基于分簇的干扰对齐预编码方法和系统及解码方法和系统

摘要

本发明提供一种基于分簇的干扰对齐预编码方法和系统以及解码方法和系统，所述基于分簇的干扰对齐预编码方法包括：将所有基站和用户对划分成簇，其中每个簇内的基站和用户对满足簇内干扰对齐条件；在实现簇内干扰对齐的预编码矩阵的解空间中，基于最大化系统容量得到基站的预编码矩阵；以及基于得到的预编码矩阵对待发送的信号进行处理。本发明在实现簇内干扰消除的基础上，进一步提高了整个无线通信系统的容量。

说明书

技术领域

本发明涉及无线通信技术领域，以及更具体地，涉及一种基于分簇的干 扰对齐预编码方法和系统以及解码方法和系统。

背景技术

随着移动互联网的蓬勃发展，对移动通信流量的需求也在飞速地增加。 为了解决不断增大的容量需求与有限的频谱资源之间的矛盾，可在通讯热点 区域通过部署低功率无线接入节点为用户提供短距离高质量的无线接入来 提升传输速率，这称为小蜂窝技术，不同功率的小蜂窝与原有的移动通信宏 蜂窝一起构成了多层多小区异构网络。由于频谱资源的稀缺，难以对异构网 络中的小区进行异频部署，需考虑同频部署。因此，小区用户，尤其是小区 边缘的用户会遭受非常强的小区间干扰。

干扰对齐作为一种干扰管理技术，其核心思想是将来自不同基站的干扰 信号在一个空间里对齐，从而减少干扰空间的维度。然而，在多层多小区异 构网络场景中利用干扰对齐技术进行多个小区间的干扰消除时，由于通信节 点间信息共享的能力有限，难以实现全网对齐，因此可以考虑对通信节点进 行分簇，使在每一个簇内能够满足干扰对齐的条件，实现簇内干扰对齐。

目前，一种基于分簇的干扰对齐方法是将基站-用户对划分为多个簇， 使得每一个簇内的干扰能被完全消除；不同的簇工作在不同时段上(即采用 时分复用的方式)，这样也不存在簇间干扰。然而这种方法的资源利用率比 较低，不适用于未来无线资源稀缺的移动通信系统。另一种基于分簇的干扰 对齐方法(本文也称作CIA方法)通过分簇将相互间干扰很强的基站-用户 对放在一起，同时使每一个簇内的基站-用户对的数量能够满足干扰对齐的 条件。这种方法虽然在资源利用率上好于前一种方法，但在对发送数据进行 预编码时没有考虑簇间干扰，而簇间干扰对于无线通信系统的容量会起反作 用，因此采用这种方法会导致系统容量较低。

综上所述，上述方法尽管可以保证消除簇内干扰，但系统容量比较低， 如何进一步提高系统的容量仍然是一个有待解决的问题。

发明内容

针对上述问题，根据本发明的一个实施例，提供一种基于分簇的干扰 对齐预编码方法，包括：

步骤1)、将所有基站和用户对划分成簇，其中每个簇内的基站和用户 对满足簇内干扰对齐条件；

步骤2)、在实现簇内干扰对齐的预编码矩阵的解空间中，基于最大化 系统容量得到基站的预编码矩阵；

步骤3)、基于得到的预编码矩阵对待发送的信号进行处理。

上述方法中，步骤2)可包括：

对于每个簇，在通过最小化该簇内所有用户的干扰空间之间的弦距离之 和计算预编码矩阵的每次迭代中，基于最大化系统容量修改预编码矩阵；其 中，所述系统容量与簇间干扰相关联。

上述方法中，对于每个簇所述系统容量表示如下：

$R=\underset{k\in A\left(i\right)}{\Sigma }{\log }_2\left|{\Phi }_k\right|-{\log }_2\left|{\Psi }_k\right|$

其中，

${\Phi }_k=\underset{l\in A\left(i\right)}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{V_l}^{\prime }{V_l}^{\prime H}{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I$

${\Psi }_k=\underset{l\in A\left(i\right)\backslash k}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{V_l}^{\prime }{V_l}^{\prime H}{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I$

