公开/公告号CN102420646A
专利类型发明专利
公开/公告日2012-04-18
原文格式PDF
申请/专利权人 株式会社NTT都科摩;
申请/专利号CN201110305786.4
申请日2011-09-27
分类号H04B7/06(20060101);H04B7/08(20060101);
代理机构11021 中科专利商标代理有限责任公司;
代理人王波波
地址 日本国东京都
入库时间 2023-12-18 04:55:43
法律状态公告日
法律状态信息
法律状态
2016-05-18
授权
授权
2013-09-11
实质审查的生效 IPC(主分类):H04B7/06 申请日:20110927
实质审查的生效
2012-04-18
公开
公开
技术领域
本发明涉及无线通信系统中下行多用户(multi-user)多输入多输 出(MIMO)系统的线性预编码方法,它能够允许迭代算法收敛到速 率和更大的局部最优值,从而提高线性预编码的性能。
背景技术
为最大化下行多用户(multi-user)多输入多输出(MIMO)系统 的速率和(sum rate),先进的预编码解码(precoding/decoding)技术 不断被提出。基于脏纸编码(dirty paper coding)和迭代注水(iterative water-filling)的预编码算法其运算复杂度非常高,因此在实际应用中 仍有很大的局限性。线性预编码解码方法由于其复杂度低,近年来得 到了学术界和工业界的广泛关注。下行多用户多输入多输出系统中的 线性预编码解码框图如图1所示。在发送端,将要发送给多个不同用 户的数据经过线性加权(即线性预编码)后生成的多路数据被映射到 不同的发射天线上。经过MIMO信道后,接收端将接收天线上的信 号进行线性加权(即线性解码)从而恢复有用信号。
发明内容
针对传统的算法初始化方法所存在的缺陷,本发明提出改进的初 始化方法。初始化方法的改进可促使迭代算法搜寻到更优的解。
在本发明的一个方面,提出了一种多用户多输入多输出通信系统 中的线性预编码方法,包括步骤:取得下行信道的信道矩阵;使用迫 零原则或最小均方差原则对信道矩阵进行线性操作来获得预编码矩 阵和预解码矩阵并重复本步骤直到收敛,以得到收敛的预编码矩阵; 用收敛的预编码矩阵初始化速率和最大化迭代算法。
本发明实施例的另一方面是一种多用户多输入多输出通信系统 中的线性预编码装置,包括步骤:取得下行信道的信道矩阵的装置; 使用迫零原则或最小均方差原则对信道矩阵进行线性操作来获得预 编码矩阵和预解码矩阵并重复本步骤直到收敛,以得到收敛的预编码 矩阵的装置;用收敛的预编码矩阵初始化速率和最大化迭代算法的装 置。
利用上述方法,迭代算法可以得到速率和更大的局部最优的解, 使得通信系统的速率和最大,这样可以提高系统的速率和性能。
附图说明
通过下面结合附图说明本发明的优选实施例,将使本发明的上述 及其它目的、特征和优点更加清楚,其中:
图1示出了根据现有技术的通信系统中预编码解码过程的示意 图;
图2示出了根据本发明一个实施例的速率和最大化迭代算法的流 程图;
图3是描述根据本发明实施例的初始化方法的流程图;
图4是描述根据本发明实施例的另一初始化方法的流程图;以及
图5示出了简化的用于多用户MISO的最大化速率和的线性预编 码解码计算流程图;
图6是描述根据本发明另一实施例的速率和最大化迭代算法的流 程图。
具体实施方式
下面参照附图对本发明的优选实施例进行详细说明,在描述过程 中省略了对于本发明来说是不必要的细节和功能,以防止对本发明的 理解造成混淆。
通常,运用线性预编码解码的多用户下行MIMO系统输入输出 关系可用以下数学公式来表达:
其中K为总用户数;
为发送端与用户k的接收端间的MIMO信道(发送 端有NTX个发送天线;接收端有NRX个接受天线);
为发送给用户k的数据(包含NS≤NRX个并行数据流);
为用户k的线性预编码矩阵(即发送端包含线性加权系 数的矩阵);
为用户k的线性解码矩阵(即接收端包含线性加权系 数的矩阵);
为发送给用户i的数据(包含NS≤NRX个并行数据流);
为用户i的线性预编码矩阵(即发送端包含线性加权系 数的矩阵);
为接收天线上的白噪声;
为解码后用户k的数据。
通过公式(0.1)可看到,接收天线上的信号将包含有用信号(第 二行第一项),其他用户的干扰信号(第二行第二项)和噪声信号(第 二行第三项)。为了最大化系统的速率和,线性预编码和线性解码尽 可能的将有用信号从干扰信号和噪声中分离出来。
上面的公式(0.1)是从用户的角度来考虑的接收的情况。如果 考虑系统中的每一个数据流的接收情况,则公式(0.1)可写成:
上面的公式(0.2)中:
K代表总用户数;
S代表每个用户的数据流总数;
gk,s表示发送给用户k的第s个数据流的线性解码矩阵;
Hk表示为发送端与用户k的接收端间的MIMO信道(发送端有 NTX个发送天线;接收端有NRX个接受天线);
Pk表示用户k的线性预编码矩阵(即发送端包含线性加权系数的 矩阵,其中包含所有数据流的线性加权系数);
sk表示为发送给用户k的数据(包含NS≤NRX个并行数据流);
Pi表示为用户i的线性预编码矩阵(即发送端包含线性加权系数 的矩阵);
si表示为发送给用户i的数据(包含NS≤NRX个并行数据流)
ηk表示为接收天线上的白噪声;
Pk,s表示用户k的第s个数据流的线性预编码矩阵;
sk,s表示发送给用户k的第s个数据流的数据;
Pk,t表示用户k的第t个数据流的线性预编码矩阵;
sk,t表示发送给用户k的第t个数据流的数据;
公式(0.2)表明,接收信号中包含有用信号(第二行第一项),来自 同一用户其他数据流的干扰(第二行第二项),其他用户的干扰信号 (第二行第三项)和噪声信号(第二行第四项)。
最传统的线性预编码和线性解码方法有匹配滤波(matched filter)、迫零(zero forcing)和最小均方误差(minimum mean square error)等方法。匹配滤波可最大化有用信号,但同时有可能放大噪声 和干扰,尤其是用户间的干扰。因此匹配滤波只在低信噪比(signal to noise ratio)条件下有较好的性能,在低信干比(signal to interference ratio)的条件下性能很差。迫零方法将用户间的干扰完全消除,但同 时可能会削弱有用信号。因此迫零方法在高信噪比条件下性能良好, 但在低信噪比条件下性能较差。最小均方误差方法综合考虑噪声和干 扰对有用信号的影响。在通常情况下,最小均方误差方法的性能要优 于匹配滤波和迫零方法。
图2示出了根据本发明一个实施例的基于迭代的速率和最大化 算法的流程图。如图2所示,该算法由一个初始的预编码矩阵开始进 行迭代。在每一步迭代过程中进行以下操作:
(1)、根据上一步迭代得到的预编码矩阵Pk,下行信道矩阵Hk(例如以反馈的形式取得或者借助于信道互易性而得到)以及噪声方 差矩阵计算接收天线上的噪声和干扰方差
其中P=[P1 ...PK]包含了所有用户的预编码矩阵。
(2)、基于上一步迭代得到的预编码矩阵Pk,下行信道矩阵Hk以 及噪声和方差干扰矩阵根据最小均方误差准则计算出解码矩阵 Gk(即Rx波束成形矩阵):
并组合Rx波束成形矩阵:
G=diag{G1...,GK}
其中运算符diag{X1...XK}代表生成以矩阵X1...XK为对角元 素的分块对角矩阵。
(3)、根据上一步迭代得到的预编码矩阵Pk,下行信道矩阵Hk以 及噪声和方差干扰矩阵计算均方误差矩阵εk:
其中为噪声方差矩阵。
(4)、由均方误差矩阵εk获得加权最小均方误差方法(Weighted Minimum Mean Square Error)的均方误差加权系数矩阵W:
其中运算符diag{X1...XK}代表生成以矩阵X1...XK为对角元 素的分块对角矩阵。
(5)、由加权系数矩阵W,解码矩阵G,下行信道
上述预编码矩阵PWSR中包含了所有用户的预编码矩阵,即 PWSR=[P1...PK]。运算符tr(X)代表计算矩阵X的迹。ETX为总发射功 率。
(6)、将所得的预编码矩阵归一化以满足发射功率的限制条件。
其中P为上一步骤中获取的所有用户的预编码矩阵,即P=PWSR。 运算符tr(X)代表计算矩阵X的迹。ETX为总发射功率。
该方法通常被称为“速率和最大化迭代算法”。
如图2所示,该方法基于一个初始的预编码矩阵Pinit,最大化速 率和算法通过迭代在每一个迭代步骤更新预编码和解码矩阵。目标函 数(速率和)在迭代的过程中其函数值不断增大。经过一定数量的迭 代,最终得到的预编码和解码矩阵将被用于实际的数据传输。由于目 标函数存在多个局部最优解,迭代算法无法保证最终收敛到全局最 优。迭代算法计算出来的预编码和解码矩阵的实际速率和性能依赖于 初始化预编码矩阵Pinit的选择。
非专利文献1(Christensen S,Agarwal R,Carvalho E,Cioffi J. Weighted sum-rate maximization using weighted MMSE for MIMO-BC beamforming design.IEEE Transactions on Wireless Communications. 2008;7(12):4792-4799)中的推导,以上所述的迭代方法可最大化如下 定义的速率和:
其中RSUM代表系统的速率和;Rk代表用户k的所有数据流的传输 速率和;其中运算符det(X)代表计算矩阵X的行列式的值。
该速率和仅代表实际可获取的速率和的上界。在实际系统中,速 率和的定义为:
其中RSUM代表系统的速率和;Rk,s代表用户k的第s流数据的传输 速率;gk,s为发送给用户k的第s个数据流的线性解码矩阵;Hk表示 为发送端与用户k的接收端间的MIMO信道(发送端有NTX个发送天 线;接收端有NRX个接受天线);Pk,s表示用户k的第s个数据流的线 性预编码矩阵;Pk,t表示用户k的第t个数据流的线性预编码矩阵;Pi表示为用户i的线性预编码矩阵(即发送端包含线性加权系数的矩 阵);表示接收噪声方差。运算符det(X)代表计算矩阵X的行列式的 值。
由此可见,由于实际工作过程中是从数据流的角度来考虑速率和 的,所以也可以从数据流的角度来最大化速率和以上所述的迭代算法 并未最大化实际的速率和。
另外,非专利文献1提出了两种初始化方法,其一是基于匹配滤 波器的初始化方法,其二是基于随机矩阵的初始化方法。匹配滤波初 始化方法是通过匹配滤波的方法计算出一个初始的预编码矩阵,用来 对迭代算法进行初始化。随机矩阵方法是用一个随机生成的矩阵来初 始化迭代算法。为了避免不正确的随机初始化造成的影响,通常整个 算法将被重复多次。每次用不同的随机矩阵来初始化。最后在得到的 多个结果中选取速率和性能最好的一个作为最终的结果。
这两种初始化算法各自存在着一些缺点。匹配滤波方法在高信噪 比条件下其性能很差,用匹配滤波方法初始化迭代算法容易使算法收 敛至局部最优,且目标函数的局部最优值远离全局最优值。随机矩阵 初始化方法复杂度高。首先整个迭代过程必须被重复多次,带来很高 的运算量。其次,选择不好的随机矩阵将会导致迭代次数大大增加。 另外,此算法的鲁棒性较差。在最差情况下,算法的多次重复未必能 找到最优解。
1.基于迫零原则的初始化方法
迫零方法有效地去除用户间干扰,在高信噪比条件下可取得较好 的系统速率和性能。其性能在低信噪比条件下不如匹配滤波。仿真结 果揭示,迫零方法在低信噪比条件下的性能比匹配滤波略有下降,但 在高信噪比条件下其性能比匹配滤波大幅提高。因此运用迫零原则计 算初始化矩阵可以改善迭代算法的初始条件,对算法最终产生的结果 也会有积极影响。
