朱 燕

(諾基亞通信技術(shù)(北京)有限公司，浙江 杭州 310053)

Massive MIMO系統(tǒng)中上行功率控制算法研究

朱 燕

(諾基亞通信技術(shù)(北京)有限公司，浙江 杭州 310053)

Massive MIMO技術(shù)解決了傳統(tǒng)通信系統(tǒng)中的諸多問題，但該技術(shù)并不能解決導(dǎo)頻污染問題，嚴(yán)重影響了系統(tǒng)的性能。為減小導(dǎo)頻污染，文中提出了一種上行信號功率的控制算法。在滿足用戶的SINR和功率限制的前提下，該算法采用迭代求解的方法，依次優(yōu)化了導(dǎo)頻信號和數(shù)據(jù)信號的功率，降低了基站的總發(fā)射功率，從而提高整個通信系統(tǒng)的能量效率。

Massive MIMO；功率控制；導(dǎo)頻污染

Massive MIMO技術(shù)是一種在基站端使用數(shù)目龐大的天線、用戶端使用單天線的通信技術(shù)。該技術(shù)解決了通信系統(tǒng)的白噪聲和不相干小區(qū)間的干擾問題，通過增加大量的天線，加強(qiáng)了發(fā)送信號的功率，大幅提高了傳輸信干比(SIR)和頻譜利用率。然而，在實(shí)際應(yīng)用中，Massive MIMO技術(shù)仍未解決導(dǎo)頻污染問題[1]。導(dǎo)頻污染產(chǎn)生的主要原因是相同的導(dǎo)頻序列被分配給相鄰小區(qū)的不同用戶，這直接影響了上行導(dǎo)頻信號的信道估計(jì)結(jié)果，從而導(dǎo)致整個通信系統(tǒng)性能下降[6]。

針對這一問題，國內(nèi)外學(xué)者進(jìn)行了大量的研究[9]，提出了若干種方法來處理導(dǎo)頻污染問題，總結(jié)這些方法約有以下幾種：(1)優(yōu)化導(dǎo)頻序列分布，即使用高頻率復(fù)用因子或者動態(tài)分配導(dǎo)頻序列，該方法會消耗過多的資源；(2)使用網(wǎng)絡(luò)聯(lián)合預(yù)編碼算法，該方法需要接受小區(qū)間的信道衰落信息，仍需進(jìn)一步研究；(3)使用盲估計(jì)技術(shù)，該技術(shù)在資源與性能上能夠達(dá)到較好的折中；(4)使用提高能量效率的方法，即通過高效優(yōu)化發(fā)射信號的功率控制來避免導(dǎo)頻污染，該技術(shù)在解決導(dǎo)頻污染問題的前提下，能有效降低基站端的能耗成本。同時，提高了用戶端的使用壽命。不同于以往的研究，針對導(dǎo)頻污染引起的信道估計(jì)誤差問題，文中提出了一種優(yōu)化導(dǎo)頻信號和數(shù)據(jù)信號的功率控制算法，通過優(yōu)化每個用戶的導(dǎo)頻信號和數(shù)據(jù)信號的功率，在不降低信噪比與功率的同時，降低了信號的發(fā)射功率，并大幅提高了系統(tǒng)的能量效率。

1 系統(tǒng)模型

Massive MIMO系統(tǒng)是時分雙工的傳輸技術(shù)，所以小區(qū)的用戶可以在一個時頻上和基站通信。假定一個具有若干小區(qū)的Massive MIMO系統(tǒng)，令系統(tǒng)中有L個小區(qū)，每個小區(qū)存在K個用戶，基站端有M個天線。用Gij表示小區(qū)i和小區(qū)j通信的信道，則

(1)

其中，Hij是小區(qū)i和小區(qū)j的小尺度衰落信道，Dij是小區(qū)i和小區(qū)j用戶的大尺度衰落。在實(shí)際情況中，用戶的上行信號功率一般均是不同的，令Pr,i表示用戶的發(fā)送信號功率矩陣，xi和ni分別表示用戶的上行數(shù)據(jù)與信道中的高斯白噪聲，則小區(qū)i的用戶接收信號為

(2)

2 信道估計(jì)

