[发明专利]大规模MIMO-NOMA系统中短包传输时延分析方法

权利要求书

1.一种大规模MIMO-NOMA系统中短包传输时延分析方法，其特征在于，

其具体包括如下步骤：

步骤A，建立基于大规模MIMO-NOMA下行链路传输系统模型，确定信道评估矩阵；

步骤B，根据步骤A的系统模型，利用迫零波束成形(Zero Forcing Beam-Forming，ZFBF)技术消除簇间干扰，确定用户端接收信号；

步骤C，通过短包传输策略分析用户传输性能，明确用户的有效信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)，从而确定下行链路传输的有效传输速率；

步骤D，在步骤C所得信息的基础上，对下行传输时延进行研究，确定排队时延和时延违背概率；

步骤E，利用随机网络演算和梅林变换，确定接收端时延违背概率上限的闭合表达式；

其中步骤A具体包括：

A1，构建一个下行链路传输的单小区大规模MIMO-NOMA系统，利用短包进行通信，每个小区的基站配置M个天线，同时服务于KN个单天线用户，用户根据空间方向和大尺度衰落分布在N个用户簇中，每个簇中有K个用户，K个用户的空间方向相同，共享相同的波束，但是大尺度衰落不同，第n个簇中的第k个用户表示为u_n,k，k∈1,2,...,K；基站与用户之间的信道表示为G＝A^HH^H,其中表示路径损耗，表示信道衰落矩阵，且表示u_n,k的信道增益，A^H表示矩阵A的共轭转置；

A2，根据A1构建的系统模型，基站接收到的叠加导频信号可以表示为：其中，τ表示导频长度，B_n,k表示用户节点u_n,k传输的导频功率，表示第n簇的导频序列，因为簇间发送的导频序列是正交的，所以其中i∈1,2,...,N且i≠n，,N表示基站的加性高斯白噪声(additive white Gaussian noise，AWGN)矩阵；

A3，基站对A2中接收到的导频信号进行解扩操作，从而利用最小均方误差得到上行估计信道：

A4，根据A3上行估计信道，利用公式得到最终信道估计矩阵，其中表示信道估计误差，表示h_n,k和的相关系数，反映了信道估计精度；

其中，步骤B具体包括：

B1，根据步骤A确定的信道评估矩阵，发送端利用迫零波束成形技术(ZFBF)获得叠加信号x＝wP^1/2x_n，其中p＝diag(p₁…p_N)表示功率分配矩阵且为预编码矩阵，tr()表示迹，E()表示期望，且

B2，通过上行信道估计，根据上行信道的对偶特性，基站侧已知下行链路的有效信道增益，假设第n个簇中的用户节点信道增益顺序为从而得到用户侧的接收信号为：

其中p_n,k，x_n,k表示用户u_n,k的分配功率和传输信号，

其中，步骤C具体包括：

C1，确定用户的有效由以下公式得到：

其中(式3)表示非理想的上行信道估计所带来的信号泄露，(式4)表示簇内用户间的干扰，(式5)表示簇间干，σ²表示噪声方差，其中ρ_n,k表示相关系数，取0到1之间；

C2，在给定用户u_n,k的最大化错误概率ε_n,k以及块长度L_n,k时，由C1中得到的γ_n,k，可得下行链路传输的可实现速度为

其中，V_n,k表示信道色散，V_n,k＝1-(1+γ_n,k)^-2，Q^-1(·)表示的逆函数，表示期望，γ_n,k表示用户u_n,k的信号与干扰加噪声比(SignaltoInterference plus Noise Ratio，SINR)；

其中，步骤D具体包括：

D1，单位时隙内的服务过程表示为s_n,k(t)＝L_n,kR_n,k(t)B，其中L_n,k表示用户u_n,k的数据包长度，R_n,k(t)表示传输速度，B服从伯努利分布，即错误概率为零时传输成功，s_n,k(t)＝L_n,kR_n,k(t)，错误概率不为零时，传输失败，s_n,k(t)＝0，综上可得表达式为，

其中Z服从伯努利分布；

D2，根据步骤D1服务过程表达式，可得累计到达流量为

D3，累计离开过程表示为其中d_n,k(t)表示单位时隙内离开基站的数据量，所以排队时延为：表示t时刻或t时刻之前到达系统的数据流最晚在时刻被全部服务；

其中inf{}表示最小值，A_n,k(0,t)表示时隙(0～t)到达发送端的数据比特信息，a_n,k(t)表示单位时隙内到达的数据量；

D4，由D3所得出的排队时延，假设目标时延为d，则可得到URLLC(超可靠低时延)通信系统的可靠性表示为

即通过用户u_n,k的排队时延在任意时隙t超过目标时延d的概率来描述通信系统的可靠性；

其中，步骤E具体包括：

E1，应用随机网络演算(Stochastic Network Calculus，SNC)的方法通过指数算法将排队过程从比特域转换为SNR域

SNR域的到达，服务，离开过程分别表示为：

其中表示时隙(t₁,t₂)到达发送端信息，表示时隙(t₁,t₂)的服务过程，表示离开过程；

相应的时延表达式为

时延违背概率为：

E2，由E1中得到的到达过程，服务过程，离开过程以及时延违背概率表达式，再利用梅林变换进行计算；

梅林变换的相关表达式为：

非负随机变量的梅林变换定义为：

基于切比雪夫不等式，可以得到

反卷积的梅林变换表示为：

由梅林变换后的时延违背概率为

其中

表示累计到达信息的梅林变换，由梅林变换定义得

同理可得，

所以，时延违背概率上限表示为

其中

E3，由E2过程得出的时延违背概率上限中，

表示到达过程的梅林变换，其中a_n,k表示泊松分布随机变量，其平均数据量为λ_k比特；

表示服务过程的梅林变换；

将到达过程与服务过程的梅林变换带入E2所给的的时延违背概率的上限表达式中，得出最后的时延违背概率上限闭合表达式为：