申请/专利权人：杭州电子科技大学

申请日：2019-09-23

公开（公告）日：2022-12-02

公开（公告）号：CN110505643B

主分类号：H04W24/02

分类号：H04W24/02;H04B7/0413

优先权：

专利状态码：有效-授权

法律状态：2022.12.02#授权;2019.12.20#实质审查的生效;2019.11.26#公开

摘要：本发明公开了一种基于模拟退火算法的大规模MIMO系统上行能效优化方法，包括步骤：S1：通过最小均方误差MinimumMeanSquaredError，简称MMSE信道估计，从基站接收到的导频信号中可推导出未量化信号的协方差矩阵。S2：信号经过量化系统，根据Bussgang理论与MMSE信道估计可得量化后系统噪声的协方差矩阵，由香农公式可得量化后的系统容量下限。通过以上公式，可得到系统的频谱效率。S3：根据能量效率的定义，得到大规模MIMO系统上行能量效率。S4：构建模拟退火算法模型，设计合理的退火参数，并进行求解最优值。本方法计算速度快速，鲁棒性强，并且不会陷入局部极值，执行效率更高。

主权项：1.基于模拟退火算法的大规模MIMO系统上行能效优化方法，包括以下步骤：S1：通过MMSE信道估计，从基站接收到的导频信号中推导出未量化信号的协方差矩阵；S2:信号经过量化系统，根据Bussgang理论与MMSE信道估计计算量化后系统噪声的协方差矩阵，由香农公式计算出量化后的系统容量下限，从而得到系统的频谱效率；S3：根据频谱效率和总能量能耗，得到大规模MIMO系统上行能量效率；S4：构建模拟退火算法模型，设计退火参数，求解最优值；步骤S1具体为：基站天线接收机接收到的导频信号是： 其中，ρp表示用户发送导频的功率；τ为导频序列长度；L表示蜂窝小区的个数，表示第j个小区内K个用户发送的导频序列；Wl表示第l个小区内的加性高斯白噪声；Glj表示第j个小区与第l个小区之间的信道；假设表示第l个小区内K个用户与基站侧M根天线之间的信道，利用MMSE信道估计能得的表达式，从而推导出基站侧M根天线接收到未量化信号的协方差矩阵；步骤S2具体为：基站侧接收端的ADC对接收到的信号进行采样，对采样信号进行量化；据Bussgang理论，经过AD量化器量化后的信号表示成：r＝Fy+e其中，量化后噪声向量e与y不相关，y为未经量化的输出信号；量化系统线性函数F通过r和y基于MMSE算法估计得出： 基于均方误差最小的原理对信号进行量化后得出： 采用匹配滤波算法预编码方案，得到协方差矩阵： 代入系统互信息公式，得到系统的频谱效率： 步骤S3具体为：系统上行链路的总能量消耗与量化比特数的关系表示为： 经过ADC量化后系统能量效率的表达式为： 步骤S4具体为：用模拟退火算法优化出最佳的量化比特数b和基站侧天线数m使系统能够获得最大的能量效率，具体为：S4.1:将能量效率函数EEb,m设置为目标函数，天线数m和量化比特数b设置为自由变量；设定模拟退火算法的初始温度，迭代次数，终止条件，随机生成初始解，并计算目标函数EEb,m；S4.2：设置模拟退火算法的初始温度T0，迭代次数T，温度概率系数Kt和温度降低速率d，新温度与旧温度的关系为Tnew＝d*Told；S4.3:缓慢降低温度，扰动产生新的解b',m'，计算目标函数EEb',m'；计算ΔEE＝EEb',m'-EEb,m的值；S4.4:若ΔEE≤0，则接受新解，b＝b',m＝m',EEb,m＝EEb',m'，若ΔEE＞0，则按照Metropolis准则接受新解；S4.5:在每个温度下重复步骤S4.3和S4.4，如果达到了迭代次数，则判断是否满足终止条件；若不满足，则缓慢降低温度重置迭代次数；若满足，则结束运算，得到目标函数的最优解，即为该精度AD转换器下的最优天线分组量化方案。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于模拟退火算法的大规模MIMO系统上行能效优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD