CN115021846B - 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 - Google Patents
去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 Download PDFInfo
- Publication number
- CN115021846B CN115021846B CN202210560840.8A CN202210560840A CN115021846B CN 115021846 B CN115021846 B CN 115021846B CN 202210560840 A CN202210560840 A CN 202210560840A CN 115021846 B CN115021846 B CN 115021846B
- Authority
- CN
- China
- Prior art keywords
- constraint
- user
- access point
- optimization
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001228 spectrum Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 title claims description 62
- 230000003595 spectral effect Effects 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 238000005562 fading Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 4
- 235000009566 rice Nutrition 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 238000005094 computer simulation Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
-
- 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
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0256—Channel estimation using minimum mean square error criteria
-
- 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下行链路频谱效率和能量效率均衡优化方法,该方法包括:在去蜂窝大规模MIMO系统下,建立上行链路导频训练模型并利用MMSE准则得出信道的MMSE估计;表示用户接收到的为其提供服务的接入点发射的数据信号以及利用UatF技术推导出该用户的下行链路频谱效率和能量效率闭式表达式;以接入点的发射功率限制和用户的QoS限制为约束条件,建立以频率效率和能量效率同时最优化为目标的优化问题,本发明考虑了接入点选择机制对频谱效率和能量效率的影响,并对频谱效率和能量效率的偏好需求通过合理分配资源的方式来灵活地均衡频谱效率和能量效率,从而达到同时优化频谱效率和能量效率的效果,具有广泛的使用价值及应用前景。
Description
技术领域
本发明涉及下行链路频谱效率和能量效率均衡优化方法,具体涉及一种去蜂窝大规模MIMO下行链路频谱效率和能量效率均衡优化方法。
背景技术
蜂窝大规模MIMO(multiple-input multiple-output)技术可提供强大的阵列增益和复用增益,能实现高频谱效率SE(spectral efficiency)和高能量效率EE(energyefficiency),目前已在5G(fifth generation)网络中得到广泛部署和应用。然而在未来超密集组网场景中,该技术会带来严重的区间干扰和频繁的越区交换,导致小区边缘用户UE(user)的性能较差。去蜂窝大规模MIMO技术可以很好地解决上述问题。具体地,该技术将传统的BS(base station)替换成大量的分布式AP(access point),并且以UE为中心进行布网,消除了小区的划分,特别是当UE请求服务时距离该用户UE足够近的AP均可为其提供服务。这种分布式布网方式可提供极高的宏分集增益和覆盖率,因此进一步提高了系统SE和EE。
在去蜂窝大规模MIMO系统的众多性能指标中,EE指标,即系统总吞吐量和总功耗的比值,已经成为了评价一个通信系统好坏的重要参考因素。系统具有高EE意味着可以实现绿色的高速率、低能耗传输。因此,如何在去蜂窝大规模MIMO系统中利用好现有的无线资源并尽可能地优化EE成为了当前的研究热点。然而目前有关去蜂窝大规模MIMO的EE优化研究仅从单方面优化EE入手,没有考虑同时优化SE,这可能导致极小功耗下的低速率传输,即系统SE性能较差。已有的同时优化SE和EE的研究大都局限在简单的单蜂窝小区场景中,性能分析较为简单,亟需在场景更为复杂的去蜂窝大规模MIMO中研究同时优化SE和EE。此外,早期的有关去蜂窝大规模MIMO的研究大都假设所有AP服务于同一UE。然而如果某一AP距离该UE较远,这种通信方式会加剧系统功耗而对SE性能的提升微乎其微,从而降低了系统的EE性能。
发明内容
发明目的:为了克服现有技术的不足,本发明提供一种去蜂窝大规模MIMO下行链路频谱效率和能量效率均衡优化方法,该方法解决了上述的技术问题。
技术方案:本发明所述的去蜂窝大规模MIMO下行链路频谱效率和能量效率均衡优化方法,包括以下步骤:
(1)在去蜂窝大规模MIMO系统下,建立上行链路导频训练模型并利用MMSE准则得出信道的MMSE估计;
(2)被选中的接入点和用户建立通信连接,表示某用户接收到的为其提供服务的接入点发射的数据信号以及利用UatF技术推导出该用户的下行链路频谱效率闭式表达式;
(3)引入系统功耗模型以及采用用户的下行链路频谱效率的闭式表达式得到能量效率的闭式表达式,以接入点的发射功率限制和用户的QoS限制为约束条件,建立以频率效率和能量效率同时最优化为目标的优化问题,该优化问题是一个混合整数非线性MOOP;
(4)利用主要目标法和SCA技术设计所述混合整数非线性MOOP的求解方法,从而达到频谱效率和能量效率的均衡优化。
进一步地,包括:
步骤(1)包括:
假设接入点AP和用户UE之间的通信连接主要以LOS传播为主,对应的信道衰落特性应服从莱斯分布,此时APl和UEk之间的N×1维信道矢量glk建模为:
其中,l=1,2,......,L,k=1,2,......,K,ζlk表示APl和UEk之间的大尺度衰落系数,为LOS确定性分量,/>表示莱斯/>因子,/>则为满足瑞利分布的小尺度衰落矢量,且去蜂窝规模MIMO系统具有L个AP,K个UE和1个CPU,每个AP配备N根天线,每个UE配备单根天线。
进一步地,包括:
步骤(1)还包括:
假设K个UE同时以最大传输功率向AP发射导频,APl接收到的导频矢量yl表达式为:
进一步地,包括:
所述步骤(2)包括以下步骤:
(21)利用信道互惠性,估计出的上行链路CSI可当作下行链路CSI,下行链路CSI被用来构建下行链路预编码矩阵;
(23)考虑接入点选择机制,只有被选中的接入点才与用户建立通信连接,令alk表示接入点的选择因子,当APl与UEk进行通信连接时,alk=1;反之,alk=0,定义ak=a1k,...,aLk T,假定APl的最大下行链路发射功率为ρd,UEk接收到的可以为其提供服务的接入点发射的数据信号rk为:
进一步地,包括:
diagA表示由方阵A的对角线元素构成的新矩阵,
上式中,j表示虚数单位,θlk∈0,2π则表示APl和UEk之间的到达入射角,SINRk为UEk的信干噪比。
进一步地,包括:
所述步骤(3)包括以下步骤:
(32)由于EE可定义为总SE和总功耗之比,EE表达式表示为:
(33)以频谱效率和能量效率同时最优化为目标的MOOP表示为:
其中,约束C1要求UEk的频谱效率不应低于给定QoS门限值约束C2和约束C3要求每个AP的发射功率大于等于零且不应超过其最大发射功率;约束C4和约束C5则要求alk的取值非0则1且同时服务于一个UE的AP总数目不应超过AP最大总数目L。
进一步地,包括:
所述步骤(4)包括以下步骤:
其中,ε表示界限因子,由于约束C0–C2和约束C5是非凸的,这将导致优化问题也是非凸,由于ξlk表示APl分配给UEk的功率比例,当APl不为UEk提供服务时,APl和UEk之间的功率控制系数应为0,即ξlk=0;
(44)将约束C2拆分成
约束C5也近似改写为:
此时,约束C0,约束C1和约束C”5仍是非凸的;
(45)利用SCA技术将约束C0和约束C”5近似表述成相应的凸约束;
而界限因子ε的最大值εopt通过迭代求解下述优化问题得出:
进一步地,包括:
所述步骤(45)包括:
约束C0可近似改写为:
其中,上标t+1表示第t+1次迭代,
类似地,约束C”5可近似改写为
而约束C1等价于C1':是一个凸不等式。本发明令δ=δεopt,其中0≤δ≤1表示权重因子。可根据工程实践中对SE和EE的偏好合理地调整δ的大小,从而灵活地均衡SE和EE,最终达到同时优化SE和EE的目的。
进一步地,包括:
步骤(46)中的优化方法具体包括以下步骤:
S4若不成立,令i=i+1,重复步骤S2–S4;
S5若成立,令εopt=εi+1;
S9若不成立,令t=t+1,重复步骤S7–S9;
S10若成立,令ηopt=ξt+1,其中ηopt即为原始MOOP的一个帕累托最优解,即帕累托最优AP发射功率控制系数。
有益效果:本发明与现有技术相比,其显著优点是:本发明先在莱斯衰落信道模型下推导出基于AP选择机制和CB技术的总SE闭式表达式,并引入功耗模型,进一步推导出了EE闭式表达式;接着,考虑AP的发射功率约束和UE的QoS约束,提出以SE和EE同时最优化为目标的优化问题,该问题是一个混合整数非线性MOOP;针对该MOOP,采用主要目标法和SCA技术将其转换成单目标凸优化问题,并利用CVX迭代求解原始MOOP的一个帕累托最优解,本发明的方法考虑了AP选择机制对SE和EE的影响,并且能够根据工程实践中对SE和EE的偏好需求通过合理分配资源的方式来灵活地均衡SE和EE,从而达到同时优化SE和EE的效果,具有广泛的使用价值及应用前景。
附图说明
图1为本发明实施例所述的去蜂窝大规模MIMO系统模型图;
图2为本发明实施例所述的系统EE与权重因子之间的关系图;
图3为本发明实施例所述的系统SE与权重因子之间的关系图。
具体实施方式
下面对本发明技术方案进行详细说明。
