大规模MIMO系统下行链路中基于密度的用户分组方法技术方案

本发明专利技术公开一种大规模MIMO下行链路中基于密度用户分组方法，包括以下步骤：步骤1、计算出所有用户相互之间的距离，得到距离矩阵；步骤2、根据距离矩阵得到k‑dist图，根据图中包含的用户密度分布信息得到DBSCAN算法的两个重要参数：半径和最小用户数阈值；步骤3、根据所述两个参数以后就从任意一个用户开始进行聚类，得到最终的用户分组结果。采用本发明专利技术的技术方案，通过找到合适的用户间距离度量方式，采用基于密度的聚类，利用用户的密度分布信息将一个小区中的所有用户分成几个小组，能够大大提高系统速率。

【技术实现步骤摘要】
大规模MIMO系统下行链路中基于密度的用户分组方法
本专利技术属于大规模MIMO中改进信道容量方法研究的相关领域，尤其涉及一种FDD系统中，大规模MIMO下行链路中基于密度用户分组方法。
技术介绍
过去几十年中，无线网络中对数据传输速率的需求急剧增加，然而有限的频谱资源极大的限制了传输速率的增长，于是大规模MIMO凭借其高频谱利用率和高能量利用率，被认为是下一代无线通信系统的核心技术。大规模MIMO系统通过在基站端和用户端都装备几十上百根天线，来满足日益增长的传输速率需求，同时不增加额外的通信带宽。而且大规模MIMO可以降低系统延时，简化系统MAC层，并且鲁棒性更强。然而与TDD系统中的大规模MIMO不同，对于FDD系统中的大规模MIMO，存在一个知致命缺陷。TDD系统的上下行信道存在相互作用，可以利用上行传输进行下行信道估计；而FDD系统的上下行信道不存在这样的相互作用，并且大规模的天线系统会要求极大的信道估计开销，严重影响大规模MIMO的实际应用。为了解决这个问题，AnsumanAdhikary等学者提出了一个联合空间分集和多路复用(JSDM)方案，该方案将小区内用户进行分组后，再采用二级预编码方案，从而极大降低了系统的信道估计的开销。在JSDM方案中，用户分组主要是为了对系统进行降维处理，而二级预编码则极大简化了预编码的计算复杂度，二级预编码中，第一级的预波束成形编码用于消除用户的组间干扰，而第二级的预编码是为了消除组内用户间的干扰；但是在JSDM中，用户分组的结果将会对系统速率有较大的影响。
技术实现思路
本专利技术基于JSDM方案中用户分组和二级预编码技术提出了联合基于密度的用户分组的方法，通过找到合适的用户间距离度量方式，采用基于密度的聚类，利用用户的密度分布信息将一个小区中的所有用户分成几个小组，能够大大提高系统速率。为实现上述目的，本专利技术采用如下的技术方案：一种大规模MIMO下行链路中基于密度用户分组方法包括以下步骤：步骤1、计算出所有用户相互之间的距离，得到距离矩阵；步骤2、根据距离矩阵得到k-dist图，根据图中包含的用户密度分布信息得到DBSCAN算法的两个重要参数：半径和最小用户数阈值；步骤3、根据所述两个参数以后就从任意一个用户开始进行聚类，得到最终的用户分组结果。作为优选，步骤1具体为：计算任意两个用户之间的距离，得到K×K维的距离矩阵dis，矩阵中第(k,j)个元素表示用户k和用户j之间的距离，表示为[dis]k,j＝S(Uk,Uj)，其中，S(Uk,Uj)为根据基于子空间投影的相似度量方法计算得到的用户间距离。作为优选，步骤2具体为：设用户j的k-dist表示是用户j与离他最近的第k个用户之间的距离，在得到每个用户的k-dist值后，将这些值升序排列，然后画成k-dist图，得到的k-dist图包含了用户的密度分布信息，所述k-dist图中第一个波谷中的第一个点是阈值点；其中，k-dist图中的k值等于Minpts，所述阈值点对应的y轴的值就是得到的eps值。作为优选，步骤3具体为：首先随机选择一个用户k作为初始用户，并且遍历所有未标记为“已处理”的用户，找出可以从用户k直接密度可达的用户集合，得到用户k的eps-邻域Neps(k)，如果|Neps(k)|＝1，那么用户k就是噪声用户，将该用户标记为“已处理”，然后再从未标记为“已处理”的用户中随机选择下一个用户；如果1＜|Neps(k)|＜Minpts，那么用户k就是边缘用户，不对用户k进行任何操作，而是从未标记为“已处理”的用户中随机选择下一个用户；如果|Neps(k)|≥Minpts，那么用户k就是核心用户，就可以开始一个组的聚类了；从核心用户k开始聚类一个组，Neps(k)就是该组的一部分，然后再从Neps(k)中的所有用户中找核心用户，如果存在核心用户q，则将该核心用户的eps-邻域Neps(q)中的所有用户也归到该组中，将这些用户都标记为“已处理”，并且从新加入到用户中搜索核心用户，重复上述步骤，不断聚类，直到没有新的核心用户为止，所有加入该组的用户就组成了一个用户组；一个组聚类结束后，再从未标记为“已处理”的用户中随机选择一个用户，继续上述所有的步骤，直到所有用户都被标记为“已处理”，这时候所有用户或者是噪声用户，或者已经被分好组，到此为止，用户分组阶段就结束了；用户分组结束后，每个组通过求组内所有用户的协方差均值得到每个组的中心协方差，即然后利用近似BD算法求出预波束成形矩阵B，消除组间干扰后，利用MAX用户选择算法，对每个组分别进行用户选择，最后用迫零预编码算法求出预编码矩阵P；在用户选择结束后，假设第g组中有Sg个用户被选中可以传输数据，则表示整个小区中被选中的所有用户的数量，用表示第g组中第s个用户的即时信干噪比(SINR)，定义为：其中P表示基站提供的信号功率，表示用户gs的预编码向量，是预编码矩阵Pg的第s列，和分别表示用户的组间干扰和组内干扰，分别定义为于是用户gs的速率和系统的和速率C分别可以通过下式计算得出本方法利用用户自身的密度分布信息对用户进行分组，得到的分组结果充分体现了用户在小区中的分布情况，给后续的处理提供了良好的基础。实验结果表明，本方法在一定程度上改善了系统吞吐量。附图说明图1、单环模型图；图2、6-dist图；图3、最终系统合率比较图；图4、大规模MIMO下行链路中基于密度用户分组方法的流程图。具体实施方式本专利技术实施例提供一种大规模MIMO下行链路中基于密度用户分组方法，利用k-dist图预估用户的密度分布情况，然后采用DBSCAN算法对用户进行分组，极大降低了大规模MIMO系统的计算复杂度。本专利技术方法是在JSDM方案的基础上提出了基于密度的用户分组的方法，JSDM方案是AnsumanAdhikary等人在信道相关性基础上提出的降低大规模MIMO复杂度的方案，主要特点有2个：第一个是将所有用户根据信道相关性的相似度进行分组，第二个将预编码矩阵分为两级，分别消除组间干扰和组内干扰。本方法的物理模型是在单小区FDD系统中，考虑大规模MIMO系统中的下行链路，发射端是基站，接收端是K个用户，基站端装备有M根天线的均匀线阵，用户为单天线用户，信道模型可以表示为其中z:是一个K×1维的矢量，表示加性高斯白噪声，x是M×1维的矢量，表示基站的传输信号，y是K×1维的矢量，表示用户端接收到的信号，而hk表示的是用户k的信道信息，是一个M×1维的矢量。在基站端采用维度为M×S的线性预编码矩阵V，因此传输信号可以表示为x＝Vd，其中d表示S×1维的数据矢量，S是下行数据流的数量。采用二级预编码后，预编码矩阵可以表示为：V＝BP，其中B是第一级的预波束成形编码，维度为M×b，P是第二级的传统多用户预编码矩阵，维度为b×S。于是信道模型可以重新表示为：y＝[h1,h2...,hK]HBPd+z考虑传输天线的相关性，JSDM方案采用了单环模型，用户相对于基站的方位角为θk，角度扩展为Δk，用λ表示载波波长，两根天线间的距离可以表示为λD。于是在均匀线阵中，用户k的信道协方差矩阵的第m行，第n列的元素可以按照下式计算得到考虑非视距传播模型，用户k的信道信息hk:其中Rk是用户k的信道协方差矩阵，维本文档来自技高网...

