基于用户相似性的去蜂窝大规模MIMO导频分配方法

文档序号:31729522发布日期:2022-10-05 01:32阅读:47来源:国知局
基于用户相似性的去蜂窝大规模MIMO导频分配方法
基于用户相似性的去蜂窝大规模mimo导频分配方法
技术领域
1.本发明属于无线通信技术领域,具体地说,是一种基于用户相似性的去蜂窝大规模mimo导频分配方法。


背景技术:

2.去蜂窝大规模mimo(cell-free massive mimo)可能是5g-advanced或6g 通信的一项前景广阔的技术,因为它可以满足通信网络中海量连接终端数量的需求,并且为网络中的终端提供均衡的服务质量。无蜂窝大规模mimo的基本思想是在一片区域内部署大量连接到中央处理单元的分布式接入点(access point, ap),这些ap可以在相同的时频资源上向所有用户提供服务。系统工作在时分双工(time-division duplex,tdd)模式下,因此系统有信道互易性的特点,通过导频序列进行上行信道估计可以获得下行的信道状态信息(channel stateinformation,csi),从而显著节省无线资源。然而,由于导频序列的数量受信道相干时间的影响,因此为每个用户分配不同的正交导频是不现实的。其结果是,不同的用户使用了相同的导频序列,最终产生了导频污染问题。因此,为了缓解导频污染以保证去蜂窝大规模mimo系统的综合性能,目前采取的主要做法是设计合理的导频分配算法。
3.导频分配方法就是在维持系统可用导频数量不变的情况下,按照一定的分配原则为用户分配导频,尽量使每个用户受到的影响最低,从而提升系统性能。超图是一种用来解决资源分配问题有效方法,在许多实际问题中,采用超图理论比图更合适,因为在普通图中,一条边只能连接两个顶点,而超图中的每条超边可以连接多个顶点,如此一来就可以把具有相似性的多个顶点用超边连接,从而分别进行资源分配。在去蜂窝大规模mimo系统中,具有相似信道条件的用户在使用相同的导频往往会严重污染彼此的信道估计,由此产生严重的导频污染。


技术实现要素:

4.针对去蜂窝大规模mimo系统中存在的导频污染问题,本发明提出了一种基于用户相似性的去蜂窝大规模mimo导频分配方法。首先对用户与ap之间的通信信道进行建模,根据信道矩阵计算用户之间的相似系数,并利用相似阈值将相似性较高的用户划分在一个超边内,其次基于超图理论对图进行着色(分配导频),最后,更新相似阈值优化分配结果使得系统上行和速率最大化。
5.本发明采用的具体技术方案如下:
6.一种基于用户相似性的去蜂窝大规模mimo导频分配方法,包括以下步骤:
7.步骤一、在一个去蜂窝大规模mimo系统内,可以利用用户与ap之间的大尺度衰弱系数来近似衡量信道质量,根据信道质量来计算用户之间的相似系数构建相似矩阵,并设置相似阈值来判决用户之间的相似度是否可被忽略,将相似度较高的用户用超边连接,并构建描述超图模型的关联矩阵。
8.步骤二、在传统的超图着色算法基础上扩展了导频复用策略,使得改进的着色算
法能适应超边的变化完成导频分配。
9.步骤三、进行参数调优,目标函数设置为系统上行可达和速率,更新相似阈值来重新划分超边,优化导频分配结果,并计算每个用户上行可达速率,最终使得目标函数最大化。
10.本发明的进一步改进,步骤一是对用户之间的相似关系进行建模,考虑在一个l
×
l的方形区域中实现去蜂窝大规模mimo系统,k个用户和m个ap随机均匀地分布在该区域内,系统可用正交导频数量为τ,其中τ《《k。对于用户k,首先计算它与ap之间的大尺度衰弱系数β,第m个ap和第k个用户之间的大尺度衰弱系数由如下表示:
[0011][0012]
其中l
m,k
表示第m个ap和第k个用户之间的路径损耗,表示阴影衰弱,并且σ
s,h
和z
m,k
均服从n(0,1)分布。通过用户与ap之间的大尺度衰弱系数来衡量信道质量。
[0013]
分别计算每个用户和每个ap之间的大尺度衰弱系数得到信道矩阵 [β1,β2,...,βk]h,其中β1=[β
1,1