本发明主要技术问题是提出了一种去蜂窝大规模MIMO下行链路SE和EE均衡优化方法,所设计的算法可以根据工程实践中对SE和EE的偏好需求通过合理分配资源的方式来灵活地均衡SE和EE,从而达到同时优化SE和EE的效果。以下结合说明书附图对本发明创造作进一步的详细说明。
步骤1、建立上行链路导频训练模型并推导MMSE信道估计
如图1所示,本发明研究去蜂窝规模MIMO下行链路,所考虑的去蜂窝规模MIMO系统具有L个AP,K个UE和1个CPU,每个AP配备N根天线,而每个UE配备单根天线。
假设AP和UE之间的通信连接主要以LOS传播为主,对应的信道衰落特性应服从莱斯分布,此时APl和UEk之间的N×1维信道矢量glk可建模为:
其中,l=1,2,......,L,k=1,2,......,K,ζlk表示APl和UEk之间的大尺度衰落系数,为LOS确定性分量,/>表示莱斯/>因子,/>则为满足瑞利分布的小尺度衰落矢量。LOS为Line of Sight的缩写,即视距传播。
假设整个系统工作在时分双工模式下,上行链路的CSI通过UE向AP发送特定的导频序列方式估计出。假设K个UE同时以最大传输功率向AP发射导频,APl接收到的导频矢量yl表达式为:
其中,τ为UE的导频长度,ρp为UE的导频发射功率,表示分配给UEk的导频序列,/>表示复数域,上标H表示共轭转置运算符,/>代表APl处的加性高斯白噪声。利用MMSE准则估计信道,得出信道glk的MMSE估计表达式为:
步骤2、基于AP选择机制和CB技术建立下行链路数据传输模型,利用UatF技术推导出总SE的闭式表达式。其中,CB技术为conjugate beamforming技术,即共轭波束成型技术。
利用信道互惠性,估计出的上行链路CSI可当作下行链路CSI,其将被用来构建下行链路预编码矩阵。其中,CSI为channel state information的缩写,即信道状态信息。
此外,考虑AP选择机制,只有被选中的AP才可以与UE建立通信连接。令alk表示AP选择因子,当APl可以与UEk进行通信连接时,alk=1;反之,alk=0。定义ak=a1k,...,aLk T,假定APl的最大下行链路发射功率为ρd,UEk接收到的可以为其提供服务的AP发射的数据信号rk为
其中,SINRk为UEk的信干噪比,B表示系统带宽,τc表示一个相干区间的长度,
diag A表示由方阵A的对角线元素构成的新矩阵。此外,Ωk'k=Ω1k'k,...,ΩLk'k T,
上式中,j表示虚数单位,θlk∈0,2π则表示APl和UEk之间的到达入射角。
步骤3、推导EE闭式表达式,建立以SE和EE同时最优化为目标的MOOP
由于EE可定义为总SE和总功耗之比,EE表达式可以表示为
其中,约束C1要求UEk的SE不应低于给定QoS门限值约束C2和约束C3要求每个AP的发射功率大于等于零且不应超过其最大发射功率;约束C4和约束C5则要求alk的取值非0则1且同时服务于一个UE的AP总数目不应超过AP最大总数目L。
步骤4、利用主要目标法和SCA技术设计上述MOOP求解算法
考虑到EE是系统总SE和总功耗的比值,因此,最大化EE等价于同时最大化总SE和最小化总功耗,其中SCA为Successive Convex Approximation的缩写,即连续凸逼近。依据这一分析,优化问题等价于
不难发现优化问题是一个混合整数非线性MOOP,是非凸的,难以在多项式时间内求得其最优解。对于该问题,可以利用主要目标法将其转换成单目标优化问题从而通过求解该问题得到一个帕累托最优解。根据主要目标法,可将/>设置为主目标函数而把/>添加进约束条件中,变换后的优化问题/>为:/>
其中,ε表示界限因子。此时,由于约束C0–C2和约束C5是非凸的,这将导致优化问题也是非凸。由于ξlk表示APl分配给UEk的功率比例,当APl不为UEk提供服务时,APl和UEk之间的功率控制系数应为0,即ξlk=0。依据这一原理,可将约束C2拆分成
约束C5也可近似改写为
此时,约束C0,约束C1和约束C”5仍是非凸的。可利用SCA技术将约束C0和约束C”5近似表述成相应的凸约束。
具体地,利用SCA技术,约束C0可近似改写为
其中,上标t+1表示第t+1次迭代,
而对于约束C1,其等价于一个二阶锥约束,C1':因此C'1为凸约束。此时,目标函数/>和约束C'0,C”0,C'1,C'2,C”2,C3,C4,C'5,C”'5以及C””5均为凸函数或凸不等式,因此第t+1次迭代时应求解的凸优化问题可表示为:
由于约束C'0规定了UE总SE应大于或等于ε,因此界限因子ε的取值将直接影响最终系统总SE和EE之间的均衡关系。ε的最大值εopt可通过迭代求解下述优化问题得出
其中,上标i+1表示第i+1次迭代且问题中的约束不等式是令问题/>中的约束不等式中的t=i得到的。令ε=δεopt,其中0≤δ≤1表示权重因子。所设计的优化算法可根据工程实践中对SE和EE的偏好合理地调整δ的大小,从而灵活地均衡SE和EE,最终达到同时优化SE和EE的目的。
具体地,步骤4中设计的MOOP求解算法的详细步骤为:
Step4:若不成立,令i=i+1,重复步骤Step2–Step4;
Step5:若成立,令εopt=εi+1;
Step9:若不成立,令t=t+1,重复步骤Step7–Step9;
Step10:若成立,令ηopt=ξt+1,其中,ηopt为原始MOOP的一个帕累托最优解,即帕累托最优AP发射功率控制系数。
