CN113259078B - 基于到达角和距离的多小区大规模mimo导频分配方法 - Google Patents

Abstract

本发明属于无线通信技术领域，具体涉及基于到达角和距离的多小区大规模MIMO导频分配方法，通过比较衡量系数的大小进行导频分配选择方案，且针对衡量系数相同时，用户之间的信道估计精度存在差异的情况，通过将衡量系数相同的干扰用户归纳为同一用户集内，并通过计算干扰用户集内各个用户与基站之间的距离，使用户与距离最大的干扰用户复用同一导频。仿真表明，该方案具有良好的信道估计，而且提高了***的频谱效率。

Description

基于到达角和距离的多小区大规模MIMO导频分配方法

技术领域

本发明属于无线通信技术领域，尤其涉及基于到达角和距离的多小区大规模MIMO导频分配方法。

背景技术

大规模MIMO技术是5G无线***的核心技术之一，在***中基站需要大量天线运行，该技术涉及多个单天线用户终端，由部署在基站上的大量天线提供服务，由于使用大量天线以及多用户检测和波束形成技术的应用，它被证明比传统MIMO***在频谱和能量效率方面有更显著的提高。

但由于导频长度有限制范围，导致相同的导频会复用给不同的小区用户，从而导致导频污染问题。导频污染会使得信道状态信息(Channel State Information,CSI)估计不精确，不精确的CSI会影响***性能。

目前研究人员已经提出很多减轻导频污染影响的导频分配方案，常用的方案有两种：基于导频和子空间，其中，基于导频的方案包括传输导频和利用用户协方差的技术。如Yin H等人在《IEEE Journal on Selected Areas in Communications,2012,31(2):264-273》上发表了题为“A Coordinated Approach to Channel Estimation in Large-scaleMultiple-antenna Systems”的文章，公布了一种联合信道的协方差矩阵信息和到达角(Angles of Arrivals,AoA) 的高精确性的减轻导频污染的方案，表明不重叠AOAs的用户复用相同导频时，采用最小均方误差(Minimum Mean Square Error,MMSE)检测方法可以减少导频污染。但是该方案中，协方差矩阵随着用户数增加复杂度增加是个不容忽略的问题。

也有通过深度学习算法进行导频分配和用户分配之间的关系来减轻导频污染，这是通过深度学习(Deep Learning,DL)进行导频分配实现的。尽管该算法的性能几乎与穷举搜索算法相同，但是DL算法需要大量的数据，因此需要更长的数据处理时间。

如Marzetta T L在《IEEE Transactions on Wireless Communications,2010, 9(11):3590-3600》上发表了题为“Noncooperative Cellular Wireless with UnlimitedNumbers of Base Station Antennas”的文章，采用贪婪算法对小区用户进行导频分配，使得用户导频分配的顺序不同，从而导致每个小区用户估计信道的准确性不同。

Echigo H等人在《2017 IEEE Global Communications Conference.IEEE,2017:1-6》上发表了题为“Fair Pilot Assignment Based on AOA and Pathloss withLocation Information in Massive MIMO”的文章，提出了一种通过衡量系数分配导频的方案，但是该方法在用户衡量系数相等的时候，将相同的导频分配给目标用户和与其最近的干扰用户(如图3所示)，使得导频污染问题依然比较严重。

发明内容

有鉴于此，本发明的目的是提供基于到达角和距离的多小区大规模MIMO导频分配方法，解决现有技术在用户衡量系数相等的时候，将相同的导频分配给目标用户和与其最近的干扰用户，使得导频污染问题依然比较严重。

本发明通过以下技术手段解决上述技术问题：

基于到达角和距离的多小区大规模MIMO导频分配方法，包括以下步骤：

S1.将待分配导频小区设定为j(j＝1,2,……，L)，当j＝1时，对j小区内各个用户的导频进行随机分配，根据j小区中的各个用户与j小区基站的距离，将用户按照升序排序；将已分配完毕的j小区设定为i(i＝1,2,…,j-1)小区；

