554940000023
CM×N代表M×N维的复空间；/>
基于最小均方误差准则，AP m和用户k之间的信道估计
Figure BDA0003468554940000024
的统计特性满足于分布为 CN(0,γmkIN)，其中，IN代表一个N×N的单位矩阵,
Figure BDA0003468554940000025
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：
Figure BDA0003468554940000026
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：
Figure BDA0003468554940000027
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：
Figure BDA0003468554940000028
Figure BDA0003468554940000029
Figure BDA00034685549400000210
Figure BDA00034685549400000211
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：
Figure BDA0003468554940000031
系统总能量损耗为：
Figure BDA0003468554940000032
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：
Figure BDA0003468554940000033
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：
Figure BDA0003468554940000034
Figure BDA0003468554940000035
Figure BDA0003468554940000036
Figure RE-GDA0003659404540000037
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：
Figure BDA0003468554940000041
S3.2：选出满足式(13)且基数最小的AP集合；被选出的AP序号的集合记为Mn； 如果不满足式(13)则挑出第i个AP加入Mn，i满足
Figure BDA0003468554940000042
否则，选 择结束，进入S3.3；
Figure BDA0003468554940000043
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γij＝0,
Figure BDA0003468554940000048
j∈Un。
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：
Figure BDA0003468554940000044
其中，βmk表示AP m和用户k之间的大尺度衰落，hmk代表小尺度衰落向量，其元素独立同分布于均值为0、方差为1的复高斯分布
Figure BDA0003468554940000045
用户k分得的导频序列为
Figure BDA0003468554940000046
其中τp为导频长度且导频序列满足/>
Figure BDA0003468554940000047
CM×N代表M×N维的复空间；
基于最小均方误差准则，AP m和用户k之间的信道估计
Figure BDA0003468554940000051
的统计特性满足于分布为 CN(0,γmkIN)，其中，IN代表一个N×N的单位矩阵,
Figure BDA0003468554940000052
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：
Figure BDA0003468554940000053
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：
Figure BDA0003468554940000054
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：
Figure BDA0003468554940000055
Figure BDA0003468554940000056
Figure BDA0003468554940000057
Figure BDA0003468554940000058
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：
Figure BDA0003468554940000059
系统总能量损耗为：
Figure BDA0003468554940000061
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：
Figure BDA0003468554940000062
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：
Figure BDA0003468554940000063
Figure BDA0003468554940000064
Figure BDA0003468554940000065
Figure RE-GDA0003659404540000066
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：
Figure BDA0003468554940000071
S3.2：选出满足式(13)且基数最小的AP集合；被选出的AP序号的集合记为Mn； 如果不满足式(13)则挑出第i个AP加入Mn，i满足
Figure BDA0003468554940000072
否则，选 择结束，进入S3.3；
Figure BDA0003468554940000073
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：
Figure BDA0003468554940000074
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 (3)

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，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×N>>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：
Figure FDA0004183419460000011
其中，βmk表示APm和用户k之间的大尺度衰落，hmk代表小尺度衰落向量，其元素独立同分布于均值为0、方差为1的复高斯分布
Figure FDA0004183419460000012
用户k分得的导频序列为
Figure FDA0004183419460000013
其中τp为导频长度且导频序列满足/>
Figure FDA0004183419460000014
CM×N代表M×N维的复空间；
基于最小均方误差准则，APm和用户k之间的信道估计
Figure FDA0004183419460000015
的统计特性满足于分布为CN(0,γmkIN)，其中，IN代表一个N×N的单位矩阵,
Figure FDA0004183419460000016
式中,ρp为每个导频的最大归一化信噪比；
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，具体包括：
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；
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；
为每个聚类分配AP具体包括：
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：
Figure FDA0004183419460000021
S3.2：选出满足式(13)且基数最小的AP集合；被选出的AP序号的集合记为Mn；如果不满足式(13)则挑出第i个AP加入Mn，i满足
Figure FDA0004183419460000022
否则，选择结束，进入S3.3；/>
Figure FDA0004183419460000023
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γij＝0,
Figure FDA0004183419460000024
j∈Un；
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：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：
Figure FDA0004183419460000025
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：
Figure FDA0004183419460000026
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：
Figure FDA0004183419460000027
Figure FDA0004183419460000028
Figure FDA0004183419460000029
Figure FDA0004183419460000031
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：
Figure FDA0004183419460000032
系统总能量损耗为：
Figure FDA0004183419460000033
/>
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：
Figure FDA0004183419460000034
其中Ee({ηmk})为下行总能量效率。
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：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：
Figure FDA0004183419460000035
Figure FDA0004183419460000036
Figure FDA0004183419460000037
Figure FDA0004183419460000038
其中Sok是第k个用户需要的最小频谱效率。
CN202210037413.1A 2022-01-13 2022-01-13 一种去蜂窝大规模mimo系统的ap选择方法 Active CN114710185B (zh)

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 CN114710185A (zh) 2022-07-05
CN114710185B true 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9113371B2 (en) * 2010-07-01 2015-08-18 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
US11916623B2 (en) * 2018-10-12 2024-02-27 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatuses for cell-free massive MIMO communication

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114710185A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN111447631A (zh) 基于非正交多址技术的星地联合波束形成和功率分配方法
CN110430613B (zh) 多载波非正交多址接入系统基于能效的资源分配方法
CN111147112B (zh) 一种基于mimo-noma系统的能量最大化收集方法
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
CN111800828A (zh) 一种超密集网络的移动边缘计算资源分配方法
CN110299937B (zh) 一种上行mimo-noma无线通信系统波束成形方法
CN107231684B (zh) 基于最大容量的scma系统三级功率分配方法
CN113329418B (zh) 基于大规模mimo-noma系统的用户分簇方法、系统及介质
CN113596785A (zh) 基于深度q网络的d2d-noma通信系统资源分配方法
CN112564746B (zh) CF mmWave mMIMO系统中基于最优GEE的功率分配方法
CN105873214A (zh) 一种基于遗传算法的d2d通信系统的资源分配方法
CN111405596A (zh) 莱斯信道下大规模天线无线携能通信系统资源优化方法
CN114423028B (zh) 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法
CN116760448A (zh) 一种基于mimo-noma的星地融合网络资源高效分配方法
CN105978673B (zh) 大规模分布式天线系统中基于用户距离的导频分配方法
CN106851726A (zh) 一种基于最低速率约束的跨层资源分配方法
CN112469113B (zh) 一种多载波noma系统的资源分配方法及装置
CN113055860A (zh) 一种蜂窝网络下的d2d多对多资源分配方法
CN114710185B (zh) 一种去蜂窝大规模mimo系统的ap选择方法
CN105611640B (zh) 一种公平度可调的CoMP下行用户调度方法
CN106788937B (zh) 一种兼顾Massive MIMO系统总体性能和用户间公平性的导频分配方法
CN112243283B (zh) 基于成功传输概率的Cell-Free Massive MIMO网络分簇计算方法
CN110417497B (zh) 最大化单用户功率分配可行区域的上行noma用户分簇方法
Mussbah et al. Access Point Clustering-based Pilot Assignment for Cell-free Massive MIMO

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