CN114665930B - 去蜂窝大规模mimo***的下行链路盲信道估计方法 - Google Patents
去蜂窝大规模mimo***的下行链路盲信道估计方法 Download PDFInfo
- Publication number
- CN114665930B CN114665930B CN202210261339.1A CN202210261339A CN114665930B CN 114665930 B CN114665930 B CN 114665930B CN 202210261339 A CN202210261339 A CN 202210261339A CN 114665930 B CN114665930 B CN 114665930B
- Authority
- CN
- China
- Prior art keywords
- channel
- downlink
- estimation
- users
- aps
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000005562 fading Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- 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
-
- 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
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种去蜂窝大规模MIMO***的下行链路盲信道估计方法,包括:建立去蜂窝大规模MIMO的***模型;对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道;分析下行链路数据传输阶段,定义有效信道增益;根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导;对下行链路信道盲估计进行总结。本发明可以使用更少的资源去估计去蜂窝大规模MIMO的下行链路有效增益。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种去蜂窝大规模MIMO***的下行链路盲信道估计方法。
背景技术
随着移动互联网的飞速发展,移动宽带用户呈现了爆发式的增长。然而,由于受到了能量,频谱以及成本等多重制约,目前的商用的移动通信***无法满足未来互联网中用户的超大流量,超低时延和超高可靠性等持续发展的是需求,所以新一代通信***就成为了各个通信强国研究的重点。随着3GPP中5G第一阶段标准Release15的冻结,世界各国在推动5G商用部署的同时均已陆续启动6G技术概念的设计和研发工作。我国已经与2018年10月开始了6G相关概念的设计研发,去蜂窝大规模MIMO就是其中的技术之一。
去蜂窝大规模MIMO(见图1)的初步原型是分布式天线***(DAS)。DAS本质上一种多小区多用户MIMO***,但是由于小区间的干扰、多个基站的协作十分复杂等问题,DAS始终未在实际商用移动通信中广泛使用。为了解决这一问题,去蜂窝大规模MIMO被提出。去蜂窝大规模MIMO将大量装有一个或者多根的接入点(AP)分布在一个较大的区域,通过回程链路将数据传输到中央处理单元,并利用相同的时频资源为多用户服务。其“以用户为中心”的思想,减小了AP与用户之间的距离,获得空间宏分集增益,大幅度降低路径损耗等原因受到人们广泛关注。
通常,当基站天线数量较大时,瑞利衰落信道***,因此有效信道增益接近其平均值。因此,使用该增益的平均值进行信号检测非常有效。然而,对于少量或中等数量的天线,增益仍可能显著偏离其平均值。此外,在信道不硬化的传播环境中,使用有效增益的平均值代替其真实值,即使使用大量天线,也可能导致性能不佳。所以一种可以估计有效信道增益的方法可以很好的提高***性能。
发明内容
解决的技术问题:对于少量或中等数量的天线,增益仍可能显著偏离其平均值。此外,在信道不硬化的传播环境中,使用有效增益的平均值代替其真实值,即使使用大量天线,也可能导致性能不佳。
技术方案:。
一种去蜂窝大规模MIMO***的下行链路盲信道估计方法,所述估计方法包括以下步骤:
S1,建立去蜂窝大规模MIMO的***模型;该去蜂窝大规模MIMO的***模型中包含M个AP和K个用户,所有AP和用户都配有一根单天线,随机分布在一个大的区域内;所有用户都通过回程网络连接到中央处理器;所有M个AP同时为同一资源中的所有K个用户服务,上行和下行链路传输都通过TDD操作进行;
S2,对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道;第m个AP对其和第k个用户之间的信道系数gmk执行线性MMSE估计如下:
式中,m=1,2,....,M,k′=1,2,...,K,k=1,2,...,K,k≠k′; 表示第k个用户发送的导频序列,/>τu,p是第m个AP接收到的由K个导频的线性叠加的向量的行数;/> 是上行链路导频符号的归一化发射信噪比;Wup,m是加性噪声,且是独立同分布的随机变量;/>是已知的导频序列;βmk代表信道系数gmk的大尺度衰落系数;
S3,分析下行链路数据传输阶段,定义有效信道增益;
S4,根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导;
S5,对下行链路信道盲估计进行总结。
进一步地,步骤S1中,令gmk表示第m个AP和第k个用户之间的信道系数,考虑Rayleigh不相关衰落信道模型,则:
其中βmk代表大尺度衰落系数,hmk代表小尺度衰落系数,且hmk是i.i.d.CN(0,1)RVs。
进一步地,步骤S2中,对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道的过程包括以下步骤:
信道估计误差为 和/>是不相关的,估计和估计误差是联合高斯分布的,在统计上是独立的;令γmk表示信道估计的均方,则:
进一步地,步骤S3中,分析下行链路数据传输阶段,定义有效信道增益的过程包括以下步骤:
在下行链路数据传输阶段,AP使用信道估计来定义预编码器,对于共轭波束形成,预编码器由信道估计的共轭组成;由第m个AP发送到所有用户的数据信号是:
其中qk是第k个用户的数据符号,E{|qk|2}=1,均值和单位方差都为零且不相关;ρd表示与数据符号相关的归一化发射SNR,ηmk表示功率控制系数;数据信号满足每个AP的以下平均功率约束:
功率约束改写为:
第k个用户接收有所有AP发送的信号的线性组合为:
其中表示有效信道增益;wd,k表示接收器处的噪声。
进一步地,步骤S4中,根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导的过程包括以下步骤:
计算第k个用户在每个相干区间内接收到的样本平均功率:
其中,rd,k(n)是第k个用户处接收到的第n个样本,rd是在下行链路传输中所花费的每个相干间隔的符号数,利用大数定律,得到τd→∞,
当K和τd较大时,将δk表示如下:
根据接收到的样本来估计有效信道增益的振幅:
如果平方根的参数是正的,令估计值|akk|等于E{|akk|};当M较大时,akk的实部高概率大于akk的虚部,将akk的相位设为零;|akk|的估计为真akk的估计:akk=|akk|。
进一步地,步骤S5中,对下行链路信道盲估计进行总结的过程包括以下步骤:
对于每个相干间隔,使用τd样本的数据块rd,k,计算δk;第k个用户获得则有效的信道增益akk估计如下:
有益效果:
本发明提出了一种去蜂窝大规模MIMO***的下行链路盲信道估计方法,在进行去蜂窝大规模MIMO***中进行下行链路信道估计的时候不需要任何下行导频,AP通过接收用户发送的上行链路导频信号来获取信道状态信息,用户可以直接从相干间隔期间接收的数据中盲估计其有效信道增益。本发明可以使用更少的资源去估计去蜂窝大规模MIMO的下行链路有效增益。数值结果表明,在非硬化传播环境中,与下行波束成形训练方案和通过其平均值逼近有效信道增益的传统方法相比,本发明的信道估计方法明显更优。
附图说明
图1为去蜂窝大规模MIMO的模型示意图;
图2为去蜂窝大规模MIMO***的下行链路盲信道估计方法流程图。
具体实施方式
下面的实施例可使本专业技术人员更全面地理解本发明,但不以任何方式限制本发明。
参见图2,本实施例提出一种去蜂窝大规模MIMO***的下行链路盲信道估计方法,该估计方法包括以下步骤:
S1,建立去蜂窝大规模MIMO的***模型;如图1所示,该去蜂窝大规模MIMO的***模型中包含M个AP和K个用户,所有AP和用户都配有一根单天线,随机分布在一个大的区域内;所有用户都通过回程网络连接到中央处理器;所有M个AP同时为同一资源中的所有K个用户服务,上行和下行链路传输都通过TDD操作进行。
S2,对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道;第m个AP对其和第k个用户之间的信道系数gmk执行线性MMSE估计如下:
式中,m=1,2,....,M,k′=1,2,...,K,k=1,2,...,K,k≠k′; 表示第k个用户发送的导频序列,/>τu,p是第m个AP接收到的由K个导频的线性叠加的向量的行数;/> 是上行链路导频符号的归一化发射信噪比;Wup,m是加性噪声,且是独立同分布的随机变量;/>是已知的导频序列;βmk代表信道系数gmk的大尺度衰落系数。
S3,分析下行链路数据传输阶段,定义有效信道增益。
S4,根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导。
S5,对下行链路信道盲估计进行总结。
具体步骤如下:
第一步:建立去蜂窝大规模MIMO的***模型。
在去蜂窝大规模MIMO***中有M个AP和K个用户,所有AP和用户都配有一根单天线,他们随机分布在一个大的区域内。此外,所有用户都通过回程网络连接到中央处理器。假设所有M个AP同时为同一资源中的所有K个用户服务。上行和下行链路传输都通过TDD操作进行。令gmk表示第m个AP和第k个用户之间的信道系数,考虑Rayleigh不相关衰落信道模型,则
其中βmk代表了大尺度衰落,hmk代表了小尺度衰落,且hmk是i.i.d.CN(0,1)RVs(独立同分布且均值为0方差为1的随机变量)。m=1,...,M,K=1,...K。
第二步:对上行链路训练进行信道估计。
在上行链路训练期间,所有用户同步地向所有AP发送自己的导频序列。每个AP需要在每一个相干间隔中估计一次通道。令表示第k个用户发送的导频序列,其中,/>假设任意的两个导频序列要么相同,要么正交,即
第m个AP接收一个τu,p×1向量,它是由K个导频的线性叠加而成:
其中,是上行链路导频符号的归一化发射信噪比,Wup,m是加性噪声,且是独立同分布的随机变量。第m个AP通过将接收到的导频向量投影到已知的导频序列/>上来处理该导频向量,
其中,式(4)中的第二项表示上行链路导频污染效应。式(2)中的上行链路导频设计确保了/>是一个充分统计量,基于它的估计是最优的。所以第m个AP对信道gmk执行线性MMSE估计如下:
其中,
信道估计误差为根据定义,/>和/>是不相关的,此外,估计和估计误差是联合高斯分布的,因此在统计上是独立的。令γmk表示信道估计的均方,则:
第三步:分析下行链路数据传输阶段,定义有效信道增益。
