CN116260490A - 一种面向去蜂窝多天线***的前传压缩与预编码方法 - Google Patents

一种面向去蜂窝多天线***的前传压缩与预编码方法 Download PDF

Info

Publication number
CN116260490A
CN116260490A CN202310548064.4A CN202310548064A CN116260490A CN 116260490 A CN116260490 A CN 116260490A CN 202310548064 A CN202310548064 A CN 202310548064A CN 116260490 A CN116260490 A CN 116260490A
Authority
CN
China
Prior art keywords
compression
wireless access
downlink
matrix
access point
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.)
Granted
Application number
CN202310548064.4A
Other languages
English (en)
Other versions
CN116260490B (zh
Inventor
夏文超
陈逸捷
徐林林
赵海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202310548064.4A priority Critical patent/CN116260490B/zh
Publication of CN116260490A publication Critical patent/CN116260490A/zh
Application granted granted Critical
Publication of CN116260490B publication Critical patent/CN116260490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/02Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413MIMO systems
    • H04B7/0426Power distribution
    • H04B7/043Power distribution using best eigenmode, e.g. beam forming or beam steering
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/02Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413MIMO systems
    • H04B7/0456Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202Channel estimation
    • H04L25/024Channel estimation channel estimation algorithms
    • H04L25/0254Channel estimation channel estimation algorithms using neural network algorithms
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/06Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing 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)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请涉及一种面向去蜂窝多天线***的前传压缩与预编码方法。该方法包括:利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题求解,获得训练样本集,采用随机梯度下降算法对神经网络模型进行训练,获得训练好的神经网络模型,进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵,根据下行波束成形矩阵和下行功率分配向量,对待传输的数据进行预编码,获得编码后的数据,根据下行压缩噪声矩阵对编码后的数据进行压缩,获得压缩后的数据,保证了Cell‑free MIMO***高性能的前提下降低计算时延。

Description

一种面向去蜂窝多天线***的前传压缩与预编码方法
技术领域
本申请涉及移动通信技术领域,特别是涉及一种面向去蜂窝多天线***的前传压缩与预编码方法。
背景技术
去蜂窝多输入输出(Cell-free MIMO)***可以减小小区间干扰,提升频谱效率和能量效率。然而,Cell-free MIMO***的性能改进受到有限容量前传链路的限制。为了克服Cell-free MIMO***的性能改进受限的问题,可以在无线接入点处采用压缩策略,对前传链路上传输的信号进行压缩,同时利用波束成形技术,作为Cell-free MIMO***的关键技术实现数据的预编码。
传统的预编码采用的最优波束成形方案,依赖于迭代算法,需要较高的计算时间,而一些非迭代式算法例如迫零法、正则迫零法,虽然计算时间成本低,但是Cell-free MIMO***性能大打折扣。
因此,目前的预编码采用的最优波束成形方案无法在保证Cell-free MIMO***高性能的前提下降低计算时延。
发明内容
基于此,有必要针对上述技术问题,提供一种能够保证Cell-free MIMO***高性能的前提下降低计算时延的面向去蜂窝多天线***的前传压缩与预编码方法。
一种面向去蜂窝多天线***的前传压缩与预编码方法,应用于带压缩无线接入点的去蜂窝多天线***,所述方法包括:
将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值;
根据所述上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵;
根据所述下行波束成形矩阵和所述下行功率分配向量,对待传输的信息进行预编码,获得编码后的信息;
根据所述下行压缩噪声矩阵对所述编码后的信息进行压缩,获得压缩后的信号;
所述神经网络模型的训练方式为:
利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题;
通过标准功率控制算法对上行优化问题进行求解,获得训练样本集,所述样本集包括作为输入的信道矩阵样本,作为输出的上行功率分配向量样本;
初始化神经网络模型的相关参数,所述相关参数包括权重参数、偏置参数、网络层数、每层神经元数目、学习率、训练周期数以及每次训练送入网络的样本数;
