CN114745087B - 导频分配方法、装置、设备及存储介质 - Google Patents
导频分配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114745087B CN114745087B CN202210232718.8A CN202210232718A CN114745087B CN 114745087 B CN114745087 B CN 114745087B CN 202210232718 A CN202210232718 A CN 202210232718A CN 114745087 B CN114745087 B CN 114745087B
- Authority
- CN
- China
- Prior art keywords
- pilot frequency
- pilot
- user equipment
- population
- individuals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000006854 communication Effects 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 18
- 210000004027 cell Anatomy 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 28
- 210000000349 chromosome Anatomy 0.000 claims description 19
- 238000010187 selection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 10
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 230000007614 genetic variation Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000006798 recombination Effects 0.000 claims description 6
- 238000005215 recombination Methods 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 9
- 230000002068 genetic effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002759 chromosomal effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0037—Inter-user or inter-terminal allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
- H04L5/005—Allocation of pilot signals, i.e. of signals known to the receiver of common pilots, i.e. pilots destined for multiple users or terminals
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供了一种导频分配方法、装置、设备及存储介质，涉及通信技术领域。该方法包括：确定通信系统中需要进行导频分配的用户设备以及待分配的导频；基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案；基于无导频污染情况下的性能最差用户设备的信道估计结果，优化初步导频分配方案，得到最优导频分配方案。本申请实施例实现了各小区用户设备的信道估计结果最优的导频分配策略，缓解了大规模天线系统的导频污染影响，有效提升了系统中最差的用户设备的性能。
Description
技术领域
本申请涉及通信技术领域，具体而言，本申请涉及一种导频分配方法、装置、设备及计算机可读存储介质。
背景技术
大规模天线无线通信系统，即在基站端使用大量天线，利用同一时频资源服务于多个UE用户，可以消除小区内部干扰，并降低噪声对系统性能的影响。在获得上述优势的同时，大规模天线系统还存在一定的问题，即当多UE用户之间采用导频复用方案时，其性能将受限于导频污染。
发明内容
本申请实施例提供了一种导频分配方法、装置、设备及计算机可读存储介质，旨在解决现有技术中的至少一个技术问题。
根据本申请实施例的一个方面，提供了一种导频分配方法，该方法包括：
确定通信系统中需要进行导频分配的用户设备以及待分配的导频；
基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案；
基于无导频污染情况下的性能最差用户设备的信道估计结果，优化所述初步导频分配方案，得到最优导频分配方案。
在一个可能的实现方式中，通过如下步骤得到最优导频分配方案：
将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将所述初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，得到最优导频分配方案；
其中，用于衡量信道估计性能的目标函数基于无导频污染情况下的性能最差用户设备的信道估计结果确定。
在另一个可能的实现方式中，若与期望用户设备使用相同导频的干扰用户设备的到达角的范围与所述期望用户设备的到达角的范围完全不重叠，所述方法还包括：
计算每个干扰用户设备的到达角与期望用户设备的到达角之间的角度差，以及每个干扰用户设备到第一基站的空间距离与期望用户设备到所述第一基站的空间距离之间的距离差，其中，所述第一基站为所述期望用户设备所在小区的基站；
根据所述角度差和所述距离差，确定所述无导频污染情况下的性能最差用户设备。
在另一个可能的实现方式中，根据所述角度差和所述距离差，确定所述无导频污染情况下的性能最差用户设备，包括：
将所述角度差和所述距离差之积中的最小值所对应的干扰用户设备确定为所述无导频污染情况下的性能最差用户设备。
在又一个可能的实现方式中，所述将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将所述初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，得到最优导频分配方案，包括：
重复执行根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直至满足种群进化终止条件，将当前种群中适应度最高的个体对应的导频分配方案确定为最优导频分配方案；
其中，所述个体适应度基于所述适应度函数得到，所述种群进化终止条件为重复执行的次数达到种群进化终止的迭代次数。
在又一个可能的实现方式中，根据本代种群个体的个体适应度，依次进行个体选择、染色体交叉、基因变异操作，得到下一代种群的步骤，包括：
基于预设选择方法从本代种群个体中选择个体适应度高的个体，作为遗传至下一代种群的父代个体；
从所述父代个体中随机选择两个个体进行染色体交换，形成两个新个体；
从所述父代个体中随机选择一个个体进行基因重组，形成新的个体。
在又一个可能的实现方式中，根据本代种群个体的个体适应度进行选择、交叉、变异操作后，所述方法还包括：
根据随机生成的导频分配索引矩阵对选择后的本代种群进行补缺操作，直到下一代种群中个体的数量与所述本代种群中个体的数量一致。
在又一个可能的实现方式中，所述方法还包括：
计算种群进化过程中的每一代种群中适应度最高的个体对应的归一化均方误差；
根据所得的归一化均方误差结果，确定最后一代种群中适应度最高的个体对应的归一化均方误差最低。
根据本申请实施例的另一个方面，提供了一种导频分配装置，该装置包括：
确定模块，用于确定通信系统中需要进行导频分配的用户设备以及待分配的导频；还用于基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案；
优化模块，用于基于无导频污染情况下的性能最差用户设备的信道估计结果，优化所述初步导频分配方案，得到最优导频分配方案。
根据本申请实施例的另一个方面，提供了一种电子设备，包括：存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现第一方面所示的导频分配方法的步骤。
根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现第一方面所示的导频分配方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
通过基于无导频污染情况下的性能最差用户设备的信道估计结果，优化初步导频分配方案，得到最优导频分配方案，突破局部最优解的限制，同时考虑了性能最差的用户设备，实现各小区用户设备的信道估计结果最优的导频分配策略，缓解大规模天线系统的导频污染影响，有效提升系统中最差的用户设备的性能。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为实现本申请实施例提供的一种导频分配方法的通信系统的示意图；
图2为如图1所示的通信系统中散射体影响下的信号传输到达角的示意图；
图3为本申请实施例提供的一种导频分配方法的流程示意图；
图4为本申请另一实施例提供的一种导频分配方法中的确定第一用户设备的流程示意图；
图5为本申请实施例提供的一种导频分配方法中的信道估计归一化均方误差随种群进化次数变化的示意图；
图6为比对多种不同的导频分配方案中性能最差用户设备的信道估计归一化均方误差随基站天线数M变化的示意图；
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在现有技术中，为了减轻导频污染的影响，通常会考虑通信系统的整体性能，没有考虑到户设备的公平性，忽略了系统中性能最差的用户设备的性能，导致该用户设备被分配污染严重的导频。为了解决上述问题，本申请实施例公开了如下的解决方案。
本发明实施例采用遗传算法确定最优的导频分配方案，突破局部最优解的限制，同时考虑最差用户设备的性能，实现各小区用户设备的信道估计结果最优的导频分配策略，缓解大规模天线系统的导频污染影响，有效提升系统中最差的用户设备的性能。遗传算法是计算机科学中人工智能领域里用于解决最优化问题的一种搜索启发式算法，属于进化算法中的一种。这种启发式算法通常被用来生成有效的解决方案来优化和搜索问题。
针对现有技术中存在的上述技术问题，本申请实施例提供了一种导频分配方法、装置、设备及计算机可读存储介质。
下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。
首先，结合附图1和2详细描述本申请实施例提供的一种导频分配方法的应用场景。
图1为实现本申请实施例提供的一种导频分配方法的大规模MIMO通信系统。考虑一个小区数目为L的大规模MIMO蜂窝通信系统，每个小区有1个基站，基站的天线数为M，每个蜂窝小区有K个用户设备UE，UE的天线数为1。UE在小区范围内随机分布，基站位于每个小区的中心。大规模MIMO系统的通信过程采用时分双工协议。
本申请实施例中使用如下多径信道模型：
其中，glkj为第l个小区中的第k个UE到第j个基站的M×1维信道矢量，P为UE侧的散射体的数量，为信号到达角的第p条路径的角度，θ∈[0,2π]。a(θ)为天线导向矢量，如式(2)所示：
其中，D为天线间距，基站天线为均匀分布阵列，θ为到达角的角度，λ为信号的波长。为第p条路径的信道系数，服从期望为0、标准差为βlkj的复高斯分布。βlkj为大尺度衰落系数：
其中，dlkj为UE到基站天线的空间距离，γ为路径损耗系数，α为：
其中，γSNR为小区边缘信噪功率比，R为小区半径，为噪声功率。
接着，说明上行链路训练阶段。
假设可用的导频序列的个数是τ(τ≥K)，即导频组S＝[s1 s2...sτ]中有τ个相互正交的长度为τ的导频序列。即
也就是说，S为τ×τ维的导频序列矩阵。
在上行链路训练阶段，系统中所有UE将其对应的导频序列发送到基站。第j个小区基站接收到的导频信号为：
其中，Pρ为导频发射功率，slk为第l个小区中的第k个UE对应的导频信号，glkj为第l个小区中的第k个UE对应的上行信道矢量。Nj为M×τ维高斯白噪声矩阵，矩阵里的元素服从0均值、标准差为σn的复高斯分布。
使用最小均方误差估计方法进行信道估计，信道估计结果为：
其中，为噪声功率，τ为导频序列的长度。/>nj＝vec(Nj)，IM为单位矩阵，s为第l个小区中的第k个UE对应的一个导频序列，vec(Nj)表示对Nj进行向量化处理，使得到的nj和前面的累加项保持格式一致，可以进行相加操作，例如：Nj为M行*τ列的矩阵，则nj为M×τ行*1列的矩阵。
Rlkj为第l个小区的中第k个UE到第j个小区基站的信道协方差矩阵，表示如下：
Rlkj＝βlkj∫p(θlkj)a(θlkj)aH(θlkj)dθlkj (8)
其中，p(θlkj)为UE到达角的概率密度函数，满足均匀分布。
当理想情况下所有UE都使用正交导频时，即导频污染完全消失时，信道估计结果如下所示：
接下来，说明上行数据信号传输阶段的操作处理。
在上行数据信号传输阶段，所有小区的UE将其对应的数据信号发送到基站。第j个基站接收到的数据信号如下所示：
其中，Pu为UE发送数据信号的平均功率，xlk表示第l个小区中的第k个UE发送的数据信号，满足E{|xlk|2}＝1。为M×1维高斯白噪声向量，向量中的元素服从期望为0、标准差为σn的复高斯分布。其中，E{A}表示A的期望。
基站接收到数据信号后对期望数据信号进行检测。第j个小区中的第k个UE发送的数据信号的检测结果可以表示为：
其中，ajk为第j个小区中的第k个UE的检测矩阵，使用迫零(zero-forcing，ZF)检测方法，检测矩阵设计为：
也就是说，第j个小区中的第k个UE发送的数据信号的检测结果包括：第j个小区中的第k个UE发送的数据信号的检测结果、第j个小区中的其他UE发送的数据信号的检测结果、除第j个小区之外的其他小区的所有UE发送的数据信号的检测结果，以及数据信号噪声的检测结果。
接下来，设计目标函数。
在实际的通信场景下，由于UE周围散射体的存在，上行信号传输会受到基站周围的建筑物形成的散射体的散射影响。针对这种通信环境可以建模出一种环形信道。考虑以UE为中心，由于散射体的散射作用形成一个半径为rs的环形，如图2所示。
和/>分别为第l个小区中的第k个UE向第j个小区基站的发送信号的到达角的最小值和最大值，分别为：
其中，和/>分别为第l个小区中第k个UE的横纵坐标，/>和/>分别为第j个小区基站的横纵坐标。到达角为/>的UE对应信道矢量gikj。
定理：当L-1个与期望UE使用相同导频序列的干扰UE到达角的范围与期望UE到达角的范围/>严格不重叠时，有：
也就是说，如果与期望UE使用相同导频序列的每个干扰UE到达角的范围与期望UE到达角的范围完全不重叠，例如：一个干扰UE到达角的范围为【50°，90°】，期望UE到达角的范围为【10°，30°】)的情况下，当期望UE所在小区的基站的天线数趋于无穷大时，期望UE的信道估计结果可以为理想情况下所有UE都使用正交导频时，即导频污染完全消失时的信道估计结果。
由以上定理，本申请的实施例中设计了一个衡量信道估计性能的目标函数，作为种群中一个个体的适应值函数，如下所示：
其中，dlij为第l个小区中的第i个UE到第j个基站的空间距离，为第l个小区中的第i个UE到第j个基站的到达角，具体可以为：
θmid＝(θmin+θmax)/2 (17)
将适应度函数设置为种群中的一个个体(即一种导频分配方案)所对应的式(16)所示的目标函数。即：第t代的第n个个体的适应度函数为：
遗传算法中的遗传操作主要包括以下三种：个体选择，染色体交叉，基因变异。下面结合附图3-6详细描述本申请实施例提供的一种导频分配方法的实现过程。
图3为本申请实施例提供的一种导频分配方法，如图3所示，该方法包括：
S101、确定通信系统中需要进行导频分配的用户设备以及待分配的导频。
S102、基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案。