在下行链路数据传输阶段,AP使用信道估计来定义预编码器。对于共轭波束形成,预编码器由信道估计的共轭组成。因此,由第m个AP发送到所有用户的数据信号是
其中qk是第k个用户的数据符号,E{|qk|2}=1,均值和单位方差都为零且不相关。令ρd表示与数据符号相关的归一化发射SNR。最后,令ηmk,m=1,...,M,k=1,...,K表示功率控制系数,需要满足每个AP的以下平均功率约束:
将式(8)替换为式(9),功率约束可以重写为:
第k个用户接收有所有AP发送的信号的线性组合为:
其中表示有效信道增益。令wd,k表示接收器处的噪声。
第四步:对下行信道有效信道增益进行推导。
进行盲信道估计时,先计算第k个用户在每个相干区间内接收到的样本平均功率:
其中,rd,k(n)是第k个用户处接收到的第n个样本,τd是在下行链路传输中所花费的每个相干间隔的符号数,从式(11)中利用大数定律,我们得到τd→∞,且
因为是很多项的总和,可以利用它的平均值来近似,因此,当K和rd较大时,可以将δk表示如下:
即使K很小,近似值依旧很好。
有效信道增益的振幅可以通过等式(14)接收到的样本来估计:
如果平方根的参数是正的,令估计值|akk|等于E{|akk|}。为了完整性,第k个用户还需要估计akk的相位。当M较大时,akk的实部高概率大于akk的虚部,所以akk的相位很小,设为零。因此,设|akk|的估计为真akk的估计:akk=|akk|。
第五步:对下行链路信道盲估计进行总结。
盲下行信道估计的算法总结如下:
对于每个相干间隔,使用τd样本的数据块rd,k,根据式(12)计算δk;第k个用户获得有效的信道增益akk估计如下:
为了实现算法,第k个用户需要知道ηmk和的值,但是由于这些值仅取决于大尺度衰落系数,而大尺度衰落系数在很多相干间隔内保持不变,所以这些值第k个用户是知道的。
Claims (1)
1.一种去蜂窝大规模MIMO***的下行链路盲信道估计方法,其特征在于,所述估计方法包括以下步骤:
S1,建立去蜂窝大规模MIMO的***模型;该去蜂窝大规模MIMO的***模型中包含M个AP和K个用户,所有AP和用户都配有一根单天线,随机分布在一个大的区域内;所有用户都通过回程网络连接到中央处理器;所有M个AP同时为同一资源中的所有K个用户服务,上行和下行链路传输都通过TDD操作进行;
S2,对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道;第m个AP对其和第k个用户之间的信道系数gmk执行线性MMSE估计如下:
式中,m=1,2,....,M,k′=1,2,…,K,k=1,2,…,K,k≠k′; 表示第k个用户发送的导频序列,/>τu,p是第m个AP接收到的由K个导频的线性叠加的向量的行数;/> 是上行链路导频符号的归一化发射信噪比;Wup,m是加性噪声,且是独立同分布的随机变量;/>是已知的导频序列;βmk代表信道系数gmk的大尺度衰落系数;
S3,分析下行链路数据传输阶段,定义有效信道增益;
S4,根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导;
S5,对下行链路信道盲估计进行总结;
步骤S1中,令gmk表示第m个AP和第k个用户之间的信道系数,考虑Rayleigh不相关衰落信道模型,则:
其中βmk代表大尺度衰落系数,hmk代表小尺度衰落系数,且hmk是i.i.d.CN(0,1)RVs;
步骤S2中,对上行链路训练,所有用户同步地向所有AP发送自己的导频序列,每个AP在每一个相干间隔中估计一次信道的过程包括以下步骤:
信道估计误差为 知/>是不相关的,估计和估计误差是联合高斯分布的,在统计上是独立的;令γmk表示信道估计的均方,则:
步骤S3中,分析下行链路数据传输阶段,定义有效信道增益的过程包括以下步骤:
在下行链路数据传输阶段,AP使用信道估计来定义预编码器,对于共轭波束形成,预编码器由信道估计的共轭组成:由第m个AP发送到所有用户的数据信号是:
其中qk是第k个用户的数据符号,E{|qk|2}=1,均值和单位方差都为零且不相关;ρd表示与数据符号相关的归一化发射SNR,ηmk表示功率控制系数;数据信号满足每个AP的以下平均功率约束:
功率约束改写为:
第k个用户接收有所有AP发送的信号的线性组合为:
其中表示有效信道增益;wd,k表示接收器处的噪声;
步骤S4中,根据相干间隔期间接收的数据的渐近性质,对下行信道有效信道增益进行推导的过程包括以下步骤:
计算第k个用户在每个相干区间内接收到的样本平均功率:
其中,rd,k(n)是第k个用户处接收到的第n个样本,τd是在下行链路传输中所花费的每个相干间隔的符号数,利用大数定律,得到τd→∞,
当K和τd较大时,将δk表示如下:
根据接收到的样本来估计有效信道增益的振幅:
如果平方根的参数是正的,令估计值|akk|等于E{|akk|};当M较大时,akk的实部高概率大于akk的虚部,将akk的相位设为零;|akk|的估计为真akk的估计:akk=|akk|;
步骤S5中,对下行链路信道盲估计进行总结的过程包括以下步骤:
对于每个相干间隔,使用τd样本的数据块rd,k,计算δk;第k个用户获得则有效的信道增益akk估计如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261339.1A CN114665930B (zh) | 2022-03-16 | 2022-03-16 | 去蜂窝大规模mimo***的下行链路盲信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261339.1A CN114665930B (zh) | 2022-03-16 | 2022-03-16 | 去蜂窝大规模mimo***的下行链路盲信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114665930A CN114665930A (zh) | 2022-06-24 |
