基于压缩感知的C-RAN架构大规模MIMO系统的数据传输方法

摘要

本发明提供一种基于压缩感知的C‑RAN架构大规模MIMO系统的数据传输方法，包括以下步骤：集中式基带处理池BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h；BBU利信道向量h进行随机测量得到压缩感知模型中的测量向量y；BBU向各射频拉远单元RRU发送测量向量y和数据符号向量s；RRU根据接收到的测量向量y和压缩感知算法得到信道矩阵重构信号

说明书

技术领域

本发明属于无线移动通信技术，特别涉及基于无线接入网C-RAN架构大规模多输入多输 出技术MIMO系统的数据传输技术。

背景技术

多输入多输出技术MIMO是指在发射端和接收端分别使用多个发射天线和接收天线，使 信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资 源，在不增加频谱资源和天线发射功率的情况下，成倍地提高系统信道容量。大规模多输入 多输出(MassiveMIMO)即天线数可达上百根，可以更大程度地提高系统容量，同时可以节省 传输能量。

由集中式基带处理池BBU、射频拉远单元RRU和天线组成的协作式无线网络和基于开 放平台的实时云型基础设施组成的的无线接入网C-RAN，可以降低能源消耗、减少资本开支 和运营开支，基于负载自适应资源分配、提高频谱效率和网络容量、增加用户带宽，支持多 种无线通信标准和平滑升级，为终端用户提供更好的无线接入服务。

在C-RAN架构大规模MIMO系统中，RRU侧的天线数目可达到上百根，BBU与RRU 之间需要实现灵活的数据交换，高带宽、高实时性的数据传输给交换网络带来巨大的压力。 因此，需要对数据进行压缩以降低数据传输对交换网络的带宽要求。

预编码技术就是在已知信道状态信息的情况下，通过在发送端对发送信号做预处理，以 提高系统容量或降低系统误码率。在大规模MIMO系统中，由于物理天线间的距离有限，物 理信道具有很强的相关性。

目前，C-RAN架构大规模MIMO系统中的数据传输方法主要有两种：预编码后 (After-precoding)方法和预编码前(Before-precoding)方法(SangkyuPark,Chan-byoungChae, SaewoongBahk,Before/afterprecodedmassiveMIMOincloudradioaccessnetworks,IEEE InternationalConferenceonCommunicationsWorkshops(ICC),2013)。预编码后方法BBU传输 预编码后的IQ数据给RRU。预编码前方法BBU将数据符号和预编码矩阵分别传输给RRU， 之后在RRU侧进行预编码操作。其中预编码后方法所传输的比特速率与RRU侧发送天线数 目成正比，在MassiveMIMO系统中，BBU与RRU之间的交互信息量较大，对BBU与RRU 间的传输带宽要求较高。相比预编码后方法，预编码前方法BBU与RRU之间的交互信息量 减小，对传输带宽要求也减小，但仍对现有的传输网络带来巨大的压力。

发明内容

本发明所要解决的技术问题是，提供一种大幅度减小BBU与RRU之间的交互信息量的 基于C-RAN架构大规模MIMO系统的数据传输方法。

本发明为解决上述技术问题所采用的技术方法是，基于压缩感知的C-RAN架构大规模 MIMO系统的数据传输方法，包括以下步骤：

步骤1：集中式基带处理池BBU对信道估计得到的信道矩阵H进行向量化，得到信道向 量h；

步骤2：BBU利信道向量h进行随机测量得到压缩感知模型中的测量向量y；

所述压缩感知模型为y＝Φh＝ΦΨθ＝Aθ；Φ表示随机测量矩阵，h＝Ψθ表示原始信号， Ψ表示稀疏矩阵，θ表示稀疏度为K的稀疏信号，A＝ΦΨ表示传感矩阵；其中Φ和Ψ均为 参数化矩阵，BBU和RRU均已知随机测量矩阵Φ和稀疏矩阵Ψ；

步骤3：BBU向各射频拉远单元RRU发送测量向量y和数据符号向量s；

步骤4：RRU根据接收到的测量向量y和压缩感知算法得到信道矩阵重构信号

步骤5：RRU利用信道矩阵计算预编码矩阵W；

步骤6：RRU利用预编码矩阵W和数据符号向量s进行预编码，计算得到发送信号向量x。

本发明基于预编码前方法进行了改进，在BBU与RRU之间的交互过程中引入了压缩感 知技术，利用信号的稀疏特性，在远小于奈奎斯特采样率的条件下，在BBU用随机采样获取 信号的离散样本，然后在RRU通过非线性重建算法重建信号，使得BBU与RRU之间的交 互信息量更小。

