張進(jìn)彥，金鳳，尹禮欣

（重慶郵電大學(xué)移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065）

大規(guī)模MIMO系統(tǒng)中基于用戶(hù)分類(lèi)的動(dòng)態(tài)導(dǎo)頻分配

張進(jìn)彥，金鳳，尹禮欣

（重慶郵電大學(xué)移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065）

針對(duì)大規(guī)模MIMO系統(tǒng)導(dǎo)頻污染問(wèn)題，提出一種基于用戶(hù)分類(lèi)的動(dòng)態(tài)導(dǎo)頻分配策略。根據(jù)目標(biāo)小區(qū)用戶(hù)信號(hào)強(qiáng)度的方差設(shè)置合理的用戶(hù)信號(hào)強(qiáng)度臨界值，將目標(biāo)小區(qū)用戶(hù)分為中心用戶(hù)和邊緣用戶(hù)。中心用戶(hù)采用最大載干比算法分配導(dǎo)頻，以最大化中心用戶(hù)總信道容量。邊緣用戶(hù)采用貪婪算法分配導(dǎo)頻，以提高每個(gè)邊緣用戶(hù)的信干噪比。仿真結(jié)果表明，所提策略在提高邊緣用戶(hù)信干噪比的同時(shí)能夠有效提高系統(tǒng)的信道容量。

大規(guī)模MIMO；導(dǎo)頻污染；導(dǎo)頻分配；用戶(hù)分類(lèi)

1 引言

近年來(lái)，無(wú)線(xiàn)通信終端數(shù)量不斷增加，網(wǎng)絡(luò)數(shù)據(jù)量爆炸式增長(zhǎng)，傳統(tǒng)LTE技術(shù)已無(wú)法滿(mǎn)足日益增長(zhǎng)的用戶(hù)需求[1]。高數(shù)據(jù)傳輸率的5G移動(dòng)通信技術(shù)成為當(dāng)前重點(diǎn)研究方向[2,3]。大規(guī)模MIMO在基站端配置大量天線(xiàn)，很好地利用了空間維度的優(yōu)勢(shì)[4]，大幅度提高系統(tǒng)頻譜效率與信道容量[5]，成為 5G移動(dòng)通信的關(guān)鍵技術(shù)之一[6]。

大規(guī)模 MIMO系統(tǒng)獲取信道狀態(tài)信息（channel state information，CSI）的方式分為兩種，其中一種為在頻分雙工（frequency division duplexing，F(xiàn)DD）模式中采用的反饋模式，但由于反饋模式所需的時(shí)間與基站天線(xiàn)數(shù)成正比，這樣會(huì)大幅度增加反饋負(fù)荷和反饋時(shí)延。針對(duì)上述問(wèn)題，當(dāng)前大規(guī)模 MIMO系統(tǒng)主要是基于時(shí)分雙工（time division duplexing，TDD）模式[7]，根據(jù)TDD模式上下行信道互易的特點(diǎn)，在一個(gè)相干時(shí)間內(nèi)基站根據(jù)用戶(hù)上行導(dǎo)頻進(jìn)行信道估計(jì)獲得上行CSI，再通過(guò)互易性獲得下行CSI。

大規(guī)模 MIMO系統(tǒng)中使用正交導(dǎo)頻進(jìn)行信道估計(jì)，由于系統(tǒng)相干時(shí)間限制了導(dǎo)頻序列的長(zhǎng)度，系統(tǒng)所能提供的正交導(dǎo)頻數(shù)量是有限的，所以通常在不同小區(qū)中復(fù)用相同的導(dǎo)頻。當(dāng)不同小區(qū)中采用相同導(dǎo)頻的用戶(hù)同時(shí)發(fā)射導(dǎo)頻信號(hào)時(shí)，會(huì)導(dǎo)致基站不能夠識(shí)別出目標(biāo)用戶(hù)的導(dǎo)頻信號(hào)，造成信道估計(jì)不準(zhǔn)確，不能夠獲得準(zhǔn)確的上行CSI，這種現(xiàn)象叫做導(dǎo)頻污染。根據(jù)隨機(jī)矩陣分析可得[8]，基站的天線(xiàn)數(shù)很大時(shí)，小區(qū)內(nèi)干擾以及噪聲對(duì)用戶(hù)性能產(chǎn)生的不利影響將會(huì)大幅度減弱，但因?qū)ьl污染造成的小區(qū)間干擾卻不能隨著天線(xiàn)數(shù)的大幅增加而得到有效改善，導(dǎo)致信道容量隨著基站天線(xiàn)的增多逐漸趨于飽和。導(dǎo)頻污染已經(jīng)成為制約大規(guī)模 MIMO系統(tǒng)性能的主要問(wèn)題，采取行之有效的導(dǎo)頻分配策略減輕導(dǎo)頻污染刻不容緩。

