کنترل توان در ارتباطات دستگاه به دستگاه زیرلایه در شبکه‌های سلولی نسل پنجم تحت اطلاعات غیر دقیق حالت کانال‌ها

در این مقاله، شکل‌دهی پرتو و کمینه‌سازی توان مصرفی در ایستگاه پایه در یک شبکه سلولی با ارتباطات دستگاه به دستگاه زیرلایه بررسی می گردد. فرض شده است که اطلاعات حالت کانال در اختیار ایستگاه پایه نیست و تنها تخمینی از کواریانس آنها در دسترس است. خطای تخمین در ماتریس کواریانس اطلاعات حالت کانال به دو صورت در نظر گرفته شده است. در حالت اول فرض بر این است که کران بالای نرم فروبنیوس خطاها محدود است و هدف این است که شکل‌دهی پرتو در ایستگاه پایه به نحوی محاسبه شود که توان مصرفی ایستگاه پایه کمینه شده و نسبت سیگنال به نویز به اضافه تداخل برای همه کاربران از حد آستانه‌ای کمتر نشود. در حالت دوم فرض بر این است که توزیع آماری خطا مشخص است و هدف این است که شکل‌دهی پرتو به نحوی محاسبه شود که توان مصرفی ایستگاه پایه کمینه شده و احتمال عدم قطع برای کاربران از حد آستانه ی از پیش تعریف شده ای کمتر نشود. نشان داده می‌شود که اگرچه این مسائل بهینه سازی غیر محدب هستند، می توان آنها را با استفاده از تکنیک تخفیف نیمه معین به فرم محدب بازنویسی کرد و کران پایینی برای حل آنها به دست آورد. نتایج شبیه‌سازی نشان می دهند که روش های پیشنهادی ما عملکرد به مراتب بهتری نسبت به روش‌های hybrid mrt_zf، zfbf و mrt دارند.

Power Control for Underlay Device-to-Device Communications in 5G Cellular Networks under channels uncertainties

In this paper, beamforming and consumed power minimization in base station is studied for an underlay devicetodevice communication within a cellular network. It is assumed that the channel state information are not available at the base station, and only estimations of their covariance are available. The estimation errors are considered in two models. In the first model, the errors are upper bounded in their Frobenius norms and the goal is to find the beamforming in the base station in order to minimize the consumed power in BS under the constraint that the signal to interference plus noise ratio for users are guaranteed to be above a certain predefined threshold. In the second model, a probabilistic model is considered for the uncertainty of channel covariance matrices and the BS consumed power is minimized while the non outage probability of users are guaranteed to be above a certain predefined threshold. Although our approaches initially lead to nonconvex optimization problems, they can be reformulated in convex forms by using the semidefinite relaxation technique to find lower bounds for them. Simulation results show that our proposed methods outperform Hybrid MRTZF, ZFBF and MRT beamforming schemes.