以下结合仿真实验对本发明的技术方案性能进行进一步说明。
图2给出了EE在不同的AP数目设定下与权重因子的关系图,其中横坐标为权重因子,纵坐标为EE。仿真参数设置为K=10,N=4,τc=200,B=20MHz,σ2=-126dBw,ρp=0.1W,ρd=1W,/> 特别地,图2中的等功率优化方案是指所有AP使用最大功率发射数据信号,且分配给每个UE的功率均相同,即/>
如图2所示,同等功率优化方案相比,本发明提出的优化方法可以显著提升EE。具体来说,当δ=0.5且L=50时,本发明提出的优化方法使得等功率优化方案下的EE提高了约4.8倍。此外,还可发现随着δ的增大,本发明提出的优化方法下的EE先增长后减小,并可在δ=0.5附近实现最优的EE。
图3描绘了总SE在不同的AP数目设定下与权重因子的关系图,其中横坐标为权重因子,纵坐标为总SE。图3中的仿真参数的取值同图2中的仿真参数的取值相同。可以发现,同等功率优化方案相比,当δ较大时,本发明提出的优化方法也可以大幅提升SE。结合图2中的相关结论可以得出本发明提出的优化方法可同时改善系统总SE和EE。此外,观察图2和图3不难看出,选取的δ不同,本发明提出的优化方法最后可实现的SE和EE是不同的。
因此,可以根据工程实践中对SE和EE的偏好需求通过合理分配资源的方式来灵活地均衡SE和EE,从而达到同时优化SE和EE的效果。值得一提的是,虽然本发明仅考虑了去蜂窝大规模MIMO下行链路中的SE和EE同时最优化问题,但本发明也为同领域内其他优化问题提供了参考,可以以此为依据进行拓展延伸,运用于同领域内其他算法的技术方案中,具有十分广阔的应用前景。
Claims (3)
1.一种去蜂窝大规模MIMO下行链路频谱效率和能量效率均衡优化方法,其特征在于,该方法包括以下步骤:
(1)在去蜂窝大规模MIMO系统下,建立上行链路导频训练模型并利用MMSE准则得出信道的MMSE估计;
(2)被选中的接入点和用户建立通信连接,表示某用户接收到的为其提供服务的接入点发射的数据信号以及利用UatF技术推导出该用户的下行链路频谱效率的闭式表达式;
(3)引入系统功耗模型以及采用用户的下行链路频谱效率闭式表达式得到能量效率的闭式表达式,以接入点的发射功率限制和用户的QoS限制为约束条件,建立以频率效率和能量效率同时最优化为目标的优化问题,该优化问题是一个混合整数非线性MOOP;
(4)利用主要目标法和SCA技术设计所述混合整数非线性MOOP的求解方法,从而达到频谱效率和能量效率的均衡优化;
步骤(1)包括:
假设接入点和用户之间的通信连接主要以LOS传播为主,对应的信道衰落特性应服从莱斯分布,此时第l个接入点即APl和第k个用户即UEk之间的N×1维信道矢量glk建模为:
其中,l=1,2,......,L,k=1,2,......,K,ζlk表示APl和UEk之间的大尺度衰落系数,为LOS确定性分量,/>表示莱斯/>因子,/>则为满足瑞利分布的小尺度衰落矢量,且去蜂窝规模MIMO系统具有L个接入点,K个用户和1个CPU,每个接入点配备N根天线,每个用户配备单根天线;
步骤(1)还包括:
假设K个用户同时以最大传输功率向接入点发射导频,APl接收到的导频矢量yl表达式为:
所述步骤(2)包括以下步骤:
(21)利用信道互惠性,估计出的上行链路CSI可当作下行链路CSI,下行链路CSI被用来构建下行链路预编码矩阵;
(23)考虑接入点选择机制,只有被选中的接入点才与用户建立通信连接,令alk表示接入点的选择因子,当APl与UEk进行通信连接时,alk=1;反之,alk=0,定义ak=[a1k,...,aLk]T,假定APl的最大下行链路发射功率为ρd,UEk接收到的可以为其提供服务的接入点发射的数据信号rk为:
diag(A)表示由方阵A的对角线元素构成的新方阵,
上式中,j表示虚数单位,θlk∈[0,2π]则表示APl和UEk之间的到达入射角,SINRk为UEk的信干噪比;
所述步骤(3)包括以下步骤:
(32)由于能量效率可定义为总频谱效率和总功耗之比,能量效率的闭式表达式表示为:
(33)以频谱效率和能量效率同时最优化为目标的MOOP表示为:
其中,约束C1要求UEk的频谱效率不应低于给定QoS门限值约束C2和约束C3要求每个接入点的发射功率大于等于零且不应超过其最大发射功率;约束C4和约束C5则要求alk的取值非0则1且同时服务于一个用户的接入点总数目不应超过接入点最大总数目L;
所述步骤(4)包括以下步骤:
其中,ε表示界限因子,由于约束C0–C2和约束C5是非凸的,这将导致优化问题也是非凸,由于ξlk表示APl分配给UEk的功率比例,当APl不为UEk提供服务时,APl和UEk之间的功率控制系数应为0,即ξlk=0;
(44)将约束C2拆分成
约束C5也近似改写为:
此时,约束C0,约束C1和约束C”5仍是非凸的;
(45)利用SCA技术将约束C0和约束C”5近似表述成相应的凸约束;
而界限因子ε的最大值εopt通过迭代求解下述优化问题得出:
3.根据权利要求1或2所述的优化方法,其特征在于,步骤(46)中的优化方法具体包括以下步骤:
S4若不成立,令i=i+1,重复步骤S2–S4;
S5若成立,令εopt=ε(i+1);
S9若不成立,令t=t+1,重复步骤S7–S9;