S103、基于无导频污染情况下的性能最差用户设备的信道估计结果，优化初步导频分配方案，得到最优导频分配方案。
在该实施例中，S102具体可以包括：通过设计不同小区复用待分配的导频，同一小区中的用户设备采用不同的导频(导频本身就是一个序列，导频和导频序列是同一个概念)，得到初步导频分配方案。在初步导频分配方案中，每个用户分配一个导频序列，同一个小区里的用户设备使用不同的导频序列，不同小区间的用户设备使用相同导频序列。
例如：有5个小区(A、B、C、D、E)，每个小区中有10个用户设备UE，可用的导频序列为10个，则小区A、B、C、D、E可以复用10个导频序列，将10个导频序列分别分配给每个小区中的10个UE，从而可以得到导频分配方案。
本申请实施例的上述方法，在基于无导频污染情况下的性能最差用户设备的信道估计结果，优化初步导频分配方案，得到最优导频分配方案的过程中，考虑了性能最差的用户设备，能够实现各小区用户设备的信道估计结果最优的导频分配策略，缓解大规模天线系统的导频污染影响，有效提升系统中最差的用户设备的性能。
本申请实施例中提供了一种可能的实现方式，步骤103具体可以包括：
将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，得到最优导频分配方案；
其中，用于衡量信道估计性能的目标函数基于无导频污染情况下的性能最差用户设备的信道估计结果确定。
具体的，在该实施例中，导频分配索引矩阵是由所有小区的所有用户设备分配的导频序列的序号组成的矩阵。
例如：有3个小区，每个小区里5个用户，其中的一种初步导频分配方案对应的导频分配索引矩阵为：
上述矩阵中的每个元素是每个用户设备分配的导频序列的序号。
本申请实施例的上述方法采用遗传算法确定最优导频分配方案的过程中考虑了性能最差的用户设备，能够实现各小区用户设备的信道估计结果最优的导频分配策略，缓解大规模天线系统的导频污染影响，有效提升系统中最差的用户设备的性能。
图4为本申请另一实施例提供的一种导频分配方法的流程示意图。如图4所示，若与期望用户设备使用相同导频的干扰用户设备的到达角的范围与期望用户设备的到达角的范围完全不重叠，在S103之前，该方法还可以包括：
S100a、计算每个干扰用户设备的到达角与期望用户设备的到达角之间的角度差，以及每个干扰用户设备到第一基站的空间距离与期望用户设备到第一基站的空间距离之间的距离差，其中，第一基站为期望用户设备所在小区的基站。
S100b、根据角度差和距离差，确定无导频污染情况下的性能最差用户设备。
在该实施例中，在与期望UE使用相同导频序列的每个干扰UE到达角的范围与期望UE到达角的范围完全不重叠的情况下，可以基于干扰UE的到达角与期望UE的到达角之间的角度差，以及干扰UE到第一基站的空间距离与期望UE到该第一基站的空间距离之间的距离差，确定出通信系统中性能最差的UE。
本申请实施例中提供了一种可能的实现方式，S100b具体可以包括：
将角度差和距离差之积中的最小值所对应的干扰用户设备确定为无导频污染情况下的性能最差用户设备。
具体的，在该实施例中，假设有5个小区(A、B、C、D、E)，每个小区中有10个UE，例如：小区A中的UE分别记为A1、A2、……A10；小区B中是UE分别记为B1、B2、……B10；类似的，对小区C、D、E中的UE分别记录。若A1为期望UE，则其他49个UE中与A1具有相同导频序列的UE为干扰UE，假设有13个，且该13个UE中每个UE到达角的范围与A1到达角的范围完全不重叠。
在此情况下，计算该13个UE中每个UE到达角与A1到达角之间的角度差，以及该13个UE中每个UE到基站A的空间距离与A1到基站A的空间距离之间的距离差。从13个UE分别对应的角度差和距离差之积中，选择最小值对应的一个UE作为性能最差的UE。其中，13个UE分别对应的角度差和距离差之积可以采用上述公式(16)计算。
也就是说，在该实施例中，当与期望UE使用相同导频序列的干扰UE的到达角与期望UE的到达角之间的角度差，和干扰UE到第一基站的空间距离与期望UE到该第一基站的空间距离之间的距离差满足上述公式(16)所示的条件时，可以确定出通信系统中性能最差的UE。
本申请实施例中提供了一种可能的实现方式，S103具体可以包括：
重复执行根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直至满足种群进化终止条件，将当前种群中适应度最高的个体对应的导频分配方案确定为最优导频分配方案。
其中，个体适应度基于适应度函数得到，种群进化终止条件为重复执行的次数达到种群进化终止的迭代次数。
在该实施例中，选择操作就是用来确定如何从父代群体中按某种方法选取哪些个体作为父母，然后进行交配(重组/交叉)操作，生成新的个体的过程。在遗传算法中，个体的适应度指的是个体在种群生存的优势程度度量，用于区分个体的“好与坏”。
也就是说，选择操作进行优胜劣汰，根据每个个体适应度大小选择，适应度高的个体被遗传至下一代种群的概率大，相反，适应度低的个体被遗传至下一代种群的概率小。交叉操作则是针对两个个体进行基因重组，按照某种方式交互染色体中的部分基因，形成两个新的个体。变异操作是进行基因突变，以较小的概率将某一个体上的某一染色体中的某些基因进行互换，形成新的个体。
因此，通过重复执行根据每一代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直到迭代到设置的最大进化代数，将当前种群中适应度最高的个体所对应导频分配方案确定为接近全局最优的导频分配方案。