利用所述训练样本集,采用随机梯度下降算法对所述神经网络模型进行训练,获得训练好的神经网络模型。
在其中一个实施例中,所述根据所述上行功率分配向量预测值进行分析,确定下行波束成形矩阵、功率分配向量和压缩噪声矩阵,包括:
根据所述无线接入点的压缩方案,确定对应的压缩噪声分析模块;
根据所述上行功率分配向量预测值,采用所述压缩噪声分析模块进行分析,确定各无线接入点处引入的上行压缩噪声;
根据自身采用的编码方案,确定对应的波束成形矩阵分析模块;
根据所述上行功率分配向量预测值,结合各所述无线接入点处引入的上行压缩噪声,采用所述波束成形矩阵分析模块进行分析,获得下行波束成形矩阵;
根据自身采用的编码方案和所述无线接入点的压缩方案,确定对应的下行优化目标函数;
根据所述下行波束成形矩阵,采用优化器对所述下行优化目标函数进行求解,确定下行功率分配向量和下行压缩噪声矩阵。
在其中一个实施例中,所述根据所述无线接入点的压缩方案,确定对应的压缩噪声分析模块,包括:
在所述无线接入点的压缩方案为独立压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure SMS_1
Figure SMS_2
其中,Q diag为上行压缩噪声矩阵,采取独立压缩时,各无线接入点处由于独立压缩而引入的上行压缩噪声相互独立,q 1为无线接入点1处由于独立压缩而引入的上行压缩噪声,q M 为无线接入点M处由于独立压缩而引入的上行压缩噪声,q m 为无线接入点m处由于独立压缩而引入的上行压缩噪声,p k ul为用户k的上行功率分配向量预测值,h m,k 为无线接入点m与用户k之间的信道状态,σ 2 为信号在无线传输时候引入的加性高斯白噪声的方差,C m 为无线接入点m与中央处理单元之间的光纤链路容量,m为无线接入点的编号,M为带压缩无线接入点的去蜂窝多天线***中无线接入点的个数,K为带压缩无线接入点的去蜂窝多天线***中用户的个数,k为用户的编号;
在所述无线接入点的压缩方案为多元压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure SMS_3
Figure SMS_4
Figure SMS_5
Figure SMS_6
其中,h 1,k 为无线接入点1与用户k之间的信道状态,h * 1,k h 1,k 的共轭,C 1为无线接入点1与中央处理单元之间的光纤链路容量,h * m,k h m,k 的共轭,h M,k 为无线接入点M与用户k之间的信道状态,h * M,k h M,k 的共轭,C M 为无线接入点M与中央处理单元之间的光纤链路容量,
Figure SMS_9
为上行接收信号协方差矩阵, />
Figure SMS_11
,Q为上行压缩噪声的协方差矩阵,L为单位矩阵,/>
Figure SMS_18
为/>
Figure SMS_8
的第m行,第1列至第m-1列构成的行向量,/>
Figure SMS_12
为/>
Figure SMS_16
的第1行至第m-1行,第1列至第m-1列构成的子矩阵,
Figure SMS_20
为/>
Figure SMS_7
的第1行至第m-1行,第m列构成的列向量,/>
Figure SMS_13
为/>
Figure SMS_17
的第M行,第1列至第M-1列构成的行向量,/>
Figure SMS_19
为/>
Figure SMS_10
的第1行至第M-1行,第1列至第M-1列构成的子矩阵,/>
Figure SMS_14
为/>
Figure SMS_15
的第1行至第M-1行,第M列构成的列向量。
在其中一个实施例中,所述根据自身采用的编码方案,确定对应的波束成形矩阵分析模块,包括:
当所述中央处理单元采用的编码方案为线性编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure SMS_21
;/>
其中,w k 为用户k的归一化后的最优下行波束成形解,
Figure SMS_22
为MMSE接收机计算出的用户k的最优下行波束成形解,p j ul为用户j的上行功率分配向量预测值,h j 为所有无线接入点与用户j之间的信道,h j H为h j 的共轭转置,L为单位矩阵,h k 为所有无线接入点与用户k之间的信道,h k = [h 1,k ,...,h M,k ]T,W为下行波束成形矩阵,W=[w1,...,w k ],w1为用户1的归一化后的最优下行波束成形解,w K 为用户K的归一化后的最优下行波束成形解,
当所述中央处理单元采用的编码方案为脏纸编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure SMS_23
在其中一个实施例中,所述根据自身采用的编码方案和所述无线接入点的压缩方案,确定对应的优化器,包括:
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure SMS_24
Figure SMS_25
Figure SMS_26
其中,p k dl为用户k的下行功率分配向量,Qdl为下行压缩噪声矩阵,tr(Qdl)为下行压缩噪声矩阵Qdl的迹,R k 为用户k的最低速率要求,C m dl,IN为对于下行链路采用独立压缩时无线接入点m的前传链路传输速率,Qdl(m,m)为下行压缩噪声矩阵Qdl的第m行第m列元素,s.t.为约束于,R k dl,LIN为对于下行链路采用线性编码的时用户k的可达速率,I为互信息量算法,s k dl为用户k的信息,y k dl为用户k的接收信号,p i dl为用户i的下行功率分配向量,w i H为下行波束成形矩阵中用户i的归一化后的最优下行波束成形解的共轭转置,h k H为h k 的共轭转置,h k 为所有无线接入点与用户k之间的信道,p j dl为用户j的下行发射功率,w j H为下行波束成形矩阵中用户j的归一化后的最优下行波束成形解的共轭转置;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure SMS_27
;/>
Figure SMS_28
Figure SMS_29
其中,R k dl,DPC为对于下行链路采用脏纸编码时用户k的可达速率,s 1 dl为用户1的信息,s k-1 dl为用户k-1的信息;
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure SMS_30
Figure SMS_31
Figure SMS_32
其中,C m dl,MV为对于下行链路采用多元压缩时无线接入点m的前传链路传输速率;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure SMS_33
Figure SMS_34
;/>
Figure SMS_35