CN114665930B true CN114665930B (zh) | 2023-07-18 |
Family
ID=82029102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210261339.1A Active CN114665930B (zh) | 2022-03-16 | 2022-03-16 | 去蜂窝大规模mimo***的下行链路盲信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114665930B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116707687B (zh) * | 2023-06-27 | 2024-05-10 | 南京盛航海运股份有限公司 | 一种去蜂窝大规模mimo***的信道预测方法 |
CN117560043B (zh) * | 2024-01-11 | 2024-03-19 | 大连海事大学 | 一种基于图神经网络的无蜂窝网络功率控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000752A1 (zh) * | 2015-07-01 | 2017-01-05 | 东南大学 | 一种fdd大规模mimo***下行链路训练序列设计方法 |
WO2020077504A1 (en) * | 2018-10-15 | 2020-04-23 | Nokia Shanghai Bell Co., Ltd. | Methods, devices and computer readable medium for downlink transmissions |
CN112468196A (zh) * | 2020-11-25 | 2021-03-09 | 南京邮电大学 | 一种基于pzf预编码的去蜂窝大规模mimo***中功率分配方法 |
CN113890578A (zh) * | 2021-09-29 | 2022-01-04 | 浙大城市学院 | 基于ris和相关信道无蜂窝***功率设计方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190327116A1 (en) * | 2018-04-24 | 2019-10-24 | The Regents Of The University Of California | Polar codes for joint channel estimation and error correction |
US11283652B2 (en) * | 2019-05-08 | 2022-03-22 | National Taiwan University | Communication system and method |
US11005540B2 (en) * | 2019-07-08 | 2021-05-11 | Morgan State University | Method and system for multiple input, multiple output communications in millimeter wave networks |
CN113014295B (zh) * | 2021-02-24 | 2022-03-08 | 南京邮电大学 | 一种去蜂窝大规模mimo***上行联合接收方法 |
CN113078930B (zh) * | 2021-03-23 | 2022-05-03 | 南京邮电大学 | 一种下行去蜂窝大规模mimo***的建立方法 |
CN112953864B (zh) * | 2021-04-15 | 2022-10-14 | 东南大学 | 一种保护隐私的无蜂窝混合大规模mimo***信道估计方法 |
CN113364501B (zh) * | 2021-06-04 | 2022-07-05 | 大连海事大学 | 一种莱斯信道下基于低精度adc去蜂窝大规模mimo***的功率控制方法 |
-
2022
- 2022-03-16 CN CN202210261339.1A patent/CN114665930B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000752A1 (zh) * | 2015-07-01 | 2017-01-05 | 东南大学 | 一种fdd大规模mimo***下行链路训练序列设计方法 |
WO2020077504A1 (en) * | 2018-10-15 | 2020-04-23 | Nokia Shanghai Bell Co., Ltd. | Methods, devices and computer readable medium for downlink transmissions |
CN112468196A (zh) * | 2020-11-25 | 2021-03-09 | 南京邮电大学 | 一种基于pzf预编码的去蜂窝大规模mimo***中功率分配方法 |
CN113890578A (zh) * | 2021-09-29 | 2022-01-04 | 浙大城市学院 | 基于ris和相关信道无蜂窝***功率设计方法 |
Non-Patent Citations (1)
