CN115037341B - 一种d2d协助的多组多播无蜂窝大规模mimo***架构 - Google Patents
一种d2d协助的多组多播无蜂窝大规模mimo***架构 Download PDFInfo
- Publication number
- CN115037341B CN115037341B CN202210694739.1A CN202210694739A CN115037341B CN 115037341 B CN115037341 B CN 115037341B CN 202210694739 A CN202210694739 A CN 202210694739A CN 115037341 B CN115037341 B CN 115037341B
- Authority
- CN
- China
- Prior art keywords
- expressed
- representing
- system architecture
- mth
- cfue
- 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
- 230000001413 cellular effect Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000013139 quantization Methods 0.000 claims description 21
- 239000000654 additive Substances 0.000 claims description 16
- 230000000996 additive effect Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000005562 fading Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000003071 parasitic effect Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 241001282153 Scopelogadus mizolepis Species 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003595 spectral effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种D2D协助的多组多播无蜂窝大规模MIMO***架构,包括中央处理单元CPU、接入点AP、多天线无蜂窝用户CFUE和终端直连D2D用户对。本发明还根据***架构的和速率和能量损耗模型,计算***架构的能量效率。本发明的有益效果是:本发明能够在同一时间或频率资源块上为多天线的无蜂窝用户和D2D用户提供业务,并构建了能量损耗模型,可以计算***的能量效率,进而便于对***的改进。
Description
技术领域
本发明涉及无线通信技术领域,更确切地说,它涉及一种D2D协助的多组多播无蜂窝大规模MIMO***架构。
背景技术
近年来,由于无蜂窝大规模(Multiple-Input Multiple-Output,MIMO)技术能够使相对较少的用户在相同的时间/频率资源块上进行联合通信,且它在空间复用增益、覆盖概率、频谱效率(Spectral Efficiency,SE)和能源效率(Energy Efficiency,EE)等方面具有潜在的优点,因此它被认为是即将到来的后5G/第六代通信***(B5G/6G)发展的主要架构之一,这也严重引发了学术界、业界和标准化机构日益增长的研究兴趣。
但是,现有技术中尚未有终端直连(Device-to-Device,D2D)协助的多组多播无蜂窝大规模MIMO***架构,并且对该新颖***架构的能量效率也并未得到研究。
发明内容
本发明的目的是克服现有技术中的不足,提供了一种D2D协助的多组多播无蜂窝大规模MIMO***架构。
第一方面,提供了一种D2D协助的多组多播无蜂窝大规模MIMO***架构,包括:中央处理单元(Central Processing Unit,CPU)、接入点(Access Point,AP)、多天线无蜂窝用户(Cell Free User Equipment,CFUE)和D2D用户对;
其中,所述AP、CFUE和D2D用户对均配置有天线;所有AP通过接口与CPU进行协调和连接回程链路。
第二方面,提供了一种D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,包括:
S1、建立D2D协助的多组多播无蜂窝大规模MIMO***架构;
