【摘 要】分布式多点协作传输在提升小区边缘用户的服务质量和系统频谱效率上具有巨大潜力，但通常站间频繁交换大量信息才能接近集中式多点协作传输的性能。然而，在实际无线通信系统中，考虑到信道时变性，频繁的信息交换和站间有限的回传带宽导致的较大时延给分布式多点协作传输技术带来严重的性能损失，因此其目前未得到广泛部署。为解决此问题，提出了一种新颖的信号质量衡量标准，称为信号平均泄漏加干扰噪声比（SALINR）。基于SALINR的设计使得站间无需信息交换即可实现完全分布式的联合传输。具体地，展示了基于SALINR的传输设计问题可以通过分式规划技术有效求解；进一步地，利用深度展开技术来设计波束赋形向量学习网络，从而有效减少计算复杂度。仿真结果表明，所提出的方法可接近集中式多点协作传输的性能且具有计算高效的优点。
【关键词】分布式协作传输；分式规划；深度学习
0 引言
多小区协作波束赋形（MCBF, Multi-cell Coordinated Beamforming）是一种利用空间自由度来抑制小区间干扰，提高网络频谱效率的有效技术[1-3]。理论上，所有基站（BS, Base Stations）可以通过无线回传链路将信道状态信息、用户的数据等传输到中央处理器，此时，多小区网络可以被视为一个巨大的多输入多输出系统，所有的BS协同向用户端发送信息，位于小区边缘的用户受到的干扰被有效抑制，充分发挥MCBF的性能优势。
然而，随着网络规模的增加，BS将全部信息回传至中央处理器，协同实现波束赋形变得不切实际[4]，主要原因有以下两个：首先