一种分布式MIMO系统的导频分配方法及系统

摘要

本发明公开了无线传输技术领域的一种分布式MIMO系统的导频分配方法及系统，包括：计算用户和所有远程天线单元(Remote Antenna Unit,RAU)的距离，将其作为样本；随机选择簇中心；计算样本与各中心点欧式距离并排序；对样本进行K值均匀聚类；按簇使用KM算法进行导频分配。通过将用户进行合理分类，以尽可能最小化导频干扰的方式给用户分配导频，以提升系统的频谱效率，并使系统对于各种位置的多用户情形具有较好的鲁棒性。

权利要求

1.一种分布式MIMO系统的导频分配方法，其特征是，包括：

将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户；用簇来表示样本的集合，一个样本最多存在于一个簇中；每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量；开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇，作为该样本的有序备选簇集；

选择一个未入簇的样本，视为当前样本；从当前样本的有序备选簇集中按序选取备选簇，检查选取的簇内已有样本个数，如果已有样本个数小于正交导频数量，则将当前样本归入该簇；否则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本；遍历所有簇，重新计算每个簇的簇中心，如果存在某个簇的簇中心发生改变并且没有达到迭代次数，则将所有样本视为都没有归入簇，重复本步骤，直至所有样本都归入簇；

计算各簇的位置中心，然后将各簇与系统中心的距离排序，为距离簇中心最近的一个簇分配导频；

按与系统中心的距离，依次为其他的簇分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；

使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

2.根据权利要求1所述的分布式MIMO系统的导频分配方法，其特征是，用户和远程天线单元的位置采用二维坐标或三维坐标表示。

3.根据权利要求1所述的分布式MIMO系统的导频分配方法，其特征是，所述用户与各远程天线单元之间的距离、样本与各簇中心的距离均为欧式距离，通过以下公式计算：其中，len＝|ln|表示矢量ln的元素个数，li＝[li，1，li，2，...，li，len]，lj＝[lj，1，lj，2，...，lj，len]在计算用户与远程天线单元距离时，li代表第i个用户的坐标，lj代表第j个远程天线单元的坐标，用户与远程天线单元采用相同维度的坐标表示方式，即两者都用len维坐标表示；同理，在计算样本与各簇中心的距离时，li代表第i个样本矢量，lj代表第j个簇中心矢量。

4.根据权利要求1所述的分布式MIMO系统的导频分配方法，其特征是，所述正交导频数量是系统使用的相互正交的导频序列的数量。

5.根据权利要求1所述的分布式MIMO系统的导频分配方法，其特征是，所述簇中心、簇的位置中心均通过以下方式计算：其中，|cj|表示第j个簇中样本索引矢量cj的元素个数，xi在计算簇中心时代表i号样本矢量，在计算位置中心时代表第i个用户的坐标数据。

6.根据权利要求1所述的分布式MIMO系统的导频分配方法，其特征是，所述干扰矩阵的第i行第n列元素代表第i个使用第n号导频的用户受到的干扰，使用以下计算方式：其中，S是远程天线单元的总数量，qn是使用第n号导频的用户索引矢量，γ是发射导频的等效信噪比， 是第i个使用第n号导频的用户与第s个远程天线单元间的大尺度衰落，其中，dn，s，i是第i个使用第n号导频的用户与第s个远程天线单元的距离，c为参考位置距离的路径损耗，α为路径损耗因子。

7.一种分布式MIMO系统的导频分配系统，其特征是，包括：

样本准备模块，用于将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户；用簇来表示样本的集合，一个样本最多存在于一个簇中；每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量；开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇，作为该样本的有序备选簇集；

样本分类模块，用于选择一个未入簇的样本，视为当前样本；从当前样本的有序备选簇集中按序选取备选簇，检查选取的簇内已有样本个数，如果已有样本个数小于正交导频数量，则将当前样本归入该簇；否则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本；遍历所有簇，重新计算每个簇的簇中心，如果存在某个簇的簇中心发生改变并且没有达到迭代次数，则将所有样本视为都没有归入簇，重复本步骤，直至所有样本都归入簇；

导频分配模块，用于计算各簇的位置中心，然后将各簇与系统中心的距离排序，为距离簇中心最近的一个簇分配导频；

优化模块，用于按与系统中心的距离，依次为其他的簇分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；

导频匹配模块，用于使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

说明书

一种分布式MIMO系统的导频分配方法及系统

技术领域

[0001] 本发明属于无线传输技术领域，具体涉及一种分布式MIMO系统的导频分配方法及系统。

背景技术

[0002] 在多输入多输出(Multiple Input Multiple Output，MIMO)‑正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统，尤其是分布式MIMO‑OFDM系统中，基站需要同时与多个用户进行通信，为了提升系统的频谱效率，需要大量提升基站侧总天线数量，在TDD模式下为了保证传输过程中准确获取信道状态信息，需要使用导频信号，但是使所有用户使用相互正交的导频往往不现实，正交导频资源有限。因此在大规模分布式MIMO系统中，有限的导频资源对系统性能造成一定的影响，中心用户及边缘用户受到较大的导频干扰。

发明内容

[0003] 为解决现有技术中的不足，本发明提供一种分布式MIMO系统的导频分配方法及系统，将用户进行合理分类，以尽可能最小化导频干扰的方式给用户分配导频，以提升系统的频谱效率，并使系统对于各种位置的多用户情形具有较好的鲁棒性。

[0004] 为达到上述目的，本发明所采用的技术方案是：一种分布式MIMO系统的导频分配方法，包括：将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户；用簇来表示样本的集合，一个样本最多存在于一个簇中；每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量。开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇，作为该样本的有序备选簇集；选择一个未入簇的样本，视为当前样本；从当前样本的有序备选簇集中选取备选簇，并将取出的簇内已有样本个数小于正交导频数量的当前样本归入该簇；若取出的簇内已有样本个数不小于正交导频数量，则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本；遍历所有簇，重新计算每个簇的簇中心，判断是否有簇中心发生改变并且没有达到迭代次数，如果为非假则将所有样本视为都没有归入簇，重复本步骤，直至所有样本都归入簇；计算各簇的位置中心，然后将各簇与系统中心的距离排序，为距离簇中心最近的一个簇分配导频；按与系统中心的距离，依次为其他的簇分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

[0005] 进一步地，用户和远程天线单元的位置采用二维坐标或三维坐标表示。

[0006] 进一步地，所述用户与各远程天线单元之间的距离、样本与各簇中心的距离均为欧式距离，通过以下公式计算：

[0007]

[0008] 其中，len＝|ln|表示矢量ln的元素个数，li＝[li，1，li，2，...，li，len]，lj＝[lj，1，lj，2，...，lj，len]在计算用户与远程天线单元距离时，li代表第i个用户的坐标，lj代表第j个远程天线单元的坐标，用户与远程天线单元采用相同维度的坐标表示方式，即两者都用len维坐标表示；同理，在计算样本与各簇中心的距离时，li代表第i个样本矢量，lj代表第j个簇中心矢量。

[0009] 进一步地，所述正交导频数量是系统使用的相互正交的导频序列的数量。

[0010] 进一步地，所述簇中心、簇的位置中心均通过以下方式计算：

[0011]

[0012] 其中，|cj|表示第j个簇中样本索引矢量cj的元素个数，xi在计算簇中心时代表i号样本矢量，在计算位置中心时代表第i个用户的坐标数据。

[0013] 进一步地，所述干扰矩阵的第i行第n列元素代表第i个使用第n号导频的用户受到的干扰，采用使用第n号导频的所有用户(包括用户i)与所有RAU间信道估计误差方差的总和，使用以下计算方式：

[0014]

[0015] 其中，S是远程天线单元的总数量，qn是使用第n号导频的用户索引矢量，γ是发射导频的等效信噪比， 是第i个使用第n号导频的用户与第s个远程天线单元间的大尺度衰落，其中dn，s，i是第i个使用第n号导频的用户与第s个远程天线单元的距离，c为参考位置距离的路径损耗，α为路径损耗因子。

[0016] 一种分布式MIMO系统的导频分配系统，包括：样本准备模块，用于将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户，用簇来表示样本的集合，一个样本最多存在于一个簇中；每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量；开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇，作为该样本的有序备选簇集；样本分类模块，用于选择一个未归入簇的样本，视为当前样本；从当前样本的有序备选簇集中选取备选簇，并将取出的簇内已有样本个数小于正交导频数量的当前样本归入该簇；若取出的簇内已有样本个数不小于正交导频数量，则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本；遍历所有簇，重新计算每个簇的簇中心，判断命题有簇中心发生改变并且没有达到迭代次数是否为真，如果为真则将所有样本视为都没有归入簇，重复本步骤，直至所有样本都归入簇；导频分配模块，用于计算各簇的位置中心，然后将各簇与系统中心的距离排序，为距离簇中心最近的一个簇分配导频；优化模块，用于按与系统中心的距离，依次为其他的簇分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；导频匹配模块，用于使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

[0017] 与现有技术相比，本发明所达到的有益效果：本发明通过使用K均值聚类方法对用户进行划分，利用用户与分布式MIMO系统中RAU(远程天线单元)的距离作为数据特征，抛弃传统的按真实位置进行聚类，转而深度挖掘用户信道的信息，对相互之间干扰较大的用户进行合理聚类，使得系统对于用户位置的随机情形具有较好的鲁棒性；采用KM匹配算法以尽可能最小化导频干扰的方式给用户分配导频，在用户数量较多时，显著提升了系统的频谱效率。

附图说明

[0018] 图1为KM算法示例图；

[0019] 图2为本发明实施例提供的一种分布式MIMO系统的导频分配方法的总体流程图；

[0020] 图3为本发明实施例中基于K均值聚类对用户进行分类的流程图；

[0021] 图4为本发明认证性能图。

具体实施方式

[0022] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

[0023] 实施例一：

[0024] 如图1～图3所示，一种分布式MIMO系统的导频分配方法，包括：将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户。为了把所有用户分组以便分配导频，用簇来表示样本的集合，一个样本最多存在于一个簇中。每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量。开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇，作为该样本的有序备选簇集；选择样本：选择一个未归入簇中心的样本，视为当前样本；分配样本：从当前样本的有序备选簇集中选取备选簇，若取出的簇内已有样本个数小于正交导频数量，则当前样本归入该簇，然后重新从选择样本操作开始执行直到所有样本分配完毕；若取出的簇内已有样本个数不小于正交导频数量，则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本，重新从分配样本操作开始执行；待所有样本分配完毕，遍历所有簇，重新计算每个簇的簇中心，判断命题有簇中心发生改变并且没有达到迭代次数是否为真，如果为真则将所有样本视为都没有归入簇，重新从选择样本操作开始执行下一次迭代；按照样本对应的用户坐标计算各簇的位置中心，然后将各簇与分布式MIMO系统中心的距离排序，为距离系统中心最近的一个簇分配导频；其他的簇按距离顺序为簇内已有样本对应的用户分配导频，给每个用户分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

[0025] 本实施例的主要流程如图2所示，其中基于K均值聚类对用户进行分类的流程，如图3所示，具体为：

[0026] S01、根据用户和RAU(远程天线单元)的位置，计算用户与各个RAU的距离，将每个用户与各RAU之间的欧式距离数据组成一个矢量，视为一个样本，一个样本对应一个用户。为了把所有用户分组以便分配导频，用簇来表示样本的集合，一个样本最多存在于一个簇中。每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量。开始分组前，在RAU覆盖范围内随机选择若干个样本作为初始簇中心；对每个样本计算它与各个簇中心的欧式距离，然后按照结果从小到大排序记录对应的簇，作为该样本的有序备选簇集；

[0027] S02、选择一个未归入簇中心的样本，视为当前样本；

[0028] S03、从当前样本的有序备选簇集中选取下一个备选簇，判断取出的簇内已有样本个数是否小于正交导频数量，如果小于则将当前样本归入该簇并转到S04，否则转到S05；

[0029] S04、判断是否有样本未归入簇中，如果有，转到S02，否则转到S06；

[0030] S05、判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本，然后转到S03，如果不大于直接转到S06；

[0031] S06、遍历所有簇，重新计算每个簇的簇中心，判断命题有簇中心发生改变并且没有达到迭代次数是否为真，如果为真则将所有样本视为都没有归入簇，转入S02，如果为假则停止迭代，转到S07；

[0032] S07、计算各簇的位置中心，然后将各簇与分布式MIMO系统中心的距离排序，为距离簇中心最近的一个簇分配导频；

[0033] S08，为其他的簇按距离顺序为簇内已有样本分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；

