[go: up one dir, main page]

CN106899335A - 大规模mimo阵列的信道降维方法及系统 - Google Patents

大规模mimo阵列的信道降维方法及系统 Download PDF

Info

Publication number
CN106899335A
CN106899335A CN201510934166.5A CN201510934166A CN106899335A CN 106899335 A CN106899335 A CN 106899335A CN 201510934166 A CN201510934166 A CN 201510934166A CN 106899335 A CN106899335 A CN 106899335A
Authority
CN
China
Prior art keywords
cluster
matrix
central point
statistic
channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510934166.5A
Other languages
English (en)
Inventor
莫建林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leadcore Technology Co Ltd
Datang Semiconductor Design Co Ltd
Original Assignee
Leadcore Technology Co Ltd
Datang Semiconductor Design Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Leadcore Technology Co Ltd, Datang Semiconductor Design Co Ltd filed Critical Leadcore Technology Co Ltd
Priority to CN201510934166.5A priority Critical patent/CN106899335A/zh
Publication of CN106899335A publication Critical patent/CN106899335A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0658—Feedback reduction
    • H04B7/0663—Feedback reduction using vector or matrix manipulations

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种大规模MIMO阵列的信道降维方法及系统。根据所述方法，所述系统按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点；按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇；基于分簇后的各移动终端的特征统计值更新各簇的中心点，并按照更新后的中心点重复执行对各特征统计值的分簇步骤，直至更新后的各簇中心点收敛为止；基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。本发明能够有效的将大规模的MIMO阵列按照使用最接近的信道矩阵进行划分，以得到对大规模MIMO阵列的信道进行降维的目的。

