CN110995399A

CN110995399A - 一种基于用户分组的大规模mimo导频分配方法

Info

Publication number: CN110995399A
Application number: CN201911126088.0A
Authority: CN
Inventors: 孙文胜; 王春梅
Original assignee: Hangzhou Dianzi University
Current assignee: Hangzhou Dianzi University
Priority date: 2019-11-18
Filing date: 2019-11-18
Publication date: 2020-04-10
Anticipated expiration: 2039-11-18
Also published as: CN110995399B

Abstract

本发明公开了一种基于用户分组的大规模MIMO导频分配方法。本发明首先以小区基站为极点建立极坐标系，计算各小区的每个用户在本小区基站极坐标系下极角的大小，并升序排列，然后用1,2,...,k对相应的用户进行编号，位于不同小区且距离相对较远的用户组复用同一组导频序列。然后根据用户到基站的距离构建导频污染表达式，并以此作为遗传算法的适应度函数，用遗传算法在各小区相应的用户组中进行搜索，得到最优个体，该个体染色体上的基因对应的用户间导频污染和最小，且相对位置较远，为其分配相同的导频可以在提高用户公平性的同时提高***下行链路可达和速率，并降低计算复杂度。

Description

一种基于用户分组的大规模MIMO导频分配方法

技术领域

本发明涉及大规模MIMO***领域，具体说是大规模MIMO***中一种基于用户分组的导频分配方法。

背景技术

目前，学术界已经研究出了许多减轻导频污染的方法，这些方法要么只考虑提高目标小区的***性能，忽略了相邻小区的***性能的提升，要么旨在最大化各小区用户的总可达速率，没有考虑用户的公平性，很有可能给信号强度小的用户分配污染严重的导频序列。

发明内容

针对上述问题，本发明提供了一种基于用户分组的大规模MIMO导频分配方法。

本发明包括以下步骤：

步骤1：测量小区用户到各基站的距离：测量各小区的每个用户到本小区基站的距离r_(l,k),l(l＝1,2,3,…,L；k＝1,2,3,…,K)和各小区每个用户到相邻小区的距离r_(l',k),l(l'＝1,2,3,…,L；l≠l')，其中，r_(l,k),l表示第l小区的第k个用户到第l小区基站的距离，r_(l',k'),l表示第l'小区的第k'个用户到第l小区基站的距离，L表示小区总数，K表示各小区用户数，l＝1,2,3,…,L,k＝1,2,3,…,K,l'＝1,2,3,…,L；k'＝1,2,3,…,K，l≠l'。

步骤2：用户/导频分组：首先以各小区基站为极点建立极坐标系，计算各小区的每个用户在本小区基站坐标系下极角θ(0≤θ<2π)的大小，并升序排列，然后用1,2,...,K为相应的用户编号。

接着把各小区的用户和导频序列分为G组，具体步骤为：如果K＝G×N，则依次以N个用户为一组把各小区用户分成G组，如果K＝G×N+n(n<G)，则每个小区的前n个用户组内的用户数为N+1，后G-n个用户组内的用户数为N，同理，导频序列也相应的分成G组，即第g(1≤g≤G)组导频序列内的导频个数与第g组用户组内的用户个数相同。

假设K＝G×N，把各小区用户按上述导频分组方法分成G组，则各小区第一个用户组的用户集可以依次表示为：U_(1,1)＝{u_(1,1),u_(1,2),…,u_(1,N)}，U_(2,1)＝{u_(2,1),u_(2,2),…,u_(2,N)},...,U_(L,1)＝{u_(L,1),u_(L,2),…,u_(L,N)}，其他用户组的用户集可以类推得到。位于不同小区编号相同的用户组复用同一组导频序列，即各小区第g组用户复用第g组导频序列。

步骤3：编码：用十进制编码表示个体，所有个体都只有一条染色体，每条染色上的基因个数等于小区个数L，染色体上的基因是随机生成的N以内的十进制整数的排列，各个基因分别代表来自1,2,…,L小区第一个用户组内的一个用户。

步骤4：初始化：设置种群进化终止的迭代次数T、进化种群的大小S、交叉变异概率P等初始参数。

步骤5：种群生成：用步骤3所述的编码方式随机生成一个种群，该种群含有Q(S<Q)个个体。

步骤6：计算适应度值：用户的导频污染大小和用户到基站的距离密切相关，本发明用用户到基站的距离定义用户间的导频污染和，即使用相同导频的u_(i,k)和u_(j,q)两用户间的导频污染和为：

值越大表明两用户使用相同的导频时相互间干扰越严重，产生的导频污染越大。遗传算法的适应度函数为来自不同小区使用相同导频的用户间产生的导频污染和，可以表示为：

根据适应度函数计算步骤5生成的种群的适应度值。

步骤7：选择：选出S个适应度值小的个体作为初始种群，进行演化。

步骤8：交叉变异：在步骤7生成的初始种群中，根据适应度值从大到小的顺序选取P×S个个体进行交叉变异操作，其余个体保留不变与交叉变异生成的新个体一起组成子代。本发明采用单点交叉，即个体间在随机生成的交叉点处交换部分基因，生成新的个体，然后对生成的新个体进行变异操作。

步骤9：计算适应度值：根据适应度函数计算步骤8生成的子代的适应度值，找出适应度值最小的个体，此个体即为最优个体，为该个体染色体上的基因对应的用户分配相同的导频时产生的导频污染和最小。

步骤10：进化终止判断：如果种群进化次数达到T，则退出此循环，输出最优个体，为该个体染色体上的基因对应的各用户分配相同的导频，并把各用户从相应的小区用户集中删除，更新各小区用户集生成新的用户集，同时，把已分配的导频从相应的导频序列组中删除；如果进化次数没有达到T，执行步骤8。

步骤11：导频分配终止判断：如果各用户集中仅剩一个用户，则把剩下的一组导频分配给用户集中剩下的用户，退出循环，导频分配结束；否则执行步骤5。

本发明的有益效果是：

1：只对适应度值大的个体进行交叉变异操作，保留了父代优良个体，避免变异过程中优良基因的遗失，提高了结果的可靠性。

2：使用遗传算法搜索得到最优个体，降低了计算复杂度。

3：编号相同的用户组复用同一组导频序列，由用户分组方案可知，编号相同的用户组分别位于不同小区且位置相对较远，这样可以提高用户公平性，保证了基站获取的信号强度差的用户的信道状态信息是完整的。

4：用遗传算法在各小区相应的用户组内搜索得到最优个体，该个体染色体上的基因对应的用户间导频污染和最小，为其分配相同导频序列，可以有效提高下行可达和速率，减轻导频污染。

附图说明

图1为本发明的具体流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施例仅用于说明和解释本发明，但并不用于限定本发明。

近年来，数据业务快速增长，大规模MIMO技术作为5G关键技术之一，因具有高频谱利用率和大容量等优点，有效的解决了数据业务呈指数迅速增长的问题。然而，由于频谱资源的短缺，实际多小区场景中无法实现所有小区的用户都使用相互正交的导频序列，不同小区的用户使用相同导频序列难以避免，这使得基站端获得的用户信道状态信息，不仅受到噪声的干扰，而且还受到其他小区使用相同导频用户的干扰，即产生了导频污染，合理地为用户分配导频可减轻导频污染。

详见图1：本发明提供了一种基于用户分组的大规模MIMO导频分配方法，步骤如下：

步骤1：测量小区用户到各基站的距离：测量各小区的每个用户到本小区基站的距离r_(l,k),l(l＝1,2,3,…,L；k＝1,2,3,…,K)和各小区每个用户到相邻小区的距离r_(l',k),l(l'＝1,2,3,…,L；l≠l')。

步骤2：用户和导频分组：首先以各小区基站为极点建立极坐标系，计算各小区的每个用户在本小区基站坐标系下极角θ(0≤θ<2π)的大小，并升序排列，然后用1,2,...,K为相应的用户编号。

接下来说明如何用遗传算法为各小区第一个用户组内的用户分配导频，其他用户组内用户的导频分配可以以此类推。

步骤3：编码：本发明用十进制编码表示个体，所有个体都只有一条染色体，每条染色上的基因个数等于小区个数L，染色体上的基因是随机生成的N以内的十进制整数的排列，各个基因分别代表来自1,2,…,L小区第一个用户组内的一个用户。

根据适应度函数计算步骤5生成的种群的适应度值。

步骤8：交叉变异：在步骤7生成的初始种群中，根据适应度值从大到小的顺序选取P×S个个体进行交叉变异操作，其余个体保留不变与交叉变异生成的新个体一起组成子代。

本发明采用单点交叉，即个体间在随机生成的交叉点处交换部分基因，生成新的个体，然后对生成的新个体进行变异操作。

综上，本发明根据用户位置把各小区的用户适当的分成G组，导频序列也相应的分成G组，位于不同小区编号相同的用户组复用同一组导频序列，即分配相同导频的用户分别位于不同小区且位置相对较远的用户组内，然后用遗传算法在相应的用户组内搜索得到最优个体，最优个体染色体上的基因对应的用户间产生的导频污染和最小，为各用户分配相同的导频，保证了在提高用户公平性的同时最大化下行链路可达和速率，减轻了导频污染。同时，本发明用用户到基站间的距离定义导频污染，并以此作为适应度函数，用遗传算法搜索得到最优个体，降低了算法复杂度。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，而做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims

1.一种基于用户分组的大规模MIMO导频分配方法，其特征在于，包括以下步骤：

步骤1：测量小区用户到各基站的距离：

测量各小区的每个用户到本小区基站的距离r_(l,k),l和各小区每个用户到相邻小区的距离r_(l',k'),l；

其中，r_(l,k),l表示第l小区的第k个用户到第l小区基站的距离，r_(l',k'),l表示第l'小区的第k'个用户到第l小区基站的距离，L表示小区总数，K表示各小区用户数；l＝1,2,3,…,L,k＝1,2,3,…,K,l'＝1,2,3,…,L；k'＝1,2,3,…,K，l≠l'；

步骤2：用户和导频分组：

首先以各小区基站为极点建立极坐标系，计算各小区的每个用户在本小区基站坐标系下极角θ的大小，并升序排列，0≤θ<2π，然后用1,2,...,K为相应的用户编号；

接着把各小区的用户和导频序列分为G组，则各小区第一个用户组的用户集依次表示为：U_(1,1)＝{u_(1,1),u_(1,2),…,u_(1,N)}，U_(2,1)＝{u_(2,1),u_(2,2),…,u_(2,N)},...,U_(L,1)＝{u_(L,1),u_(L,2),…,u_(L,N)}，其他用户组的用户集可以类推得到；

位于不同小区编号相同的用户组复用同一组导频序列，即各小区第g组用户复用第g组导频序列；

步骤3：编码：

用十进制编码表示个体，所有个体都只有一条染色体，每条染色上的基因个数等于小区个数L，染色体上的基因是随机生成的N以内的十进制整数的排列，各个基因分别代表来自1,2,…,L小区第一个用户组内的一个用户；

步骤4：初始化：

设置种群进化终止的迭代次数T、进化种群的大小S、交叉变异概率P；

步骤5：种群生成：

用步骤3所述的编码方式随机生成一个种群，该种群含有Q个个体，Q＞S；

步骤6：计算适应度值：

采用用户到基站的距离定义用户间的导频污染和，即使用相同导频的u_(i,k)和u_(j,q)两用户间的导频污染和为：

值越大表明两用户使用相同的导频时相互间干扰越严重，产生的导频污染越大，i≠j,i,j∈1,2,…L；k,q∈1,2,…,N；

遗传算法的适应度函数为来自不同小区使用相同导频的用户间产生的导频污染和；

根据适应度函数计算步骤5生成的种群的适应度值；

步骤7：选择：

选出S个适应度值小的个体作为初始种群，进行演化；

步骤8：交叉变异：

在步骤7生成的初始种群中，根据适应度值从大到小的顺序选取P×S个个体进行交叉变异操作，其余个体保留不变与交叉变异生成的新个体一起组成子代；

步骤9：计算适应度值：

根据适应度函数计算步骤8生成的子代的适应度值，找出适应度值最小的个体，此个体即为最优个体，为该个体染色体上的基因对应的用户分配相同的导频时产生的导频污染和最小；

步骤10：进化终止判断：

如果种群进化次数达到T，则退出此循环，输出最优个体，为该个体染色体上的基因对应的各用户分配相同的导频，并把各用户从相应的小区用户集中删除，更新各小区用户集生成新的用户集，同时，把已分配的导频从相应的导频序列组中删除；如果进化次数没有达到T，执行步骤8；

步骤11：导频分配终止判断：

如果各用户集中仅剩一个用户，则把剩下的一组导频分配给用户集中剩下的用户，退出循环，导频分配结束；否则执行步骤5。

2.根据权利要求1所述的一种基于用户分组的大规模MIMO导频分配方法，其特征在于：各小区的用户和导频序列分为G组，具体是：

如果K＝G×N，则依次以N个用户为一组把各小区用户分成G组；

如果K＝G×N+n，则每个小区的前n个用户组内的用户数为N+1，后G-n个用户组内的用户数为N，n<G；

同理，导频序列也相应的分成G组，即第g组导频序列内的导频个数与第g组用户组内的用户个数相同，1≤g≤G。

3.根据权利要求1所述的一种基于用户分组的大规模MIMO导频分配方法，其特征在于：交叉变异具体采用单点交叉，即个体间在随机生成的交叉点处交换部分基因，生成新的个体，然后对生成的新个体进行变异操作。