论文部分内容阅读
第五代移动通信技术(the 5 th Generation Communication Technology,5G)将于2020年前后开始商用,相比于第四代移动通信技术(the4th Generation Communica-tion Technology,4G),5G 网络的容量需求将有 1000 倍的增长。超密集组网(Ultra Dense Networks,UDNs)通过在区域内放置更多的微基站(SmallBase Station,SBS)换取网络性能的提升,是一种能够提供巨大容量增益的十分可靠的技术。但是,超密集组网使SBS之间的距离更近,随之带来的SBS之间干扰问题越发明显。在超密集组网场景中,由于SBS之间的距离较近,因此SBS和用户构成的通信链路的信道状态信息(Channel State Information,CSI)易于汇总到控制端,再由控制端控制SBS进行数据的发送,达到SBS之间协作的目的。由于协作的SBS的天线之间的距离远远大于天线的相关距离(Coherence Distance),因此协作的SBS可以构成一个分布式的多输人多输出(Multiple-Input Multiple-Output,MIMO)系统,协作的SBS所服务的用户可以通过波束成型(Beamforming,BF)的方法将用户的接收信号向量在空域上相互正交,达到干扰消除的目的。首先,本文对基于格的基站部署方法进行了研究,包括环形的基站部署方法和方格点的基站部署方法。对上述两种基站部署方法的拓扑结构进行了介绍,并对性能进行了分析。对于环形的基站部署方法,讨论了环的半径R和基站的个数N对整个网络的性能的影响。对于方格点的基站部署方法,讨论了 SBS之间的横向间距l1和纵向间距l2对网络的性能的影响。接着,本文对基于泊松点过程(Poisson Point Process,PPP)的基站部署的性能进行了研究,并假设用户的分布为混合二维高斯分布以反映网络中的用户的不均匀性和聚集性。提出了一种简单可行的办法计算该场景下的覆盖率和单位面积频谱效率等性能指标,并讨论了影响网络性能的相关参量。本文最后对网络中用户的接收信干比(Signal Inference Ratio,SIR)性能做进一步的优化。优化的过程分为两步,第一步出于对网络的同步性和复杂度要求的考虑本文提出了基于深度优先搜索和以用户为中心的微基站分簇(Base Station Clustering)算法,第二步对簇内采用基于SBS间协作的分布式迫零预编码(Zero-ForcingBeamforming,ZFBF)技术优化网络中用户的接收SIR,应用仿真分析的方法讨论了优化后的网络的性能。