Description

大规模MIMO阵列的信道降维方法及系统
技术领域
本发明涉及通信领域，尤其涉及一种大规模MIMO阵列的信道降维方法及系统。
背景技术
大规模MIMO阵列系统是5G演进的一个重要发展方向。其中，所述大规模MIMO阵列主要指天线数量大于等于8的天线阵列所能提供的MIMO阵列。但由于大规模天线的使用，在实际设计中会带来现有的低维度MIMO系统设计中不存在的问题。如需要过多的资源进行大规模的信道训练和反馈等。同时由于这些问题，直接使用现有的MIMO设计技术变得不合理。
为了将现有技术移植到大规模MIMO阵列中，以便尽量重用现有技术，需要对现有方案进行改进。
发明内容
本发明提供一种大规模MIMO阵列的信道降维方法及系统，用于解决现有技术中的MIMO阵列不适于直接应用到今后的大规模MIMO阵列中的问题。
基于上述目的，本发明提供一种大规模MIMO阵列的信道降维方法，包括：按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点；按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇；基于分簇后的各移动终端的特征统计值更新各簇的中心点，并按照更新后的中心点重复执行对各特征统计值的分簇步骤，直至更新后的各簇中心点收敛为止；基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
优选地，所述预设单位矩阵为单位DFT矩阵；所述特征统计值为二阶统计值。
优选地，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
优选地，所述基于分簇后的各移动终端的特征统计值，更新各簇的中心点的方式包括：按照公式：更新第k簇的中心点，其中，j为更新次数，Ψk为第k簇中由非零特征向量构成的矩阵，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
优选地，所述预编码矩阵基于由各簇中非零统计特征值构成的矩阵构成；对应的，所述基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型的方式包括：基于所确定的各簇预编码矩阵，构建消除簇间干扰后的信道模型。
基于上述目的，本发明还提供一种大规模MIMO阵列的信道降维系统，包括：初始化模块，用于按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点；分簇模块，用于按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇；中心点确定模块，用于基于分簇后的各移动终端的特征统计值更新各簇的中心点；按照更新后的中心点重复执行所述分簇模块和中心点确定模块，直至更新后的各簇中心点收敛为止；信道模型生成模块，用于基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
优选地，所述预设单位矩阵为单位DFT矩阵；所述特征统计值为二阶统计值。
优选地，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
优选地，所述中心点确定模块用于按照公式：更新第k簇的中心点，其中，j为更新次数，Ψk为第k簇中由非零特征向量构成的矩阵，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
优选地，所述预编码矩阵基于由各簇中非零统计特征值构成的矩阵构成；对应的，所述信道模型生成模块用于基于所确定的各簇预编码矩阵，构建消除簇间干扰后的信道模型。
如上所述，本发明的大规模MIMO阵列的信道降维方法及系统，具有以下有益效果：按照移动终端的统计特征值将各移动终端划归到不同的簇中，能够有效的将大规模的MIMO阵列按照使用最接近的信道矩阵进行划分，以得到对大规模MIMO阵列信道进行降维的目的，再采用降维后的信道模型中的各信道矩阵对簇中移动终端的业务数据的传输，有效解决现有信道模型无法适用于大规模的MIMO阵列信道的问题；另外，采用矩阵距离就近原则来分配各移动终端，有利于降低簇间干扰；此外，利用各簇的统计特征值来生成各簇的预编码矩阵，能够有效地降低、甚至消除信道的簇间干扰。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明的大规模MIMO阵列的信道降维方法的一个实施例的方法流程图。
图2是本发明的大规模MIMO阵列的信道降维系统的一个实施例的结构方框图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种大规模MIMO阵列的信道降维方法。所述降维方法主要由安装在基站中的降维系统来执行。所述降维系统将连入基站的移动终端分簇的方式，对信道矩阵进行降维处理，再按照现有MIMO阵列信道的通信方式为每簇移动终端提供信道矩阵，并接收/发送业务数据。本发明特别适用于移动终端移动速度较慢的场景。例如，所述基站安装在商场等人员密集的区域，则可采用本发明所述降维系统来为所述基站所覆盖的区域内的移动终端提供通信服务。
在步骤S1中，所述降维系统按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点。
其中，所述单位矩阵可以理解成具有某种矩阵规律的矩阵，其目的是为了确保各簇的初始中心点正交。本实施例中，所述单位矩阵为单位DFT矩阵。例如，F为M×M维的单位DFT矩阵，即其k行、l列的元素[F]k,l＝e-2πikl/M，fl为F的第l列向量，P＝N/K为每个簇包含的移动终端个数，则第k个簇的初始中心点Θk,1为：其中Fk＝[f(k-1)P+1 f(k-1)P+2 L f(k-1)P+P-1 f(k-1)P+P]。以此得到K个簇对应的初始中心点{Θ1,1 L ΘK,1}。