本发明的有益效果是，采用压缩感知方法对信道状态信息进行压缩，重建然后进行预编 码，在BBU与RRU间的传输带宽受限的情况下，大幅度提高了系统容量。

附图说明

图1是本发明系统的基本结构示意图。

图2是在信噪比ρ＝10dB预编码矩阵更新频率f_w＝1/(10ms)时本发明实施例和对比例在 不同用户数k下的系统总速率示意图。

图3是在信噪比ρ＝10dB预编码矩阵更新频率f_w＝1/(5ms)时本发明实施例和对比例在 不同用户数k下的系统总速率示意图。

图4是在信噪比ρ＝0dB预编码矩阵更新频率f_w＝1/(10ms)时本发明实施例和对比例在 不同用户数k下的系统总速率示意图。

图5是在信噪比ρ＝0dB预编码矩阵更新频率f_w＝1/(5ms)时本发明实施例和对比例在不 同用户数k下的系统总速率示意图。

具体实施方式

下面对本发明的实施案例做详细说明。本实施案例在本发明技术方案为前提下实施，给 出了详细的实施方式和具体的过程，但本发明的实施范围不只限于描述的场景。

将本发明的数据传输方法用于C-RAN架构大规模MIMO单小区系统，RRU的天线数目 为M，小区中的用户数为K，且K<M。正交频分复用OFDM子载波数量为N_Sub，符号速率 为f_Sym，每个IQ数据采样比特为b_IQ，解调信号比特为b_DS，BBU与RRU间的传输带宽为φ。 本具体实施方式中M＝400，K＝200，N_Sub＝2048，f_Sym＝1/(66.7us)，b_IQ＝40bits，b_DS＝7bits， φ＝49.1Gbps。

针对本实施例，本发明提供的基于压缩感知的C-RAN架构大规模MIMO系统的数据传 输方法，主要包括以下步骤：

步骤1：BBU对信道估计得到的信道矩阵H进行向量化，得到信道向量h，其中 h＝vec(H)。其中H∈C^k×m，k表示需要发送信息的用户数，m表示用于发射信号的天线数， C^k×m表示k×m维的复数矩阵。vec(·)表示向量化运算，即把矩阵的列向量按照在矩阵中的排 列次序排成列向量。

步骤2：BBU利用步骤1得到的信道向量h进行随机测量得到压缩感知模型中的测量向 量y。其中y＝Φh∈C^αkm×1，C^αkm×1表示αkm×1维复数矩阵，Φ表示随机测量矩阵，Φ∈R^αkm×km， R^αkm×km表示αkm×km维实数矩阵，α为压缩率且0<α≤1。本实施例中Φ中的元素为独立同 分布的高斯变量，均值为0，方差为1；α＝1/2。压缩感知模型为y＝Φh＝ΦΨθ＝Aθ。该模 型中，Φ表示随机测量矩阵，h＝Ψθ表示原始信号，Ψ表示稀疏矩阵，θ表示稀疏度为K的 稀疏信号，A＝ΦΨ表示传感矩阵。其中Φ和Ψ均为参数化矩阵，同时BBU和RRU均已知Φ 和Ψ。

步骤3：BBU向各RRU发送测量向量y和数据符号向量s。

步骤4：RRU根据接收到的测量向量y和RRU已知的随机测量矩阵Φ，稀疏矩阵Ψ采 用压缩感知方法得到信道矩阵重构信号

本实施例中，随机测量矩阵Φ中的元素为独立同分布的高斯变量，均值为0，方差为1； 稀疏矩阵其中C_m表示m×m维矩阵，且第(i，j)个矩阵元素满足 i表示矩阵第i行，j表示矩阵第j列且 i,j＝0,…,m-1；C_k表示k×k维矩阵，且第(i，j)个矩阵元素满足i表示矩阵第i行，j表示矩阵第j列且i,j＝0,…,k-1；表示Kronecker 乘积；压缩感知方法中的步长为S＝1。

压缩感知方法具体为步骤(a)-(i)所述：

(a)计算传感矩阵A＝ΦΨ，初始化L＝S,t＝1。

(b)计算u＝abs[A^Tr_t-1]，选择u中L个最大值，将这些值对应传感矩阵A的列序号j构成 集合S_k(列序号集合)，(·)^T表示矩阵转置；

(c)令C_k＝Λ_t-1∪S_k,A_t＝{a_j}(forallj∈C_k)，S_k表示步骤(a)中得到的由传感矩阵A的列 序号构成的集合；

(d)求y＝A_tθ_t的最小二乘解

(e)从最小二乘解中选出绝对值最大的L项记为对应的A_t中的L列记为A_tL，对应 的A的列序号记为Λ_tL，记集合F＝Λ_tL；

(f)更新残差

(g)如果残差r_tnew＝0则停止迭代进入(h)；如果||r_tnew||₂≥||r_t-1||₂，更新步长L＝L+S，返回(b) 继续迭代；前面两个条件依次都不满足，则Λ_t＝F,r_t＝r_tnew,t＝t+1，如果t>αkm停止 迭代进入(h)，否则返回(b)继续迭代；