如图3所示,基于迫零原则的初始化方法具体如下:
在步骤S11,系统通过从终端设备反馈的方式取得下行信道的信 道矩阵Hk。作为另一选择,例如在TDD系统中,可以利用信道的互 易性来将上行信道的信道矩阵作为下行信道的信道矩阵。
在步骤S12,对信道Hk进行线性操作,例如奇异值分解(SVD) (奇异值分解的通式为A=U∑V,其中U为左奇异矩阵;V为右奇异 矩阵,对角矩阵∑的对角线元素为矩阵A的奇异值):
其中和对应于最大的NS个奇异值。选取的共轭转置作 为初始化解码矩阵,即:
在步骤S13,进行迭代,其中在第n次迭代,按如下步骤更新预 编码和解码矩阵:
生成干扰信道:
其中为第n-1次迭代后所得到的解码 矩阵。
对干扰信道进行奇异值分解:
其中右奇异矩阵中的奇异向量对应的奇异值为0。再对进行奇异值分解:
其中左奇异矩阵和右奇异矩阵中所包含的向量对应于最大 的S(即用户k的数据流总数)个奇异值。选取的共轭转置作为新 的解码矩阵,即:
预编码矩阵则由:
构成。其中Λk为功率分配矩阵,由注水(water filling)方法获得。
重复步骤S13直至收敛。
在步骤S14,最终得到的矩阵将被用于初始化速率和最大化 迭代算法,即用代替图2中的Pinit,执行该迭代算法最终得到的 预编码和解码矩阵用于线性预编码和预解码。采用本实施例的初始化 方法可以提高系统的速率和性能。
2.基于最小化平均方差的初始化方法
最小化平均方差方法同样优于匹配滤波方法。因此用最小化平均 方差的方法来计算初始化矩阵同样可以对最大化速率和的迭代算法 的收敛值产生正面影响。
如图4所示,基于最小化平均方差的初始化方法具体如下:
在步骤S21,系统通过从终端设备反馈的方式取得下行信道的信 道矩阵Hk。作为另一选择,例如在TDD系统中,可以利用信道的互 易性来将上行信道的信道矩阵作为下行信道的信道矩阵。
在步骤S22,对信道Hk进行线性操作,例如奇异值分解(SVD):
其中左奇异矩阵和右奇异矩阵中所包含的向量对应于最大 的NS个奇异值。选取的共轭转置作为初始化解码矩阵,即:
在步骤S23,进行迭代,在第n次迭代,按如下步骤更新预编码 和解码矩阵:
其中归一化系数(normalization factor)β用来使满足发射 功率限制。
重复步骤S23直至收敛。
在步骤S24,最终得到的矩阵将被用于初始化速率和最大 化迭代算法,即用代替图2中的Pinit,执行该迭代算法最终得 到的预编码和解码矩阵用于线性预编码和预解码。本实施例的初始化 方法可以提高系统的速率和性能。
3.混合型初始化方法
为保证最大化系统速率和的迭代算法尽可能的收敛到最佳值,算 法可以分别采用匹配滤波,迫零和最小平均方差进行初始化和迭代, 从而得到三组结果。比较三组结果的速率和性能,挑选性能最好的一 组预编码矩阵和解码矩阵进行最终的数据传输。
4.简化的用于多用户MISO系统的速率和最大化迭代算法
在多用户MISO系统中,每个接收端只有一个接收天线,因此接 收端无需做线性叠加处理。图2中解码矩阵的计算可以省略。经简化 后的多用户MISO系统的速率和最大化迭代算法如图5中的计算流程 所示。
如图5所示,该算法由一个初始的预编码矩阵开始进行迭代。在 每一步迭代过程中进行以下操作:
(1)、根据上一步迭代得到的预编码矩阵pk,下行信道矩阵hk例 如以反馈的形式取得或者借助于信道互易性而得到)以及噪声方差矩 阵计算接收天线上的噪声和干扰方差
其中P=[P1...PK]包含了上一步迭代中所得到的所有用户的预 编码矩阵。
(2)、根据上一步迭代得到的预编码矩阵pk,下行信道矩阵hk以 及噪声和方差干扰计算均方误差εk:
(3)、由均方误差εk获得加权最小均方误差方法(Weighted Minimum Mean Square Error)的均方误差加权系数矩阵W:
其中运算符diag{a1...aK}代表生成以a1...aK为对角元素的对 角矩阵。
(4)、由加权系数矩阵W,下行信道H及发射功率上限ETX计算 新的预编码矩阵PWSR(即Tx波束成形矩阵):
上述预编码矩阵PWSR中包含了所有用户的预编码矩阵,即 PWSR=[p1...pK]。运算符tr(X)代表计算矩阵X的迹。ETX为总发射功 率。
(5)、将所得的预编码矩阵归一化以满足发射功率的限制条件。
其中P为上一步骤中获取的所有用户的预编码矩阵,即P=PWSR。 运算符tr(X)代表计算矩阵X的迹。ETX为总发射功率。
该方法通常被称为“简化的速率和最大化迭代算法”。
比较图2和图5,图2所示算法每次迭代需经过7步计算,图5 所示算法每次迭代只需经过5步计算。实际的仿真结果显示,由于经 过了简化,在同等的收敛条件下,图5所示的算法所需要的迭代次数 也下降了。综合而言,新的算法运算的复杂度大大下降。
根据本发明另一实施例,可以对针对基于迭代的速率和最大化方 法进行改进,来最大化如公式(0.4)所示的系统实际速率和。从计 算复杂度的角度来看,根据本实施例的复杂度相对于公式(0.3)为 目标的算法的复杂度要小。具体体现在:
●运行至收敛所需的迭代次数降低;
●每一步迭代中的计算变简便。
如图6所示,根据本实施例的算法由一个初始的预编码矩阵开始 进行迭代。在每一步迭代过程中进行以下操作:
(1)、根据上一步迭代得到的每一路数据流预编码矩阵pk,s,下行 信道矩阵Hk以及噪声方差矩阵计算每一路数据流上的噪声和干 扰方差
(2)、基于上一步迭代得到的每一路数据流预编码矩阵pk,s,下 行信道矩阵Hk以及噪声和干扰方差矩阵根据最小均方误差准则 计算出解码矩阵gk,s(即Rx波束成形矩阵);
并组合Rx波束成形矩阵:
G=diag{G1...,GK}
其中运算符diag{X1...XK}代表生成以矩阵X1...XK为对角元 素的分块对角矩阵。
(3)、根据上一步迭代得到的每一路数据流预编码矩阵pk,s,下 行信道矩阵Hk以及噪声和干扰方差矩阵计算均方误差矩阵εk,s;
(4)、由均方误差矩阵εk,s获得加权最小均方误差方法(Weighted Minimum Mean Square Error)的均方误差加权系数矩阵W;
εk=diag{εk,1...,εk,S}
(5)、由加权系数矩阵W,解码矩阵G,下行信道H及发射功率 上限ETX计算新的预编码矩阵PWSR(即Tx波束成形矩阵);
上述预编码矩阵PWSR中包含了所有用户的预编码矩阵,即 PWSR=[P1...PK]。运算符tr(X)代表计算矩阵X的迹。代表单位矩 阵,即对角线元素为1的对角矩阵。ETX为总发射功率。
(6)、将所得的预编码矩阵归一化以满足发射功率的限制条件。
其中P为上一步骤中获取的所有用户的预编码矩阵,即P=PWSR。 运算符tr(X)代表计算矩阵X的迹。ETX为总发射功率。
该方法被称为“针对数据流的速率和最大化迭代算法”
本领域普通技术人员可以理解实现上述方法实施方式中的全部 或部分步骤是可以通过程序来指令相关的硬件来完成。例如由基站处 的CPU或者专用计算装置执行程序来实现。该程序可以存储于计算 机可读取存储介质中,这里所说的存储介质,如:ROM/RAM、磁碟、 光盘等。
上面的描述仅用于实现本发明的实施方式,本领域的技术人员应 该理解,在不脱离本发明的范围的任何修改或局部替换,均应该属于 本发明的权利要求来限定的范围,因此,本发明的保护范围应该以权 利要求书的保护范围为准。
机译: 线性预编码下行链路传输以减少干扰中的时间变化的方法和装置
机译: 线性预编码下行链路传输以减少干扰中的时间变化的方法和装置
机译: 线性预编码下行链路传输以减少干扰中的时间变化的方法和装置