其中，A(i)表示当前簇，N_A表示划分得到的簇的数量；ρ_kl表示基站l到 用户k的大尺度衰落，ρ_kn表示基站n到用户k的大尺度衰落，P_l表示基站l 的总发射功率，P_n表示基站n的总发射功率，H_kl表示基站l到用户k的信道 矩阵，V_l’表示基站l的中间预编码矩阵，表示用户k接收到的噪声功率。

上述方法中，步骤2)可包括对于每个簇执行以下步骤：

步骤21)、为该簇内的每个基站选取预编码矩阵；

步骤22)、根据该簇内所有用户的干扰空间之间的弦距离之和的下降 梯度方向，得到该簇内的基站的中间预编码矩阵；

步骤23)、计算系统容量对所述中间预编码矩阵的共轭梯度，根据该 共轭梯度修改所述中间预编码矩阵；

步骤24)、当该簇内所有用户的干扰空间之间的弦距离之和的变化大 于预定阈值时，重复步骤22)和23)。

上述方法中，步骤22)包括对于簇内的每个基站执行以下步骤：

步骤221)、对于当前基站k，根据下式计算该簇内所有用户的干扰空 间之间的弦距离之和的下降梯度方向：

$Z=-(I_M-V_k{V}_k^H){▿}_{k}g$

其中，M表示基站的天线数量；V_k表示基站k当前的预编码矩阵；表示该簇内所有用户的干扰空间之间的弦距离之和对V_k的梯度，并且

${▿}_{k}g=2\underset{l\in A\left(i\right)\backslash k}{\Sigma }[B_l{V}_k{\left(V_k^H{B}_l{V}_k\right)}^{-1}{V}_k^H{A}_l{V}_k-A_l{V}_k]{\left(V_k^H{B}_l{V}_k\right)}^{-1}$

其中，并且A(i)表示当前簇，H_lk表示基 站k到用户l的信道矩阵，P_km表示用户k接收到的来自基站m的干扰信号 的信号空间；

步骤222)、如果g_k(V_k)-g_k(V_k+2δZ)≥δtr(Z^HZ)，则令δ＝2δ并且重复步骤 222)；

其中，g_k(V_k)表示在计算该簇内所有用户的干扰空间之间的弦距离之和 的表达式中包括V_k项的表达式；g_k(V_k+2δZ)表示将g_k(V_k)中的V_k加上2δZ得 到的表达式；tr(·)表示矩阵的迹；并且δ为正数；

步骤223)、如果g_k(V_k)-g_k(V_k+δZ)＜0.5δtr(Z^HZ)，则令δ＝0.5δ并且重复步 骤223)；

步骤224)、对矩阵V_k+δZ进行Gram-Schmidt正交化，得到基站k的中 间预编码矩阵V_k'＝Q^1:d；其中，Q为对矩阵V_k+δZ进行Gram-Schmidt正交化 后生成的酉矩阵，d为基站k传输给用户k的数据流的数量，Q1:d表示矩阵Q 中的前d列。

上述方法中，步骤23)包括对于簇内的每个基站执行以下步骤：

步骤231)、根据下式计算系统容量对该基站的中间预编码矩阵的共轭 梯度：

${▿}_{k}R=\frac{1}{\ln 2}[\underset{l\in A\left(i\right)}{\Sigma }{\rho }_{\mathrm{lk}}{P}_k{H}_{\mathrm{lk}}^H{\Phi }_l^{-1}{H}_{\mathrm{lk}}{V}_k^{\prime }-\underset{l\in A\left(i\right)\backslash \left\{k\right\}}{\Sigma }{\rho }_{\mathrm{lk}}{P}_k{H}_{\mathrm{lk}}^H{\Psi }_l^{-1}{H}_{\mathrm{lk}}{V}_k^{\prime }]$

其中，k表示当前基站，A(i)表示当前簇，V_k’表示基站k的中间预编码 矩阵；

步骤232)、将该共轭梯度投影到格拉斯曼流形的切空间，得到 ${▿}_k\Gamma =(I_M-V_k^{\prime }{V}_k^{\prime H}){▿}_{k}R,$并且计算奇异值分解${▿}_k\Gamma ={\mathrm{G\Sigma F}}^H;$

其中，G表示进行奇异值分解后得到的左奇异分量，F表示进行奇异值 分解后得到的右奇异分量，M表示基站的天线数量；

步骤233)、根据下式修改该基站的中间预编码矩阵，得到该基站的预 编码矩阵：

V_k＝V′_kF(cosΣt)F^H+G(sinΣt)F^H

其中，t表示步长且为正数。

上述方法中，步骤24)包括：

步骤241)、根据步骤233)求得的预编码矩阵得到该簇内所有用户的 干扰空间之间的弦距离之和，将其与执行步骤22)和23)之前的该簇内 所有用户的干扰空间之间的弦距离之和进行比较；

步骤242)、如果比较得到的差值大于预定阈值则返回步骤22)；否则 结束，将步骤233)求得的预编码矩阵作为最终的预编码矩阵。

进一步地，步骤242)包括：

如果比较得到的差值大于预定阈值，则令t＝γt并返回步骤22)；其中， t表示步长，γ为大于0小于1的数。

上述方法中，步骤1)包括：

将所有基站和用户对划分成簇，每个簇内的基站和用户对的数量不超 过其中M表示基站的天线数量，N表示用户的天线数量。

根据本发明的一个实施例，还提供一种基于分簇的干扰对齐预编码系 统，包括:

用于将所有基站和用户对划分成簇的设备，其中每个簇内的基站和用 户对满足簇内干扰对齐条件；

用于在实现簇内干扰对齐的预编码矩阵的解空间中，基于最大化系统 容量，得到基站的预编码矩阵的设备；

用于基于得到的预编码矩阵对待发送的信号进行处理的设备。

根据本发明的一个实施例，还提供一种对采用上述预编码方法预编码的 信号进行解码的方法，包括：

利用接收滤波器对接收到的信号进行解码。其中，根据以下步骤确定每 个用户的接收滤波器：

步骤A)、在该用户所在的簇内选取干扰基站，根据下式将该基站对该 用户的有效干扰信道进行奇异值分解：

$H_{\mathrm{eff},\mathrm{kl}}=\left(\begin{array}{cc}{M}_{\mathrm{kl}}^{\left(1\right)}& M_{\mathrm{kl}}^{\left(1\right)}\end{array}\right)\left(\begin{array}{cc}{\Lambda }_{\mathrm{kl}}& 0\end{array}\right)N_{\mathrm{kl}}^H$

其中，H_eff,kl表示基站l对用户k的有效干扰信道；Λ_kl表示非零的奇异值； 表示右奇异向量；$\left(\begin{array}{cc}{M}_{\mathrm{kl}}^{\left(1\right)}& M_{\mathrm{kl}}^{\left(1\right)}\end{array}\right)$表示左奇异向量，对应前d个左奇异向量， 对应后N-d个右奇异向量，d表示基站传输给用户的数据流的数量，N 表示用户的天线数量；

步骤B)、根据下式得到该用户的接收滤波器U_k：

$U_k=M_{\mathrm{kl}}^{\left(0\right)}.$

根据本发明的一个实施例，还提供一种对采用上述预编码方法预编码的 信号进行解码的系统，包括：

用于利用接收滤波器对接收到的信号进行解码的设备。

本发明在实现簇内干扰消除的基础上，将簇间剩余干扰考虑为白噪声， 在满足簇内干扰对齐的解空间中寻找能够提高系统容量的解，通过这种方式 来提高整个无线通信系统的容量。

附图说明

以下附图仅对本发明做示意性说明和解释，并不用于限定本发明的范 围，其中：

图1是根据本发明一个实施例的基于分簇的干扰对齐预编码方法的流程 图；

图2是根据本发明一个实施例的多小区MIMO干扰信道系统的示意图； 以及

图3是采用本发明提供的干扰对齐预编码方法与现有方法在系统容量 上的比较示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附 图说明本发明的具体实施方式。

根据本发明的一个实施例，提供一种基于分簇的干扰对齐预编码方 法。

参考图1且概括而言，该方法包括：将所有基站和用户对划分成簇， 其中在每个簇内的基站和用户对满足簇内干扰对齐条件；在实现簇内干扰 对齐的预编码矩阵的解空间中，基于最大化系统容量，得到基站的预编码 矩阵；以及，基于得到的预编码矩阵对待发送的信号进行处理并发送。