【技术保护点】
一种大规模MIMO下行链路中基于密度用户分组方法，其特征在于，包括以下步骤：步骤1、计算出所有用户相互之间的距离，得到距离矩阵；步骤2、根据距离矩阵得到k‑dist图，根据图中包含的用户密度分布信息得到DBSCAN算法的两个重要参数：半径和最小用户数阈值；步骤3、根据所述两个参数以后就从任意一个用户开始进行聚类，得到最终的用户分组结果。

【技术特征摘要】
1.一种大规模MIMO下行链路中基于密度用户分组方法，其特征在于，包括以下步骤：步骤1、计算出所有用户相互之间的距离，得到距离矩阵；步骤2、根据距离矩阵得到k-dist图，根据图中包含的用户密度分布信息得到DBSCAN算法的两个重要参数：半径和最小用户数阈值；步骤3、根据所述两个参数以后就从任意一个用户开始进行聚类，得到最终的用户分组结果。2.如权利要求1所述的大规模MIMO下行链路中基于密度用户分组方法，其特征在于，步骤1具体为：计算任意两个用户之间的距离，得到K×K维的距离矩阵dis，矩阵中第(k,j)个元素表示用户k和用户j之间的距离，表示为[dis]k,j＝S(Uk,Uj)，其中，S(Uk,Uj)为根据基于子空间投影的相似度量方法计算得到的用户间距离。3.如权利要求1所述的大规模MIMO下行链路中基于密度用户分组方法，其特征在于，步骤2具体为：设用户j的k-dist表示是用户j与离他最近的第k个用户之间的距离，在得到每个用户的k-dist值后，将这些值升序排列，然后画成k-dist图，得到的k-dist图包含了用户的密度分布信息，所述k-dist图中第一个波谷中的第一个点是阈值点；其中，k-dist图中的k值等于Minpts，所述阈值点对应的y轴的值就是得到的eps值。4.如权利要求1所述的大规模MIMO下行链路中基于密度用户分组方法，其特征在于，步骤3具体为：首先随机选择一个用户k作为初始用户，并且遍历所有未标记为“已处理”的用户，找出可以从用户k直接密度可达的用户集合，得到用户k的eps-邻域Neps(k)，如果|Neps(k)|＝1，那么用户k就是噪声用户，将该用户标记为“已处理”，然后再从未标记为“已处理”的用户中随机选择下一个用户；如果1＜|Neps(k)|＜Minpts，那么用户k就是边缘用户，不对用户k进行任何操作，而是从未标记为“已处理”的用户中随机选择下一个用户；如果|Neps(k)|≥Minpts，那么用户k就是核心用户，就可以开始...

【专利技术属性】
技术研发人员：孙艳华，吕苏苏，刘硕，司鹏搏，孙恩昌，杨睿哲，吴文君，张延华，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11