上述面向去蜂窝多天线***的前传压缩与预编码方法,通过利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题,通过标准功率控制算法对上行优化问题进行求解,获得训练样本集,所述样本集包括作为输入的信道矩阵样本,作为输出的上行功率分配向量样本,初始化神经网络模型的相关参数,所述相关参数包括权重参数、偏置参数、网络层数、每层神经元数目、学习率、训练周期数以及每次训练送入网络的样本数,利用所述训练样本集,采用随机梯度下降算法对所述神经网络模型进行训练,获得训练好的神经网络模型,进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值,根据所述上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵,根据所述下行波束成形矩阵和所述下行功率分配向量,对待传输的数据进行预编码,获得编码后的数据,根据所述下行压缩噪声矩阵对所述编码后的数据进行压缩,获得压缩后的数据,由此,能够同时兼顾Cell-freeMIMO***的性能与计算的复杂度,保证了Cell-free MIMO***高性能的前提下降低计算时延。
附图说明
图1为一个实施例中带压缩无线接入点的去蜂窝多天线***的结构图;
图2为一个实施例中面向去蜂窝多天线***的前传压缩与预编码的流程示意图;
图3为一个实施例中在策略1的情况下本申请与标准功率控制算法的各用户目标速率与归一化发射功率变化曲线;
图4为一个实施例中在策略2的情况下本申请与标准功率控制算法的各用户目标速率与归一化发射功率变化曲线;
图5为一个实施例中在策略3的情况下本申请与标准功率控制算法的各用户目标速率与归一化发射功率变化曲线;
图6为一个实施例中在策略4的情况下本申请与标准功率控制算法的各用户目标速率与归一化发射功率变化曲线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的一种面向去蜂窝多天线***的前传压缩与预编码方法,应用于如图1所示的带压缩无线接入点的去蜂窝多天线***中,该***由一个中央处理器(CPU),M个配备单天线的无线接入点和K个配备单天线的用户组成。首先,CPU对要发送给各用户的信息进行联合编码,再对编码后的信息进行压缩,通过容量有限的前传链路将压缩后的信号发送给各无线接入点,各无线接入点接收到来自CPU的压缩后的信号后,再通过无线链路发送给各用户。本申请为了克服前传链路的容量受限问题,在无线接入点处采用压缩策略,包括独立(IN)压缩和多元(MV)压缩策略。此外,为了进一步提高***性能,在CPU处考虑了两种不同的编码策略,即干扰视为噪声的线性(LIN)编码和脏纸编码(DPC)策略。
在下行信道中,用户的接收信号y dl k
Figure SMS_36
可表示为:
Figure SMS_37
其中,在下行信道中,所有无线接入点与用户k之间的信道表示为h k H,即h k 的共轭转置,h k 为所有无线接入点与用户k之间的信道,h k =[h 1,k ,...,h M,k ]Th * m,k 表示无线接入点m与用户k之间的信道,
Figure SMS_38
,/>
Figure SMS_39
z dl k 表示发送给用户k时引入的加性高斯白噪声(AWGN),/>
Figure SMS_40
,/>
Figure SMS_41
Figure SMS_42
表示参数均值为0,方差为/>
Figure SMS_43
x dl m 为无线接入点m发射信号,
Figure SMS_44
,即:
Figure SMS_45
其中,w k =[w k,1,...,w k,M ]T表示用户k的波束成形向量,即用户k的归一化后的最优下行波束成形解,w k,M 为用户k到无线接入点M的波束成形值,
Figure SMS_46
为用户k到无线接入点1的波束成形值,p k dl为用户k的发射功率,即用户k的下行功率分配向量,s k dl表示用户k的信息,/>
Figure SMS_47
e dl m 表示无线接入点m处由于压缩而引入的量化噪声,/>
Figure SMS_48
,/>
Figure SMS_49
为下行无线接入点m处引入的量化噪声的方差。
如果CPU对用户的信息采用LIN编码方式,则用户k的可达速率
Figure SMS_50
可表示为:
Figure SMS_51
其中,I为互信息算法,s dl k 为用户k的信息,y dl k 为用户k的接收信号,p i dl为用户i的下行功率分配向量,w i H为下行波束成形矩阵中用户i的归一化后的最优下行波束成形解的共轭转置,h k H为h k 的共轭转置,h k 为所有无线接入点与用户k之间的信道,p j dl为用户j的下行发射功率,w j H为下行波束成形矩阵中用户j的归一化后的最优下行波束成形解的共轭转置。
如果CPU对用户的信息采用DPC编码方式,给定编码顺序τ dl (1),...,τ dl (K),则用户k的可达速率可表示为:
Figure SMS_52
其中,
Figure SMS_70
为对于下行链路采用脏纸编码时第/>
Figure SMS_59
个编码的用户的可达速率,/>
Figure SMS_67
为第/>
Figure SMS_60
个编码的用户的信息,/>
Figure SMS_66
为第/>
Figure SMS_71
个编码的用户的接收信号,/>
Figure SMS_74
为第/>
Figure SMS_53
个编码的用户的信息,/>
Figure SMS_63
为第/>
Figure SMS_54
个编码的用户的信息,/>
Figure SMS_62
为第/>
Figure SMS_56
个编码的用户的下行功率分配向量,/>
Figure SMS_61
为下行波束成形矩阵中第/>
Figure SMS_57
个编码的用户的归一化后的最优下行波束成形解的共轭转置,/>
Figure SMS_68
为所有无线接入点与第/>
Figure SMS_58
个编码的用户之间的信道,/>
Figure SMS_64
为/>
Figure SMS_69
的共轭转置,
Figure SMS_73
为第/>
Figure SMS_55
个编码的用户的下行发射功率,/>
Figure SMS_65
为下行波束成形矩阵中第
Figure SMS_72
个编码的用户的归一化后的最优下行波束成形解的共轭转置。
如果无线接入点采取IN压缩策略,则对于下行链路采用独立压缩时无线接入点m的前传链路传输速率可表示为:
Figure SMS_75
其中,C m dl,IN为对于下行链路采用独立压缩时无线接入点m的前传链路传输速率,
Figure SMS_76
为未压缩发送给无线接入点m处的信号,w k,m 为用户k到无线接入点m的波束成形值,p k dl为用户k的下行功率分配向量,/>
Figure SMS_77
为下行压缩噪声矩阵Qdl的第m行第m列元素。
如果无线接入点采取MV压缩策略,给定压缩顺序ρ dl (1),...,ρ dl (M),则对于下行链路采用多元压缩时第ρ dl (m)个压缩的无线接入点的前传链路传输速率可表示为:
Figure SMS_78
其中,
Figure SMS_81
为对于下行链路采用多元压缩时第ρ dl (m)个压缩的无线接入点的前传链路传输速率,/>
Figure SMS_85
为第ρ dl (m)个压缩的无线接入点接收的信号,/>
Figure SMS_89
为未压缩发送给第ρ dl (m)个压缩的无线接入点的信号,/>
