The limited fronthaul capacity is known to be one of the main problems in cloud radio access networks (CRANs), especially in the wireless fronthaul links. In this paper, we consider the uplink of a CRAN system, where massive multiple-input multiple-output (MIMO) is utilized in the fronthaul link. Considering multi-antenna user equipment (UEs) and multi-antenna remote radio heads (RRHs), we maximize the system sum-rate by jointly optimizing the precoders at the UEs and the quantization noise covariance matrices and transmit powers at the RRHs. To solve the resulting nonconvex problem, an iterative algorithm based on the majorization-minimization (MM) method is proposed. Two schemes at the central unit are considered, namely maximum ratio (MR) and zero-forcing (ZF) combining. Numerical results show that the sum-rate has an asymptotic behaviour with respect to the maximum available power at RRHs and that the MR scheme goes to its asymptote faster than the ZF scheme.


翻译:众所周知,前台容量有限是云层无线电接入网络(CRANs)中的主要问题之一,特别是在无线前台链接中。在本文中,我们考虑了CRAN系统的上链,该系统在前台链接中使用了大量的多投入多输出数据(MIMO),考虑到多亚氮用户设备(UES)和多亚氮远程无线电头(RRHs),我们通过联合优化UES和定量噪声共变矩阵的预译器和RRHs的传输能力,最大限度地实现系统总和率。为了解决由此产生的非convex问题,我们提出了基于主要化-最小化(MMM)方法的迭代算法。中央单位的两个方案得到了考虑,即最大比率(MR)和零压力(ZF)组合。数字结果显示,在RRHs现有最大功率方面,总比率具有一种无症状行为,而MRRRRHs计划也比ZF计划快。

0
下载
关闭预览

相关内容

磁流变(Magnetorheological,简称MR)材料是一种流变性能可由磁场控制的新型智能材料。由于其响应快(ms量级)、可逆性好(撤去磁场后,又恢复初始状态)、以及通过调节磁场大小来控制材料的力学性能连续变化,因而近年来在汽车、建筑、振动控制等领域得到广泛应用。
专知会员服务
50+阅读 · 2020年12月14日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
已删除
将门创投
4+阅读 · 2020年1月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
4+阅读 · 2020年1月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Top
微信扫码咨询专知VIP会员