李寧 周小平 王家南 李莉 馮湘云

摘要： 提出了一種基于大規(guī)模多輸入多輸出濾波器組多載波 （MIMOFBMC）系統(tǒng)下行鏈路的用戶聚類算法.在用戶組數(shù)量和用戶數(shù)量隨機(jī)的環(huán)境下，該算法將用戶和用戶之間信道向量的相關(guān)系數(shù)自適應(yīng)地表示為無向干擾圖，邊的權(quán)重表示為相鄰用戶之間信道向量干擾強(qiáng)度，然后根據(jù)每個圖的權(quán)重值之和與閾值比較進(jìn)行分簇，仿真結(jié)果表明，在基站（BS）天線數(shù)量不同的情況下，該算法性能優(yōu)于傳統(tǒng)的用戶分組方法，并降低了算法復(fù)雜度，提高了系統(tǒng)總和速率.

關(guān)鍵詞：

多輸入多輸出濾波器組多載波； 無向干擾圖； 空間相關(guān)性； 用戶分簇

中圖分類號： TN 929.5文獻(xiàn)標(biāo)志碼： A文章編號： 10005137（2018）02020905

User clustering in downlink of massive MIMOFBMC system

based on undirected interference graph

Li Ning， Zhou Xiaoping*， Wang Jianan， Li Li， Feng Xiangyun

（The College of Information，Mechanical and Electrical Engineering，Shanghai Normal University，Shanghai 200234，China）

Abstract：

A user clustering algorithm based on the downlink of largescale MIMOFBMC system is proposed.When the number of user groups and the number of users are random，the algorithm adaptively represents the correlation coefficient of the channel vector between users and users as an undirected interference graph，and the weights of edges are expressed as channel vector interference intensity between adjacent users.Then clustering is performed based on the sum of the weights of each graph and the threshold.Finally，the simulation results show that the performance of this algorithm is better than the traditional user grouping method under different number of base station antennas，which reduces the complexity of the algorithm and increases total rate of the system.

Key words：

MIMOFBMC； undirected graph； spatial correlation； user clustering

收稿日期： 20171218

基金項(xiàng)目： 上海市自然科學(xué)基金項(xiàng)目（16ZR1424500）

作者簡介： 李寧（1994-），女，碩士研究生，主要從事無線通信方面的研究.Email：1134313265@qq.com

導(dǎo)師簡介： 周小平（1981-），男，博士，副教授，主要從事寬帶無線通信、新一代移動通信和物聯(lián)網(wǎng)技術(shù)方面的研究.Email：zxpshnu@163.com

*通信作者

引用格式： 李寧，周小平，王家南，等.基于無向干擾圖的大規(guī)模多輸入多輸出濾波器組多載波系統(tǒng)下行鏈路用戶聚類 [J].上海師范大學(xué)學(xué)報（自然科學(xué)版），2018，47（2）：209-213.

Citation format： Li N，Zhou X P，Wang J N，et al.User clustering in downlink of massive MIMOFBMC system based on undirected interference graph [J].Journal of Shanghai Normal University （Natural Sciences），2018，47（2）：209-213.

由于智能終端的迅速普及，導(dǎo)致無線數(shù)據(jù)業(yè)務(wù)需求的爆炸式增長，無線接入網(wǎng)絡(luò)暴露出頻譜資源短缺以及頻譜效率亟待提升等嚴(yán)重問題.大規(guī)模多輸入多輸出（MIMO）作為未來5G關(guān)鍵技術(shù)之一，可有效地提升數(shù)據(jù)速率和鏈路可靠性[1-2].一方面大規(guī)模MIMO系統(tǒng)在滿足更高數(shù)據(jù)吞吐量需求的同時，能夠有效地改善下一代多用戶無線通信系統(tǒng)的服務(wù)質(zhì)量[3].另一方面，大規(guī)模MIMO系統(tǒng)的優(yōu)勢大多只能在特定的傳播條件下實(shí)現(xiàn)，其中不同用戶的信道矢量被假定為空間不相關(guān)，并隨著基站（BS）天線數(shù)目的增加而成對正交[4].在實(shí)際應(yīng)用中，由于用戶之間的空間相關(guān)性阻礙了兩個或兩個以上用戶在空間上的分離，降低了系統(tǒng)性能.由此，用戶分組成為研究大規(guī)模多輸入多輸出濾波器組多載波 （MIMOFBMC）系統(tǒng)性能的重要方法之一[5-6].