針對(duì)大規(guī)模 MIMO系統(tǒng)中的導(dǎo)頻分配策略，參考文獻(xiàn)[9]采用導(dǎo)頻時(shí)移的方式，將系統(tǒng)中的小區(qū)分類(lèi)，不同類(lèi)小區(qū)導(dǎo)頻發(fā)射時(shí)隙與數(shù)據(jù)發(fā)射時(shí)隙相互重疊。此方案能夠有效減輕導(dǎo)頻污染，但同時(shí)也會(huì)導(dǎo)致不同類(lèi)小區(qū)用戶(hù)數(shù)據(jù)信號(hào)與導(dǎo)頻信號(hào)的相互干擾。參考文獻(xiàn)[10]提出軟導(dǎo)頻復(fù)用分配方案，根據(jù)用戶(hù)的信號(hào)強(qiáng)度將小區(qū)用戶(hù)分為中心用戶(hù)和邊緣用戶(hù)，相鄰小區(qū)的中心用戶(hù)分配相同的導(dǎo)頻，邊緣用戶(hù)則分配相互正交的導(dǎo)頻。此方案可以大幅度提高小區(qū)邊緣用戶(hù)的信號(hào)與干擾加噪聲比（signal to interference and noise ratio，SINR），但系統(tǒng)正交導(dǎo)頻開(kāi)銷(xiāo)較大且用戶(hù)分類(lèi)方式也不夠準(zhǔn)確。參考文獻(xiàn)[11]提出一種基于貪婪算法的智能導(dǎo)頻分配方案，通過(guò)給小區(qū)中信道質(zhì)量較差用戶(hù)分配小區(qū)間干擾較小的導(dǎo)頻來(lái)最大化小區(qū)邊緣用戶(hù)（信道質(zhì)量較差用戶(hù)）的SINR，但由于貪婪算法的局限性導(dǎo)致系統(tǒng)容量未得到明顯提高。參考文獻(xiàn)[12]提出一種基于用戶(hù)地理位置信息的導(dǎo)頻分配方案，當(dāng)兩個(gè)用戶(hù)的信號(hào)到達(dá)角度（angle of arrival，AOA）不重疊時(shí)，就不會(huì)產(chǎn)生小區(qū)間干擾，可以分配相同的導(dǎo)頻，但該方案需要對(duì)用戶(hù)信號(hào)到達(dá)角進(jìn)行復(fù)雜準(zhǔn)確的檢測(cè)。參考文獻(xiàn)[13]提出一種根據(jù)小區(qū)間干擾信號(hào)強(qiáng)度與有用信號(hào)強(qiáng)度之間的差值將用戶(hù)分類(lèi)的導(dǎo)頻分配方案，此方案通過(guò)小區(qū)間協(xié)作顯著提高了系統(tǒng)容量，但此方案對(duì)于中心用戶(hù)的分配采用隨機(jī)導(dǎo)頻分配方式，未能最大化系統(tǒng)容量。

本文利用小區(qū)間協(xié)作，根據(jù)目標(biāo)小區(qū)中不同用戶(hù)的信號(hào)強(qiáng)度不同以及干擾小區(qū)中分配相同導(dǎo)頻序列的用戶(hù)產(chǎn)生的小區(qū)間干擾不同的特點(diǎn)，提出一種基于用戶(hù)分類(lèi)的動(dòng)態(tài)導(dǎo)頻分配策略。首先，根據(jù)目標(biāo)小區(qū)中所有用戶(hù)信號(hào)強(qiáng)度的方差設(shè)置合理的信號(hào)強(qiáng)度臨界值將目標(biāo)小區(qū)分為中心用戶(hù)和邊緣用戶(hù)。然后，中心用戶(hù)采用最大載干比導(dǎo)頻分配算法，邊緣用戶(hù)采用貪婪算法分配導(dǎo)頻。仿真結(jié)果證明，所提策略能夠顯著提高邊緣用戶(hù)的下行 SINR以及系統(tǒng)的信道容量。

2 系統(tǒng)模型

大規(guī)模MIMO系統(tǒng)模型如圖1所示，系統(tǒng)包括 L個(gè)蜂窩小區(qū)，每個(gè)蜂窩小區(qū)包括一個(gè)基站和K個(gè)單天線(xiàn)用戶(hù)。其中，每個(gè)基站配置M根天線(xiàn)。

圖1 大規(guī)模MIMO系統(tǒng)模型

假設(shè)系統(tǒng)中存在不同小區(qū)中使用相同導(dǎo)頻的用戶(hù)在同一時(shí)刻進(jìn)行上行信道估計(jì)，第 j個(gè)小區(qū)用戶(hù)發(fā)送長(zhǎng)度為τ的正交導(dǎo)頻序列進(jìn)行信道估計(jì)，其中，， IK表示K階單位矩陣。若第l小區(qū)是目標(biāo)小區(qū)，則第l小區(qū)基站接收到的導(dǎo)頻信號(hào)可以表示為：