S2、获取D2D协助的多组多播无蜂窝大规模MIMO***架构下行链路速率的闭式表达式,计算***架构的和速率;
S3、构建能量损耗模型;
S4、根据所述***架构的和速率和所述能量损耗模型,计算***架构的能量效率。
作为优选,S1包括:
S101、假定所述D2D协助的多组多播无蜂窝大规模MIMO***架构由CPU、M个接点AP、J×K个多天线无蜂窝用户CFUE和L个终端直连D2D用户对组成,M≥J;每个AP、CFUEs和DUEs(D2D users)分别有NA、N和ND个天线;
S102、对第m个AP到第j组中的第k个CFUE的信道矩阵进行建模,表示为:
其中,βmjk,/>表示大规模衰落系数,Hmjk表示小尺度衰落矩阵且其分量是独立同分布的随机变量,服从(0,1);
S103、对第l个D2D用户对,发射机和接收器/>之间的信道矩阵/>进行建模,表示为:
其中, 代表大规模衰落系数,Hll′表示小规模衰落且其满足[Hll′]mn~CN(0,1)。
作为优选,S1还包括:
S104、在上行链路信道估计阶段,采用时分双工模式;在长度为τc的相干区间内,长度为τp的正交导频序列表示为满足/>其中,CFUE和DUE使用的导频序列集分别是Φ和Ω,Φ∈Ξ,/>假定CFUEk和/>的导频序列分别为 和/> 表示维度为τp的方阵;
S105、假设在每个组中的不同用户分配相同的导频序列,则第m个AP所接收到的导频信号表示为:
其中,和/>分别表示CFUEk和/>的归一化信噪比,/>和/> 分别表征了从第m个AP到第l′个/>的传输信道以及第m个AP处的加性高斯白噪声;
接收到的导频信号表示为:
其中,表示加性高斯白噪声,其分量是满足独立同分布的随机变量,表示D2D用户对通信链路的传输信道;
S106、对第m个AP所接收到的导频信号执行解扩操作,处理后的信号表示为:
其中,由NA×N个独立同分布元素组成;
S107、在第m个AP处进行低分辨率量化,经量化后接收到的导频信号进一步表示为:
其中,λm,表示与量化位数/>相关的线性增益,且加性高斯量化噪声信号矩阵的协方差表示为:
经过MMSE,估计的信道响应表示为
项的协方差相应地通过数学方式给出
因此,估计矩阵重新表述为
其中,代表波束成形矩阵,表示为/>
同理,D2D链路之间的估计信道矩阵表示为
其中,Cll表示为
作为优选,S1还包括:
S108、在下行链路数据传输阶段,在AP实施线性的CB译码器,分离多个用户发送的信号,则第m个AP的发射信号表示为:
其中,ρa代表AP的最大发射功率,ηmjk表示功率分配系数,qj代表第j个多播组所需的独立高斯信号,
第m个AP的发射信号经量化处理后表示为:
其中,αm表示与量化位数相关的线性增益,/>表示加性高斯量化噪声,αm和是相互独立的,/>遵循高斯分布且其均值为零;
的协方差矩阵表示为:
AP的功率约束表示为:
S109、对于D2D链路,假设MRC编码用于发射信号/>表示为:
其中,ρd是第l个DUE发射机的最大信噪比,ul表示功率分配系数,ql表示第l个DUE接收机的期望独立多播高斯数据信号, 表示/>和接收器/>之间的估计信道矩阵;
DUE的功率约束表示为:
S110、第j组中第k个CFUE的接收信号表示为:
其中,njk是加性噪声,且njk~CN(0,IN)。
作为优选,S2中,第j组中第k个CFUE的可实现速率的下限表示为:
其中,Θmj表示为:
作为优选,S2中,第l个DUE接收器的可实现速率的下限表示为:
其中,Δl表示为:
作为优选,S2中,下行链路总和能量效率定义为:
***架构的和速率表示为:
其中,L=D2λd表示的平均数,λd表示DUEs的密度服从独立的同质泊松点过程。
作为优选,S3中,下行链路的总功耗表示为:
其中,B代表***带宽,Pm,Pl,Pbt,m和P0,m分别表示第m个AP和第l个的功率成本、与第m个接入点相关的流量前沿功率和每个前沿链接的固定功率消耗;Pm表示为:
其中,0≤δm≤1,N0代表功率放大器效率;
第m个AP的功耗Ptc,m表示为:
Ptc,m=NA(cADC,mPAGC,m+PADC,m)+NA·Pres,m+NA(cADC,mPAGC,m+PDAC,m),
其中,PAGC,m和Pres,m代表自动发电控制和第m个AP的剩余组件的功率消耗;
PADC,m表示为:PDAC,m表示为 其中,Vdd、Cp、fcor和I0分别表示转换器的电源、转换器中每个开关的寄生电容、1/f的角频率和与最低有效位有关的单位电流源,由噪声底限和器件失配限制;
cADC,m和cDAC,m分别用于表示与低分辨率模数转换器ADC和低分辨率数模转换器DAC精度有关的符号和/>可给出以下公式:
第三方面,提供了一种计算机存储介质,所述计算机存储介质内存储有计算机程序;所述计算机程序在计算机上运行时,使得计算机执行第二方面任一所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法
第四方面,提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行如第二方面任一所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法。
本发明的有益效果是:
(1)本发明提供的D2D协助的多组多播无蜂窝大规模MIMO***架构能够在同一时间/频率资源块上为多天线的无蜂窝用户和D2D用户提供业务。
(2)本发明的接入点上采用了低分辨率的模数转换器/数模转换器,以有效地减少硬件损伤和能量损耗。
(3)本发明构建了能量损耗模型,可以计算***的能量效率,进而便于对***的改进。
附图说明
图1为一种D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法的流程图;
图2为***的频谱效率示意图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
实施例1:
本申请提供了一种D2D协助的多组多播无蜂窝大规模MIMO***架构,包括:中央处理单元(Central Processing Unit,CPU)、接入点(Access Point,AP)、多天线无蜂窝用户(Cell Free User Equipment,CFUE)和D2D用户对;
其中,所述AP、CFUE和D2D用户对均配置有天线;所有AP通过接口与CPU进行协调和连接回程链路,其可以提供无差错和无限的容量。
地理位置分布的AP在同一时间/频率资源块上为多天线的无蜂窝用户和D2D用户提供业务,此外,AP上采用了低分辨率的模数转换器(Analog-to-Digital Converter,ADC)/数模转换器(Digital-to-Analog Converter,DAC),以有效地减少硬件损伤和能量损耗。
实施例2:
本申请提供了一种D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,首先通过标准的最小均方误差(Minimum Mean Square Error,MMSE)方法获得不完美的信道状态信息(Channel State Information,CSI),然后得出CFUEs和DUEs的下行速率的下界;除此之外,还根据建立的功耗模型探讨了***的能量效率;最后,对数值模拟进行了评估,以验证分析结果,如图1所示,包括:
S1、建立D2D协助的多组多播无蜂窝大规模MIMO***架构;
S2、获取D2D协助的多组多播无蜂窝大规模MIMO***架构下行链路速率的闭式表达式,计算***架构的和速率;
S3、构建能量损耗模型;
S4、根据***架构的和速率和能量损耗模型,计算***架构的能量效率。
S1包括:
S101、假定D2D协助的多组多播无蜂窝大规模MIMO***架构由CPU、M个接点AP、J×K个多天线无蜂窝用户CFUE和L个终端直连D2D用户对组成,M≥J;每个AP、CFUEs和DUEs分别有NA、N和ND个天线;
S102、为便于分析,假设无线信道采用不相干的瑞丽信道。对第m个AP到第j组中的第k个CFUE的信道矩阵进行建模,表示为:
其中,βmjk,/>表示大规模衰落系数,Hmjk表示小尺度衰落矩阵且其分量是独立同分布(independent and identically distributed,i.i.d.)的随机变量,服从(0,1);
S103、对第l个D2D用户对,发射机和接收器/>之间的信道矩阵进行建模,表示为:
其中, 代表大规模衰落系数,Hll′表示小规模衰落且其满足[Hll′]mn~CN(0,1)。
S1还包括:
S104、在上行链路信道估计阶段,采用时分双工(Time Division Duplexing,TDD)模式;在长度为τc的相干区间内,长度为τp的正交导频序列表示为满足 其中,CFUE和DUE使用的导频序列集分别是Φ和Ω,Φ∈Ξ,假定CFUEk和/>的导频序列分别为/>和/> 表示维度为τp的方阵;
S105、为了有效地减少有限导频资源开销,假设在每个组中的不同用户分配相同的导频序列,则第m个AP所接收到的导频信号表示为:
其中,和/>分别表示CFUEk和/>的归一化信噪比(Signal to Noise Ratio,SNR),/>和/>分别表征了从第m个AP到第l′个/>的传输信道以及第m个AP处的加性高斯白噪声(Additive White Gaussian Noise,AWGN);
接收到的导频信号表示为:
其中,表示加性高斯白噪声,其分量是满足独立同分布的随机变量,表示D2D用户对通信链路的传输信道;
S106、对第m个AP所接收到的导频信号执行解扩操作,处理后的信号表示为:
其中,由NA×N个独立同分布元素组成;
S107、考虑到AP的巨大硬件成本和能耗,在第m个AP处进行低分辨率量化。通过采用AQNM量化模型,在第m个AP处进行低分辨率量化,经量化后接收到的导频信号进一步表示为:
其中,λm,表示与量化位数/>相关的线性增益,且加性高斯量化噪声信号矩阵的协方差表示为:
经过MMSE,估计的信道响应表示为
为了符号上的紧凑性,项的协方差相应地通过数学方式给出
因此,估计矩阵重新表述为
其中,代表波束成形矩阵,表示为/>
同理,D2D链路之间的估计信道矩阵表示为
其中,Cll表示为
如图2所示,由于低分辨率量化对***性能造成的影响,在量化位数小于5时,***所实现总的SE随着量化位数的增大而不断增加,而在大于等于5时达到最大的定值。这充分说明在不影响***SE性能的情况下,可以用低分辨率的量化位数来代替较高的量化位数,这将可以有效地降低***的硬件损耗,这进一步表明了低分辨率量化在所提出***架构中的优越性。此外,研究同时表明,增大AP的数量可以有效地提高***的SE。这主要是由于大量AP的部署可以有效地为***带来较大的复用增益和空间自由度。S1还包括:
S108、在下行链路数据传输阶段,在AP实施线性的CB译码器,分离多个用户发送的信号,则第m个AP的发射信号表示为:
其中,ρa代表AP的最大发射功率,ηmjk表示功率分配系数,qj代表第j个多播组所需的独立高斯信号,
第m个AP的发射信号经量化处理后表示为:
其中,αm表示与量化位数相关的线性增益,/>表示加性高斯量化噪声,αm和是相互独立的,/>遵循高斯分布且其均值为零;
的协方差矩阵表示为:
为了满足每个AP的功率约束,即AP的功率约束表示为:
也可以进一步表示为:
S109、对于D2D链路,假设MRC编码用于发射信号/>表示为:
其中,ρd是第l个DUE发射机的最大信噪比,ul表示功率分配系数,ql表示第l个DUE接收机的期望独立多播高斯数据信号, 表示/>和接收器/>之间的估计信道矩阵;
为了满足每个DUE的功率约束,DUE的功率约束表示为:
进而,可以获取下式:
其中,Γll可表示为
S110、第j组中第k个CFUE的接收信号表示为:
其中,njk是加性噪声,且njk~CN(0,IN)。
S2中,第j组中第k个CFUE的可实现速率的下限表示为:
其中,Θmj表示为:
S2中,第l个DUE接收器的可实现速率的下限表示为:
其中,Δl表示为:
S2中,下行链路总和能量效率定义为:
***架构的和速率表示为:
其中,L=D2λd表示的平均数,λd表示DUEs的密度服从独立的同质泊松点过程(Poisson-Point-Process,PPP)。
S3中,下行链路的总功耗表示为:
其中,B代表***带宽,Pm,Pl,Pbt,m和P0,m分别表示第m个AP和第l个的功率成本、与第m个接入点相关的流量前沿功率和每个前沿链接的固定功率消耗;Pm表示为:
其中,0≤δm≤1,N0代表功率放大器效率;
第m个AP的功耗Ptc,m表示为:
Ptc,m=NA(cADC,mPAGC,m+PADC,m)+NA·Pres,m+NA(cADC,mPAGC,m+PDAC,m),
其中,PAGC,m和Pres,m代表自动发电控制和第m个AP的剩余组件的功率消耗;
PADC,m表示为:PDAC,m表示为 其中,Vdd、Cp、fcor和I0分别表示转换器的电源、转换器中每个开关的寄生电容、1/f的角频率和与最低有效位有关的单位电流源,由噪声底限和器件失配限制;
cADC,m和cDAC,m分别用于表示与低分辨率模数转换器ADC和低分辨率数模转换器DAC精度有关的符号和/>可给出以下公式:
根据上述公式经过代数计算就可以得到***的能量效率。
Claims (5)
1.一种D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,其特征在于,包括:
S1、建立D2D协助的多组多播无蜂窝大规模MIMO***架构;***架构包括:中央处理单元CPU、接入点AP、多天线无蜂窝用户CFUE和终端直连D2D用户对;
其中,所述AP、CFUE和D2D用户对均配置有天线;所述AP通过接口与CPU进行协调和连接回程链路;
S2、获取D2D协助的多组多播无蜂窝大规模MIMO***架构下行链路速率的闭式表达式,计算***架构的和速率;
S2中,第j组中第k个CFUE的可实现速率的下限表示为:
其中,Θmj表示为:
S2中,第l个DUE接收器的可实现速率的下限表示为:
其中,Δl表示为:
S2中,下行链路总和能量效率定义为:
***架构的和速率表示为:
其中,L=D2λd表示的平均数,λd表示DUEs的密度服从独立的同质泊松点过程;
S3、构建能量损耗模型;
S3中,下行链路的总功耗表示为:
其中,B代表***带宽,Pm,Pl,Pbt,m和P0,m分别表示第m个AP和第l个的功率成本、与第m个接入点相关的流量前沿功率和每个前沿链接的固定功率消耗;Pm表示为:
其中,0≤δm≤1,N0代表功率放大器效率;
第m个AP的功耗Ptc,m表示为:
Ptc,m=NA(cADC,mPAGC,m+PADC,m)+NA·Pres,m+NA(cADC,mPAGC,m+PDAC,m),
其中,PAGC,m和Pres,m代表自动发电控制和第m个AP的剩余组件的功率消耗;
PADC,m表示为:PDAC,m表示为/> 其中,Vdd、Cp、fcor和I0分别表示转换器的电源、转换器中每个开关的寄生电容、1/f的角频率和与最低有效位有关的单位电流源,由噪声底限和器件失配限制;
S4、根据所述***架构的和速率和所述能量损耗模型,计算***架构的能量效率
cADC,m和cDAC,m分别用于表示与低分辨率模数转换器ADC和低分辨率数模转换器DAC精度有关的符号和/>给出以下公式:
2.根据权利要求1所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,其特征在于,S1包括:
S101、假定所述D2D协助的多组多播无蜂窝大规模MIMO***架构由CPU、M个接点AP、J×K个多天线无蜂窝用户CFUE和L个终端直连D2D用户对组成,M≥J;每个AP、CFUEs和DUEs分别有NA、N和ND个天线;
S102、对第m个AP到第j组中的第k个CFUE的信道矩阵进行建模,表示为:
其中, 表示大规模衰落系数,Hmjk表示小尺度衰落矩阵且其分量是独立同分布的随机变量,服从(0,1);
S103、对第l个D2D用户对,发射机和接收器/>之间的信道矩阵进行建模,表示为:
其中,代表大规模衰落系数,Hll′表示小规模衰落且其满足[Hll′]mn~CN(0,1)。
3.根据权利要求2所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,其特征在于,S1还包括:
S104、在上行链路信道估计阶段,采用时分双工模式;在长度为τc的相干区间内,长度为τp的正交导频序列表示为满足/>τp≥K+LND;其中,CFUE和DUE使用的导频序列集分别是Φ和Ω,Φ∈Ξ,/>假定CFUEk和/>的导频序列分别为/> 和 表示维度为τp的方阵;
S105、假设在每个组中的不同用户分配相同的导频序列,则第m个AP所接收到的导频信号表示为:
其中,和/>分别表示CFUEk和/>的归一化信噪比,/>和/> 分别表征了从第m个AP到第l′个/>的传输信道以及第m个AP处的加性高斯白噪声;
接收到的导频信号表示为:
其中,表示加性高斯白噪声,其分量是满足独立同分布的随机变量,/>表示D2D用户对通信链路的传输信道;
S106、对第m个AP所接收到的导频信号执行解扩操作,处理后的信号表示为:
其中,由NA×N个独立同分布元素组成;
S107、在第m个AP处进行低分辨率量化,经量化后接收到的导频信号进一步表示为:
其中,表示与量化位数/>相关的线性增益,且加性高斯量化噪声信号矩阵的协方差表示为:
经过MMSE,估计的信道响应表示为
项的协方差相应地通过数学方式给出
因此,估计矩阵重新表述为
其中,代表波束成形矩阵,表示为/>
同理,D2D链路之间的估计信道矩阵表示为
其中,Cll表示为
4.根据权利要求3所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法,其特征在于,S1还包括:
S108、在下行链路数据传输阶段,在AP实施线性的CB译码器,分离多个用户发送的信号,则第m个AP的发射信号表示为:
其中,ρa代表AP的最大发射功率,ηmjk表示功率分配系数,qj代表第j个多播组所需的独立高斯信号,
第m个AP的发射信号经量化处理后表示为:
其中,αm表示与量化位数相关的线性增益,/>表示加性高斯量化噪声,αm和/>是相互独立的,/>遵循高斯分布且其均值为零;
的协方差矩阵表示为:
AP的功率约束表示为:
S109、对于D2D链路,假设MRC编码用于发射信号/>表示为:
其中,ρd是第l个DUE发射机的最大信噪比,ul表示功率分配系数,ql表示第l个DUE接收机的期望独立多播高斯数据信号, 表示/>和接收器/>之间的估计信道矩阵;
DUE的功率约束表示为:
S110、第j组中第k个CFUE的接收信号表示为:
其中,njk是加性噪声,且njk~CN(0,IN)。
