协同基站群的动态分簇算法研究

论文摘要

多基站协同处理是当前无线传输技术研究的热点问题之一,而协同基站群的分簇问题是协同处理技术走向实用化的一个关键步骤。现有的分簇算法主要分为静态分簇算法和动态分簇算法。其中,动态分簇算法性能优于静态分簇算法,但仍存在以下四个问题:1)缺乏有效的分簇模型对算法设计进行指导;2)把分簇问题当成协同基站选择问题,算法中的顺序性及单向性破坏了最佳的分簇结构,导致系统性能受限;3)算法实现的前提是已知完全的信道状态信息（CSI）,这在实际系统中很难获得;4)分簇结果中部分用户容易受到较强的簇间干扰,用户公平性较差。本文针对动态分簇问题展开了专门研究。论文针对分簇问题缺乏有效分簇模型的现状,定义了协同度的度量指标并提出了一种基于协同度的分簇模型。然后,在该模型的指导下,针对现有分簇算法存在的问题,提出了两种动态分簇算法和一种分簇调整方案。具体的研究内容包括:1)提出了一种基于协同度的分簇模型。该模型将两基站间双向的协同度定义为基站之间相互合作给双方带来的信干噪比增益,并将系统和容量的最大化目标简化为所有接收信干噪比之和最大。通过分析接收信干噪比与协同度的关系,最终将系统和容量最大化问题转化为基站间的协同度之和最大化问题。2)提出了一种完全CSI下的利益树动态分簇算法。该算法将分簇问题建模为有向带权连通图的最大利益树生成问题,定义树与树之间的利益度为两棵树内节点间归一化的协同度之和;然后,通过不断选择利益度最大的两棵树进行合并,能够并行生成多个动态的协同簇,从而有效解决现有动态分簇算法导致的系统性能受限问题。仿真结果表明,该算法与典型的贪婪搜索算法相比,在本文仿真条件下,系统的频谱利用率提高了约0.4bits/Hz,且算法复杂度与基站个数N成正比。3)提出了一种部分CSI下的近邻传播动态分簇算法。该算法在已知部分CSI的先验条件下,利用协同度来设计算法的输入矩阵并引入协同因子来控制系统的协同簇个数;然后,通过在全网内交换吸引度及归属度信息,实现协同证据的搜集及积累,最后并行生成多个协同簇。仿真结果表明,该算法的分簇性能接近于完全CSI下的利益树分簇算法,算法的收敛速度受系统内基站数的影响较小,收敛速度快,适用于实际系统。4)提出了一种基于ZF-THP的重叠分簇调整方案。本方案利用簇间干扰分量均值设置干扰门限,并对引起簇间干扰大于门限的基站进行重叠分簇调整;然后,针对重叠簇的特点设计了一种联合ZF-THP算法,利用ZF技术消除非重叠基站内的小区间干扰（ICI）,并利用THP技术抑制重叠基站导致的ICI。仿真结果表明,该方案能够降低重叠基站的复杂度,有效解决局部簇间干扰严重的问题,改善用户公平性能。

论文目录

• 目录
• 表目录
• 图目录
• 主要符号对照表
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 协同基站群的动态分簇问题
• 1.3 基站群分簇的研究现状
• 1.4 动态分簇存在的问题
• 1.5 论文的主要内容和章节安排
• 1.5.1 论文的主要内容
• 1.5.2 章节安排
• 第二章 分簇相关理论概述
• 2.1 基于分簇的多基站协同处理技术
• 2.1.1 系统分簇模型
• 2.1.2 多基站协同处理技术
• 2.2 分簇算法介绍
• 2.2.1 静态分簇算法
• 2.2.2 动态分簇算法
• 2.3 现有动态分簇算法问题分析
• 2.4 本章小结
• 第三章 基于协同度的分簇模型
• 3.1 引言
• 3.2 协同度
• 3.3 基于协同度的分簇模型
• 3.3.1 系统模型
• 3.3.2 协同度表达式
• 3.3.3 和容量和协同度关系分析
• 3.3.4 协同度分簇模型
• 3.5 本章小结
• 第四章 完全CSI 下的利益树动态分簇算法
• 4.1 引言
• 4.2 模型建立及问题描述
• 4.2.1 信号模型
• 4.2.2 利益树分簇问题描述
• 4.3 基于利益度的利益树分簇算法
• 4.3.1 分簇算法流程
• 4.3.2 利益树规模调整
• 4.3.3 利益树动态分簇实例
• 4.4 仿真结果及分析
• 4.4.1 算法分簇结果分析
• 4.4.2 算法性能比较
• 4.4.3 算法复杂度分析
• 4.4.4 不同参数设计分簇性能比较
• 4.5 本章小结
• 第五章 部分CSI 下的近邻传播动态分簇算法
• 5.1 引言
• 5.2 AP 算法简介
• 5.3 部分CSI 条件分析
• 5.3.1 完全CSI 条件的冗余性分析
• 5.3.2 部分CSI 下分簇问题描述
• 5.4 近邻传播动态分簇算法
• 5.4.1 输入参数设计——相似度矩阵
• 5.4.2 近邻传播动态分簇算法
• 5.5 仿真结果及分析
• 5.5.1 部分CSI 条件有效性验证
• 5.5.2 算法分簇结果分析
• 5.5.3 算法收敛速度分析
• 5.5.4 算法性能比较
• 5.6 本章小结
• 第六章 基于联合ZF-THP 的重叠分簇调整方案
• 6.1 引言
• 6.2 协同度不对称问题分析
• 6.2.1 协同度不对称定义
• 6.2.2 两类问题分析
• 6.3 重叠分簇调整方案
• 6.3.1 系统模型
• 6.3.2 重叠分簇调整流程
• 6.3.3 存在的问题
• 6.4 联合ZF-THP 预编码算法
• 6.4.1 算法的主要思想
• 6.4.2 重叠簇模型
• 6.4.3 联合ZF-THP 算法主要流程
• 6.5 仿真结果及分析
• 6.5.1 联合ZF-THP 算法开销分析
• 6.5.2 维纳模型下的重叠分簇性能比较
• 6.5.3 蜂窝系统下的重叠分簇性能比较
• 6.6 本章小结
• 结束语
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 一、个人简历
• 二、攻读硕士学位期间发表和完成的学术论文
• 三、攻读硕士学位期间的科研情况
• 四、攻读硕士学位期间的获奖情况
• 致谢