文獻(xiàn)[7]研究了一種應(yīng)用于多用戶大規(guī)模MIMO非正交多址系統(tǒng)下行鏈路的用戶聚類算法，但該算法選擇用戶簇的簇頭跟BS的距離有關(guān).文獻(xiàn)[8]研究了分層用戶分組算法，但該算法所有用戶聚成一個組或者達(dá)到所需的組數(shù)時才會終止.文獻(xiàn)[9]研究一種基于頻分雙工（FDD）大規(guī)模MIMO系統(tǒng)下行鏈路用戶分組的Kmeans聚類算法，但在用戶數(shù)量不定情況下，該算法不具有自適應(yīng)性.在文獻(xiàn)[9]的基礎(chǔ)上文獻(xiàn)[10]提出了一種基于圖論的模式劃分方案，但該方案在用戶已經(jīng)分成若干用戶組的情況下，只適用于FDD大規(guī)模MIMO系統(tǒng)下行鏈路.針對用戶組數(shù)量和用戶數(shù)量隨機(jī)的環(huán)境，本文作者所提算法采用自適應(yīng)性方案，該算法在接收端可以實(shí)現(xiàn)最優(yōu)的用戶分組，有效地減少迭代復(fù)雜度，提高系統(tǒng)性能.

1系統(tǒng)模型

在如圖1所示的單個小區(qū)的大規(guī)模MIMOFBMC系統(tǒng)的下行鏈路系統(tǒng)模型中，BS端配備有M1個均勻線性天線陣列，且同時服務(wù)K個配備有N根天線用戶，其中M≥K1.假設(shè)在該系統(tǒng)下行鏈路預(yù)編碼中使用共軛波束成形，并且在BS處可獲得完美信道狀態(tài)信息（CSI）.

假設(shè)BS對第i個單天線用戶發(fā)送數(shù)據(jù)時，該用戶受到來自其他用戶的干擾，則用戶i的接收信號可表示為

其中PR，i表示BS對用戶i分配的功率，hi表示第i個單天線用戶的信道矩陣，vi表示預(yù)編碼矩陣的第i列向量，si是發(fā)送給第i個用戶的數(shù)據(jù)符號，且E{si2}=1，zi表示服從一個獨(dú)立同分布的加性高斯白噪聲（AWGN），即zi～CN（0，δ2）.

由式（1）可知，該系統(tǒng)中用戶i接收到的信號的瞬時信干噪比（SINR）

2算法簡述

2.1信道模型

該系統(tǒng)采用半相關(guān)非視距（NLOS）瑞利平坦衰落信道，其中假設(shè)衰落在發(fā)射機(jī)端是相關(guān)的，但在接收機(jī)端是不相關(guān)的.假設(shè)在粗糙表面的任何一點(diǎn)都以一定的概率向任意給定的方向散射入射能量.故該系統(tǒng)中用戶i的信道矩陣hi可表示為

為求最優(yōu)的用戶分組，達(dá)到最大的系統(tǒng)和速率，提出的迭代用戶分組算法具體步驟如下：

1） 首先根據(jù)（10）式找到系統(tǒng)中所有用戶之間的相關(guān)系數(shù)γmn，sti，j，K個用戶之間存在K（K-1）2個相關(guān)系數(shù)；

2） 從無向干擾圖中任取一個用戶節(jié)點(diǎn)成為一個用戶簇，再選取能夠使簇內(nèi)各邊權(quán)重值之和最大的用戶節(jié)點(diǎn)加入用戶簇；

3） 如果任意再加入一個用戶節(jié)點(diǎn)，整個簇內(nèi)的權(quán)重值之和都大于閾值E，即∑i，j∈KJmρi，j>E.則將該用戶簇分離，其中E根據(jù)算法需要進(jìn)行取值，以最大化系統(tǒng)總和速率；

4） 重復(fù)第二步和第三步，繼續(xù)尋找其他的用戶簇，直到所有用戶分組完成.

如果算法沒有發(fā)現(xiàn)大于E的相關(guān)系數(shù)，則不對用戶進(jìn)行分組，并且所有的用戶將被同時服務(wù).

