大规模MIMO干扰和最小的相移导频方案

在大规模MIMO系统中,小区间使用合理相移后的导频序列而非复用同一组导频,能以导频长度的适当增加换取导频污染水平的下降。但已有研究在优化各小区导频相移量时未考虑小区间的实际干扰情况,而且在相移导频方案下传统基于贪婪搜索的协作式导频分配方法已不再适用。针对上述问题,选择与大尺度信道信息有关的系统总干扰最小作为优化目标,搜索得到更优的导频相位偏移值,降低导频污染水平;在所设计的相移导频方案基础上,采用低复杂度的禁忌搜索算法实现对各小区用户的协作式导频分配,进一步降低导频污染的影响。仿真实验表明,所设计的上行导频方案可以提高信道估计精度,进而提升下行用户传输速率。     

大规模MIMO系统中动态导频分配

针对大规模多输入多输出(MIMO)系统中存在的导频污染问题,该文提出一种动态导频分配方案。所提方案利用目标小区与干扰小区用户之间的信号干扰强度差将干扰小区分为Uin和Uout两类,并对Uin中的用户进行最优导频分配,Uout中的用户进行随机导频分配来提升系统的平均下行可达和速率。同时,在存在额外正交导频组的情况下对所提方案做了进一步优化。仿真结果表明,所提的动态导频分配方案能够有效地提升大规模MIMO系统的性能。     

大规模MIMO系统中基于图着色的半动态导频分配

针对大规模MIMO系统中存在的导频污染问题,提出了一种基于图着色的半动态导频分配方案。首先,推导出各个小区可以复用导频的用户与其服务基站的最大距离门限。然后,根据该门限值将系统内各小区的用户分为小区中心用户和小区边缘用户;允许各个小区门限值之内的用户（小区中心用户）复用相同的导频;最后,基于图着色理论协同分配各个小区的小区边缘用户的导频,达到降低导频干扰的目的。仿真结果显示,该方案减少了用户间的导频干扰,有效地提升了整个系统的上行可达和速率。     

大规模MIMO系统中联合用户分组和联盟博弈的动态导频分配方案

大量研究表明,大规模MIMO系统中的小区边缘用户比中心用户更易遭受导频污染的影响。因此,该文提出一种联合用户分组和联盟博弈(JUG-AG)的动态导频分配方案来减轻系统导频污染。根据用户信号强度将所有用户分为A,B两组,把接收基站信号强度弱的小区边缘用户记为A组,剩余用户则为B组。A组用户使用相互正交的导频,B组用户则借助联盟博弈来重复使用剩余的正交导频。在B组用户的联盟博弈中,用户被分成若干个互不相交的用户子联盟,属于不同子联盟的用户分配不同的相互正交导频序列,而属于同一子联盟中的用户使用相同的导频序列。与已有的导频分配方案相比,该文提出的JUG-AG方案更灵活,可以用于所有用户随机分布的场景。而且,该算法通过循环搜索可以获得整体最优解。仿真结果表明JUG-AG方案能够有效降低上行链路中用户信号检测的平均均方根误差(RMSE),而且可以提高用户的平均服务速率。     

链状网大规模MIMO系统中导频污染减轻方案

为了减轻大规模MIMO多小区TDD系统中的导频污染,本文针对链状网大规模MIMO多小区TDD系统特点,提出了一种新的导频污染减轻方案。方案中将每个小区分成左区和右区,并将正交的导频序列分成三组。三组导频序列组依次、循环地分配给链状网中的各个左、右区域用户,从而实现目标用户与其相邻近区域用户安排正交导频序列,而目标用户与较远区域用户复用导频序列,从而减轻了导频污染。仿真结果表明,本文方案由于节省了上行信道估计时间,其吞吐量优于导频功率控制法。而且本文方案相对于导频列举法,计算量小,具有一定的实用价值。      