2,1
,...,β
m,1
],利用信道矩阵来计算用户之间的相似系数,其中用户k和用户k

之间的相似系数定义如下:
[0014][0015]
如果k=k

,其相似程度为1,对于k≠k

来说,较小的ξ
k,k

表示用户k和k

之间的相似系数低,信道相似性可以被忽略,即两用户即使共享相同导频也不会造成严重的导频污染,而较大的ξ
k,k

表示如果两个用户相似系数低高,在进行导频复用时会带来严重的导频污染。可以设立一个相似阈值λ
th
来判决用户之间的相似关系是否可以被忽略,如果用户之间的相似系数大于阈值,则认为他们之间的相似程度高,分配导频时需要考虑他们之间的导频污染,即用户需要分配不同的正交导频,反之,则可以认为用户之间的相似性可以忽略,从而共享相同的正交导频。
[0016]
根据上述分析可以得到用户与用户之间的相似系数,并利用相似阈值判决相似程度,由此构建一个无向超图模型g=(v,e),超图的超边由给定顶点集(用户集)的任何子集组成,定义v={v1,v2,...,vk}为顶点集合,其中的元素代表系统中的k个用户,e=(e1,e2,...,en)为超边集合,其中的元素ei满足下列条件:
[0017][0018][0019]
在超图中,如果一个顶点vi被超边ej连接,则称超边ej与顶点vi相关联,如果vi同时和多条超边相关联,则称vi是超边的端点,否则,称其为超边的内点,超图一般通过关联矩阵来描述各顶点之间的关联关系,接下来利用相似矩阵和相似阈值λ
th
来构建超图的关联矩阵θ,θ中的行代表不同的用户顶点,列代表不同的超边,θ内的元素由0或1构成,如果超边ei包含顶点vk,则关联矩阵中的θ
(i,k)
值为1,否则为0。具体的算法步骤如下:
[0020]
step1:计算用户与ap之间的信道矩阵。
[0021]
step2:计算用户与用户之间的相似系数构建矩阵ξ=[ξ
k,k

]k×k。
[0022]
step3:按如下规则对矩阵ξ提取相似性特征得到矩阵x=[χ
k,k

]k×k:
[0023][0024]
step4:将顶点v1加入超边e1,对于顶点vi,其中2≤i≤k,如果χ
1,i
=1,则把vi加入到超边e1中,设置关联矩阵中的θ
(i,1)
为1。
[0025]
step5:检查是否存在未被超边连接的用户。
[0026]
step5.1:若不存在,则关联矩阵构建完毕。
[0027]
step5.2:若存在顶点vj未被超图连接,计算当前超边个数c,则新建超边e
c+1
,将顶点vj加入e
c+1
,并遍历与vj相似性不可忽略的顶点,将其加入超边e
c+1
,再转步骤step5。
[0028]
步骤二是利用改进的超图着色算法对系统内的用户进行导频分配。利用步骤一构建的关联矩阵θ,首先将同一超边连接的用户分配不同导频,但注意到可能出现某个超边所关联的用户数仍大于系统可用导频数,此时就需要额外的导频复用策略来完成多余用户的导频分配。具体的算法实现如下:
[0029]
step1:得到描述超图模型的关联矩阵θ,确定可用正交导频集合 c={c1,...,c
τ
},建立超边已用导频集合c
*
={c(e1),c(e2),...,c(en)},其中c(ei)表示超边ei所用导频集合,通过相似矩阵x计算每个用户与其相似的用户个数,并将其按降序排列,排列结果用s={s1,...,sk}表示,其中s1表示用户i与其他用户相似个数最多。
[0030]
step2:在超边集合e=(e1,e2,...,en)找到未分配的超边,并计算其中的元素个数并选择最大的一个超边ei,如果其中元素个数少于可用导频数,则可以为每个顶点分配正交导频,首先找到ei中每个元素对应在s中的位置,之后按照s中的排列结果依次为各顶点着色,并在该超边的已用导频集合c(ei)中记录所用导频。
[0031]
step3:如果超边ei其中的元素个数大于可用导频数,则找到ei中每个元素对应在s中的位置,选出前τ个顶点,依次分配导频,并在已用导频集合c(ei)中记录所用导频。
[0032]
step4:若系统仍存在未分配的超边,则转向step1,直到所有超边都分配过导频。
[0033]
step5:遍历c
*
,检查c(ei)中的超边ei已用导频集合。
[0034]
step6:如果c(ei)的导频数目等于可用导频数τ,则遍历该超边ei中的顶点,将其中未分配导频的顶点按s中的排序顺序进行排列,排列结果用r表示,同时在所有导频中找到当前复用次数最少的一个导频分配给排在最前的用户,之后从 r把此顶点移除,循环此分配过程,直到r为空集。
[0035]
步骤三是使用网格搜索对相似阈值λ
th
进行参数调优,相似阈值的选取会影响到用户相似程度的判决,导致相似矩阵x也会随之变化,因此,对于每个相似阈值产生都有不同的相关矩阵,每个相似矩阵也影响到超边的划分及关联矩阵的形成,最终导致不同的导频分配方案,从而可以得到不同的系统上行可达和速率,系统上行可达和速率r计算如下:
[0036]
[0037]
其中,ρu是与数据符号相关的归一化传输信噪比,η
m,k
是功率控制系数,表示用户k所分配的导频信号,并且具有单一范数,γ
m,k
的计算如下:
[0038][0039]
其中ρ
p
是导频符号的snr。
[0040]
在网格搜索中,首先需要确定搜索范围,从第一阶段的相似矩阵可知,相似阈值的取值范围为[0,1]。考虑两种极端情况,当相似阈值λ
th
=0时,相似矩阵的元素都会被设置成1,所有用户与其他用户的相似性都不能被忽略,在这种情况下,一个超边会连接所有用户,此时就不能充分发挥成导频分配算法的优势,同时当λ
th
=1时,相似矩阵的非对角线元素都会被设置为0,所有用户与其他用户的相似性都可以被忽略,此时,每个超边都只连接了一个用户,导频分配算法就只会复用一个导频,会造成严重的导频污染。由于通信系统是实时变化,为了确定近似最优值,算法在[λ
min

