TDD模式massive MIMO系统中上行导频的选择与分配方法

摘要

本发明提供一种TDD模式massive MIMO系统中上行导频的选择与分配方法，各小区将本小区的相关导频序列使用信息交互给邻小区，各小区基站将小区中用户的上行导频序列使用信息及DTX模式交互给相邻各基站；基站根据交互信息，确定本小区中使用某一上行导频序列的用户与该小区基站间信道矩阵的主要子空间，及其相邻小区中使用相同上行导频序列的用户与该小区基站间信道矩阵的主要子空间；由所得两个主要子空间的关系来判断本小区中的用户是否能与相邻小区中的用户使用相同的上行导频序列。本发明中上行导频的选择与分配方法通过用户与基站间的信息交互和基站间的信息交互，降低了TDD模式massive MIMO系统的上行导频污染。

说明书

技术领域

本发明涉及一种5G系统中TDD模式多小区massiveMIMO中的上行导频污染抑制方法，特别是涉及一种TDD(TimeDivisionDuplexing，时分双工)模式massiveMIMO(massiveMultipleInputMultipleOutput，大规模多输入多输出)系统中上行导频的选择与分配方法。

背景技术

在TDD模式的massiveMIMO系统的下行链路中，为了降低下行链路的导频开销，通常使用导频资源复用多个波束的方法，从而引入了多小区MassiveMIMO系统中的上行导频污染。

如图1所示，TDD模式多小区大规模MU-MIMO系统中有L个小区。各小区有一个N天线的基站(BaseState，BS)和K个单天线用户。假设所有L个小区使用相同的K个导频序列，并用τ×K维正交矩阵Φ表示，其满足Φ^HΦ＝τI。而且，假设不同小区的导频发射是同步的。那么，基站i的接收信号矩阵可表示为：

$>Y_i^p=\sqrt{{\rho }_p}\underset{i=1}{\overset{L}{\Sigma }}{H}_{i,l}{\Phi }^T+N_i^p---\left(1\right)$>

式中，H_i,l∈C^N×K为小区l中K个用户与基站i间的N×K维信道矩阵，为导频发射期间基站i处的噪声矩阵(其中各项为均值0，单位方差)，ρ_p为导频发射功率。

为了估计信道，基站i将其接收信号投影到Φ^*上，从而得到用于估计信道H_i,i的统计量。由式(1)可知，估计的信道矩阵为：

$>{\hat{H}}_{i,i}=\frac{1}{\sqrt{{\rho }_p\tau }}{Y}_i^p{\Phi }^{*}=H_{i,i}+\underset{l\ne i}{\Sigma }{H}_{i,l}+\frac{1}{\sqrt{{\upsilon }_p\tau }}{N}_i^p{\Phi }^{*}---\left(2\right)$>

在上式的推导中，利用了Φ^HΦ＝τI。的第k列为信道矢量h_i,k,i的估计值。由式(2)可知，为不同小区中使用相同导频序列的那些用户信道矢量h_i,k,l(l＝1,…,L)的线性组合。这种现象称为导频污染。由于导频污染导致信道估计误差，不仅使得上行链路信号检测性能降低，而且如果采用该信道矩阵进行下行链路的预编码，则会对非期望用户造成很大的干扰。因此，很多研究者对降低导频污染的方法进行了大量的研究工作，提出了一些解决方案。

目前，已提出了一些抑制导频污染的方案。下面介绍几种典型的方案。

(1)基于协议的导频污染抑制方案

最直接的一种方法是通过频率复用或减少使用非正交导频序列的用户来减低导频污染效应。但是，一般而言，频率复用并没有能利用massiveMIMO能同时复用大量用户的优势。这是因为该方法虽然提高了特定用户的信噪比SINR，但同时服务的用户数却减少了。在上述方法中，所有用户都同时发送导频序列，这就会出现导频污染。为了降低导频污染，现有技术提出了一种基于时移(非同步)传输协议的方案，其基本思想是将小区分成若干组A₁,…,A_Γ，并在各组内使用时移传输协议，图2即为Γ＝3的示例。当组A₁中用户发射导频时，组A₂中的基站则发送下行链路的数据信号。这样就避免了组A₁和组A₂中用户间的导频污染。与此同时，组A₁中基站需要在存在来自组A₂和组A₃中基站的下行链路发送信号时估计组A₁中用户的信道矩阵。由于下行链路的发射功率ρ_d通常远大于导频序列的功率ρ_p，因此目前尚不清楚该方法能提供多少增益。

