利用信道学习获取超蜂窝网络休眠基站信道信息.PDFVIP

中国科学: 信息科学 2017 年 第47 卷 第1 期: 1–9 论文 利用信道学习获取超蜂窝网络休眠基站的信道 信息 1,2* 1,2 1,2 1,2 1,2 邓瑞琛 姜之源 刘景初 周盛 牛志升 1. 清华大学电子工程系, 北京 100084 2. 清华大学信息科学与技术国家实验室 (筹), 北京 100084 * 通信作者. E-mail: drc13@mails.tsinghua.edu.cn 收稿日期: 2017–03–21; 接受日期: 2017–04–26; 网络出版日期: xxxxxx 国家重点基础研究发展计划(973) (批准号: 2012CB316000) 和国家自然科学基金 (批准号: 61461136004, 资助项目 摘要 信道信息作为刻画无线信道状态的重要信息 在新一代基于大规模多天线技术的系统中扮演 了极其重要的角色 而在超蜂窝架构中 业务基站需要动态休眠以提高系统的能效 当基站休眠时 传统的基于导频的信道信息获取方法无法使用 本文针对这一问题提出了基于机器学习的信道信息 获取策略 通过活跃基站多维度的信道信息来推测休眠基站的信道信息 我们以用户选择业务基站 为例 利用人工神经网络架构设计了一套具体的信道学习解决方案 与位置辅助信道估计方案不同 该方案采用控制基站侧的信道信息作为输入 避免了用户定位过程中存在的一些问题 通过基于随 机地理散射物的信道模型 我们对该方案进行了仿真验证 发现其预测准确率优于 近邻等其他预 测算法 性能接近于已知准确用户地理信息的位置辅助估计方案 关键词 超蜂窝网络 信道信息 人工神经网络 信道学习 大规模多天线 背景介绍 [1] 随着移动业务要求的激增 未来蜂窝网络演进的一大特点是网络的密集化 网络密集化的一个 趋势是减小蜂窝尺寸 提高频谱在空间的复用率 但这种方法也带来了小区间干扰和能耗剧增等问题 [2] 解决这些问题的一个可行方案是采用超蜂窝网络架构 这种架构将控制覆盖与业务覆盖适度分离 使得业务基站能根据负载轻重进行动态休眠 从而使网络得到全局上的优化以提高能量效率和频谱效 [3] 率 网络密集化的另一个趋势是部署大规模多天线系统 随着基站天线数的增多 网络的空域自由 度得到提高 使得基站能够通过空分复用的方式支持多个用户同时同频进行数据传输 当基站天线数 增加到一定程度时 小区间用户干扰和热噪声将得到消除 并且采用简单的线性预编码方案即可接近 理论性能上界[4] 引用格式 邓瑞琛, 姜之源, 刘景初, 等. 利用信道学习获取超蜂窝网络休眠基站的信道信息. 中国科学: 信息科学, 2017, 47: 1–9, doi: 10.1360/N112017-00039 Deng R C, Jiang Z Y, Liu J C, et al. CSI acquisition for sleeping cells in hyper cellular networks based on channel learning (in Chinese). Sci Sin Inform, 2017, 47: 1–9, doi: 10.1360/N112017-00039 ⃝ 《中国科学》杂志社 邓瑞琛等: 利用信道学习获取超蜂窝网络休眠基站的信道信息 为了实现网络密集化的性能增益 用户到基站的信道信息极为重要 无论是物理层的预编码矩阵 的设计还是网络层的用户关联操作 都需要依据信道信息 目前基站对用户信道的估计通常采用基于 导频的信道估计