【通信】具有电磁干扰的RIS辅助无小区大规模MIMO系统的上行链路性能附matlab代码

matlab科研助手

于 2025-02-18 12:32:10 发布

阅读量1k

点赞数 25

文章标签： matlab 开发语言

本文链接：https://blog.csdn.net/matlab_dingdang/article/details/145702844

版权

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

随着5G网络逐渐普及，社会对移动通信的需求日益增长，用户数量和数据传输速率的期望值也在不断攀升。为了满足未来网络的需求，学界和业界一直在积极探索新型无线通信技术。无小区大规模多输入多输出（Cell-free Massive MIMO，简称无小区大规模MIMO）技术，被广泛认为是极具潜力的方案，有望在超越5G的网络中发挥关键作用。该技术的核心思想是，通过部署大量分布式接入点（Access Points，简称AP），让它们与网络中的所有用户进行通信，并可能采用联合相干信号处理技术。本文旨在对这项技术进行全面的分析，重点探讨不同程度的AP合作对系统性能的影响。

本文深入研究了四种不同的无小区大规模MIMO实现方式在上行链路中的频谱效率（Spectral Efficiency，简称SE）。在分析过程中，我们考虑了空间相关的衰落信道以及任意线性处理方案，力求得到更贴近真实应用场景的结论。研究结果表明，相较于传统的蜂窝大规模MIMO和小型小区网络，无小区大规模MIMO在特定条件下能够显著提升系统性能。然而，实现这一优越性的关键在于采用全局或局部最小均方误差（Minimum Mean-Square Error，简称MMSE）合并技术。这一发现与现有文献中普遍推崇的最大比合并（Maximum-Ratio Combining，简称MRC）方法形成了鲜明对比，为未来的研究方向提供了新的思路。

进一步的研究表明，采用最优MMSE处理的集中式实现方案不仅能最大化频谱效率，还能大幅降低前端链路的信令开销。这与传统的分布式实现方案形成了鲜明的对比，后者通常需要大量的信令交互才能实现AP之间的协调和信息共享。因此，集中式实现方案更有可能成为无小区大规模MIMO网络的首选运营模式，因为它在性能和成本之间实现了更好的平衡。此外，本文还研究了非线性解码技术，结果表明其对频谱效率的提升微乎其微，这暗示了线性解码方案在无小区大规模MIMO网络中的实用性。

本文的贡献在于：

全面分析了不同合作程度的无小区大规模MIMO架构: 通过对四种不同的实现方式进行深入比较，本文为网络设计者提供了关于不同AP合作策略的性能指标，帮助他们更好地权衡性能和复杂性。
强调了MMSE合并技术的重要性: 论文的结论有力地证明了MMSE合并技术在无小区大规模MIMO系统中的优势，纠正了以往文献中对MRC技术的过度推崇，并为未来的研究方向提供了新的视角。
提出了集中式实现方案的优势: 通过分析集中式和分布式实现方案的性能和信令开销，本文强调了集中式方案在频谱效率和前端链路负担方面的优势，并为其作为首选运营模式提供了理论依据。
验证了线性解码方案的实用性: 非线性解码技术带来的提升有限，表明线性解码方案在性能和复杂性之间取得了良好的平衡，更适用于实际的工程实现。

在分析过程中，我们采用了严谨的数学建模和仿真验证方法。首先，我们构建了一个包含多个AP和用户的系统模型，并考虑了空间相关的衰落信道。其次，我们推导了不同合并技术的频谱效率公式，并利用仿真实验验证了理论结果的准确性。最后，我们对不同实现方案的信令开销进行了估算，并分析了其对系统性能的影响。

尽管本文对无小区大规模MIMO技术进行了全面的分析，但仍存在一些值得进一步研究的问题。例如，本文主要关注了线性处理方案，未来可以进一步研究非线性处理方案在无小区大规模MIMO中的应用。此外，本文假设AP之间能够实现完美的时钟同步和频率同步，但在实际应用中，这些同步误差可能会对系统性能产生影响。因此，未来的研究可以考虑这些同步误差对无小区大规模MIMO性能的影响，并提出相应的解决方案。

总而言之，本文对无小区大规模MIMO技术进行了深入而全面的分析，强调了MMSE合并技术和集中式实现方案的重要性，并为未来的研究方向提供了新的思路。无小区大规模MIMO技术有望在超越5G的网络中发挥关键作用，满足日益增长的用户数量和数据传输速率的需求。通过进一步的研究和开发，我们相信无小区大规模MIMO技术将为未来的无线通信带来革命性的变革。

⛳️ 运行结果

🔗 参考文献

[1] Bjrnson E , Sanguinetti L .Making Cell-Free Massive MIMO Competitive With MMSE Processing and Centralized Implementation[J].IEEE Transactions on Wireless Communications, 2020, 19(1):77-90.DOI:10.1109/TWC.2019.2941478.

📣 部分代码

function [SE_MMSE] = functionComputeSE_AP_MMSE_Combining_UL(Hhat,H,C,tau_c,tau_p,nbrOfRealizations,N,K,M,p)%Compute uplink SE for Cell-free mMIMO for the four different receiver%cooperation levels, using either MR or MMSE/L-MMSE combining%%This function was developed as a part of the paper:%%Emil Bjornson, Luca Sanguinetti, "%IEEE Transactions on Wireless Communications, To appear.%%Download article: https://arxiv.org/abs/1903.10611Dp12 = diag(sqrt(p));%Prepare to save simulation resultssignal_MMSE = zeros(M,K);scaling_MMSE = zeros(M,K);G_MMSE = zeros(M,M,K);A = zeros(M,M,K);%% Go through all channel realizationsfor n = 1:nbrOfRealizations                %-----------------Levels 1-3    gp_MMSE = zeros(M,K,K);            %Go through all APs    for m = 1:M                %Extract channel realizations from all UEs to AP l        Hallj = reshape(H(1+(m-1)*N:m*N,n,:),[N K]);                %Extract channel estimate realizations from all UEs to AP l        Hhatallj = reshape(Hhat(1+(m-1)*N:m*N,n,:),[N K]);                        %Compute MR combining        V_MMSE = ((Hhatallj*Dp*Hhatallj')+C_tot(:,:,m)+eyeN)\(Hhatallj*Dp);                %Go through all UEs        for k = 1:K                                                           %%MMSE combining            v = V_MMSE(:,k); %Extract combining vector                                    %Level 2 and Level 3            signal_MMSE(m,k) = signal_MMSE(m,k) + (v'*Hallj(:,k))/nbrOfRealizations;            gp_MMSE(m,:,k) = gp_MMSE(m,:,k) + (v'*Hallj)*Dp12;            scaling_MMSE(m,k) = scaling_MMSE(m,k) + norm(v).^2/nbrOfRealizations;                                              end            end        %Compute averaging of terms for Level 2 and Level 3    for k = 1:K                G_MMSE(:,:,k) = G_MMSE(:,:,k) + gp_MMSE(:,:,k)*gp_MMSE(:,:,k)'/nbrOfRealizations;            end    end%Compute SE for Level 2 and Level 3for k = 1:K        %With L-MMSE combining    b = signal_MMSE(:,k);    A(:,:,k) = G_MMSE(:,:,k) + diag(scaling_MMSE(:,k)) - p(k)*(b*b');    SE_MMSE(k) = prelogFactor*real(log2(1+p(k)*b'*(A(:,:,k)\b)));      end