论文部分内容阅读
多输入多输出技术(Multiple input Multiple output,MIMO)可以有效的提升系统频谱利用率,满足人们的通信需求。但是,在SC-FDMA上行链路系统中,由于用户终端的体积与电池容量的限制,MIMO技术无法有效的应用到该系统中。研究人员提出了虚拟多输入多输出技术(Virtual MIMO,VMIMO),VMIMO通过将多个拥有1根天线的用户设备进行配对,将多个拥有1天线的用户共同看作一个配备了多根天线的通信实体,该通信实体的天线与基站的多根天线共同形成多天线阵列,由此可以得到MIMO技术的效果。VMIMO技术最关键的研究点就是进行用户配对,在SC-FDMA上行链路系统,通信系统的性能和资源的分配方式也密切相关,并且随着小区半径逐渐减小,蜂窝小区基站更密集的部署,利用多小区协作技术,可以明显提升系统的频谱利用率。但是VMIMO技术同样面临一个难题,就是当可配对的用户数目增加时,配对过程的复杂度会明显增加。因此,本文的主要内容就是研究多小区联合用户配对和资源分配的问题模型以及高效的求解算法。本文首先给出了多小区VMIMO系统模型,随后分别介绍了几种VMIMO系统的基本用户配对算法和SC-FDMA上行链路系统中资源分配的算法,并分析了这些算法的优势与不足。接着,在现有技术的基础上提出了一种考虑系统误比特率性能的多小区联合用户配对和资源分配数学模型。该问题模型考虑了VMIMO系统的用户配对、SC-FDMA上行链路中的资源分配以及多小区协作。通过使用提出的数学模型,可以在满足系统误比特率性能的前提下,最大化系统的频谱效率。接着,受到机器学习中K-Means聚类算法的启发,本文提出一种快速求解多小区用户配对和资源分配问题的算法——迭代K-Groups算法。该算法以K-Means算法聚类算法为理论依据,将多小区联合用户配对和资源分配的大问题分解成若干个规模很小的子问题来并行求解,极大地缩小了求解该问题的搜索空间。但是由于K-Groups算法并不总能得到最优解,会有一定的频谱效率的降低,所以为了补偿降低的频谱效率,在检测时采用基于最小均方误差和排序的串行干扰消除技术,就得到了基于最小均方误差和排序串行干扰消除技术的迭代K分组用户聚类(iterative K-Groups user clustering algorithm based on MMSE-OSIC,IKG_OSIC)算法。最后,在SC-FDMA上行链路系统中对所提出的IKG_OSIC算法与现有的一些联合用户配对和资源分配算法进行仿真对比。仿真结果表明,提出的IKG_OSIC算法可以在保证系统误比特率的前提下,高效的求解问题模型,获得更高的频谱效率。