基于遗传算法的初始访问中的初始访问算法的初始化算法

摘要

初始访问（IA）被识别为在高载波频率下运行的即将到来的5G移动通信系统的关键挑战，并且目前正在提出几种技术。在本文中，我们扩展了先前提出的高效遗传算法 - （GA-）的光束改进方案，以包括在发射器和接收器处的波束成形，并将性能与毫米波多用户多输入多输出中的替代方法进行比较（MU-MIMO）网络。考虑到毫米波通信特征和各种指标，我们调查不同参数的效果，例如传输天线/用户/每用户的数量接收天线，波束成形分辨率和硬件损伤采用不同的光束细化算法的系统性能．如图所示，我们所提出的基于GA的方法在具有多生国用户的延迟约束网络中表现良好。与考虑的最先进的方案相比，我们的方法达到了最高的服务中断限制的端到端吞吐量，相当较少的实现复杂性。此外，考虑到用户的流动性，当考虑到空间相关时，我们基于GA的方法可以显着降低低/中等速度的光束细化延迟。最后，我们可以比较协作用户和非功能合作用户的案例，并评估它们对系统性能的差异。

1.介绍

下一代蜂窝系统（5G）需要更高的数据速率（10-100 Gbps的量级）和低端到端延迟（低至1 ms）比前几代[1］.因此，它的目标是利用30-300 GHz范围的频带，以获得足够大的带宽/数据速率。由于功率限制和这些频率的高路径损耗，覆盖范围通常很小，因此这种毫米波(MMW)通信需要高度定向传输。另一方面，毫米波波段天线的物理尺寸相对较小，因此在实际中可以进行大规模波束形成[2那3.］.在初始访问期间采用大规模的波束成形（IA）程序可以是克服较高频率上所经历的增加的路径损失的好方法（参见部分2用于IA系统的文献综述)。

其中最具挑战性的任务之一是基站(BSs)用定向波束进行全向小区搜索，用户在接收端选择最佳波束方向来检测BSs。成功接入意味着接收功率或信噪比(SNR)超过一定阈值。基本连接建立后，BSs和用户可以开始交换消息，并实现波束细化过程，以进一步改进波束方向并进行额外的控制操作[4.］.

例如，用户移动性可以通过光束细化来处理。有5G，预计不仅可以在家里或办公室访问无线网络，还可以访问诸如车辆中的移动速度。在移动场景中，光束细化过程可以通过利用间隔相关性来跟踪光束，从而可以显着降低计算延迟。此外，对于车辆用户设备（VUES），如果我们允许使用设备到设备（D2D）通信以增强链路的方案，提高了系统级性能[5.］.

毫米波下的IA波束形成与传统波束形成不同，因为在这些频率下很难获得信道状态信息(CSI)。因此，基于码本的波束形成最近被提出作为一种有效的方法来减少对CSI估计/反馈的依赖[6.那7.］.此外，若干有关IA波束成形的物理层和程序算法的作品[8.-15.］.然而，在这些工作中，要么算法是专为特殊指标、预编码/组合方案和信道模型设计的，要么实现复杂性随着BSs/用户数量的增加而显著增加。此外，在性能评估中很少考虑算法的运行时延。另一方面，最近提出了基于机器学习的通用方案，可以有效地应用于不同的信道模型，实现复杂度可接受[6.那7.那16.-18.］.

本文研究了波束细化对毫米波网络性能的影响。在之前的工作中，我们提出了一种高效的基于遗传算法的波束形成方法[18.]，其性能几乎与穷举搜索相同，但复杂度较低。基于[18.，本文的贡献如下。我们包括在发射器和接收器侧的基于GA的光束细化。还，我们比较了不同的基于机器学习的模拟波束形成方法，包括基于ga的波束形成[18.]，禁忌搜索波束成形[16.，逐链路波束形成[17.]和两级码本波束形成[6.那7.在大而有限的多用户多输入多输出(MU-MIMO)毫米波通信系统中。而且，分析了发射/接收天线数量、总功率预算和功率放大器(PA)效率等参数对网络性能的影响。与文献不同，我们考虑了算法运行延迟。因此，需要在寻找最优波束形成矩阵和减少数据传输时隙之间进行权衡，并且可以通过少量的迭代获得最高的吞吐量。我们从服务中断约束下的端到端吞吐量以及实现复杂性的角度来研究系统性能。此外，我们评估和比较了所考虑的算法在不同用户移动速度下的性能。最后，我们考虑了协作用户的情况，并在用户之间的情况下的情况下比较系统性能。

结果表明，算法的运行延迟和功率放大器的低效率对系统性能有显著影响，在系统设计中应慎重考虑。此外，我们提出的基于遗传算法的方法在吞吐量方面优于所考虑的最先进的方案，并且以更少的迭代次数达到(几乎)与基于穷举搜索的方法相同的结果。此外，在考虑用户移动性的情况下，基于前一时隙波束形成结果的遗传算法可以显著降低算法运行延迟。有了协作用户，通过D2D链路进行数据交换可以提高端到端吞吐量。因此，基于遗传算法的波束形成方法在未来的无线网络中可能是一种合适的IA候选方法。

2.文献综述

在这一部分中，我们介绍了关于信息监督的相关研究工作。熟悉该研究领域的读者可以跳过本节，转到第3-5节，分别介绍系统模型、算法描述和仿真结果。

毫米波波段的波束形成技术已被考虑在标准发展IEEE 802.15.3c (TG3c) [19.]，IEEE 802.11ad（TGAD）[20.]和ecma-387 [21.］.在MMW频率下的IA波束成形的问题配方在[8.提出了一种快速发现层次搜索方法。此外，在[22.，其中以第三代合作伙伴计划(3GPP)长期演进(LTE)标准中的基本步骤为参考，评估每个设计选项的总体延迟作为系统开销的函数。然后,(11.]比较了穷举搜索、两步搜索和基于上下文信息的三种方法在漏检概率和发现时间上的差异。另一项比较研究载于[12.，其中显示了不同的IA协议在延迟和用户感知的平均吞吐量之间存在权衡。

在 [18.，我们介绍了一种基于遗传算法的初始波束形成方法，并评估了算法运行延迟对网络性能的影响。以前也有一些工作在不同的通信网络中使用基于遗传算法的选择方法。例如，在[23.基于遗传算法设计了多波束卫星系统回程链路的高效调度方案。本文提出了一种基于禁忌搜索算法的类涡轮波束形成方案[16.来降低搜索复杂度和系统开销。一种并发波束形成协议，我们称之为逐链路波束形成，在[17.]在室内MMW网络中实现高容量。最后，对于多级波束成形，设计了一种树结构的多级波束形成码本，用于[中的MMW无线回程系统6.］.此外，在[7.[低复杂性多级码本旨在支持IEEE 802.15.3c协议。在 [9.[提出了详尽的光束搜索方法。两个波束成形方案，即随机相波束形成和定向波束成形，已在[10.]在视线（LOS）渠道条件下。提出了一种用于初始用户发现的低复杂性波束形成方案，[13.]使用有限的反馈型码本。在 [14.]，开发了毫米波系统性能的精确分析框架。障碍对细胞搜索过程的影响在[15.]首次，提出了通过存储和处理关于先前小区发现尝试的信息来加速蜂窝附件操作的地理上下文数据库。

3.系统模型

我们考虑一个MU-MIMO设置在BS和BS中传输天线多年来的诗歌，每一个天线。结果，有 接收端总天线(见图)1)．这是我们工作的延伸[18.采用单接收天线，并允许在接收端形成波束。我们假设每个用户都有完美的CSI。此外，与[24.]，通过使用类似于模型的D2D链路允许vue彼此交换数据，例如，例如，[5.］.我们设置 ．在每个时隙 那聚合接收的信号矢量在时间在接收波束成形之后，通过用户可以描述为 在哪里是总权力预算， 信道矩阵与 由...提供的元素 ,在那里是接收器天线之间的距离发射机天线和是路径损耗参数，和表示小尺度衰落。 是预期的信息信号， 是BS的预编码矩阵， 是用户侧的聚合组合矩阵，以及 表示独立且相同分布的（IID）高斯噪声矩阵。我们假设在整个算法运行过程中频道保持不变。通过这种方式，我们可以放弃时间指数在下面。在我们的算法中，我们假设每个用户都可以共享他们接收到的信号，以达到最优性能;也就是说,以用户知道和 ．然而，我们也比较了这种用户协作方案与用户没有协作的情况;也就是说,用户不知道和 ．

此外，频道模型被描述为 在哪里和表示分别视线的视线和视线非线性（NLOS）组分，并且假设NLOS组件遵循复杂的高斯分布。还，控制LOS和NLOS组件的相对强度。在 （2）， 环境 表示NLOS条件 给出一个LOS频道。我们使用这个模型是因为在毫米波系统的大多数情况下都有LOS信道。

3.1。初始光束细化程序

与传统的波束成形程序获取CSI，我们建议使用基于码本的波束细化的MMW系统，这意味着选择预编码矩阵退出预定义的码本在选择组合矩阵的同时在BS处退出预定义的码本在接收端，发送测试信号，最后根据用户对其性能指标的反馈决定发射/接收波束模式。作为保险业监督的最后一步[4.，光束细化过程可以以计算延迟为代价获得精确的光束对准。数据包传输的时间结构如图所示2，其中分组期的一部分专用于设计IA过程中的适当光束（主要是光束细化部分），其余用于数据传输。因此，我们需要通过选择有效的方法来找到光束设计延迟和数据传输时段之间的平衡。

在这里，我们使用基于离散傅里叶变换(DFT-)的码本[25.，定义为 对于BS，而是 对于用户来说，其中 为码本向量的个数。注意，由于我们的算法是通用的，我们可以将我们提出的算法应用于不同类型的代码本。

３．２．性能指标

的基于机器学习的方案[6.那7.那16.-18.]是通用的，因为它们可以针对不同的指标实现。然而，对于模拟，我们考虑服务中断限制的端到端吞吐量、复杂性和所需迭代的平均次数作为系统性能度量。在某些场景中，可能需要为用户提供一些最低要求的费率;否则服务宕机发生。在里面- 算法的迭代轮算法，定义了按信道使用（BPCU）中的服务中断限制的端到端吞吐量 在哪里 这里，表示用户的可实现率最后th迭代。同时,参数是否运行满足要求的算法的每个迭代的相对延迟代价 和作为最大可能数量的迭代。然后， 是最低的每用户率表示每个用户所需的最小信噪比。还， SINR是否在用户的接收端在迭代轮 ．因此，我们将满意的用户定义为 ．这里，是个 矩阵的第n个元素 这在整个纸张中被称为频道增益。而且，系统带宽和是噪声的功率谱密度。我们设置 简化系统使电源(在dB,）表示接收器侧SNR。

(的优化问题5.)的表达式为

与…相反，例如，[17.，式3]，[22.，式1]，[26.，eq。43]，[27.，式3]，[28.，eq。5]和[29.，式5]，我们在性能分析中考虑了算法运行时延。如下所示，在优化波束形成矩阵和减少数据传输周期之间存在权衡。在这种情况下，通过运行算法进行有限次数的迭代可以得到最优解。

３．3.论功率放大器效率的影响

射频高功率放大器（PA）的效率应考虑在多天线系统中。在这里，我们考虑最先进的PA效率模型[30.，eq。13]，[31Eq。3): 在哪里 那 那 请参阅作为PA的消耗电源，输出功率和最大输出功率。还， 为功率效率和 是一个参数，具体取决于PA类。环境 那 和 在(10.）代表特殊情况（具有理想的PA）。

3.4。关于用户移动性的影响

高载波频率的移动用户的波束成形解决方案在5G无线移动通信中很重要。在这里，我们使用以下移动模型来评估我们提出的基于GA的波束形成方法的性能，并将结果与​​所考虑的最先进方案进行比较。考虑论文3.和 具有数据交换D2D链路的多天线vue。在这里，我们有两种情况下，在用户移动。

