基于用户位置信息的导频分配方法

吴玉成,李 亮,马云飞,刘 统

(1.重庆大学 微电子与通信工程学院,重庆 400044; 2.重庆华伟工业(集团)有限责任公司,重庆 400712)

0 概述

对于第五代移动通信网络(5G)的典型应用热点高容量密集场景,利用大规模MIMO[1]技术可以成倍地提升其系统容量。但是,随着天线数的增加,导频污染问题致使系统性能受到限制,因此,研究多小区多用户大规模MIMO系统导频污染的抑制方法具有重要意义[2]。大规模MIMO系统抑制导频污染的措施主要包括信道估计方法[3-5]、发射预编码方法[6-7]和导频分配方法3种。在同频同时情况下不同用户使用相同导频序列导致基站无法获得完美的用户信道状态信息(Channel State Information,CSI),从而造成导频污染问题,如何通过一定方法为相互干扰的用户分配更优的导频序列从而在根本上抑制导频污染,引起了学者们的广泛关注。

现有的导频分配方案大致分为导频时移、导频功率控制、部分导频复用、导频分阶段发送、导频协调分配和基于深度学习的导频分配6类。基于导频时移的分配方法[8-9]使导频在帧结构中存在一定的偏移,相邻小区用户的导频在不同时隙进行传输,该方法的导频信息对数据接收产生影响,增强了信号干扰。基于导频功率控制的分配方法[10-11]通过设计相互正交的导频组区分相邻小区,保证在同一时刻导频序列正交,该方法对控制策略有着严格的要求,实现过程复杂,而且随着天线数目的增加其信息处理时延增大,无法快速降低导频污染。基于部分导频复用的分配方法[12-13]以增加导频开销的方式为边缘用户提供额外的正交导频。基于导频分阶段发送的分配方法[14-15]按照某种规则或某种方法分时分段向基站发送导频,该方法信息处理时延较长。基于深度学习的导频分配方法[16]存在训练模型复杂的问题。在基于导频协调的分配方法中,文献[17]提出了一种多小区协同处理的导频分配方法,其利用多小区多天线的协同特性以及终端与基站共享信息从而完成导频分配,该方法有效解决了单小区处理信息时的盲区,但存在极大的系统开销,增加了系统复杂度。文献[18]提出一种基于用户到达角(Angle of Arrival,AOA)信息划分扇区的导频分配方法,该方法利用了大规模MIMO系统灵活的空间自由度,避免了扇区用户之间的干扰。文献[19]提出的基于用户位置信息的导频分配方法,利用用户到基站距离的不同来划分中心和边缘用户,中心用户随机分配导频,边缘用户按照最小干扰原则分配导频,从而提升了系统可达和速率。文献[20]提出的基于用户位置信息的导频分配方法,通过“四步法”完成导频分配,有效提升了系统的可达和速率。文献[21]提出的基于用户位置信息的导频分配方法,以基站为极点建立极坐标系,根据用户位置在极坐标系下的极角大小来对用户进行排序并依次分配导频,该方法提高了可达和速率与系统公平性。

文献[18-21]方法都存在一个同样的问题,即在实际场景中大量用户可能会随机分配到同一区域,在此情况下,文献[18-19]中的AOA会发生重叠,信号干扰增大从而导致系统性能急剧下降甚至无法进行可靠通信,文献[20]中的“四步法”会造成复杂度大幅提升,文献[21]对极角分辨率要求较高,需要的基站天线数过多,在现阶段较难实现。针对上述问题,本文提出一种基于用户位置信息的导频分配方法,以用户到达基站的角度差和用户之间的距离差作为分配依据,设计一种干扰度量函数,以降低AOA重叠对系统性能的影响。利用“两步法”导频分配策略降低算法复杂度与导频开销,解决实际应用中由于大量用户被分配到同一区域导致的用户通信质量下降甚至无法可靠通信的问题。