S2.当j＝2:L时，通过计算最小到达角与最大到达角，得出j小区中用户n到j小区基站的到达角区间

以及i小区中用户m到j小区基站的到达角区间

根据位置信息选出j小区中距离基站j最近的用户

S3.根据位置信息和到达角信息，计算用户

与已分配完毕的小区i(i＝1,2,…,j-1)中各用户u_ik的衡量系数M；

S4.比较每组衡量系数M的最小值，将最大的最小值定义Q；

S5.验证是否存在衡量系数M同为Q的情况：如果不存在，则用户

与Q对应的干扰用户复用同一导频；否则，将小区i中衡量系数M同为Q的用户集合定义为

I_i＝{u_iv},i∈{1,2,...j-1},v∈{1,2,...,K}；

S6.计算用户集合I_i中各个用户与基站j的距离，并集合定义为

选出集合

中的最大值，使用户

与

中的最大值的干扰用户复用同一导频；

S7.选出j小区剩余用户中距离基站j最近的用户，重复S2-S6的步骤，直至j小区最后一个用户分配完毕，再分配下一小区。

进一步，所述骤S3的计算方法为：将M(j,n,i,m)定义为第i干扰小区中第m用户与第j目标小区中第n用户的衡量系数，

其中，

是第i小区中第 m用户的位置，

是第j小区基站的位置，η为路径损耗指数，且当干扰小区用户位于目标用户左边时，

否则

4.进一步，所述基于到达角和距离的多小区大规模MIMO导频分配方法还包括目标小区用户与干扰小区用户之间的信道向量关系数算法，包括以下步骤：

B1.在TDD模式下，建立有L个小区，每个小区中有K个单天线用户，每个小区中心的基站天线数为M的模型，且所有在同一个小区的用户使用正交导频，其中导频序列长度是ω；

B2.假设每个小区复用同一组导频，导频数量为K,考虑上行链路传输，l小区的k用户到j 小区基站的信道向量定义为

其中，P是路径数，

是大尺度损耗系数，

是第l小区中第k用户的位置，

是第j小区基站的位置，η为路径损耗指数，α为常量；

定义为l小区中k用户到j小区基站信道的第p路径的AOA；

B3.在基站天线为均匀线阵则对应的天线导向矢量为α(θ)＝(1,e^{-j2πDcos(θ)/λ},...,exp^{-j2π(M-1)Dcos(θ)/λ})^T其中，天线等间隔分布，D为天线间隔,λ是载波信号波长；

B4.导频序列集合为

表示K个长度为ω的正交导频序列，满足以下条件S^HS＝I_K，τ≤CHI-N_UL-N_DL其中,CHI表示为信道相干间隔，N_UL和N_DL分别表示一帧中上下行链路传输数据长度，得出j小区基站端接收到的M×ω导频信号为

其中，ρ^pilot表示导频的传输功率，

是空间和时间上的加性高斯白噪声，均值为0，方差为

B5.第j小区中的第k个用户的信道估计为

其中，

是一个等效的噪声向量；

B6.得出第j小区中的第k₁个用户和第j基站之间信道向量，与第i小区中的第k₂个用户和第j基站之间的信道向量的相关系数表示为

本发明的有益效果：本发明的基于到达角和距离的多小区大规模MIMO导频分配方法，该方法基于AOA和距离，通过比较衡量系数的大小进行导频分配选择方案，且针对衡量系数相同时，用户之间的信道估计精度存在差异的情况，通过将衡量系数相同的干扰用户归纳为同一用户集内，并通过计算干扰用户集内各个用户与基站之间的距离，使用户与距离最大的干扰用户复用同一导频。仿真表明，该方案具有良好的信道估计，而且提高了***的频谱效率。