下文将具体描述该干扰对齐方法的各个步骤。

第一步：将无线通信系统中的所有基站和用户对划分成簇，其中在每 个簇内的基站和用户对能够满足簇内干扰对齐条件(即能够实现簇内干扰 的消除)。

作为本领域的公知常识，在簇内能够实现干扰对齐的条件是指簇内的 基站和用户对的数量、基站的天线数量M，以及用户的天线数量N之间需要 满足一定的关系：其中L_max是每个簇内所允许的最大基站和 用户对数量。

参见图2，对于有K个小区的蜂窝系统，小区内基站(图中示为基站1, 基站2,…,基站K)只服务一个用户(图中示为用户1,用户2,…,用户K)，其 中每个基站配置了M根天线，每个用户配置了N根天线，每个基站k (k＝1,...,K)传输d个数据流s_k给用户k，用户k的接收信号可表示为：

$y_k=\sqrt{{\rho }_{\mathrm{kk}}}{H}_{\mathrm{kk}}{V}_k{x}_k+\underset{j\ne k}{\Sigma }\sqrt{{\rho }_{\mathrm{kj}}}{H}_{\mathrm{kj}}{V}_j{x}_j+n_k---\left(1\right)$

其中，ρ_kk为小区k中基站(基站k)到小区k中用户(用户k)的大尺 度衰落；ρ_kj为小区j中基站到小区k中用户的大尺度衰落；H_kj表示基站j到 用户k的信道矩阵，其元素服从均值为0方差为1的复高斯分布，且元素之 间是独立同分布的；V_j表示基站j的预编码矩阵；x_k表示小区k中基站发送 给本小区用户的信号矢量，且满足功率约束条件其中P_k表示小 区k中基站的总发射功率，为x_k的共轭转置；n_k表示小区k中用户接收到 的加性高斯白噪声，其分布满足n_k～CN(0,σ₂I)。在公式(1)中，等号右侧 的第一项为用户k的有用信号，第二项为来自其他小区的干扰。当小区k中 的用户接收到信号后，该用户用接收滤波器U_k处理该信号。

在分簇前，定义A为所有K个小区可能的分簇。对于每一个分簇结果 A∈A，令A＝{A(1),...,A(N_A)}；其中A(i)是第i个簇，N_A为该分簇结果中簇的 数量。其中，分簇需要满足如下的限制条件：

$A\left(i\right)\subseteq K,\forall i;\underset{i=1}{\overset{N_A}{\cup }}=K;A\left(i\right)\cap A\left(j\right)=\varnothing ,i\ne j;---\left(2\right)$

为了实现簇内干扰对齐，该分簇问题可以表示为：

$\underset{A\in A}{\max \mathrm{imize}}\underset{i=1}{\overset{N_A}{\Sigma }}W(A\left(i\right),A\left(i\right))---\left(3\right)$

在求解上式时，需要满足约束条件：并且需要满 足公式(2)中的限制条件。

其中，W(A(i),A(i))＝∑_{k∈A(i),l∈A(i)}w_kl，表示A(i)中所有的估 计速率损耗之和，w_kl表示第k个基站-用户对和第l个基站-用户对之间的估计 速率损耗，表示如下：

$w_{\mathrm{kl}}=\left(\begin{array}{cc}{\log }_2\left\{(1+\frac{{\rho }_{\mathrm{kk}}{P}_k{\rho }_{\mathrm{kl}}{P}_l}{1+{\rho }_{\mathrm{kk}}{P}_k+{\rho }_{\mathrm{kl}}{P}_l})(1+\frac{{\rho }_{\mathrm{ll}}{P}_l{\rho }_{\mathrm{lk}}{P}_l}{1+{\rho }_{\mathrm{ll}}{P}_l+{\rho }_{\mathrm{lk}}{P}_k})\right\},& k\ne l\\ 0,& k=l\end{array}\right)---\stackrel{}{}\left(4\right)$