Figure SMS_82
为第ρ dl (1)个压缩的无线接入点接收的信号,/>
Figure SMS_84
为第ρ dl (m-1)个压缩的无线接入点接收的信号,/>
Figure SMS_87
为用户k到第ρ dl (m)个压缩的无线接入点波束成形值, />
Figure SMS_91
为/>
Figure SMS_79
的第m行,第m列的值,/>
Figure SMS_86
为/>
Figure SMS_90
的第m行,第m+1列到第M列构成的行向量,/>
Figure SMS_92
为/>
Figure SMS_80
的第m+1行到第M行,第m+1列到第M列构成的矩阵,/>
Figure SMS_83
为/>
Figure SMS_88
的第m+1行到第M行,第m列构成的列向量;
其中,
Figure SMS_93
其中,
Figure SMS_94
为第ρ dl (m)个压缩的无线接入点压缩噪声协方差矩阵,/>
Figure SMS_98
为第ρ dl (1)个压缩的无线接入点引入的量化噪声,/>
Figure SMS_100
为期望算法,/>
Figure SMS_95
为第ρ dl (M)个压缩的无线接入点引入的量化噪声,/>
Figure SMS_97
为/>
Figure SMS_99
的共轭,/>
Figure SMS_101
为/>
Figure SMS_96
的共轭。
本申请的目的是设计合理的波束成形矩阵,使得在前传链路容量约束和用户最低目标速率的约束下,使得Cell-free MIMO***总功率最小,即:
Figure SMS_102
Figure SMS_103
Figure SMS_104
其中,p dl k 为用户k的下行功率分配向量,Qdl为下行压缩噪声矩阵,tr(Qdl)为下行压缩噪声矩阵Qdl的迹,R k 为用户k的最低速率要求,C dl m 为对于下行链路无线接入点m的前传链路传输速率,C m 为无线接入点m与中央处理单元之间的前传链路容量,R dl k 为对于下行链路用户k的可达速率。根据上下行链路对偶关系,当上行波束成形向量和下行波束成形向量相同时,上行和下行功率控制问题有相同的最优解。所以可以通过较简单的上行问题来求解下行问题的最优波束成形矩阵,下行优化问题可转化为上行优化问题,即:
Figure SMS_105
;/>
Figure SMS_106
Figure SMS_107
其中,p ul k 为用户k的上行功率分配向量预测值,q ul m 为无线接入点m处的上行压缩噪声,C ul m 为对于上行链路无线接入点m的前传链路传输速率,R ul k 为对于上行链路用户k的可达速率。
本申请对以下四种采取不同压缩和编码策略的情况进行了下行快速预编码设计,四种策略分别为:
策略1:CPU对用户信息采取LIN编码方式,无线接入点采取IN压缩策略;
策略2:CPU对用户信息采取DPC编码方式,无线接入点采取IN压缩策略;
策略3:CPU对用户信息采取LIN编码方式,无线接入点采取MV压缩策略;
策略4:CPU对用户信息采取DPC编码方式,无线接入点采取MV压缩策略。
这四种不同的策略采用相同结构的神经网络模块,但确定下行波束成形矩阵、功率分配向量和压缩噪声矩阵的具体计算各不相同。
神经网络模块主要负责完成对信道矩阵H到上行功率分配向量预测值Pul的映射,以减少预测变量。神经网络模块由一个输入层,三个隐藏层和一个输出层组成,第一个隐藏层有200个神经单元,第二个隐藏层有200个神经单元,第三隐藏层有80个神经单元,每个神经单元包含激活函数,设置为修正线性单元(ReLU)函数,和归一化函数。使用RMSprop算法作为优化算法,衰减率设置为0.9,使用MSE作为损失函数,计算标签和输出的均方误差。利用标准功率控制算法生成训练样本集。训练样本集包含25000样本,验证集包含5000样本,训练周期设置为200,学习率大小设置为0.001。
对于策略1,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵中,要完成由上行功率分配向量预测值Pul恢复出下行波束成形矩阵W。先计算上行各无线接入点处引入的上行压缩噪声:
Figure SMS_108
接着利用波束成形矩阵分析模块,计算出下行波束成形矩阵,波束成形矩阵分析模块表达式为:
Figure SMS_109
其中,w k 为用户k的归一化后的最优下行波束成形解,
Figure SMS_110
为MMSE接收机计算出的用户k的最优下行波束成形解,Q diag为上行压缩噪声矩阵,p j ul为用户j的上行功率分配向量预测值,h j 为所有无线接入点与用户j之间的信道,h j H为h j 的共轭转置,L为单位矩阵,h k 为所有无线接入点与用户k之间的信道,h k = [h 1,k ,...,h M,k ]T,W为下行波束成形矩阵,W=[w1,...,w k ],w1为用户1的归一化后的最优下行波束成形解,w K 为用户K的归一化后的最优下行波束成形解;
Figure SMS_111
其中,Q diag为上行压缩噪声矩阵,采取独立压缩时,各无线接入点处由于独立压缩而引入的上行压缩噪声相互独立。
根据上下行链路对偶性,最优上行波束成形矩阵与最优下行波束成形矩阵相等,将计算出的波束成形矩阵带入下行优化问题中,即:
Figure SMS_112
Figure SMS_113
并通过优化器求解该下行优化问题,导出下行功率分配向量和下行压缩噪声矩阵,并将所获得的下行波束成形矩阵一起输出。
对于策略2,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵中,要完成由上行功率分配向量预测值Pul恢复出下行波束成形矩阵W。先计算上行各无线接入点处引入的上行压缩噪声:
Figure SMS_114
接着利用波束成形矩阵分析模块,计算出下行波束成形矩阵,波束成形矩阵分析模块表达式为:
Figure SMS_115
将计算出的下行波束成形矩阵带入下行优化问题中,即:
Figure SMS_116
Figure SMS_117
并通过优化器求解该下行优化问题,导出下行功率分配向量和下行压缩噪声矩阵,并将所获得的下行波束成形矩阵一起输出。
对于策略3,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵中,要完成由上行功率分配向量预测值Pul恢复出下行波束成形矩阵W。由以下公式计算出上行各无线接入点m处引入的上行压缩噪声:
Figure SMS_118
Figure SMS_119
Figure SMS_120
其中,h 1,k 为无线接入点1与用户k之间的信道状态,h * 1,k h 1,k 的共轭,C 1为无线接入点1与中央处理单元之间的光纤链路容量,h * m,k h m,k 的共轭,h M,k 为无线接入点M与用户k之间的信道状态,h * M,k h M,k 的共轭,C M 为无线接入点M与中央处理单元之间的光纤链路容量,
Figure SMS_121
为上行接收信号协方差矩阵, />
Figure SMS_125
,Q为上行压缩噪声的协方差矩阵,L为单位矩阵,/>
Figure SMS_129
为/>
Figure SMS_123
的第m行,第1列至第m-1列构成的行向量,
Figure SMS_126
为/>
Figure SMS_130
的第1行至第m-1行,第1列至第m-1列构成的子矩阵,/>
Figure SMS_134
为/>
Figure SMS_122
的第1行至第m-1行,第m列构成的列向量,/>
Figure SMS_127
为/>
Figure SMS_131
的第M行,第1列至第M-1列构成的行向量,/>
Figure SMS_133
为/>
Figure SMS_124
的第1行至第M-1行,第1列至第M-1列构成的子矩阵,/>
Figure SMS_128
为/>
Figure SMS_132
的第1行至第M-1行,第M列构成的列向量。
接着利用波束成形矩阵分析模块,计算出下行波束成形矩阵,波束成形矩阵分析模块表达式为:
Figure SMS_135
将计算出的下行波束成形矩阵带入下行优化问题中,即:
Figure SMS_136
Figure SMS_137
并通过优化器求解该下行优化问题,导出下行功率分配向量和下行压缩噪声矩阵,并将所获得的下行波束成形矩阵一起输出。
对于策略4,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵中,要完成由上行功率分配向量预测值Pul恢复出下行波束成形矩阵W。由以下公式计算出上行各无线接入点m处引入的上行压缩噪声:
Figure SMS_138
Figure SMS_139
Figure SMS_140
接着利用波束成形矩阵分析模块,计算出下行波束成形矩阵,波束成形矩阵分析模块表达式为:
Figure SMS_141
将计算出的下行波束成形矩阵带入下行优化问题中,即:
Figure SMS_142
Figure SMS_143
并通过优化器求解该下行优化问题,导出下行功率分配向量和下行压缩噪声矩阵,并将所获得的下行波束成形矩阵一起输出。
在一个实施例中,如图2所示,提供了一种面向去蜂窝多天线***的前传压缩与预编码方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤S220,将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值。
其中神经网络模型的训练方式为:
利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题;通过标准功率控制算法对上行优化问题进行求解,获得训练样本集,样本集包括作为输入的信道矩阵样本,作为输出的上行功率分配向量样本;初始化神经网络模型的相关参数,相关参数包括权重参数、偏置参数、网络层数、每层神经元数目、学习率、训练周期数以及每次训练送入网络的样本数;利用训练样本集,采用随机梯度下降算法对神经网络模型进行训练,获得训练好的神经网络模型。
步骤S240,根据上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵。
在一个实施例中,根据上行功率分配向量预测值进行分析,确定下行波束成形矩阵、功率分配向量和压缩噪声矩阵,包括:
根据无线接入点的压缩方案,确定对应的压缩噪声分析模块;根据上行功率分配向量预测值,采用压缩噪声分析模块进行分析,确定各无线接入点处引入的上行压缩噪声;根据自身采用的编码方案,确定对应的波束成形矩阵分析模块;根据所述上行功率分配向量预测值,结合各所述无线接入点处引入的上行压缩噪声,采用所述波束成形矩阵分析模块进行分析,获得下行波束成形矩阵;根据自身采用的编码方案和无线接入点的压缩方案,确定对应的下行优化目标函数;根据下行波束成形矩阵,采用优化器对下行优化目标函数进行求解,确定下行功率分配向量和下行压缩噪声矩阵。
在一个实施例中,根据无线接入点的压缩方案,确定对应的压缩噪声分析模块,包括:
在无线接入点的压缩方案为独立压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure SMS_144
Figure SMS_145
其中,Q diag为上行压缩噪声矩阵,采取独立压缩时,各无线接入点处由于独立压缩而引入的上行压缩噪声相互独立,q 1为无线接入点1处由于独立压缩而引入的上行压缩噪声,q M 为无线接入点M处由于独立压缩而引入的上行压缩噪声,q m 为无线接入点m处由于独立压缩而引入的上行压缩噪声,p k ul为用户k的上行功率分配向量预测值,h m,k 为无线接入点m与用户k之间的信道状态,σ 2 为信号在无线传输时候引入的加性高斯白噪声的方差,C m 为无线接入点m与中央处理单元之间的光纤链路容量,m为无线接入点的编号,M为带压缩无线接入点的去蜂窝多天线***中无线接入点的个数,K为带压缩无线接入点的去蜂窝多天线***中用户的个数,k为用户的编号;
在所述无线接入点的压缩方案为多元压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure SMS_146
Figure SMS_147
Figure SMS_148
Figure SMS_149
其中,h 1,k 为无线接入点1与用户k之间的信道状态,h * 1,k h 1,k 的共轭,C 1为无线接入点1与中央处理单元之间的光纤链路容量,h * m,k h m,k 的共轭,h M,k 为无线接入点M与用户k之间的信道状态,h * M,k h M,k 的共轭,C M 为无线接入点M与中央处理单元之间的光纤链路容量,
Figure SMS_152
为上行接收信号协方差矩阵, />
Figure SMS_154
,Q为上行压缩噪声的协方差矩阵,L为单位矩阵,/>
Figure SMS_160
为/>
Figure SMS_150
的第m行,第1列至第m-1列构成的行向量,/>
Figure SMS_155
为/>
Figure SMS_158
的第1行至第m-1行,第1列至第m-1列构成的子矩阵,
Figure SMS_162
为/>
Figure SMS_153
的第1行至第m-1行,第m列构成的列向量,/>
Figure SMS_156
为/>
Figure SMS_161
的第M行,第1列至第M-1列构成的行向量,/>
Figure SMS_163
为/>
Figure SMS_151
的第1行至第M-1行,第1列至第M-1列构成的子矩阵,/>
Figure SMS_157
为/>
Figure SMS_159
的第1行至第M-1行,第M列构成的列向量。/>
在一个实施例中,根据自身采用的编码方案,确定对应的波束成形矩阵分析模块,包括:
当中央处理单元采用的编码方案为线性编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure SMS_164
其中,w k 为用户k的归一化后的最优下行波束成形解,
Figure SMS_165