在一些实施例中，根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，具体可以包括：
S1、基于预设选择方法从本代种群个体中选择个体适应度高的个体，作为遗传至下一代种群的父代个体。
其中，预设选择方法可以包括采用轮盘赌选择法、随机遍历抽样法、锦标赛选择法、随机竞争选择、期望值选择、确定式选择、局部选择法、截断选择法等等方法。上述这些选择法的具体现实过程可以采用现有相关技术实现，为了描述的简洁，在此不再赘述。
S2、从父代个体中随机选择两个个体进行染色体交换，形成两个新个体。
S3、从父代个体中随机选择一个个体进行基因重组，形成新的个体。
具体的，在该实施例中，使用上述公式(18)计算初代种群的所有个体的适应度函数得到
1、个体选择操作。
将初代种群的每个个体的适应值函数进行归一化处理，得到每个个体被保存到下一代种群的概率，即对进行归一化处理得到/>其中，/>满足/>
可以应用轮盘赌算法选择出可以遗传到下一代的父代个体，即将适应度高的个体继续存活到下一代种群。随机生成新的个体来补上缺位，保证每代种群的个体数相同，对应导频分配，即随机生成导频分配索引矩阵将缺位补上。
2、染色体交叉操作。
设置染色体交叉概率为pc。设置随机概率pr，当pc＞pr则进行组合交叉操作。从第一步中选择出的父代个体中随机选择出两个个体来进行染色体互换。具体操作步骤如下：
1)从经过选择操作的初代种群中随机取出两个个体其中，a,b∈{1,2,...,N}。对应导频分配则是选择出两个导频分配索引矩阵；
2)从中任取一条染色体/>将/>存到临时变量temp。对应导频分配则是从该索引矩阵中选择出一列存到临时变量temp；
3)从中任取一条染色体/>将/>赋值给/>再将temp赋值给/>完成染色体的互换。对应导频分配则是进行两个索引矩阵的随机一列的交换；
4)将交换过染色体的两个个体放回该种群。
3、基因变异操作。
设置基于变异概率为pm。设置随机概率pt，当满足pm＞pt时进行基因变异操作。从种群中随机选择一个个体对其某一个染色体进行打乱重组。具体操
1)从经过选择、交叉组合操作的初代种群中随机取出一个个体对应于导频分配则是选择出来一个导频分配索引矩阵；
2)从中随机取出一条染色体/>并从该染色体中任取两个基因/>其中，g,k∈{1,2,...,K}。对应于导频分配则是从索引矩阵中任取一列，从该列中随机选择两个导频索引；
3)将存到临时变量temp，将/>赋值给/>将temp赋值给/>完成基因重组。对应于导频分配则是完成两个索引的互换；
4)将变异后的染色体放回个体/>
重复以上遗传操作直到迭代到设置的最大进化代数T，则将当前种群中适应度最高的个体所对应导频分配方案确定为接近全局最优的导频分配方案。
本申请实施例中提供了一种可能的实现方式，根据本代种群个体的个体适应度进行选择、交叉、变异操作后，该方法还可以包括：
根据随机生成的导频分配索引矩阵对选择后的本代种群进行补缺操作，直到下一代种群中个体的数量与本代种群中个体的数量一致。
具体的，在该实施例中，为了保证每代种群的个体数相同，在进行选择操作之后，可以随机生成新的个体来补上缺位，对应到导频分配，即随机生成导频分配索引矩阵将缺位补上。例如：初代种群的个体数为50个，经过选择操作从中选择出可遗传至下一代种群的父代个体为30，则需要随机生成20个导频分配索引矩阵进行不缺，使得下一代种群的个体数依然为50个。
本申请实施例中提供了一种可能的实现方式，方法还包括：
计算种群进化过程中的每一代种群中适应度最高的个体对应的归一化均方误差；
根据所得的归一化均方误差结果，确定最后一代种群中适应度最高的个体对应的归一化均方误差最低。
具体的，在该实施例中，在通过遗传算法迭代至设置的最大迭代次数后，可以针对每一次迭代结果中适应度最高的个体计算其对应的归一化均方误差，然后通过比较分析确定出最后一代种群中适应度最高的个体对应的归一化均方误差最低，从而可以进一步验证最后一代种群中适应度最高的个体为最优的导频分配方案。
例如：附图5示出了基站天线数为128时在最大进化次数内系统中性能最差用户设备的信道估计归一化均方误差随进化次数的变化情况。迭代于进化次数为26时达到收敛，说明该算法的时间复杂度较低。信道估计平均归一化均方误差随着进化次数的增加总的来说是呈下降趋势，迭代结束时误差减小了约12dB。在一些间隔内不发生变化是因为这些阶段内陷入了局部最优解，后面趋势下降是由于系统进行了染色体交叉和基因变异操作，种群内出现了更优个体。从图5可以看出，基于用户公平性的导频分配方案在最大进化次数内有效地提高了性能最差用户的性能，保证了用户公平性。
另外，图6为比对多种不同的导频分配方案中性能最差用户设备的信道估计归一化均方误差随基站天线数M变化的示意图。如图6所示，比对了本申请实施例提出的导频分配方案与现有技术中的传统导频分配方案、随机分配方案、FPA导频分配方案及无导频污染情况时的性能最差用户的信道估计归一化均方误差。传统分配方案应用贪婪搜索算法进行导频分配。
从图6中可以看到，当基站天线数增长时，信道估计平均NMSE会逐渐减小。且当天线数较小时，增长速率较快；当天线数较大时，增长速率变慢。这是由于当天线数量根据小时，小区内部干扰及噪声等非导频污染是降低系统性能的主要因素；而随着天线数量逐渐增大，非导频污染在干扰中占的比重逐渐减小，导频污染问题变成影响系统性能的瓶颈问题。在基站天线数量为200时，本申请实施例中提供的导频分配方案的平均归一化均方误差远低于随机导频分配方案和传统导频分配方案，略低于FPA导频分配方案，最差用户的性能得到了有效提升，由此也验证了本申请实施例提供的导频分配方案中遗传算法的有效性。