情况1。这种情况包括带有随机女性作为初始猜测的波束改进（图中的DASH-LINE VUES3.)．

例2。这种情况包括使用情况1中的皇后作为初始猜测的波束细化(图中全行vue)3.)．

通过移动性，我们通过将前一个时隙的女王设置为下一个时隙的初始猜测之一来利用空间关联。为了在(1)，我们假设我们知道运动速度以及移动的时间持续时间 ．通过这种方式，我们可以在圆形的圆圈中获得用户位置的估计 以用户在前一个时间段的位置为中心。

4.算法描述

在本研究中，我们比较了不同的IA波束形成方法的性能如下。

基于GA的搜索[18.]：算法从制作开始在发射机和接收机上可能的波束选择集，即每个码本的子矩阵。在每次迭代中，我们选择最好的集合，命名为女王，基于性能度量（例如，（5.))。接下来，我们保留女王并再生 通过对女王做小的改变(在模拟中，我们随机替换10%的女王列，而不损失一般性)。最后,其他 随机选择波束成形矩阵以避免算法被困在局部最小值中。请注意，还原对于一个给定的可以增加被困的机会。后迭代（由设计者设置），女王被返回，因为光束选择导致当前的时隙。通过这种方式，这是我们基于GA的基于GA的方法的扩展版本，在发射器和接收器中都有波束成形，可以在算法中找到基本原理1．

禁忌搜索(16.]：禁忌搜索方法遵循基于ga方案的基本思想[16.我们通过迭代来选择和更新女王。唯一不同的是在连续迭代中皇后的进化方法。对于禁忌，我们使用的定义是社区在 [16.):一个矩阵一种定义为另一个矩阵B.的邻居如果一种只有一个不同的列比较B.要么中对应两列之间的索引差一种和B.等于一个。制作波束选择集，我们将皇后从上一轮改为它的邻居。

Link-by-link搜索(17.]：在此策略中，梁的设计用户不是同时优化的。相反，采用一种贪婪的方法，通过考虑来自其他用户的干扰来逐个用户地解决波束形成问题 链接。系统性能在连续迭代中不断提高，直到它收敛到某些(子)最优波束形成规则。

两级搜索[6.那7.]：受到多级波束形成技术的启发，例如[6.那7.]我们为我们的系统设计了一个双级码本搜索方案。在第一级，BS使用码本在更宽的扇区上传输消息 列，而在第2层，它搜索最佳的解决方案在最好的扇区通过转向更窄的梁与一个列速率。

4.1。关于实施复杂性

为了比较不同的方法，我们需要考虑每种算法的实现复杂性。因此，我们基于矩阵矩阵的乘积来派生不同算法的偏移复杂性 和 有复杂性在MATLAB。这样，基于遗传算法的方法的每次迭代复杂度为 和 那 那 ．为每次迭代中波束选择集的数量。

4．2.关于用户协作的影响

为了优化端到端系统吞吐量（5.)，每个用户需要通过本节提到的D2D链接与其他用户共享其接收到的信号2．注意，我们在此工作中没有考虑构建D2D链接的开销。我们比较了关于用户协作的两种情况。

案例1（协作用户（CU））。每个用户知道其他用户的接收信号和系统吞吐量是最佳的。

案例2（非功能合理用户（NCU））。每个用户只知道自己接收到的消息，系统吞吐量不是最优的。

在部分5.，我们评估遗传算法和禁忌方法在这两种情况下的性能，并调查合作的潜在收益。

5.仿真结果

在仿真中，我们使用(2)在……的情况下 ．我们设置 在哪里指归一化的全组复杂矩阵。除了数字4.这示出了基于GA的过程的示例，对于曲线中的每个点，通过平均来获得结果不同的渠道实现。在所有图形中，我们设置 因为有足够多的迭代，之后就看不到任何性能改进了。此外，在所有的数字，除了数字11.，我们使用归一化距离 ．此外,我们组 那 和 ．在所有的数字中，除了Figure9.，我们使用理想的PA;即，集合 那 那 在(10.)．在图9.我们研究了不完善pa的影响。在数据4.那7.那9.,10.，我们考虑服务中断限制的端到端吞吐量（5.）作为性能指标 dB。最后,表1显示每种算法中所需迭代的平均数量，以实现（子）最佳解决方案。

