去蜂窝大规模MIMO系统下行功率分配方法及装置

去蜂窝大规模mimo系统下行功率分配方法及装置
技术领域
1.本技术涉及无线通信网络技术领域，特别涉及一种去蜂窝大规模mimo(mulitiple input multiple output，多输入多输出)系统下行功率分配方法及装置。


背景技术：

2.随着蜂窝小区面积不断缩小，小区间干扰和频繁越区切换等问题越来越严重，导致系统性能提升遭遇瓶颈，为了解决这些问题，对蜂窝网络架构进行彻底变革的去蜂窝网络架构成为人们关注的可行技术方案之一。
3.相关技术中，去蜂窝大规模mimo将大量安装有一根或多根ap分布在一个较大区域，通过回程链路将数据传输到cpu(central processing unit,中央处理器)，并利用相同的时频资源为多用户服务，适用于大型医院、体育场馆、高铁车站、办公大楼，购物商场和城市街道等热点区域场景。
4.然而，相关技术中未构建动态ap(access point，天线的接入点)选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着ue(user equipment，用户设备)的位置改变，无法定时启动ap选择优化算法，从而降低系统能效功率分配的性能，亟待解决。


技术实现要素：

5.本技术提供一种去蜂窝大规模mimo系统下行功率分配方法及装置，以解决相关技术中未构建动态ap选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着ue的位置改变，无法定时启动ap选择优化算法，从而降低系统能效功率分配的性能等问题。
6.本技术第一方面实施例提供一种去蜂窝大规模mimo系统下行功率分配方法，包括以下步骤：以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题；每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模mimo系统的最佳下行功率分配结果。
7.可选地，在本技术的一个实施例中，在以所述最大化系统能效确定所述去蜂窝大规模mimo通信系统的最大优化问题之前，还包括：控制每个ue向所有接入点发送上行导频序列，以进行上行导频训练；在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
8.可选地，在本技术的一个实施例中，所述最大优化问题为：
[0009][0010]
其中，rk为可达速率，p
total
为系统总功耗，η为下行功率分配系数向量。采用基于dinkelbach算法的顺序迭代优化算法求解出η。
[0011]
可选地，在本技术的一个实施例中，在以所述最大化系统能效确定所述去蜂窝大规模mimo通信系统的最大优化问题之前，还包括：构建所述所述去蜂窝大规模mimo系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模mimo系统的实际系统总功耗，得到所述最大化系统能效，其中，所述实际系统总功耗的计算公式为：
[0012][0013]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0014]
本技术第二方面实施例提供一种去蜂窝大规模mimo系统下行功率分配装置，包括：获取模块，用于以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题；计算模块，用于每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案；分配模块，用于结合所述最优接入点选择方案，利用所述最大优化问题确定所述去蜂窝大规模mimo系统的最佳下行功率分配结果。
[0015]
可选地，在本技术的一个实施例中，本技术实施例的装置还包括：控制模块，用于以所述最大化系统能效确定所述去蜂窝大规模mimo通信系统的最大优化问题之前，控制每个ue向所有接入点发送上行导频序列，以进行上行导频训练；编码模块，用于在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
[0016]
可选地，在本技术的一个实施例中，所述最大优化问题为：
[0017][0018]
其中，rk为可达速率，p
total
为系统总功耗，η为下行功率分配系数向量。采用基于dinkelbach算法的顺序迭代优化算法求解出η。
[0019]
可选地，在本技术的一个实施例中，本技术实施例的装置还包括：构建模块，用于以所述最大化系统能效确定所述去蜂窝大规模mimo通信系统的最大优化问题之前，构建所述所述去蜂窝大规模mimo系统的功耗模型，以利用所述功耗模型计算所述去蜂窝大规模mimo系统的实际系统总功耗，得到所述最大化系统能效，其中，所述实际系统总功耗的计算公式为：
[0020][0021]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0022]