以上示例性地描述了一种分簇方法的实施例，本领域技术人员应理解， 可采用其他现有技术对所有基站和用户对进行分簇，同时每个簇内的基站和 用户对满足簇内干扰对齐条件。

第二步：在实现簇内干扰对齐的预编码矩阵的解空间中，基于最大化 系统容量得到基站的预编码矩阵。

在一个实施例中，要消除簇内干扰，可以通过在每个簇内最小化接收 端的干扰空间之间的弦距离之和，将来自不同干扰端的干扰放在同一个信 号空间里面。其中，用户k接收到的来自基站l的干扰信号的信号空间可定义 为：

最小化每个簇内所有用户的干扰空间之间的弦距离之和可以表示如下：

可以通过迭代法来实现最小化每个簇内所有用户的干扰空间之间的弦 距离之和，从而得到每个簇内的基站预编码矩阵。

如上文所述，上述方法仅能够实现簇内的干扰对齐，却忽略了簇间干扰 对系统容量的影响，导致系统容量不高，因此在预编码时还需要考虑簇间干 扰。在一个实施例中，对于每个簇来说，可以在通过最小化该簇内所有用户 的干扰空间之间的弦距离之和来计算预编码矩阵的迭代过程中，基于最大化 系统容量来修改基站的预编码矩阵，其中系统容量与簇间干扰相关联。本发 明将簇间干扰考虑为白噪声，从平均的角度看待所有的簇间干扰，则簇A(i)中 第k个用户看到的簇间干扰可以表示为：

$E\left[\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n{H}_{\mathrm{kn}}{V}_n{V}_n^H{H}_{\mathrm{kn}}^H\right]=\left(\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n\right)I_N---\left(7\right)$

其中，P_n表示小区n中基站的总发射功率，N表示用户的天线数量。系 统容量包含簇间干扰因素，最大化系统容量可表示为：

$\max \mathrm{imizeR}=\underset{k\in A\left(i\right)}{\Sigma }{\log }_2\left|{\Phi }_k\right|-{\log }_2\left|{\Psi }_k\right|---\left(8\right)$

其中，

${\Phi }_k=\underset{l\in A\left(i\right)}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{{V_{l}V}_l}^H{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I---\left(9\right)$

${\Psi }_k=\underset{l\in A\left(i\right)\backslash k}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{V}_l{V_l}^H{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I---\left(10\right)$

其中，指用户k接收到的噪声功率。从公式(9)和(10)的等式右 边的第二项可见，该系统容量考虑了簇间干扰(参见公式(7))。

进一步地，由于最小化每个簇内所有用户的干扰空间之间的弦距离之和 得到的解空间是定义在格拉斯曼流形中的，因而可通过格拉斯曼流形方法来 进一步找出能够提高系统容量的解，从而获得最终的基站预编码矩阵。

根据上面的描述，在一个实施例中，可将本步骤描述为：对于每个簇(下 文中以A(i)为例)，执行以下子步骤。

1.为A(i)内的每个基站选取任意的基站预编码矩阵，并且初始化迭代次 数n＝1。

例如为基站k选取预编码矩阵V_k，使得其中k∈A(i)，d表示基 站k发送给本小区用户的数据流个数。

2.根据下式计算A(i)内所有用户的干扰空间之间的弦距离之和：

$g\left(n\right)=\underset{k\in A\left(i\right)}{\Sigma }\underset{l\in A\left(i\right)\backslash k}{\Sigma }\underset{m\in A\left(i\right)\backslash \{k,l\}}{\Sigma }\frac{1}{2}{\left|\right|P_{\mathrm{kl}}-P_{\mathrm{km}}\left|\right|}_F^2---\left(11\right)$

其中，表示用户k接收到的 来自基站l的干扰信号的信号空间；P_km表示用户k接收到的来自基站m的 干扰信号的信号空间。

3.当|g(n)-g(n-1)|＞ε时或者n＝1时，执行步骤4；否则结束。

其中，ε为一个很小的正数，例如ε＝10E-4。

本步骤用于判断是否进行本次迭代，应理解，该步骤也可以放在第6步 中，用于判断是否进行下次迭代。

4.对于A(i)中每一个基站k，k∈A(i)，执行以下过程：

4.1)、计算g(n)的下降梯度方向：

$Z=-(I_M-V_k{V}_k^H){▿}_{k}g---\left(12\right)$

其中，M表示基站的天线数量；表示g(n)对V_k的梯度，表示如下：

${▿}_{k}g=2\underset{l\in A\left(i\right)\backslash k}{\Sigma }[B_l{V}_k{\left(V_k^H{B}_l{V}_k\right)}^{-1}{V}_k^H{A}_l{V}_k-A_l{V}_k]{\left(V_k^H{B}_l{V}_k\right)}^{-1}---\left(13\right)$

