买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学;中山大学·深圳申请的专利一种多小区大规模MIMO下行链路协同波束成形方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117527024B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311552600.4，技术领域涉及：H04B7/06；该发明授权一种多小区大规模MIMO下行链路协同波束成形方法及系统是由罗志勇;林浩设计研发完成，并于2023-11-21向国家知识产权局提交的专利申请。

本一种多小区大规模MIMO下行链路协同波束成形方法及系统在说明书摘要公布了：本发明涉及无线通信技术领域，为多小区大规模MIMO下行链路协同波束成形方法及系统。其方法包括：建立多小区MIMO通信系统；构建通信系统的上下行传输链路模型；构建协同波束成形下行链路优化模型，建立发射功率约束、用户服务质量约束条件下的能源效率最大化模型；通过分式规划，引入辅助变量，将能源效率最大化的分式问题转化为不含分式的耦合非凸优化问题；通过凸优化近似转化并求解耦合非凸优化问题，最终获得波束方向向量。本发明提升了在引入量化误差下的多小区通信系统的能源效率，同时保证了用户的服务质量，提高了蜂窝移动通信系统的能源效率。

本发明授权一种多小区大规模MIMO下行链路协同波束成形方法及系统在权利要求书中公布了：1.一种多小区大规模MIMO下行链路协同波束成形方法，其特征在于，包括以下步骤：建立多小区MIMO通信系统，所建立的通信系统的用户包括各个小区所服务的用户；建立通信系统的上行链路模型和下行链路模型；上行链路模型中接收信号包括通信系统用户的发送信号、引入的量化误差、噪声，以及下行链路信号；下行链路模型中接收信号包括所有基站发射信号、引入的量化误差、噪声；构建协同波束成形下行链路优化模型，建立发射功率约束、用户服务质量约束条件下的能源效率最大化模型；发射功率约束表示基站总发射功率不得超过给定的功率阈值；用户服务质量约束表示用户的传输速率不得低于给定的传输阈值；转化能源效率最大化模型，采用分式规划方法，将能源效率最大化模型的分式问题转化为外层迭代的不含分式的耦合非凸优化问题，并引入辅助变量进行迭代求解；转化耦合非凸优化问题，建立内层迭代；通过内层迭代凸优化近似，将问题转化为内层迭代的几何规划问题和二阶锥规划问题；几何规划问题采用凸优化工具包进行求解，得到协同波束成形功率；二阶锥规划问题采用上行链路和下行链路的拉格朗日强对偶关系求解，得到波束成形方向向量；根据凸优化近似结果，更新外层迭代辅助变量，重复求解几何规划问题和二阶锥规划问题，直至辅助变量变化小于给定阈值；建立协同波束成形方向向量优化模型，对内层迭代中的协同波束成形方向向量进行优化；对于下行链路模型中小区i用户u，其接收信号yi,u表示为： 其中小区数量为Nc，各小区用户数量为Nu，为小区m用户l接收符号，wm,l为小区m用户l对应的协同波束成形向量，hm,i,u为小区m到小区i用户u的信道向量，表示hm,i,u的共轭转置，为小区j下行链路产生的量化噪声为小区i用户u所接收到的总的量化噪声,为小区i用户u的信道噪声；α为量化系数；对于上行链路模型中，小区i基站的接收信号ri表示为： 其中，λj,u为小区j用户u的发射功率，为小区i基站上行链路接收到的量化噪声，α为量化系数；为小区i到小区j的信道状态矩阵；为小区j用户u发送符号；为上行链路小区i的信道噪声；对于下行链路模型中小区i用户u，其频谱效率表示为： 其中，为小区j的ADCDAC模块产生的量化噪声到达小区i用户u时的功率，Nt为各小区基站天线数量，Wj为小区j的协同波束成形矩阵，表示Wj的共轭转置；wi,u为小区i用户u对应的协同波束成形向量，wj,k为小区j用户k对应的协同波束成形向量；hi,i,u为小区i基站到小区i用户u的信道向量，表示hi,i,u的共轭转置；在构建的协同波束成形优化模型中，能源效率最大化模型以总频谱效率与总消耗功率的比值函数为目标函数，协同波束成形权值为优化变量，发射功率不等式、信干噪比不等式为约束条件进行优化；总频谱效率为小区内所有用户的频谱效率之和，总消耗功率为小区基站消耗功率之和；对能源效率最大化模型进行转化的步骤包括：定义能源效率最大化优化函数为问题 公式1a表示波束成形器所消耗的总功率约束，P为总功率资源上限，w为基站用户的波束成形器，为小区i用户u的频谱效率，ξ为功率放大器效率，ξ≥1，Pc为天线固定消耗功率，P0为基站固定消耗功率；Nt为基站天线数量，小区数量为Nc，各小区用户数量为Nu；γi,u为小区i用户u的信干噪比约束；公式1b表示用户接收端的信干噪比不得小于给定阈值，SINRi,u为小区i用户u的信干噪比；通过分式规划，引入辅助变量θ，将能源效率最大化模型的分式问题转化为外层迭代的不含分式的耦合非凸优化问题，即问题 s.t.公式1a～1b其中，辅助变量采用凸近似转换，将耦合非凸优化问题转化为非耦合的凸优化问题；采用凸近似不等式其中，x0表示近似点；转化耦合的非凸优化问题为非耦合的凸优化问题，即问题P3： s.t.公式1a～1bδi,u表示小区i用户u采用凸近似不等式后的近似常数；采用pj,v为协同波束成形功率pj,v＝||wj,v||2，wj,v为小区j用户v对应的协同波束成形向量，为协同波束成形方向向量，α为量化系数；固定协同波束成形方向向量，上述问题为一个几何规划问题，采用CVX工具包进行求解，得到功率分配p和各用户信干噪比；优化协同波束成形方向向量时，将各用户信干噪比作为约束条件，最小化总发射功率；协同波束成形方向向量优化模型为如下问题 s.t.公式1a 其中，ηi,u为最终求得的各用户信干噪比；对所述问题通过上行链路与下行链路之间的强对偶性进行求解，上行链路中采用MMSE准则进行滤波，可根据下行链路中协同波束成形向量与上行链路中滤波向量之间的线性关系求解，得到小区i用户u的滤波向量；再根据协同波束成形方向向量与滤波向量的线性关系，求解协同波束成形方向向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学;中山大学·深圳，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。