本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的去蜂窝大规模mimo系统下行功率分配方法。
[0023]
本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的去蜂窝大规模mimo系统下行功率分配方法。
[0024]
本技术实施例可以基于生长二进制差分进化的接入点选择算法，得到最优接入点选择方案，并结合最优接入点选择方案，从而利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果，进而有效提升了系统能效功率分配的性能，即言，本技术实施例首先以最大化系统能效来制定优化问题，然后随着ue的位置改变，定时启动ap选择优化算法，从而对当前的ap选择接入方案进行优化，最后以目前最优ap选择方案的为基础，再次进行以系统能效最大化为目标的功率分配。由此，解决了相关技术中未构建动态ap选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着ue的位置改变，无法定时启动ap选择优化算法，从而降低系统能效功率分配的性能等问题。
[0025]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0026]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0027]
图1为根据本技术实施例提供的一种去蜂窝大规模mimo系统下行功率分配方法的流程图；
[0028]
图2为根据本技术一个实施例提供的去蜂窝大规模mimo通信场景示意图；
[0029]
图3为根据本技术一个具体实施例的基于生长二进制差分进化的ap选择算法的结构示意图；
[0030]
图4为根据本技术实施例的去蜂窝大规模mimo系统下行功率分配装置的结构示意图；
[0031]
图5为根据本技术实施例提供的电子设备的结构示意图。
具体实施方式
[0032]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0033]
下面参考附图描述本技术实施例的去蜂窝大规模mimo系统下行功率分配方法及装置。针对上述背景技术中心提到的相关技术中未构建动态ap选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着ue的位置改变，无法定时启动ap选择优化算法，从而降低系统能效功率分配的性能的问题，本技术提供了一种去蜂窝大规模mimo系统下行功率分配方法，在该方法中，本技术实施例可以基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本技术实施例首先以最大化系统能效来制定优化问题，然后随着ue的位置改变，定时启动ap选择优化算法，从而对当前的ap选择接入方案进行优化，最后以目前最优ap选择方案的为基础，再次进行以系统能效最大化为目标的功率分配。由此，解决了相关技术中未构建动态ap选择功率分配方案，导致无法充分利用系统能效来制定优化问题，并且随着ue的位置改变，无法定时启动ap选择优化算法，从而降低系统能效功率分配的性能等问题。
[0034]
具体而言，图1为本技术实施例所提供的一种去蜂窝大规模mimo系统下行功率分配方法的流程示意图。
[0035]
如图1所示，该去蜂窝大规模mimo系统下行功率分配方法包括以下步骤：
[0036]
在步骤s101中，以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题。
[0037]
可以理解的是，本技术实施例首先以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题，从而利用最大优化问题确定下述的去蜂窝大规模mimo系统的最佳下行功率分配结果，并基于tdd(time division duplex，时分双工)模式和导频辅助信道估计方法，对系统功耗进行精确建模，进而有效提升了系统能效。
[0038]
可选地，在本技术的一个实施例中，在以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题之前，还包括：控制每个ue向所有接入点发送上行导频序列，以进行上行导频训练；在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
[0039]
作为一种可能实现的方式，如图2所示，本技术实施例在去蜂窝大规模mimo通信场景下，假设m个ap和k个ue随机分布，所有ap通过回程链路连接到一个cpu上，假设每个ap具有n
ap
根天线，每个ue具有n
ue
根天线，因此，第k个ue和第m个ap之间的信道矩阵表示为第k个ue处的波束成形器表示为进而通信过程采用tdd模式，共分为两个阶段：
[0040]
第一阶段：上行导频训练，每个ue向所有ap发送上行导频序列，定义τ
p
为上行导频训练阶段的长度，矩阵在行上包含第k个用户发送的导频序列，在第m个ap处的接收信号为矩阵在非完美csi(channel state information，信道状态信息)假设下，ap无法确定csi，从而需要进行信道估计过程，采用lmmse(linear minimum mean square error，线性最小均方误差)信道估计方法，同时对矩阵进行向量化，得到lmmse估计器为
[0041]
第二阶段：下行数据传输，在每个ap处，考虑zf(zero-force，迫零)预编码，预编码矩阵为q
k,m
，于是，第m个ap在第n个采样间隔下的传输信号为：
[0042][0043]
其中，xk(n)表示发送给第k个ue的数据符号，η
m,k
是一个标量，表示下行功率系数。
[0044]
定义矩阵表示k个ue的动态ap选择方案，a
mk
∈a表示第m个ap与第k个ue之间的选择关系，在每个ue处计算可达速率rk。
[0045]
可选地，在本技术的一个实施例中，在以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题之前，还包括：构建去蜂窝大规模mimo系统的功耗模型，以利用功耗模型计算去蜂窝大规模mimo系统的实际系统总功耗，得到最大化系统能效，其中，实际系统总功耗的计算公式为：
[0046][0047]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0048]
可以理解的是，本技术实施例基于tdd模式和导频辅助信道估计方法，对系统功耗进行精确建模，即构建去蜂窝大规模mimo系统的功耗模型，从而利用功耗模型计算去蜂窝大规模mimo系统的实际系统总功耗，进而得到最大化系统能效，有利于提出以最大化系统能效的功率分配问题。
[0049]
在实际执行过程中，本技术实施例对去蜂窝大规模mimo通信系统的功耗进行精确建模，系统的电路功耗精确建模为：
[0050][0051]
其中，pc为电路功耗，a、{ci}和{di}为电路功率系数。
[0052]
其中，实际系统总功耗的计算公式为：
[0053][0054]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0055]
其中，建立能效最大化优化问题为：
[0056][0057]
其中p
total
是系统总功耗，η是下行功率分配系数向量。采用基于dinkelbach算法的顺序迭代优化算法求解出η。
[0058]
在步骤s102中，每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案。
[0059]
可以理解的是，在本技术实施例中由于ue具有移动性，每个ue选择接入的最佳ap会随时间变化，因此，每经过一段时间就需要启动基于生长二进制差分进化的ap选择算法，优化当前场景下的ap选择方案，从而得到最优的ap选择方案，即最优接入点选择方案，有效提升了系统能效功率分配的性能。
[0060]
在步骤s103中，结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果。
[0061]
具体而言，本技术实施例基于tdd模式和导频辅助信道估计方法，对系统功耗进行精确建模，提出以最大化系统能效的功率分配问题，并且构建了基于dinkelbach算法的顺序迭代优化算法，在此基础上优化ap选择方案的同时，提出基于生长二进制差分进化的ap选择算法，优化当前场景下的ap选择方案，从而得到最优接入点选择方案，并在此基础上再次进行能效最大化的功率分配，形成循环迭代优化，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果，从而有效提升了系统能效，更加符合绿色通信的概念。
[0062]
如图3所示，以一个具体实施例对本技术实施例的方法的工作原理进行详细赘述。
[0063]
在实际执行过程中，在去蜂窝大规模mimo系统中，假设m个ap和k个ue随机分布，所有ap通过回程链路连接到一个cpu上，假设每个ap具有n
ap
根天线，每个ue具有n
ue
根天线，因此，第k个ue和第m个ap之间的信道矩阵表示为在每个ue处，考虑使用一种简
单的0-1波束成形结构，特别地，用p表示复用阶数，即发送到给定接收器的并行流的数量，第k个ue处的波束成形器表示为通信过程采用tdd模式，共分为两个阶段。
[0064]
s1：第一阶段，上行导频训练，每个ue向所有ap发送上行导频序列，定义τ
p
为上行导频训练阶段的长度，矩阵在行上包含第k个用户发送的导频序列。在第m个ap处的接收信号为矩阵在非完美csi假设下，ap无法确定csi，需要进行信道估计过程，采用线性lmmse信道估计方法，同时对矩阵进行向量化，得到lmmse估计器为
[0065][0066]
其中，i表示单位矩阵。
[0067]
s2：第二阶段，下行数据传输，在每个ap处，考虑zf预编码，预编码矩阵为q
k,m
，于是，第m个ap在第n个采样间隔下的传输信号为：
[0068][0069]