关于收敛行为:数字4.给出一个GA性能的例子( )，而不需要运行算法的成本( )(见(5.))。在这里，示例意味着我们在单个通道实现中运行算法。从图4.我们观察到，对于延迟成本的情况来说，需要很少的迭代才能达到最大的吞吐量，这是周围的 ．也就是说，考虑到算法运行的成本，通过寻找一个次优波束形成矩阵，将剩余的时间槽留给数据传输来获得最大吞吐量(见图)2)．结果，随着迭代的数量增加，运行算法的成本将结束到吞吐量汇聚到零 (见(5.))。请注意，由于延迟成本的原因，延迟情况的最大值小于另一个值。

另一方面，如果没有运行延迟，系统性能会单调的迭代次数提高。然而，发达的算法导致（几乎）与具有非常有限的迭代次数相同的性能作为基于穷的搜索方案。例如，使用图的参数设置4.，我们的算法在不到100次迭代的情况下达到了90%以上的最大可实现吞吐量。另一方面，通过图中的参数设置4.，详尽的搜索意味着按顺序测试可能的波束形成矩阵。请注意，我们无法保证结果与最佳结果完全相同，但由于算法的“随机”部分，它们变得非常接近大量 ．这里关注的是性能和延迟成本之间的权衡，而不是确切的吞吐量值。

最后，所考虑的所有方案都具有如图所示的梯形收敛行为4.．这是因为对于所考虑的算法，每个迭代中不一定改善系统性能，并且可以被捕获到局部最小值。然而，考虑到在每个迭代中的几个随机解决方案检查有助于避免当地最小值，因为迭代的数量增加。

关于服务中断的影响：数字5.展示服务中断受限的端到端吞吐量（5.）对于所需的所需SNR阈值的不同值在(5.)．另外，图6研究了优化的情况下的服务中断概率（5.)．在这里，结果是为 那 那 那 那 ，即在接收端使用单天线用户。如图所示5.和6.，在低信噪比/严重服务中断约束下，服务中断约束显著影响端到端和每个用户的吞吐量。但随着信噪比的增大或减小，服务中断概率的影响减小减少(图5.和6.)．

方案的比较：在图7.，我们比较吞吐量(5.)。从图中可以看出，对于广泛的SNRS基于GA的波束形成[18.]带来最佳的系统吞吐量，其次是逐链接搜索[17.]，禁忌搜索[16.]和两级搜索[6.那7.］.

而且，使用图中相同的参数设置7.,在图8.我们比较每个用户吞吐量的累积分发功能（CDF）（5.)。从图中可以看出，基于ga的波束形成[18.]导致最佳的每个用户吞吐量分布，这意味着更多的用户可以通过更高的吞吐量得到服务，其次是逐链接搜索[17.]，禁忌搜索[16.]和两级搜索[6.那7.］.

表格1显示平均迭代次数这是每个方案达到(次)最优解所必需的。在这里，结果是为 那 那 ．我们可以看到，在所有的方法中，除了逐链路方法，对于Table中所考虑的参数设置，所需的迭代次数几乎不受接收天线数量的影响1．

关于不完美功率放大器的影响：数字9.评估功率放大器对吞吐量的影响（5.)．我们可以看到，PA的低效率对性能有显著影响，但这种影响随信噪比的增加而减小。这是合理的，因为PAs的有效效率 随着信噪比的增加。

关于接收天线数量的影响:数字10.显示每个用户的接收天线数量的效果关于吞吐量（5.)．如图所示，端到端吞吐量随着预期的每用户天线的数量而增加，因为多模技术可以显着提高数据速率。此外，与其他考虑方案相比，基于GA的基于GA的基于链路和链路方案的相对性能增益随着在设计大规模网络时是一个有趣的点的接收天线的数量而增加。

