[go: up one dir, main page]

CN117439638A - 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质 - Google Patents

一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质 Download PDF

Info

Publication number
CN117439638A
CN117439638A CN202311600634.6A CN202311600634A CN117439638A CN 117439638 A CN117439638 A CN 117439638A CN 202311600634 A CN202311600634 A CN 202311600634A CN 117439638 A CN117439638 A CN 117439638A
Authority
CN
China
Prior art keywords
wsr
low
optimization
complexity
coefficient
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.)
Pending
Application number
CN202311600634.6A
Other languages
English (en)
Inventor
钟康平
张尧
韩兵
陆洋
杨凯茜
叶思礼
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.)
Zhejiang Normal University CJNU
Original Assignee
Zhejiang Normal University CJNU
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 Zhejiang Normal University CJNU filed Critical Zhejiang Normal University CJNU
Priority to CN202311600634.6A priority Critical patent/CN117439638A/zh
Publication of CN117439638A publication Critical patent/CN117439638A/zh
Pending legal-status Critical Current

Links

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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0623—Auxiliary parameters, e.g. power control [PCB] or not acknowledged commands [NACK], used as feedback information
    • 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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法、装置及介质，包括：步骤1、考虑低精度ADC量化失真，建立上行导频训练模型，推导出Ricean衰落模型下的MMSE信道估计表达式；步骤2、考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术推导出UE速率闭式表达式；步骤3、建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法将原始优化问题转换成凸问题，设计可求解该凸问题的低复杂度方法；步骤4：根据功率系数动态调整UE发射功率，实现WSR优化目标。本发明设计的优化方法能够通过优化功率控制系数来补偿非理想硬件引起的WSR失真。且与现有WSR优化算法相比，本发明方法在实现同等WSR增益的前提下大幅降低了时间复杂度，运行速度快。

Description

一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法、装 置及介质
技术领域
本发明涉及无线通信领域，具体涉及一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法、装置及介质。
背景技术
同基于蜂窝架构的大规模MIMO(Multiple-Input Multiple-Output)技术相比，去蜂窝大规模MIMO技术通过将基站天线单元分散部署并在相同的时频资源上同时服务于多个用户设备(User Equipment，UE)，消除了小区间干扰并降低了接入点(Access Point，AP)与UE之间的路径损耗，大幅提升了小区边缘UE的速率性能。鉴于其具有高速率、高宏增益和均匀的覆盖质量等优势，去蜂窝大规模MIMO已被视为未来6G通信系统中一项关键物理层传输技术。
为了满足数量众多UE的高流量需求，去蜂窝大规模MIMO系统需部署越来越多的AP，这使得部署成本和硬件功耗急剧增大。为了解决上述问题，可在去蜂窝大规模MIMO系统中采用非理想硬件，如低精度模数转换器(Analog-to-Digital Converter，ADC)和数模转换器(Digital-to-Analog Converter，DAC)，但这会引入量化噪声，降低了UE速率性能。为了补偿低精度组件引起的性能损失并提升系统性能，可设计有效的功率控制算法，如加权和速率(Weighted Sum Rate，WSR)优化算法。虽然已有文献设计了WSR优化算法，但这些文献都采用连续凸逼近(Successive Convex Approximation，SCA)方法，即将原始优化问题改写成特定的凸规划问题，再利用内点法进行该凸规划问题。虽然此类方法较好地提升了系统WSR，但其计算复杂度高，运行速度慢，不适宜在大规模去蜂窝大规模MIMO系统中采用。
因此，亟需设计一种低复杂度且运行速率快的WSR优化方法，以期补偿低精度硬件引起的速率损失并提升系统速率性能。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法、装置及介质，该方法较好地补偿了非理想硬件引起的速率损失，显著提升了非理想去蜂窝大规模MIMO系统WSR性能。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，包括以下步骤：
步骤1、考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式；
步骤2、考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术得到UE速率闭式表达式；
步骤3、基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数；
步骤4：根据功率系数动态调整UE发射功率，实现WSR优化目标。
进一步地，步骤1包括：
在中央处理器(Central Processing Unit，CPU)为UE分配导频信号后，假设所有UE同时向AP发射导频信号。APm收到的导频信号经低分辨率ADC量化后，可建模为
其中，m＝1，2，...，M，M为AP的总数，k＝1，2，...，K，K为UE的总数，为由UE下标构成的集合，τ为导频长度，ρp为UEk的导频发射功率，gmk为APm和第k个UE，即UEk之间的Ricean衰落信道矢量，/>表示导频信号，上标H表示共轭转置，/>为高斯白噪声矩阵，N为AP的天线数，/>为复数域，αm表示衡量ADC失真程度的失真因子，Ym，p表示未量化前的导频信号，/>为量化噪声信号。
基于并利用MMSE估计技术，信道gmk的MMSE估计为：
其中，表示与UEk使用相同导频的所有UE的下标集合，j为不同于k的其他UE下标，βmk为APm和UEk之间的等效大尺度衰落系数，βmj为APm和UEj之间的等效大尺度衰落系数，σ2为噪声功率。
进一步地，步骤2包括：
考虑低精度ADC和DAC量化失真，基于MRC接收机建立上行数据传输模型，CPU接收到的数据信号可建模为
其中，λm表示衡量DAC失真程度的失真因子，为APm处的DAC量化噪声，ρu为UE的数据发射功率，ηj表示UEj的功率控制系数，qj表示UEj的数据信号，nm为APm处的高斯白噪声，则表示APm处的ADC量化噪声。对上式采用UatF技术，可推导出UEk的速率下界闭式表达式为/>其中
在上式中，Kmk和Kmj表示莱斯K因子，γmk和γmj表示信道估计质量因子，θmk表示UEk和APm之间的到达入射角，θmj为UEj和APm之间的到达入射角。
进一步地，步骤3包括：
以最大化WSR为目标，且以UE的功率控制系数为自变量的优化问题建模为
其中，wk表示UEk的速率权重，表示上行WSR。约束1规定了UE的实际发射功率应大于等于0且不能超过其最大发射功率。
针对优化问题对其采用拉格朗日对偶变换技术，/>可等价转换为
其中，ξk表示新增的辅助变量。对/(ηk，ξk)求关于ξk的一阶偏导数并令其为0，可得ξk为将/>后，优化问题/>等价于
对优化问题进行二次变换，其等价于
其中，δk表示新增的辅助变量。对g(ηk，δk)求关于δk的一阶偏导数并令其为0，可得δk为
其中，将/>代入优化问题/>求解/>关于ηk的一阶偏导数并令其为0，可得功率控制系数为
基于上述更新函数，通过若干次迭代即可求得功率控制系数的最优值
具体地，所提WSR优化算法的详细步骤为：
Step1：初始化迭代次数i←0，定义容忍误差ε＞0，设定初始可行解为计算初始WSR，记作/>
Step2：更新为/>
Step3：更新为/>
Step4：更新为/>
StepS：基于更新/>
Step6：判断是否成立；
Step7：若不成立，令i←i+1，重复步骤Step2-Step5；
Step8：若成立，令则/>即为原始WSR优化问题/>的一个次优解。
第二方面，本发明提供一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，所述装置包括：
信道估计模块：用于考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式；
UE速率模块：用于考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术得到UE速率闭式表达式；
求解模块：用于基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数；
调整模块：用于根据功率系数动态调整UE发射功率，实现WSR优化目标。
第三方面，本发明提供一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明研究了低精度ADC和DAC对Ricean衰落信道下去蜂窝大规模MIMO系统WSR性能的影响，利用AQNM和MRC接收机推导出MMSE信道估计和基于UatF的速率闭式表达式；接着，考虑UE发射功率约束，设计WSR优化方案，通过优化UE发射功率系数来补偿低精度组件引起的WSR性能损失。
此外，与现有的WSR优化方法相比，本发明设计的WSR优化方法可以基于闭式表达式迭代更新功率系数，在实现同等WSR增益的前提下大幅降低了时间复杂度，运算速度快，因此具有广泛的使用价值及应用前景。
附图说明
图1是本发明实施例所述的WSR优化方法流程图；
图2为本发明实施例所述的系统WSR和ADC/DAC精度之间的关系图；
图3为本发明实施例所述的WSR优化方法与现有WSR优化方法在运行时间上的比较图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
本实施例提出了一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，所设计的WSR优化方法具有低复杂度的优点，且可以动态地调整每个UE的实际发射功率，从而达到补偿低精度组件引起的WSR性能失真和优化WSR的目的。
本方法包括：
步骤1、考虑低精度ADC量化失真，建立上行导频训练模型，推导出Ricean衰落模型下的MMSE信道估计表达式
在以视距(Line of Sight，LoS)传播为主导的Ricean衰落信道模型下，基于加性量化噪声模型(Additive Quantization Noise Model，AQNM)建立上行导频训练模型，AP根据接收到的导频信号并采用MMSE估计方法推导出包含量化噪声的信道估计。
系统里面包括了AP，用户和CPU，所有的优化都是在CPU端计算的。CPU计算出这个功率系数后，转发给UE，UE动态调整其发射功率。
本发明研究上行去蜂窝规模MIMO系统，该系统包括M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。基于Ricean衰落信道对AP和UE之间的无线信道建模，因此，APm和UEk之间的N×1维信道矢量可表示为
其中，ξmk表示APm和UEk之间的大尺度衰落系数，为LoS分量，/>为non-LoS分量，Kmk为莱斯K因子。在导频训练之前，CPU采用特定的导频分配方案为/>分配导频序列/>其中/>表示复数域，τ为导频长度。假设K个UE同时以最大传输功率ρp向AP发射导频信号，APm接收到的导频矢量经低精度ADC量化可表述为
其中，m＝1，2，...，M，k＝1，2，...，K，κ＝{1，2，...，K}为由UE下标构成的集合，上标H表示共轭转置，为高斯白噪声矩阵，αm表示衡量ADC失真程度的失真因子，Ym，p表示未量化前的导频信号，/>为量化噪声信号。基于/>并利用MMSE估计技术，信道gmk的MMSE估计为
其中，表示与UEk使用相同导频的所有UE的下标集合，j为不同于k的其他UE下标，βmk为APm和UEk之间的大尺度衰落系数，βmj为APm和UEj之间的大尺度衰落系数，σ2为噪声功率。
步骤2、考虑低精度ADC和DAC量化失真，基于MRC接收机建立上行数据传输模型，利用UatF技术推导出UE速率闭式表达式
基于AQNM对低分辨率ADC和DAC失真建模，建立AP端接收到的数据信号表达式。AP端根据估计出的上行链路CSI(Channel State Information)构建MRC接收机进行信号检测，采用UatF技术推导出UE速率闭式表达式。
令qk表示UEk的数据信号，当所有UE同时向AP发射数据信号时，APm接收到的数据信号经低精度ADC量化可表述为
其中，ρu为UE的数据发射功率，ηk表示UEk的功率控制系数，nm为APm处的高斯白噪声，则表示APm处的ADC量化噪声。为了检测信号qk，假定采用MRC接收机方案。APm基于/>对/>解扩，并将解扩后的信号经低精度DAC量化后转发至CPU。CPU接收到的数据信号可建模为
其中，λm表示衡量DAC失真程度的失真因子，为APm处的DAC量化噪声。对上式采用UatF技术，可推导出UEk的速率下界闭式表达式为/>其中
在上式中，Kmk和Kmj表示莱斯K因子，γmk和γmj表示信道估计质量因子，θmk表示UEk和APm之间的到达入射角，θmj为UEj和APm之间的到达入射角。
步骤3、建立有关功率控制系数的WSR最优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解最优功率控制系数的低复杂度WSR优化方法
以UE的发射功率限制为约束条件，引入速率加权因子，建立有关UE功率控制系数的WSR最优化问题并求解该问题。分别利用拉格朗日对偶变换和二次变换将原始优化问题等价转换成凸问题，在此基础上基于闭式表达式迭代更新最优功率控制系数，最终达到优化WSR的目的。
考虑UE发射功率约束，以最大化WSR为目标且以UE的功率控制系数为自变量的优化问题建模为
其中，wk表示UEk的速率权重，表示上行WSR。约束1规定了UE的实际发射功率应大于等于0且不能超过其最大发射功率。不难发现优化问题/>是严格非凸的，难以在多项式时间内求得其最优解。对于该问题，可以借助拉格朗日对偶变换和二次变换方法将其转换成凸优化问题，从而通过迭代求解该问题得到原始问题的一个次优解。根据拉格朗日对偶变换，通过引入辅助变量ξk，优化问题/>可等价转换为
不难发现当给定ηk时，f(ηk，ξk)关于ξk是凸且可微的，因此ξk可以通过求解其一阶导数并令其为0得出。对f(ηk，ξk)求关于ξk的一阶偏导数并令其为0，可得ξk为将/>代入f(ηk，ξk)后，优化问题/>等价于
优化问题仍然是非凸优化问题。为此，采用二次变换技术，优化问题/>可等价转换为
其中，δk表示新增的辅助变量。不难发现当给定ηk时，g(ηk，δk)关于δk是凸且可微的，因此δk可以通过求解其一阶导数并令其为0得出。对g(ηk，δk)求关于δk的一阶偏导数并令其为0，可得δk为
其中，将/>代入优化问题/>后可以发现，目标函数g(ηk，δk)关于ηk是凸且可微的。因此求解/>关于ηk的一阶偏导数并令其为0，可得功率控制系数为
基于上述更新函数，通过若干次迭代即可求得功率控制系数的最优值
具体地，所提WSR优化算法的详细步骤为：
Step1：初始化迭代次数i←0，定义容忍误差ε＞0，设定初始可行解为计算初始WSR，记作/>
Step2：更新为/>
Step3：更新为/>
Step4：更新为/>
Step5：基于更新/>
Step6：判断是否成立；
Step7：若不成立，令i← i+1，重复步骤Step2-Step5；
Step8：若成立，令则/>即为原始WSR优化问题/>的一个次优解。
步骤4：根据功率系数动态调整UE发射功率，实现WSR优化目标。
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给出了上行WSR和ADC/DAC精度之间的关系图，其中横坐标为ADC/DAC分辨率，纵坐标为上行WSR。为了与本发明设计的WSR优化方法作对比，全功率传输方案和传统的基于几何规划的WSR最优化方法下的上行WSR也在图2中给出。仿真参数设置为M＝25/36，K＝10，N＝6，/>σ2＝-126dBm，ρp＝ρu＝20dBm，wk＝1，ε＝10-2，仿真场景为400m×400m的区域。如图2所示，对于M＝36和M＝25的去蜂窝大规模MIMO系统，WSR随着ADC/DAC分辨率的增大而提高且在5比特附近趋于饱和，说明可以通过采用5-bit ADC和DAC来降低硬件功耗和部署成本，并实现与高精度ADC和DAC下相同的WSR性能。同全功率传输方案相比，本发明提出的优化方法可显著提升WSR性能。此外，本发明提出的优化方法下的WSR与基于几何规划的优化方法下的WSR近乎一致。
图3给出了不同优化算法的运行时间与UE数目的关系图。观察图3可以发现，与基于几何规划的WSR优化方法相比，本发明提出的WSR优化方法所需的运行时间降低。即使在UE数目较多的去蜂窝大规模MIMO系统中，如K≥22，本发明提出的优化方法所需的运行时间也不超过0.1秒。结合图2和图3中得到的结论，可以发现本发明设计的WSR优化方法在显著提升WSR的同时大幅降低了运行耗时，因此具有较高的实用性。
实施例二：
本实施例提供一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，所述装置包括：
信道估计模块：用于考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式；
UE速率模块：用于考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术得到UE速率闭式表达式；
求解模块：用于基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数；
调整模块：用于根据功率系数动态调整UE发射功率，实现WSR优化目标。
本实施例的装置可用于实现实施例一所述的方法。
实施例三：
本实施例提供一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例一所述方法的步骤。
实施例四：
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，其特征在于，包括以下步骤：
步骤1、考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式；
步骤2、考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术得到UE速率闭式表达式；
步骤3、基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数；
步骤4：根据功率系数动态调整UE发射功率，实现WSR优化目标。
2.根据权利要求1所述的一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，其特征在于，步骤1、考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式，包括：
在CPU为UE分配导频信号后，假设所有UE同时向AP发射导频信号；第m个AP即APm收到的导频信号经低分辨率ADC量化后，可建模为
其中，m＝1，2，...，M，M为AP的总数，k＝1，2，...，K，K为UE的总数，为由UE下标构成的集合，τ为导频长度，ρp为UEk的导频发射功率，gmk为APm和第k个UE，即UEk之间的Ricean衰落信道矢量，/>表示导频信号，上标H表示共轭转置，/>为高斯白噪声矩阵，N为AP的天线数，/>为复数域，αm表示衡量ADC失真程度的失真因子，Ym，p表示未量化前的导频信号，/>为量化噪声信号；
基于并利用MMSE估计技术，信道gmk的MMSE估计为：
其中，表示与UEk使用相同导频的所有UE的下标集合，j为不同于k的其他UE下标，βmk为APm和UEk之间的等效大尺度衰落系数，βmj为APm和UEj之间的等效大尺度衰落系数，σ2为噪声功率。
3.根据权利要求2所述的一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，其特征在于，步骤2、考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术推导出UE速率闭式表达式，包括：
考虑低精度ADC和DAC量化失真，基于MRC接收机建立上行数据传输模型，CPU接收到的数据信号可建模为
其中，λm表示衡量DAC失真程度的失真因子，为APm处的DAC量化噪声，ρu为UE的数据发射功率，ηj表示UEj的功率控制系数，qj表示UEj的数据信号，nm为APm处的高斯白噪声，/>则表示APm处的ADC量化噪声；对上式采用UatF技术，可推导出UEk的速率下界闭式表达式为其中
在上式中，Kmk和Kmj表示莱斯K因子，γmk和γmj表示信道估计质量因子，θmk表示UEk和APm之间的到达入射角，θmj为UEj和APm之间的到达入射角。
4.根据权利要求2所述的一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，其特征在于，步骤3、基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数，包括：
以最大化WSR为目标，且以UE的功率控制系数为自变量的优化问题建模为
其中，wk表示UEk的速率权重，表示上行WSR；约束1规定了UE的实际发射功率应大于等于0且不能超过其最大发射功率；
针对优化问题对其采用拉格朗日对偶变换技术，/>可等价转换为
其中，ξk表示新增的辅助变量；对f(ηk，ξk)求关于ξk的一阶偏导数并令其为0，可得ξk为将/>代入f(ηk，ξk)后，优化问题/>等价于
对优化问题进行二次变换，其等价于
其中，δk表示新增的辅助变量；对g(ηk，δk)求关于δk的一阶偏导数并令其为0，可得δk为
其中，将/>代入优化问题/>求解/>关于ηk的一阶偏导数并令其为0，可得功率控制系数为
通过若干次迭代即可求得功率控制系数的最优值
5.根据权利要求4所述的一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化方法，其特征在于，通过若干次迭代即可求得功率控制系数的最优值的步骤包括：
Step1：初始化迭代次数i←0，定义容忍误差ε＞0，设定初始可行解为计算初始WSR，记作/>
Step2：更新为/>
Step3：更新为/>
Step4：更新为/>
Step5：基于更新/>
Step6：判断是否成立；
Step7：若不成立，令i←i+1，重复步骤Step2-Step5；
Step8：若成立，令则/>为原始WSR优化问题/>的一个次优解，为功率控制系数的最优值。
6.一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，其特征在于，所述装置包括：
信道估计模块：用于考虑低精度ADC量化失真，建立上行导频训练模型，得到Ricean衰落模型下的MMSE信道估计表达式；
UE速率模块：用于考虑低精度ADC和DAC量化失真，利用MRC接收机和UatF技术得到UE速率闭式表达式；
求解模块：用于基于所述MMSE信道估计表达式和UE速率闭式表达式，建立有关功率控制系数的WSR优化问题，基于二次变换和拉格朗日对偶方法，将原始优化问题转换成凸问题，设计可闭式求解该凸问题的低复杂度方法，得到功率系数；
调整模块：用于根据功率系数动态调整UE发射功率，实现WSR优化目标。
7.一种非理想去蜂窝大规模MIMO系统低复杂度WSR优化装置，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。
8.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～5任一项所述方法的步骤。
CN202311600634.6A 2023-11-27 2023-11-27 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质 Pending CN117439638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311600634.6A CN117439638A (zh) 2023-11-27 2023-11-27 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311600634.6A CN117439638A (zh) 2023-11-27 2023-11-27 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质

Publications (1)

Publication Number Publication Date
CN117439638A true CN117439638A (zh) 2024-01-23

Family

ID=89548067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311600634.6A Pending CN117439638A (zh) 2023-11-27 2023-11-27 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质

Country Status (1)

Country Link
CN (1) CN117439638A (zh)

Similar Documents

Publication Publication Date Title
Palhares et al. Robust MMSE precoding and power allocation for cell-free massive MIMO systems
Kim et al. Virtual cell beamforming in cooperative networks
CN104270820B (zh) 3d大规模mimo系统中联合的垂直波束控制及功率分配方法
CN103067062B (zh) 多小区系统中基于干扰对齐的基站天线选择方法
CN115021846A (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
CN104981004B (zh) 基于多用户双向中继系统的收发器能效优化方法及装置
Choi et al. Quantized massive MIMO systems with multicell coordinated beamforming and power control
CN102647728A (zh) 一种下行链路波束成形的方法、发射端及多小区协作系统
Zhang et al. Power Optimization in Cell‐Free Massive MIMO with Non‐ideal Hardware Transceiver
CN107070520A (zh) 一种基于级联预编码和esinr准则的d2d通信干扰对齐方法
Hu et al. Rate analysis and ADC bits allocation for cell-free massive MIMO systems with low resolution ADCs
Qiao et al. Downlink achievable rate of D2D underlaid cell-free massive MIMO systems with low-resolution DACs
Zhang et al. Cell-free massive MIMO with low-resolution ADCs over spatially correlated channels
CN104079335B (zh) 一种多小区ofdma网络下鲁棒性的三维波束赋形方法
CN109039963B (zh) 一种多小区mu-miso系统中的部分迫零预编码方法
CN112564748B (zh) 一种考虑硬件损伤的mimo异构无线网络波束成形方法
CN117439638A (zh) 一种非理想去蜂窝大规模mimo系统低复杂度wsr优化方法、装置及介质
TW202145005A (zh) 多輸入輸出系統之參數估測方法
Zhang et al. Near-optimal user clustering and power control for uplink MISO-NOMA networks
Li et al. Weighted sum rate maximization for intelligent reflecting surface assisted multiuser system with low-resolution DACs
CN110048753A (zh) 基于mimo系统加权能效最大化的分布式波束赋形优化方法
CN105246130A (zh) 一种用于异构网络中的用户选择算法
CN114760647A (zh) 一种去蜂窝大规模mimo上行总速率一阶优化方法
CN113691287B (zh) 一种基于平均误比特率约束的大规模mimo系统自适应调制方法
Xing et al. Over-the-air computation via cloud radio access networks

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