阅读说明：本技术 大规模mimo中的主动用户选择 (Active user selection in massive MIMO ) 是由 杨弘 T·马泽塔 于 2018-05-02 设计创作，主要内容包括：针对接入终端群中的每个接入终端对,计算第一信道相关性。基于第一信道相关性,从接入终端群中识别特定接入终端对。接入终端群包括特定接入终端对中的第一接入终端、特定接入终端对中的第二接入终端、以及来自接入终端群的至少一个剩余接入终端。计算第一接入终端与至少一个剩余接入终端中的每一个之间的第二信道相关性。计算第二接入终端与至少一个剩余接入终端中的每一个之间的第三信道相关性。基于第二信道相关性和第三信道相关性,选择第一接入终端和第二接入终端中的一个以从服务中丢弃。(A first channel correlation is calculated for each access terminal pair in a group of access terminals. A particular access terminal pair is identified from a group of access terminals based on the first channel correlation. The group of access terminals includes a first access terminal in the particular pair of access terminals, a second access terminal in the particular pair of access terminals, and at least one remaining access terminal from the group of access terminals. A second channel correlation is calculated between the first access terminal and each of the at least one remaining access terminals. A third channel correlation is calculated between the second access terminal and each of the at least one remaining access terminals. Based on the second channel correlation and the third channel correlation, one of the first access terminal and the second access terminal is selected to be dropped from service.)

大规模MIMO中的主动用户选择

技术领域

所描述的发明涉及无线通信系统，更特别地，涉及大规模多输入多输出无线系统中的主动用户选择。

背景技术

在大规模MIMO(多输入多输出)系统中，基站配备有非常大量(例如，数百或数千个)的服务天线，以同时服务多个(例如，数十或数百个)接入终端。大规模MIMO系统可提供传统MIMO系统的大部分优势，但具有更大规模。特别地，大规模MIMO系统可提供高吞吐量、通信可靠性、以及高功率效率和线性处理。

在常规的大规模MIMO系统中，一些接入终端可能具有相似的信道向量(例如，由于在地理上彼此靠近)，这可能导致所有接入终端的吞吐量显著下降。当采用最大-最小功率控制时尤其如此。最大-最小功率控制旨在最大化最小吞吐量，从而有效地针对所有接入终端来均衡吞吐量。这种最大-最小功率控制的实际效果是降低了最佳执行接入终端的性能，以改善最差执行接入终端的性能。已经表明可以通过选择性地丢弃多个接入终端来向所有接入终端提供统一的良好服务。

为了确定丢弃哪些接入终端，理论上可以基于所计算的信号干扰加噪声比(SINR)来执行常规的穷举搜索。然而，这种常规的穷举搜索是不切实际的，因为必须在通常为1到2毫秒的相干间隔内确定要丢弃哪些接入终端的决定，并且所需的计算可能会非常复杂。对于大量的接入终端，常规的搜索是不可能的。

发明内容

根据一个或多个实施例，公开了一种用于从接入终端群中选择要从服务中丢弃的接入终端的系统和方法。针对接入终端群中的每个接入终端对，计算第一信道相关性。基于第一信道相关性，从接入终端群中识别特定接入终端对。接入终端群包括特定接入终端对中的第一接入终端、特定接入终端对中的第二接入终端、以及来自接入终端群的至少一个剩余接入终端。计算第一接入终端与至少一个剩余接入终端中的每一个之间的第二信道相关性。计算第二接入终端与至少一个剩余接入终端中的每一个之间的第三信道相关性。基于第二信道相关性和第三信道相关性，选择第一接入终端和第二接入终端中的一个以从服务中丢弃。

在一个实施例中，响应于从接入终端群中选择要丢弃第一接入终端和第二接入终端中的哪一个，从第一信道相关性中移除针对特定接入终端对的相应的相关性以提供更新的第一信道相关性。例如，特定接入终端对之间的相关性可被设置为零。针对更新的第一信道相关性，重复识别、计算第二信道相关性、计算第三信道相关性、选择和移除的步骤，直到更新的第一信道相关性中的最大相关性满足阈值为止。