其中，$A_l=H_{\mathrm{lk}}^H\left(\underset{m\in A\left(i\right)\backslash \{l,k\}}{\Sigma }{P}_{\mathrm{km}}\right)H_{\mathrm{lk}},$且$B_l=H_{\mathrm{lk}}^H{H}_{\mathrm{lk}}.$

4.2)、如果g_k(V_k)-g_k(V_k+2δZ)≥δtr(Z^HZ)，那么令δ＝2δ并且重复步骤 4.2)。其中，g_k(V_k)指g(n)中只包含V_k项的表达式；V_k+2δZ表示加过2δZ之 后的基站k的预编码矩阵，g_k(V_k+2δZ)表示将g_k(V_k)中的V_k加上2δZ得到的 表达式；tr(·)表示矩阵的迹；δ为步长因子且是正数，优选地，δ＝1。

4.3)、如果g_k(V_k)-g_k(V_k+δZ)＜0.5δtr(Z^HZ)，那么令δ＝0.5δ并且重复步骤 4.3)。

4.4)、对矩阵V_k+δZ进行Gram-Schmidt正交化，即：

V_k+δZ＝QR  (14)

其中，QR表示Gram-Schmidt正交化后生成的两个矩阵，Q为酉矩阵， R为上三角矩阵。

4.4)、令中间预编码矩阵V_k'＝Q^1:d。

5.对于A(i)中的每个基站k执行以下过程：

5.1)、计算系统容量公式(15)对中间预编码矩阵V_k'的共轭梯度(18)：

$R=\underset{k\in A\left(i\right)}{\Sigma }{\log }_2\left|{\Phi }_k\right|-{\log }_2\left|{\Psi }_k\right|---\left(15\right)$

其中，

${\Phi }_k=\underset{l\in A\left(i\right)}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{V_l}^{\prime }{V_l}^{\prime H}{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I---\left(16\right)$

${\Psi }_k=\underset{l\in A\left(i\right)\backslash k}{\Sigma }{\rho }_{\mathrm{kl}}{P}_l{H}_{\mathrm{kl}}{V_l}^{\prime }{V_l}^{\prime H}{H}_{\mathrm{kl}}^H+({\sigma }_k^2+\underset{j\ne i}{\overset{N_A}{\Sigma }}\underset{n\in A\left(j\right)}{\Sigma }{\rho }_{\mathrm{kn}}{P}_n)I---\left(17\right)$

${▿}_{k}R=\frac{1}{\ln 2}[\underset{l\in A\left(i\right)}{\Sigma }{\rho }_{\mathrm{lk}}{P}_k{H}_{\mathrm{lk}}^H{\Phi }_l^{-1}{H}_{\mathrm{lk}}{V}_k^{\prime }-\underset{l\in A\left(i\right)\backslash \left\{k\right\}}{\Sigma }{\rho }_{\mathrm{lk}}{P}_k{H}_{\mathrm{lk}}^H{\Psi }_l^{-1}{H}_{\mathrm{lk}}{V}_k^{\prime }]---\left(18\right)$

5.2)、将该共轭梯度投影到格拉斯曼流形的切空间，得到 ${▿}_k\Gamma =(I_M-V_k^{\prime }{V}_k^{\prime H}){▿}_{k}R.$计算奇异值分解${▿}_k\Gamma =\mathrm{G\Sigma }{F}^H,$其中G是矩阵进行 奇异值分解后得到的左奇异分量，F是矩阵进行奇异值分解后得到的右 奇异分量。

5.3)、将步骤4.4)得到的V′_k沿着所给的格拉斯曼流形的测地线方向 移动，得到当前基站k的预编码矩阵，即：

V_k＝V′_kF(cosΣt)F^H+G(sinΣt)F^H  (19)

