干扰网络中MU-MIMO天线选择算法研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:hfyou588
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多用户多输入多输出(Multi-User Multiple-Input Multiple-Output,MU-MIMO)技术能有效提高复用增益,显著提升系统吞吐量,是目前Wi-Fi系统的关键技术之一。随着无线业务需求的日益增加,采用单个AP(Access Point)进行部署已无法满足需求,越来越多的场景需要采用多AP部署来提高无线局域网覆盖范围和容量。然而多个AP同时运行势必会导致同频干扰的增加。天线选择能有效改善MUMIMO自身链路的信道质量,同时对干扰链路也具备一定的抗干扰能力,本文重点对干扰网络中MU-MIMO链路的天线选择算法进行研究。首先对干扰网络中MU-MIMO链路的天线选择进行了建模,并采用实际系统中常用的线性接收机分析了该场景下的系统容量。针对干扰网络MU-MIMO场景,推导了一种考虑AP间干扰的最小均方误差接收机,并与传统的迫零接收机进行了天线选择上下界性能对比。其次,考虑干扰噪声化(即不对干扰做处理)与主动干扰管理两种干扰处理方式,分别对两种场景下的天线选择进行了算法设计。对干扰噪声化处理而言,结合迫零接收机,设计了基于正交性与信干比的天线选择算法。另外为了实现性能与复杂度的折中,设计了与低复杂度干扰管理方式相结合的天线选择算法:一方面接收机有了实现隐式干扰迫零的可能,设计了基于零空间的反向贪心天线选择算法;另一方面,考虑对干扰进行显示的空间滤波,基于最小均方误差设计了MA-MMSE(Multi-AP Minimum Mean Square Error)贪心天线选择算法。通过对本文所提三种算法的仿真验证,可以证实这三种算法在相应场景下均能接近最优性能,且相较于随机选择有很大的性能提升;同时这三种算法均有良好的多AP可扩展性,在较低复杂度下能有效提升干扰网络中MU-MIMO系统性能。
其他文献
癌细胞转移是乳腺癌患者病情恶化的原因之一。肿瘤细胞上皮-间充质转化(epithelial-mesenchymal transition,EMT)是肿瘤转移的早期过程,受多因素影响、多途径调控。早期发现信号诱导增殖相关蛋白1(signal-induced proliferation-associated1,SIPA1)能促进Rap GTP水解为Rap GDP。近期研究发现SIPA1能够通过多种机制增
学位
未来无线网络将是多体制网络、多模态网络融合的复杂网络。不同通信设备在空间分布、服务能力和承载能力等方面存在极大的差异。传统的静态资源分配方式和数据流调度方式无法满足无线网络发展的需求。因此,如何使下一代无线网络具有环境智适应性,对数据流以及网络资源进行灵活地调度和分配成为值得研究的问题。首先,本文利用最优运输(Optimal Transport,OT)理论对数据收发设备间的映射进行数学抽象刻画。在
学位
心血管疾病已经成为我国居民死亡的首要原因,因此对心血管疾病患者来说,早发现、早治疗就显得至关重要。在心血管疾病的诊断方面,传统的心血管疾病诊断方式如心音听诊等具有非实时性、主观性、不可穿戴性等缺点,难以及时发现或提前预测心血管疾病的突然发作;在心血管疾病的治疗方面,植入式设备如心脏起搏器、植入式除颤器等植入设备使用电池供电,电池耗尽后需要二次手术更换,给患者带来额外负担。柔性电子技术的进步为可穿戴
学位
随着5G技术引领的万物智联时代到来,物联网中终端设备数量不断增加,网络边缘的待处理数据规模也急剧增长。传统云计算架构存在服务延迟高和开销大等问题。边缘计算通过在网络边缘部署小型服务器,在靠近终端设备的网络边缘进行数据处理,有效解决云计算存在的上述问题。联邦学习在隐私保护和分布式处理数据等方面有独特优势,能够在数据隐私不被泄露的前提下,联合多个边缘服务器分布式协同训练机器学习模型。现有研究大都关注如
学位
智能反射面(Intelligent Reflecting Surface,IRS)使得不可控的无线传输环境变得智能可控,给无线通信系统带来了全新的设计自由度。然而,现有IRS研究大都局限于窄带平坦衰落信道下的场景。超宽带IRS无线通信系统中的时延扩展会造成符号间干扰(Inter-Symbol Interference,ISI)问题,影响系统性能。时间反演(Time Reversal,TR)技术可通
学位
随着海量设备的不断接入以及无线网络服务需求的不断增长,流量数据在网络边缘中呈现爆发式增长。在边缘节点处理信息能力的提高以及人工智能(Artificial Intelligence,AI)的快速发展下,智能服务不断嵌入各种应用以及终端设备,边缘计算逐步发展为边缘智能。在边缘智能模式下,集中式的网络流量分析和管理架构在分类边缘计算网络中庞大而分散的流量数据上面临着巨大的挑战,如通信资源占用多、数据泄露
学位
车联网是智慧城市提供通信服务的重要补充。由于车联网的空时波动,稀缺路边单元有访问受限和切换频繁等问题。鉴于城市海量车辆,将车辆资源作为移动接入点具有巨大机会和价值,当前研究预留了可拓展空间,包括引入车载接入点时忽略了其社会移动性特征和容量受限问题,将其作为感知资源代替路边单元时未考虑隐藏节点,以及将其作为通信资源时未考虑容量界限。本文针对性地开展以下工作:(1)基于车辆行驶轨迹的车载多接入点选择方
学位
近年来,可重构智能超表面(Reconfigurable Intelligent Surface,RIS)的提出与发展给毫米波的覆盖问题带来了解决希望。然而,由于RIS具有大量的无源反射单元等特点,其信道估计非常具有挑战性;其潜力高的定位性能未得到充分发挥。所以,本文对RIS辅助毫米波通信系统的三维定位与信道估计进行研究,利用RIS的拓扑结构与毫米波信道稀疏性等提出了一种高性能的三维定位方法和一种高
学位
蜂窝车用无线通信技术(Cellular-Vehicle to Everything,C-V2X)是实现智慧交通和智能驾驶的关键推动力,其在使能一系列智能应用的同时也对信息新鲜度提出了高要求。近年提出的信息年龄(Age-of-Information,Ao I)是衡量信息新鲜度的一个重要指标,与数据流的传输间隔以及数据包的传输时延密切相关。相比于过去长期使用的数据包传输时延,信息年龄更关注在整个信息流
学位
近年来,网络边缘中数据量的爆发式增长以及各类实时性智能应用的涌现,给实时机器学习(Real-time Machine Learning)在网络系统中的应用提出了挑战。云计算架构,由于海量数据集中传输导致的网络时延以及数据隐私问题,逐渐无法满足用户需求。在上述趋势推动下,亟需将边缘服务器部署于靠近数据产生的地方,让数据直接在网络边缘得到处理,边缘计算应运而生。基于联邦学习(Federated Lea
学位