为MMSE接收机计算出的用户k的最优下行波束成形解,p j ul为用户j的上行功率分配向量预测值,h j 为所有无线接入点与用户j之间的信道,h j H为h j 的共轭转置,L为单位矩阵,h k 为所有无线接入点与用户k之间的信道,h k = [h 1,k ,...,h M,k ]T,W为下行波束成形矩阵,W=[w1,...,w k ],w1为用户1的归一化后的最优下行波束成形解,w K 为用户K的归一化后的最优下行波束成形解,
当所述中央处理单元采用的编码方案为脏纸编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure SMS_166
在一个实施例中,所述根据自身采用的编码方案和所述无线接入点的压缩方案,确定对应的优化器,包括:
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure SMS_167
Figure SMS_168
Figure SMS_169
其中,p k dl为用户k的下行功率分配向量,Qdl为下行压缩噪声矩阵,tr(Qdl)为下行压缩噪声矩阵Qdl的迹,R k 为用户k的最低速率要求,C m dl,IN为对于下行链路采用独立压缩时无线接入点m的前传链路传输速率,Qdl(m,m)为下行压缩噪声矩阵Qdl的第m行第m列元素,s.t.为约束于,R k dl,LIN为对于下行链路采用线性编码的时用户k的可达速率,I为互信息量算法,s k dl为用户k的信息,y k dl为用户k的接收信号,p i dl为用户i的下行功率分配向量,w i H为下行波束成形矩阵中用户i的归一化后的最优下行波束成形解的共轭转置,h k H为h k 的共轭转置,h k 为所有无线接入点与用户k之间的信道,p j dl为用户j的下行发射功率,w j H为下行波束成形矩阵中用户j的归一化后的最优下行波束成形解的共轭转置;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure SMS_170
Figure SMS_171
Figure SMS_172
其中,R k dl,DPC为对于下行链路采用脏纸编码时用户k的可达速率,s 1 dl为用户1的信息,s k-1 dl为用户k-1的信息;
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure SMS_173
Figure SMS_174
Figure SMS_175
其中,C m dl,MV为对于下行链路采用多元压缩时无线接入点m的前传链路传输速率;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure SMS_176
Figure SMS_177
Figure SMS_178
步骤S260,根据下行波束成形矩阵和下行功率分配向量,对待传输的信息进行预编码,获得编码后的信息。
步骤S280,根据下行压缩噪声矩阵对编码后的信息进行压缩,获得压缩后的信号。
上述面向去蜂窝多天线***的前传压缩与预编码方法,通过利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题,通过标准功率控制算法对上行优化问题进行求解,获得训练样本集,样本集包括作为输入的信道矩阵样本,作为输出的上行功率分配向量样本,初始化神经网络模型的相关参数,相关参数包括权重参数、偏置参数、网络层数、每层神经元数目、学习率、训练周期数以及每次训练送入网络的样本数,利用训练样本集,采用随机梯度下降算法对神经网络模型进行训练,获得训练好的神经网络模型,进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值,根据上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵,根据下行波束成形矩阵和下行功率分配向量,对待传输的数据进行预编码,获得编码后的数据,根据下行压缩噪声矩阵对编码后的数据进行压缩,获得压缩后的数据,由此,能够同时兼顾Cell-free MIMO***的性能与计算的复杂度,保证了Cell-free MIMO***高性能的前提下降低计算时延。
在一个实施例中,如图3-图6所示,分别给出了在四种不同压缩和编码策略的情况下,本申请的面向去蜂窝多天线***的前传压缩与预编码方法与标准功率控制算法的各用户目标速率和归一化发射功率之间的变化曲线,由此可见,本申请的面向去蜂窝多天线***的前传压缩与预编码方法可以很好的近似最优算法。如表1给出了在四种不同压缩和编码策略的情况下,本申请的面向去蜂窝多天线***的前传压缩与预编码方法与标准功率控制算法计算1000个样本所需时间,可以看出,本申请的面向去蜂窝多天线***的前传压缩与预编码方法大大降低了计算时延,使得实际部署得以实现。综合图3-图6和表1可以发现,本申请的面向去蜂窝多天线***的前传压缩与预编码方法可以同时兼顾性能与算法复杂度。
表1 四种不同压缩和编码策略的情况下,本申请与标准功率控制算法计算1000个样本所需时间和比较:
Figure SMS_179
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种面向去蜂窝多天线***的前传压缩与预编码方法,应用于带压缩无线接入点的去蜂窝多天线***,其特征在于,所述方法包括:
将获取的信道矩阵输入预先训练好的神经网络模型进行预测,获得上行功率分配向量预测值;
根据所述上行功率分配向量预测值进行分析,确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵;
根据所述下行波束成形矩阵和所述下行功率分配向量,对待传输的信息进行预编码,获得编码后的信息;
根据所述下行压缩噪声矩阵对所述编码后的信息进行压缩,获得压缩后的信号;
所述神经网络模型的训练方式为:
利用上下行对偶关系,将下行预编码与压缩噪声设计问题转化为上行优化问题;
通过标准功率控制算法对上行优化问题进行求解,获得训练样本集,所述样本集包括作为输入的信道矩阵样本,作为输出的上行功率分配向量样本;
初始化神经网络模型的相关参数,所述相关参数包括权重参数、偏置参数、网络层数、每层神经元数目、学习率、训练周期数以及每次训练送入网络的样本数;
利用所述训练样本集,采用随机梯度下降算法对所述神经网络模型进行训练,获得训练好的神经网络模型。
2.根据权利要求1所述的面向去蜂窝多天线***的前传压缩与预编码方法,其特征在于,所述根据所述上行功率分配向量预测值进行分析,确定下行波束成形矩阵、功率分配向量和压缩噪声矩阵,包括:
根据所述无线接入点的压缩方案,确定对应的压缩噪声分析模块;
根据所述上行功率分配向量预测值,采用所述压缩噪声分析模块进行分析,确定各无线接入点处引入的上行压缩噪声;
根据自身采用的编码方案,确定对应的波束成形矩阵分析模块;
根据所述上行功率分配向量预测值,结合各所述无线接入点处引入的上行压缩噪声,采用所述波束成形矩阵分析模块进行分析,获得下行波束成形矩阵;
根据自身采用的编码方案和所述无线接入点的压缩方案,确定对应的下行优化目标函数;
根据所述下行波束成形矩阵,采用优化器对所述下行优化目标函数进行求解,确定下行功率分配向量和下行压缩噪声矩阵。
3.根据权利要求1所述的面向去蜂窝多天线***的前传压缩与预编码方法,其特征在于,所述根据所述无线接入点的压缩方案,确定对应的压缩噪声分析模块,包括:
在所述无线接入点的压缩方案为独立压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure QLYQS_1
;/>
Figure QLYQS_2
其中,Q diag为上行压缩噪声矩阵,采取独立压缩时,各无线接入点处由于独立压缩而引入的上行压缩噪声相互独立,q 1为无线接入点1处由于独立压缩而引入的上行压缩噪声,q M 为无线接入点M处由于独立压缩而引入的上行压缩噪声,q m 为无线接入点m处由于独立压缩而引入的上行压缩噪声,p k ul为用户k的上行功率分配向量预测值,h m,k 为无线接入点m与用户k之间的信道状态,σ 2 为信号在无线传输时候引入的加性高斯白噪声的方差,C m 为无线接入点m与中央处理单元之间的光纤链路容量,m为无线接入点的编号,M为带压缩无线接入点的去蜂窝多天线***中无线接入点的个数,K为带压缩无线接入点的去蜂窝多天线***中用户的个数,k为用户的编号;
在所述无线接入点的压缩方案为多元压缩的情况下,对应的压缩噪声分析模块的表达式为:
Figure QLYQS_3
Figure QLYQS_4
Figure QLYQS_5
Figure QLYQS_6
其中,h 1,k 为无线接入点1与用户k之间的信道状态,h * 1,k h 1,k 的共轭,C 1为无线接入点1与中央处理单元之间的光纤链路容量,h * m,k h m,k 的共轭,h M,k 为无线接入点M与用户k之间的信道状态,h * M,k h M,k 的共轭,C M 为无线接入点M与中央处理单元之间的光纤链路容量,
Figure QLYQS_9
为上行接收信号协方差矩阵, />
Figure QLYQS_14
,Q为上行压缩噪声的协方差矩阵,L为单位矩阵,/>
Figure QLYQS_18
为/>
Figure QLYQS_10
的第m行,第1列至第m-1列构成的行向量,/>
Figure QLYQS_11
为/>
Figure QLYQS_15
的第1行至第m-1行,第1列至第m-1列构成的子矩阵,
Figure QLYQS_19
为/>
Figure QLYQS_8
的第1行至第m-1行,第m列构成的列向量,/>
Figure QLYQS_12
为/>
Figure QLYQS_16
的第M行,第1列至第M-1列构成的行向量,/>
Figure QLYQS_20
为/>
Figure QLYQS_7
的第1行至第M-1行,第1列至第M-1列构成的子矩阵,/>
Figure QLYQS_13
为/>
Figure QLYQS_17
的第1行至第M-1行,第M列构成的列向量。
4.根据权利要求3所述的面向去蜂窝多天线***的前传压缩与预编码方法,其特征在于,所述根据自身采用的编码方案,确定对应的波束成形矩阵分析模块,包括:
当所述中央处理单元采用的编码方案为线性编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure QLYQS_21
其中,w k 为用户k的归一化后的最优下行波束成形解,
Figure QLYQS_22
为MMSE接收机计算出的用户k的最优下行波束成形解,p j ul为用户j的上行功率分配向量预测值,h j 为所有无线接入点与用户j之间的信道,h j H为h j 的共轭转置,L为单位矩阵,h k 为所有无线接入点与用户k之间的信道,h k = [h 1,k ,...,h M,k ]T,W为下行波束成形矩阵,W=[w1,...,w k ],w1为用户1的归一化后的最优下行波束成形解,w K 为用户K的归一化后的最优下行波束成形解,
当所述中央处理单元采用的编码方案为脏纸编码的情况下,对应的波束成形矩阵分析模块的表达式为:
Figure QLYQS_23
5.根据权利要求4所述的面向去蜂窝多天线***的前传压缩与预编码方法,其特征在于,所述根据自身采用的编码方案和所述无线接入点的压缩方案,确定对应的优化器,包括:
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure QLYQS_24
Figure QLYQS_25
;/>
Figure QLYQS_26
其中,p k dl为用户k的下行功率分配向量,Qdl为下行压缩噪声矩阵,tr(Qdl)为下行压缩噪声矩阵Qdl的迹,R k 为用户k的最低速率要求,C m dl,IN为对于下行链路采用独立压缩时无线接入点m的前传链路传输速率,Qdl(m,m)为下行压缩噪声矩阵Qdl的第m行第m列元素,s.t.为约束于,R k dl,LIN为对于下行链路采用线性编码的时用户k的可达速率,I为互信息量算法,s k dl为用户k的信息,y k dl为用户k的接收信号,p i dl为用户i的下行功率分配向量,w i H为下行波束成形矩阵中用户i的归一化后的最优下行波束成形解的共轭转置,h k H为h k 的共轭转置,h k 为所有无线接入点与用户k之间的信道,p j dl为用户j的下行发射功率,w j H为下行波束成形矩阵中用户j的归一化后的最优下行波束成形解的共轭转置;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为独立压缩的情况下,对应的优化器的表达式为:
Figure QLYQS_27
Figure QLYQS_28
Figure QLYQS_29
其中,R k dl,DPC为对于下行链路采用脏纸编码时用户k的可达速率,s 1 dl为用户1的信息,s k-1 dl为用户k-1的信息;
在自身采用的编码方案为线性编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure QLYQS_30
Figure QLYQS_31
;/>
Figure QLYQS_32
其中,C m dl,MV为对于下行链路采用多元压缩时无线接入点m的前传链路传输速率;
在自身采用的编码方案为脏纸编码且所述无线接入点的压缩方案为多元压缩的情况下,对应的优化器的表达式为:
Figure QLYQS_33
Figure QLYQS_34
Figure QLYQS_35
。/>
CN202310548064.4A 2023-05-16 2023-05-16 一种面向去蜂窝多天线***的前传压缩与预编码方法 Active CN116260490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310548064.4A CN116260490B (zh) 2023-05-16 2023-05-16 一种面向去蜂窝多天线***的前传压缩与预编码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310548064.4A CN116260490B (zh) 2023-05-16 2023-05-16 一种面向去蜂窝多天线***的前传压缩与预编码方法

Publications (2)

