[发明专利]一种时分双工大规模MIMO系统中的传输功率和导频联合优化方案

权利要求书

1.一种时分双工大规模MIMO系统中的传输功率和导频联合优化方案，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的基站服务K个单天线用户；所有的基站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，并且从一个小区重用到另一个小区；s_k＝[s_k1,s_k2,…,s_kτ]是长度为的导频序列，其中满足和因此，在第t个时隙时，基站j(j＝1,…,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)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；仿真时

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,…,K的信道(1)中的信号被写为：

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；等于用户到目标基站的距离

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，是信道估计的结果，且的初始值为0；的初始值为是时间相关参数，取值为0.98或者0.96；

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个基站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

当t＝0时，的表达式为：

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

为了解决这个问题，引入松弛变量和连续凸逼近以进一步近似为和其中其中定义了四个函数，简化不等式，还定义了两个参数其仿真时可取值为

上式(9)主要是用来求解出导频功率和数据功率，基于上式，采用迭代的方式，求出导频功率和数据功率用于下面导频分配算法中；

B.数据功率固定的最佳导频功率

对于数据功率固定在(9)中的导频功率的优化基于拉格朗日函数给出如下：

其中

其中，系数还有双变量系数和

最优变量R_p^*,和满足和并且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(9)中的导频功率的优化拉格朗日函数给出如下：

其中

其中系数还有双变量系数和

最优变量R_ρ^*,和满足和并且使用基于梯度的递减步长来计算最优双变量；

步骤5、基于启发式的导频分配方案

根据启发式算法，用户m在小区j的表达式如下

根据的表达式，求出每个用户相对应的值，根据的大小进行排序，选出值最小的用户，并记录其在哪个小区，随后在该小区中随机选择一名用户与其交换导频，并根据式子(10)算出新的导频功率，重新计算的值与之前的相比较。