一种基于特征值的室内分布式系统的天线选择方法

摘要

一种基于特征值的室内分布式系统的天线选择方法，涉及移动通信系统的天线。基站端依照移动终端通过信道估计反馈的角域信息，建立分布式天线系统的信道的角域模型；根据建立的分布式天线系统信道的角域模型，针对室内非视距传播环境重新构造瑞利信道的信息矩阵；根据信息矩阵，结合分布式系统的特点，利用相关矩阵产生特征值，并用特征值进行最优天线选择；对天线选择后的信息矩阵进行奇异值分解，对天线的发射功率进行优化分配；利用室内分布式系统天线发送信号。结合分布式系统的特点，利用相关矩阵产生特征值，并用特征值进行最优天线选择，不仅大大降低了天线选择的计算复杂度，而且容量的计算更加真实可靠。

说明书

技术领域

本发明涉及移动通信系统的天线，尤其涉及一种基于特征值的室内分布式系统的天线选 择方法。

背景技术

随着城市的规模越来越大，摩天大楼、地下商场等设施的大量涌现，用户对移动通信网 络质量的要求越来越高，为了解决室内无线通信信号覆盖的问题，Saleh提出了分布式天线 系统的概念(Distributed Antennas Systems,DAS)（[1]Saleh,A.A.M.;AT&T Bell  Labs.,Holmdel,NJ;Rustako,A.J.;Roman,R.”Distributed Antennas for Indoor Radio  Communications”,Communications,IEEE Transactions on(Volume:35,Issue:12),pp.1245– 1251,December1987）。分布式天线系统就是利用被放置在不同位置上的天线，以达到系统 的覆盖性能增强，系统的分集增益和容量性能都能得到提高的目的。近些年来，人们对室内 分布式天线的诸多优势表现出了极大的兴趣。

利用MIMO技术，系统复用以及分集增益都能得到显著提高，然而系统的硬件代价和复 杂度却不容小觑，尤其当基站端用户较多时，不仅会给系统配置和维护带来很大麻烦，而且 系统硬件成本也将大幅度增加。对于室内分布式天线系统而言，如果不对天线进行选择处理， 增益较差的天线会消耗系统功率，编码和译码的算法复杂程度将不可想象，误码率会大大增 加，最终系统容量也可能会大幅度降低。另外，同室外MIMO系统相比，室内分布式天线系 统必须考虑室内环境的快速改变，例如丰富的散射体存在、人员的运动、室内大件物品的摆 放等。通信信道会随着这些室内环境的快速改变而发生巨大改变，通信系统的性能能够时时 得到保证的一项关键技术就是：天线选择。

天线选择作为MIMO系统中的一项重要技术，它能够从MIMO系统的多个发射天线和 多个接收天线中选择出性能最好的天线组合，以较小的性能损失换取成本的大幅降低，MIMO 系统的性价比从而能到极大的提高。MIMO技术利用在移动终端和基站端设置的多个天线, 从空间域构建了多条并行的子信道,点对点的无线链路容量能够被大大提高。相对于集中式 MIMO系统而言，分布式天线系统具有诸多优点：平均接入距离减小；发射功率降低；信号 强度增强；信号覆盖得到大大改善。另外，分布式天线系统的平均容量和中断容量都有较大 优势，且分布式天线系统的信道容量变化相对于集中式天线系统而言，其对天线位置更加的 不敏感。

当然，基于硬件代价的限制，前人提出了一些天线选择方式，比如最优的天线选择算法 是对所有天线子集穷举搜索，但是此方法需要大量的运算，可行性很差（[3]A.F.Molish, M.Z.Win.MIMO System with Antenna Selection.IEEE Microwave Magazine.2004.3,Vol.5,pp. 46-56.）。目前关于天线选择算法的研究，主要集中在降低计算复杂度上，比如Gorokhov提 出的近优算法（[4]A.Gorokhov,D.A.Gore,andA.J.Pauiraj,”Receive antenna selection for spatial  multiplexing：Theory and algorithms”,IEEETrans.Signal Processing,vol.51,Nov.2003,PP.2796- 2807.）、Greshlnan提出的一种增序的选择算法（[5]M.Gharavi-Alkhansari and  A.Greshlman,“Fast Antenna Selection in MIMO System“，IEEE Trans.Sig.Proc.,vol.52,no.2,Feb. 2004,PP.339-347.）等。以上这些天线选择方式均能够在一定程度上大量的降低计算的复杂度， 但是容量的计算都只是尽量趋近于实际，且仅适用于限定条件下。