max
]的范围内抽取n点,并计算每一点的系统上行可达和速率,从中选择使和速率最大的一个阈值λ
opt
,直到迭代t次,最后得到的λ
opt
就近似等于λ
th
,系统上行可达和速率也会近似最大值。对于第一次迭代,迭代的间隔为δ
(1)
=(λ
max-λ
min
)/n-1,其中λ
max
=1,λ
min
=0。在这次迭代中找到使和速率最大的相似阈值之后,更新相似阈值的取值范围为同时更新迭代间隔并进行下一次迭代,重复迭代t次,找到近似最优值λ
opt

[0041]
本发明的有益效果:本发明与现有技术相比有如下优点:
[0042]
(1)与基于位置关系来衡量相似性不同,本发明基于信道质量来衡量用户之间的相似程度。
[0043]
(2)针对传统的着色算法在颜色不足时无法对超图进行导频分配,增加了导频复用策略,采取该算法可以更好的适应通信系统变化做出导频分配结果。
[0044]
(3)采用网格搜索对相似阈值进行参数调优,对分配结果进行同步优化,提升系统性能。
附图说明
[0045]
图1是本发明去蜂窝大规模mimo系统架构图。
[0046]
图2是本发明基于用户相似关系的导频分配流程图。
[0047]
图3是本发明导频分配图。
具体实施方式
[0048]
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,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
[0049]
如图1所示,一个去蜂窝大规模mimo系统的架构,在这个系统中,大量的分布式接入点(ap)通过回传链路与中央处理器(cpu)连接,为系统内的所有用户提供服务;如图2所示,一些主要步骤流程图,首先需要构建通信系统并对信道进行建模,之后基于信道条件来
计算用户相似系数,从而得到相似矩阵,并根据相似矩阵构建超图,利用改进的超图着色算法对超图模型中的用户进行导频分配,最后更新超图优化系统性能(如图3所示)。
[0050]
图3给出了一个简易超图模型的导频分配,该模型由七个用户与四种不同的导频组成,其中七个用户共同构成了三个超边,用户1,2与3构成一个超边,用户3,4,5和6构成一个超边,用户7单独构成一个超边,处于同一超边内的用户被分配不同颜色的导频,不同超边的用户可以进行相同颜色的导频复用,图3的最终分配就是七个用户只使用了四种导频,用户1,4,7使用一种导频,用户2,5使用一种导频,用户3使用一种导频,用户6使用一种导频,从而节省了导频的开销。
[0051]
实施例:一种基于用户相似性的去蜂窝大规模mimo导频分配方法,包括以下步骤:
[0052]
步骤一、在一个去蜂窝大规模mimo系统内,可以利用用户与ap之间的大尺度衰弱系数来近似衡量信道质量,根据信道质量来计算用户之间的相似系数构建相似矩阵,并设置相似阈值来判决用户之间的相似度是否可被忽略,将相似度较高的用户用超边连接,并构建描述超图模型的关联矩阵。
[0053]
步骤二、在传统的超图着色算法基础上扩展了导频复用策略,使得改进的着色算法能适应超边的变化完成导频分配。
[0054]
步骤三、进行参数调优,目标函数设置为系统上行可达和速率,更新相似阈值来重新划分超边,优化导频分配结果,并计算每个用户上行可达速率,最终使得目标函数最大化。
[0055]
本发明的进一步改进,步骤一是对用户之间的相似关系进行建模,考虑在一个l
×
l的方形区域中实现去蜂窝大规模mimo系统,k个用户和m个ap随机均匀地分布在该区域内,系统可用正交导频数量为τ,其中τ《《k。对于用户k,首先计算它与ap之间的大尺度衰弱系数β,第m个ap和第k个用户之间的大尺度衰弱系数由如下表示:
[0056][0057]
其中l
m,k
表示第m个ap和第k个用户之间的路径损耗,表示阴影衰弱,并且σ
s,h
和z
m,k
均服从n(0,1)分布。通过用户与ap之间的大尺度衰弱系数来衡量信道质量。
[0058]
分别计算每个用户和每个ap之间的大尺度衰弱系数得到信道矩阵 [β1,β2,...,βk]h,其中β1=[β
1,1