这里t为每次移动的步长，在初始阶段步长较大，初始值优选为1，随着 迭代移动步长开始变小直到变为0(参见步骤6)，从而保证了算法的收敛性。

6.令n＝n+1、t＝γt，并且返回步骤2重新计算所有接收端的干扰空间 的弦距离之和。其中γ为大于0小于1的数，优选地，γ＝0.95。

在一个实施例中，可以将第3步并在本步骤中。具体来说，在令n＝n+1 后，计算g(n)(参见第2步)，当|g(n)-g(n-1)|＞ε时，返回步骤4；否则结束。

第三步：基于得到的预编码矩阵对待发送的信号进行处理。

作为本领域的公知常识，要实现簇内干扰对齐，在基站向用户发送信号 之前，需根据该基站的预编码矩阵对待发送的信号进行预处理。这样，用户 在接收到处理过的信号时，可以使用该用户的接收滤波器将来自簇内其他小 区基站的干扰信号全部过滤而只解调剩余的信号。

根据本发明的一个实施例，还提供一种基于分簇的干扰对齐预编码系 统，该系统包括:

用于将所有基站和用户对划分成簇的设备，其中每个簇内的基站和用 户对满足簇内干扰对齐条件；

用于在实现簇内干扰对齐的预编码矩阵的解空间中，基于最大化系统 容量得到基站的预编码矩阵的设备；

用于基于得到的预编码矩阵对待发送的信号进行处理的设备。

根据本发明的一个实施例，还提供一种对采用上述预编码方法预编码的 信号进行解码的方法，包括：利用接收滤波器对接收到的信号进行解码。

用户的接收滤波器正交于簇内干扰空间，用户可以用接收滤波器将来自 簇内其他小区基站的干扰信号全部过滤而只解调剩余信号。在一个实施例 中，可按照以下方法确定用户的接收滤波器：

在每个簇内，对于用户k，任意选取该簇内的一个干扰端l，并令 H_eff,kl＝H_klV_l为有效干扰信道(指基站l对用户k造成的干扰)，其中V_l为基站 l的预编码矩阵，对该有效干扰信道进行奇异值分解可得：

$H_{\mathrm{eff},\mathrm{kl}}=\left(\begin{array}{cc}{M}_{\mathrm{kl}}^{\left(1\right)}& M_{\mathrm{kl}}^{\left(1\right)}\end{array}\right)\left(\begin{array}{cc}{\Lambda }_{\mathrm{kl}}& 0\end{array}\right)N_{\mathrm{kl}}^H---\left(20\right)$

其中，$\left(\begin{array}{cc}{M}_{\mathrm{kl}}^{\left(1\right)}& M_{\mathrm{kl}}^{\left(1\right)}\end{array}\right)$表示左奇异向量，表示右奇异向量，对应前d个 左奇异向量，而对应后N-d个右奇异向量；Λ_kl表示H_eff,kl进行奇异值分 解之后的非零奇异值；则用户k的接收滤波器表示为

根据本发明的一个实施例，还提供一种对采用上述预编码方法预编码的 信号进行解码的系统，包括：用于利用接收滤波器对接收到的信号进行解码 的设备。

本发明在保证簇内干扰消除的前提下，通过将簇间干扰看作白噪声，从 满足簇内干扰对齐的解中找出进一步提高整个无线通信系统容量的解。因 此，本发明提供的方法可以消除所有对用户的强干扰(簇内干扰)，同时提 高整个系统容量。

为验证本发明的有效性，发明人基于以下场景进行了实验：小区数为 K＝8(即基站和用户数目分别为8)，基站和用户的天线数目分别为M＝10和 N＝4，小区内基站给用户发送的数据流个数d为2，所有的基站发射功率都 相等(即P_k＝P)，且对每个数据流采取平均功率分配。

图3示出了使用现有的干扰对齐方法(CIA)和本发明提供的基于分簇 的干扰对齐预编码方法(CIA-Throughput)的仿真结果。根据图3可以看出 相比于传统的干扰对齐方法，本发明提供的方法在系统容量上表现更优。

应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施 例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起 见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案 也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的 范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所 作的等同变化、修改与结合，均应属于本发明保护的范围。