B.

Ước lượng thời gian

Thuật toán ESPRIT cung cấp 1 công cụ để ước tính các tần số của các tín hiệu sin
phức được nhúng trong nhiễu Gausian trắng [17]. Phương pháp này thuộc về lớp của các
sơ đồ phân tách không gian con và khai thác cấu trúc dịch chuyển bất biến của tín hiệu
nhận được để có được ước tính của các tham số chưa biết ở dạng đóng [19]. So sánh với
công cụ ước lượng MUSIC được sử dụng rộng rãi [20], ESPRIT trình bày độ chính xác
tương tự với mức độ phức tạp giảm đáng kể vì nó phân phối với tìm kiếm đỉnh cao đòi
hỏi tính toán các thủ tục. Trong phần tiếp theo, ESPRIT được áp dụng cho mô hình (6) để
tim ước lượng của {θi ; l = 1,…, K} dưới giả định rằng Ki đã được ước lượng chính xác ^
l
Ki
= Ki. Quan sát một giả định cơ bản đằng sau công cụ ước lượng ESPRIT là K i không
được vượt quá N-1. Điều này có nghĩa là số lượng tối đa các UE có thể chọn đồng thời 1
mã cho trước ci được giới hạn bởi N – 1.
Chúng ta bắt đầu bằng cách sắp xếp các vector riêng của ^R z liên kết với các giá trị
i

riêng lớn nhất Ki vào ma trận Vi = [ v1 v 2… v k ] ϵ C Nx K . Các hiệu số thời gian { θi ; l = 1, …,

i
i
l

Ki} trong số các UE K1 đã chọn mã ci đo đó được ước tính theo kiểu tách rời
N FFT
θ^ i = arg { ψ il } l = 1,…,Ki (11)
l
2Π
Trong đó {ψ il,…,ψ iKi} là các vector riêng của
H −1 H

v́i =( v (i1) v (i1 )) v (i1 ) v (i2) (12)

Và các ma trận vi(1) và vi(2) có được bằng cách thu thập hàng đầu tiên và cuối cùng N - 1 của
vi tương ứng. Các ước tính θ^ i sau đó được sử dụng để xác định các UE đang hoạt động
l

Ki. Rõ ràng, khả năng nhận dạng của các UE liên quan đến mã c i là được đảm bảo miễn là
độ lệch thời gian là khác nhau. Nói cách khác, 2 hay nhiều UE chọn cùng 1 mã c i và được
BS thu được với cùng thời gian trễ không có thể phân biệt được.
C. Ước lượng kênh và mức công suất
Sau khi ước lượng thời gian đã được thực hiện, BS phải tiến hành thu thập thông tin
các kênh và các mức công suất của các người dùng trong Ki. Từ (5), ước lượng LS của
h'i m được tìm thấy là
l

h'i m = e Tl ( ^
−1 H
l
A Hi ^
Ai) ^A i z ℑ il ϵ K i (13)

Trong đó el biểu thị thành phần thứ l của cơ sở chính tắc cho R K và ^Ai ∈C N x K thu thập các
i i

vector a( θ^ i ) với i l ϵ K i . Quan sát rằng ^Ai là ma trận Vandermonde. Vì vậy. điều kiện xếp
l

A i nghịch đảo được áp dụng khi và chỉ khi θ^ i ≠ θ^ i ,

hạng đầy đủ, cẩn thiết để tính toán ^AiH ^ k l

∀ k ≠ j.
 Giả dử rằng khoảng lệch thời gian đã được ước tính hoàn hảo, tức là θ^ i = θ^ i , ∀ l. k l

Thay (6) vào (13), chúng tôi thu được

h^ i m = h'i m + ϵ i m (14)
l l l

−1 '
Trong đó ϵ i m
l
CN(0, σ 2 [ AiH A i ]l ,l . Phương trình trên chỉ ra rằng h^ i m là ước lượng
l

' 2 H −1
không chệch của h với phương sai σ [ A A i ]l ,l . Tinh đến (3), biểu mẫu của (14) gợi ý
il m i

công cụ ước lượng ad-hoc sau đây về tổng công suất:

M +¿¿
^pi =
l
( m =1
l
2 −1
∑ |h^ 'i m| −M σ 2 [ ^A Hi ^Ai ]l ,l ) il ϵ K i (15)

'
Trong đó (x)+ biểu thị giá trị lớn nhất giữa 0 và x. Các kênh ước tính { h^ i m} cuối cùng l

được sử dụng bởi BS trong Dl để truyền bản tin đáp ứng với thông báo “thành công” cho
các UE được xác định trong Ki. Bản tin này thông báo họ rằng quy trình truy cập ngẫu
nhiên của họ đã hoàn thành thành công và chứa các hướng dẫn về điều chỉnh thời gian và
công suất để thiết lập một liên kết truyền thông dữ liệu qua 1 tập hợp các sóng mang con
được chỉ định. Chú ý rằng ^pi có thể là null đối với một số il ϵ K i . Điều này có thể xảy ra,
l

chẳng hạn khi SNR của 1 người dùng nhất định quá thấp hoặc khi số người dùng trong
khi số người dùng trong K i đã bị ước tính sai bởi thuật toán MDL, Trong trường hợp này,
BS nhận ra sự bất thường và không truyền bất kì bản tìn nào đến các UE mà ^pi = 0. l

IV. Các kết quả tính toán số

Mô phỏng Monte-Carlo đã được sử dụng để đánh giá hiệu suất của thuật toán truy cập
ngẫu nhiên được đề xuất về mặt khả năng pháp hiện mã cũng như độ chính xác ước
lượng thời gian, kênh, công suất. Kết quả thu được là 1000 lần thực hiện kênh khác nhau
và phân phối UE. Chúng tôi giải định rằng các UE được phân bố đồng đồng trong 1 cell
tròn với bán kính được chuẩn hóa thành 1 và khoảng cách tổi thiểu 0.1. Hàm suy hao
đường truyền β k nhận được dưới dạng β k = d −K
k trong đó ⅆ k là khoảng cách của UE k từ
BS và K = 3.7 là số mũ suy hao đường truyền. Kích thước DFT là NFFT = 512 và khe
truy cập ngẫu nhiên bao gồm Q = 8 ký hiệu OFDM và N =16 sóng mang lân cận. Trừ khi
được chỉ định khác, số của các UE truy cập đồng thời vào mạng là K = 15 do đó Ki đó có
thể lớn nhất bằng N -1 =15. Mỗi UE được chọn ngẫu nhiên 1 mã từ bảng mã Walsh-
Hadamard của thứ nguyên Q = 8. Độ lệch thời gian {θk } lấy ngẫu nhiên trong khoảng [0,
θmax ] với θmax = 256.

Chúng tôi bắt đầu bằng cách nghiên cứu hiệu suất của thuật toán về xác suất xác định
chính xác các UE đang cố gắng truy cập vào mạng. Hình 1 biểu diễn đồ thị hiệu suất của
thuật toán MDL dưới dạng một hàm của M khi SNR ở cạnh cell, SNR e là 0.5 hoặc 10 dB.
Hình 1. Xác suất ước lượng chính xác tất cả các UE trong từng tập hợp K i đưới dạng hàm
của M khi K = 15 và SNRe bằng 0.5 hoặc 10 dB.
Như nó được thấy, MDL hoạt động rất tốt như số lượng các UE được ước tính chính xác
với xác suất cao hơn 90% cho tất cả các giá trị SNR e được xem xét khi M > 40. Như
mọng đợi, thêm nhiều anten cải thiện hiệu suất hệ thống nhưng với tốc độ chậm. Về cơ
bản, các đường cong trong hình 1 cho thấy xác suất để tất cả các va chạm trong mỗi tập
Ki được giải quyết chính xác bởi MDL khi ma trận tương quan thực sự R z không có sẵn
i

và ước lượng ^R z của nó được sử dụng để thay thế. Về vấn đề này, thật thú vị khi so sánh
i

kết quả của hình 1 với xác suất va chạm của các hệ thống thông thường trong đó tránh va
chạm hoàn toàn phụ thuộc vào sự lựa chọn của các trình tự mã khác nhau. Giả sử rằng
các mã QN có sẵn (nhắc lại rằng QN là tổng số các tài nguyên có sẵn cho hệ thống của
chúng tôi theo miền tần số - thời gian), xác suất không xảy ra va chạm được cho bởi:
( QN ) !
pnc = ( QN )−K (16)
( QN −K ) !

Ví dụ, với QN = 128 và K = 15, chúng ta có pnc = 0.426. Đối chiếu giá trị này với kết quả
trong hình 1, người ta thấy rằng với quy trình được đề xuất, xác suất xác định chính xác
tất cả các UE đang cố gắng truy cập mạng cao hơn gấp đôi so với hệ thống thông thường.
Để ý rằng đối với hệ thống thông thường, người ta đã giả định rằng 2 người dùng với các
mã khác nhau có thể được phân biệt một cahcs độc lập về mức công suất tương đối ( và
do đó độc lập với SNRs). Mặt khác, kết quả trong hình 1 là thực tế hơn vì chúng có tính
các mức công suất của các UE khác nhau đang cố gắng truy cập mạng. Hình 2 minh họa
sai số bình phương trung bình đã chuẩn hóa (NMSE) của ước tính thời gian và kênh so
với M cbo SNRe = 0.5 và 10 dB.

Hình 2. NMSE của ước tính thời gian và kênh dưới dạng hàm của M khi K = 15 và SNR e
bằng 0.5 hoặc 10 dB.
Để ước tính kênh, sai số bình phương trung bình đã được chuẩn hóa được định nghĩa là
M M

{ 2
NMSEh = E ∑ |h −h^ 'm| ∕
m=1
,
m ( ∑|h,m|
n=1
2
)} trong đó kỳ vọng thống kê được thực hiện đối với tạp
âm nhiệt, hiện thực hóa kênh và phân phối UE. Kết quả của hình 2 (a) cho thấy rằng
NMSE của các ước tính thời gian giảm nhanh khi M lớn lên và nó nhỏ hơn một khoảng
lấy mẫu đối với M > 40. Từ hình 2 (b), người ta thấy rằng NMSE của các ước tính kênh
có giá trị nhỏ. Vì thế, BS có thể sử dụng một cách đáng tin cậy các kênh ước tính trong
giai đoạn DL tiếp theo để truyền 1 bản tin đáp ứng tới các UE xác định.
Kết quả của hình 3 khảo sát hiệu suất của quy trình như 1 hàm của K khi tỉ số M/K
= 8 được hình dung trong các hệ thống massive MIMO. Như mong đợi, K ngày càng tăng
làm giảm hiệu suất của MDL kể từ khi số các va chạm tăng lên và có xu hướng đạt đến
mức tối đa giá trị có thể chấp nhận được cho bởi N – 1 =15. Tuy nhiên, xác suất ước
lượng chính xác lớn đến 80% được đảm bảo cho K lên đến 32.

Hình 3. Xác suất ước lượng chính xác số lượng các UE trong từng tập Ki dưới dạng hàm
của K khi M/K = 8 và SNRe bằng 0.5 hoặc 10 dB.
V. Kết luận
Chúng tôi đẫ đề xuất 1 thuật toán truy cập ngẫu nhiên cho quyền truy cập ban đầu và
chuyển giao trong uplink của các hệ thống massive MIMO. Bằng cách khai thác các mức
độ tự do trong không gian được cung cấp bởi các hệ thống massive MIMo cũng như các
phiên bản thời gian khác nhau vốn có của sự tiếp nhận các tín hiệu uplink, giải pháp của
đề xuất đã giải quyết tất cả các vụ va chạm với xác suất cao và đồng thời thực hiện ước
lượng thời gian, kênh và công suất với độ chính xac cao. Các kết quả bằng số đã chứng
minh sự mạnh mẽ của giải pháp đề xuất cho các tình huống quá tải.