Title |
---|
去蜂窝大规模MIMO***研究进展与发展趋势;章嘉懿;;重庆邮电大学学报(自然科学版)(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114665930A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102860064B (zh) | 存在小区间干扰时无线通信***中的信道估计和数据检测 | |
De Figueiredo et al. | Channel estimation for massive MIMO TDD systems assuming pilot contamination and frequency selective fading | |
CN114665930B (zh) | 去蜂窝大规模mimo***的下行链路盲信道估计方法 | |
US7751854B2 (en) | Null deepening for an adaptive antenna based communication station | |
Han et al. | FDD massive MIMO based on efficient downlink channel reconstruction | |
EP2999155B1 (en) | Precoding method and device | |
CN114285444B (zh) | 一种去蜂窝大规模mimo***的功率优化方法 | |
CN110166401B (zh) | 大规模mimo正交频分复用***的相位噪声抑制方法 | |
Kusaladharma et al. | Achievable rate analysis of NOMA in cell-free massive MIMO: A stochastic geometry approach | |
WO2017132984A1 (en) | Method and apparatus of topological pilot decontamination for massive mimo systems | |
Zhang et al. | NOMA-based cell-free massive MIMO over spatially correlated Rician fading channels | |
CN101018219A (zh) | 一种空频信号处理方法 | |
Elhoushy et al. | Limiting doppler shift effect on cell-free massive MIMO systems: A stochastic geometry approach | |
WO2011143000A1 (en) | Multiple antenna method for reducing inter-cell interference in multi-user wireless systems | |
RU2313907C2 (ru) | Устройство и способ для приема данных в системе мобильной связи, использующей схему адаптивной антенной решетки | |
CN101355379B (zh) | 一种适用于时分双工***的下行波束赋形方法 | |
CN114430590B (zh) | 一种实现上行大规模urllc的无线传输方法 | |
Wu et al. | Enhanced time-shifted pilot based channel estimation in massive MIMO systems with finite number of antennas | |
CN105406906B (zh) | 基于位置的预编码方法及*** | |
Wong et al. | Investigating the performance of smart antenna systems at the mobile and base stations in the down and uplinks | |
Hawej et al. | Compressive sensing based nuclear norm minimization method for massive MU-MIMO channel estimation | |
Isabona | Wireless Transmission Reliability Study for Large Scale MIMO Systems Under Minimum Mean Square and Zero Forcing Equalization Schemes | |
Othman Al Janaby et al. | Artificial-Intelligence-Enhanced Beamforming for Power-Efficient User Targeting in 5G Networks | |
Hasan et al. | Impact of user number on massive MIMO with a practical number of antennas | |
Mumtaz et al. | Adaptive beamforming for OFDMA using positioning information |
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 |