多用户MIMO系统中消除多用户干扰的方法

摘要

本发明公开了一种多用户MIMO系统中消除多用户干扰的方法。其具体过程为：(1)从基站端接收到的信号向量y中提取对应于第j个用户的多用户干扰z

说明书

技术领域

本发明属于通信技术领域，涉及多用户干扰的消除方法，可用于在多用户MIMO系统中对多用户干扰的消除。

背景技术

未来移动通信中日益增加的语音业务数据业务和宽带互联网业务在传输速率性能和系统业务容量等方面对通信系统提出了更高的要求。常规的单天线收发通信系统以无法解决新一代无线通信系统的大容量与高可靠性的需求问题。为了满足日益增长的高传输速率，高传输性能和高系统业务容量的要求，新型的无线通信系统中，无线传输的终端和基站都将装配多个天线，从而构成了多输入多输出的MIMO系统，MIMO系统的应用极大的提高了系统的容量，提供了分集，复用等增益。由于多输入多输出系统能够在不增加带宽的情况下，极大地提高通信系统的容量和频谱利用率，从而成为了研究的热点问题。目前的研究已经开发出了多种适用于单用户MIMO系统SU-MIMO的传输技术，例如，空时码技术，BLAST技术，以及特征模式传输技术等。

但是，对于有多个用户条件下的多用户MIMO系统MU-MIMO，因为同时存在多用户干扰和用户自身内部多天线的干扰，使传输方案的设计复杂了很多。一个典型的多用户MIMO系统上行链路如图1所示。该系统由一个基站和多个用户构成。其中，基站和每个用户都装配有多根天线，构成了MIMO系统。每个用户通过装配的多根发射天线将数据发送出去。基站端收到了所有用户发送的信号，由于这些信号是叠加在一起的，相互之间存在干扰，因而基站端就要采取不同的方法消除多用户干扰，以检测出每个用户发送的信号。

对于多用户MIMO系统的上行链路而言，已知最优的方法是非线性的最大似然检测法ML。但是这种方法需要对所有用户的发送信号所构成可能组合进行比较，其运算量随着用户数目的增多，以及每个用户天线数目的增多而成指数级增长，具有极高的复杂度，以至于实现起来十分困难。

对于传统的线性检测方法，例如，最小均方误差检测方法MMSE，迫零检测方法ZF等，虽说具有复杂度低的优点，但是这些线性方法的一个主要缺点是接收机只能对每个用户其发送的每个数据进行独立的检测，而不能对其发送给接收机的所有数据进行联合检测，从而导致检测性能不高。

发明的内容

本发明的目的在于克服上述已有技术的不足，提供一种多用户MIMO系统中消除多用户干扰的方法，以实现既能减少运算复杂度，又可提高检测性能的效果。实现本发明目的的技术思路是：通过对每个用户在接收端构建一个新的矩阵，并从中提取出相应的线性处理矩阵，将多用户MIMO系统分解为多个并行的单用户MIMO系统，其具体过程如下：

(1)从基站端接收到的信号向量y中提取对应于第j个用户的多用户干扰：$z_j=\underset{i=1,i\ne j}{\overset{K}{\Sigma }}{H}_i{x}_i$

式中，x_i为第i个用户发送的信息数据，H_i为第i个用户的信道矩阵，K为用户数，1≤j≤K；

(2)根据多用户干扰z_j，由所有对第j个用户产生多用户干扰的信道矩阵构建一个新的矩阵：H′_j＝[H₁，H₂，…H_j-1，H_j+1，…H_K]，该矩阵包括除了矩阵H_j外的所有信道矩阵；

(3)对矩阵H′_j进行奇异值分解，得到$H_j^{\prime }=\left[U_{\mathrm{js}}{U}_{\mathrm{jn}}\right]\left(\begin{array}{cc}{\Lambda }_j& 0\\ 0& 0\end{array}\right)\left[V_j^H\right],$

式中

Λ_j是由H′_j的非零奇异值构成的对角矩阵，

U_js是对应于H′_j的非零奇异值的左奇异向量构成的矩阵，

U_jn是对应于H′_j的零奇异值的左奇异向量构成的矩阵，

V_j是对应于H′_j的所有奇异值的右奇异向量构成的矩阵，

V_j^H是V_j的共轭转置矩阵；

(4)根据H′_j的奇异值分解式，选择对第j个用户的线性处理矩阵$T_j=U_{\mathrm{jn}}^H;$

(5)用线性处理矩阵T_j左乘接收到的信号向量y，得到仅包含有第j个用户信息数据的信号向量：

y′_j＝T_jy＝T_jH_jx_j+T_jn，式中，n为零均值高斯白噪声向量

本发明与现有技术相比，具有如下优点：

1.本发明由于采用线性处理矩阵T_j，在接收端将多用户MIMO系统分解成了多个并行的单用户MIMO系统，从而使得适用于单用户MIMO系统的算法可以直接应用。

2.相对于直接对所有用户发送的所有数据进行最大似然检测而言，采用本发明可以分别对每个发送的数据进行最大似然检测，从而有效的减少了搜索的范围，极大地降低了运算的复杂度。

3.相对于现有的最小均方误差或者是迫零检测方法只能对每个用户发送的每个数据进行独立的检测而言，本发明可支持对每个用户所发送的数据的进行联合检测，从而提高了检测的准确性。

附图说明

图1是多用户MIMO系统的上行链路的通信示意图；

图2是本发明使用的系统示意图；

图3是本发明方法的流程示意图；

图4是采用本发明方法与现有预处理方法的性能比较图。

具体实施方式

以下参照附图对本发明的技术方案作进一步详细描述。

参照图2，本发明使用的系统是一个多用户MIMO系统，由一个基站和K个用户构成。其中，基站装配有M个天线，而第j个用户装配有N_j个天线，1≤j≤K。本发明假设基站端的第m个发射天线，1≤m≤M，和第j个用户的第n_j个接收天线，1≤n_j≤N_j，之间的无线信道是平坦衰落信道。并且，各个信道之间是相互独立的。在图2中，x_j为第j个用户发送给基站的信息数据，y为基站接收到的所有用户的信号，T_j对应于第j个用户的线性处理矩阵，y′_j为经过线性处理矩阵T_j处理后的信号向量。

针对图2所示的多用户MIMO系统，本发明对上行链路进行多用户干扰消除的过程如图3所示。

参照图3，本发明多用户干扰消除过程如下：

步骤1，确定多用户干扰。

将基站端接收到的信号y表示为：

$y=\underset{j=1}{\overset{K}{\Sigma }}{H}_j{x}_j+n=H_j{x}_j+\underset{i=1,i\ne j}{\overset{K}{\Sigma }}{H}_i{x}_i+n,---\left(1\right)$

式中，K为用户数，1≤j≤K，x_j为第j个用户发送的信息数据，n为零均值高斯白噪声向量，H_j为第j个用户的信道矩阵，从(1)式中可以看出，对第j个用户而言，是多用户干扰，记为z_j；

步骤2，构建对应于每个用户的新矩阵

对第j个用户而言，根据多用户干扰z_j，由所有对第j个用户产生多用户干扰的信道矩阵构建一个新的矩阵

H′_j＝[H₁，H₂，…H_j-1，H_j+1，…H_K]          (2)

该新矩阵包括除了矩阵H_j外的所有信道矩阵；

步骤3，对矩阵H′_j进行奇异值分解。

假定接收天线的数目大于除了第j个用户之外的所有其他用户的发射天线数目之和，可将矩阵H′_j进行奇异值分解为，

$H_j^{\prime }=\left[U_{\mathrm{js}}{U}_{\mathrm{jn}}\right]\left(\begin{array}{cc}{\Lambda }_j& 0\\ 0& 0\end{array}\right)\left[V_j^H\right];---\left(3\right)$

式中

Λ_j是由H′_j的非零奇异值构成的对角矩阵，

U_js是对应于H′_j的非零奇异值的左奇异向量构成的矩阵，

U_jn是对应于H′_j的零奇异值的左奇异向量构成的矩阵，

V_j是对应于H′_j的所有奇异值的右奇异向量构成的矩阵，

V_j^H是V_j的共轭转置矩阵；

步骤4，选择线性处理矩阵

由于U_jn是所有对应于矩阵H′_j的零奇异值的左奇异向量构成的矩阵，因此有$U_{\mathrm{jn}}^H{H}_j^{\prime }=0$的特性，所以对于第j个用户而言，选择线性处理矩阵$T_j=U_{\mathrm{jn}}^H;$

步骤5，消除多用户干扰。

对第j个用户而言，用线性处理矩阵T_j左乘接收到的信号向量y，得到的线性处理后的信号向量为

$y_j^{\prime }=T_{j}y$

$=T_j\underset{k=1}{\overset{K}{\Sigma }}{H}_k{x}_k+T_{j}n$

                             (4)

$=T_j{H}_j{x}_j+T_j\underset{i=1,i\ne j}{\overset{K}{\Sigma }}{H}_i{x}_i+T_{j}n$

$=T_j{H}_j{x}_j+T_{j}n$

由(4)式可以看出，y′_j仅包含与第j个用户所发送数据相关的信息和噪声，来自其他用户的干扰已经被完全消除了。

本发明的效果可以通过以下仿真结果进一步说明：

仿真条件：设定一个多用户MIMO系统包括一个基站和2个用户。假设基站装配有4根天线，每个用户装配2根天线。同时，设定一个具有2根发射天线，2根接收天线的单用户MIMO系统。所发数据采用BPSK调制方式，对第k个用户传送的数据在经过线性处理后采用最大似然检测器。

仿真内容：分别采用本发明消除多用户干扰的方法、传统的迫零检测方法、以及一个单用户MIMO系统进行仿真。

仿真结果：如图4所示，图4中给出了几种不同的检测方法以及一个单用户MIMO系统的误码率BER相对于信噪比SNR的性能曲线。从图4中可以看出，采用本发明块角化的检测方法所获得的误码率性能曲线明显低于传统的迫零检测方法的误码率性能曲线，而且几乎和单用户系统的性能一样。