本申请实施例还提供了一种导频分配装置，该装置可以包括：确定模块和优化模块，其中，
该确定模块，用于确定通信系统中需要进行导频分配的用户设备以及待分配的导频；还用于基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案。
该优化模块，用于基于无导频污染情况下的性能最差用户设备的信道估计结果，优化所述初步导频分配方案，得到最优导频分配方案
进一步地，上述优化模块具体用于：
将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，得到最优导频分配方案。
其中，用于衡量信道估计性能的目标函数基于无导频污染情况下的性能最差用户设备的信道估计结果确定。
进一步地，若与期望用户设备使用相同导频的干扰用户设备的到达角的范围与所述期望用户设备的到达角的范围完全不重叠，上述确定模块还用于：计算每个干扰用户设备的到达角与期望用户设备的到达角之间的角度差，以及每个干扰用户设备到第一基站的空间距离与期望用户设备到第一基站的空间距离之间的距离差，其中，第一基站为期望用户设备所在小区的基站；
根据角度差和距离差，确定无导频污染情况下的性能最差用户设备。
进一步地，上述确定模块在根据角度差和距离差，确定无导频污染情况下的性能最差用户设备时，具体用于：将角度差和距离差之积中的最小值所对应的干扰用户设备确定为无导频污染情况下的性能最差用户设备。
进一步地，上述优化模块在得到最优导频分配方案时，具体用于：重复执行根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直至满足种群进化终止条件，将当前种群中适应度最高的个体对应的导频分配方案确定为最优导频分配方案；
其中，个体适应度基于适应度函数得到，种群进化终止条件为重复执行的次数达到种群进化终止的迭代次数。
进一步地，上述确定模块在根据本代种群个体的个体适应度，依次进行个体选择、染色体交叉、基因变异操作，得到下一代种群时，具体用于：
基于预设选择方法从本代种群个体中选择个体适应度高的个体，作为遗传至下一代种群的父代个体；
从父代个体中随机选择两个个体进行染色体交换，形成两个新个体；
从父代个体中随机选择一个个体进行基因重组，形成新的个体。
进一步地，该装置还可以包括执行模块，用于：根据随机生成的导频分配索引矩阵对选择后的本代种群进行补缺操作，直到下一代种群中个体的数量与本代种群中个体的数量一致。
进一步地，上述执行模块还可以用于：计算种群进化过程中的每一代种群中适应度最高的个体对应的归一化均方误差。
上述确定模块还可以用于：根据所得的归一化均方误差结果，确定最后一代种群中适应度最高的个体对应的归一化均方误差最低。
本申请实施例的装置可执行本申请实施例提供的方法，其实现原理和能够达到的效果相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现本申请实施例提供的校准方法的步骤，与现有技术相比可实现：通过基于无导频污染情况下的性能最差用户设备的信道估计结果，优化初步导频分配方案，得到最优导频分配方案，突破局部最优解的限制，同时考虑了性能最差的用户设备，实现各小区用户设备的信道估计结果最优的导频分配策略，缓解大规模天线系统的导频污染影响，有效提升系统中最差的用户设备的性能。
在一个可选实施例中提供了一种电子设备，如图7所示，图7所示的锁相环4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。
Claims (8)
1.一种导频分配方法，其特征在于，包括：
确定通信系统中需要进行导频分配的用户设备以及待分配的导频；
基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案；
基于无导频污染情况下的性能最差用户设备的信道估计结果，优化所述初步导频分配方案，得到最优导频分配方案；
其中，通过如下步骤得到最优导频分配方案：
将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将所述初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，重复执行根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直至满足种群进化终止条件，将当前种群中适应度最高的个体对应的导频分配方案确定为最优导频分配方案；
其中，用于衡量信道估计性能的目标函数基于无导频污染情况下的性能最差用户设备的信道估计结果确定；
其中，所述个体适应度基于所述适应度函数得到，所述种群进化终止条件为重复执行的次数达到种群进化终止的迭代次数。
2.根据权利要求1所述的方法，其特征在于，若与期望用户设备使用相同导频的干扰用户设备的到达角的范围与所述期望用户设备的到达角的范围完全不重叠，所述方法还包括：
计算每个干扰用户设备的到达角与期望用户设备的到达角之间的角度差，以及每个干扰用户设备到第一基站的空间距离与期望用户设备到所述第一基站的空间距离之间的距离差，其中，所述第一基站为所述期望用户设备所在小区的基站；
根据所述角度差和所述距离差，确定所述无导频污染情况下的性能最差用户设备。
3.根据权利要求2所述的方法，其特征在于，根据所述角度差和所述距离差，确定所述无导频污染情况下的性能最差用户设备，包括：
