【技术实现步骤摘要】
本专利技术属于无线通信，涉及无蜂窝大规模mimo系统，具体涉及一种用于无蜂窝大规模mimo系统的高能效预编码传输方法。
技术介绍
1、随着各种智能设备和先进移动应用服务的持续迅速地增加，近年来无线网络正在遭受空前的数据传输压力。持续增加的数据传输量给容量有限的回传链路带来了巨大的压力。为了减轻接收终端的检测复杂度，通常在发射端采取预编码的策略，传统的预编码算法有集中式和分布式的，主要区别在于计算是否依赖全局信道状态信息。集中式的预编码算法能更好的消除用户间干扰，但是需要通过回传链路发送，进一步增大了压力；分布式的方案能仅使用每个节点和所关联用户的信道状态信息，在本地完成计算，代价却是性能的损失。
2、无蜂窝大规模mimo依靠分布式的节点，相比传统的集中式大规模mimo系统，能利用在环境中的大量小型天线进行数据传输和接收，实现了更好的空间分集和频谱效率。对其而言，节能是一个巨大挑战，如何在权衡好集中式或分布式预编码和能效之间的权衡，这涉及到对接入点ap的分配以及控制发射功率，而这两者一般是耦合在一起的。如果能在保持少量集中式预编码的方案下，同时针对离散ap分配和连续的功率控制进行优化，则可以在减小回传链路压力的同时实现整个网络的能效最大化。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，提供一种用于无蜂窝大规模mimo系统的智能的高能效预编码传输方法，可以在只采用少部分ap进行集中式预编码的情况下提高系统能效，并降低发射功率。
2、技术方案：为
3、s1：ap根据上行导频信号作最小均方误差信道估计，得到估计的信道状态信息向量，并将其回传至cpu；
4、s2：根据汇总得到的估计信道状态信息，cpu以系统能量效率最大化为目标，对ap进行分组，采用两种预编码的策略并进行功率控制；
5、s3：ap在cpu控制下进行下行数据传输，并计算用户端的信干噪比和频谱效率；
6、s4：用户将信干噪比反馈至ap，cpu利用强化学习构建神经网络并联合进行ap分组和功率控制的优化，将更新后的策略反馈给ap。
7、进一步地，所述步骤s1具体包括：
8、a1：用户同步地将导频信号发送给ap，上行信道由ap采用最小均方误差估计方法估计得到；假设不同用户导频相互正交，则估计信道向量元素的方差表示为：
9、
10、其中，γmk表示估计信道向量元素的方差，表示第m个ap与第k个用户之间的估计信道系数，βmk表示第m个ap与第k个用户之间的大尺度衰落因子，表示第k个用户的导频序列，ρp表示规格化的上行发射功率；
11、a2：ap通过回程链路将本地估计的信道状态信息上传至cpu，进而cpu获取系统全局信道状态信息。
12、进一步地，所述步骤s2具体为：cpu将上一轮的能效优化策略的更新结果，即各ap选择和两种预编码的功率系数，通过前传链路发送给相应的ap，ap在收到这些信息后准备进行相应的预编码计算；若本轮为首轮优化，则cpu采用等功率分配策略，并且让序号前一半的ap全部进行迫零预编码，而后一半进行共轭波束赋形。
13、进一步地，所述步骤s3具体包括：
14、b1：cpu在联合采用两种预编码，即在cpu处使用迫零预编码，ap本地执行共轭波束赋形，将预编码计算主要放置在cpu而降低回传链路负担，ap收到两种预编码系数后向用户发送下行信号，表示为：
15、
16、其中yd,k表示第k个用户的接收信号，ρd表示ap的最大发射功率，m表示系统中ap总数，gmk表示第m个ap和第k个用户之间的信道，fmk表示第m个ap和第k个用户之间的预编码系数，sk表示发送给第k个用户的数据符号，wd,k表示满足复高斯分布的白噪声；
17、b2：第k个用户利用统计信道信息，使用信道硬化特性计算信干噪比，表示为：
18、
19、其中，sinrk表示第k个用户的信干噪比，uik可以看作向量u[i,:]的第k个元素，而
20、
21、b3：第k个用户根据其接收信号计算频谱效率，表示为：
22、
23、其中，sek表示第k个用户的频谱效率，τc和τp分别表示相干块和用于上行导频传输的部分。
24、进一步地，所述步骤b1中采用两种预编码时具体的分组以及预编码方式为：
25、
26、其中，i和j分别表示采用迫零和共轭波束赋形的ap集合，λk和ηmk分别表示第m个ap和第k个用户相关的功率控制系数，表示估计信道的共轭，bmk表示波束赋形矩阵的(m,k)元素，其中表示由信道估计参数构成的信道矩阵的所有属于集合i构成的行。
27、进一步地，所述步骤s4具体包括：
28、c1：cpu根据收到的频谱效率构建能量效率；
29、c2：cpu将能量效率优化问题进行建模；
30、c3：cpu将步骤c2的问题转换为强化学习问题；
31、c4：cpu利用获取的信息定义强化学习所需要的主要环境元素，包括状态定义和动作定义，动作被定义为ap选择和功率控制对应的一组参数；构建混合动作空间，确定动作参数；
32、c5：cpu将更新的动作参数转化为对应的混合动作，即ap选择和功率控制系数；
33、c6：针对在一定和速率约束下的能效最大化问题，智能体采取动作奖励的方式参与策略网络的训练，训练获得最优策略网络；
34、c7：将当前状态输入最优策略网络，得到的混合动作参数通过步骤c5的方法对应到功率控制系数以及ap选择的编号，然后反馈给ap。
35、进一步地，所述步骤c1中能量效率的表达为：
36、
37、其中，b表示传输带宽，n0表示接收机处的噪声，ε表示功率放大器的效率，pm表示发射信号的功耗，pfix表示与传输无关的固定功耗，pfh,m表示与速率有关的回传功耗；
38、所述步骤c2中能量效率优化问题建模为：
39、
40、其中，表示用户的和速率要求，约束(b)和(c)表示两种预编码算法都不能超过发射功率限制。
41、进一步地，所述步骤c4中状态定义为：
42、st＝[sinr1,...,sinrk]，
43、其中，st是t时刻所处的状态，智能体每次和环境交互都会更新功率控制和ap选择带入信干噪比的表达式来更新这个状态；
44、确定动作参数为：
45、
46、其中，at是actor实际输出的参数，其中wm代表集合j的大小；cpu采取的混合动作需将其对应为ap选择和功率控制的参数。
47、进一步地，所述步骤c5中具体的对应关系为：
48、
49、本文档来自技高网...
【技术保护点】
1.一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤S2具体为：CPU将上一轮的能效优化策略的更新结果，即各AP选择和两种预编码的功率系数，通过前传链路发送给相应的AP，AP在收到这些信息后准备进行相应的预编码计算；若本轮为首轮优化，则CPU采用等功率分配策略，并且让序号前一半的AP全部进行迫零预编码，而后一半进行共轭波束赋形。
4.根据权利要求1所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤S3具体包括：
5.根据权利要求4所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤B1中采用两种预编码时具体的分组以及预编码方式为：
6.根据权利要求4所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其
7.根据权利要求6所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤C1中能量效率的表达为：
8.根据权利要求6所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤C4中状态定义为：
9.根据权利要求6所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤C5中具体的对应关系为：
10.根据权利要求6所述的一种用于无蜂窝大规模MIMO系统的高能效预编码传输方法，其特征在于，所述步骤C6中动作奖励为：
...【技术特征摘要】
1.一种用于无蜂窝大规模mimo系统的高能效预编码传输方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的高能效预编码传输方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的高能效预编码传输方法，其特征在于，所述步骤s2具体为：cpu将上一轮的能效优化策略的更新结果，即各ap选择和两种预编码的功率系数，通过前传链路发送给相应的ap，ap在收到这些信息后准备进行相应的预编码计算；若本轮为首轮优化，则cpu采用等功率分配策略，并且让序号前一半的ap全部进行迫零预编码，而后一半进行共轭波束赋形。
4.根据权利要求1所述的一种用于无蜂窝大规模mimo系统的高能效预编码传输方法，其特征在于，所述步骤s3具体包括：
5.根据权利要求4所述的一种用于无蜂...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。