與小區(qū)內(nèi)的用戶接受信號類似，令Yp,l為基站接收的導(dǎo)頻信號；Pp,i表示導(dǎo)頻信號的功率矩陣；Φ表示歸一化的導(dǎo)頻信號矩陣；Nl表示高斯白噪聲的矩陣，則基站端接收的導(dǎo)頻信號為

(3)

因所有元素均是相互獨(dú)立的復(fù)高斯隨機(jī)變量，所以可以用MMSE方法估計(jì)接收信號，得到下列估計(jì)信道

(4)

假設(shè)只對所在小區(qū)做信道估計(jì)，經(jīng)過一系列推導(dǎo)，小區(qū)l接收信號的數(shù)學(xué)表達(dá)式為

(5)

(6)

用戶k接收到的信號為

(7)

(8)

(9)

3 上行功率控制算法

在滿足用戶的最低SINR限制和最大功率限制的前提下，為了優(yōu)化用戶的上行發(fā)射功率，提升通信性能，本文基于導(dǎo)頻信號和數(shù)據(jù)信號的功率不相等假設(shè)，提出了優(yōu)化上行信號功率的算法。

首先，導(dǎo)頻信號和數(shù)據(jù)信號的功率向量被分別定義為

pr=[pr,11,…,pr,1k,…,pr,L1,…,pr,LK]T

(10)

pp=[pp,11,…,pp,1k,…,pp,L1,…,pp,LK]T

(11)

令θ0表示用戶的上行最低SINR，p0表示用戶端允許的最大功率值，則本文研究的功率控制優(yōu)化問題的模型可簡要敘述為

(12)

pp,lk+pr,lk≤p0

(13)

(14)

由上一部分的信道估計(jì)結(jié)果，上式可以重新寫為

pr≥fr(pr)

(15)

fr(pr)=BCpr+B

(16)

因?yàn)锽和C的向量均是正值，且pr>0，所以fr(pr)是單調(diào)遞增的。而因?yàn)镸assive MIMO的天線數(shù)量較大，故在求解Pr時只能通過迭代來求解，令n是迭代次數(shù)，則利用下式即可迭代出近似最優(yōu)解

pr(n+1)=rr(pr(n))

(17)

與上述計(jì)算過程類似，當(dāng)數(shù)據(jù)信號的功率值被確定時，通過下式也可迭代出導(dǎo)頻信號的功率值

pp(n+1)=fr(pp(n))

(18)

另外，迭代過程中的收斂因子ηr和ηp分別被定義為

(19)

(20)

使用上面這些定義和計(jì)算過程，本文提出的算法步驟如下：

步驟5確定導(dǎo)頻信號的功率值，并計(jì)算數(shù)據(jù)信號功率值的內(nèi)部循環(huán)，若ηr≥η，則ηr=ηr+1，pr(nr)=fr(pr(nr-1))，同時更新ηp并回到步驟5；

4 算法仿真結(jié)果與分析

為驗(yàn)證算法的可行性，本文在軟件上建立了一個Massive MIMO系統(tǒng)的模型，該系統(tǒng)具有3個小區(qū)，基站位于小區(qū)的中心點(diǎn)上，每個小區(qū)的半徑是500 m，小區(qū)內(nèi)的用戶數(shù)隨機(jī)生成，同時設(shè)定用戶和基站的距離d≥50 m。小區(qū)內(nèi)的大尺度衰落βk=zk/(dk/dmin)λ，上式中λ刻畫了大尺度衰落的指數(shù)參數(shù)。本文中，λ=3，zk表示了用戶和基站之間的陰影衰落，這是高斯隨機(jī)變量，均值為0，方差為σ=8 dB，dk表示了用戶到基站的距離。按照這些設(shè)定進(jìn)行仿真，可以得到信號功率在不同天線個數(shù)和目標(biāo)SINR設(shè)定下的結(jié)果。

圖2 不同天線個數(shù)和目標(biāo)SINR時的數(shù)據(jù)信號功率值

圖3 不同天線個數(shù)和目標(biāo)SINR時的信號功率總和

由圖1和圖2可知，若目標(biāo)SINR增大，導(dǎo)頻信號和數(shù)據(jù)信號功率也會逐漸增大；在目標(biāo)SINR相等時，導(dǎo)頻信號功率大于數(shù)據(jù)信號功率；天線個數(shù)增加時，信號的功率均會降低。由此表明，導(dǎo)頻信號功率和系統(tǒng)的性能是正相關(guān)的，同時天線數(shù)與算法性能也是正相關(guān)的。由圖3可知，信號的功率和初始分配功率相比降低較多，這說明本文的算法可以大幅降低信號的功率，提升系統(tǒng)的性能。

5 結(jié)束語

針對Massive MIMO系統(tǒng)中的導(dǎo)頻污染問題，文中提出了一種上行信號功率的優(yōu)化算法。該算法在功率降低的情況下，通過迭代分別優(yōu)化導(dǎo)頻信號功率和數(shù)據(jù)信號功率，從而逼近上行信號的最優(yōu)功率分配。同時，降低了用戶上行信號的總功率，提高了Massive MIMO系統(tǒng)的整體性能。

[1] 程彬,胡艷軍.大規(guī)模MIMO蜂窩網(wǎng)絡(luò)中導(dǎo)頻功率控制的改進(jìn)方法[J].安徽大學(xué)學(xué)報(bào):自然科學(xué)版,2017,41(1):73-78.

[2] 趙東來.MASSIVE MIMO系統(tǒng)中上行信道估計(jì)算法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2016.

[3] 江愛珍,曾桂根.Massive MIMO上行系統(tǒng)能效資源分配算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(10):200-204.

[4] 蔣益鋒,沈琳,胡琳娜.基于LTE系統(tǒng)的上行功率控制方法研究[J].江蘇理工學(xué)院學(xué)報(bào),2014(6):46-50.

[5] 于曉靚.LTe-A中繼系統(tǒng)中上行調(diào)度算法研究[D].北京:北京郵電大學(xué),2014.

[6] 劉允.多小區(qū)MIMO系統(tǒng)中干擾對齊算法分析[J].電子科技,2015,28(8):77-80.

[7] 郭鳴霄,徐鵬飛,王瑞山.MIMO系統(tǒng)的信號檢測算法分析[J].電子科技,2016,29(3):65-67.

[8] 劉健.多點(diǎn)協(xié)作系統(tǒng)中用戶配對選擇和功率控制算法研究及LTE鏈路級仿真平臺搭建[D].北京:北京郵電大學(xué),2014.

[9] 黎海濤,呂海坤,袁海英,等.WiMAX上行功率控制中分集合并研究[J].電子科技大學(xué)學(xué)報(bào),2014(3):369-374.

[10] 盛洪寧.LTE上行信道估計(jì)技術(shù)研究[J].電子科技,2011,24(6):7-10.

[11] 孫彥良.面向下一代無線通信系統(tǒng)的多天線信道建模和仿真技術(shù)研究[D].北京:北京郵電大學(xué),2015.

[12] 周志超,肖揚(yáng),王東.Massive MIMO多小區(qū)系統(tǒng)中導(dǎo)頻污染減輕方法[J].系統(tǒng)工程與電子技術(shù),2016,38(2):434-441.

[13] 張偉.Massive MIMO預(yù)編碼技術(shù)研究與性能評估[D].北京:北京交通大學(xué),2016.

[14] 王連友.應(yīng)用于LTE上行鏈路的D-MMSE-FE均衡算法[J].電子科技,2015,28(8):63-66.

[15] 張菲.LTE上行功率控制技術(shù)研究[D].北京:北京郵電大學(xué),2014.

Research and Simulation of Uplink Power Control Algorithm in Massive MIMO System

ZHU Yan

(Nokia Communication Technology (Beijing) Co., Ltd.,Hangzhou 310053,China)

Massive MIMO technology has solved many important problems in traditional communication system, but this technology can not solve pilot pollution problems, and seriously affect the performance of the system. In order to reduce pilot pollution, a control algorithm of uplink signal power is proposed in this paper. In order to meet the demand of the user’s SINR and power constraints, the algorithm uses an iterative method, in order to optimize the power of the pilot signal and the data signal, reduces the total transmit power of the base station, so as to improve the energy efficiency of the whole communication system finally.

Massive MIMO;power control;pilot pollution

2017- 06- 01

朱燕(1980-)，女，碩士。研究方向：通信技術(shù)。

10.16180/j.cnki.issn1007-7820.2017.12.023

TN921

A

1007-7820(2017)12-086-04