2,1
,...,β
m,1
],利用信道矩阵来计算用户之间的相似系数,其中用户k和用户k

之间的相似系数定义如下:
[0059][0060]
如果k=k

,其相似程度为1,对于k≠k

来说,较小的ξ
k,k

表示用户k和k

之间的相似系数低,信道相似性可以被忽略,即两用户即使共享相同导频也不会造成严重的导频污染,而较大的ξ
k,k

表示如果两个用户相似系数低高,在进行导频复用时会带来严重的导频污染。可以设立一个相似阈值λ
th
来判决用户之间的相似关系是否可以被忽略,如果用户之间的相似系数大于阈值,则认为他们之间的相似程度高,分配导频时需要考虑他们之间的导频污染,即用户需要分配不同的正交导频,反之,则可以认为用户之间的相似性可以忽略,从而共享相同的正交导频。
[0061]
根据上述分析可以得到用户与用户之间的相似系数,并利用相似阈值判决相似程度,由此构建一个无向超图模型g=(v,e),超图的超边由给定顶点集(用户集)的任何子集组成,定义v={v1,v2,...,vk}为顶点集合,其中的元素代表系统中的k个用户,e=(e1,e2,...,en)为超边集合,其中的元素ei满足下列条件:
[0062][0063][0064]
在超图中,如果一个顶点vi被超边ej连接,则称超边ej与顶点vi相关联,如果vi同时和多条超边相关联,则称vi是超边的端点,否则,称其为超边的内点,超图一般通过关联矩阵来描述各顶点之间的关联关系,接下来利用相似矩阵和相似阈值λ
th
来构建超图的关联矩阵θ,θ中的行代表不同的用户顶点,列代表不同的超边,θ内的元素由0或1构成,如果超边ei包含顶点vk,则关联矩阵中的θ
(i,k)
值为1,否则为0。具体的算法步骤如下:
[0065]
step1:计算用户与ap之间的信道矩阵。
[0066]
step2:计算用户与用户之间的相似系数构建矩阵ξ=[ξ
k,k