关于用户移动性的影响:数字11.显示了用户移动性对所考虑的算法的光束细化延迟的影响。灵感来自[11.，我们评估波束细化延迟(我们假设每个迭代需要的开销)，以检查这些算法是否适合移动用户。图中给出了每种方法在case 1和case 2中的算法运行时延。在这里，结果呈现 那 那 那 那 那 dB,移动的时间 女士, ．如图所示，基于GA的算法和基于禁忌的算法都可以显着降低广泛的用户速度的光束细化延迟，因为它们可以在情况下使用光束细化解决方案作为初始猜测2当移动距离不大时。请注意，禁忌搜索在这两种情况下都有最低延迟，因为它只是将女王更改为其邻居，该邻居充分利用空间相关性。然而，对于基于GA的方案，因为当用户速度增加，光束细化延迟略微增加，因为连续时隙中的位置之间的空间相关性降低。此外，链路链路搜索和基于双级的搜索都不显示出明显的性能增益。

关于协作用户的影响:数字12.显示用户合作对GA和禁忌算法的端到端吞吐量的效果。另外，表格2在CU和NCU的情况下，介绍GA和Tabu搜索所需迭代的平均次数。在这里，结果呈现 那 那 那 那 ．从图中可以看出，在NCU的情况下，基于ga的算法和基于tabu的算法的性能都有所下降。同时，这些降低随着信噪比的增加而减小。另一方面，在表2可以看出，与不同系统配置的CUS情况相比，NCU案例需要更小的迭代时间。案件只需要一个迭代 ．

6.结论

我们扩展了先前提出的基于遗传算法 - （GA-）的光束改进方案，以包括在发射器和接收器处的波束成形，并且我们将MU-MIMO系统中的替代光束细化算法与服务中断进行了比较- 结束端到端吞吐量和实现复杂性。特别是，我们扩展的基于遗传算法的方案可以在延迟约束系统中的近距离搜索方法中达到几乎相同的吞吐量。此外，与所考虑的先验方案相比，我们的方案导致最高的吞吐量/每用户吞吐量以及最低的偏移实现复杂性，并且相对性能增益随接收天线的数量而增加。此外，非理想功率放大器显着影响系统性能，应在系统设计期间仔细考虑。此外，基于GA的方法可以利用空间相关性，并且显着降低光束细化延迟，以获得广泛的用户速度，这意味着它是移动用户的适当方法。最后，协作用户可以以计算复杂性为代价提高系统级性能。对于未来的工作，我们将使用更现实的参数设置/方案调查我们提出的算法，并将结果与​​其他结构化波束成形方法进行比较。

的利益冲突

作者声明他们没有利益冲突。

致谢

这项研究部分基于[32]，部分是在欧盟共同资助的2020年H2020项目5GCAR框架下实施的。它还得到了VINNOVA(瑞典政府创新系统机构)在VINN卓越中心ChaseOn的部分支持。作者想要感谢他们的同事们的贡献。

参考文献

1. M. Cudak, A. Ghosh, T. Kovarik等人，“走向基于毫米波的超越4g (B-4G)技术”2013年IEEE第77车辆技术会议（VTC Spring）的诉讼程序，pp.1-5，德累斯顿，德国，2013年6月。视图:出版商的网站|谷歌学术搜索
2. Z. Pi和F. Khan，“毫米波移动宽带系统简介”，IEEE通讯杂志，第49卷，第49期。6, pp. 101-107, 2011。视图:出版商的网站|谷歌学术搜索
3. S. Sun, G. R. macartney, M. K. Samimi, S. Nie, T. S. Rappaport，“纽约市用于5G蜂窝链路改进的毫米波多波束天线组合”，刊于第一届IEEE国际通信会议论文集(ICC’14)， pp. 5468-5473, IEEE，悉尼，澳大利亚，2014年6月。视图:出版商的网站|谷歌学术搜索
4. mmMagic项目D4.2，毫米波移动通信的最终无线电接口概念和评估，https://bscw.5g-mmmagic.eu/pub/bscw.cgi/d214055/mmmagic_d4.2.pdf.．
5. Y. Sui和T. Svensson，“通过使用D2D通信增强车辆用户的上行链路”2013年IEEE全球研讨会论文集(GC Wkshps)，pp.649-653，亚特兰大，乔治，美国，2013年12月。视图:出版商的网站|谷歌学术搜索
6. S. Hur, T. Kim, D. J. Love, J. V. Krogmeier, T. A. Thomas, and A. Ghosh，“用于无线回程的多级毫米波波束形成”，刊于2011年IEEE全球研讨会论文集，第253-257页，美国德克萨斯州休斯顿，2011年12月。视图:出版商的网站|谷歌学术搜索
7. ．李,。应杨。陈晓辉，和。王卫东，“面向60GHz无线宽带的多级波束形成码本”2011年第6届国际ICST会议的中国通信与网络（ChinaCom）的诉讼程序，pp.361-365，中国哈尔滨，2011年8月。视图:出版商的网站|谷歌学术搜索
8. V.Desai，L.Krzymien，P. Sartori，W. Xiao，A. Soong和A. Alkhateeb，“MMWave通信的初始波束形成”2014年第48届Asilomar信号、系统和计算机会议论文集， pp. 1926-1930，加州太平洋格罗夫，美国，2014年11月。视图:出版商的网站|谷歌学术搜索
9. C. Jeong，J. Park和H. Yu，“随机访问毫米波波束形成蜂窝网络：问题和方法”IEEE通讯杂志，卷。53，没有。1，pp。180-185,2015。视图:出版商的网站|谷歌学术搜索
10. Z. Abu-Shaban, H. Wymeersch, X. Zhou, G. Seco-Granados，和T. Abhayapala，“用于毫米波蜂窝网络初始接入的随机相位波束形成”，在2016年Globecom 2016年第59届IEEE全球通信会议的诉讼程序2016年12月，美国。视图:出版商的网站|谷歌学术搜索
11. M. Giordani、M. Mezzavilla和M. Zorzi，《5G毫米波蜂窝网络的初始接入》，IEEE通讯杂志，卷。54，没有。11，pp。40-47,2016。视图:出版商的网站|谷歌学术搜索
12. 李勇，J. G. Andrews, F. Baccelli, T. D. Novlan，和J. Zhang，“关于毫米波蜂窝网络的初始接入设计”，载2016年IEEE GLOBECOMOMOMOMOMOM（GC WKSHPS）的诉讼程序，第1-6页，美国华盛顿特区，2016年12月。视图:出版商的网站|谷歌学术搜索
13. V. Raghavan, J. Cezanne, S. Subramanian, A. Sampath，和O. Koymen，“毫米波MIMO系统中初始UE发现的波束形成权衡”，IEEE信号处理选题期刊，第10卷，第5期。3，pp。543-559,2016。视图:出版商的网站|谷歌学术搜索
14. Y.李，J.G. Andrews，F.Baccelli，T.D .Novlan，以及C. J. Zhang，“毫米波蜂窝网络初步访问”的设计与分析，“IEEE无线通信汇刊，卷。16，不。10，pp。6409-6425,2017。视图:出版商的网站|谷歌学术搜索
15. I. Filippini，V.Sciancalepore，F. Devoti和A. Capone，“MM-Wave 5G网络中的快速小区发现，具有上下文信息”IEEE移动计算汇刊, 2017年。视图:出版商的网站|谷歌学术搜索
16. “基于禁忌搜索算法的毫米波大规模mimo系统的类涡发生器波束形成”，“基于禁忌搜索算法的毫米波大规模mimo系统”，车辆技术的IEEE交易，第65卷，第5期7, pp. 5731-5737, 2016。视图:出版商的网站|谷歌学术搜索
17. 乔杰，沈欣，j.w. Mark，何勇，“室内毫米波网络的mac层并发波束形成协议”，车辆技术的IEEE交易，卷。64，不。1，pp。327-338,2015。视图:出版商的网站|谷歌学术搜索
18. H. Guo，B. Makki和T.Svensson，“延迟受限网络的基于遗传算法的基于遗传算法的波束形成方法”2017年第15届国际建模与优化研讨会，在移动，临时和无线网络（WIOPT）中的国际研讨会，第1-7页，法国巴黎，2017年5月。视图:出版商的网站|谷歌学术搜索
19. j·p·吉尔,IEEE 802.15标准。3cpart 15.3:无线介质访问控制(MAC)和物理层(PHY)规范高速率无线个人区域网络(wpan)， IEEE计算机学会，美国纽约，2009。
20. C. Cordeiro等，IEEE P802。11无线局域网，PHY / MAC完整提案规范（IEEE 802.11-10 / 0433R2），2010年。
21. H. Rate， " GHz PHY, MAC and PALs, Standard ECMA-387, ser， " 2010，https://www.ecma-international.org/publications/files/ecma-st/ecma-387.pdf.．视图:谷歌学术搜索
22. C. N. Barati, S. A. Hosseini, M. Mezzavilla等人，“毫米波蜂窝系统的初始接入”，IEEE无线通信汇刊，第15卷，第5期。12, pp. 7926-7940, 2016。视图:出版商的网站|谷歌学术搜索
23. B. Makki, T. Svensson, G. Cocco, T. De Cola，和S. Erl，“使用基于遗传算法的调度程序的返回链路多波束卫星系统的吞吐量”，在通信学报，2015，pp.838-843，GBR，2015年6月。视图:出版商的网站|谷歌学术搜索
24. H. Guo，B. Makki和T. Svensson，“比较毫米波初始接入的光束细化算法”2017年IEEE第28届年度国际专题讨论会的课程（PIMRC），第1-7页，加拿大蒙特利尔，2017年10月。视图:出版商的网站|谷歌学术搜索
25. 万磊，钟旭东，郑亚，梅淑梅，“有限反馈MIMO系统的自适应码本”2009无线和光通信网络国际会议论文集，pp.1-5，开罗，埃及，2009年4月。视图:出版商的网站|谷歌学术搜索
26. J.Choi，“使用压缩感应的MM波多用户MIMO系统中的光束选择”，IEEE通讯汇刊，第63卷，第2期8, pp. 2936-2947, 2015。视图:出版商的网站|谷歌学术搜索
27. O. E. Ayach, S. Rajagopal, S. Abu-Surra, Z. Pi, and R. W. Heath，“毫米波MIMO系统中的空间稀疏预编码”，IEEE无线通信汇刊，卷。13，不。3，pp。1499-1513,2014。视图:出版商的网站|谷歌学术搜索
28. B.李，Z.周，W.Zou，X. Sun和G. du，“关于60GHz无线个人区域网络的高效比赛培训，”IEEE无线通信汇刊，卷。12，不。2，pp。504-515,2013。视图:出版商的网站|谷歌学术搜索
29. h。李和研究。Ko，“用于毫米波WPAN MIMO-OFDM系统的低复杂度码本波束形成”，IEEE无线通信汇刊，第10卷，第5期。11, pp. 3607-3612, 2011。视图:出版商的网站|谷歌学术搜索
30. B. Makki，T.Svensson，T.Eriksson和M.S.。Alouini，“在点对点的大型内部有限MIMO系统中所需数量的天线：中断限制的场景”IEEE通讯汇刊，卷。64，不。5，PP。1968-1983,2016。视图:出版商的网站|谷歌学术搜索
31. D. Persson, T. Eriksson和E. G. Larsson，“放大器感知多输入单输出容量”，IEEE通讯汇刊第62期3, pp. 913-919, 2014。视图:出版商的网站|谷歌学术搜索
32. h .郭毫米波5G移动通信的初始接入[硕士论文]，Chalmers理工大学，2017年。

版权

版权所有©2018 Hao Guo等。这是一篇发布在创意公共归因许可证，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。