其中，ρpilot表示導(dǎo)頻發(fā)射功率表示加性高斯噪聲。，其中：

式（2）表示第j小區(qū)內(nèi)第k個(gè)用戶(hù)到第l個(gè)小區(qū)基站天線(xiàn)的信道向量。其中，hl,j,k∈CM×1表示第j個(gè)小區(qū)內(nèi)第k個(gè)用戶(hù)到第l個(gè)小區(qū)基站M根天線(xiàn)的小尺度衰落向量。βl,j,k表示第j個(gè)小區(qū)內(nèi)第k個(gè)用戶(hù)到第 l個(gè)小區(qū)基站天線(xiàn)的大尺度衰落因子。由于基站上兩根天線(xiàn)之間的距離相對(duì)于用戶(hù)到基站之間的距離可以忽略不計(jì)，可以認(rèn)為每個(gè)用戶(hù)到基站上不同天線(xiàn)的大尺度衰落因子都是相同的。第l個(gè)小區(qū)基站采用匹配濾波器（matched filtering，MF）信道估計(jì)算法得到本小區(qū)內(nèi)第k個(gè)用戶(hù)的上行信道估計(jì)向量為：

從式（3）容易看出，第l個(gè)小區(qū)內(nèi)第k個(gè)用戶(hù)的上行信道估計(jì)向量l,l,k包括干擾小區(qū)中與目標(biāo)小區(qū)內(nèi)第 k個(gè)用戶(hù)使用相同導(dǎo)頻的用戶(hù)到目標(biāo)小區(qū)基站的信道向量，這就是導(dǎo)頻污染產(chǎn)生的原因。

根據(jù)TDD系統(tǒng)上下行信道互易的特性，導(dǎo)頻污染造成基站無(wú)法獲取準(zhǔn)確的下行 CSI，影響小區(qū)內(nèi)用戶(hù)的下行預(yù)編碼。MF預(yù)編碼通常用于下行數(shù)據(jù)傳輸，其預(yù)編碼矩陣為，其中，若第l個(gè)個(gè)小區(qū)基站向本小區(qū)內(nèi)第 k個(gè)用戶(hù)發(fā)送的數(shù)據(jù)信號(hào)為經(jīng)過(guò)預(yù)編碼后信號(hào)變?yōu)閯t在下行數(shù)據(jù)傳輸階段，第l個(gè)小區(qū)內(nèi)第k個(gè)用戶(hù)接收到的信號(hào)為：

dl高斯噪聲。若采用MF檢測(cè)算法檢測(cè)下行信號(hào)，則第k個(gè)用戶(hù)檢測(cè)到的信號(hào)為：

基站天線(xiàn)數(shù)很大時(shí)，可以將式（6）簡(jiǎn)化為：

相應(yīng)地，第l小區(qū)內(nèi)第k個(gè)用戶(hù)的平均下行傳輸速率為：

很明顯可以看出，當(dāng)基站天線(xiàn)數(shù)趨于無(wú)窮大時(shí)，熱噪聲以及小尺度衰落對(duì)于用戶(hù)下行傳輸速率的影響被平均掉，然而，由于導(dǎo)頻污染的存在，導(dǎo)致用戶(hù)受到的小區(qū)間干擾不能隨著天線(xiàn)數(shù)的不斷增加而消失，影響了用戶(hù)下行傳輸速率的提高。采取合理的導(dǎo)頻分配策略來(lái)減輕導(dǎo)頻污染是提高用戶(hù)下行傳輸速率的一條重要途徑。

3 導(dǎo)頻分配

為簡(jiǎn)化問(wèn)題，僅考慮目標(biāo)小區(qū)l的導(dǎo)頻分配，假設(shè)每個(gè)小區(qū)可分配的正交導(dǎo)頻數(shù)S等于用戶(hù)數(shù)K。傳統(tǒng)導(dǎo)頻分配方式是將正交導(dǎo)頻隨機(jī)地分配給用戶(hù)，不考慮用戶(hù)的信道質(zhì)量及小區(qū)間干擾，無(wú)法消除導(dǎo)頻污染的影響。本文提出的導(dǎo)頻分配策略要同時(shí)考慮用戶(hù)的信道質(zhì)量及小區(qū)間干擾，根據(jù)目標(biāo)小區(qū)用戶(hù)信號(hào)強(qiáng)度的方差將目標(biāo)小區(qū)用戶(hù)分類(lèi)，對(duì)不同類(lèi)用戶(hù)采用不同的導(dǎo)頻分配算法。

3.1 用戶(hù)的分類(lèi)

傳統(tǒng)的用戶(hù)分類(lèi)方式是根據(jù)用戶(hù)到基站的距離將用戶(hù)分為中心用戶(hù)與邊緣用戶(hù)，這種分類(lèi)方式雖然簡(jiǎn)單易行，但用戶(hù)信號(hào)強(qiáng)度的衰減是由用戶(hù)到基站間信道的路徑損耗以及陰影衰落決定的，僅根據(jù)用戶(hù)位置來(lái)確定用戶(hù)的信號(hào)強(qiáng)度進(jìn)而將用戶(hù)分類(lèi)是不準(zhǔn)確的。參考文獻(xiàn)[10]提出根據(jù)用戶(hù)到基站的大尺度衰落因子定義用戶(hù)的信號(hào)強(qiáng)度，進(jìn)而將用戶(hù)分類(lèi)，提高了用戶(hù)分類(lèi)的準(zhǔn)確性。但參考文獻(xiàn)[10]在設(shè)置用戶(hù)分類(lèi)的信號(hào)強(qiáng)度臨界值時(shí)，簡(jiǎn)單地采用了一個(gè)固定值，沒(méi)有考慮小區(qū)中用戶(hù)的分布情況，而小區(qū)中用戶(hù)的分布情況是不斷變化的，因此采用固定臨界值將用戶(hù)分類(lèi)也不夠準(zhǔn)確。

針對(duì)上述問(wèn)題，本文提出一種根據(jù)目標(biāo)小區(qū)所有用戶(hù)信號(hào)強(qiáng)度的方差，動(dòng)態(tài)地設(shè)置臨界值將用戶(hù)分類(lèi)的方法。用戶(hù)分類(lèi)的信號(hào)強(qiáng)度臨界值設(shè)定為：

其中：

3.2 不同類(lèi)用戶(hù)導(dǎo)頻分配

小區(qū)用戶(hù)分類(lèi)后，針對(duì)每一類(lèi)用戶(hù)分別進(jìn)行導(dǎo)頻分配。邊緣用戶(hù)信道質(zhì)量差且易受到嚴(yán)重的導(dǎo)頻污染，而中心用戶(hù)則正好相反。針對(duì)不同類(lèi)用戶(hù)的特點(diǎn)，本文提出對(duì)不同類(lèi)用戶(hù)采用目的性不同的導(dǎo)頻分配算法。

由于中心用戶(hù)信道質(zhì)量好、信號(hào)強(qiáng)度大，且不易受到導(dǎo)頻污染的影響，因此給中心用戶(hù)分配對(duì)目標(biāo)小區(qū)用戶(hù)產(chǎn)生導(dǎo)頻污染較大的導(dǎo)頻序列，而將產(chǎn)生導(dǎo)頻污染較小的導(dǎo)頻序列分配給邊緣用戶(hù)。這樣可以避免邊緣用戶(hù)分配到導(dǎo)頻污染較大的導(dǎo)頻序列，能夠有效提高邊緣用戶(hù)的下行傳輸速率，從而能夠提高整個(gè)系統(tǒng)的容量。

針對(duì)中心用戶(hù)的特點(diǎn)，對(duì)中心用戶(hù)采取能夠使系統(tǒng)容量最大化的最大載干比導(dǎo)頻分配算法。最大載干比算法的缺陷是沒(méi)有考慮用戶(hù)的公平性，會(huì)導(dǎo)致邊緣用戶(hù)的通信性能?chē)?yán)重下降。但本文所提導(dǎo)頻分配策略中最大載干比導(dǎo)頻分配算法只針對(duì)中心用戶(hù)，故可以有效避免算法缺陷。本文所提導(dǎo)頻分配策略對(duì)每一個(gè)中心用戶(hù)采用最大載干比算法來(lái)分配導(dǎo)頻。若某時(shí)刻可以用來(lái)分配給中心用戶(hù)的導(dǎo)頻集合為，根據(jù)傳統(tǒng)最大載干比算法思想，使中心用戶(hù)集合中第 k個(gè)用戶(hù)的下行SINR較大的導(dǎo)頻被選擇的優(yōu)先級(jí)更高，則此時(shí)被選擇的導(dǎo)頻為：

由于邊緣用戶(hù)傳輸速率的下降會(huì)嚴(yán)重影響系統(tǒng)容量的提升，提高邊緣用戶(hù)的傳輸速率變得尤其重要。為使每個(gè)邊緣用戶(hù)取得較好的通信性能，本文所提策略針對(duì)邊緣用戶(hù)的特點(diǎn)，將邊緣用戶(hù)導(dǎo)頻分配問(wèn)題建模為：

模型的意義是最大化邊緣用戶(hù)中信道質(zhì)量最差的用戶(hù)的下行 SINR。根據(jù)式（12），通過(guò)給每一個(gè)邊緣用戶(hù)分配當(dāng)前產(chǎn)生導(dǎo)頻污染最小的導(dǎo)頻序列來(lái)降低小區(qū)間干擾，從而達(dá)到最大化邊緣用戶(hù)下行 SINR的目的。由于小區(qū)中信道質(zhì)量最差的用戶(hù)其信號(hào)強(qiáng)度最小且最容易受到導(dǎo)頻污染，因此針對(duì)邊緣用戶(hù)的導(dǎo)頻分配首先從信道質(zhì)量最差的用戶(hù)開(kāi)始，按照用戶(hù)信號(hào)強(qiáng)度增加的順序依次分配。針對(duì)模型P′，利用貪婪算法為所有邊緣用戶(hù)分配導(dǎo)頻。綜上所述，本文所提導(dǎo)頻分配策略的具體步驟如下。

步驟3 計(jì)算目標(biāo)小區(qū)所有用戶(hù)信號(hào)強(qiáng)度 Sk的方差μ2。

步驟 4 用戶(hù)分類(lèi)：根據(jù)方差μ2計(jì)算臨界值若用戶(hù) uk信號(hào)強(qiáng)度Sk＞λ，則為中心用戶(hù)，存入中心用戶(hù)集合UC中；反之，存入邊緣用戶(hù)集合UE中。

步驟5 計(jì)算集合UE中用戶(hù)數(shù)量N，對(duì)UE中的N個(gè)用戶(hù)根據(jù)信號(hào)強(qiáng)度降序排列，重新排列后的邊緣用戶(hù)集合；將UC中的K-N個(gè)用戶(hù)根據(jù)信號(hào)強(qiáng)度降序排列，重新排列后的中心用戶(hù)集合

步驟6 計(jì)算各干擾小區(qū)內(nèi)使用導(dǎo)頻 φs的用戶(hù)對(duì)目標(biāo)小區(qū)用戶(hù)的小區(qū)間干擾強(qiáng)度之和。根據(jù)導(dǎo)頻 φs的干擾強(qiáng)度和對(duì)S個(gè)導(dǎo)頻序列進(jìn)行降序排列，重新排列后的正交導(dǎo)頻集合

步驟7 對(duì)分類(lèi)后的用戶(hù)進(jìn)行導(dǎo)頻分配。邊緣用戶(hù)導(dǎo)頻分配：采用貪婪算法，將排序后的導(dǎo)頻集合ψ'中后 N 個(gè)導(dǎo)頻依次分配給目標(biāo)小區(qū)邊緣用戶(hù)集合中的各個(gè)用戶(hù)。中心用戶(hù)導(dǎo)頻分配：將導(dǎo)頻集合ψ′的前 S-N個(gè)導(dǎo)頻存入集合ψC′中，ψC′中的導(dǎo)頻用來(lái)分配給UC′中的用戶(hù)。首先，對(duì)UC′的第一個(gè)用戶(hù)uc1，采用最大載干比算法分配導(dǎo)頻，將導(dǎo)頻分配結(jié)果存入集合中，其中，a( k, s)表示將導(dǎo)頻 φs分配給中心用戶(hù)。將已經(jīng)被分配的導(dǎo)頻存入集合ψC′H中，則對(duì)下一個(gè)中心用戶(hù)進(jìn)行導(dǎo)頻分配時(shí)，可用來(lái)分配的導(dǎo)頻集合。然后，根據(jù)UC′中的用戶(hù)順序依次對(duì)其余用戶(hù)采用最大載干比算法分配導(dǎo)頻，直到所有中心用戶(hù)都分配到相應(yīng)導(dǎo)頻。

4 仿真分析

本節(jié)對(duì)所提基于用戶(hù)分類(lèi)的動(dòng)態(tài)導(dǎo)頻分配策略進(jìn)行了仿真驗(yàn)證，仿真結(jié)果證明，本文提出的導(dǎo)頻分配策略能夠有效減輕導(dǎo)頻污染。具體的仿真參數(shù)見(jiàn)表 1。其中，大尺度衰落因子βl,j,k可以表示為：

其中，zl,j,k為陰影衰落，滿(mǎn)足為第j小區(qū)內(nèi)第k個(gè)用戶(hù)到第l小區(qū)基站的距離。

表1 仿真參數(shù)

圖2是關(guān)于本文所提導(dǎo)頻分配策略與傳統(tǒng)導(dǎo)頻方案以及參考文獻(xiàn)[11,13]中導(dǎo)頻分配方案系統(tǒng)下行可達(dá)和速率的對(duì)比。從圖2中可以看出，隨著基站天線(xiàn)數(shù)的增多，系統(tǒng)下行可達(dá)和速率不斷提高，而且由于導(dǎo)頻污染的影響，其增長(zhǎng)幅度逐漸減小。本文所提導(dǎo)頻分配策略與傳統(tǒng)方案以及參考文獻(xiàn)[11]相比，系統(tǒng)下行可達(dá)和速率有了大幅度的提高，參考文獻(xiàn)[11]所提導(dǎo)頻分配方案未對(duì)用戶(hù)進(jìn)行分類(lèi)，對(duì)小區(qū)中所有用戶(hù)采用貪婪算法分配導(dǎo)頻，由于貪婪算法極易產(chǎn)生局部最優(yōu)值，得不到整體最優(yōu)值，所以未能顯著提高系統(tǒng)容量。而本文所提導(dǎo)頻分配策略對(duì)小區(qū)用戶(hù)進(jìn)行了合理的分類(lèi)，雖然對(duì)邊緣用戶(hù)也采取了貪婪算法分配導(dǎo)頻，但是對(duì)數(shù)量較多的中心用戶(hù)卻采用能夠使中心用戶(hù)整體容量達(dá)到最大值的最大載干比分配算法分配導(dǎo)頻，因此相對(duì)于參考文獻(xiàn)[11]所提方案系統(tǒng)容量有了大幅提升。另外，本文所提策略與參考文獻(xiàn)[13]方案相比也有了一定程度的提高。參考文獻(xiàn)[13]所提方案同樣對(duì)用戶(hù)進(jìn)行了分類(lèi)，由于其對(duì)中心用戶(hù)采用隨機(jī)導(dǎo)頻分配方式，雖然系統(tǒng)容量相對(duì)參考文獻(xiàn)[11]也有了大幅提升，但未能最大化中心用戶(hù)的整體容量，從而導(dǎo)致其系統(tǒng)容量低于本文所提導(dǎo)頻分配策略。

圖2 系統(tǒng)下行可達(dá)和速率隨基站天線(xiàn)數(shù)的變化

圖3對(duì)比了在基站天線(xiàn)數(shù)為128時(shí)，不同導(dǎo)頻分配方案系統(tǒng)下行鏈路SINR的累積分布曲線(xiàn)，從圖 3中曲線(xiàn)易得，本文所提策略的下行 SINR與傳統(tǒng)導(dǎo)頻分配方案相比提高了0.8 dB，而與參考文獻(xiàn)[13]方案相比也有了較小程度的提高。

圖3 系統(tǒng)下行SINR的概率分布函數(shù)

圖4比較了在基站天線(xiàn)數(shù)M=512時(shí)，本文所提導(dǎo)頻分配策略中心用戶(hù)和邊緣用戶(hù)最小下行SINR與其余導(dǎo)頻分配方案中用戶(hù)最小下行 SINR的累積概率分布曲線(xiàn)。從圖4中可以看出，本文所提策略的邊緣用戶(hù)最小SINR與參考文獻(xiàn)[11]所提方案大體相當(dāng)，因?yàn)楸疚乃岵呗詫?duì)于邊緣用戶(hù)采取了與參考文獻(xiàn)[11]相同的貪婪算法來(lái)分配導(dǎo)頻。與中心用戶(hù)相比大約提高了0.2 dB。這是由于中心用戶(hù)所用最大載干比算法沒(méi)有考慮用戶(hù)公平性，未能提高部分中心用戶(hù)的下行SINR。但由于中心用戶(hù)的信道質(zhì)量相對(duì)較高，其用戶(hù)最小SINR仍然比參考文獻(xiàn)[13]所提方案及傳統(tǒng)導(dǎo)頻分配方案中用戶(hù)最小SINR有了明顯提高。傳統(tǒng)導(dǎo)頻分配方案和參考文獻(xiàn)[13]中對(duì)于中心用戶(hù)的分配方式都采用了隨機(jī)導(dǎo)頻分配方式，這會(huì)導(dǎo)致信道質(zhì)量較差的用戶(hù)分配到產(chǎn)生導(dǎo)頻污染較強(qiáng)的導(dǎo)頻序列的概率增加，從而導(dǎo)致用戶(hù)最小下行SINR下降。

圖4 最小下行SINR的概率分布函數(shù)

圖5為本文所提用戶(hù)分類(lèi)方式與傳統(tǒng)用戶(hù)分類(lèi)方式及參考文獻(xiàn)[10]所提用戶(hù)分類(lèi)方式下都采用本文所提導(dǎo)頻分配策略時(shí)系統(tǒng)下行可達(dá)和速率的對(duì)比曲線(xiàn)。其中，參考文獻(xiàn)[10]中根據(jù)經(jīng)過(guò)仿真迭代得到的最佳臨界值（最佳參數(shù)δ=0.1）將用戶(hù)分類(lèi)；傳統(tǒng)用戶(hù)分類(lèi)方式下，設(shè)置中心用戶(hù)到基站的最遠(yuǎn)距離為0.8倍的小區(qū)半徑。從圖5中可以看出，本文所提用戶(hù)分類(lèi)方式系統(tǒng)性能明顯優(yōu)于傳統(tǒng)分類(lèi)方式，且相對(duì)于參考文獻(xiàn)[10]所提利用固定臨界值將用戶(hù)分類(lèi)的方式也有了一定程度的提高。參考文獻(xiàn)[10]通過(guò)仿真得到的最佳臨界值是經(jīng)過(guò)多次仿真得到的平均值，但對(duì)于每一次仿真不一定是最佳臨界值。由于參考文獻(xiàn)[10]未考慮小區(qū)用戶(hù)的分布情況而將小區(qū)用戶(hù)分類(lèi)，可能出現(xiàn)兩種用戶(hù)分類(lèi)不合理的情況：第一種是當(dāng)小區(qū)中用戶(hù)分布比較分散，邊緣用戶(hù)大幅增加時(shí)，但仿真得到的最佳臨界值相對(duì)較小，未能將信號(hào)強(qiáng)度較小的用戶(hù)劃分到邊緣用戶(hù)集合中；第二種是當(dāng)小區(qū)用戶(hù)分布過(guò)于集中（都集中分布于小區(qū)中心）時(shí)，但仿真得到的最佳臨界值相對(duì)較大時(shí)，也會(huì)造成用戶(hù)分類(lèi)的不合理。這兩種情況都會(huì)影響后續(xù)的導(dǎo)頻分配，從而導(dǎo)致系統(tǒng)容量的下降。而本文所提分類(lèi)方式能夠根據(jù)用戶(hù)信號(hào)強(qiáng)度方差動(dòng)態(tài)地估計(jì)用戶(hù)在小區(qū)中的分布情況，從而能更準(zhǔn)確地將用戶(hù)分類(lèi)。

圖5 不同用戶(hù)分類(lèi)方式系統(tǒng)可達(dá)和速率對(duì)比曲線(xiàn)

圖6為在基站天數(shù)M=128，小區(qū)用戶(hù)數(shù)為16時(shí)，信號(hào)強(qiáng)度臨界值控制因子γ在[0,1]范圍內(nèi)取值時(shí)系統(tǒng)邊緣用戶(hù)數(shù)的變化曲線(xiàn)以及系統(tǒng)下行可達(dá)和速率的變化曲線(xiàn)。從圖 6(a)可以看出，隨著信號(hào)強(qiáng)度臨界值控制因子γ不斷增大，邊緣用戶(hù)數(shù)也不斷增加。這是因?yàn)殡S著控制因子不斷增大，用戶(hù)信號(hào)強(qiáng)度的方差也不斷增大，導(dǎo)致小區(qū)中用戶(hù)分布愈發(fā)分散，邊緣用戶(hù)增多。但從圖6中可以看出在控制因子大于0.8后，邊緣用戶(hù)數(shù)不再增加而趨于穩(wěn)定。這說(shuō)明控制因子γ的取值主要集中在0～0.8之間。從圖6(b)可以看出，隨著信號(hào)強(qiáng)度臨界值控制因子γ不斷增加，系統(tǒng)下行可達(dá)和速率不斷下降，這是因?yàn)殡S著控制因子不斷增大，邊緣用戶(hù)也逐漸增多，而邊緣用戶(hù)易受到嚴(yán)重的導(dǎo)頻污染，導(dǎo)致系統(tǒng)下行可達(dá)和速率不斷下降。然而，由于邊緣用戶(hù)在控制因子大于0.8后不再增加，所以系統(tǒng)下行可達(dá)和速率也逐漸趨于穩(wěn)定。

圖6 不同信號(hào)強(qiáng)度臨界值控制因子γ下邊緣用戶(hù)數(shù)與系統(tǒng)下行可達(dá)和速率變化曲線(xiàn)

5 結(jié)束語(yǔ)

本文提出一種基于用戶(hù)分類(lèi)的動(dòng)態(tài)導(dǎo)頻分配策略，有效減輕了大規(guī)模MIMO系統(tǒng)的導(dǎo)頻污染。通過(guò)計(jì)算目標(biāo)小區(qū)所有用戶(hù)信號(hào)強(qiáng)度的方差估計(jì)用戶(hù)在小區(qū)中的分布情況，進(jìn)而根據(jù)方差設(shè)置合理的用戶(hù)信號(hào)強(qiáng)度臨界值將用戶(hù)分為中心用戶(hù)以及邊緣用戶(hù)。根據(jù)干擾小區(qū)用戶(hù)所用導(dǎo)頻對(duì)目標(biāo)小區(qū)用戶(hù)的干擾程度分別對(duì)目標(biāo)小區(qū)不同類(lèi)用戶(hù)采用不同的導(dǎo)頻分配算法。中心用戶(hù)采用最大載干比算法以最大化系統(tǒng)容量，邊緣用戶(hù)采用貪婪算法以提高每個(gè)用戶(hù)的SINR。仿真結(jié)果表明，本文所提導(dǎo)頻分配策略能夠有效提高邊緣用戶(hù)的SINR以及系統(tǒng)容量。

[1] LU L, LI G Y, SWINDLEHURST A L, et al. An overview of massive MIMO: benefits and challenges[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(5): 742-758.

[2] RUSEK F, PERSSON D, LAU B K, et al. Scaling up MIMO: opportunities and challenges with very large arrays[J]. IEEE Signal Processing Magazine, 2013, 30(1): 40-60.

[3] LARSSON E G, EDFORS O, TUFVESSON F, et al. Massive MIMO for next generation wireless systems[J]. IEEE Communications Magazine, 2014, 52(2): 186-195.

[4] 王東明, 張余, 魏浩, 等. 面向5G的大規(guī)模天線(xiàn)無(wú)線(xiàn)傳輸理論與技術(shù)[J]. 中國(guó)科學(xué): 信息科學(xué), 2016(1): 3-21. WANG D M, ZHANG Y, WEI H, et al. Theory and technology of large scale antenna wireless transmission for 5G[J]. Chinese Science: Information Science, 2016(1): 3-21.