(2)基于预编码的方法

基于多小区协作的预编码方法能抑制导频污染效应。但是，基站间需要的信息交互开销随着天线数的增加而增加。因此，这些方法仅适用于具有有限天线数的MIMO系统。为了获得协作的优势且限制信息交互开销，现有技术提出了一种导频污染预编码(PCP)方案。PCP方案基于两个假设：(a)各基站能获取所有小区中所有用户的源信号；(b)所有基站都能获得大尺度衰减系数d_i，k，l。由于导频污染，信道估计矢量为不同小区中使用相同导频序列的那些用户信道矢量h_i,k,l(l＝1,…,L)的线性组合。在PCP方案中，各基站并不是抑制由污染的信道估计值引起的干扰，而是利用导频污染为网络中所有用户发送信息。但是，有研究表明只有当天线数N>10⁶时，PCP方案才开始有性能增益。

(3)基于到达角(AOA)的导频污染抑制方法

有研究表明，在实际信道模型中，对于具有相同或非正交导频序列的某些用户，其相互之间可能并不存在干扰。根据关于均匀线阵(ULA)的多径信道模型，从小区l中用户k到基站i的信道矩阵具有如下形式：

$>h_{i,k,l}=\frac{1}{\Theta }\underset{\theta =1}{\overset{\Theta }{\Sigma }}a\left(\theta \right){\eta }_{i,k,l}---\left(3\right)$>

式中，Θ为多径数，独立于路径序号θ，为用户的平均路径损耗，a(θ)为阵列的方向矢量。对于ULA，方向矢量可表示为：

$>a\left(\theta \right)=\left(\begin{array}{c}1\\ e^{-j2\pi \frac{D}{\lambda }\cos \left(\theta \right)}\\ .\\ .\\ .\\ e^{-j2\pi \frac{(N-1)D}{\lambda }\cos \left(\theta \right)}\end{array}\right)---\left(4\right)$>

式中，D为天线间距，λ为载波的波长，θ为具有概率密度函数(PDF)f(θ)的随机到达角(AOA)。经证明，即使用户使用相同的导频序列，但只要相互具有不重叠的AOA的PDF，则其导频难于相互干扰。根据该思想，现有技术还提出了一种降低导频污染的方案，即将相同的导频序列分配给相互具有不重叠AOA的PDF的那类用户。该方法要求各基站处各用户之间的相关矩阵满足其主要子空间不重叠这一条件，而且要求各基站知道其与所有用户间的相关矩阵。也就是说，如果有L个基站，各基站中有K个用户，则要求各基站能获得其与LK个用户间的LK个相关矩阵。

因此，该方法具有以下缺陷：

A、该方法要求各基站处各用户之间的相关矩阵满足其主要子空间不重叠这一条件，而且要求各基站知道其与所有用户间的相关矩阵。也就是说，如果有L个基站，各基站中有K个用户，则要求各基站能获得其与LK个用户间的LK个相关矩阵。但是，实际上基站难于获取LK个相关矩阵的信息。

B、当不同小区中2个用户到某一基站具有相近的AOA时，则该基站无法区分这两个用户，从而导致上行导频污染。

(4)基于子空间划分技术的导频污染盲抑制方法

基于子空间划分技术的方法同样能抑制导频污染。在现有技术中，提出了基于特征值分解(EVD)的信道估计和迭代投影最小二乘的信道矢量估计方法。基于特征值分解(EVD)的信道估计方法要求不同用户的信道矢量是正交的，该假设使得基站能利用接收数据的统计量来估计信道矢量。这类方法内在的乘性标量模糊度可利用相互正交的小区导频序列来解决。

该方法可总结如下：在上行链路传输阶段，用户先发送数据信号，然后发送小区导频序列。

估计过程包括如下步骤：

步骤1：估计接收信号的协方差矩阵：

$>R_{y_l^u}=E\left[y_l^u{\left(y_l^u\right)}^H\right]\approx {\hat{R}}_{y_l^u}=\frac{1}{T}\underset{t=1}{\overset{T}{\Sigma }}{y}_l^u\left[t\right]{\left(y_l^u\right[t\left]\right)}^H---\left(5\right)$>

式中，为第lth个基站在时刻t的接收信号。

步骤2：求解N×K维矩阵U_l，其第k列为对应于接近于特征值Nρ_ud_l,l,k的特征矢量。而且，借助于导频序列，可获得乘性矩阵Ξ_l的估计值

步骤3：计算估计值$>{\hat{G}}_{l,l}=U_l{\hat{\Xi }}_l.---\left(6\right)$>

但是，如果相邻两小区中使用相同导频序列的两个用户都位于边沿且相距较近时，两个用户很可能处于相同的子空间中，则EVD方法难于将两个用户的子空间分开。此时，基于EVD的盲方法将无法有效降低导频污染。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种TDD模式massiveMIMO系统中上行导频的选择与分配方法，通过用户与基站间的信息交互和基站间的信息交互，有效地降低了TDD模式massiveMIMO系统中的上行导频污染。

为实现上述目的及其他相关目的，本发明提供一种TDD模式massiveMIMO系统中上行导频的选择与分配方法，假设TDD模式的massiveMIMO系统有L个小区，各基站有M根天线，最多有K条上行导频序列导频序列a_k，k＝1,2,…,K，各小区中有K个用户；各基站将K条上行导频序列a_k分配给小区中的K个用户，用户k使用导频序列a_k；上行导频的选择与分配方法包括以下步骤：

步骤S1：假设小区l中使用导频序列a_k的用户k的DTX模式为p_l,k，小区l将本小区的相关导频使用信息以格式{小区l的ID：(用户k上行导频序列a_k的序号、用户k的DTX模式p_l,k、k＝1,2,…,K)}交互给其相邻的(L-1)个小区；

步骤S2：当小区l的基站接收到来自相邻(L-1)个小区的相关导频使用信息{小区j的ID：(用户k上行导频序列a_k的序号，用户k的DTX模式p_j,k，k＝1,2,…,K)，j＝1,…,l-1,l+1,…,L}后，根据本小区和相邻小区中使用导频序列a_k的用户的DTX模式，计算相邻(L-1)个小区中使用导频序列a_k的用户的发送信号期间的并集，得到相邻(L-1)个小区中使用导频序列a_k的总DTX模式，并计算总DTX模式的补集

假设在总观察时间中小区l的基站接收到T_p个接收信号样本，其中的发送信号期间中有T_a个接收信号样本，且的发送信号期间中有T_b＝(T_p-T_a)个接收信号样本；

根据T_a和T_b的关系确定本小区中使用导频序列a_k的用户k是否能与相邻(L-1)个小区中使用导频序列a_k的用户使用相同的上行导频序列a_k。

根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：所述步骤S2中，小区l的基站的上行链路接收信号为

$>Y_l^p=\sqrt{{\rho }_p}\underset{j=1}{\overset{L}{\Sigma }}{H}_{l,l}{a}_k+w_l^p$>

其中，ρ_p表示上行导频的发射功率，H_l,j表示小区j中使用导频序列a_k的用户与小区l的基站之间的信道矩阵，为加性高斯白噪声。

根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：如果T_b的长度能够计算小区l中使用导频序列a_k的用户的上行链路基站处接收信号的空间相关矩阵，则小区l的基站分别计算的发送信号期间和的发送信号期间中接收信号的空间相关矩阵；

在的发送信号期间，基站只接收到其相邻(L-1)个小区中用户的发送导频信号，接收信号表示为

$>\left(\begin{array}{cc}{y}_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1,j\ne l}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p& t\in {\tilde{p}}_{l,k}\end{array}\right)$>

在的发送信号期间的空间相关矩阵如下：

$>{\hat{R}}_{a,k}=\underset{t\in {\tilde{p}}_k}{\Sigma }{y}_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H$>

的特征值分解为以得到对应于主特征值的特征矢量矩阵

在的发送信号期间，基站只接收到其本小区中用户k发送的导频信号，即接收信号表示为

$>\left(\begin{array}{cc}{y}_l^p\left(t\right)=\sqrt{{\rho }_p}{H}_{l,j}{a}_k+w_l^p& t\in {\tilde{p}}_{l,k}^c\end{array}\right)$>

在的发送信号期间的空间相关矩阵如下：

$>{\hat{R}}_{a,k}=\underset{t\in {\tilde{p}}_{l,k}^c}{\Sigma }{y}_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H$>

的特征值分解为以得到对应于主特征值的特征矢量矩阵

小区l的基站根据和的关系，确定小区l中用户k能否与相邻小区中使用导频序列a_k的用户使用相同的导频序列a_k。

进一步地，根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：小区l的基站根据和的关系，确定小区l中用户k能否与相邻小区中使用导频序列a_k的用户使用相同的导频序列a_k时，

如果小区l使用导频序列a_k的用户不能与相邻小区中使用导频序列a_k的用户使用相同的上行导频序列a_k；

如果小区l使用导频序列a_k的用户k能与相邻小区中使用导频序列a_k的用户使用相同的上行导频序列a_k。

根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：如果小区l的相邻(L-1)个小区中使用导频a_k序列的用户都没有使用DTX传输模式，则此时小区l的基站为本小区中使用导频a_k序列的用户k配置一个短期的DTX传输模式p_l,k，并通知该用户进入DTX传输模式p_l,k；收到该配置信息后，该用户进入该DTX传输模式p_l,k；

小区l中基站分别计算p_l,k的发送信号期间p′_l,k和不发送导频信号期间p″_l,k中接收信号的空间相关矩阵，并分别确定相邻小区和本小区中使用导频序列a_k的移动用户的主特征值的特征矢量矩阵；

根据两个主特征值的特征矢量矩阵间的关系来确定本小区中用户k和相邻小区中的用户k是否能使用相同的导频序列a_k。

进一步地，根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：根据两个主特征值的特征矢量矩阵间的关系来确定本小区中用户k和相邻小区中的用户k是否能使用相同的导频序列a_k时，

在小区l中用户k的发送导频序列a_k期间p′_l,k，服务基站同时接收到该用户发送的导频序列a_k和邻小区用户发送的导频序列a_k，接收信号表示为：

$>y_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p$>

p_k的发送信号期间的相关矩阵如下：

$>{\hat{R}}_{a,k}=\Sigma y_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H$>

的特征值分解为并得到对应于其主特征值的特征矢量矩阵

在小区l中用户k的不发送导频序列a_k期间p″_l,k，服务基站只接收到其相邻(L-1)小区用户发送的导频序列a_k；接收信号表示为：

$>Y_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1,j\ne 1}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p$>

接收信号的相关矩阵为：

$>{\hat{R}}_{b,k}=\Sigma y_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H$>

的特征值分解为并得到对应于其主特征值的特征矢量矩阵

小区l的基站根据和的维数关系，确定其本小区中用户k和相邻(L-1)个小区中的用户k是否能使用相同的导频序列a_k。

更进一步地，根据上述的TDD模式massiveMIMO系统中上行导频的选择与分配方法，其中：小区l的基站根据和的维数关系，确定其本小区中用户k和相邻(L-1)个小区中的用户k是否能使用相同的导频序列a_k时，

如果的维数与的维数相同，小区l使用导频序列a_k的用户不能与相邻小区中使用导频序列a_k的用户使用相同的上行导频序列a_k；

如果的维数大于的维数，小区l使用导频序列a_k的用户能与相邻小区中使用导频序列a_k的用户使用相同的上行导频序列a_k。

如上所述，本发明的TDD模式massiveMIMO系统中上行导频的选择与分配方法，具有以下有益效果：

(1)通过用户与基站间的信息交互和基站间的信息交互，有效地降低了TDD模式massiveMIMO系统中的上行导频污染；

(2)这些信息交互都有可能在未来的massiveMIMO系统中有被标准化。

附图说明

图1显示为现有技术中小区大规模MU-MIMO系统的示意图；

图2显示为现有技术中基于时移的导频方案的示意图；

图3显示为本发明的TDD模式massive-MIMO系统中上行导频的选择与分配方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的TDD模式massive-MIMO系统中上行导频的选择与分配方法中，首先，各小区将本小区的相关导频序列使用信息交互给相邻小区，各小区基站将小区中用户的上行导频序列使用信息及DTX模式交互给相邻各基站；然后，基站根据来自相邻小区基站的相关导频序列使用信息的交互信息，确定本小区中使用某一上行导频序列的用户与该小区基站间信道矩阵的主要子空间，及其相邻小区中使用相同上行导频序列的用户与该小区基站间信道矩阵的主要子空间；最后，由所得两个主要子空间的关系来判断本小区中的用户是否能与相邻小区中的用户使用相同的上行导频序列。