Publication Number Publication Date
CN116260490A true CN116260490A (zh) 2023-06-13
CN116260490B CN116260490B (zh) 2023-08-15

Family

ID=86681103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310548064.4A Active CN116260490B (zh) 2023-05-16 2023-05-16 一种面向去蜂窝多天线***的前传压缩与预编码方法

Country Status (1)

Country Link
CN (1) CN116260490B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150146565A1 (en) * 2013-11-27 2015-05-28 Wei Yu Method and apparatus for downlink transmission in a cloud radio access network
CN111181612A (zh) * 2019-12-31 2020-05-19 内蒙古大学 一种大规模mimo***的协作波束赋型方法
CN114389730A (zh) * 2021-12-23 2022-04-22 南京邮电大学 一种基于深度学习和脏纸编码的miso***波束形成设计方法
CN114900398A (zh) * 2022-04-28 2022-08-12 浙江工业大学 非理想csi的irs辅助云接入网下行的波束成形方法
CN115065392A (zh) * 2022-05-23 2022-09-16 南京邮电大学 脏纸编码条件下实现miso下行总和速率最大化的波束形成设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150146565A1 (en) * 2013-11-27 2015-05-28 Wei Yu Method and apparatus for downlink transmission in a cloud radio access network
CN111181612A (zh) * 2019-12-31 2020-05-19 内蒙古大学 一种大规模mimo***的协作波束赋型方法
CN114389730A (zh) * 2021-12-23 2022-04-22 南京邮电大学 一种基于深度学习和脏纸编码的miso***波束形成设计方法
CN114900398A (zh) * 2022-04-28 2022-08-12 浙江工业大学 非理想csi的irs辅助云接入网下行的波束成形方法
CN115065392A (zh) * 2022-05-23 2022-09-16 南京邮电大学 脏纸编码条件下实现miso下行总和速率最大化的波束形成设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIANG LIU 等: "Uplink-Downlink Duality Between Multiple-Access and Broadcast Channels With Compressing Relays", 《IEEE TRANSACTIONS ON INFORMATION THEORY》, vol. 67, no. 11, pages 7304, XP011883946, DOI: 10.1109/TIT.2021.3104847 *

Also Published As

Publication number Publication date
CN116260490B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN111181619B (zh) 基于深度强化学习的毫米波混合波束成形设计方法
Lu et al. Bit-level optimized neural network for multi-antenna channel quantization
Holter On the capacity of the MIMO channel: A tutorial introduction
EP2410707B1 (en) Orthogonal network space-time coding method and relay transmission system
CN108736943B (zh) 一种适用于大规模mimo***的混合预编码方法
US11956031B2 (en) Communication of measurement results in coordinated multipoint
CN110365388B (zh) 一种低复杂度毫米波多播波束成形方法
Zargari et al. Multiuser miso ps-swipt systems: Active or passive ris?
KR102510513B1 (ko) 심층 학습 기반의 빔포밍 방법 및 이를 위한 장치
CN101252418A (zh) 多天线传输***中利用信道统计信息的自适应传输方法
Ding et al. Performance analysis of mixed-ADC massive MIMO systems over spatially correlated channels
CN114900398A (zh) 非理想csi的irs辅助云接入网下行的波束成形方法
CN109039402B (zh) 基于用户压缩的mimo拓扑干扰对齐方法
WO2017121175A1 (zh) 一种数据处理方法和装置
CN113193896B (zh) 一种最大化两接收端和速率的波束成形神经网络决策方法
Roh et al. Performance analysis of multiple antenna systems with VQ-based feedback
CN116260490B (zh) 一种面向去蜂窝多天线***的前传压缩与预编码方法
CN110149133B (zh) 一种基于波束空间的大规模上行传输方法
CN114844541B (zh) 一种基于深度学习的混合预编码和反馈方法
CN115549745B (zh) Ris相移设计方法、装置、计算机设备及存储介质
CN101873203B (zh) Mimo中继***中基于码书预编码的信号发送方法
CN107104715B (zh) 一种基于天线选择的干扰对齐方法
CN115001545B (zh) 一种毫米波大规模mimo***中的混合预编码方法
CN113644946B (zh) 一种面向用户为中心网络的深度学习动态波束赋形方法
CN114598574A (zh) 一种基于深度学习的毫米波信道估计方法

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