附图说明

图1为***模型；

图2为对目标小区未出现重叠，其它小区出现用户AOAs重叠情况图；

图3为用户分配导频衡量系数大小相等情况图；

图4为本发明仿真时均匀用户分布图；

图5为本发明仿真结果中***上行和速率随天线数变化的曲线；

图6为本发明仿真结果中用户上行SINR的累积分布函数曲线；

图7为本发明仿真结果中平均NMSE随天线数变化曲线；

表1为导频分配方案表；

表2为仿真参数表。

具体实施方式

以下将结合附图和具体实施例对本发明进行详细说明：

如图1-图7所示，本发明的基于到达角和距离的多小区大规模MIMO导频分配方法，为了便于理解本发明的基于到达角和距离的多小区大规模MIMO导频分配方法的具体实施方法，本发明的***模型如图1所示，在TDD模式下，有L个小区，每个小区中有K个单天线用户，每个小区中心的基站天线数M，所有在同一个小区的用户使用正交导频，其中导频序列长度是ω。

假设每个小区复用同一组导频，导频数量为K,考虑上行链路传输，将l小区的k用户到j小区基站的信道向量定义为

其中，P是路径数，由于基站上不同天线间距远远小于用户与基站之间的距离，所以一般对于天线间距产生的影响忽略不记，

是大尺度损耗系数，

是第l小区中第k用户的位置，

是第j小区基站的位置，η为路径损耗指数，α为常量。由于位置受到各种不确定性来源的影响，无法准确获取到用户的真实位置。定位的准确性取决于所使用的定位技术，也取决于环境(室内或室外)，在本实施例中我们量化了用户位置，在实际应用中，通过精确定位获得实际的位置信息。

定义为l小区中k用户到j小区基站信道的第p路径的AOA。

当基站天线为均匀线阵(Uniform Linear Array,ULA)，则对应的天线导向矢量表示为

α(θ)＝(1,e^{-j2πDcos(θ)/λ},...,exp^{-j2π(M-1)Dcos(θ)/λ})^T

其中，天线等间隔分布，D为天线间隔,λ是载波信号波长。

本发明可用的导频序列集合为

表示K个长度为ω的正交导频序列，满足以下条件S^HS＝I_K，τ≤CHI-N_UL-N_DL。其中CHI表示为信道相干间隔，N_UL和N_DL分别表示一帧中上下行链路传输数据长度

因此j小区基站端接收到的M×ω导频信号为

其中，ρ^pilot表示导频的传输功率，

是空间和时间上的加性高斯白噪声，均值为0，方差为

得出，第j小区中的第k个用户的信道估计为

其中，

是一个等效的噪声向量。

第j小区中的第k₁个用户和第j基站之间信道向量，与第i小区中的第k₂个用户和第j基站之间的信道向量的相关系数表示为

由于1-x^M＝(1-x)(1+x+x²+...+x^(M-1))，有

当

和

不完全重叠时

其中，

分别表示第i 小区第k₂用户到第j基站的用户最小到达角和最大到达角。

表示导频污染消除时的估计信道。

在上行传输阶段，由于相干间隔的长度不能无限延长，当***有大量用户访问时，对导频序列长度有限制。在小区内部使用正交导频，为了减缓相邻小区复用相同导频产生的导频污染。提出下面导频分配方案：

本实施例针对现有技术，在考虑j目标小区中用户n和i干扰小区中用户m复用相同导频时，通过计算最小到达角与最大到达角，得出j小区中用户n和i小区中用户m到j小区基站的到达角区间：

若

(即角度区间不重叠)，复用相同导频时，j小区干不存在扰。

但此时的i小区，如图2所示，

角度区间存在重叠，从而产生干扰。如图2所示。本实施例的解决办法如下：

步骤一：将待分配导频小区设定为j(j＝1,2,……，L)，当j＝1时，对j小区内各个用户的导频进行随机分配，根据j小区中的各个用户与j小区基站的距离，将用户按照升序排序；将已分配完毕的j小区设定为i(i＝1,2,…,j-1)小区；

