CN104883214B - 基于自由度调度的干扰对齐方法 - Google Patents

基于自由度调度的干扰对齐方法 Download PDF

Info

Publication number
CN104883214B
CN104883214B CN201510242192.1A CN201510242192A CN104883214B CN 104883214 B CN104883214 B CN 104883214B CN 201510242192 A CN201510242192 A CN 201510242192A CN 104883214 B CN104883214 B CN 104883214B
Authority
CN
China
Prior art keywords
scheme
mrow
user
freedom
degree
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.)
Expired - Fee Related
Application number
CN201510242192.1A
Other languages
English (en)
Other versions
CN104883214A (zh
Inventor
孙怡
戚洪彬
李轩衡
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201510242192.1A priority Critical patent/CN104883214B/zh
Publication of CN104883214A publication Critical patent/CN104883214A/zh
Application granted granted Critical
Publication of CN104883214B publication Critical patent/CN104883214B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04B7/0452—Multi-user 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
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • 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
    • H04L25/0204—Channel estimation of multiple channels

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

基于自由度调度的干扰对齐方法，属于无线通信技术领域。其特征是：在建立自由度方案池的基础上实现了自由度调度，并将其与功率分配相结合；设置了用户需求程度反馈模块；设计了三种干扰对齐普通方案、穷尽搜索方案和离散随机优化方案，满足了不同的信道信息获取条件及设备状况下的通信需求。本发明的效果和益处是：规避因设备对天线数目的限制而造成的潜在频谱效率的损失；与功率分配策略相结合获得叠加效应，有效提高了网络吞吐量；在网络性能最优和用户需求满足之间实现了权衡；制定了理想信道状态信息获得情况下的策略，在非理想信道状态信息情况下制定的两种策略分别满足了收敛速度和计算量的要求。

Description

基于自由度调度的干扰对齐方法
技术领域
本发明属于无线通信技术领域，涉及到干扰网络中的干扰管理问题，尤其涉及到干扰对齐算法、发射端功率分配算法、理想与非理想信道信息(CSI，Channel StateInformation)情况下的自由度调度策略、用户需求程度考虑机制等。
背景技术
近年来，无线通信产业迅猛发展，业务越来越多，网络越来越复杂，用户间的干扰较大地影响了***性能，因此，设法有效降低或消除干扰便显得尤为重要。2008年，Jafar等人提出了干扰对齐技术，它通过设计各个发射端的信号编码矩阵(V阵)，使得任意一个接收端收到的干扰信号重叠在整个信号空间的某些子空间内，而到达该接收端的有用信号正好全部处于其余的与它正交的信号子空间中，随后通过在接收端设计干扰压缩矩阵(U阵)，将干扰信号消除，同时不影响有用信号的获得。干扰对齐技术能够有效地消除无线网络中各用户之间的干扰，相比传统的正交管理方式，其能实现更高的网络自由度和网络吞吐量，得到了学术界和工业界的广泛关注。
由于干扰对齐技术卓越的性能和光明的前景，学者们针对不同方向做了大量研究。对于IA编码矩阵的获得，Krishna Gomadam等人提出了基于无线网络互异性的IA数值迭代算法。通过计算干扰协方差矩阵的最小特征值对应的特征矢量，不断更新IA编码矩阵，使接收端的干扰泄漏逐步趋于零。对于IA可行性研究，Cenk M.Yetis等人基于代数几何的经典理论，针对对称网络和非对称网络提出了IA的可行性条件，得出了各用户自由度与网络参数的关系。此外，对于IA技术的实际应用，如针对认知无线电网络、异构网络等中的干扰管理问题，和接收信噪比下降、对于理想CSI过分依赖等问题，提出了一些算法。提高网络吞吐量是IA技术改进的一个重要目标，IA技术发展到目前，依然存在其它的方法可以提高网络吞吐量。而且，IA技术发展到目前，尚没有在提高网络传输性能的同时解决用户需求的问题。
发明内容
本发明的目的是提供一种基于用户需求程度的自由度调度策略，解决了在理想信道信息和非理想信道信息的情况下、进一步提高MIMO网络的吞吐量的问题，同时解决了各用户的传输需求的问题，在网络性能最优和用户需求满足之间实现了权衡。
本发明的技术方案如下:
本发明适用的***与本文中的符号描述如下：
MIMO网络中共有K个用户，用户k的发射端和接收端的天线数量分别为M[k]和N[k]，发射d[k]个码流。对于某个接收端来说，只有本用户的发射端发射的信号是有用信号。各用户上的发射功率均为P。信道H[lk]表示用户k的发射端到用户l接收端之间的信道，当k＝l时，为有用信号传输信道，当k≠l时，为对于用户l的干扰信道。在网络中，存在一中心节点作为管理者负责在网络容许最大自由度的约束下，在各用户间进行自由度调度。信道为瑞利静态信道。在下文中，In表示n×n的单位矩阵。Am×n表示m×n的矩阵。0m×n表示m×n的零矩阵。AH表示矩阵A的共轭转置。tr(A)表示矩阵A的迹，表示数学期望。diag(a,b,...,x)表示对角线元素依次为a,b,...,x的对角阵。(x)+表示max(x,0)。
1)当获得的信道信息较为理想时，综合考虑用户需求和功率最优化分配，本
发明设计了最优自由度调度方案，其步骤如下：
S1自由度方案池建立模块。
建立自由度调度方案池Ω＝{δ1,δ2,δ3,...,δd}，δi表示第i种自由度调度方案。
当根据多项式的可解性来判断MIMO网络干扰对齐可行性时，要验证所有信道上所有方程的组合下的情况是复杂的，它在计算量上具有较大的挑战性。为了避免这种情况，Cenk M.Yetis等人针对IA网络各节点上自由度的分布情况，提出了几个干扰对齐的可行性条件。
Meisam Razaviyayn等人在他们的基础上做了更深入的研究，他们在文章《On theDegrees of Freedom Achievable Through Interference Alignment in a MIMOInterference Channel》中提出，当网络中所有用户收发天线数量之和均为Fsum＝M[k]+N[k]时，欲使IA可行，网络总自由度需满足：
其中，Sumdmax为网络总自由度的上限。
到目前为止，在各种条件约束下对网络总自由度上限的研究成果有很多，本发明仅对所有用户收发天线数量之和均为Fsum时的网络对自由度方案池Ω进行建立。此时，Ω在Sumdmax的约束下建立。
由文章《Feasibility of Interference Alignment in MIMO InterferenceNetworks》和可知，MIMO网络中IA可行性的必要条件如式(2)和式(3)，
d[k]≤min(M[k],N[k]) (2)
其中，表示网络中所有K个用户的集合。
当尝试在总自由度Sumdmax的约束下对d[k]进行调度时，用户间的自由度分配不均匀，或不同用户的接收天线或发射天线数量彼此不相等，均将可能导致某些子网络不能满足式(2)和式(3)的条件。因此，在总自由度Sumdmax的约束下进行通信时，为了保证IA可行，需要利用条件(2)和(3)进行检验。
综上，制定如下自由度方案池建立策略：
S1.1求出单个用户上的收发天线总数Fsum，将其代入(1)式求出网络的总自由度的上限Sumdmax。
在条件d[1]+d[2]+...+d[K]＝Sumdmax的约束下建立自由度方案池。
S1.2在池中方案下，将所有子网络用条件(2)和(3)进行检查，对方案池中的方案进行筛选。
S1.3经过步骤S1.2的筛选后，若存在满足上述条件的方案，则自由度调度方案池建立完毕；若不存在满足上述条件的方案，则回到步骤S1.1，在约束条件等式d[1]+d[2]+...+d[K]＝Sumdmax右端减1，重新开始方案池的建立，直至方案集建立成功。本步骤如此处理是因为，即使网络中所有用户收发天线数量之和均为Fsum，各用户天线数量在此约束范围内可以有很多选择，当为某种情况时，网络总自由度若等于上限Sumdmax将不能使IA可行，因此需要降低网络的总自由度以使IA可行。
步骤S1的说明：
a)由于式(2)和式(3)为IA的必要不充分条件。所以按以上策略筛选出的自由度调度方案，不一定能够使IA完全消除干扰。但由于在下文提出的自由度调度策略中，具有对自由度方案进行最优选择的过程，使得不能实现干扰对齐的方案将被淘汰。所以，按上述步骤选出方案池依然是可行的。
b)由Bernshtein提出的理论知，只有在信道矩阵不带有特殊结构且信道矩阵系数不相关时，以上筛选策略才有效。
S2信道估计模块。
在各用户的发射端和接收端估计各自信道的特性，并发送给中心节点。见《Robustchannel estimation for OFDM systems with rapid dispersive fading channels》。
S3IA算法模块。
在中心节点处，采用IA数值算法，求解各自由度方案下的V阵和U阵，实现干扰对齐，并求出该方案下的***总容量。与分别为反转网络的干扰抑制矩阵和预编码矩阵。以下对各个自由度调度方案δi，i∈{1,2,3,...,d}进行循环计算：
for x＝δ1,δ2,...,δd
S3.1利用迭代算法求出各用户的预编码矩阵V[k]和干扰抑制矩阵U[k]。
S3.1.1建立维度为M[k]×d[k]的随机单位正交阵作为预编码矩阵V[k]；开始迭代。
S3.1.2计算每个接收端处的干扰协方差矩阵：
S3.1.3计算每个接收端处的干扰抑制矩阵：d＝1,...,d[k]，其中表示干扰抑制矩阵U的第d列上的列向量，vd[Q[k]]表示干扰协方差矩阵的第d个最小特征值。
S3.1.4反转信号传输方向，令
S3.1.5计算反转网络接收端的干扰协方差矩阵：
其中
S3.1.6计算反转网络各接收端的干扰抑制矩阵：d＝1,...,d[k]。
S3.1.7反转信号传输方向
S3.1.8停止迭代条件。
在用户k接收端处干扰泄漏为其中，Q[k]为用户k接收端的干扰协方差矩阵。
原网络总泄漏为：若SumI＜a(a为允许泄漏门限参数，设定为一个较小的正数)，停止迭代。
S3.1.9将求得的V阵和U阵储存起来。
S3.2在中心节点处，由式(4)对所有方案下的目标函数***总容量分别进行计算，并将计算结果放入***总容量储存矢量SumR1×d中。
end
S4用户需求程度考虑模块。
本步骤中，首先，用户将需求程度上传至中心节点，中心节点根据所获信息确定满足用户需求的最优调度方案(用户需求最优方案)。然后，中心节点将其与步骤S3中求得的吞吐量最优的前几个方案进行比较，得出兼顾用户需求和***吞吐量最大化的自由度调度方案。
由经济学理论可知，在一定时间内，随着消费者对于某种需求商品获得的增加，消费者从该商品中所得到的效用增量是递减的，因此，其对于该商品的单位需求程度也随之减小(又称边际效用递减规律)。在本发明模型中，网络总自由度受限，各用户均有发射码流数量需求，考虑两种用户情况：1.用户对发射码流数量没有下限要求。考虑用户i，假设其对于单位自由度的获得需求程度为pi(以下简称为“需求程度”)，由边际效用递减规律可知，其需求程度应满足如下函数Ai＞0,Bi＞0,p、q∈R+，其中Ai、Bi为常数，与该用户的需求有关，Ai、Bi由该用户对自由度资源的偏好决定。2.用户对发射码流数量有需求下限。中心节点优先满足该类用户，若该类用户可满足需求下限，其额外的自由度需求程度pi，服从边际效用递减规律，计算方式同用户情况1。
S4.1在中心节点处，将***总容量储存表中的元素按大小排列，并依次选出前C个较大值，其对应方案依次分别为δ# 1,δ# 2,...,δ# C，组成方案池Ω#，δ# 1代表对应***容量最大的方案，δ# 2方案对应的***容量次之，依此类推。参数C是用户需求调节参量，C越大，***的“资源的优化配置”能力越强。
S4.2设di x为第x次自由度分配后、用户i已经获得的自由度数量，给它赋初值，令di 0＝0。
S4.3 for x＝1,2,...,D，共D次自由度分配开始，D为网络中自由度的总量。
用户将此时的自由度需求程度上报给中心节点，中心节点根据条件选出需求程度最大的用户z,z≤K，给它分配一个自由度，使得dz x＝dz x-1+1。此时，其它用户的di x不变。pi x为第x次自由度分配时，用户i对这个自由度的需求程度。在D次自由度分配完成后，得到各用户获得自由度的最终值d1 D,d2 D,...,dN D，将它们组成矢量δD＝(d1 D,d2 D,...,dN D)，即用户需求最优方案。
end
S4.4分别求出δD与方案池Ω#中的各方案矢量δ# 1,δ# 2,...,δ# C之间的欧氏距离，Si＝||δD-δ# i||，||·||(Si)为矢量的二范数，δ# i为Ω#中的某一方案矢量。由求得最优方案δ*。
S5注水算法模块。
在最优方案δ*下，用注水算法对功率在各自由度上进行分配，即求解如下优化问题。
其中，为等价信道系数矩阵。Θ[k]为用户k发射信号的协方差矩阵,代表功率在各个自由度上的分配情况，为d[k]×d[k]的单位阵，为的共轭转置矩阵。
S5.1对进行SVD分解其中Λ＝diag(ε1,ε2,...,εα)，ε1≥ε2≥...≥εα，α＝min(M[k],N[k])，和分别是SVD分解的酉矩阵，为的共轭转置矩阵，ε1,ε2,...,εα为各个奇异值分量。
S5.2求注水线γ。它由用户k的发射功率P决定：
S5.3i＝1,2,...,α，pi为用户k对第i个码流的发射功率。
S5.4求用户k发射信号的最优协方差矩阵其中由的SVD分解得到，Ψ[k]＝diag(p1,p2,...,pα)。
S5.5根据下式的约束在各自由度上进行发射信号的功率分配：
S6***信号传输控制模块
输出自由度调度方案δ*及其对应的各用户的V阵、U阵、功率分配方案给各个用户节点，供***进行信号传输，其中，Z+为正整数空间。
2)当信道估计误差较大时，会导致目标函数的计算不准确，进而导致由方法1)选出的δ*不是实际最优方案，因此，针对该误差较大情况，本发明在方法1)基础上，进一步采用均值滤波方式以消除误差影响，确定实际最优的自由度调度方案，其步骤如下：
S1自由度方案池建立模块。
在管理者处建立方案池Ω，见情况1)的步骤S1；令T＝0；
S2用户需求程度考虑模块。
参照情况1)的步骤S4.1～S4.3，求出用户需求最优方案δD＝(d1 D,d2 D,...,dN D)。
S3遍历循环。
for T＝1,2,3,...
S3.1信道估计模块。
各用户节点估计信道特性，并发送给中心节点。同情况1)的步骤S2；
S3.2 IA算法模块。
分别计算本时刻各自由度方案下的各用户V阵和U阵及各方案下的***总容量，并将它们都储存起来。同情况1)的步骤S3。
S3.3对于每一个方案，都把它在本时刻对应的容量与之前所有时刻对应的容量求算数平均值，将这个平均值存入矢量ASR(T)，矢量ASR(T)为d×1维矩阵，d为方案池Ω中的方案数；
S3.4用户需求程度考虑模块。
调用本方法中步骤S2的最优方案δD，并参照情况1)的步骤S4.4，用ASR(T)替换步骤S4中的***总容量储存矢量，最终求出时刻T的最优方案δ*。
S3.5***信号传输控制模块。
中心节点将自由度调度方案δ*及该方案下各用户的V阵和U阵传输给各用户节点，供***进行信号传输。同情况1)的步骤S3。
S3.6遍历终止条件监测模块
S3.6.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.6.2当count＝ε，ε∈Z+时，获得最终最优方案δ* (T)，跳出遍历循环；之后系
统在方案下进行信号传输。
end
其中，T为时隙，每个时隙上进行信道估计及算法运算。ε为最优方案重复门限，达到这个门限，即认为算法已经选出最优方案。
3)考虑到遍历所有自由度分配方案会造成较高的计算复杂度，尤其是当网络通信用户数、配置天线数较多时，存在大量可行自由度方案，会导致方法2)使用困难。本方法与方法2)的主要区别是，采用离散随机优化的办法，在每个时隙中不遍历考察所有方案，而仅对两个方案进行比较，根据得到的较优方案确定一个加权矢量，用它对一个权重记录矢量进行修正，在各个时隙上反复进行，根据最终的权重记录矢量获得使***容量最优的自由度调度方案。其具体步骤如下：
S1自由度方案池建立模块。
在管理者处建立方案池Ω，见情况1)的步骤S1。方案池Ω中的每个方案δi对应一个d×1维矢量τi，该矢量中只有第i个元素为1，其余元素均为0。在每个时隙T中，该算法通过加权本时隙较优方案的矢量τ(T)，对一个d×1维的权重记录矢量进行更新，其中的每个元素代表第i个方案在本时隙的积累总权重，且权重记录矢量的初值ρ(0)＝0d×1。
S2赋初值。
在方案池中随机选择一个方案δi，将它作为基本方案δ(T)和时隙内最优方案δ* (T)的初值δ(1)和δ* (1)；
S3DSO(离散随机优化)循环。
for T＝1,2,3,...，其中的每次循环被称为一个时隙。
S3.1信道估计模块。
在各用户的发射端和接收端估计信道特性，并发送给中心节点。同情况1)的步骤S2；
S3.2随机选出对比方案δ′(T)＝δj，j≠i；
S3.3 IA算法模块。
分别计算此时δ(T)和δ'(T)方案对应下的***总容量SR(T)和SR'(T)，同情况1步骤S3。
S3.4比较与赋值。
若SR'(T)＞SR(T)，令本时隙较优方案δ# (T)＝δ'(T)，否则令本时隙较优方案δ# (T)＝δ# (T-1)，较优方案δ# (T)的对应矢量为τ(T)；给T+1时隙的基本方案赋值，令δ(T+1)＝δ# (T)。
S3.5本轮权重记录结果：
ρ(T)＝(1-ω)ρ(T-1)+ωτ(T),T＝1,2,3,4...
其中ω为权值参数，表示本次加权矢量τ(T)在总加权值中所占的权重值，保证了每个时隙上的加权矢量的权重相等。
S3.6根据权重记录结果ρ(T)选出本时隙最优方案δ* (T)。当T≥2时，若令δ* (T)＝δ# (T)，否则δ* (T)＝δ* (T-1)。
S3.7***信号传输控制模块。
输出方案δ* (T)及该方案下各用户的V阵和U阵，供***进行信号传输。
S3.8DSO循环终止条件监测模块。
S3.8.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.8.2当count＝ε，ε∈Z+时，获得最终权重矢量ρ(T)，跳出DSO循环。
end
S4用户需求程度考虑模块。
参照情况1)的步骤S4。用最终的权重记录结果矢量ρ(T)代替步骤S4中的***总容量储存矢量，最终求出最优方案
S5***信号传输控制模块。
中心节点向各用户节点输出自由度调度方案及该方案下各用户的V阵和U阵，供***进行信号传输。
本发明的效果和益处如下：
(a)用户间自由度调度不但可以规避因设备对天线数目的限制而造成的潜在频谱效率损失的问题，而且在信道信息获得误差较小的情况下，能与功率分配策略较好地结合，从而收获两种策略的叠加效用，提高了网络吞吐量。
(b)通过用户需求程度考虑模块的干预，使得对自由度的调度，在网络性能最优和用户需求满足之间实现了权衡，并通过用户需求调节参数C的设置，对***功能的侧重在二者间进行协调。
(c)针对非理想信道状态信息提出了两种自由度调度策略，能够分别满足收敛速度和计算量的要求。
具体实施方式
以下结合技术方案详细叙述本发明的具体实施方式。
设在以下MIMO网络中进行自由度调度和功率分配。该网络中存在6个用户，即K＝6。各用户的发射端的天线数目分别为11、1、3、7、4、6，各用户接收端天线数目分别为9、19、17、13、16、14。各用户上的发射功率相等。用户需求程度考虑模块中用户需求性调节参数C设为8。情况2步骤S2.4.2、情况3步骤S3.6.2中，最优方案重复门限ε设为10。
1.基于干扰对齐算法、发射端功率分配算法、理想与非理想信道信息(CSI，Channel State Information)情况下的自由度调度策略、用户需求考虑机制的干扰对齐方法。
(1)当获得的信道信息较为理想时，步骤如下：
S1自由度方案池建立模块：
建立自由度调度方案池Ω＝{δ1,δ2,δ3,...,δd}，δi表示第i种自由度调度方案；
S1.1求出单个用户上的发射、接收端天线总数Fsum＝M[k]+N[k]，不同用户间的发射、接收端天线总数相等。将其代入(1)式求出网络的总自由度上限；
Sumdmax＝Fsum-1 (1)
建立在条件d[1]+d[2]+...+d[K]＝Sumdmax约束下的自由度方案池；
其中，M[k]、N[k]和d[k]分别为用户k的发射端、接收端的天线数量和发射码流数量，K为网络中用户的数量；
S1.2用条件(2)和条件(3)对方案池中方案进行逐一检查，将不符合条件的方案筛除；
d[k]≤min(M[k],N[k]) (2)
其中，表示网络中所有K个用户的集合；
S1.3经过步骤S1.2的筛选后，若存在满足上述条件的方案，则自由度调度方案池建立完毕；若不存在满足上述条件的方案，则回到步骤S1.1，在约束条件等式右端减1，重新开始方案池Ω的建立，直至方案集建立成功；
S2信道估计模块：
在各用户的发射端和接收端估计各自信道的特性，并发送给中心节点；
S3IA算法模块：
针对方案池Ω中各个自由度调度方案δi，i∈{1,2,3,...,d}进行循环计算：
for x＝δ1,δ2,...,δd
S3.1在中心节点利用迭代算法求出预编码矩阵V和干扰抑制矩阵U；
S3.2计算目标函数***总容量，并将其储存进***总容量储存矢量SumR1×d中；
end
S4用户需求程度考虑模块：
考虑了各用户的实际需求，对自由度调度实行干预，在网络性能最优和用户需求满足之间实现了权衡，最终获得综合最优方案；
S4.1在中心节点处，将***总容量储存矢量SumR1×d中的元素按大小排列，并依次选出C个最大值，其对应方案依次分别为δ# 1,δ# 2,...,δ# C，组成方案池Ω#，δ# 1代表对应***容量最大的方案，δ# 2方案对应的***容量次之，依此类推。参数C是用户需求调节参量，C越大，***满足用户需求的能力越强；
S4.2设di x为第x次自由度分配后、用户i已经获得的自由度数量，给它赋初值，令di 0＝0；
S4.3 for x＝1,2,...,D，共D次自由度分配开始，D为网络中自由度的总量；
用户将此时的自由度需求程度上报给中心节点，中心节点根据条件选出需求程度最大的用户z,z≤K，给它分配一个自由度，使得dz x＝dz x-1+1。此时，其它用户的di x不变。pi x为第x次自由度分配时，用户i对这个自由度的需求程度。在D次自由度分配完成后，得到各用户获得自由度的最终值d1 D,d2 D,...,dN D，将它们组成矢量δD＝(d1 D,d2 D,...,dN D)，即用户需求最优方案。
end
S4.4分别求出δD与方案池Ω#中的各方案矢量δ# 1,δ# 2,...,δ# C之间的欧氏距离，Si＝||δD-δ# i||，||·||为矢量的二范数，δ# i为Ω#中的某一方案矢量。由求得最优方案δ*。
S5注水算法模块：
在最优方案δ*下，用注水算法对功率在各自由度上进行分配，即求解如下优化问题；
其中，为等价信道系数矩阵；Θ[k]为用户k发射信号的协方差矩阵,代表功率在各个自由度上的分配情况；
S5.1对进行SVD分解其中Λ＝diag(ε1,ε2,...,εα)，ε1≥ε2≥...≥εα，α＝min(M[k],N[k])；
S5.2求注水线γ；它由用户k的发射功率P决定：
S5.3i＝1,2,...,α，pi为用户k对第i个码流的发射功率；
S5.4求用户k发射信号的最优协方差矩阵其中由的
SVD分解得到，Ψ[k]＝diag(p1,p2,...,pα)；
S5.5根据下式的约束在各自由度上进行发射信号的功率分配：
S6***信号传输控制模块：
输出自由度调度方案δ*及其对应的各用户的V阵、U阵、功率分配方案给各个用户节点，供***进行信号传输。
(2)当信道估计误差较大时，在静态信道中，信道估计时的传输延时和设备的精度局限也可能使信道估计出现不可忽视的误差，从而导致由上述方法1)选出的δ*不是实际最优方案。此时采用在时间轴上多次测量进行均值滤波以消除误差的方法，进而确定最优的自由度调度方案，其步骤如下：
S1自由度方案池建立模块：
在管理者处建立方案池Ω，见情况1)的步骤S1；令T＝0；
S2用户需求程度考虑模块。
参照情况1)的步骤S4.1～S4.3，求出用户需求最优方案δD＝(d1 D,d2 D,...,dN D)；
S3遍历循环：
for T＝1,2,3,...
S3.1信道估计模块：
各用户节点估计信道特性，并发送给中心节点，同情况1)的步骤S2；
S3.2IA算法模块：
分别计算本时刻各自由度方案下的各用户V阵和U阵及各方案下的***总容量，并将它们都储存起来。同情况1)的步骤S3。
S3.3对于每一个方案，都把它在本时刻对应的容量与之前所有时刻对应的容量求算数平均值，将这个平均值存入矢量ASR(T)，矢量ASR(T)为d×1维矩阵，d为方案池Ω中的方案数；
S3.4用户需求程度考虑模块：
调用本方法中步骤S2的最优方案δD，并参照情况1)的步骤S4.4，用ASR(T)替换步骤S4中的***总容量储存矢量，最终求出时刻T的最优方案δ*；
S3.5***信号传输控制模块：
中心节点将自由度调度方案δ*及该方案下各用户的V阵和U阵传输给各用户节点，供***进行信号传输。同情况1)的步骤S3；
S3.6遍历终止条件监测模块：
S3.6.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.6.2当count＝ε，ε∈Z+时，获得最终最优方案δ* (T)，跳出遍历循环；之后***在方案下进行信号传输；
end
其中，T为时隙，每个时隙上进行信道估计及算法运算。ε为最优方案重复门限，达到这个门限，即认为算法已经选出最优方案。
(3)当估计信道误差较大时，而此时通信用户数量较多，发射信号需求较大，但***的计算能力受到设备约束，而导致方法2)使用困难。本方法与方法2)的主要区别是，采用离散随机优化的办法，在每个时隙中不遍历考察所有方案，而仅对两个方案进行比较，根据得到的较优方案确定一个加权值，用它对一个权重记录矢量进行修正，在各个时隙上反复进行，根据最终的权重记录矢量获得使***容量最优的自由度调度方案。其具体步骤如下：
S1自由度方案池建立模块：
在管理者处建立方案池Ω，见情况1)的步骤S1；方案池Ω中的每个方案δi对应一个d×1维矢量τi，该矢量中只有第i个元素为1，其余元素均为0；在每个时隙T中，该算法通过加权本时隙较优方案的矢量τ(T)，对一个d×1维的权重记录矢量进行更新，其中的每个元素代表第i个方案在本时隙的累计总权重，且权重记录矢量的初值ρ(0)＝0d×1；
S2赋初值：
在方案池中随机选择一个方案δi，将它作为基本方案δ(T)和时隙内最优方案δ* (T)的初值δ(1)和δ* (T)；
S3DSO(离散随机优化)循环：
for T＝1,2,3,...，其中的每次循环被称为一个时隙；
S3.1信道估计模块：
在各用户的发射端和接收端估计信道特性，并发送给中心节点。同情况1)的步骤S2；
S3.2随机选出对比方案δ′(T)＝δj，j≠i；
S3.3IA算法模块：
分别计算此时δ(T)和δ'(T)方案对应下的***总容量SR(T)和SR'(T)，同情况1中步骤S3；
S3.4比较与赋值。
若SR'(T)＞SR(T)，令本时隙较优方案δ# (T)＝δ'(T)，否则令本时隙较优方案δ# (T)＝δ# (T-1)，较优方案δ# (T)的对应矢量为τ(T)；给T+1时隙的基本方案赋值，令δ(T+1)＝δ# (T)；
S3.5本轮权重记录结果
其中
上式中，ω为权值参数，表示本次加权矢量τ(T)在总加权值中所占的权重值，保证了每个时隙上的加权矢量的权重相等；
S3.6根据权重记录结果ρ(T)选出本时隙最优方案δ* (T)；当T≥2时，若令δ* (T)＝δ# (T)，否则δ* (T)＝δ* (T-1)；
S3.7***信号传输控制模块。
输出方案δ* (T)及该方案下各用户的V阵和U阵，供***进行信号传输。
S3.8 DSO循环终止条件监测模块：
S3.8.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.8.2当count＝ε，ε∈Z+时，获得最终权重矢量ρ(T)，跳出DSO循环。
end
S4用户需求程度考虑模块：
参照情况1的步骤S4，用最终的权重记录结果矢量ρ(T)代替步骤S4中的***总容量储存矢量，最终求出最优方案
S5***信号传输控制模块：
中心节点向各用户节点输出自由度调度方案及该方案下各用户的V阵和U阵，供***进行信号传输。

Claims (1)

1.基于自由度调度的干扰对齐方法，该方法是基于干扰对齐算法、发射端功率分配算法、理想与非理想信道信息情况下的自由度调度策略、用户需求考虑机制的干扰对齐方法；其特征是：
(1)当获得的信道信息较为理想时，步骤如下：
S1自由度方案池建立模块：
建立自由度调度方案池Ω＝{δ1,δ2,δ3,...,δd}，δi表示第i种自由度调度方案；
S1.1求出单个用户上的发射、接收端天线总数Fsum＝M[k]+N[k]，不同用户间的发射、接收端天线总数相等；将其代入(1)式求出网络的总自由度上限；
Sumdmax＝Fsum-1 (1)
建立在条件d[1]+d[2]+...+d[K]＝Sumdmax约束下的自由度方案池；
其中，M[k]、N[k]和d[k]分别为用户k的发射端、接收端的天线数量和发射码流数量，K为网络中用户的数量；
S1.2用条件(2)和条件(3)对方案池中方案进行逐一检查，将不符合条件的方案筛除；
d[k]≤min(M[k],N[k]) (2)
其中，表示网络中所有K个用户的集合；
S1.3经过步骤S1.2的筛选后，若存在满足上述条件的方案，则自由度调度方案池建立完毕；若不存在满足上述条件的方案，则回到步骤S1.1，在约束条件等式d[1]+d[2]+...+d[K]＝Sumdmax右端减1，重新开始方案池Ω的建立，直至方案集建立成功；
S2信道估计模块：
在各用户的发射端和接收端估计各自信道的特性，并发送给中心节点；
S3 IA算法模块：
针对方案池Ω中各个自由度调度方案δi，i∈{1,2,3,...,d}进行循环计算：
for x＝δ1,δ2,...,δd
S3.1在中心节点利用迭代算法求出预编码矩阵V和干扰抑制矩阵U；
S3.2计算目标函数***总容量，并将其储存进***总容量储存矢量SumR1×d中；
end
S4用户需求程度考虑模块：
考虑了各用户的实际需求，对自由度调度实行干预，在网络性能最优和用户需求满足之间实现了权衡，最终获得综合最优方案；
S4.1在中心节点处，将***总容量储存矢量SumR1×d中的元素按大小排列，并依次选出C个最大值，其对应方案依次分别为δ# 1,δ# 2,...,δ# C，组成方案池Ω#，δ# 1代表对应***容量最大的方案，δ# 2方案对应的***容量次之，依此类推；参数C是用户需求调节参量，C越大，***满足用户需求的能力越强；
S4.2设di x为第x次自由度分配后、用户i已经获得的自由度数量，给它赋初值，令di 0＝0；
S4.3 for x＝1,2,...,D，共D次自由度分配开始，D为网络中自由度的总量；
用户将此时的自由度需求程度上报给中心节点，中心节点根据条件选出需求程度最大的用户z,z≤K，给它分配一个自由度，使得dz x＝dz x-1+1；此时，其它用户的di x不变；pi x为第x次自由度分配时，用户i对这个自由度的需求程度；在D次自由度分配完成后，得到各用户获得自由度的最终值d1 D,d2 D,...,dN D，将它们组成矢量δD＝(d1 D,d2 D,...,dN D)，即用户需求最优方案；
end
S4.4分别求出δD与方案池Ω#中的各方案矢量δ# 1,δ# 2,...,δ# C之间的欧氏距离，Si＝||δD-δ# i||，||·||(Si)为矢量的二范数，δ# i为Ω#中的某一方案矢量；由求得最优方案δ*；
S5注水算法模块：
在最优方案δ*下，用注水算法对功率在各自由度上进行分配，即求解如下优化问题；
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Theta;</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> <mo>#</mo> </msubsup> <mo>=</mo> <mi>arg</mi> <munder> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <msub> <mi>&amp;Theta;</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> </munder> <mrow> <mo>(</mo> <msub> <mi>log</mi> <mn>2</mn> </msub> <mo>|</mo> <msub> <mi>I</mi> <msub> <mi>d</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> </msub> <mo>+</mo> <msub> <mover> <mi>H</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> <msub> <mi>&amp;Theta;</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> <msubsup> <mover> <mi>H</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> <mi>H</mi> </msubsup> <mo>|</mo> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <mi>t</mi> <mi>r</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;Theta;</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> <mo>&amp;le;</mo> <mi>P</mi> <mo>,</mo> <msub> <mi>&amp;Theta;</mi> <mrow> <mo>&amp;lsqb;</mo> <mi>k</mi> <mo>&amp;rsqb;</mo> </mrow> </msub> <mo>&gt;</mo> <mn>0</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，为等价信道系数矩阵；Θ[k]为用户k发射信号的协方差矩阵,代表功率在各个自由度上的分配情况，为d[k]×d[k]的单位阵，为的共轭转置矩阵；
S5.1对进行SVD分解其中Λ＝diag(ε1,ε2,...,εα)，ε1≥ε2≥...≥εα，α＝min(M[k],N[k])，和分别是SVD分解的酉矩阵，为的共轭转置矩阵，ε1,ε2,...,εα为各个奇异值分量；
S5.2求注水线γ；它由用户k的发射功率P决定：
S5.3pi为用户k对第i个码流的发射功率；
S5.4求用户k发射信号的最优协方差矩阵其中由的SVD分解得到，Ψ[k]＝diag(p1,p2,...,pα)；
S5.5根据下式的约束在各自由度上进行发射信号的功率分配：
S6***信号传输控制模块：
输出自由度调度方案δ*及其对应的各用户的V阵、U阵、功率分配方案给各个用户节点，供***进行信号传输；
(2)当信道估计误差较大时，在静态信道中，信道估计时的传输延时和设备的精度局限也可能使信道估计出现不可忽视的误差，从而导致由上述方法1)选出的δ*不是实际最优方案；此时采用在时间轴上多次测量进行均值滤波以消除误差的方法，进而确定最优的自由度调度方案，其步骤如下：
S1自由度方案池建立模块：
在管理者处建立方案池Ω，见情况1)的步骤S1；令T＝0；
S2用户需求程度考虑模块；
参照情况1)的步骤S4.1～S4.3，求出用户需求最优方案δD＝(d1 D,d2 D,...,dN D)；
S3遍历循环：
for T＝1,2,3,...
S3.1信道估计模块：
各用户节点估计信道特性，并发送给中心节点，同情况1)的步骤S2；
S3.2 IA算法模块：
分别计算本时刻各自由度方案下的各用户V阵和U阵及各方案下的***总容量，并将它们都储存起来；同情况1)的步骤S3；
S3.3对于每一个方案，都把它在本时刻对应的容量与之前所有时刻对应的容量求算数平均值，将这个平均值存入矢量ASR(T)，矢量ASR(T)为d×1维矩阵，d为方案池Ω中的方案数；
S3.4用户需求程度考虑模块：
调用本方法中步骤S2的最优方案δD，并参照情况1)的步骤S4.4，用ASR(T)替换步骤S4中的***总容量储存矢量，最终求出时刻T的最优方案δ*；
S3.5***信号传输控制模块：
中心节点将自由度调度方案δ*及该方案下各用户的V阵和U阵传输给各用户节点，供***进行信号传输；同情况1)的步骤S3；
S3.6遍历终止条件监测模块：
S3.6.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.6.2当count＝ε，ε∈Z+时，获得最终最优方案δ* (T)，跳出遍历循环；之后***在方案下进行信号传输，其中，Z+为正整数空间；
end
其中，T为时隙，每个时隙上进行信道估计及算法运算；ε为最优方案重复门限，达到这个门限，即认为算法已经选出最优方案；
(3)当估计信道误差较大时，而此时通信用户数量较多，发射信号需求较大，但***的计算能力受到设备约束，而导致方法2)使用困难；本方法与方法2)的主要区别是，采用离散随机优化的办法，在每个时隙中不遍历考察所有方案，而仅对两个方案进行比较，根据得到的较优方案确定一个加权值，用它对一个权重记录矢量进行修正，在各个时隙上反复进行，根据最终的权重记录矢量获得使***容量最优的自由度调度方案；其具体步骤如下：
S1自由度方案池建立模块：
在管理者处建立方案池Ω，见情况1)的步骤S1；方案池Ω中的每个方案δi对应一个d×1维矢量τi，该矢量中只有第i个元素为1，其余元素均为0；在每个时隙T中，该算法通过加权本时隙较优方案的矢量τ(T)，对一个d×1维的权重记录矢量进行更新，其中的每个元素代表第i个方案在本时隙的累计总权重，且权重记录矢量的初值ρ(0)＝0d×1；
S2赋初值：
在方案池中随机选择一个方案δi，将它作为基本方案δ(T)和时隙内最优方案δ* (T)的初值δ(1)和δ* (T)；
S3 DSO(离散随机优化)循环：
for T＝1,2,3,...，其中的每次循环被称为一个时隙；
S3.1信道估计模块：
在各用户的发射端和接收端估计信道特性，并发送给中心节点；同情况1)的步骤S2；
S3.2随机选出对比方案δ′(T)＝δj，j≠i；
S3.3 IA算法模块：
分别计算此时δ(T)和δ′(T)方案对应下的***总容量SR(T)和SR′(T)，同情况1中步骤S3；
S3.4比较与赋值；
若SR'(T)＞SR(T)，令本时隙较优方案δ# (T)＝δ'(T)，否则令本时隙较优方案δ# (T)＝δ# (T-1)，较优方案δ# (T)的对应矢量为τ(T)；给T+1时隙的基本方案赋值，令δ(T+1)＝δ# (T)；
S3.5本轮权重记录结果
<mrow> <msub> <mi>&amp;rho;</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>)</mo> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>&amp;tau;</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>)</mo> </mrow> </msub> </mtd> <mtd> <mrow> <mi>T</mi> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;omega;</mi> <mo>)</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;omega;&amp;tau;</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>)</mo> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mi>T</mi> <mo>&amp;GreaterEqual;</mo> <mn>2</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
其中
上式中，ω为权值参数，表示本次加权矢量τ(T)在总加权值中所占的权重值，保证了每个时隙上的加权矢量的权重相等；
S3.6根据权重记录结果ρ(T)选出本时隙最优方案δ* (T)；当T≥2时，若令δ* (T)＝δ# (T)，否则δ* (T)＝δ* (T-1)；
S3.7***信号传输控制模块；
输出方案δ* (T)及该方案下各用户的V阵和U阵，供***进行信号传输；
S3.8 DSO循环终止条件监测模块：
S3.8.1令count＝0，若T≥2，则若δ* (T)＝δ* (T-1)，则令count＝count+1，否则令count＝0；
S3.8.2当count＝ε，ε∈Z+时，获得最终权重矢量ρ(T)，跳出DSO循环；
end
S4用户需求程度考虑模块：
参照情况1的步骤S4，用最终的权重记录结果矢量ρ(T)代替步骤S4中的***总容量储存矢量，最终求出最优方案
S5***信号传输控制模块：
中心节点向各用户节点输出自由度调度方案及该方案下各用户的V阵和U阵，供***进行信号传输。
CN201510242192.1A 2015-05-11 2015-05-11 基于自由度调度的干扰对齐方法 Expired - Fee Related CN104883214B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510242192.1A CN104883214B (zh) 2015-05-11 2015-05-11 基于自由度调度的干扰对齐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510242192.1A CN104883214B (zh) 2015-05-11 2015-05-11 基于自由度调度的干扰对齐方法

Publications (2)

Publication Number Publication Date
CN104883214A CN104883214A (zh) 2015-09-02
CN104883214B true CN104883214B (zh) 2017-12-26

Family

ID=53950559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510242192.1A Expired - Fee Related CN104883214B (zh) 2015-05-11 2015-05-11 基于自由度调度的干扰对齐方法

Country Status (1)

Country Link
CN (1) CN104883214B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162505B (zh) * 2015-09-30 2018-02-23 南京邮电大学 基于干扰对齐的蜂窝网络下行链路自适应预编码方法
CN105429687B (zh) * 2015-11-09 2018-10-26 哈尔滨工程大学 一种最小化干扰功率与维度的干扰对齐方法
CN105591677B (zh) * 2015-12-23 2018-12-25 中国电子科技集团公司第五十四研究所 一种基于干扰对齐技术的d2d协作多点传输方法
CN106028372B (zh) * 2016-05-05 2019-06-18 华中科技大学 一种基于sdn融合异构无线网络的***
CN108012272B (zh) * 2017-11-30 2021-11-12 重庆邮电大学 基于认知网络中动态功率分配的干扰对齐方法
CN108347271B (zh) * 2018-01-11 2021-03-26 西安电子科技大学 一种可达***最大自由度的分布式干扰对齐中和实现方法
CN110460392A (zh) * 2019-06-24 2019-11-15 高振国 一种基于时域干扰对齐的水声网络mac调度方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103580745A (zh) * 2013-10-10 2014-02-12 电子科技大学 一种迭代干扰对齐方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103580745A (zh) * 2013-10-10 2014-02-12 电子科技大学 一种迭代干扰对齐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Iterative interference alignment for joint degrees of freedom and sum capacity optimization;Hsin-Jui Chou,etc.;《IEEE》;20140106;全文 *
无线网络中干扰对齐算法研究;黄赢;《中国优秀硕士学位论文全文数据库》;20130630;全文 *

Also Published As

Publication number Publication date
CN104883214A (zh) 2015-09-02

Similar Documents

Publication Publication Date Title
CN104883214B (zh) 基于自由度调度的干扰对齐方法
CN105340194B (zh) 多用户传输中对客户端接收干扰消除能力的估计和利用
CN103220024B (zh) 一种多用户配对虚拟mimo***的波束赋形方法
US9136918B2 (en) Dynamic clustering for coordinated transmission in wireless communication systems
US9363815B2 (en) Method for SDMA transmission in multicarrier MU MIMO system and base station
CN113810086A (zh) 信道信息反馈方法、通信装置及存储介质
EP3094010A1 (en) Coordinated beamforming method and apparatus based on partial interference alignment
WO2009084921A2 (en) Method for transmitting and receiving signals using collaborative mimo scheme
WO2021249515A1 (zh) 信道信息反馈方法、通信装置及存储介质
KR20130007604A (ko) 다중-사용자 ｍｉｍｏ 시스템들에 대한 피드백
WO2014039616A1 (en) Efficient search of precoders in precoded mimo systems
CN103687027B (zh) Lte网络的资源分配方法和***
Kaliszan et al. Multigroup multicast with application-layer coding: Beamforming for maximum weighted sum rate
CN102300326B (zh) 多用户多输入多输出mimo通信***的调度方法和基站
WO2011160387A1 (zh) 多输入多输出的资源调度方法和基站
CN101854235B (zh) 一种多入多出***中用户选择方法及装置
Razaviyayn et al. Joint transceiver design and user grouping in a MIMO interfering broadcast channel
CN106936486B (zh) 一种csi反馈方法及装置
CN103957565B (zh) 分布式无线网络中基于目标sinr的资源分配方法
KR101953244B1 (ko) 다중 사용자 ｍｉｍｏ 통신 시스템에서의 사용자 스케쥴링 방법 및 장치
CN110120829A (zh) 功率控制方法、设备及存储介质
Yang et al. A low complexity joint user grouping and resource allocation algorithm in massive MIMO systems
Xu et al. Distributed interference alignment in cognitive radio networks
EP4295496A1 (en) Neural network for mu-mimo user selection
WO2020024225A1 (en) Methods, apparatuses, and computer software products for processing in mimo system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171226

Termination date: 20200511