在一个实施例中，从接入终端群中选择要丢弃第一接入终端和第二接入终端中的哪一个包括如果第二信道相关性中的最大相关性大于第三信道相关性中的最大相关性，则选择第一接入终端，以及如果第三信道相关性中的最大相关性大于第二信道相关性中的最大相关性，则选择第二接入终端。

在一个实施例中，特定接入终端对被识别为接入终端群中的具有第一信道相关性中的最高相关性的接入终端。

在一个实施例中，针对接入终端群中的每个接入终端对，计算第一信道相关性包括：针对接入终端群中的每个相应的接入终端，计算相应的接入终端与接入终端群中的每个其它接入终端之间的第一信道相关性。第一信道相关性包括与每个接入终端对中的接入终端相关联的信道向量之间的相关性。

在一个实施例中，通过将第一接入终端和第二接入终端中所选择的一个重新分配到不同的相干时隙，从接入终端群中从服务中丢弃第一接入终端和第二接入终端中所选择的一个。

通过参考以下

具体实施方式

和附图，本公开的这些和其它优点对于本领域普通技术人员将是显而易见的。

附图说明

图1示出根据一个实施例的通信系统的高级框图；

图2示出根据一个实施例的视线传播模型；

图3示出根据一个实施例的两个信道向量之间的相关性的累积分布函数的曲线图；

图4示出根据一个实施例的一种用于从接入终端群中选择一个或多个接入终端以从服务中丢弃的方法的流程图；

图5示出根据一个实施例的另一种用于从接入终端群中选择一个或多个接入终端以从服务中丢弃的方法的流程图；

图6示出根据一个实施例的计算机的高级框图，其可被实现以用于从接入终端群中选择一个或多个接入终端以从服务中丢弃。

具体实施方式

图1示出了根据一个或多个实施例的无线通信系统100的高级概览。在一个实施例中，通信系统100是在视线(LOS)传播环境中的大规模MIMO系统，然而，可以使用采用任何适合的传播环境的任何适合的通信系统(例如，iid瑞利传播环境)。通信系统100包括基站102，其同时服务K个用户或接入终端106-A、106-B、…、106-K(统称为接入终端106)的群。接入终端106经由相应的传播信道112-A、112-B、...、112-K(统称为传播信道112)与基站102通信。接入终端106可以随机位于很大的地理区域上，例如，城市。虽然通信系统100被说明性地示出为具有基站102的单个小区系统，但是应当理解，通信系统100可以包括同时服务K个接入终端106的任何数量的基站，并且本文所讨论的原理可以应用于任何一个或所有那些基站。

基站102可以连接到其它基站(未示出)并且经由回程网络110连接到集线器节点108。虽然回程网络110通常可以是固定的陆线网络，例如，光纤网络，但是回程网络110可以是任何适合的通信网络。例如，回程网络110可以是无线网络。

基站102配备有服务天线104阵列。服务天线阵列104可以包括任意数量M(例如，数十或数百)的服务天线。例如，服务天线阵列104可以是单个天线单元或多个天线单元阵列。在一些实施例中，服务天线阵列104可以是一维线***天线阵列或二维服务天线阵列。

在一个实施例中，从基站102到接入终端106的传输(即，下行链路传输)和从接入终端106到基站102的传输(即，上行链路传输)遵循时分双工(TDD)通信协议进行。可以使用在题为“使用大规模天线网络的无线通信的系统和方法(System and Method of WirelessCommunication using Large-Scale Antenna Networks)”的美国专利申请No.13/238,329中描述的方法来执行根据TDD通信协议的这种通信，该专利申请通过引用全部并入本文中。

根据TDD通信协议，下行链路和上行链路信道在时间上是分开的但使用相同的频率。然后，通过互易性，针对每个下行链路信道的信道估计可被认为等于针对对应的上行链路信道的估计。任何信道估计将只在相干间隔内有效。相干间隔取决于特定感兴趣的网络的衰落特性。在典型的移动网络中，相干间隔大约是接入终端106行进四分之一工作波长的距离的时间。

根据TDD通信协议，所有K个接入终端106通过它们相应的传播信道112同步且同时向基站102发送它们的上行链路信号。所有K个接入终端106通过它们相应的传播信道112同时且同时向基站102发送导频序列。因此，在基站102与每个接入终端106之间定义了复数值的信道系数向量g_k。基站102使用信道向量g_k以解码先前由接入终端106发送的上行链路信号。基站102还使用信道向量g_k以形成信号，该信号包括旨在用于所有K个接入终端106的数据。

第k个接入终端106与M个服务天线阵列104之间的信道向量g_k通过以下公式来建模：

其中，β_k对慢衰落进行建模，z_k是M维列向量。z_k在公式1中定义如下：

其中，上标T表示矩阵转置，λ是载波波长，φ_k对与M个服务天线阵列102与第k个接入终端106之间的随机范围相关联的相移进行建模，并且被假定均匀分布在[-π,π]上，表示距离差。距离差定义如下：

其中，d(k,m)是第k个接入终端106与阵列104中的第m个服务天线之间的距离。根据定义，

ξ～U(S)表示均匀分布在集合

中的随机变量ξ。因此，φ_k～U[-π,π]。

图2说明性地示出了根据一个或多个实施例的LOS传播模型200。将参考图1来描述LOS传播模型200。LOS传播模型200示出了K个接入终端106(即，接入终端106-A、106-B、106-C、106-D、106-E、106-F、和106-G)随机地分布在半径为R且在其中心处有服务天线阵列104(在图1中的基站102处)的球面S²(R)上。虽然以球面示出了LOS传播模型200，但是应当理解，LOS传播模型可以覆盖任何地理区域(例如，圆)，并且不限于球面。

第k个接入终端106的坐标是

根据一个或多个实施例，下面将首先描述LOS传播模型200，其中阵列104是一维线***天线阵列，然后阵列104是二维服务天线阵列。

一维阵列：根据一个实施例，LOS传播模型200可以用阵列104建模为线***天线阵列。M个服务天线的线性阵列被放置于球面S²(R)的中心。每个服务天线的坐标是：

以使得线性阵列的天线间距等于

在远场中(即，当R远大于阵列的大小时，R>>Mλ)，与位于(x,y,z)∈S²(R)的典型接入终端的差Δ^(m)可以计算为：

注意球形冠的面积是2πRh，其是它的高度h的倍数，从而得出引理1。

引理1：对于任意R>0，如果(x,y,z,)～U(S²(R))，则x～U([-R,R])。

通过对称性，引理1也表示y～U([-R,R])和z～U([-R,R])。尽管x、y和z各自单独地均匀分布，但它们必须共同满足关系x²+y²+z²＝R²。

因此，它们不是独立的。

根据公式1和2，对于在S²(R)上均匀分布的K个接入终端106，第k个接入终端106的信道向量是：

其中，

根据一个实施例，假定接入终端106均匀分布在一维球面S¹(R)上，即半径为R的圆上。因此，

其中，θ_k～U([-π/2,π/2])是相对于线性天线阵列的法线方向的入射角。

二维阵列：根据一个实施例，LOS传播模型200可以用阵列104建模为二维服务天线阵列。当接入终端106的位置在诸如S²的二维流形中随机化时，可以在信道向量中自然地引入附加的随机变量。假定M₁×M₂的矩形服务天线阵列位于球面S²(R)的中心，则阵列中每个服务天线的坐标是(x_m,y_n,0)，其中，

在远场中(即，当R远大于阵列的大小时，R＞＞M₁λ并且R＞＞M₂λ)，从位于(x,y,z)∈S²(R)的接入终端106到第(1,1)和第(m,n)个服务天线的距离的差Δ^(m,n)是：

从引理1得知，对于(x,y,z,)～U(S²(R))，z～U([-R,R])。注意，在S²(R)上其Z坐标等于uR的点集是圆

如果点均匀分布在球面S²(R)上，则它们也必然均匀分布在圆

上。因此，点的x坐标和y坐标分别由

和

给出，其中，α～U([0,2π])。在引理2中对此进行了总结。

引理2：对于任意R>0，如果(x,y,z,)～U(S²(R))，则

并且

其中，α～U([0,2π])。

注意，α的选择与z无关，组合引理1和2以获得定理1。

定理1：对于任意R>0，如果(x,y,z,)～U(S²(R))，则

z＝vR，其中，v和α独立，v～U([-1,1])并且α～U([0,2π])。

为了在球面S²上生成均匀分布的随机点，定理1只需要两个均匀变量。

根据定理1，公式5可以写成：

因此，根据公式1和6，第k个接入终端的信道向量

通过以下M₁xM₂矩阵的项给出：

上述三个LOS传播模型总结如下：

1)S¹一维模型：随机位于圆S¹中的接入终端106，其中阵列104被设置为一维线性阵列。信道向量由公式4给出。

2)S²一维模型：随机位于球S²中的接入终端106，其中阵列104被设置为一维线性阵列。信道向量由公式3给出。

3)S²二维模型：随机位于球S²中的接入终端106，其中阵列104被设置为二维阵列。信道向量由公式7中的矩阵的项给出。

应当理解，本原理可以适用于LOS传播模型200的其它实施例。例如，在一个实施例中，当接入终端位置被限制在圆S¹(R)时，也可以使用随机位于圆S¹上的接入终端106，其中阵列104被设置为二维阵列，Δ^(m,n)仅通过一个随机变量α来随机化。

对于上述所有三个LOS模型，可以看出：

其中，上标*表示共轭转置。并且对于l≠k：

令人感兴趣的是两个接入终端的信道向量之间的相关性程度。γ_1,2是两个归一化信道向量之间的内积大小，其中：

为了简单起见，γ_1,2在本文中将被称为两个信道向量z₁与z₂之间的相关性。

图3示出了根据一个实施例的针对阵列104中的M＝256个服务天线的信道向量z₁与z₂之间的相关性γ_1,2的累积分布函数(CDF)的曲线图300。曲线图300示出了以下情况的信道向量之间的相关性的CDF的比较：(1)iid瑞利传播环境；(2)S¹一维模型，其中，接入终端106随机位于圆S¹中，其中阵列104被设置为一维1x256线性阵列；(3)S²一维模型，其中，接入终端106随机位于球S²中，其中阵列104被设置为一维1x256线性阵列；以及(4)S²二维模型，其中，接入终端106随机位于球面S²中，其中阵列104被设置为二维16x16阵列。

如曲线图300所示，大多数时候，三个LOS模型的信道向量比iid瑞利信道向量更接近正交。此外，三个LOS模型的CDF相似之处在于具有相同的中值，但是具有16x16阵列的S²二维模型表现出稍大的标准偏差。

可能希望看到S²二维模型中的信道相关性的进一步减小，因为与一维模型相比，每个信道向量都使用附加的随机变量来建模。然而，这是错误的期望，因为许多随机变量，例如，均匀分布的随机变量，可被分解成两个或更多个独立随机变量的和。

返回参考图1，通信系统100包括具有基站102的单个小区，基站102具有M个服务天线阵列104，同时服务K个接入终端106。令

是在基站102处的M个服务天线阵列104与K个接入终端106之间的M x K个信道矩阵。

下行链路数据信道建模为：

其中，

是在K个接入终端106处的接收信号向量，ρ_d是归一化的(相对于移动接收机的噪声功率)下行链路SNR(信噪比)，是到基站102中的M个服务天线阵列104的端口的预编码输入向量，w是噪声向量。下行链路功率约束被规定为E(x^*x)≤1。

类似地，用上标`表示对应的变量，上行链路数据信道建模为：

其中，

是在基站102处的M个服务天线阵列104的端口处的接收信号向量，ρ_u是归一化的(相对于基站接收机的噪声功率)上行链路SNR，

是来自K个接入终端106的功率控制消息承载信号，w`是噪声向量。上行链路功率约束被规定为‖E(x`^*T⊙x`)‖_∞≤1，其中，⊙表示元素级相乘。

现在，将针对具有MR(最大比率)处理和ZF(迫零)处理的信号小区大规模MIMO系统，得出下行链路和上行链路SINR(信号与干扰加噪声比)的表达式。

遍历能力的概念与所有随机源的许多独立实现上的编码相关联，并且它允许对信道矩阵进行平均以获得能力表达式。在瑞利衰落的情况下，通常通过小规模衰落的频率依赖性以及在一个以上的时间相干间隔上执行编码的可能性来满足该条件。然而，在LOS条件下，由于随机到达角与频率无关并且可能长时间保持基本不变，因此遍历能力无法获得。

有效SINR：用于有效SINR的显式表达式导出如下。

表1：用于下行链路(DL)和上行链路(UL)的最大比率和迫零表达式。

在本文中，

和[(Z*Z)^-1]_l,l表示(Z*Z)^-1的第l个对角线元素，

是功率控制。对于下行链路，η必须满足总功率约束：

其中，

是K维非负实向量的集合。对于上行链路，功率控制η必须满足个体功率约束：

最大-最小功率控制：获得对于所有K个接入终端的最大可获得公共SINR和对应的最大-最小功率控制。

针对MR的最大-最小功率控制：从表1可以看出，对于给定的SINR，MR下行链路和上行链路SINR表达式对于功率控制η是线性的。可以通过二分法来获得最大可获得下行链路和上行链路SINR以及对应的针对MR的最大-最小功率控制。对于给定的SINR＝ζ，下行SINR表达式可写为：

其中，

并且diag(·)表示对角矩阵。

类似地，上行SINR表达式可写为：

其中，

可以如下使用算法1计算针对下行链路的最大-最小SINR和对应的功率控制。

算法1：

1)设置ζ＝S，并对公式14求解功率控制η。

2)如果所获得的功率控制η满足公式12的约束，则最优SINR>S，否则SINR<S。

3)使用二分法搜索满足公式12的约束的最大SINR。

可以类似地在算法1的步骤1中使用公式15以及在步骤2和步骤3中使用公式13中的功率控制约束来计算最大-最小SINR和对应的上行链路功率控制。

令

表示最大-最小功率控制。对于MR下行链路，必须使得：

如果

则所有

都可以通过因子

来缩放，以使得

但是对于任意k＝1,…,K,

公式17的不等式成立，因为函数

对于a>0是增加的，因此，对于α>1，f(α)>f(1)。

针对上行链路最大-最小功率控制的类似论点表明必须使得：

因此，从算法1获得的下行链路最大-最小功率控制必须满足公式16，类似获得的上行链路最大-最小功率控制必须满足公式18。

针对ZF的最大-最小功率控制：根据表1中的SINR表达式，可以如下获得针对零迫的下行链路和上行链路最大-最小功率控制。

对于针对ZF的下行链路最大-最小功率控制：

其中，a_zf是满足的任意正常数，对应的最大-最小SINR是：

对于针对ZF的上行链路最大-最小功率控制：

对应的最大-最小SINR是：

在诸如图1的通信系统100的大规模MIMO系统中，具有相似信道向量的两个或更多个接入终端106可能会降低整个接入终端106群的性能。通过从服务中丢弃一个或多个接入终端106，可以改善通信系统100中的接入终端106群的总体性能。根据一个实施例，基于每个接入终端106之间的成对相关性，从接入终端群中选择一个或多个接入终端106以从服务中丢弃。如本文中所使用的，术语“从服务中丢弃”或“被从服务中丢弃”是指将所选择的一个或多个接入终端106重新调度到单独的传输资源。例如，被丢弃的接入终端可以例如在单独的相干时隙或不同的频带中被服务。

图4示出了根据一个或多个实施例的用于从接入终端群中选择要丢弃的一个或多个接入终端的方法400。方法400可以由基站或通信地耦合到基站的任何计算设备来执行。

在步骤402，针对K个接入终端106群中的每个任意两个接入终端i和j对，计算成对信道相关性γ_i，j，使得1≤i<j≤K。例如，在具有接入终端1至10的接入终端群中，针对接入终端1和接入终端2-10中的每一个，针对接入终端2和接入终端1和3-10中的每一个，针对接入终端3和接入终端1-2和4-10中的每一个等，确定成对信道相关性γ_i，j。对于给定的接入终端i和j对，成对信道相关性γ_i，j表示信道向量z_i与z_j之间的相关性。如上所述，信道向量z_i与z_j之间的成对信道相关性γ_i，j如下：

其中，z_i和z_j被写为列向量，|·|表示复数的大小，＊表示复共轭转置，||·||₂表示复数向量的2范数。

在步骤404，识别提供最大成对信道相关性γ_max即

的接入终端i^*和j^*。

在步骤406，确定最大成对信道相关性γ_max是否满足(例如，小于，或者小于或等于)相关性阈值γ_h，其中，γ_h＞0。相关性阈值γ_h可以是任意预定值，例如，20％。在步骤408，如果最大成对信道相关性γ_max满足相关性阈值γ_h(即，γ_max≤γ_h)，则方法400结束。

在步骤410，如果最大成对信道相关性γ_max不满足相关性阈值γ_h(即，γ_max＞γ_h)，则基于与接入终端群中的剩余接入终端的成对信道相关性，从接入终端群中选择要丢弃的接入终端i^*或j^*中的一个。在一个实施例中，被丢弃的接入终端i^*或j^*是与接入终端群中的剩余接入终端具有更高相关性的接入终端。因此，如果

这表明接入终端i^*与接入终端j^*相比与剩余接入终端具有更高的最大相关性，则在步骤414，将接入终端i^*从接入终端群中丢弃。否则，在步骤412，将接入终端j^*从接入终端群中丢弃。丢弃接入终端i^*或j^*中所选择的一个可以包括将所选择的接入终端重新分配到不同的资源(例如，不同的相干时隙或频率)。

在步骤416，将接入终端i^*与j^*之间的成对信道相关性

设置为零，并且方法400返回到步骤404。方法400重复直到最大成对信道相关性γ_max满足相关性阈值γ_h为止。

在一个实施例中，代替重复方法400直到最大成对信道相关性γ_max满足相关性阈值γ_h为止，以预定数量的间隔或迭代(例如，3个间隔)重复过程400。因此，在该实施例中，在步骤406，将表示当前间隔的变量与表示最大预定间隔数量的变量进行比较。如果表示当前间隔的变量满足(例如，大于或等于)表示最大预定间隔数量的变量，则方法400在步骤408结束。否则，方法400前进到步骤410。在步骤416，表示当前间隔的变量递增。

已经发现，上述用于从接入终端群中选择一个或多个接入终端以从服务中丢弃的方法实现了与常规穷举搜索基本相同的性能。

现在将描述一个示例以通过选择性地丢弃一个或多个接入终端来表明通信系统的性能。在半径是2公里的郊区中的宏蜂窝大规模MIMO基站中，该基站配备有256个服务天线。总可用下行链路辐射功率是10瓦。每个接入终端的发射功率是200毫瓦。基站服务18个接入终端。载波频率是1.0GHz。

下表2和3总结了通过选择性地丢弃一个或多个接入终端而实现的通信系统的性能。与基线相比，在所有情况下，可能95％的SINR(即百分之五)均显著增加。2个或更多个用户被丢弃的机会只有5％，最多1个用户被丢弃的机会只有50％。一旦少量接入终端被丢弃，则剩余的LOS信道向量就几乎相互正交。因此，为了使大规模MIMO在LOS条件下表现良好，选择性地从服务中丢弃少量接入终端就足够了。

表2：最大比率处理

表3：破零处理

图5示出了根据一个或多个实施例的用于从接入终端群中选择一个或多个接入终端以从服务中丢弃的方法500。将参考图1来描述方法500。方法500可以由通信地耦合到基站102的任何计算设备来执行。例如，在一个实施例中，方法500可以由在基站102处实现的计算设备(例如，如图6中所示)来执行。在另一个实施例中，方法500可以由在经由回程网络110连接到基站102的集线器节点108处实现的计算设备来执行。

在步骤502，针对接入终端群中的每个接入终端对，计算第一信道相关性γ_i,j。例如，计算接入终端群中的每个接入终端与该接入终端群中的每个其它接入终端之间的第一信道相关性。信道相关性表示对于给定的接入终端i和j对的信道向量z_i与z_j之间的成对相关性。

在步骤504，基于第一信道相关性，从接入终端群中识别特定接入终端对。接入终端群包括特定接入终端对中的第一接入终端、特定接入终端对中的第二接入终端、以及来自接入终端群的至少一个剩余接入终端。在一个实施例中，特定接入终端对被识别为具有第一信道相关性中的最高相关性的接入终端i^*和j^*。

在步骤506，计算第一接入终端与至少一个剩余接入终端中的每一个之间的第二信道相关性。在步骤508，计算第二接入终端与至少一个剩余接入终端中的每一个之间的第三信道相关性。在步骤510，基于第二信道相关性和第三信道相关性，从接入终端群中从服务中将第一接入终端和第二接入终端中的一个丢弃。在一个实施例中，如果第二信道相关性中的最大相关性大于第三信道相关性中的最大相关性(即，第一接入终端与剩余接入终端的相关性高于第二接入终端的)，则第一接入终端被丢弃。否则，如果第三信道相关性中的最大相关性大于第二信道相关性中的最大相关性(即，第二接入终端与剩余接入终端的相关性高于第一接入终端的)，则第二接入终端被丢弃。丢弃第一接入终端和第二接入终端中所选择的一个可以包括将所选择的接入终端重新分配到不同的资源(例如，不同的相干时隙或频率)。

在一个实施例中，重复方法500的步骤直到第一信道相关性中的最大相关性满足(例如，小于，或者小于或等于)相关性阈值为止。例如，在选择第一接入终端和第二接入终端中的一个以从接入终端群中丢弃之后，从第一信道相关性中移除(例如，设置为零)第一接入终端与第二接入终端之间的信道相关性，并且该方法重复步骤504、506、508和510，直到第一信道相关性中的最大相关性满足相关性阈值为止。

本文描述的系统、装置和方法可以使用数字电路或者使用一个或多个计算机来实现，上述计算机使用公知的计算机处理器、存储器单元、存储设备、计算机软件和其它组件。通常，计算机包括用于执行指令的处理器和用于存储指令和数据的一个或多个存储器。计算机还可以包括或耦合到诸如一个或多个磁盘的一个或多个大容量存储设备、内部硬盘和可移动磁盘、磁光盘、光盘等。

本文描述的系统、装置和方法可以使用遵循客户端-服务器关系工作的计算机来实现。通常，在这种系统中，客户端计算机位于远离服务器计算机的位置，并且经由网络进行交互。客户端-服务器关系可以由在相应的客户端和服务器计算机上运行的计算机程序定义和控制。

本文描述的系统、装置和方法可以在基于网络的云计算系统内实现。在这种基于网络的云计算系统中，连接到网络的服务器或另一个处理器经由网络与一个或多个客户端计算机通信。客户端计算机例如可以经由驻留在客户端计算机上并在其上运行的网络浏览器应用与服务器进行通信。客户端计算机可以将数据存储在服务器上，并且经由网络访问数据。客户端计算机可以经由网络向服务器发送对数据的请求或对在线服务的请求。服务器可以执行所请求的服务并将数据提供给客户端计算机。服务器还可以发送适于使得客户端计算机执行指定功能的数据，例如，执行计算，以在屏幕上显示指定数据等。例如，服务器可以发送适于使得客户端计算机执行本文描述的一个或多个方法步骤的请求，上述方法步骤包括图4和5的一个或多个步骤。可以由服务器或由基于网络的云计算系统中的另一个处理器来执行本文描述的方法的某些步骤，包括图4和5的一个或多个步骤。本文描述的方法的某些步骤，包括图4和5的一个或多个步骤，可以由基于网络的云计算系统中的客户端计算机执行。本文描述的方法的步骤，包括图4和图5的一个或多个步骤，可以由服务器和/或基于网络的云计算系统中的客户端计算机以任何组合来执行。

本文描述的系统、装置和方法可以使用有形地具体化在信息载体中的计算机程序产品来实现，例如在非暂时性机器可读存储设备中，以由可编程处理器执行；可以使用可由这种处理器执行的一个或多个计算机程序来实现本文所描述的方法步骤，包括图4和5中的一个或多个步骤。计算机程序是计算机程序指令集，其可以在计算机中直接或间接使用，以用于执行某个活动或带来某个结果。可以采用任何形式的编程语言，包括编译或解释语言，来编写计算机程序，并且可以采用任何形式来部署计算机程序，包括作为独立的程序，或者作为模块、组件、子例程，或者在计算环境中适用的其它单元。

在图6中描述了可用于实现本文描述的系统、装置和方法的示例性计算机的高级框图600。计算机602包括可操作地耦合到数据存储设备612和存储器610的处理器604。处理器604通过执行定义计算机602的整体操作的计算机程序指令来控制这种操作。可以将计算机程序指令存储在数据存储设备612或其它计算机可读介质中，并且在需要执行计算机程序指令时将其加载到存储器610中。因此，图4和5的方法步骤可以通过存储在存储器610和/或数据存储设备612中的计算机程序指令来定义，并且由执行计算机程序指令的处理器604来控制。例如，计算机程序指令可被实现为由本领域技术人员编程以执行图4和5的方法步骤的计算机可执行代码。因此，通过执行计算机程序指令，处理器604执行图4和5的方法步骤。计算机602还可以包括一个或多个网络接口606，其用于经由网络与其它设备进行通信。计算机602还可以包括一个或多个输入/输出设备608，其使得用户能够与计算机602进行交互(例如，显示器、键盘、鼠标、扬声器、按钮等)。

处理器604可以包括通用微处理器和专用微处理器，并且可以是计算机602的唯一处理器或多个处理器之一。例如，处理器604可以包括一个或多个中央处理单元(CPU)。处理器604、数据存储设备612和/或存储器610可以包括一个或多个专用集成电路(ASIC)和/或一个或多个现场可编程门阵列(FPGA)，或由其补充或并入其中。

数据存储设备612和存储器610每个包括有形的非暂时性计算机可读存储介质。数据存储设备612和存储器610每个可以包括高速随机存取存储器，诸如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、双倍数据速率同步动态随机存取存储器(DDR RAM)、或其它随机存取固态存储设备，并且可以包括非易失性存储器，诸如一个或多个诸如内部硬盘和可移动磁盘的磁盘存储设备、磁光盘存储设备、光盘存储设备、闪存设备半导体存储设备，诸如可擦可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)、数字多功能光盘只读存储器(DVD-ROM)磁盘或其它非易失性固态存储设备。

输入/输出设备608可以包括***设备，诸如打印机、扫描仪、显示屏等。例如，输入/输出设备608可以包括用于向用户显示信息的诸如阴极射线管(CRT)或液晶显示器(LCD)监视器的显示设备、键盘、以及诸如鼠标或轨迹球的指示设备，用户可以通过这些指示设备向计算机602提供输入。

本文讨论的任何或所有系统和装置，包括图1的通信系统100中的单元，都可以使用一个或多个计算机(例如，计算机602)来实现。

本领域技术人员将认识到实际的计算机或计算机系统的实现可以具有其它结构并且还可以包含其它组件，图6是出于说明目的的这种计算机的一些组件的高级表示。

前述具体实施方式应在各个方面理解为是说明性和示例性的而非限制性的，并且本文公开的本发明的范围不是由具体实施方式而确定的，而是由根据专利法所允许的最大范围来解释的权利要求来确定的。应当理解，本文中示出和描述的实施例只是对所描述的发明的原理的说明，并且本领域技术人员可以在不背离本发明的范围和精神的情况下进行各种修改。本领域技术人员可以在不背离本发明的范围和精神的情况下实现各种其它特征组合。