Massive MIMO中通信高效的分布式预编码设计

针对多BBU基带处理架构，提出一种通信高效的分布式预编码方案，旨在降低BBU间前传交互和计算复杂度。首先，提出基于R-WMMSE算法的分布式框架，利用最优解的子空间特性无损压缩交互数据，降低数据交互量。然后设计了2种基于矩阵乘法的可学习压缩模块，通过优化的计算结构和矩阵参数减少参数和计算量，并保持函数表达能力。最后，以可达速率为优化目标，将可学习模块和分布式预编码算法框架联合优化得到最终模型。所提方案可以在更低的数据交互和计算复杂度要求下，实现预编码性能的保障。     

基于干扰泄露控制和深度学习的分布式多点协作传输设计与优化

分布式多点协作传输在提升小区边缘用户的服务质量和系统频谱效率上具有巨大潜力，但通常站间频繁交换大量信息才能接近集中式多点协作传输的性能。然而，在实际无线通信系统中，考虑到信道时变性，频繁的信息交换和站间有限的回传带宽导致的较大时延给分布式多点协作传输技术带来严重的性能损失，因此其目前未得到广泛部署。为解决此问题，提出了一种新颖的信号质量衡量标准，称为信号平均泄漏加干扰噪声比（SALINR）。基于SALINR的设计使得站间无需信息交换即可实现完全分布式的联合传输。具体地，展示了基于SALINR的传输设计问题可以通过分式规划技术有效求解；进一步地，利用深度展开技术来设计波束赋形向量学习网络，从而有效减少计算复杂度。仿真结果表明，所提出的方法可接近集中式多点协作传输的性能且具有计算高效的优点。