将所述角度差和所述距离差之积中的最小值所对应的干扰用户设备确定为所述无导频污染情况下的性能最差用户设备。
4.根据权利要求1至3中任一项所述的方法，其特征在于，根据本代种群个体的个体适应度，依次进行个体选择、染色体交叉、基因变异操作，得到下一代种群的步骤，包括：
基于预设选择方法从本代种群个体中选择个体适应度高的个体，作为遗传至下一代种群的父代个体；
从所述父代个体中随机选择两个个体进行染色体交换，形成两个新个体；
从所述父代个体中随机选择一个个体进行基因重组，形成新的个体。
5.根据权利要求1至3中任一项所述的方法，其特征在于，根据本代种群个体的个体适应度进行选择、交叉、变异操作后，所述方法还包括：
根据随机生成的导频分配索引矩阵对选择后的本代种群进行补缺操作，直到下一代种群中个体的数量与所述本代种群中个体的数量一致。
6.一种导频分配装置，其特征在于，包括：
确定模块，用于确定通信系统中需要进行导频分配的用户设备以及待分配的导频；还用于基于需要进行导频分配的用户设备以及待分配的导频，确定初步导频分配方案；
优化模块，用于基于无导频污染情况下的性能最差用户设备的信道估计结果，优化所述初步导频分配方案，得到最优导频分配方案；
其中，所述优化模块具体用于通过如下步骤得到最优导频分配方案：
将用于衡量信道估计性能的目标函数作为种群个体的适应度函数，将所述初步导频分配方案对应的导频分配索引矩阵作为种群个体参与种群进化，重复执行根据本代种群个体的个体适应度，依次进行选择、交叉、变异操作，得到下一代种群的步骤，直至满足种群进化终止条件，将当前种群中适应度最高的个体对应的导频分配方案确定为最优导频分配方案；
其中，用于衡量信道估计性能的目标函数基于无导频污染情况下的性能最差用户设备的信道估计结果确定；
其中，所述个体适应度基于所述适应度函数得到，所述种群进化终止条件为重复执行的次数达到种群进化终止的迭代次数。
7.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-5任一项所述的导频分配方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的导频分配方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232718.8A CN114745087B (zh) | 2022-03-09 | 2022-03-09 | 导频分配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232718.8A CN114745087B (zh) | 2022-03-09 | 2022-03-09 | 导频分配方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114745087A CN114745087A (zh) | 2022-07-12 |
| CN114745087B true CN114745087B (zh) | 2023-12-22 |
Family
ID=82274360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210232718.8A Active CN114745087B (zh) | 2022-03-09 | 2022-03-09 | 导频分配方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114745087B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158644A (zh) * | 2014-08-22 | 2014-11-19 | 北京智谷睿拓技术服务有限公司 | 多天线系统导频分配方法及导频分配装置 |
| CN105207761A (zh) * | 2015-10-10 | 2015-12-30 | 南京邮电大学 | 一种基于遗传算法的tdd系统导频调度方法 |
| CN110995399A (zh) * | 2019-11-18 | 2020-04-10 | 杭州电子科技大学 | 一种基于用户分组的大规模mimo导频分配方法 |
-
2022
- 2022-03-09 CN CN202210232718.8A patent/CN114745087B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158644A (zh) * | 2014-08-22 | 2014-11-19 | 北京智谷睿拓技术服务有限公司 | 多天线系统导频分配方法及导频分配装置 |
| CN105207761A (zh) * | 2015-10-10 | 2015-12-30 | 南京邮电大学 | 一种基于遗传算法的tdd系统导频调度方法 |
| CN110995399A (zh) * | 2019-11-18 | 2020-04-10 | 杭州电子科技大学 | 一种基于用户分组的大规模mimo导频分配方法 |
Non-Patent Citations (2)
| Title |
|---|
| Worst Cell Based Pilot Allocation in Massive MIMO Systmes;Hieu Trong Dao;electronics;1-11 * |
