MUMIMO中有限反馈下用户调度复杂度分析与性能仿真627讲解.docVIP

MU-MIMO中有限反馈下用户调度复杂度分析与性能仿真 一．有限CSI反馈下各用户调度算法浮点复杂度计算 图1 MU-MIMO系统下行传输模型 在MU-MIMO下行传输中，假设基站端配置根天线，系统中用户总数为，每个用户端有根天线，选择个用户进行调度。 贪婪搜算算法 由[1]中，每一次搜索都要经过SVD分解和注水，最多有个用户集合 复杂度 半正交用户调度（SUS）算法 复杂度： 基于SLNR的用户调度算法 由[2]可知复杂度: 基于弦距离用户调度算法 由[3]可知复杂度： 最大上限GS算法 由[4]可知复杂度： PU2RC调度算法 复杂度: 其中，B为反馈的比特数。 为了比较各算法的复杂度，将代入各式 表1. 有限反馈情况下各调度算法复杂度及优缺点 调度算法 复杂度理论分析（浮点数） 优缺点 贪婪搜索算法 算法简单但反馈开销和算法的实现复杂度较高 SUS（半正交）用户调度 复杂度低，性能较好，但是门限值选取困难 基于SLNR用户调度 复杂度不大，考虑对已有用户干扰而非容量 基于弦距离用户调度 较低的复杂度，只考虑CDI，无CQI，性能略差 最大上限GS用户调度 复杂度显著降低，且有非常好的系统性能 PU2RC调度 能选出相关性最小而CQI质量最好的一组用户，只能采用较小的码本，较大的量化误差 复杂度从小到大排列依次是：SUS算法 最大上限GS算法 弦距离算法 SLNR算法 贪婪搜索算法。PU2RC算法与P有关 二．MU-MIMO系统中算法性能仿真 仿真评估综述 为了对比MU-MIMO技术几种典型方案的性能优劣，我们使用课题组已有的“IMT-Advanced关键技术仿真平台”对这些方案进行了仿真评估。仿真评估的主要性能指标是ITU M-2134文档中规定的系统平均频谱效率和小区边缘用户平均频谱效率。 系统级仿真平台采用基于快拍的静态仿真机制。每次仿真过程中，我们首先对网络场景进行快拍，获取基站分布，用户位置等信息，然后根据这些信息计算出用户的路径损耗，视距传输情况，阴影衰落情况等大尺度信道信息。进行快拍以后，我们进行不同传输时隙的仿真。在每个传输时隙，我们首先生成信道矩阵，然后将信道矩阵量化，并计算CQI等反馈信息，然后基站端根据反馈信息进行用户配对，资源分配，计算预编码，功率控制等过程。这一阶段我们可以采用不同的CQI反馈方法，预编码计算方法和资源调度方法。然后再根据真实的信道矩阵计算基站发射信号在不同子载波上的信干噪比。得到各个子载波的信干噪比之后，可以根据链路级仿真得到的链路级——系统级接口将这些信干噪比映射为误块率。最后根据误块率统计这个传输时隙内系统的吞吐量。然后更新信道矩阵，进入下一个传输时隙的仿真。仿真流程图如下图所示： 图 算法仿真流程 仿真参数与场景 仿真中网络采用Wraparound结构，系统中分布在19个基站，每个基站覆盖3个扇区，总共存在57个扇区。具体的仿真场景我们采用ITU规定的UMI场景（城市宏小区），信道模型为SCME模型。仿真参数如表1所示。 参数 假设/配置 仿真场景 UMi场景 网络结构 wraparound结构，19个基站，每个基站3个扇区 分布式天线摆放 每扇区1,、2、4个天线 用户数 每扇区10，20或30个用户 基站发射总功率 41dBm 载频 2 GHz 带宽 10 MHz 子帧长度（TTI） 1.0?ms 基站天线单元数 4 用户天线数 1或2 用户移动速度 3 km/h 控制信道模型 理想 信道估计 理想 MCS 15个水平 业务模型 Full buffer 用户配对算法 贪婪算法 调度算法 容量最大 链路层到系统层映射 MIESM方法 表MU-MIMO仿真参数表格 仿真结果与分析 应用系统级仿真平台我们从个方面对MU-MIMO技术的性能进行了仿真评估：（1） 3.1 不同方法对系统性能影响 仿真中我们使用贪婪（GS）用户调度算法， CDI反馈开销分别设为4 bit和6 bit，同时每小区的用户数分别为10，20和30。这里的GS算法中，我们根据CDI信息和CQI信息计算出每用户的SINR，进而得到用户信道容量，进行用户调度。仿真结果如下所示： 图 每小区10用户用户吞吐量CDF曲线 图 每小区用户用户吞吐量CDF曲线 图 每小区用户用户吞吐量CDF曲线 图 4 bit反馈时 图 6 bit反馈时 观察仿真结果可以发现无论是 4 bit反馈，还是6 bit反馈，无论是每小区10用户，20用户还是30是用户，SLNR算法都比BD算法的性能要好。这是跟理论分析相符合的。BD算法通过将其他用户的预备码矢量放在用户信道矩阵的零空间内来消除配对用户之间的干扰。但是它没有考虑用户接收噪声的影响。SLNR算