无小区大规模MIMO系统中基于叠加导频的上行频谱效率理论上限分析

无小区大规模多输入多输出 (Cell-Free Massive MIMO)突破传统蜂窝小区的概念,被认为是未来移动通信中十分富有潜力的技术。该技术通过部署大量的分布式接入点(Access Point, AP)以获得充分的宏分集增益,以提高用户服务质量。受信道相干时间的限制,系统中可供用户分配的正交导频资源非常有限,部分用户将不得不复用相同的导频,从而常规的复用导频(Multiplexed Pilot, MP)配置模式将引起严重的导频污染问题。因此,本文利用叠加导频(Superimposed Pilot, SP)配置模式,基于线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)准则和最大比合并(Maximum Ratio Combining, MRC)技术,研究了无小区大规模MIMO系统的信道估计,并从理论上推导了系统上行频谱效率(Spectrum Efficiency, SE)的上限闭合表达式。仿真结果表明,采用SP配置模式可有效减轻导频污染问题带来的影响,从而明显地提升系统的SE。      

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

大规模MIMO系统中动态迁移导频分配

大规模多输入多输出(MIMO)技术是5G的关键技术之一,由导频资源有限引起的导频污染是制约其发展的主要瓶颈之一,为此必须对宝贵的导频资源进行合理地分配以减小导频污染。已有的导频分配方案大多考虑静态导频分配,无法很好地适应用户位置不断变化的移动通信环境。文章针对大规模MIMO系统中用户移动时的导频分配问题,提出了一种动态迁移导频分配方法。该方法在两个相邻时隙间仅针对移动幅度较大的用户进行额外的导频优化,根据分配方案选择一个用户与之进行导频交换,对于其他的用户不改变原分配导频。复杂度分析及仿真结果表明,该算法相较于传统的导频分配方法可以显著地降低计算复杂度,并且与传统的导频分配方法具有相近的频谱效率,具有较高的实用价值。     

大规模MIMO系统中基于用户位置和用户分类的导频分配

针对大规模MIMO通信系统中存在的导频污染问题，提出了一种基于用户位置和用户分类的导频分配方案。该方案根据路径损耗和到达角设计目标函数及合理阈值，通过将用户的目标函数与阈值进行比较，把系统中所有用户分为高干扰和低干扰两类，接着为低干扰用户复用导频序列、高干扰用户分配额外正交导频序列来减轻导频污染。仿真结果表明，该方案提高了通信系统性能。     

大规模MIMO系统中融合用户调度的叠加导频信道估计方法

传统的信道估计策略通常基于时分复用方式实现导频配置,导致大规模多输入多输出系统的带宽利用率有限,同时受信道相干时间的限制,大规模MIMO系统可利用的导频资源非常有限,因此,相邻小区不得不通过导频复用来实现信道估计,从而引起导频污染问题。针对上述问题,融合用户调度,提出了一种基于叠加周期性导频的信道估计方法。该方法通过优化功率分配因子,以信号泄露噪比（SLNR）作为度量指标,对不同小区的用户进行协作调度并分配相同的导频,不仅减轻了导频污染,而且提高了信道估计的精度。数值仿真验证了方法的有效性。     

基于簇级匈牙利与联盟博弈联合的CF mMIMO导频分配算法

针对无小区大规模MIMO（Cell-Free Massive Multiple-Input Multiple-Output,CF mMIMO）系统,提出了一种基于簇级匈牙利与联盟博弈联合的导频分配算法。首先,利用用户的地理位置信息将系统中的用户划分为多个用户簇并为相同簇内的用户分配相互正交的导频序列,从空间角度减轻用户复用导频造成的导频污染;然后,在此基础上利用改进收益矩阵的匈牙利算法优化导频分配方案;最后,利用联盟博弈的思想避免因为固定的导频使用次数而带来的性能上限。仿真结果表明,该导频分配算法性能优于多种典型导频分配算法。     

Pilot Allocation and Power Control in Cell-Free Massive MIMO Systems

In this paper we consider a cell-free massive multiple-input multiple-output (MIMO) system which is composed of a large number of access points (APs) and a much smaller number of users. Each AP obtains the channel estimate from the uplink pilot and apply maximum ratio transmission in the downlink communication. Under the assumptions that the channels between the APs and users are Rician fading and the number of users is larger than that of orthogonal pilots, we derive the closed-form expression for the downlink achievable rate. Then, in order to maximize the achievable rate, we propose pilot allocation and power control algorithms for cell-free massive MIMO. Simulation results show that the proposed algorithms can achieve good system performance.

     

Distributed Resource Allocation in Two‐Hierarchy Networks

In this paper, a new distributed resource allocation algorithm is proposed to alleviate the cross‐tier interference for orthogonal frequency division multiplexing access macrocell and femtocell overlay. Specifically, the resource allocation problem is modeled as a non‐cooperative game. Based on game theory, we propose an iterative algorithm between subchannel and power allocation called distributed resource allocation which requires no coordination among the two‐hierarchy networks. Finally, a macrocell link quality protection process is proposed to guarantee the macrocell UE's quality of service to avoid severe cross‐tier interference from femtocells. Simulation results show that the proposed algorithm can achieve remarkable performance gains as compared to the pure waterfilling algorithm.     

iPAS: A deep Monte Carlo Tree Search-based intelligent pilot-power allocation scheme for massive MIMO system

Massive Multiple-Input-Multiple-Output (MIMO) is a promising technology to meet the demand for the connection of massive devices and high data capacity for mobile networks in the next generation communication system. However, due to the massive connectivity of mobile devices, the pilot contamination problem will severely degrade the communication quality and spectrum efficiency of the massive MIMO system. We propose a deep Monte Carlo Tree Search (MCTS)-based intelligent Pilot-power Allocation Scheme (iPAS) to address this issue. The core of iPAS is a multi-task deep reinforcement learning algorithm that can automatically learn the radio environment and make decisions on the pilot sequence and power allocation to maximize the spectrum efficiency with self-play training. To accelerate the searching convergence, we introduce a Deep Neural Network (DNN) to predict the pilot sequence and power allocation actions. The DNN is trained in a self-supervised learning manner, where the training data is generated from the searching process of the MCTS algorithm. Numerical results show that our proposed iPAS achieves a better Cumulative Distribution Function (CDF) of the ergodic spectral efficiency compared with the previous suboptimal algorithms.     

OFDM中继系统中能效优化的资源联合分配算法

在协作正交频分复用系统中,合理的资源分配对于提高系统性能具有重要的意义。针对中继、子载波和功率的联合分配,对最大化系统能效为目标的分配算法进行研究,提出了一个最低容量限制下的最大能效次优化资源联合分配算法(JRAA,joint resource allocation algorithm)。该算法使用冲突图表示系统资源冲突关系,根据冲突图的最大独立集结果进行资源分配。经过仿真验证,该资源分配算法实现了中继一子载波和功率的联合分配,在能效性能方面优于现有的算法。     

Performance optimization of cell-free massive MIMO system with power control approach

The cell-free massive MIMO (multiple-input multiple-output) system involves a large number of access points serving a smaller number of mobile users (MUs) over identical time/ frequency resource. By providing large number of service antennas closer to the MUs, the cell-free massive MIMO can offer great spectral efficiency, better macro-diversity and minimal path loss. Despite several advantages, the cell-free massive MIMO suffers from energy overloading caused by uncontrolled backhaul power consumption for large number of distributed access points (APs) and pilot contamination during channel estimation. In this paper, we have taken into consideration a cell-free massive MIMO system with APs equipped with multiple antennas performing time-division-duplex (TDD) operation. Here, all the APs coordinate through a constrained backhaul network for joint transmission of signals to all the users simultaneously by multiplying the received signal with the normalized conjugate of the estimated channel state information (CSI) and send back a rounded off version of the weighted pattern to the central processing unit (CPU). Finally, an effective user defined algorithm is presented involving selection and grouping of various APs based on their individual contributions for a particular MU to improve the overall performance of the system.     

基于迟滞噪声混沌神经网络的导频分配

在多小区大规模多输入多输出(MIMO)系统中，导频污染已经成为制约整个系统的瓶颈。合理地使用导频资源能减轻导频污染的影响，为了寻找使边缘用户和容量最大的导频分配方式，该文首次提出了基于迟滞噪声混沌神经网络(HNCNN)的导频分配方案。迟滞噪声混沌神经网络作为良好的优化工具，其优化能力与所设计的能量函数相关。该方案结合导频资源使用的特点以及最大化边缘用户和容量的计算方式，设计了新的能量函数。仿真结果表明，网络能在一定迭代次数后收敛到较优的导频分配方式。与其它文献方案相比，采用以HNCNN为框架求取导频分配方式，可以更有效减轻导频污染的影响，使系统性能得到改善。