步骤二：当j＝2,3，……，L时，通过计算最小到达角与最大到达角，得出j小区中用户n 到j小区基站的到达角区间

以及i小区中用户m到j小区基站的到达角区间

根据位置信息选出j小区中距离基站j最近的用户

步骤三：根据位置信息和到达角信息，计算用户

与已分配完毕的小区i(i＝1,2,…,j-1) 中各用户u_ik的衡量系数M；

步骤四：比较每组衡量系数M的最小值，将最大的最小值定义Q；

步骤五：验证是否存在衡量系数M同为Q的情况：如果不存在，则用户

与Q对应的干扰用户复用同一导频；否则，将小区i中衡量系数M同为Q的用户集合定义为

I_i＝{u_iv},i∈{1,2,...j-1},v∈{1,2,...,K}；

步骤六：计算用户集合I_i中各个用户与基站j的距离，并集合定义为

选出集合

中的最大值，使用户

与

中的最大值的干扰用户复用同一导频；

步骤七：选出j小区剩余用户中距离基站j最近的用户，重复S2-S6的步骤，直至j小区最后一个用户分配完毕，再分配下一小区；

步骤三中，计算衡量系数M时，将M(j,n,i,m)定义为第i干扰小区中第m用户与第j目标小区中第n用户的衡量系数，

其中，

是第i小区中第m用户的位置，

是第j小区基站的位置，η为路径损耗指数，且当干扰小区用户位于目标用户左边时，

否则

下表为导频分配方案表中：Γ_j为j小区中没有被分配的导频集合，U_i是i小区中等待分配导频的用户集合，

是i小区中复用γ_ig导频的用户。

表1 导频分配方案

本发明的基于到达角和距离的多小区大规模MIMO导频分配方法，该方法基于AOA和距离，通过比较衡量系数的大小进行导频分配选择方案，且针对衡量系数相同时，用户之间的信道估计精度存在差异的情况，通过将衡量系数相同的干扰用户归纳为同一用户集内，并通过计算干扰用户集内各个用户与基站之间的距离，使用户与距离最大的干扰用户复用同一导频。

为了便于直观的体现本实施例的效果，本实施例设置了一个小区半径为R的7小区场景。用户均匀分布在所有的小区中，如图4，并按照下表的仿真参数进行仿真：

表2 仿真参数

小区数	7
		用户数K	16
小区半径R	1000m
		用户散射半径r	100m
用户和基站之间距离	100-1000m
		路径损耗指数η	3.5
天线间隔D	λ/2
		路径数P	20
信道相干时间T	100
		导频序列长度ω	16

假设所有小区的用户发送完导频，用户在第二个阶段开始向各自的基站发送数据信号，则第j小区基站收到的上行数据信号可表示为

其中，x_lk定义为上行链路中l小区中k用户的发送数据且假设E{|x_lk|²}＝1，

定义为服从独立同分布的复高斯接收噪声向量。由文献知，根据信道估计可得到对应的检测矩阵，本文采用匹配滤波(Matched Filter,MF) 对信号进行接收,第j小区中的基站可以检测到第k个用户在其小区中发送的数据x_jk的估计值表示为

其中当M→∞时，上行链路中j小区中用户k的信干噪比(SINR)可以表示为

其中，分子表示为期望信号功率，分母表示为干扰加噪声功率。因此M→∞时，不能消除来自其他用户复用相同导频的干扰信号。

此时，用户的平均上行频谱效率为

其中，μ是频谱效率的损失系数，定义为信道相干时间和导频序列长度的比值，μ＝τ/T。

归一化均方误差(Normalized Mean Square Error,NMSE)为信道估计的性能指数表示为

本发明参照Echigo H等人在《2017IEEE Global CommunicationsConference.IEEE, 2017:1-6》上发表了题为“Fair Pilot Assignment Based on AOA andPathloss with Location Information in Massive MIMO”的文章，以文章中导频分配的方案作为对比实施例，内容如下：

但是针对i小区，

角度区间存在重叠，从而产生干扰，如图2所示。使用贪婪算法，将目标小区中导频的序列随机分配给用户，然后将离目标小区j基站最近的用户，通过比较衡量系数M与边缘i小区用户复用相同导频，避免出现j小区不存在干扰i小区存在干扰的情况出现。但该方案中，当用户n和用户q衡量系数相等时，该方案可能随机选择出用户n,导致性能更好的用户q未被选择。

仿真结果如图5-图7：

图5表明三种方案随着天线数M的增加，不同方案的和速率也随之增加。本文提出的方案比其它方案的变化速度更快，和速率更高。

图6中三种方案对比，上行SINR小于10dB的概率分别大约为55％、40％和34％，因此，该方案优于传统方案和对比实施例方案。这是因为在提出的方案中在衡量系数相同时选择更合用户的分配相同导频，降低了导频污染的影响。

