557 浏览去蜂窝大规模MIMO系统功率分配方案研究
摘要：按照移动通信行业“使用一代、建设一代、研发一代”的发展节奏,业界预计2030年左右会商用第六代移动通信系统（Sixth Generation,6G）。与现在的移动通信系统相比,未来的6G将更加的灵活、智能、安全和可靠。其更大的传输速率和容量将满足更多的应用场景。目前6G移动通信系统还没有统一的标准,根据国内外的研究情况,可以预见去蜂窝（Cell-Free,CF）大规模MIMO有望成为6G标准技术之一。传统的蜂窝架构通过频率复用和小区划分来提高频谱资源利用率。然而,随着蜂窝小区面积的不断缩小,传统蜂窝架构的发展受限于区间干扰和频繁越区切换等问题,导致系统性能的提升遭遇瓶颈。为了解决这些瓶颈问题,CF网络架构打破了传统蜂窝网络小区架构的模式,不再划分网络小区或者将用户分配给某个基站,而是假设每一个接入点都会为一个区域内的所有用户提供服务,这成为人们关注的可行技术方案之一。为节约能耗、降低硬件成本和提升系统性能以契合绿色通信发展理念,本文主要研究CF大规模MIMO系统的功率优化分配问题。本文基于迫零（Zero-Forcing,ZF）接收机提出一种最大-最小速率功率分配算法;基于ZF接收机和低分辨率模数转换器（Analog-to-Digital Converters,ADC）提出一种量化策略;并基于量化策略提出一种总速率最大化算法。论文的具体贡献如下:目前在CF大规模MIMO系统中,上行链路的功率优化算法大多具有较高的时间复杂度,我们试图找到一种简单高效的功率优化算法。在系统配备ZF接收机的基础上,我们提出了一种上行链路最大-最小速率的功率优化模型。我们使用MATLAB对所提出的功率优化算法进行仿真实验并将其与最常见的全功率策略进行比较分析。仿真结果表明,我们所提出算法的5%中断速率要大于全功率算法的5%中断速率,并且该算法能提供较为均匀的容量覆盖和时间复杂度较低。此外,我们对所提出的算法进行了加权处理,以确保一些重要用户获得更好的服务质量（Quality of Service,Qo S）。然后,我们在CF大规模MIMO系统的上行链路中,基于低分辨率ADC和ZF接收机,对上行链路导频信号和用户信号进行量化,并推导出新的闭式速率表达式,用于研究该系统使用低分辨率ADC时的系统性能。我们根据此速率表达式进行仿真实验,来说明不同量化级别下该系统所能达到的性能。实验结果表明,在给定的条件下,6比特位ADCs能替代理想ADCs以降低硬件成本,此时的系统性能与无量化误差时的系统性能相当。最后,我们在推导出的速率表达式的基础上,提出一种总速率最大化算法。该算法的约束条件为每个用户的功率和Qo S。由于原始功率优化问题非凸,我们利用连续凸逼近（Sequential Convex Approximation,SCA）方法将其转化为迭代几何规划（Geometric Programming,GP）问题。我们将所提出的优化算法与全功率策略相比较,实验结果表明,该总速率最大化算法在不同的接入点数量、用户数量和天线数量的条件下都能有效提高CF大规模MIMO系统的总速率。
关键词：去蜂窝大规模MIMO系统;
文章目录
摘要
Abstract
符号与专用术语注释表
第一章 绪论
1.1 研究背景和研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 去蜂窝大规模MIMO系统中上行链路功率优化
1.2.2 去蜂窝大规模MIMO系统中下行链路功率优化
1.3 研究内容与成果
1.4 论文结构安排
第二章 去蜂窝大规模MIMO系统概述
2.1 MIMO系统发展过程
2.1.1 点到点MIMO
2.1.2 多用户MIMO
2.1.3 大规模MIMO
2.2 去蜂窝大规模MIMO系统
2.2.1 去蜂窝大规模MIMO系统架构
2.2.2 去蜂窝大规模MIMO系统基本模型
2.2.3 去蜂窝大规模MIMO系统特点
2.3 本章小结
第三章 最大-最小速率功率分配算法
3.1 引言
3.2 系统模型
3.2.1 导频分配与信道估计
3.2.2 上行链路负载传输
3.3 最大-最小速率功率分配算法
3.4 性能仿真与分析
3.4.1 仿真参数设置
3.4.2 仿真结果分析
3.5 本章小结
第四章 去蜂窝大规模MIMO量化策略与总速率最大化算法
4.1 引言
4.2 系统量化模型
4.2.1 量化导频分配与信道估计
4.2.2 上行链路量化负载传输
4.3 量化策略
4.4 总速率最大化算法
4.5 性能仿真与分析
4.5.1 仿真参数设置
4.5.2 仿真结果分析
4.6 本章小结
第五章 总结与展望
参考文献
[1]Downlink Spectral Efficiency of Cell-Free Massive MIMO Systems with Multi-antenna Users[J] . Trang C.,Hien Quoc Ngo,Trung Q. Duong. IEEE Transactions on Communications . 2020 (99)
[2]Downlink Pilot Precoding and Compressed Channel Feedback for FDD-Based Cell-Free Systems[J] . Kim Seungnyun,Choi Jun Won,Shim Byonghyo. IEEE Transactions on Wireless Communications . 2020
[3]Downlink Power Optimization for Cell-Free Massive MIMO Over Spatially Correlated Rayleigh Fading Channels[J] . Qiu Jiahua,Xu Kui,Xia Xiaochen,Shen Zhexian,Xie Wei. IEEE Access . 2020
[4]On the Performance of Cell-Free Massive MIMO With Mixed-ADC Under Rician Fading Channels[J] . Yao Zhang,Meng Zhou,Haotong Cao,Longxiang Yang,Hongbo Zhu. IEEE Communications Letters . 2020 (1)
[5]Cell-free massive MIMO: Zero forcing and conjugate beamforming receivers[J] . Yao Zhang,Haotong Cao,Meng Zhou,Longxiang Yang. Journal of Communications and Networks . 2019 (6)
[6]Downlink Training in Cell-Free Massive MIMO: A Blessing in Disguise[J] . Giovanni Interdonato,Hien Quoc Ngo,P?l Frenger,Erik G. Larsson. IEEE Transactions on Wireless Communications . 2019 (11)
[7]On the Uplink Max-Min SINR of Cell-Free Massive MIMO Systems.[J] . Manijeh Bashar,Kanapathippillai Cumanan,Alister G. Burr,Mérouane Debbah,Hien Quoc Ngo. IEEE Trans. Wireless Communications . 2019 (4)
[8]On the Uplink Throughput of Zero Forcing in Cell-Free Massive MIMO With Coarse Quantization.[J] . Dick Maryopi,Manijeh Bashar,Alister G. Burr. IEEE Trans. Vehicular Technology . 2019 (7)
[9]On the Performance of Cell-Free Massive MIMO With Low-Resolution ADCs.[J] . Yao Zhang,Meng Zhou,Xu Qiao,Haotong Cao,Longxiang Yang. IEEE Access . 2019
[10]Analysis of Analog and Digital MRC for Distributed and Centralized MU-MIMO Systems.[J] . Shuang Li 0012,Peter J. Smith,Pawel A. Dmochowski,Jingwei Yin. IEEE Trans. Vehicular Technology . 2019 (2)
