论文笔记《Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing》
论文笔记《Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing》
与传统的MIMO技术相比,cell-free-massive-MIMO(mMIMO)具有高谱效和优越的空间多样性,被认为是 B5G 的下一代技术。主要原理是,许多分布式接入点(APs)进行协作,以同时为网络内的所有用户服务,而不创建 cell 边界。
本文研究利用 Radio Stripes(无线电条带) 网络架构的cell-free mMIMO系统上行问题。
我们提出了一种新的序贯(sequential processing)处理算法,该算法结合了每个AP的归一化线性最小均方误差(N-LMMSE)。该算法能够在cell-free mMIMO中抑制干扰,同时保持较低的成本和前传(front-haul)要求。对该算法的谱效进行了计算和分析。我们的结论是,它提供了一个有吸引力的权衡之间的低前传要求和高谱效。
大规模多输入多输出(m-MIMO)技术是近年来无线通信领域的重大进展之一。其高谱效(SE)、波束形成增益和可靠性使其成为5G的关键物理层技术。
然而,由于其以cell为中心的实现,它受到cell间干扰的限制。这可以通过所谓的cell-free mMIMO来克服,它是一种分布式mMIMO实现,具有以用户为中心的设计。
在cell-free mMIMO网络中,许多分布式APs连接到一个中央处理单元(CPU),它们同时为网络内的所有用户设备(UEs)共同服务。
AP可以被认为是一个由天线元件和操作它们所需的信号处理单元组成的电路,如滤波器、模拟-数字和数字-模拟转换器(ADC和DAC)等。这种设置有助于在本地执行计算。
最初的cell-free-massive-MIMO形式是:到每个AP需要一个专门的前传和电源供应。
- 在上行链路中,每个AP预处理接收到的信号并计算信道估计,然后通过并行前传发送到CPU,由CPU合并信号。虽然从通信性能的角度来看,这种架构是可取的,但从成本的角度来看,它的实际采用是有问题的,因为需要大量的长电缆。因此,我们需要找到更实用的架构和去中心化处理的方法。
- 在mMIMO系统中不同的去中心化处理技术和算法最近被提出。以前的工作考虑过:完全集中(所有处理都在CPU上完成)和完全分布式实现(所有处理都在APs上完成,除了使用统计信息融合CPU上的信息之外)。在开发去中心化算法的相关工作中,针对mMIMO和大型智能表面,考虑了daisy-chain like 的方法去逼近迫零(ZF),变最大比(MR)处理等。
实现cell-free-mMIMO的一种方法是使用所谓的无线电条带,它适用于部署在每平方公里有许多APs的密集地区,如体育场和商场。在无线条带网络中,APs是按顺序连接的。(例如使用daisy-chain架构),并共享相同的电缆用于前传和供电。因此,如图1所示,有一个顺序的前传,它大大减少了布线。
现有的工作已经表明,MR合并可以在无线条带的前传进行顺序计算,但是之前的工作没有可以让相邻的APs协作。换句话说,处理方案没有利用无线电条带的体系结构。
本文提出了一种基于无线条带的cell-free-mMIMO的串行上行处理方法。AP通过传递少量的信道状态信息(CSI)进行配对,以实现干扰抑制。
每个AP计算本地信道估计并使用归一化线性均方误差(NLMMSE)组合对期望信号进行软估计,然后将软估计、CSI和误差统计量转发给下一个AP,从而利用可用的CSI改进软估计。
这种顺序处理有助于提高数据估计的准确性(why?
)。这个过程继续按序进行,直到最后一个AP计算出最终的信号估计,这些估计被转发到CPU进行最终解码。本文提出的算法有以下几个不同之处:
- 考虑了CSI的不完美
- 每个AP不仅共享它自己的数据估计,而且共享它的信道估计,误差统计信息到后续的AP来改进在SE方面的性能
- 在线性估计量中,我们考虑的是N-LMMSE,它在每个AP上局部最大化SE。
- 除此之外,虽然之前的工作中信号处理是顺序完成的,但所考虑的物理拓扑是
非分布
(non distributive)的,这与我们所考虑的系统模型不同。
system model
- LLL APs
- each AP is NNN-antenna
- The CPU is located at the end of the stripe AP LLL
- front-haul connections goes from
AP 1 -- AP 2 -- AP 3 -- ... -- AP L -- CPU
- KKK single antenna UEs
- block fading channel model with coherence block length of τc\tau_cτc channel uses
- In each block, correlated Rayleigh fading distribution as hkl∼CN(0,Rkl)\mathbf{h}_{kl}\sim\mathcal{CN}(\mathbf{0}, \mathbf{R}_{kl})hkl∼CN(0,Rkl)
uplink transmission
- τp\tau_pτp channel uses: pilots transmission to estimate channel
- τc−τp\tau_c-\tau_pτc−τp channel uses: payload data
顺序/序贯处理
论文笔记《Cell-Free Massive MIMO With Radio Stripes and Sequential Uplink Processing》相关推荐
- 论文笔记之Understanding and Diagnosing Visual Tracking Systems
Understanding and Diagnosing Visual Tracking Systems 论文链接:http://dwz.cn/6qPeIb 本文的主要思想是为了剖析出一个跟踪算法中到 ...
- 《Understanding and Diagnosing Visual Tracking Systems》论文笔记
本人为目标追踪初入小白,在博客下第一次记录一下自己的论文笔记,如有差错,恳请批评指正!! 论文相关信息:<Understanding and Diagnosing Visual Tracking ...
- 论文笔记Understanding and Diagnosing Visual Tracking Systems
最近在看目标跟踪方面的论文,看到王乃岩博士发的一篇分析跟踪系统的文章,将目标跟踪系统拆分为多个独立的部分进行分析,比较各个部分的效果.本文主要对该论文的重点的一个大致翻译,刚入门,水平有限,如有理解错 ...
- 目标跟踪笔记Understanding and Diagnosing Visual Tracking Systems
Understanding and Diagnosing Visual Tracking Systems 原文链接:https://blog.csdn.net/u010515206/article/d ...
- 追踪系统分模块解析(Understanding and Diagnosing Visual Tracking Systems)
追踪系统分模块解析(Understanding and Diagnosing Visual Tracking Systems) PROJECT http://winsty.net/tracker_di ...
- ICCV 2015 《Understanding and Diagnosing Visual Tracking Systems》论文笔记
目录 写在前面 文章大意 一些benchmark 实验 实验设置 基本模型 数据集 实验1 Featrue Extractor 实验2 Observation Model 实验3 Motion Mod ...
- Understanding and Diagnosing Visual Tracking Systems
文章把一个跟踪器分为几个模块,分别为motion model, feature extractor, observation model, model updater, and ensemble po ...
- CVPR 2017 SANet:《SANet: Structure-Aware Network for Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做SANet.作者在论文中提到,CNN模型主要适用于类间判别,对于相似物体的判别能力不强.作者提出使用RNN对目标物体的self-structure进行建模,用于提 ...
- ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做UCT.就像论文题目一样,作者提出了一个基于卷积神经网络的end2end的tracking模型.模型的整体结构如下图所示(图中实线代表online trackin ...
- CVPR 2018 STRCF:《Learning Spatial-Temporal Regularized Correlation Filters for Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文提出的模型叫做STRCF. 在DCF中存在边界效应,SRDCF在DCF的基础上中通过加入spatial惩罚项解决了边界效应,但是SRDCF在tracking的过程中要使用 ...
最新文章
- 医院六级电子病历建设思路及要点
- [Bzoj1061][Noi2008]志愿者招募(费用流)
- java 判断是否是日期_java判断是否为日期的方法(附代码)
- mysql语句表_mysql表级sql语句
- 别人的代码是火箭,我的代码是乌龟……
- 经典C语言程序100例之六八
- sklearn自学指南(part24)--随机梯度下降
- HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager\PendingFileRenameOperations
- windows虚拟声卡直播_【韭菜爱镰刀】高性价比的录音/直播设备推荐
- 2021年上半年国家软考系统分析师论文和案例分析
- Windows 7 Sp1 x64 无法安装英文语言包(已解决)
- 怎么用计算机按log以2为底,log以2为底4的对数在计算器上怎么按?
- HPU 1725: 感恩节KK专场——特殊的比赛日期【水】
- 音频PA导致的功耗超标
- 「CTS2019」氪金手游
- macbook新建html文件,New File Creation: 给 Mac 加上“新建文件菜单”
- CAD机械图纸转PNG图片怎么设置输出的色彩和背景颜色—迅捷CAD转换器
- SQL查询表中重复数据
- 风口中的智慧城市:智慧的面子,数字的里子
- 【程序员入门记录】ThinkPad E470改造记录——系统改造