1 问题描述

在5G无线技术架构白皮书中提到,大规模MIMO天线技术的主要运用场景为宏覆盖、高层建筑、分布式、无线回传及微覆盖等。本文主要考虑宏覆盖场景,以实现室外连续覆盖。多小区导频分配策略如图1所示,所有导频分为相互正交的6组[φ1,φ2,φ3,φ4,φ5,φ6],每个小区分为6个扇区,目标小区位于中心位置,外围有6个一级小区,一级小区外围有12个二级小区。其中,目标小区与一级小区导频正交,相邻一级小区导频正交,二级小区与相邻的一级小区、二级小区导频正交,二级小区距离目标小区较远,干扰较小。因此,一级小区和二级小区对目标小区影响较小,为简化描述,本文仅以单小区为目标进行研究。

图1 多小区导频分配策略示意图Fig.1 Schematic diagram of multi-cell pilot allocation strategy

假设在单小区系统中心位置架设一个基站,基站上配置一个由M根天线构成的天线阵,小区被均匀分为6个扇区s1～s6,每个扇区用户数随机分布,单小区总用户数K一定,模型如图2所示。部分扇区中没有分布用户,而部分扇区会分布较多用户,符合实际场景。传统AOA分配方法中扇区内导频正交,扇区与扇区间导频复用,但前提是AOA角度不重叠,否则系统性能将大幅下降。而在实际场景中,大量用户随机分布到同一扇区时无法满足上述条件。以扇区s1为例,此时有8个用户,对于传统AOA分配方法,则扇区内需要8个正交导频,导频开销过大,且中间3个用户相对基站的方向相同,必然会有用户到达角度重叠,此时传统的AOA分配方法性能将下降甚至无法通信。因此,本文提出基于用户位置信息的导频分配方法,以克服上述限制条件并降低导频开销。对于单小区用户而言,用户与基站的距离以及到达基站的角度均存在差异,导致空间信号传输损耗不同,本文充分利用上述特性,通过一定的分配策略提升用户平均信干噪比(SINR)和目标扇区的可达和速率,并且尽可能地降低导频开销。

图2 用户随机分布模型拓扑Fig.2 Users random distribution model topology

2 导频分配方法

2.1 系统建模与干扰分析

目标用户的上行链路渐近信干噪比主要受到大尺度衰落因子的影响。为了简化分析,假设每个扇区最多有2个用户共用同一组导频序列,阴影衰落因子z=1。用户1为目标用户,用户2为干扰用户,可得目标用户1的上行链路渐近SINR1为:

(1)

其中,β1表示目标用户1的大尺度衰落因子,β2表示干扰用户2的大尺度衰落因子,两者可以表示为:

(2)

(3)

其中,α表示路径损耗因子,R表示小区半径,r1表示目标用户1到基站的距离,r2表示干扰用户2到基站的距离,满足0

(4)

根据式(4),得到本文的第1个最优化问题P1:

(5)

利用三角形余弦定理,可得用户2到基站的距离为:

s.t.|Δd/r1|≥sin Δθ

(6)

其中,Δθ表示2个用户之间的角度差,Δd表示2个用户的距离差。由式(6)可知,r2有2个取值。对于目标用户而言,干扰用户距离基站越远,信号衰减越大,对目标用户的干扰也就越小,因此,r2只取较大值,可得:

s.t.|Δd/r1|≥sin Δθ

(7)

将式(7)代入式(5),最优化问题P1可修改为:

(8)

根据式(8)可知,当Δθ最小时,上述最优化问题取得最大值,但此处忽略了一个重要前提:用户角度必须尽可能大。因此,本文的第2个优化问题P2为:

(9)

其中,Sθ表示扇区s的角度分布范围。

以上2个最优化问题相互矛盾,必须采取折中方式取得性能最大化。以第2个优化问题为主、第1个优化问题为辅分2步进行讨论:

1)针对第2个优化问题,Δθ越小,信道状态信息越不完美,干扰也就越大,可以用cos Δθ来间接表示角度对目标用户的干扰程度。

2)针对第1个优化问题,Δd/r1越小,SINR越小,干扰越大,可以用1/(Δd/r1)来表示2个用户距离差对目标用户的干扰程度。

综合以上分析,目标用户的干扰主要由2个方面组成:一是角度的重叠,即相同导频用户之间的角度差决定了污染严重程度,二是目标用户与干扰用户之间的距离差,其决定了目标用户与干扰用户到达基站的衰减程度。因此,本文提出以下度量函数来表征目标用户受干扰的程度:

(10)

式(10)表明角度差Δθ越小,距离差Δd越小,则I越大,即目标用户受到的污染越大。

2.2 两步法导频分配

假设单小区系统由正六边形构成,等角度间隔分为6个扇区,随机分布着12个单天线用户,共有2组正交导频,每组2个,即4个相互正交的导频,本文分配策略将关于基站对称的扇区合并在一起进行统一分配。

以扇区s1和对角扇区s4为例,总用户数为Ks1,假设所有用户均分配相同导频,计算用户相互之间的度量函数,如用户i与用户j的度量函数Iij表示为:

(11)

则扇区s1的度量函数Is1可表示为:

(12)

根据度量函数Is1得到其他用户对目标用户的干扰和Isum为:

(13)

Isum=[Isum,1,Isum,2,…,Isum,Ks1]

(14)

基于用户位置信息的导频分配算法具体分配步骤如下:

算法1基于用户位置信息的导频分配算法

1.初始化;

2.计算Is1和Iij,其中,i,j∈Ks1且i≠j;

3.计算Isum;

4.if Ks1>8

5.寻找Isum集合中最大的Ks1-4个用户并分配正交导频;

6.k=4;

7.While k>0 do

8.寻找Isum集合中最小值对应的用户Umin;

9.选取Isl(Umin,:)中最小的已分配正交导频且未被复用的用户Umulti;

10.根据F(U,Φ)为用户Umin分配复用导频Φmulti,得到用户与导频的分配关系F′(U,Φ);

11.利用式(16)更新Isum和F(U,Φ);

12.k=k-1;

13.End while

14.else if 4

15.寻找Isum集合中最大的4个用户并分配正交导频;

16.k=Ks1-4;

17.重复步骤7～步骤13;

18.else

19.随机分配正交导频,得到用户与导频的分配关系F′(U,Φ);

20.end if

21.输出用户与导频的分配关系F′(U,Φ).

本文应用两步法进行导频分配:

第1步正交导频分配,分为以下3种情况:

1)当扇区中用户数大于2倍导频数,即Ks1>8时,增加额外的导频数,为Isum集合中最大的Ks1-4个用户分配正交导频。

2)当4

3)当Ks1≤4时,随机选取导频进行分配。

以上3种情况完成之后,得到导频分配集合与用户的对应关系F(U,Φ)和F′(U,Φ),此时两者相等。

第2步复用导频分配:

1)选取Isum集合中最小的用户Umin进行优先分配,选取Is1(Umin,:)中最小的已分配正交导频且未被复用的用户Umulti,根据关系F(U,Φ),复用Umulti对应的导频Φmulti并记录复用用户对应的导频,更新F(U,Φ)到新的用户导频对应关系式F′(U,Φ):

F′(U,Φ)←F′(U,Φ)+F(Umin,Φmulti)

(15)

2)从集合F(U,Φ)中剔除已复用用户与导频对应组,并从Isum中剔除已分配的最小用户Umin,即:

F(U,Φ)←F(U,Φ)/F(Umulti,Φmulti)

Isum←Isum/Isum(Umin)

(16)

3)继续选取Isum中最小的用户Umin,依据Is1(Umin,:)中最小的已分配正交导频且未被复用的用户Umulti,分配导频Φmulti,依次类推,直到所有用户完成导频分配,得到用户与导频的对应关系F′(U,Φ)。

相较传统导频分配方法,本文两步法导频分配具有如下优势:

2)在两步法导频分配步骤中,以用户数Ks和Ks/2为分界,分成3级进行正交导频分配,然后依据度量函数I复用导频,从而使该导频分配方法每个扇区的导频开销为Ks/2,小于传统AOA导频分配方法(Ks)。本文方法整个小区的导频开销(K/2)也小于文献[22]中基于用户位置信息的导频分配方法(K),尤其存在大量用户时,该优势更明显。

3)本文两步法导频分配的复杂度远小于文献[20]中的四步法导频分配。

4)本文方法解决了实际中由于大量用户被分配到同一扇区导致的用户通信质量下降甚至无法可靠通信的问题。

3 性能仿真与分析

3.1 仿真场景及参数设置

本文基于MATLAB平台进行性能分析,仿真场景如图2所示,单小区多用户大规模MIMO系统由6个均匀等角度间隔扇区构成的正六边形组成,具体参数设置如表1所示。小区半径为500 m,基站位于小区中央且部署M根天线,天线间距等于载波波长λ的1/2,不考虑天线间的相关性和互耦效应。参照《工业和信息化部关于第五代移动通信系统使用3 300 MHz～3 600 MHz和4 800 MHz～5 000 MHz频段相关事宜的通知》,结合华为公司已有的天线阵列设计,本文选取3 500 MHz作为载波频率。每个扇区中的每个用户占用统一时频资源块,用户随机分布在各个扇区中。系统分别对每个扇区进行导频分配,根据用户到达基站的角度差和用户之间的距离差计算出用户干扰度量函数,再利用本文所提两步导频分配方法实现导频分配,并与全正交、全复用方法进行对比,从用户平均SINR和可达和速率C两个性能指标角度验证本文方法的优势。

表1 系统仿真参数设置Table 1 System simulation parameters setting

3.2 结果分析

图3所示为用户一次随机分布仿真拓扑,其中,三角代表配备M根天线的基站,实心圆点代表终端单天线用户,虚线代表扇区分界线,加粗虚线与实线围成的三角代表目标扇区。

图3 随机产生的用户分布拓扑Fig.3 Randomly generated user distribution topology

基于图3拓扑,本文从如下3个方面对导频分配方法进行仿真分析:

1)仿真AOA 2种分布方式对用户平均SINR和可达和速率C的影响,以验证AOA重叠问题是否严重影响系统性能,从而证明本文度量函数的合理性以及其解决AOA重叠问题的价值和意义。

2)仿真对比不同导频分配方法下的用户平均SINR和可达和速率C,导频分配方法包括本文方法和理想的全正交、全复用方法。

3)对比不同用户数目对用户平均SINR和可达和速率C的影响,以验证随着用户数的增加,本文方法是否依旧具备很好的性能,从而说明其解决由于大量用户随机分配到同一扇区导致的用户通信质量下降甚至无法可靠通信的问题的可能性。

3.2.1 AOA的2种分布方式对结果的影响

图4所示为AOA服从均匀分布和高斯分布下目标扇区用户平均SINR随天线数M的变化关系,图5所示为AOA服从均匀分布和高斯分布下目标扇区用户可达和速率随天线数M的变化关系。从中可以看出,无论天线数目为多少,均匀分布下目标扇区用户平均SINR和用户可达和速率都要优于高斯分布,说明高斯分布下AOA角度的扩展使得用户之间角度的重叠面积更大,导致用户性能降低。通过实验结果可以得出:AOA的扩展对系统有较大影响,解决AOA重叠问题至关重要,也间接说明本文度量函数的合理性,即优先考虑角度重叠,通过用户之间AOA的差异,对差异大的用户分配复用导频,差异小的用户采用正交导频,可以提升系统整体性能。

图4 2种分布下天线数对目标扇区用户平均SINR的影响Fig.4 Influence of antenna number on user average SINR of target sector under two distributions

图5 2种分布下天线数对目标扇区用户可达和速率的影响Fig.5 Influence of antenna number on user achievable sum rate of target sector under two distributions