S10若成立,令ηopt=ξ(t+1),其中,ηopt即为原始MOOP的一个帕累托最优解,即帕累托最优接入点发射功率控制系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560840.8A CN115021846B (zh) | 2022-05-23 | 2022-05-23 | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560840.8A CN115021846B (zh) | 2022-05-23 | 2022-05-23 | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115021846A CN115021846A (zh) | 2022-09-06 |
CN115021846B true CN115021846B (zh) | 2023-06-13 |
Family
ID=83069469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210560840.8A Active CN115021846B (zh) | 2022-05-23 | 2022-05-23 | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115021846B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116033556B (zh) * | 2023-01-09 | 2023-07-25 | 重庆邮电大学 | 一种实现高能效大规模urllc的资源分配方法 |
CN115865148B (zh) * | 2023-02-20 | 2023-05-23 | 南京信息工程大学 | 一种非理想信道下的去蜂窝mimo鲁棒性波束赋形方法 |
CN116961710B (zh) * | 2023-08-04 | 2024-04-16 | 南京邮电大学 | 一种无蜂窝大规模mimo的功率控制与量化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111787558A (zh) * | 2020-07-29 | 2020-10-16 | 重庆大学 | 一种mimome系统及其安全速率优化方法 |
CN113162663A (zh) * | 2021-04-26 | 2021-07-23 | 中山大学 | 非理想信道信息下的鲁棒多载波mimo无线携能系统设计方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9705579B2 (en) * | 2014-06-06 | 2017-07-11 | Ntt Docomo, Inc. | Transceivers and methods for use in transmitting information in a massive MIMO system |
WO2017161478A1 (zh) * | 2016-03-21 | 2017-09-28 | 中国科学技术大学 | 一种利用无线信道互易性对多用户传输信号的方法 |
CN106452525B (zh) * | 2016-05-26 | 2020-01-10 | 南京邮电大学 | 一种大规模MIMO中能量效率、频谱效率和QoS联合优化方法 |
CN111405596B (zh) * | 2020-03-24 | 2020-11-03 | 西安电子科技大学 | 莱斯信道下大规模天线无线携能通信系统资源优化方法 |
CN113179109B (zh) * | 2021-04-26 | 2022-03-29 | 南京盛航海运股份有限公司 | 一种去蜂窝大规模mimo上行频谱效率优化方法 |
CN113364501B (zh) * | 2021-06-04 | 2022-07-05 | 大连海事大学 | 一种莱斯信道下基于低精度adc去蜂窝大规模mimo系统的功率控制方法 |
CN113890578A (zh) * | 2021-09-29 | 2022-01-04 | 浙大城市学院 | 基于ris和相关信道无蜂窝系统功率设计方法 |
-
2022
- 2022-05-23 CN CN202210560840.8A patent/CN115021846B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111787558A (zh) * | 2020-07-29 | 2020-10-16 | 重庆大学 | 一种mimome系统及其安全速率优化方法 |
CN113162663A (zh) * | 2021-04-26 | 2021-07-23 | 中山大学 | 非理想信道信息下的鲁棒多载波mimo无线携能系统设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115021846A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115021846B (zh) | 去蜂窝大规模mimo下行链路频谱效率和能量效率均衡优化方法 | |
Saeidi et al. | Weighted sum-rate maximization for multi-IRS-assisted full-duplex systems with hardware impairments | |
CN108476056B (zh) | 无线通信方法和无线通信设备 | |
EP2154925B1 (en) | Cooperative multi-cell transmission method | |
US20130315156A1 (en) | Scheduling for coordinated multi-cell mimo systems | |
He et al. | Energy efficient coordinated beamforming for multicell system: Duality-based algorithm design and massive MIMO transition | |
Liu et al. | Fairness-oriented hybrid precoding for massive MIMO maritime downlink systems with large-scale CSIT | |
Huang et al. | Decentralized energy-efficient coordinated beamforming for multicell systems | |
Hao et al. | Energy-efficient hybrid precoding design for integrated multicast-unicast millimeter wave communications with SWIPT | |
KR20110127273A (ko) | Mimo 시스템에서의 다중―셀 협력 통신을 위한 방법 및 디바이스 | |
Tang et al. | User selection and power minimization in full-duplex cloud radio access networks | |
Khalil et al. | CURE: Enabling RF energy harvesting using cell-free massive MIMO UAVs assisted by RIS | |
Yadav et al. | A survey on hybrid, 3D, interference mitigation and secure data beamforming techniques for 5G system | |
CN114389658B (zh) | 一种迫零接收的去蜂窝大规模mimo系统的上行功率优化方法 | |
Nguyen et al. | Optimal dynamic point selection for power minimization in multiuser downlink CoMP | |
Li et al. | On the optimal energy efficiency and spectral efficiency trade-off of CF massive MIMO SWIPT system | |
Nangir et al. | Comparison of the MRT and ZF precoding in Massive MIMO systems from Energy Efficiency viewpoint | |
Jolly et al. | An analysis on rate-splitting multiple access for IRS aided 6G communication | |
Tran et al. | Downlink power optimization for heterogeneous networks with time reversal-based transmission under backhaul limitation | |
Xu et al. | Joint dynamic clustering and user scheduling for downlink cloud radio access network with limited feedback | |
Shahid et al. | Energy Efficiency in 5G Communications–Conventional to Machine Learning Approaches | |
Shao et al. | Resource allocation and hybrid OMA/NOMA mode selection for non-coherent joint transmission | |
WO2014067158A1 (zh) | 调度方法、装置和基站 | |
Bai et al. | A precoding compensation scheme for heterogeneous communication networks with CSI feedback delay | |
He et al. | Distributed energy-efficient design for coordinated multicell downlink transmission |
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 |