5.一种计算机存储介质,其特征在于,所述计算机存储介质内存储有计算机程序;所述计算机程序在计算机上运行时,使得计算机执行权利要求1至4任一所述的D2D协助的多组多播无蜂窝大规模MIMO***架构的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210694739.1A CN115037341B (zh) | 2022-06-20 | 2022-06-20 | 一种d2d协助的多组多播无蜂窝大规模mimo***架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210694739.1A CN115037341B (zh) | 2022-06-20 | 2022-06-20 | 一种d2d协助的多组多播无蜂窝大规模mimo***架构 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115037341A CN115037341A (zh) | 2022-09-09 |
CN115037341B true CN115037341B (zh) | 2023-12-01 |
Family
ID=83124524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210694739.1A Active CN115037341B (zh) | 2022-06-20 | 2022-06-20 | 一种d2d协助的多组多播无蜂窝大规模mimo***架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115037341B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103095423A (zh) * | 2013-01-31 | 2013-05-08 | 西安电子科技大学 | 基于d2d组间通信的多用户协同传输方法 |
CN110855335A (zh) * | 2019-10-24 | 2020-02-28 | 暨南大学 | 基于功率与速率联合优化的下行虚拟mimo-noma方法 |
KR20210097546A (ko) * | 2020-01-30 | 2021-08-09 | 숙명여자대학교산학협력단 | 차세대 통신 네트워크에서 단말의 통신 모드 및 전송 전력 결정 방법 및 이를 위한 장치 |
CN114641018A (zh) * | 2022-04-26 | 2022-06-17 | 东南大学 | 一种ris辅助的d2d通信***及其性能优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10686508B2 (en) * | 2018-08-10 | 2020-06-16 | At&T Intellectual Property I, L.P. | Multiple-input multiple-output system performance using advanced receivers for 5G or other next generation networks |
-
2022
- 2022-06-20 CN CN202210694739.1A patent/CN115037341B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103095423A (zh) * | 2013-01-31 | 2013-05-08 | 西安电子科技大学 | 基于d2d组间通信的多用户协同传输方法 |
CN110855335A (zh) * | 2019-10-24 | 2020-02-28 | 暨南大学 | 基于功率与速率联合优化的下行虚拟mimo-noma方法 |
KR20210097546A (ko) * | 2020-01-30 | 2021-08-09 | 숙명여자대학교산학협력단 | 차세대 통신 네트워크에서 단말의 통신 모드 및 전송 전력 결정 방법 및 이를 위한 장치 |
CN114641018A (zh) * | 2022-04-26 | 2022-06-17 | 东南大学 | 一种ris辅助的d2d通信***及其性能优化方法 |
Non-Patent Citations (5)
Title |
---|
Coexistence of D2D Communications and Cell-Free Massive MIMO Systems With Low Resolution ADC for Improved Throughput in Beyond-5G Networks;Hamed Masoumi;IEEE Transactions on Communications;第999-1013页 * |
