大规模MIMO系统中用户分组方法的研究

论文总字数：29235字

摘 要

大规模MIMO系统近年来已成为研究热点，原因在于其吞吐量大而开销相对较低的特点。本文针对FDD下大规模MIMO系统，探讨了不同用户分组方法对于系统和速率的影响。

首先，本文引入了FDD模式下的Massive MIMO系统这一概念，先是简单介绍了MIMO的特点和存在的问题，然后具体阐述了Massive MIMO的具体含义，发展现状，在然后具体分析了Massive MIMO系统的优缺点。在介绍完基本理论后，本文结合JSDM开始系统模型构建。从引入JSDM的传输方法并具体分析各环节的功能，到建立单环信道模型，接下来便是建立传输信道和二阶预编码的框架，最后引入JSDM最重要的应用：用户分组。至此，理论和模型准备全部完成，然后就具体研究用户分组的算法。本文中先是介绍了用于度量用户彼此之间二阶信道状态信息的四种相似性度量方法：弦距离、似然比、子空间投影和富比尼研究；然后则介绍了用于将二阶信道状态信息相近的用户分为一组的三种聚类方法，分别是K均值、分层以及K中心点。接下来我们对这两类算法进行MATLAB仿真验证，分别寻找相似性度量和聚类算法中的的较优方法，并且通过仿真选择了分层聚类算法的最优距离公式，然后将这些较优方法进行组合，对比和速率情况，最后具体分析不同用户分组方法的组合对于和速率的影响。

仿真结果表明，在用户数Klt;300时，分层聚类和最大似然比的组合提升和速率相对较好；而当Kgt;300时，K均值聚类和最大似然比的组合则是效果相对更好的用户分组方法。

关键字: 用户分组，大规模MIMO，单环信道模型，联合空分复用，相似性度量，聚类

Abstract

The Massive MIMO system has became research hotspot in the recent years, because of its great system throughput and low costs. In this thesis, the user grouping measures was investigated in the FDD Massive MIMO system.

At first, the concept of the Massive MIMO in FDD system is introduced with the characters and problems of MIMO. Besides this, this paper clarifies the Massive MIMO from its meaning, development, advantages and disadvantages. The system model is built after all of the theory introduction including the JSDM transmission methods. The one ring channel model is consisted of two-stage precoding and transmission channel. After the model is built completely, user grouping, the most significant application of JSDM is introduced. This paper divides the user grouping algorithms into two parts, the similarity methods like chordal distance, weighted likelihood, subspace projection, and Fubini–Study with the clustering methods like K-means, hierarchical and K-medoids clustering.

Last but not least, this paper walidated these theoretical analysis by simulated all of them. The simulation results indicate that when the number of users is less than 300, the user grouping method consists of hierarchical clusering measure and weighted likelihood similarity measure is the most efficient way. Otherwise, K-means clustering measure and the weighted likelihood similarity measure is the best method.

KEY WORDS: User grouping, Massive MIMO, One ring channel model, JSDM, Similarity measure, Clustering

东 南 大 学 毕 业 （设 计）论 文 独 创 性 声 明

本人声明所呈交的毕业（设计）论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

论文作者签名： 日期： 年 月 日

东 南 大 学 毕 业 （设 计）论 文 使 用 授 权 声 明

东南大学有权保留本人所送交毕业（设计）论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学教务处办理。

论文作者签名： 导师签名：

日期： 年 月 日 日期： 年 月 日

目录

摘要 1

Abstract 1

第一章 Massive MIMO 和FDD系统的基本概念 4

1.1 背景 4

1.2 MIMO 简介 4

1.2.1 MIMO系统的特征 4

1.2.2 MIMO系统的问题 5

1.3 Massive MIMO 定义 5

1.4 技术发展 6

1.5 FDD系统下Massive MIMO的优点 6

1.6 FDD系统下Massive MIMO的问题 7

第二章 联合空分复用（JSDM） 8

2.1 JSDM介绍 8

2.2 JSDM传输模型 8

2.3 二阶预编码 10

第三章 相似性度量方法及优化 12

3.1 主要研究内容 12

3.2 用户分组介绍 12

3.3 相关准备工作 13

3.4 模型构建 13

3.5 大规模MIMO系统下的用户分组方法 15

3.5.1 最小弦距离的相似性度量 16

3.5.2 最大似然相似性度量 16

3.5.3 基于子空间投影的相似性度量法 16

3.5.4 富比尼研究相似性度量法 17

第四章 聚类方法及优化 18

4.1 K均值聚类算法 18

4.2 分层用户分组法 19

4.3 K中心点用户分组方法 21

第五章 相似性度量和聚类方法组合及分析 23

5.1 和速率的推导 23

5.1.1 JGP下和速率的推导 23

5.1.2 PGP下和速率的推导 24

5.2 选取相似性度量的较优算法 24

5.3 选取聚类的较优算法 25

5.3.1 分层聚类中距离公式的对比 25

5.3.2 三种聚类方法的对比 26

5.4 组合分析 27

第六章 总结与展望 29

致谢 30

参考文献 31

1. Massive MIMO 和FDD系统的基本概念

1.1 背景

大规模多输入多输出（Massive MIMO）是一个新兴的技术，通过可能的数量级和现在的状态的比较，最终扩展至Massive MIMO。关于大规模MIMO，在相同的时频资源系统使用天线阵列的几百个天线同时服务成千上万的终端。大规模MIMO的基本前提是从传统的MIMO继承所有的优点，但在更大的范围内。总的来说，大规模MIMO技术是未来宽带（固定和移动）网络发展的推动者，这将是节能，安全，稳健，并将有效利用频谱。因此，它是未来数字社会的基础设施，将连接人与云等网络基础设施的物联网网络的推动者。通过设想的大规模的MIMO系统中使用的实际天线阵列的许多不同的配置和部署方案。每个天线单元都非常小和灵活，通过光或电数字总线优选送入。

剩余内容已隐藏，请支付后下载全文，论文总字数：29235字