]k×k。
[0067]
step3:按如下规则对矩阵ξ提取相似性特征得到矩阵x=[χ
k,k

]k×k:
[0068][0069]
step4:将顶点v1加入超边e1,对于顶点vi,其中2≤i≤k,如果χ
1,i
=1,则把vi加入到超边e1中,设置关联矩阵中的θ
(i,1)
为1。
[0070]
step5:检查是否存在未被超边连接的用户。
[0071]
step5.1:若不存在,则关联矩阵构建完毕。
[0072]
step5.2:若存在顶点vj未被超图连接,计算当前超边个数c,则新建超边e
c+1
,将顶点vj加入e
c+1
,并遍历与vj相似性不可忽略的顶点,将其加入超边e
c+1
,再转步骤step5。
[0073]
步骤二是利用改进的超图着色算法对系统内的用户进行导频分配。利用步骤一构建的关联矩阵θ,首先将同一超边连接的用户分配不同导频,但注意到可能出现某个超边所关联的用户数仍大于系统可用导频数,此时就需要额外的导频复用策略来完成多余用户的导频分配。具体的算法实现如下:
[0074]
step1:得到描述超图模型的关联矩阵θ,确定可用正交导频集合 c={c1,...,c
τ
},建立超边已用导频集合c
*
={c(e1),c(e2),...,c(en)},其中c(ei)表示超边ei所用导频集合,通过相似矩阵x计算每个用户与其相似的用户个数,并将其按降序排列,排列结果用s={s1,...,sk}表示,其中s1表示用户i与其他用户相似个数最多。
[0075]
step2:在超边集合e=(e1,e2,...,en)找到未分配的超边,并计算其中的元素个数并选择最大的一个超边ei,如果其中元素个数少于可用导频数,则可以为每个顶点分配正交导频,首先找到ei中每个元素对应在s中的位置,之后按照s中的排列结果依次为各顶点着色,并在该超边的已用导频集合c(ei)中记录所用导频。
[0076]
step3:如果超边ei其中的元素个数大于可用导频数,则找到ei中每个元素对应在s中的位置,选出前τ个顶点,依次分配导频,并在已用导频集合c(ei)中记录所用导频。
[0077]
step4:若系统仍存在未分配的超边,则转向step1,直到所有超边都分配过导频。
[0078]
step5:遍历c
*
,检查c(ei)中的超边ei已用导频集合。
[0079]
step6:如果c(ei)的导频数目等于可用导频数τ,则遍历该超边ei中的顶点,将其中未分配导频的顶点按s中的排序顺序进行排列,排列结果用r表示,同时在所有导频中找到当前复用次数最少的一个导频分配给排在最前的用户,之后从 r把此顶点移除,循环此分配过程,直到r为空集。
[0080]
步骤三是使用网格搜索对相似阈值λ
th
进行参数调优,相似阈值的选取会影响到用户相似程度的判决,导致相似矩阵x也会随之变化,因此,对于每个相似阈值产生都有不同的相关矩阵,每个相似矩阵也影响到超边的划分及关联矩阵的形成,最终导致不同的导频分配方案,从而可以得到不同的系统上行可达和速率,系统上行可达和速率r计算如下:
[0081][0082]
其中,ρu是与数据符号相关的归一化传输信噪比,η
m,k
是功率控制系数,表示用户k所分配的导频信号,并且具有单一范数,γ
m,k
的计算如下:
[0083][0084]
其中ρ
p
是导频符号的snr。
[0085]
在网格搜索中,首先需要确定搜索范围,从第一阶段的相似矩阵可知,相似阈值的取值范围为[0,1]。考虑两种极端情况,当相似阈值λ
th
=0时,相似矩阵的元素都会被设置成1,所有用户与其他用户的相似性都不能被忽略,在这种情况下,一个超边会连接所有用户,此时就不能充分发挥成导频分配算法的优势,同时当λ
th
=1时,相似矩阵的非对角线元素都会被设置为0,所有用户与其他用户的相似性都可以被忽略,此时,每个超边都只连接了一个用户,导频分配算法就只会复用一个导频,会造成严重的导频污染。由于通信系统是实时变化,为了确定近似最优值,算法在[λ
min

max
]的范围内抽取n点,并计算每一点的系统上行可达和速率,从中选择使和速率最大的一个阈值λ
opt
,直到迭代t次,最后得到的λ
opt
就近似等于λ
th
,系统上行可达和速率也会近似最大值。对于第一次迭代,迭代的间隔为δ
(1)
=(λ
max-λ
min
)/n-1,其中λ
max
=1,λ
min
=0。在这次迭代中找到使和速率最大的相似阈值之后,更新相似阈值的取值范围为同时更新迭代间隔并进行下一次迭代,重复迭代t次,找到近似最优值λ
opt

[0086]
以上所述仅为本发明的实施方式而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等,均应包括在本发明的权利要求范围之内。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1