| 大规模MIMO 系统中基于用户位置和用户分类的导频分配;曹海燕等;《电信科学》;92-99 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114745087A (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cui et al. | Spatial deep learning for wireless scheduling | |
| CN111181619B (zh) | 基于深度强化学习的毫米波混合波束成形设计方法 | |
| RU2505946C2 (ru) | Способ одновременного распределения ресурсов и группирования базовых станций | |
| Bhardwaj et al. | Enhanced dynamic spectrum access in multiband cognitive radio networks via optimized resource allocation | |
| CN113490219B (zh) | 一种面向超密集组网的动态资源分配方法 | |
| CN110011777A (zh) | 大规模mimo系统中基于用户位置和分类的导频分配方法 | |
| US20080309554A1 (en) | Suppressing interference using beamforming of uplink signals received at multiple base stations | |
| Krishnan et al. | Optimizing throughput performance in distributed MIMO Wi-Fi networks using deep reinforcement learning | |
| CN109995496B (zh) | 一种大规模天线系统的导频分配方法 | |
| CN102457360A (zh) | 预编码处理方法、预编码处理装置以及基站 | |
| CN114745087B (zh) | 导频分配方法、装置、设备及存储介质 | |
| Shankar et al. | Examination of User Pairing NOMA System Considering the DQN Scheme over Time-Varying Fading Channel Conditions. | |
| CN110505681B (zh) | 基于遗传方法的非正交多址接入场景用户配对方法 | |
| Zhang et al. | Genetic algorithm based pilot allocation scheme for massive MIMO system | |
| CN105429687B (zh) | 一种最小化干扰功率与维度的干扰对齐方法 | |
| CN109195222B (zh) | 一种基于统计特性参考的功率分配方法 | |
| CN112996118B (zh) | Noma下行链路用户配对方法和存储介质 | |
| Chen et al. | M 3: A sub-millisecond scheduler for multi-cell mimo networks under c-ran architecture | |
| CN115412906A (zh) | 基于混合中继-智能反射面和联邦学习的无线通信方法 | |
| CN115174022B (zh) | 导频分配方法、装置、设备及存储介质 | |
| CN115604824A (zh) | 一种用户调度方法及系统 | |
| CN107872255A (zh) | 适用于大规模mimo蜂窝移动通信网络的导频调度方法 | |
| Soualah et al. | Enhancement of Spectral Efficiency in Massive MIMO System Availing EagleCrow Optimization-Based Scheduling Algorithm. | |
| CN107947891B (zh) | 一种基于遗传算法求取干扰对齐预编码的方法 | |
| CN117856835B (zh) | 基于低分辨率adc的去蜂窝大规模mimo系统资源分配方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100176 Room 101, 1f, building 3, yard 18, Kechuang 10th Street, Beijing Economic and Technological Development Zone, Beijing Applicant after: Beijing ESWIN Computing Technology Co.,Ltd. Address before: 100176 Room 101, 1f, building 3, yard 18, Kechuang 10th Street, Beijing Economic and Technological Development Zone, Beijing Applicant before: Beijing yisiwei Computing Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |