CN107257560B - 多小区多用户大规模mimo***中基站合理分布的方法 - Google Patents
多小区多用户大规模mimo***中基站合理分布的方法 Download PDFInfo
- Publication number
- CN107257560B CN107257560B CN201710430634.4A CN201710430634A CN107257560B CN 107257560 B CN107257560 B CN 107257560B CN 201710430634 A CN201710430634 A CN 201710430634A CN 107257560 B CN107257560 B CN 107257560B
- Authority
- CN
- China
- Prior art keywords
- matrix
- cell
- formula
- base station
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005562 fading Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005388 cross polarization Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims 1
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- 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
-
- 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
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03891—Spatial equalizers
- H04L25/03898—Spatial equalizers codebook-based design
- H04L25/0391—Spatial equalizers codebook-based design construction details of matrices
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
多小区多用户大规模MIMO***中基站合理分布的方法,假定***有L个小区,每个小区有一个配备有M根天线的基站,同时,每个基站支持K个单天线用户,每个用户选择标准的4N2‑QAM星座,第l小区的第k个用户与基站之间的大尺度衰落系数为βkl,k=1,2,...,K,l=1,2,...,L,本发明提出大尺度衰落系数βkl应该满足下列准则:其中为大于零的实数,并且越大,***性能越好。其中大尺度衰落系数与路径损耗之间的关系:10log10βkl=‑PL(f,d)+χσ其中,PL(f,d)为距离为d、频率为f的路径损耗,χσ为阴影衰落;选取一个路径损耗模型,给予***指标数γk一个取值作为合理分布基站的准则,从而求出基站与干扰用户之间的合理间距。
Description
技术领域
本发明属于无线通信技术领域,特别涉及无线通信多小区多用户大规模天线技术领域,具体是一种多小区多用户大规模多输入多输出(MIMO)***中基站合理分布的方法。
背景技术
大规模MIMO技术在无线通信和移动互联网行业中占据着至关重要的地位。然而,在多小区场景下,基站与用户之间的通信质量往往会受到各种干扰,导致性能下降。对于MU-MIMO***,主要的干扰有:小区间干扰、小区内干扰以及加性噪声。小区内干扰和加性噪声随着基站天线数量的不断增加而得到消除;小区间干扰已成为当前迫切需要解决的问题。
为了减小小区间的干扰,获得准确的信道状态信息,不同用户之间的导频序列一般要求满足正交条件。然而,由于实际的条件限制,使得不同小区使用相同的导频序列,同一小区的导频序列相互正交,即导频复用。这样所有用户使用的导频序列不能完全正交,从而产生导频污染。目前,国内外针对减轻导频污染的方法也已有提出。比如用一种基于信道估计的稀疏贝叶斯学习方法降低导频污染的影响;用基于最小均方误差的预编码补偿的方法缓解小区间的导频污染,并利用最优化方法得出预编码闭合表达式。但该方法要借助最优化方法,增加了分析的计算的复杂度。
发明内容
本发明提出了一种减小多小区多用户大规模MIMO小区间的干扰的多小区多用户大规模MIMO***中基站合理分布的方法。
本发明采用的技术方案是:
多小区多用户大规模MIMO***中基站合理分布的方法,所述MIMO***包括L个小区,每个小区有一个配备有M根天线的基站,同时,支持K个单天线用户,每个用户选择标准的4N2-QAM(正交振幅调制)星座,所述基站合理分布的方法包括以下步骤:
(1)确定训练序列和发送信号
假定第l小区的第k个用户先发送长度为τ的训练序列,即Φkl=(φkl,1,φkl,2,...,φkl,τ),其中φkl,1,φkl,2,...,φkl,τ,k=1,2,...,K是第l个小区的第k个用户分别在第1,2,...,τ时刻发送的训练符号;令为K×τ维矩阵,为LK×τ维的训练矩阵,上标t表示向量或矩阵的转置(以下同);然后发送长度为T的信息序列,形成输入信号矩阵X,其中K×T维的Xl表示第l个小区的所有用户发送的信息符号;假设第1个基站与Φ和X对应的接收信号分别为:
式中,Hl=(hmkl)M×K表示第l个小区的所有用户与第一个小区基站之间的信道矩阵,信道矩阵H=(H1,H2,...,HL),维数为M×LK;表示第l个小区的所有用户与第一个小区基站的大尺度衰落系数,B=diag(B1,B2,...,BL);W0和W均表示加性高斯白噪声矩阵,它的元素是零均值单位方差的复高斯随机变量;ρ为平均接收信噪比(SNR);
(2)信道分解
第1步:对式(1)中的矩阵ΒΦ做奇异值(SVD)分解,得到:
式中,U0,V0分别是KL×τ,τ×τ维的酉矩阵,D0是τ×τ维的对角矩阵;
第3步:对式(4)中的矩阵PB做SVD分解,即:
其中Uτ,Vτ都是KL×τ维的酉矩阵,Dτ是τ×τ维的对角矩阵,其主对角线上的元素全部为正值;
第4步:定义Hτ=HUτ,使用等式IKL=P+(IKL-P),则式(2)可以转换成一个等价***模型:
其中,Ητ是M×τ维的随机矩阵;
(3)信道估计
信道Ητ的估计值为:
其中,Iτ是τ×τ维的单位向量。
(4)参数计算
对式(3)和式(5)中的矩阵U0、D0、V0以及Uτ、Dτ和Vτ进行具体的计算,得到等价***模型可表述为如下形式:
(5)***分析
其中,QAMkl={z|z=α1ψ+jα2ψ,α1,α2∈N},μ为整数,N={-(2N-1),-(2N-3),...,2N-3,2N-1},k=1,2,…,K,l=1,2,…,L;为此,集合可以分成4N2部分:
10log10βkl=-PL(f,d)+χσ (12)
其中,PL(f,d)为距离为d、频率为f的路径损耗,χσ为阴影衰落;
选取一个路径损耗模型,给予***指标数γk一个取值作为合理分布基站的准则,根据式(11)、式(12),从而求出基站与干扰用户之间的合理间距d。
进一步,步骤(3)的信道Ητ是根据发送的训练矩阵Φ和相应的接收信号Y0以及式(6),用MMSE估计方法估计得到该信道的估计值。
进一步,步骤(4)中各参数的具体计算步骤如下:
设定每个小区使用相同的训练符号,即Φ=(Φ0,Φ0,...,Φ0)t,Φ0是一个维数为K×K的酉矩阵,也就是说,同一小区中的用户使用正交的导频符号,而不同小区之间的用户使用相同的导频符号,矩阵ΒΦ的SVD分解为其中,
由此可得:
而且,如果令
即可得到UτDτVτ H=PB。
进一步,步骤(5)路径损耗模型选取室内毫米波环境下的CIX路径损耗模型,公式如下:
PL(f,d)=FSPL(f,d0)+10nlog10(d/d0)+XPD (13)
其中,n为路径损耗指数,XPD为交叉极化鉴别度,σ为阴影衰落偏差;FSPL(f,d0)代表载波频率为f、参考距离为d0时的自由空间传播损耗:
其中,λ表示波长。
本发明的有益效果主要表现在通过确定一个基站与干扰用户间的距离来减小多小区多用户大规模MIMO小区间的干扰。
附图说明
图1是随着阴影衰落取值不一样时,干扰用户到基站的距离。
图2是图1的第I种情况下的仿真图。
图3是图1的第II种情况下的仿真图。
图4是图1的第III种情况下的仿真图。
图5是图1的第IV种情况下的仿真图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明,但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到,本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
多小区多用户大规模MIMO***中基站合理分布的方法,假设所述MIMO***包括小区L=7,每个小区有K=3个单天线用户,固定信噪比为8dB,用户信号星座为4-QAM,每个小区的半径为10m,信号频率为73GHz。先发送τ=3的训练序列,再发送T=1的信息序列。
所述基站合理分布的方法包括以下步骤:
(1)确定训练序列与发送信号
假定***有7个小区,每个小区有一个配备有M根天线的基站,同时,支持3个单天线用户。用户在发送信息序列之前,先发送长度为τ=3的训练序列,即Φ1,Φ2,...,Φ7=I3,Φ=(Φ1,Φ2,...,Φ7)t,维数为21×3。然后再发送长度为T=1的信息序列,形成信号矩阵X,其中xkl(k=1,2,3,l=1,2,...,7)均取自标准4-QAM,则Xl=(x1l,x2l,x3l)t,维数为3×1,X=(X1,X2,...,X7)t。假设第1个基站与Φ和X对应的接收信号分别为:
式中,信道矩阵H=(H1,H2,...,H7)的维数为M×21,H1,H2,...,H7均为M×3的信道矩阵。B=diag(B1,B2,...,BL)为对角矩阵。W0和W均表示加性高斯白噪声。ρ为平均信噪比,固定为8dB。
(2)信道分解
第1步:矩阵ΒΦ做奇异值(SVD)分解,得到:
式中,U0,V0分别是21×3,3×3维的酉矩阵,D0是3×3维的对角矩阵。
第3步:对矩阵PB做SVD分解,即:
其中Uτ,Vτ都是21×3维的酉矩阵,Dτ是3×3维的对角矩阵。
第4步:定义Hτ=HUτ,使用等式I37=P+(I37-P),则式信号接收方程可以转换成:
其中,Ητ是M×3维的随机矩阵。
(3)信道估计
根据发送的训练矩阵Φ和相应的接收信号Y0以及式等价***模型,用MMSE估计方法估计信道Ητ,得到信道的估计值为:
(4)参数计算
对矩阵U0、D0、V0以及Uτ、Dτ和Vτ进行具体的计算。假设7个小区中的每个用户都用4-QAM作为星座,每个小区使用相同的训练符号,即Φ=(Φ0,Φ0,...,Φ0)t,Φ0=I3。也就是说,同一小区中的用户使用正交的导频符号,而不同小区之间的用户使用相同的导频符号,矩阵ΒΦ的SVD分解为其中,
由此可得:
而且,如果令
即可得到UτDτVτ H=PB。可以得到等价***模型可表述为如下形式:
(5)***分析
大尺度衰落系数βkl和路径损耗PL以及阴影衰落有如下关系:
10log10βkl=-PL(f,d)+χσ (12)
其中,χσ为阴影衰落,服从均值为零,标准偏差为σdB的正态分布。
选取室内毫米波环境下的CIX路径损耗模型,公式如下:
PL(f,d)=FSPL(f,d0)+10nlog10(d/d0)+XPD (13)
其中,d0=1m。本小区的n、XPD和σ分别为1.6、31.4和4.6。干扰小区的n、XPD和σ分别为5.3、14.3和13.2。FSPL(f,d0)代表载波频率为f=73GHz,参考距离为1m时的自由空间传播损耗:
其中,λ表示波长。
在仿真实验中,考虑阴影衰落χσ的随机性,在求出基站与干扰用户之间的间距时,以***指标数γ=0.3为准则,将本小区的阴影衰落分别取为3σ、2σ、σ和0,干扰小区的阴影衰落分别取为3σ、2σ和σ。每个小区的半径为10m,根据式(11)、式(12)、式(13)和式(14)求出干扰用户到基站之间的距离,得到图1,并以图1的四种情况中的距离做仿真实验。实验结果如图2-5显示,当每个小区的半径为10m时,基站与干扰用户之间的距离近似为40m到58m之间。
Claims (1)
1.多小区多用户大规模MIMO***中基站合理分布的方法,所述MIMO***包括L个小区,每个小区有一个配备有M根天线的基站,支持K个单天线用户,每个用户选择标准的4N2-QAM星座,所述基站合理分布的方法包括以下步骤:
(1)确定训练序列和发送信号
假定第l小区的第k个用户先发送长度为τ的训练序列,即Φkl=(φkl,1,φkl,2,...,φkl,τ),其中φkl,1,φkl,2,...,φkl,τ,k=1,2,...,K是第l个小区的第k个用户分别在第1,2,...,τ时刻发送的训练符号;令为K×τ维矩阵,为LK×τ维的训练矩阵,上标t表示向量或矩阵的转置;然后发送长度为T的信息序列,形成输入信号矩阵X,其中K×T维的Xl表示第l个小区的所有用户发送的信息符号;假设第一个基站与Φ和X对应的接收信号分别为:
式中,Hl=(hmkl)M×K表示第l个小区的所有用户与第一个小区基站之间的信道矩阵,信道矩阵H=(H1,H2,...,HL),维数为M×LK;表示第l个小区的所有用户与第一个小区基站的大尺度衰落系数,而βkl为第l个小区第k个用户与第一个小区基站的大尺度衰落系数,B=diag(B1,B2,...,BL);W0和W均表示加性高斯白噪声矩阵,它的元素是零均值单位方差的复高斯随机变量;ρ为平均接收信噪比;
(2)信道分解
第1步:对式(1)中的矩阵ΒΦ做奇异值分解,得到:
式中,U0,V0分别是KL×τ,τ×τ维的酉矩阵,D0是τ×τ维的对角矩阵;
第3步:对式(4)中的矩阵PB做奇异值分解,即:
其中Uτ,Vτ都是KL×τ维的酉矩阵,Dτ是τ×τ维的对角矩阵,其主对角线上的元素全部为正值;
第4步:定义Hτ=HUτ,使用等式IKL=P+(IKL-P),其中IKL表示KL维单位矩阵,则式(2)可以转换成一个等价***模型:
(3)信道估计
信道Ητ的估计值为:
其中,Iτ是τ×τ维的单位向量;其中Ητ是根据发送的训练矩阵Φ和相应的接收信号Y0以及式(6),用最小均方误差MMSE估计方法估计得到该信道的估计值;
(4)参数计算
对式(3)和式(5)中的矩阵U0、D0、V0以及Uτ、Dτ和Vτ进行具体的计算,得到等价***模型可表述为如下形式:
其中,各参数的具体计算步骤如下:
由此可得:
而且,如果令
即可得到UτDτVτ H=PB;
(5)***分析
其中,QAMkl={z|z=α1ψ+jα2ψ,α1,α2∈N},N=2μ,μ为整数,N={-(2N-1),-(2N-3),...,2N-3,2N-1},k=1,2,…,K,l=1,2,…,L;βkl为第l个小区第k个用户的大尺度衰落因子;为此,星座可以分成4N2子集合,子集合为:
定义一***指标数γk并满足下列条件:
10log10βkl=-PL(f,d)+χσ (12)
其中,PL(f,d)为距离为d、频率为f的路径损耗,χσ为阴影衰落;
选取一个路径损耗模型,给予***指标数γk一个取值作为合理分布基站的准则,其中的γk=0.3,根据式(11)、式(12),从而求出基站与干扰用户之间的合理间距d,其中路径损耗模型选取室内毫米波环境下的路径损耗模型,公式如下:
PL(f,d)=FSPL(f,d0)+10n log10(d/d0)+XPD (13)
其中,n为路径损耗指数,XPD为交叉极化鉴别度,σ为阴影衰落偏差;
FSPL(f,d0)代表载波频率为f、参考距离为d0时的自由空间传播损耗:
其中,λ表示波长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710430634.4A CN107257560B (zh) | 2017-06-09 | 2017-06-09 | 多小区多用户大规模mimo***中基站合理分布的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710430634.4A CN107257560B (zh) | 2017-06-09 | 2017-06-09 | 多小区多用户大规模mimo***中基站合理分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107257560A CN107257560A (zh) | 2017-10-17 |
CN107257560B true CN107257560B (zh) | 2020-09-18 |
Family
ID=60024485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710430634.4A Expired - Fee Related CN107257560B (zh) | 2017-06-09 | 2017-06-09 | 多小区多用户大规模mimo***中基站合理分布的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107257560B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746729A (zh) * | 2013-12-25 | 2014-04-23 | 河海大学 | 分布式mimo***基站侧天线位置优化方法 |
CN105072632A (zh) * | 2015-08-26 | 2015-11-18 | 东南大学 | 一种mimo分布式基站***中能量效率最优化的方法 |
CN106792817A (zh) * | 2016-12-23 | 2017-05-31 | 北京邮电大学 | 用于分布式大规模mimo***的天线配置方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9537678B2 (en) * | 2014-02-13 | 2017-01-03 | Samsung Electronics Co., Ltd | Method and apparatus for robust two-stage OFDM channel estimation |
-
2017
- 2017-06-09 CN CN201710430634.4A patent/CN107257560B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746729A (zh) * | 2013-12-25 | 2014-04-23 | 河海大学 | 分布式mimo***基站侧天线位置优化方法 |
CN105072632A (zh) * | 2015-08-26 | 2015-11-18 | 东南大学 | 一种mimo分布式基站***中能量效率最优化的方法 |
CN106792817A (zh) * | 2016-12-23 | 2017-05-31 | 北京邮电大学 | 用于分布式大规模mimo***的天线配置方法及装置 |
Non-Patent Citations (1)
Title |
---|
毫米波环境下大规模MIMO***中基站合理分布的研究;王海泉;《电子科技大学学报》;20190331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107257560A (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
González-Coma et al. | Channel estimation and hybrid precoding for frequency selective multiuser mmWave MIMO systems | |
CN107483088B (zh) | 大规模mimo鲁棒预编码传输方法 | |