其中，xk(n)表示发送给第k个ue的数据符号，η
m,k
是一个标量，表示下行功率系数。定义矩阵a∈cm×k表示k个ue的动态ap选择方案，a
mk
∈a表示第m个ap与第k个ue之间的选择关系，即：
[0070][0071]
因此，每个ue的可达速率为：
[0072][0073][0074]
其中，rk表示可达速率，g1函数和g2函数是关于ηm的凹函数，
[0075]
s3：对去蜂窝大规模mimo通信系统的功耗进行精确建模，系统总功耗p
total
包括上、下行功率放大器的功耗和及电路功耗pc，其中，电路功耗pc又分为系统固定功耗p
fix
、收发链路功耗p
tc
、信道估计功耗p
ce
、信道编译码功耗p
c/d
、回程链路功耗p
bh
和线性处理功耗p
lp
，即：
[0076][0077]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0078]
为了便于数学分析，引入电路功率系数a、{ci}和{di}。具体地，a＝p
c/d
p
bh
，c0＝p
fix
p
syn
，c1＝p
ue
，d0＝p
ap
，，其中，p
ap
与p
ue
分别为ap和ue中每个天线上的电路元件功耗，p
syn
为本地振荡器功耗，且mn
ap
p
ap
p
syn
kn
ue
＝p
tc
，l
cpu
与l
ue
分别为cpu和ue的计算效率，是每焦耳能量可以处理的复数运算次数，单位是浮点运算次数每秒每瓦(flops/watt)。因此，pc可重写为：
[0079][0080]
s4：能效最大化的优化问题可以表示为：
[0081][0082]
其中p
total
是系统总功耗，η是下行功率分配系数向量。采用基于dinkelbach算法的顺序迭代优化算法求解出η。
[0083][0084]
η
m,k
≥0,k＝1,...,k，
[0085]
可以证明，上述公式中的g1函数和g2函数是关于ηm的凹函数，于是提出一种基于dinkelbach算法的顺序迭代优化算法：
[0086]
s4.1：选择任意的可行值η1,...,ηm；
[0087]
s4.2：先对m的值进行遍历(m＝1,...,m)，再对k的值进行遍历(k＝1,...,k)，选择任意的可行值η
m,0
；
[0088]
s4.3：利用dinkelbach算法求解优化问题s5，得到解
[0089]
s4.4：更新η
m,0
：直到收敛，否则重复步骤s4.2至步骤s4.4。
[0090]
s5：ap选择方案优化，由于ue具有移动性，每个ue选择接入的最佳ap会随时间时间。因此，每经过一段时间就需要优化ue的ap选择方案，本技术实施例采用基于生长二进制差分进化的ap选择算法。
[0091]
s5.1：生成初始种族部落：
[0092]
ω＝[a1,a2,...,aj]，
[0093]
其中，表示第k个ue的第j个ap选择方案。
[0094]
s5.2：根据公式(7)计算每个ue在j种ap选择方案下的可达速率，并筛选出每个种族的最优个体为
[0095]
s5.3：为了快速准确地搜索到最优的ap选择方案，接下来进行局部搜索，即：
[0096][0097]
其中，表示搜索后产生的中间种族部落，j1≠j2≠j3∈[1,j]。
[0098]
s5.4：为了增加ap选择方案的多样性，进行自适应交叉操作产生新种族
[0099]
s5.5：采用贪婪策略，根据公式(4)计算j种ap选择方案下的能效，比较sj(t 1)和aj(t)，保留最佳方案，替换较差方案。
[0100]
s5.6：重复步骤s5.2至步骤s5.5，直到当前迭代次数t大于最大迭代次数t
max
。分别计算j种ap选择方案下的系统能效，得到系统能效最大的ap选择方案。
[0101]
根据本技术实施例提出的去蜂窝大规模mimo系统下行功率分配方法，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本技术实施例首先以最大化系统能效来制定优化问题，然后随着ue的位置改变，定时启动ap选择优化算法，从而对当前的ap选择接入方案进行优化，最后以目前最优ap选择方案的为基础，再次进行以系统能效最大化为目标的功率分配，有效提升了系统能效，更加符合绿色通信的概念。
[0102]
其次参照附图描述根据本技术实施例提出的去蜂窝大规模mimo系统下行功率分配装置。
[0103]
图4是本技术实施例的去蜂窝大规模mimo系统下行功率分配装置的方框示意图。
[0104]
如图4所示，该去蜂窝大规模mimo系统下行功率分配装置10包括：获取模块100、计算模块200和分配模块300。
[0105]
具体地，获取模块100，用于以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题。
[0106]
计算模块200，用于每个预设时长，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案。
[0107]