3.2.2 不同方法下的用户平均SINR和可达和速率C

从图6可以看出,当天线数M小于等于256时,基于用户位置信息的导频分配方法的用户平均SINR优于全正交导频分配方法,这是由于天线数较小时,全正交导频分配不能忽略小区内的用户干扰,而基于位置信息的导频分配方法可以通过用户AOA将小区内AOA不重叠的用户干扰完全去除,从而提高系统性能。而当M大于256时,全正交导频分配方法优于基于位置信息的导频分配方法,这是由于全正交导频分配方法信道逐渐正交,而基于位置信息的导频分配方法由于AOA的重叠导致用户之间的干扰无法完全去除。从图7可以看出,在天线数较少时,基于位置信息的导频分配方法的用户可达和速率优于全正交导频分配方法,当天线数持续增大时,基于位置信息的导频分配方法的目标扇区用户可达和速率虽不及全正交导频分配方法,但比全复用导频分配方法高。

图6 3种方法下天线数对目标扇区用户平均SINR的影响Fig.6 Influence of antenna number on user average SINR of target sector under three methods

图7 3种方法下天线数对目标扇区用户可达和速率的影响Fig.7 Influence of antenna number on user achievable sum rate of target sector under three methods

综上,本文基于位置信息的导频分配方法在天线数较少时极大地提高了目标扇区用户平均SINR,天线数增大时其性能依然优于全复用导频分配方法。

3.2.3 不同用户数下的用户平均SINR和可达和速率C

图8所示为天线数M等于512时3种分配方法目标扇区用户平均SINR与用户数的变化关系。从中可以看出,随着用户数的增加,全正交导频分配方法和全复用导频分配方法用户平均SINR迅速下降,而基于位置信息的导频分配方法用户平均SINR下降缓慢,尤其是当用户数大于一定数量时,本文分配方法的用户平均SINR明显优于全正交导频分配方法,这是由于随着用户数的增加,小区内干扰增加,必须采用更多数量的天线阵才能保证用户间的信道正交,而本文分配方法可以减少这种干扰。

图8 3种方法下用户数对目标扇区用户平均SINR的影响Fig.8 Influence of user number on user average SINR of target sector under three methods

图9所示为天线数M等于512时3种分配方法目标扇区用户可达和速率与用户数的变化关系。从中可以看出,随着用户数的增加,本文方法与另外2种分配方法的用户可达和速率差值逐渐增大。综上,本文方法在用户数增大而天线数有限的情况下具有较大优势,为大量用户在同一扇区的同时通信提供了可能性。

图9 3种方法下用户数对目标扇区用户可达和速率的影响Fig.9 Influence of user number on user achievable sum rate of target sector under three methods

通过以上仿真分析可以得出:

1)本文所提干扰度量函数具有合理性。

2)本文分配方法在天线数较少时极大地提高了目标扇区用户平均SINR,天线数增大时其性能依然优于全复用导频分配方法。

3)本文分配方法提高了用户接入数,解决了由于大量用户随机分配到同一扇区导致的用户通信质量下降甚至无法可靠通信的问题。

4 结束语

多小区多用户大规模MIMO系统在实际应用场景中,大量用户被随机分配到同一扇区从而导致用户通信质量下降甚至无法进行可靠通信,为解决该问题,本文以用户到达基站的角度差和用户之间的距离差作为分配依据,设计一种基于用户位置信息的干扰度量函数,在此基础上提出一种导频分配方法。根据扇区用户数的不同分3种情况进行分析,在极端情况下增加正交导频,其余情况复用导频,尽可能地保证干扰大的用户分配正交导频,干扰小的用户寻求最优用户复用导频,从而提高系统整体性能。仿真结果表明,该方法在天线数较少时可对导频污染产生显著的抑制效果,且具有较好的平均信干噪比,当天线数增大时,该方法依然能够保持良好的系统整体性能,且能够提高用户连接数,具备实际工程意义与应用价值。本文仅依据导频分配来抑制导频污染,下一步将考虑信道估计、导频分配和发射预编码的特性并进行优势互补,以提高系统性能。此外,将深度学习模型运用于导频污染抑制任务中,进一步提高导频分配的速率和可靠性,也是今后的研究重点。