Downlink Achievable Rate of D2D Underlaid Cell-Free Massive MIMO Systems With Low-Resolution DACs;Xu Qiao;IEEE Systems Journal;第3855-3866页 * |
Hamed Masoumi.Coexistence of D2D Communications and Cell-Free Massive MIMO Systems With Low Resolution ADC for Improved Throughput in Beyond-5G Networks.IEEE Transactions on Communications.2021,第999-1013页. * |
基于大规模MIMO和D2D技术的混合网络能量效率研究;颉满刚;贾向东;周猛;;信号处理(第01期);全文 * |
大规模MIMO蜂窝网与D2D混合网络物理层安全性能研究;颉满刚;贾向东;周猛;;重庆邮电大学学报(自然科学版)(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115037341A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110099017B (zh) | 基于深度神经网络的混合量化***的信道估计方法 | |
CN113179109B (zh) | 一种去蜂窝大规模mimo上行频谱效率优化方法 | |
CN113078930B (zh) | 一种下行去蜂窝大规模mimo***的建立方法 | |
CN110518952B (zh) | 一种基于码本的自适应分组宽带混合波束赋形设计方法 | |
CN108063634B (zh) | 一种低精度量化大规模mimo中最优正则预编码方法 | |
CN108881074B (zh) | 一种低精度混合架构下宽带毫米波信道估计方法 | |
CN109088664B (zh) | 基于块对角化和三角分解的自干扰抑制方法 | |
CN110430150B (zh) | 一种基于神经网络的蜂窝移动通信***接收机设计方法 | |
US20180110007A1 (en) | Selection of an ADC for each RF Chain of a Remote Radio Head Unit | |
Guo et al. | Deep learning for joint channel estimation and feedback in massive MIMO systems | |
Ding et al. | Performance analysis of mixed-ADC massive MIMO systems over spatially correlated channels | |
JP4769897B2 (ja) | Mimo復号方法及びmimo復号装置並びにmimo受信機 | |
CN117498900A (zh) | 去蜂窝大规模mimo通感一体化***的资源分配装置及方法 | |
CN112054827A (zh) | 一种基于信道等效的联合混合预编码方法 | |
CN107171709A (zh) | 一种应用于聚集用户场景下的大规模mimo***预编码方法 | |
CN111865844B (zh) | 大规模mimo全双工中继***信道估计方法和装置 | |
CN115037341B (zh) | 一种d2d协助的多组多播无蜂窝大规模mimo***架构 | |
CN109951219B (zh) | 一种低成本的大规模非正交多接入方法 | |
CN110149133B (zh) | 一种基于波束空间的大规模上行传输方法 | |
CN107483095A (zh) | 一种基于多中继协助的大规模非正交多接入方法 | |
CN107346985B (zh) | 一种结合发射天线选择技术的干扰对齐方法 | |
CN114244658A (zh) | 大规模mimo***中的基于倍角估计的信道估计方法 | |
CN107979397B (zh) | 一种分布式天线***的天线端口选择方法 | |
CN112636795A (zh) | 一种基于最小速率保证的多小区大规模mimo中高谱效功率分配方法 | |
CN108418615B (zh) | 一种基于mu-mimo有限反馈***的用户调度方法 |
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 |