分配模块300，用于结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果。
[0108]
可选地，在本技术的一个实施例中，本技术实施例的装置10还包括：控制模块和编码模块。
[0109]
其中，控制模块，用于以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题之前，控制每个ue向所有接入点发送上行导频序列，以进行上行导频训练。
[0110]
编码模块，用于在每个接入处，利用预设编码矩阵进行预编码，以进行下行数据传输。
[0111]
可选地，在本技术的一个实施例中，最大优化问题为：
[0112][0113]
其中，rk为可达速率，p
total
为系统总功耗，η为下行功率分配系数向量。采用基于dinkelbach算法的顺序迭代优化算法求解出η。
[0114]
可选地，在本技术的一个实施例中，本技术实施例的装置10还包括：构建模块。
[0115]
其中，构建模块，用于以最大化系统能效确定去蜂窝大规模mimo通信系统的最大优化问题之前，构建去蜂窝大规模mimo系统的功耗模型，以利用功耗模型计算去蜂窝大规
模mimo系统的实际系统总功耗，得到最大化系统能效，其中，实际系统总功耗的计算公式为：
[0116][0117]
其中，p
total
为系统总功耗，为上行功率放大器的功耗，为下行功率放大器的功耗，pc为电路功耗，p
fix
为系统固定功耗、p
tc
为收发链路功耗、p
ce
为信道估计功耗、p
c/d
为信道编译码功耗、p
bh
为回程链路功耗，p
lp
为线性处理功耗。
[0118]
需要说明的是，前述对去蜂窝大规模mimo系统下行功率分配方法实施例的解释说明也适用于该实施例的去蜂窝大规模mimo系统下行功率分配装置，此处不再赘述。
[0119]
根据本技术实施例提出的去蜂窝大规模mimo系统下行功率分配装置，基于生长二进制差分进化的接入点选择算法得到最优接入点选择方案，并结合最优接入点选择方案，利用最大优化问题确定去蜂窝大规模mimo系统的最佳下行功率分配结果，有效提升了系统能效功率分配的性能，即言，本技术实施例首先以最大化系统能效来制定优化问题，然后随着ue的位置改变，定时启动ap选择优化算法，从而对当前的ap选择接入方案进行优化，最后以目前最优ap选择方案的为基础，再次进行以系统能效最大化为目标的功率分配，有效提升了系统能效，更加符合绿色通信的概念。
[0120]
图5为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0121]
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
[0122]
处理器502执行程序时实现上述实施例中提供的去蜂窝大规模mimo系统下行功率分配方法。
[0123]
进一步地，电子设备还包括：
[0124]
通信接口503，用于存储器501和处理器502之间的通信。
[0125]
存储器501，用于存放可在处理器502上运行的计算机程序。
[0126]
存储器501可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0127]
如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0128]
可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
[0129]
处理器502可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0130]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的去蜂窝大规模mimo系统下行功率分配方法。
[0131]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0132]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0133]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0134]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0135]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0136]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0137]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模
块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0138]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。