[0034] S09、使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配；

[0035] KM算法完成最优匹配的具体介绍如下：KM算法的主要目标是获得带权二分图的最大权值匹配。为了便于说明，KM算法示例图如图1所示，对于二分图的左右两组点，左边一组用圆表示，右边一组用点表示，在实际中圆表示用户，点表示导频。在本实施例中用于以最少的导频干扰给用户分配合适的导频，在给一个簇中用户分配导频时，如果用户数量小于正交导频数量，可以添加虚拟用户至用户数量与正交导频数量相等，为确保不影响最小干扰的分配结果，可以将其受到的导频干扰设置为干扰矩阵中元素最大值的2倍，在该簇分配完成后将虚拟用户分配记录删除即可。算法具体步骤如下：

[0036] a、进行初始化：由于KM算法求的是最大权值匹配，为了取得最小干扰分配结果，二分图从第i个用户到第j个导频的边的权值为用户使用每个导频时导频干扰的相反数(记为w(i，j))。为每个用户和导频设置一个顶标，第i个用户的顶标初始为与该用户连接的边的最大权值，即max(w(i，j)，j∈正交导频总数量)，记为l(i)。第j个导频的顶标初始为0(记为r(j))；

[0037] b、选择一个未匹配的用户i；

[0038] c、遍历所有未匹配的导频，同时判断l(i)+r(j)＝w(i，j)是否成立，如果成立则将j号导频与i号用户匹配，同时按照准匹配列表修改匹配结果，然后清空准匹配列表、清除所有标记，如果所有未匹配的导频都不成立，执行步骤e；

[0039] d、重复执行步骤b直到所有用户都匹配成功；

[0040] e、遍历所有已匹配且未被标记的导频，同样判断l(i)+r(j)＝w(i，j)是否成立，如果成立则对i号用户和j号导频标记并将这一配对(i，j)记入准匹配列表，同时对已经匹配j号导频的用户执行步骤3，如果都不成立则将当前用户标记然后执行步骤f；

[0041] f、设置一个松弛量slack，取值为在所有被标记的用户顶标与所有尚未匹配的导频顶标和中，与对应边权值的最小差值，即slack＝min{l(i)+r(j)‑w(i，j)，i∈被标记的用户，j∈尚未匹配的导频}。然后执行松弛改变：将被标记的用户顶标加上slack，被标记的导频顶标减去slack；清空准匹配列表和所有标记，执行步骤b。

[0042] 以2个RAU、6个用户和3个正交导频组成的分布式MIMO系统为例加以详细阐述；分配方法总体的流程图如图2所示，包括以下步骤：

[0043] 步骤一、设置RAU位置为(xri，yri)，S是RAU的总数量，假设用户当前位置为(xui，yui)，U是用户总数量，假设正交导频总数量是N.以一个用户和各个RAU的距离作为一个样本。构造样本集：D＝{x1，x2，...，xU}，其中，元素xi的第i个用户和所有RAU的距离xi＝[xi，1，xi，2，...，xi，S]，其中， 随机从D中取 个样本作为初始聚簇中心μi，其中，ceol()代表向上取整。此处以以下参考值为例：

[0044] (xr1，yr1)＝(2，2)，(xr2，yr2)＝(2，4)；

[0045] (xu1，yu1)＝(1，1)，(xu2，yu2)＝(1，3)，(xu3，yu3)＝(1，5)，(xu4，yu4)＝(3，1)，(xu5，yu5)＝(3，3)，(xu6，yue6)＝(3，5)。

[0046] 在本例中可以求得

[0047] D＝{x1，x2，x3，x4，x5，x6}＝{(1.4142，3.1623)，(1.4142，1.4142)，(3.1623，1.4142)，(1.4142，3.1623)，(1.4142，1.4142)，(3.1623，1.4142)}，假设随机取得的初始聚簇中心μi为μ1＝x4，μ2＝x2；此处示例数据量较小，实际应用时使用的输入的数据量较大，保证足够的信息用于分类。

[0048] 步骤二、计算每个样本和所有簇中心的距离，然后进行排序记录簇号，得到样本的有序备选簇集，记样本i的有序备选簇集为indi.构造簇矢量，记录每簇的已有样本，记第m个簇的簇矢量为cm。计算样本与簇中心的距离采用欧式距离，即：

[0049]

[0050] 其中，len＝|ln|表示矢量ln的元素个数；li＝[li，1，li，2，...，li，len]，lj＝[lj，1，lj，2，...，lj，len]；li代表第i个样本矢量，lj代表第j个簇中心矢量。在本例中，样本与簇中心的距离为：

[0051] 在本例中可求得第一次距离矩阵

[0052]

[0053] 同样可得

[0054]