[5] KRISHNAN N, YATES R D, MANDAYAM N B. Uplink linear receivers for multi-cell multiuser MIMO with pilot contamination: large system analysis[J]. IEEE Transactions on Wireless Communications, 2014, 13(8): 4360-4373.

[6] 胡瑩, 黃永明, 俞菲, 等. 多用戶(hù)大規(guī)模 MIMO系統(tǒng)能效資源分配算法[J]. 電子與信息學(xué)報(bào), 2015(9): 2198-2203. HU Y, HUANG Y M, YU F, et al. Energy efficient resource allocation algorithm for multiuser massive MIMO system[J]. Journal of Electronics & Information Technology, 2015(9): 2198-2203.

[7] MARZETTA T L. Noncooperative cellular wireless with unlimited numbers of base station antennas[J]. IEEE Transactions on Wireless Communications, 2010, 9(11): 3590-3600.

[8] ZHANG C, QIU R C. Massive MIMO as a big data system: random matrix models and tested[J]. IEEE Journals & Magazines, 2015(3): 837-851.

[9] JIN S, WANG X, LI Z, et al. On massive MIMO zero-forcing transceiver using time-shifted pilots[J]. IEEE Transactions on Vehicular Technology, 2016, 65(1): 59-74.

[10] ZHU X, WANG Z, QIAN C, et al. Soft pilot reuse and multi-cell block diagonalization precoding for massive MIMO systems[J]. IEEE Transactions on Vehicular Technology, 2016, 65(5): 1.

[11] ZHU X, WANG Z, DAI L, et al. Smart pilot assignment for massive MIMO[J]. IEEE Communications Letters, 2015, 19(9): 1.

[12] MUPPIRISETTY L S, WYMEERSCH H, KAROUT J, et al. Location-aided pilot contamination elimination for massive MIMO systems[C]//IEEE Global Communications Conference, Dec 6-10, 2015, San Diego, CA, USA. New Jersey: IEEE Press, 2015: 1-5.

[13] 方昕, 張建鋒, 曹海燕, 等. 大規(guī)模 MIMO系統(tǒng)中動(dòng)態(tài)導(dǎo)頻分配[J]. 電子與信息學(xué)報(bào), 2016, 38(8): 1901-1907. FANG X, ZHANG J F, CAO H Y, et al. Dynamic pilot assignment in large scale MIMO systems[J]. Journal of Electronics & Information Technology, 2016, 38(8): 1901-1907.

[14] 倪善金, 趙軍輝. 5G無(wú)線(xiàn)通信網(wǎng)絡(luò)物理層關(guān)鍵技術(shù)[J]. 電信科學(xué), 2015, 31(12): 48-53. NI S J, ZHAO J H. Key technologies in physical layer of 5G wireless communications network[J]. Telecommunications Science, 2015, 31(12): 48-53.

[15] 李建東, 劉磊, 盛敏, 等. 面向5G無(wú)線(xiàn)網(wǎng)絡(luò)的智能干擾管理技術(shù)[J]. 電信科學(xué), 2016, 32(6): 3-14. LI J D, LIU L, SHENG M, et al. Intelligent interference management in 5G wireless networks[J]. Telecommunications Science, 2016, 32(6): 3-14.

[16] 林金桐, 許曉東. 第五代移動(dòng)互聯(lián)網(wǎng)[J]. 電信科學(xué), 2015, 31(5): 7-14. LIN J T, XU X D. The 5th generation of mobile internet[J]. Telecommunications Science, 2015, 31(5): 7-14.

Dynamic pilot assignment in massive MIMO system based on user classification

ZHANG Jinyan, JIN Feng, YIN Lixin
Chongqing Key Lab of Mobile Communications Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China

Aiming at the problem of pilot contamination in massive MIMO system, a dynamic pilot assignment strategy based on user classification was proposed. The target cell user was divided into the central user and the edge user based on the variance of target cell user signal intensity. The central user used the maximum C/I algorithm to assign pilots to maximize the channel capacity of the central user. The edge user used greedy algorithm to assign pilots to improve the signal to interference and noise ratio of each edge user. Simulation results show that the proposed strategy can improve the channel capacity of the system while improving the signal to interference and noise ratio of the edge user.

massive MIMO, pilot contamination, pilot assignment, user classification

TN929

：A

10.11959/j.issn.1000-0801.2017212

張進(jìn)彥（1990-），男，重慶郵電大學(xué)移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室碩士生，主要研究方向?yàn)榇笠?guī)模MIMO中的導(dǎo)頻污染。

金鳳（1993-），女，重慶郵電大學(xué)移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室碩士生，主要研究方向?yàn)榇笠?guī)模MIMO中的信道估計(jì)。

尹禮欣（1993-），男，重慶郵電大學(xué)移動(dòng)通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室碩士生，主要研究方向?yàn)榇笠?guī)模MIMO中的資源分配。

2017-03-30；

：2017-06-29