在步骤S2中，所述降维系统按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，为了防止移动终端移动的随意移动性对簇分配的干扰，所述降维系统预先计算各移动终端的特征统计值。所述特征统计值优选为移动终端的二阶统计值。接着，所述降维系统按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,1为初始化的第k簇的中心点。
在分配过程中，所述降维系统分配至第k个簇的特征统计值集为Nk为分配至第k个簇的特征统计值的总数目。其中，且
在步骤S3中，所述降维系统基于分簇后的各移动终端的特征统计值，更新各簇的中心点，并按照更新后的中心点重复执行对各特征统计值的分簇步骤，直至更新后的各簇中心点收敛为止。
具体地，所述降维系统将以簇为单位，构建由各簇中非零特征统计值构成的非零特征向量矩阵Ψk，并按照公式：更新第k簇的中心点，其中，j为更新次数，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
接着，所述降维系统以按照该公式计算得到的中心点重新步骤S2，并按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
所述降维系统将最近更新的若干次中心点之间的距离均小于预设距离阈值作为收敛条件。当重复执行步骤S2-S3所得到的各簇信道矩阵的中心点满足所述收敛条件时，所述降维系统执行步骤S4。
在步骤S4中，所述降维系统基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
具体地，所述降维系统按照预设的特征统计值-预编码矩阵的对应算法，利用各簇中的特征统计值计算对应各簇的预编码矩阵。在此，所述降维系统可将由各簇中非零统计特征值构成的矩阵来替代相应簇的预编码矩阵。
例如，所述降维系统按照公式来构建信道模型。其中(1≤k≤K)，为簇间干扰。所述降维系统按照信道间干扰的方式消除簇间干扰，可得到将大规模MIMO阵列维度大幅减少的下述等价信道模型为：c为数据符号向量，wk为第k簇的N维向量，Hk为基站到第k簇的各移动终端的信道矩阵。
所述降维系统取对应簇k的预编码矩阵基于由各簇中非零统计特征值构成的矩阵Ψk构成。例如，所述预编码矩阵由于采用均值聚类过程，所述降维系统使不同簇所处空间彼此接近正交，因此
如图2所示，本发明提供一种大规模MIMO阵列的信道降维系统。所述降维系统主要安装在基站中。所述降维系统将连入基站的移动终端分簇的方式，对信道矩阵进行降维处理，再按照现有MIMO阵列信道的通信方式为每簇移动终端提供信道矩阵，并接收/发送业务数据。本发明特别适用于移动终端移动速度较慢的场景。例如，所述基站安装在商场等人员密集的区域，则可采用本发明所述降维系统来为所述基站所覆盖的区域内的移动终端提供通信服务。
所述降维系统1包括：初始化模块11、分簇模块12、中心点确定模块13、信道模型生成模块14。
所述初始化模块11用于按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点。
其中，所述单位矩阵可以理解成具有某种矩阵规律的矩阵，其目的是为了确保各簇的初始中心点正交。本实施例中，所述单位矩阵为单位DFT矩阵。例如，F为M×M维的单位DFT矩阵，即其k行、l列的元素[F]k,l＝e-2πikl/M，fl为F的第l列向量，P＝N/K为每个簇包含的移动终端个数，则所述初始化模块11确定第k个簇的初始中心点Θk,1为：其中Fk＝[f(k-1)P+1 f(k-1)P+2 L f(k-1)P+P-1 f(k-1)P+P]。以此得到K个簇对应的初始中心点{Θ1,1 L ΘK,1}。
所述分簇模块12用于按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，为了防止移动终端移动的随意移动性对簇分配的干扰，所述分簇模块12预先计算各移动终端的特征统计值。所述特征统计值优选为移动终端的二阶统计值。接着，所述分簇模块12按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,1为初始化的第k簇的中心点。
在分配过程中，所述分簇模块12分配至第k个簇的特征统计值集为Nk为分配至第k个簇的特征统计值的总数目。其中，且
所述中心点确定模块13用于基于分簇后的各移动终端的特征统计值，更新各簇的中心点，并按照更新后的中心点重复执行对各特征统计值的分簇步骤，直至更新后的各簇中心点收敛为止。
具体地，所述中心点确定模块13将以簇为单位，构建由各簇中非零特征统计值构成的非零特征向量矩阵Ψk，并按照公式：更新第k簇的中心点，其中，j为更新次数，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
接着，所述中心点确定模块13以按照该公式计算得到的中心点重新启动分簇模块12，并按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇。
在此，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
所述中心点确定模块13将最近更新的若干次中心点之间的距离均小于预设距离阈值作为收敛条件。当重复执行所述分簇模块12和中心点确定模块13所得到的各簇信道矩阵的中心点满足所述收敛条件时，所述中心点确定模块13启动信道模型生成模块14。
所述信道模型生成模块14用于基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
具体地，所述信道模型生成模块14按照预设的特征统计值-预编码矩阵的对应算法，利用各簇中的特征统计值计算对应各簇的预编码矩阵。在此，所述信道模型生成模块14可将由各簇中非零统计特征值构成的矩阵来替代相应簇的预编码矩阵。
例如，所述信道模型生成模块14按照公式来构建信道模型。其中(1≤k≤K)，为簇间干扰。所述信道模型生成模块14按照信道间干扰的方式消除簇间干扰，可得到将大规模MIMO阵列信道维度大幅减少的下述等价信道模型为：c为数据符号向量，wk为第k簇的N维向量，Hk为基站到第k簇的各移动终端的信道矩阵。
所述信道模型生成模块14取对应簇k的预编码矩阵基于由各簇中非零统计特征值构成的矩阵Ψk构成。例如，所述预编码矩阵由于采用均值聚类过程，所述信道模型生成模块14使不同簇所处空间彼此接近正交，因此
综上所述，本发明的大规模MIMO阵列的信道降维方法及系统，按照移动终端的统计特征值将各移动终端划归到不同的簇中，能够有效的将大规模的MIMO阵列按照使用最接近的信道矩阵进行划分，以得到对大规模MIMO阵列信道进行降维的目的，再采用降维后的信道模型中的各信道矩阵对簇中移动终端的业务数据的传输，有效解决现有信道模型无法适用于大规模的MIMO阵列信道的问题；另外，采用矩阵距离就近原则来分配各移动终端，有利于降低簇间干扰；此外，利用各簇的统计特征值来生成各簇的预编码矩阵，能够有效地降低、甚至消除信道的簇间干扰。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种大规模MIMO阵列的信道降维方法，其特征在于，包括：
按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点；
按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇；
基于分簇后的各移动终端的特征统计值更新各簇的中心点，并按照更新后的中心点重复执行对各特征统计值的分簇步骤，直至更新后的各簇中心点收敛为止；
基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
2.根据权利要求1所述的大规模MIMO阵列的信道降维方法，其特征在于，所述预设单位矩阵为单位DFT矩阵；所述特征统计值为二阶统计值。
3.根据权利要求1所述的大规模MIMO阵列的信道降维方法，其特征在于，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
4.根据权利要求1所述的大规模MIMO阵列的信道降维方法，其特征在于，所述基于分簇后的各移动终端的特征统计值，更新各簇的中心点的方式包括：
按照公式：更新第k簇的中心点，其中，j为更新次数， Ψk为第k簇中由非零特征向量构成的矩阵，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
5.根据权利要求1所述的大规模MIMO阵列的信道降维方法，其特征在于，所述预编码矩阵基于由各簇中非零统计特征值构成的矩阵构成；
对应的，所述基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型的方式包括：基于所确定的各簇预编码矩阵，构建消除簇间干扰后的信道模型。
6.一种大规模MIMO阵列的信道降维系统，其特征在于，包括：
初始化模块，用于按照预设单位矩阵，初始预设数量的簇中的各信道矩阵的中心点；
分簇模块，用于按照各移动终端的特征统计值相距所述中心点的矩阵距离就近原则，以及各簇之间无重叠的统计特征值的原则，将所连接的各移动终端进行分簇；
中心点确定模块，用于基于分簇后的各移动终端的特征统计值更新各簇的中心点；按照更新后的中心点重复执行所述分簇模块和中心点确定模块，直至更新后的各簇中心点收敛为止；
信道模型生成模块，用于基于分入各簇中的特征统计值生成各簇的预编码矩阵，并基于所确定的各簇的预编码矩阵，构建对应各簇的信道模型。
7.根据权利要求6所述的大规模MIMO阵列的信道降维系统，其特征在于，所述预设单位矩阵为单位DFT矩阵；所述特征统计值为二阶统计值。
8.根据权利要求6所述的大规模MIMO阵列的信道降维系统，其特征在于，所述矩阵距离就近原则为其中，为距离，Γn为分配到第k簇中的第n个特征统计值，Θk,j-1为第j次更新前的第k簇的中心点。
9.根据权利要求6所述的大规模MIMO阵列的信道降维系统，其特征在于，所述中心点确定模块用于按照公式：更新第k簇的中心点，其中，j为更新次数，Ψk为第k簇中由非零特征向量构成的矩阵，Γk,i为第k簇中第i个特征统计值，Nk为第k簇中的移动终端的数量。
10.根据权利要求6所述的大规模MIMO阵列的信道降维系统，其特征在于，所述预编码矩阵基于由各簇中非零统计特征值构成的矩阵构成；
对应的，所述信道模型生成模块用于基于所确定的各簇预编码矩阵，构建消除簇间干扰后的信道模型。
CN201510934166.5A 2015-12-15 2015-12-15 大规模mimo阵列的信道降维方法及系统 Pending CN106899335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510934166.5A CN106899335A (zh) 2015-12-15 2015-12-15 大规模mimo阵列的信道降维方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510934166.5A CN106899335A (zh) 2015-12-15 2015-12-15 大规模mimo阵列的信道降维方法及系统