图7对比实施例方案和改进后的本文提出方案重点对比，本文算法降低了目标小区所有用户的平均NMSE。这是因为本文算法在衡量系数相同时，避免了由于选择先后顺序导致的估计信道的不精确。

通过图5-图7的仿真结果表明，本发明具有良好的信道估计，而且提高了***的频谱效率。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (1)

1.基于到达角和距离的多小区大规模MIMO导频分配方法，其特征在于，包括以下步骤：

S1.将待分配导频小区设定为j(j＝1,2,……，L)，当j＝1时，对j小区内各个用户的导频进行随机分配，根据j小区中的各个用户与j小区基站的距离，将用户按照升序排序；将已分配完毕的j小区设定为i(i＝1,2,…,j-1)小区；

S2.当j＝2:L时，通过计算最小到达角与最大到达角，得出j小区中用户n到j小区基站的到达角区间

以及i小区中用户m到j小区基站的到达角区间

根据位置信息选出j小区中距离基站j最近的用户

S3.根据位置信息和到达角信息，计算用户

与已分配完毕的小区i(i＝1,2,…,j-1)中各用户u_ik的衡量系数M；

S4.比较每组衡量系数M的最小值，将最大的最小值定义Q；

S5.验证是否存在衡量系数M同为Q的情况：如果不存在，则用户

与Q对应的干扰用户复用同一导频；否则，将小区i中衡量系数M同为Q的用户集合定义为

I_i＝{u_iv},i∈{1,2,...j-1},v∈{1,2,...,K}；

S6.计算用户集合I_i中各个用户与基站j的距离，并集合定义为

选出集合

中的最大值，使用户

与

中的最大值的干扰用户复用同一导频；

S7.选出j小区剩余用户中距离基站j最近的用户，重复S2-S6的步骤，直至j小区最后一个用户分配完毕，再分配下一小区；

所述步骤S3的计算方法为：将M(j,n,i,m)定义为第i干扰小区中第m用户与第j目标小区中第n用户的衡量系数，

其中，

是第i小区中第m用户的位置，

是第j小区基站的位置，η为路径损耗指数，且当干扰小区用户位于目标用户左边时，

否则

所述基于到达角和距离的多小区大规模MIMO导频分配方法还包括目标小区用户与干扰小区用户之间的信道向量关系数算法，包括以下步骤：

B1.在TDD模式下，建立有L个小区，每个小区中有K个单天线用户，每个小区中心的基站天线数为M的模型，且所有在同一个小区的用户使用正交导频，其中导频序列长度是ω；

B2.假设每个小区复用同一组导频，导频数量为K,考虑上行链路传输，l小区的k用户到j小区基站的信道向量定义为

其中，P是路径数，

是大尺度损耗系数，

是第l小区中第k用户的位置，

是第j小区基站的位置，η为路径损耗指数，α为常量；

定义为l小区中k用户到j小区基站信道的第p路径的AOA；

B3.在基站天线为均匀线阵则对应的天线导向矢量为α(θ)＝(1,e^{-j2πDcos(θ)/λ},...,exp^{-j2π(M-1)Dcos(θ)/λ})^T其中，天线等间隔分布，D为天线间隔,λ是载波信号波长；

B4.导频序列集合为

表示K个长度为ω的正交导频序列，满足以下条件S^HS＝I_K，τ≤CHI-N_UL-N_DL其中,CHI表示为信道相干间隔，N_UL和N_DL分别表示一帧中上下行链路传输数据长度，得出j小区基站端接收到的M×ω导频信号为

其中，ρ^pilot表示导频的传输功率，

是空间和时间上的加性高斯白噪声，均值为0，方差为

B5.第j小区中的第k个用户的信道估计为

其中，

是一个等效的噪声向量；

B6.得出第j小区中的第k₁个用户和第j基站之间信道向量，与第i小区中的第k₂个用户和第j基站之间的信道向量的相关系数表示为

Images