假设TDD模式的massiveMIMO系统有L个小区，各基站有M根天线。而且，假设最多有K条上行导频序列导频序列a_k(k＝1,2,…,K)，且各小区中有K个用户。此外，假设各基站将K条上行导频序列a_k分配给小区中的K个用户，及假设用户k使用导频序列a_k。

参照图3，本发明的TDD模式massive-MIMO系统中上行导频的选择与分配方法包括以下步骤：

步骤S1：假设小区l中使用导频序列a_k的用户k的DTX(用户断续传播)模式为p_l,k，小区l将本小区的相关导频使用信息以格式{小区l的ID：(用户k上行导频序列a_k的序号、用户k的DTX模式p_l,k、k＝1,2,…,K)}交互给其相邻的(L-1)个小区。

步骤S2：当小区l的基站接收到来自相邻(L-1)个小区的相关导频使用信息{小区j的ID：(用户k上行导频序列a_k的序号，用户k的DTX模式p_j,k，k＝1,2,…,K)，j＝1,…,l-1,l+1,…,L}后，根据本小区和相邻小区中使用导频序列a_k的用户的DTX模式，计算相邻(L-1)个小区中使用导频序列a_k的用户的发送信号期间的并集，得到相邻(L-1)个小区中使用导频序列a_k的总DTX模式，并计算总DTX模式的补集

假设在总观察时间中小区l的基站接收到T_p个接收信号样本，其中的发送信号期间中有T_a个接收信号样本，且的发送信号期间中有T_b＝(T_p-T_a)个接收信号样本。小区l的基站的上行链路接收信号具有如下形式:

$>Y_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p---\left(7\right)$>

式中，ρ_p表示上行导频的发射功率，H_l,j表示小区j中使用导频序列a_k的用户与小区l的基站之间的信道矩阵，为加性高斯白噪声。

根据T_a和T_b的关系，小区l的基站分如下两种情形(当为其它情形时，采用类似的处理方法)来确定本小区中使用导频序列a_k的用户k是否能与相邻(L-1)个小区中使用导频序列a_k的用户使用相同的上行导频序列a_k：

A、情形1：

如果T_b的长度足以计算小区l中使用导频序列a_k的用户的上行链路基站处接收信号的空间相关矩阵，则小区l的基站分别计算的发送信号期间和的发送信号期间中接收信号的空间相关矩阵。

因为在的发送信号期间，基站只接收到其相邻(L-1)个小区中用户的发送导频信号，即接收信号可表示为

$>\left(\begin{array}{cc}{y}_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1,j\ne l}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p& t\in {\tilde{p}}_{l,k}\end{array}\right)---\left(8\right)$>

计算在的发送信号期间的空间相关矩阵如下：

$>{\hat{R}}_{a,k}=\underset{t\in {\tilde{p}}_k}{\Sigma }{y}_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H---\left(9\right)$>

然后，计算的特征值分解并由此得到对应于其主特征值的特征矢量矩阵

另一方面，在的发送信号期间，基站只接收到其本小区中用户k发送的导频信号，即其接收信号可表示为

$>\left(\begin{array}{cc}{y}_l^p\left(t\right)=\sqrt{{\rho }_p}{H}_{l,l}{a}_k+w_l^p& t\in {\tilde{p}}_{l,k}^c\end{array}\right)---\left(10\right)$>

然后，计算在的发送信号期间的空间相关矩阵如下：

$>{\hat{R}}_{a,k}=\underset{t\in {\tilde{p}}_{l,k}^c}{\Sigma }{y}_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H---\left(11\right)$>

然后，计算的特征值分解并由此得到对应于其主特征值的特征矢量矩阵

最后，小区l的基站根据和的关系，确定小区l中用户k能否与相邻小区中使用导频序列a_k的那些用户使用相同的导频序列a_k。具体如下：

a)如果表明小区l中使用导频序列a_k的用户k与小区l基站间的信道矩阵及相邻(L-1)个小区中使用导频序列a_k的那些用户与小区l基站间的信道矩阵之间具有很强的相关性。此时，小区l使用导频序列a_k的用户与其邻小区用户的上行导频间存在强干扰。所以，小区l使用导频序列a_k的用户不能使用a_k，需要为该用户分配其他上行导频序列；

b)如果则小区l使用导频序列a_k的用户k与其邻小区用户的上行导频间不存在强干扰。此时，小区l使用导频序列a_k的用户k与其邻小区中的那些用户能使用相同的上行导频序列a_k。

B、情形2：

如果小区l的相邻(L-1)个小区中使用导频a_k序列的那些用户都没有使用DTX传输模式(即T_b＝0)，则此时小区l的基站为本小区中使用导频a_k序列的用户k配置一个短期的DTX传输模式p_l,k(无需通知其相邻基站)，并通知该用户进入DTX传输模式p_l,k。收到该配置信息后，该用户进入该DTX传输模式p_l,k。

然后，小区l中基站BS分别计算p_l,k的发送信号期间p′_l,k和不发送导频信号期间p″_l,k中其接收信号的空间相关矩阵，并分别确定相邻小区和本小区中使用导频序列a_k的移动用户的主特征值的特征矢量矩阵。

然后，根据两个主特征值的特征矢量矩阵间的关系来确定本小区中用户k和邻小区中的用户k是否能使用相同的导频序列a_k。

具体的确定方法如下：

在小区l中用户k的发送导频序列a_k期间p′_l,k，服务基站同时接收到该用户发送的导频序列a_k和其邻小区用户发送的导频序列a_k。因此，此时的接收信号可表示为：

$>y_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p---\left(12\right)$>

然后，计算p_k的发送信号期间的相关矩阵如下：

$>{\hat{R}}_{a,k}=\Sigma y_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H---\left(13\right)$>

然后，计算的特征值分解并由此得到对应于其主特征值的特征矢量矩阵

另一方面，在小区l中用户k的不发送导频序列a_k期间p″_l,k，服务基站只接收到其相邻(L-1)小区用户发送的导频序列a_k。因此，此时的接收信号表示为：

$>Y_l^p\left(t\right)=\sqrt{{\rho }_p}\underset{j=1,j\ne 1}{\overset{L}{\Sigma }}{H}_{l,j}{a}_k+w_l^p$>

类似地，计算接收信号的相关矩阵：

$>{\hat{R}}_{b,k}=\Sigma y_l^p\left(t\right){\left[y_l^p\left(t\right)\right]}^H---\left(14\right)$>

类似地，计算的特征值分解并由此得到对应于其主特征值的特征矢量矩阵

最后，小区l的基站根据和的维数关系，确定其本小区中用户k和相邻(L-1)个小区中的用户k是否能使用相同的导频序列a_k，具体如下：

a)如果的维数与的维数相同，则表明如下两个信道是高度相关的：小区l中用户k与其服务基站间的信道矩阵，和其相邻(L-1)小区中用户k到该基站的信道矩阵。此时，小区l使用导频序列a_k的用户k与其相邻(L-1)小区中用户的上行导频之间将存在强干扰。所以，小区l中的用户k不能使用上行导频序列a_k，需要为该用户分配其他上行导频序列。

b)如果的维数大于的维数，则表明如下两个信道的相关性差：小区l中用户k与其服务基站间的信道矩阵，和其相邻(L-1)小区中用户k到该基站的信道矩阵。此时，小区l使用导频序列a_k的用户k与其相邻(L-1)小区中用户的上行导频之间不存在强干扰。所以，此时小区l中的用户k能使用上行导频序列a_k。

综上所述，本发明的TDD模式massiveMIMO系统中上行导频的选择与分配方法通过用户与基站间的信息交互和基站间的信息交互，有效地降低了TDD模式massiveMIMO系统中的上行导频污染；这些信息交互都有可能在未来的massiveMIMO系统中有被标准化。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。