Publications (1)

Publication Number Publication Date
CN106899335A true CN106899335A (zh) 2017-06-27

Family

ID=59188024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510934166.5A Pending CN106899335A (zh) 2015-12-15 2015-12-15 大规模mimo阵列的信道降维方法及系统

Country Status (1)

Country Link
CN (1) CN106899335A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109412661A (zh) * 2018-12-11 2019-03-01 厦门大学 一种大规模mimo系统下的用户分簇方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217763A1 (en) * 2007-09-17 2010-08-26 Electronics And Telecommunications Research Institute Method for automatic clustering and method and apparatus for multipath clustering in wireless communication using the same
CN104901736A (zh) * 2015-05-19 2015-09-09 华中科技大学 一种大规模天线场景下基于统计信道信息的下行传输方法
CN105049385A (zh) * 2015-08-25 2015-11-11 电子科技大学 一种多用户大规模mimo系统中的迭代信道估计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217763A1 (en) * 2007-09-17 2010-08-26 Electronics And Telecommunications Research Institute Method for automatic clustering and method and apparatus for multipath clustering in wireless communication using the same
CN104901736A (zh) * 2015-05-19 2015-09-09 华中科技大学 一种大规模天线场景下基于统计信道信息的下行传输方法
CN105049385A (zh) * 2015-08-25 2015-11-11 电子科技大学 一种多用户大规模mimo系统中的迭代信道估计方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109412661A (zh) * 2018-12-11 2019-03-01 厦门大学 一种大规模mimo系统下的用户分簇方法
CN109412661B (zh) * 2018-12-11 2020-12-11 厦门大学 一种大规模mimo系统下的用户分簇方法

Similar Documents

Publication Publication Date Title
Elbir et al. Federated learning for hybrid beamforming in mm-wave massive MIMO
CN104901736B (zh) 一种大规模天线场景下基于统计信道信息的下行传输方法
CN110289895B (zh) 能效谱效联合优化的大规模mimo下行功率分配方法
CN109150278B (zh) 基于改进牛顿迭代的massive MIMO信号检测方法
CN109474388B (zh) 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法
US20200366341A1 (en) Software-defined massive multi-input multi-output (mimo)
WO2015119316A1 (ko) Massive MIMO 하향링크를 위한 두 단계 빔포머 기반의 사용자 스케줄링 방법, 장치 및 기록매체
US20240313839A1 (en) Classification of csi compression quality
JP2024542716A (ja) 通信方法および通信装置
CN114629533B (zh) 大规模mimo信道估计的信息几何方法及系统
CN114884775A (zh) 一种基于深度学习的大规模mimo系统信道估计方法
CN115915266A (zh) 一种信道信息反馈、恢复方法及装置
CN109039403B (zh) 大规模mimo系统中基于冗余字典的下行链路信道估计方法
CN107547117A (zh) 一种确定波束赋型向量的方法及装置
US20220101131A1 (en) Federated learning with varying feedback
CN115865296A (zh) 基于协方差的正交导频序列活跃检测方法
WO2020200473A1 (en) Channel-matrix dependent step size for iterative precoding matrix calculation
KR20240130774A (ko) 모델에 대한 데이터 처리 방법 및 장치
WO2023077349A1 (en) Machine learning-based channel state information (csi) reporting
Nasim et al. Millimeter wave beamforming codebook design via learning channel covariance matrices over Riemannian manifolds
CN106899335A (zh) 大规模mimo阵列的信道降维方法及系统
CN108900232A (zh) 一种自适应波束成形的方法、装置和电子设备
CN113273106A (zh) 上行链路数据流的处理
Ji et al. Deep learning based user grouping for FD-MIMO systems exploiting statistical channel state information
US20220188594A1 (en) Neural network computation for eigen value and eigen vector decomposition of matrices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170627

RJ01 Rejection of invention patent application after publication