[0055] 步骤三、选取一个尚未入簇的样本i，从有序备选集中选取下一备选簇，即indi的第一个元素first，如果簇cfirst的数量小于N，则将样本i归入cfirst，同时indi第一个元素置为0，代表该簇对样本i已不可行，否则判断簇内距离簇中心最远的样本距离是否大于样本i，如果大于则将样本i归入cfirst，最远的样本出簇，重新按照该步骤寻找合适的簇，否则indi第一个元素置为0，样本i重新按照步骤三继续寻找最近的合适的簇。直到所有的用户找到合适的簇；

[0056] 在本例中，从样本1开始，下一备选簇为1且1号簇中已有样本数量小于3，则样本1归入1号簇；同样的，依次为其他样本寻找最近的簇，当开始为6号样本寻找簇时，此时簇中已有样本c1＝{1，4}，c2＝{2，3，5}；样本6下一备选簇为2，但2号簇中已有样本数已经达到3个且最远的3号样本与簇中心距离也不大于6号样本，使ind6第一个元素置为0，此时ind6＝(0，1)，继续为6号样本寻找簇，此时找到簇1，所有样本分配完毕，此时分配结果为c1＝{1，4，6}，c2＝{2，3，5}。

[0057] 步骤四、按照分好的簇，重新计算簇中心μ′，当所有的μi与μ′i相等时或者达到迭代次数时，停止迭代，输出分好的簇；

[0058] 簇中心、簇的位置中心均通过以下方式计算：

[0059]

[0060] 其中，|cj|表示第j个簇中样本索引矢量cj的元素个数，xi在计算簇中心时代表i号样本矢量，在计算位置中心时代表第i个用户的坐标数据；

[0061] 簇中心μ′通过公式(2)计算；

[0062] 在此例中，新的簇中心为

[0063]

[0064] μ′2＝(1.9969，1.4142)

[0065] 由于存在μ′i≠μ′i，所以从步骤二开始进行第二次迭代；第二次迭代得到c1＝{1，4，6}，c2＝{2，3，5}；与第一次迭代的结果相同，因此新的簇中心与第一次相同，分类完成；
即最终的分类结果为：1号、4号、6号用户分为1号簇，2号、3号、5号用户分为2号簇。

[0066] 步骤五、按照分好的簇计算簇的位置中心local，并按照位置中心到系统中心的距离排序。计算位置中心时使用用户的原始位置，即(xui，yui).系统中心根据分布式系统的覆盖范围取中心位置，在本例中即(2，3)。可求得local1＝(2.3333，2.3333)，local2＝(1.6667，3.6667)；计算距离相等，可取排序结果为[1，2]。

[0067] 步骤六、按照排序结果，先为最近的一个簇即1号簇的用户随机分配正交导频，假设分配的导频为[1，2，3]，然后按照km算法为接下来的簇分配导频；首先需要计算用户i使用每一导频时的导频干扰，本实施例采用的导频干扰取值为包括第i个用户在内的所有使用第j号导频的用户与所有RAU间信道的估计误差方差之和；所述干扰矩阵的第i行第n列元素代表第i个使用第n号导频的用户受到的干扰，采用使用第n号导频的所有用户与所有RAU间信道估计误差方差的总和，使用以下计算方式：

[0068]

[0069] 其中，S是远程天线单元的总数量，qn是使用第n号导频的用户索引矢量，γ是发射导频的等效信噪比， 是第i个使用第n号导频的用户与第s个远程天线单元间的大尺度衰落，其中dn，s，i是第i个使用第n号导频的用户与第s个远程天线单元的距离，c为参考位置距离的路径损耗，α为路径损耗因子。

[0070] 在不同环境下生成的导频干扰不同，为演示导频分配的过程，在不失一般性情况下，假设本例导频干扰矩阵为

[0071]

[0072] 其中，第i行第j列的元素代表簇中第i个用户使用第j个导频的导频干扰；为求系统最小化导频干扰，取KM算法权值矩阵

[0073]

[0074] 步骤七、为2号簇的用户分配导频，为用户设置顶标值[‑6，‑7，‑3]，为导频设置顶标值[0，0，0]。用户1计算l(i)+r(j)＝w(i，j)，得到匹配结果(1‑1)；用户2在未分配的导频{2，3}中找不到满足条件的导频，在已分配的导频(1)找到导频1合适，于是记录准匹配(2‑‑1)，与导频1匹配的用户1重新遍历未标记的导频，无合适结果，于是标记用户1。上述匹配过程可简记为(2→1‑1→？)，箭头左边代表用户，右边代表导频，？代表无合适结果；

[0075] 然后计算松弛量

[0076] slack＝min(0+(‑6)‑(‑8)，0+(‑6)‑(‑10)，0+(‑7)‑(‑10)，0+(‑7)‑(‑9))＝min(2，4，3，2)＝2

[0077] 执行松弛改变，用户顶标变为[‑6‑2，‑7‑2，‑3]＝[‑8，‑9，‑3]，导频顶标变为[0+2，0，0]＝[2，0，0]，清除标记和准匹配。然后继续匹配，匹配过程为(2→3)，(3→3‑2→1‑1→
2)，匹配结束，匹配结果为{1‑2，2‑1，3‑3}，总的导频干扰为18，即为2号簇的用户分配的导频为[2，1，3]。

[0078] 在本例中通过以上步骤最终分配导频结果为[1，2，1，2，3，3]，即1号用户分配1号导频，2号用户分配2号导频，依次类推。本实施例的认证性能图如图4所示，使用蒙特卡罗进行仿真使用到的参数如下：一个半径为375米的小区，364个RAU间通过BPU进行相互协作，单天线用户的位置随机生成。系统的资源块(Resource Block，RB)时间上包括7个OFDM符号，其中一个用于信令传输，频率上包括12个子载波，带宽为15kHz。假设信道相干时间为1ms，可容纳2个RB，共有144个资源单元(Resource Element，RE)可用于传输导频和数据。热噪声密度为‑174dbm/Hz，噪声系数(Noise Factor，NF)为5dB，自由空间损耗140.7dB，参考位置距离的路径损耗为1，路径损耗因子为3.7。

[0079] 本实施例通过使用K均值聚类方法对用户进行划分，利用用户与分布式MIMO系统中RAU的距离作为数据特征，抛弃传统的按真实位置进行聚类，转而深度挖掘用户信道的信息，对相互之间干扰较大的用户进行合理聚类，使得系统对于用户位置的随机情形具有较好的鲁棒性；采用KM匹配算法以尽可能最小化导频干扰的方式给用户分配导频，在用户数量较多时，显著提升了系统的频谱效率。

[0080] 实施例二：

[0081] 基于实施例一所述的分布式MIMO系统的导频分配方法，本实施例提供一种分布式MIMO系统的导频分配系统，包括：

[0082] 样本准备模块，用于将每个用户与各远程天线单元之间的距离数据组成一个矢量，视为一个样本，一个样本对应一个用户。为了把所有用户分组以便分配导频，用簇来表示样本的集合，一个样本最多存在于一个簇中。每个簇有一个确定的簇中心，簇中心是与样本维度一致的矢量。开始分组前，在远程天线单元覆盖范围内随机选择若干个样本作为初始簇中心；将每个样本与各簇中心的距离按照从小到大的顺序排序并记录对应的簇中心，作为该样本的有序备选簇集；

[0083] 样本分类模块，用于选择一个未归入簇中心的样本，视为当前样本；从当前样本的有序备选簇集中选取备选簇，并将取出的簇内已有样本个数小于正交导频数量的当前样本归入该簇；若取出的簇内已有样本个数不小于正交导频数量，则判断取出的簇内已有样本中距离该簇簇中心最远的样本是否大于当前样本，如果大于，用当前样本替换最远的样本，将被替换的样本视为当前样本；遍历所有簇，重新计算每个簇的簇中心，判断是否命题有簇中心发生改变并且没有达到迭代次数是否为真，如果为真，则将所有样本视为都没有归入簇，重新执行该模块，重复本步骤，直至所有样本都归入簇；

[0084] 导频分配模块，用于计算各簇的位置中心，然后将各簇与系统中心的距离排序，为距离簇中心最近的一个簇分配导频；

[0085] 优化模块，用于按与系统中心的距离，依次为其他的簇分配导频，给每个簇分配时，计算每个用户使用各个导频受到的干扰，组成干扰矩阵，将导频分配问题抽象为二分图最优匹配问题；

[0086] 导频匹配模块，用于使用干扰矩阵作为二分图边的权值矩阵，采用KM算法完成二分图的最优匹配，即完成所有用户的最小干扰导频匹配。

[0087] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。