CN105723627B (zh) | 用于多分辨率预编码矩阵指示符反馈的方法和设备 | |
CN101427485A (zh) | 复杂性降低的波束受控mimo ofdm*** | |
JP2012533952A (ja) | Mu−mimo通信システムの送信機のためのプリコーディング方法 | |
CN107086886A (zh) | 大规模mimo***融合迫零与泰勒级数展开的双层预编码设计 | |
WO2017132984A1 (en) | Method and apparatus of topological pilot decontamination for massive mimo systems | |
Su et al. | Investigation on key technologies in large-scale MIMO | |
Bayraktar et al. | An efficient interference-aware constrained massive mimo beamforming for mm-wave jsdm | |
Kim et al. | Efficient feedback via subspace-based channel quantization for distributed cooperative antenna systems with temporally correlated channels | |
CN111431567B (zh) | 一种毫米波大规模波束空间mimo*** | |
Shikida et al. | Sparse channel estimation using multiple DFT matrices for massive MIMO systems | |
CN107659348A (zh) | 一种基于信漏噪比slnr和预编码thp混合自适应预编码设计方法 | |
Khalilsarai et al. | Efficient downlink channel probing and uplink feedback in FDD massive MIMO systems | |
Wu et al. | Enhanced time-shifted pilot based channel estimation in massive MIMO systems with finite number of antennas | |
CN107257560B (zh) | 多小区多用户大规模mimo***中基站合理分布的方法 | |
Komulainen et al. | Decentralized beam coordination via sum rate maximization in TDD multi-cell MIMO systems | |
Shu et al. | Adaptive robust Max-SLNR precoder for MU-MIMO-OFDM systems with imperfect CSI | |
Lee et al. | Cell-free massive MIMO with Rician K-adaptive feedback | |
Liu et al. | A distributed detection algorithm for uplink massive MIMO systems | |
Ghavami | Channel estimation and symbol detection in massive MIMO systems using expectation propagation | |
Kaleva et al. | Decentralized sum MSE minimization for coordinated multi-point transmission | |
Dong et al. | Leakage-based power allocation for relaxed SLNR beamforming in multi-cell MU-MIMO systems | |
Raeesi et al. | Modeling and estimation of massive MIMO channel non-reciprocity: Sparsity-aided approach | |
Prasanna et al. | On the role of sparsity and intra-vector correlation in mmwave channel estimation |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200918 |
|
CF01 | Termination of patent right due to non-payment of annual fee |