[发明专利]一种时分双工大规模MIMO系统的联合动态导频和数据功率分配方法

摘要

一种时分双工大规模MIMO系统的联合动态导频和数据功率分配方法属于时分双工大规模MIMO技术领域，以自适应地减轻导频污染并平衡相互干扰。由于导频之前即时信道状态信息的未知，我们利用时间相关信道的高斯‑马尔可夫过程，并使用卡尔曼滤波器不仅滤除导频污染，而且提供先验估计值。随后，导出速率的确定性近似作为先验信道估计和先验估计误差的函数，并且因此制定了实现最大‑最小化的速率最大化。为了解决在导频功率和数据功率以及用户之间耦合的这种优化，我们给出了由两个子问题组成的迭代交替率最优算法，这两个问题通过引入连续凸近似(SCA)方法和松弛变量。仿真数值结果证实了该方案提供的改进率。

主权项

1.一种时分双工大规模MIMO系统的联合动态导频和数据功率分配方法，其特征在于包括以下步骤：步骤1、大规模MIMO系统和信道模型考虑由L个小区组成的多蜂窝大规模MIMO系统，其中每个配备有大量天线N的基站(BS)服务K个单天线用户；所有的BS和用户应该完全同步并且操作具有通用频率重用的TDD协议，其中每个小区内的用户的上行链路导频是相互正交的并且从一个小区重用到另一个小区；s_k＝[s_k1,s_k2,L,s_kτ]是长度为t的导频序列，其中t>K，k＝1,L,K满足和k≠k′，因此，在第t个时隙时，基站j(j＝1,L,L)接收到的信号矩阵为可写为下式：其中，是第t个时隙小区l(l＝1,L,L)的用户k到基站j的信道；是用户k_l的发射功率，N₀是加性高斯白噪声向量，相互独立且服从分布；在导频之后，在数据传输期间在基站j处接收到的基带信号向量可以表示为：其中，是在第t个时隙，小区l中的用户k到基站l的第i个传输数据，发射功率是n₀是加性高斯白噪声向量，相互独立且服从分布；信道向量在本文中被认为是缓慢变化的，空间不相关的，并且是平坦的，其可以被模拟为具有时间相关参数的高斯马尔可夫过程：其中时间相关参数，是一个独立于的状态噪声向量，和的元素都是独立同分布的复高斯变量，服从分布；步骤2、基于卡尔曼滤波器的信道估计为了估计在小区j中的用户m,m＝1,L,K的信道(1)中的信号可以被写为：其中n′_0,t是服从分布的独立同分布变量组成的等效噪声，它直接表明，在信道估计阶段，不存在小区内干扰但是存在不可忽略的小区间导频污染；基于状态模型(3)和观测模型(4)，卡尔曼滤波器通过两个阶段跟踪信道：时间更新等式：观测更新等式：其中和分别是先验值和后验估计误差，估计误差的其协方差矩阵为相关，同时和分别是先验值和后验估计误差，误差的协方差矩阵相关；此外，是卡尔曼增益，是系统的状态转移矩阵，是信道估计的结果，且和的初始值为0；步骤3、可实现的上行数据速率对上行链路数据应用线性检测，其中第j个BS过在上行链路导频阶段计算接收向量和线性匹配滤波器之间的内积来检测用户m_j的信号其中是在上行链路训练阶段估计；因此，在时隙t中的遍历可实现的上行链路速率和相关联的可以被给出为[14]：通过公式(5)和(6)，根据占优收敛[18]和连续映射定理[19]给出的SINR的确定性近似可以推导出下面式子：和参数：去满足等式；随即可知，有确定性的近似率和取决于导频功率ρ_m,t和数据功率p_t；步骤4、联合动态导频功率和数据功率分配以达到最大化最小速率优化A.最大化最小速率优化其中是速率权重；由于当ρ_t和p_t都是可变时，优化P不是ρ_t和p_t的共同凹函数，，给出交替迭代优化算法，分别在给定和固定的迭代n中找到速率次最优ρ_tⁿ和其可以表示为：由于最优化Pρ和Pp仍然是NP难问题，使用[18]中提出的一些最近的连续凸近似来求解一般近似算法以收敛到局部最优解；让首先利用率函数的凹凸结构，重写的速率的近似值为：根据以上的近似处理，优化目标(12)可以改写为其中定义了参数φ_ρ@(ρ,R_p)和φ_p@(p,R_ρ)，并且添加了目标函数中具有参数τ_ρ,τ_p≥0的二次项以使其为凹函数，τ_ρ,τ_p的值很小，具体的值根据仿真结果而进行改动；然而，约束中的分量和仍然耦合在用户之间；为了解决这个问题，引入松弛变量和以进一步近似为(19)中的P_ρ″和P_p″，其中和B.数据功率固定的最佳导频功率对于数据功率固定在(19)中的导频功率的优化Pρ″，拉格朗日函数给出如下：其中其中，系数和还有双变量系数和λ₁和λ₂的值很小，具体的取值要根据仿真结果来进行调整，使系统达到最优；最优变量R_p^*,和满足和并且可以使用基于梯度的递减步长来计算最优双变量；C.导频功率固定的最佳数据功率和上小节类似，对于数据功率固定在(19)中的导频功率的优化Pp″，拉格朗日函数给出如下：其中其中系数和还有双变量系数和λ₃和λ₃的值很小，具体的取值要根据仿真结果来进行调整，使系统达到最优；最优变量和满足和并且可以使用基于梯度的递减步长来计算最优双变量。