3仿真結(jié)果和分析

在本節(jié)中，對所提出的用戶分組的算法進(jìn)行了仿真驗(yàn)證.具體場景中包含一個BS，用戶數(shù)K=100，帶寬B=10 MHz，噪聲功率σn=-162 dBm/Hz，發(fā)射功率Pt=30 dBm.假設(shè)位于小區(qū)中心的BS周圍用戶分布服從隨機(jī)獨(dú)立同分布，并且在BS處天線使用均勻線性陣列（ULA），并且在相鄰天線之間具有等距間隔dt=0.5λ.其中λ=c/f，為載波波長，c=3.0×108 m/s，為真空中電磁波的速度，載波頻率f為2 GHz.由于分簇的閾值是根據(jù)系統(tǒng)BS天線數(shù)、用戶數(shù)量以及發(fā)射功率決定的.BS天線數(shù)越大，系統(tǒng)總和速率也越大.取閾值E為630 dB.如圖2所示，系統(tǒng)模型相同的情況下，通過與參考文獻(xiàn)[7]、[8]和[9]算法比較，可以看出本算法使得系統(tǒng)的總和速率更高，系統(tǒng)性能更好.

4結(jié)論

本文作者分析了空間相關(guān)性對大規(guī)模MIMOFBMC系統(tǒng)性能的影響.為了提高系統(tǒng)性能，提出了一種基于圖的大規(guī)模MIMOFBMC下行鏈路系統(tǒng)的用戶聚類算法，來處理用戶之間的高度相關(guān)性.當(dāng)用戶間的相關(guān)性較高時，該算法提供動態(tài)用戶分組方案，降低用戶間的干擾，最大限度地提高系統(tǒng)總和速率.最后利用仿真實(shí)驗(yàn)驗(yàn)證所提算法在相同帶寬需求下相較于采用傳統(tǒng)的用戶分組和其他現(xiàn)有的用戶分組算法，能降低用戶之間的干擾，提高整個系統(tǒng)總和速率.但本方案是針對單個小區(qū)的系統(tǒng)模型下進(jìn)行仿真分析，在多小區(qū)系統(tǒng)可能存在額外的小區(qū)間干擾，會影響大規(guī)模MIMOFBMC系統(tǒng)的性能.關(guān)于多小區(qū)大規(guī)模MIMOFBMC系統(tǒng)的詳細(xì)調(diào)查將在未來工作中進(jìn)一步的完善和優(yōu)化.

參考文獻(xiàn)：

[1]Huh H，Caire G，Papadopoulos H C，et al.Achieving ″Massive MIMO″ spectral efficiency with a notsolarge Number of Antennas [J].IEEE Transactions on Wireless Communications，2012，11（9）：3226-3239.

[2]Rusek F，Persson D，Lau B K，et al.Scaling up MIMO：opportunities and challenges with very large arrays [J].IEEE Signal Processing Magazine，2013，30（1）：40-60.

[3]Ngo H Q，Larsson E G，Marzetta T L.Energy and spectral efficiency of very large multiuser MIMO systems [J].IEEE Transactions on Communications，2013，61（4）：1436-1449.

[4]Larsson E G，Edfors O，Tufvesson F，et al.Massive MIMO for next generation wireless systems [J].IEEE Communications Magazine，2014，52（2）：186-195.

[5]Gao X，Tufvesson F，Edfors O，et al.Measured propagation characteristics for verylarge MIMO at 2.6 GHz [C].Proceedings of 2012 Conference Record of the Forty Sixth Asilomar Conference on Signals，Systems and Computers，Pacific Grove：IEEE，2012，11：295-299.

[6]Barboza F M M，Garcia J S，Equigua L S，et al.Userscheduling algorithms in multiuser massive MIMO systems towards 5G [J].IEEE Latin America Transactions，2015，13（12）：3781-3787.

[7]Ali S，Hossain E，Kim D I.Nonorthogonal multiple access （NOMA） for downlink multiuser MIMO systems：user clustering，beamforming，and power allocation [J].IEEE Access，2016，5：565-577.

[8]Xu Y，Yue G S，Mao S W.User grouping for massive MIMO in FDD systems：new design methods and analysis [J].IEEE Access，2014，2：947-959.

[9]Nam J，Adhikary A，Ahn J Y，et al.Joint spatial division and multiplexing：opportunistic beamforming，user grouping and simplified downlink scheduling [J].IEEE Journal of Selected Topics in Signal Processing，2014，8（5）：876-890.

[10]Ma J P，Zhang S，Li H Y，et al.Pattern division for massive MIMO networks with twostage precoding [J].IEEE Communications Letters，2017，21（7）：1665-1668.

（責(zé)任編輯：包震宇，郁慧）