发明内容

本发明的目的在于提供一种基于特征值的室内分布式系统的天线选择方法。

本发明包括以下步骤：

1）基站端依照移动终端通过信道估计反馈的角域信息，建立分布式天线系统的信道的角 域模型；

2）根据建立的分布式天线系统信道的角域模型，针对室内非视距（NLOS）传播环境重 新构造瑞利信道的信息矩阵；

3）根据信息矩阵，结合分布式系统的特点，利用相关矩阵产生特征值，并用特征值进行 最优天线选择；

4）对天线选择后的信息矩阵进行奇异值分解(SVD)，对天线的发射功率进行优化分配；

5）利用室内分布式系统天线发送信号。

在步骤1）中，所述角域信息，是移动终端通过信道估计得到并反馈给基站端的，基站 端利用移动终端反馈的角域信息重新构造信道信息矩阵，建立分布式天线系统的信道角域模 型。

在步骤2）中，所述重新构造瑞利信道的信息矩阵的方法可为：设定信号在室内环境下 进行非视距（NLOS）传播，令基站端第m根发射天线到第n根接收天线的信道增益h_n,m，在 室内丰富的散射环境中，由于传播的路径数足够多，可以将h_n,m建模为一个零均值的复高斯 随机变量，信道矩阵H就是一个零均值的复高斯随机矩阵，其相关矩阵Σ可表示为：

Σ＝E[vec(H)vec(H)^*]

其中，vec()为列向量化算子，是将矩阵按列堆叠成一个列向量，上标*为共轭转置；

信道矩阵H此时可表示为：

其中，M_R、M_T分别是指收发天线的数目。

在步骤3）中，所述分布式系统中，由于分布式系统中基站端各天线距离较远，不予考 虑各天线之间相关性的特征，分布式系统的相关矩阵为对角矩阵，表示为：

其中，Σ^(m)均为M_R×M_R阶子相关矩阵,m取1至M_T间的整数；若平均到达角、角度扩 展分别表示为和σ_m，归一化天线间隔表示为Δ_r，则Σ^(m)的第(l,n)个元素可表示为：

${\Sigma }_{l,n}^{\left(m\right)}=E\left[h_{l,m}{h}_{n,m}^{*}\right]$

$={\zeta }_m^2\int \exp (-j2\pi |l-n\left|{\Delta }_r\cos (\overline{{\theta }_m}+x)\right)\frac{1}{\sqrt{2\pi {\sigma }_m^2}}\exp (-\frac{x^2}{2{\sigma }_m^2})\mathrm{dx}$

$\approx {\zeta }_m^2\exp (-j2\pi |l-n\left|{\Delta }_r\cos \left(\overline{{\theta }_m}\right)\exp (-\frac{\exp (-j2\pi |l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2}\right)$

$\times \int \frac{1}{\sqrt{2\pi {\sigma }_m^2}}\exp (-\frac{(x-j2\pi |l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m^2{)}^2}{{2\sigma }_m})\mathrm{dx}$

$={\zeta }_m^2\exp (-j2\pi |l-n\left|\right){\Delta }_r\cos \left(\overline{{\theta }_m}\right))\exp (-\frac{\left(2\pi \right|l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2})$

$={\zeta }_m^2{R}_{l,n}^{\left(m\right)}$

其中，为接收端的相关系数：

$R_{l,n}^{\left(m\right)}=\exp (-j2\pi |l-n\left|\right){\Delta }_r\cos \left(\overline{{\theta }_m}\right))\exp (-\frac{\left(2\pi \right|l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2}),$${\zeta }_m^2=d_m^{-4}$是基于信号路径 传播的路径损耗，其中，d_m表示第m根基站天线沿着其传播路径到第一根接收天线的距离。

在步骤4）中，所述对天线选择后的信息矩阵进行奇异值分解（或者对相关矩阵进行特 征值分解），可以得到移动终端和基站端之间的子信道特征值；

其中天线数量配置情况具体存在着以下三种可能，即M_T＞M_R,M_T＝M_R,M_T＜M_R，针对 基站端，移动终端不同数目天线的配置分布式MIMO系统，通过天线选择的方式选择最优天 线组合，可以实现高性价比的信道容量。

根据室内信道变化迅速的特点，本发明所作的优化的天线选择算法是一种平均功率分配 下的快速天线选择，如果想更合理地对天线功率进行分配，可以进一步引入注水算法，但这 一步骤并非必须：根据注水原理，可以达到最大信道容量。

在步骤5)中，所述利用室内分布式系统天线发送信号，是利用室内分布式天线系统，发 送各用户在各个信道中的待发送信号，从而达到提高信道容量的目的。

本发明结合分布式系统的特点，利用相关矩阵产生特征值，并用特征值进行最优天线选 择，不仅大大降低了天线选择的计算复杂度，而且容量的计算更加真实可靠。

本发明是在室内分布式天线系统中，基站端利用接收端通过信道估计反馈的角域信息， 以特征值进行优化天线的选择为核心，通过优化发射端天线的功率分配，达到提高室内信道 容量的目的。

附图说明

图1表示室内分布式天线系统。

图2表示基于角域反馈的室内分布式天线系统的流程框图。

图3表示分布式天线系统的信道角域模型。

具体实施方式

以下实施例将结合附图对本发明做进一步的说明。

（1）室内分布式天线系统示意图如图1所示，该模型考虑了室内环境下丰富的散射体存 在：人员的运动、室内大件物品的摆放等，通信信道会随着这些室内环境的快速改变而发生 巨大改变，而天线选择技术可以使通信系统的性能得到有效保证的。

（2）基于角域反馈的室内分布式天线系统的流程框图如图2所示，在室内分布式天线系 统中，基站端利用移动终端通过信道估计反馈的角域信息，以特征值进行优化天线的选择为 核心，通过优化基站端天线的功率分配，达到提高室内信道容量的目的，该方法具体包括如 下步骤:

1）基站端根据移动终端反馈的信道信息（主要是角域信息），建立分布式天线系统的信 道的角域模型。具体角域参数包括：信号到达接收天线的到达角θ；平均到达角平均到 达角角度扩展σ²；归一化天线距离Δ即天线间距与载波波长之比；载波波长λ_c；天线间隔 Δλ_c；接收天线与发射天线间传播路径距离d等，详见图3所示，其中(k＝1至N)分 别表示自第k个基站端天线发往移动终端时，移动终端的平均到达角以及到达角度扩展，N为 基站端分布式天线的数目，DA表示基站端分布式天线，MU表示移动用户终端。由于分布 式系统中发射天线之间距离较远，发射信号都有自己独特的传播路径：基于“簇”的传播路 径，这使得信道具有明显的角度域特性，这样,构建为一个角度域模型来反映分布式多天线 系统的信道特性,可以更加容易和精确的描述实际的传播环境。

2）根据建立的分布式天线系统的信道的角域模型，针对室内非视距（NLOS）传播环境 重新构造瑞利信道的信息矩阵。基站端第m根天线的发射信号以多径传播的形式到达接收端， 其到达角θ_m,k,k＝1,...,N_p为一随机变量，N_p为多径的数目，基站端第m根天线到第n根接收 天线的信道增益h_n,m：

$h_{n,m}=\underset{k=1}{\overset{N_p}{\Sigma }}{\zeta }_m\exp \left(\frac{-j2\pi f_c{d}_m}{c}\right)\exp (-j2\pi (n-1){\Delta }_r\cos {\theta }_{m,k})$

其中，ζ_m为路径损耗参数，表示路径损耗随距离长短的快慢，由于接收天线端为集中式 天线，天线的间距都很小，为了简化起见，假设基站端的第m根发射天线到所有接收天线的 路径损耗几乎一致；c表示光速；f_c表示载波频率；d_m表示第m根基站天线沿着其传播路径 到第一根接收天线的距离；Δ_r表示归一化的接收天线间距，即天线间距与载波波长的比值。 在室内丰富的散射环境中，由于传播的路径数足够多，将h_n,m建模为一个零均值的复高斯随 机变量，信道矩阵H就是一个零均值的复高斯随机矩阵，其相关矩阵Σ可表示为：

Σ＝E[vec(H)vec(H)^*]

其中，vec()为列向量化算子，是将矩阵按列堆叠成一个列向量，上标*为共轭转置。

信道矩阵H此时可表示为：

其中，M_R、M_T分别是指收发天线的数目。

3）根据信道信息矩阵，结合分布式系统的特点，利用相关矩阵产生特征值，在所有可能 的特征值集合中选择出使得系统容量达到最大值时天线的组合即为最佳天线组合。其中子信 道的特征值可通过对相关矩阵进行特征值分解（EVD）而求得。

在分布式天线系统中，由于分布式天线系统中基站端各天线距离较远，不予考虑各天线 之间相关性的特征，相关矩阵为对角矩阵，表示为：

其中，Σ^(m)均为M_R×M_R阶子相关矩阵。若平均到达角、角度扩展分别表示为和σ_m， 归一化天线间隔表示为Δ_r，则Σ^(m)的第(l,n)个元素可表示为：

${\Sigma }_{l,n}^{\left(m\right)}=E\left[h_{l,m}{h}_{n,m}^{*}\right]$

$={\zeta }_m^2\int \exp (-j2\pi |l-n\left|{\Delta }_r\cos (\overline{{\theta }_m}+x)\right)\frac{1}{\sqrt{2\pi {\sigma }_m^2}}\exp (-\frac{x^2}{2{\sigma }_m^2})\mathrm{dx}$

$\approx {\zeta }_m^2\exp (-j2\pi |l-n\left|{\Delta }_r\cos \left(\overline{{\theta }_m}\right)\exp (-\frac{\exp (-j2\pi |l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2}\right)$

$\times \int \frac{1}{\sqrt{2\pi {\sigma }_m^2}}\exp (-\frac{(x-j2\pi |l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m^2{)}^2}{{2\sigma }_m})\mathrm{dx}$

$={\zeta }_m^2\exp (-j2\pi |l-n\left|\right){\Delta }_r\cos \left(\overline{{\theta }_m}\right))\exp (-\frac{\left(2\pi \right|l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2})$

$={\zeta }_m^2{R}_{l,n}^{\left(m\right)}$

其中，为接收端的相关系数：

$R_{l,n}^{\left(m\right)}=\exp (-j2\pi |l-n\left|\right){\Delta }_r\cos \left(\overline{{\theta }_m}\right))\exp (-\frac{\left(2\pi \right|l-n\left|\right){\Delta }_r\sin \left(\overline{{\theta }_m}\right){\sigma }_m{)}^2}{2}),$${\zeta }_m^2=d_m^{-4}$是基于信号 路径传播的路径损耗，其中，d_m表示第m根基站天线沿着其传播路径到第一根接收天线的距 离。

从相关矩阵的推导结果可知，信道相关矩阵完全由归一化接收天线距离，平均到达角， 平均到达角的角度扩展等角度域参数所决定。且信道相关系数是归一化接收天线距离和角度 扩展的反函数，对于分布式天线系统的相关矩阵Σ，有如下性质：

（1）相关矩阵Σ的秩等于接收相关矩阵秩的和。

（2）随着角度扩展单调递减。

（3）随着归一化接收天线间距单调递减。

（4）依照分布式天线系统的特性，R^(m)，m＝1,2...,M_T是互独立的Hermitian矩阵，即其 共轭转置等于其本身的矩阵。

4）对被选择天线的发射功率进行优化分配。假设信道受到加性高斯白噪声(AWGN)的 干扰,δ²为每根接收天线上的噪声功率,P为天线的总发射功率，对于基站端配有M_T根发射 天线,移动终端配有M_R根接收天线的多输入多输出(MIMO)系统而言,如果信道参数不变, 则信道表示为：

y＝Hx+w

其中x表示发射信号，y表示接收信号，w表示噪声信号，H为信道矩阵。

通过对信道矩阵进行奇异值分解,或者对相关矩阵进行特征值分解，可以得到移动终端和 基站端之间的子信道特征值。

SVD:H＝UΛV^H

其中U，V为酋矩阵，Λ为对角矩阵，即Λ＝diag(λ₁,λ₂,...λ_k)，δ_k为第k个奇异值，且 λ₁≥λ₂≥...≥λ_k≥0。

EVD:R＝UΓU^H或R^H＝VΓV^H

其中Γ为对角矩阵，即Γ=diag（η₁,η₂,...η_k），η_k为第k个特征值，有且 η₁≥η₂≥...≥η_k≥0。

为此，若定义

$\hat{x}=V^{H}x$

$\hat{y}=U^{H}y$

$\hat{w}=U^{H}w$

则信道可重新表示为：

$\hat{y}=\Lambda \hat{x}+\hat{w}$

天线数量配置情况存在着以下三种可能，即M_T＞M_R,M_T＝M_R,M_T＜M_R：将M_T＞M_R天 线数目配置下的MIMO系统称为过饱和系统；M_T＝M_R天线数目配置下的MIMO系统称为满 系统；M_T＜M_R天线数目配置下的MIMO系统称为未饱和系统。

当M_T＞M_R时，MIMO系统被称为过饱和系统，此时，MIMO系统拥有M_R个子信道， 基站端，移动终端之间的子信道数目不随发射天线数目的增加而增加，仅仅依靠增加发射天 线数目而导致的信道容量的增加也将会非常有限；而如果增加接收天线数目，那么系统的子 信道数目会有明显的增加，且信道容量也会有显著的增加。

当M_T＝M_R时，MIMO系统称为满系统，此时，接收天线，发射天线拥有最大的利用率。

当M_T＜M_R时，MIMO系统称为未饱和系统，相关分析类似于过饱和系统，当增加发射 天线的数目时，信道容量可以得到明显提高。

针对收发端不同数目天线的配置分布式MIMO系统，通过天线选择的方式选择最优天线 组合，可以实现高性价比的信道容量。

根据室内信道变化迅速的特点，本发明所作的优化的天线选择算法是一种平均功率分配 下的快速天线选择，如果想更合理地对天线功率进行分配，可以进一步引入注水算法，但这 一步骤并非必须。根据注水原理，可以达到最大信道容量，具体注水法原理是通过构造拉格 朗日函数给予解决，具体是：

$C=\underset{p_1,p_2...p_m}{\max }\underset{i=0}{\overset{m}{\Sigma }}{\log }_2(1+{\lambda }_i^2\frac{p_i}{{\delta }^2})$

其中，λ_i为第i个子信道的特征值，p_i为该信道所能获得的功率。

构造的拉格朗日函数为：

其中ζ为拉格朗日乘子，且分配条件为：

$\frac{\partial \psi }{\partial p_i}\left(\begin{array}{cc}=0;& p_i>\\ \le 0;& p_i=0\end{array}\right)$

则分配给子信道i的功率为：

$p_i=[\mu -\frac{{\delta }^2}{{\lambda }_i}{]}^{+},i=\mathrm{1,2},...,m$

其中m＝min(M_T,M_R)，a⁺指max(a,0)，μ要受总发射功率P的限制：

$\underset{i=1}{\overset{m}{\Sigma }}{p}_i=P$

最后得到的最优化信道容量为：

$C=B\underset{i=1}{\overset{m}{\Sigma }}{\log }_2(1+{{\lambda }_1}^2\frac{p_i}{{\delta }^2})$

其中B为信道带宽。

5）利用室内分布式系统天线发送信号。

至此，本流程结束。