(h)重构所得在Λ_t处有非零项，其值分别为最后一次迭代所得

(i)利用稀疏矩阵重构信道向量得到信道矩阵重构信号

在上述步骤(a)-(i)中，r₀表示初始残差，r_t表示残差，t表示迭代次数，表示空集，Λ₀表 示初始索引集合，Λ_t表示t次迭代的索引(列序号)集合(元素个数为L，L等于整数倍步长 S)，a_j表示传感矩阵A的第j列，A_t＝{a_j}(forallj∈C_k)表示按索引集合C_k选出的传感矩阵 A的列集合(设列数为L_t)，θ_t为L_t×1的列向量，符号∪表示集合并运算，abs[·]表示求向量 元素绝对值，||·||₂表示向量2范数。

步骤5：RRU利用步骤4得到的信道矩阵可计算得到预编码矩阵W∈C^m×k，其中C^m×k表示m×k维的复数矩阵。

可以选择采用的预编码矩阵为迫零ZF预编码矩阵或最大比传输MRT 预编码矩阵其中(·)^H表示共轭转置，(·)^-1表示矩阵求逆。

步骤6：RRU利用步骤5得到的预编码矩阵W和步骤3得到的数据符号向量s进行预编 码，计算得到发送信号向量x，即x＝Ws。

图1为本发明系统的基本结构示意图，其中信道矩阵向量化对应于步骤1，随机测量对 应于步骤2，重构信道矩阵对应于步骤4，预编码矩阵生成对应于步骤5，发送信号生成对应 于步骤6。

为了评估本发明的性能，在信噪比ρ分别为10dB和0dB，预编码矩阵更新频率f_w分别 为1/(10ms)和1/(5ms)，信道矩阵完美重构的条件下，根据公式(1)比较传输带宽受限情况下不 同用户数k下所能达到的最大信道容量，其中s^B＝"MRT"表示采用最大比传输预编码矩阵， s^B＝"ZF"表示采用迫零预编码矩阵，s^D＝"after"和s^D＝"before"表示背景技术中Sangkyu Park等在”Before/afterprecodedmassiveMIMOincloudradioaccessnetworks”文章中提出的预 编码后方法和预编码前方法，s^D＝"before+CS"表示本发明所提出的方法：

$\underset{\{s^D,s^B,k,m\}}{max}C(s^B,k,m)$

subjectto

$C(s^B,k,m)=\left(\begin{array}{c}{\mathrm{klog}}_2(1+\frac{(m+1)\rho }{(k-1)\rho +k}),s^B={}^{\prime \prime }M{\mathrm{RT}}^{\prime \prime }\\ {\mathrm{klog}}_2(1+\frac{\rho }{k}(m-k+1\left)\right),s^B={}^{\prime \prime }Z{F}^{\prime \prime }\end{array}\right)$

${\theta }_1=\frac{\phi }{N_{Sub}{f}_{Sym}{b}_{IQ}}$

${\theta }_2=\frac{\phi }{N_{Sub}{f}_w{b}_{IQ}}$

${\theta }_3=\frac{f_{Sym}{b}_{DS}}{f_w{b}_{IQ}}$

0＜α≤1

对比例1和对比例2分别为背景技术中SangkyuPark等在”Before/afterprecodedmassive MIMOincloudradioaccessnetworks”文章中提出的预编码后方法和预编码前方法。

由图2可知，当信噪比ρ为10dB，预编码矩阵更新频率f_w为1/(10ms)时，采用MRT预 编码矩阵，本发明系统总速率最大可达114.4bits/Hz，是对比例1最大总速率的2.9倍，是对 比例2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达252.5bits/Hz， 是对比例1最大总速率的3.3倍，是对比例2最大总速率的1.4倍。

由图3可知，当信噪比ρ为10dB，预编码矩阵更新频率f_w为1/(5ms)时，采用MRT预编 码矩阵，本发明系统总速率最大可达83.5bits/Hz，是对比例1最大总速率的2.1倍，是对比例 2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达185.3bits/Hz，是对 比例1最大总速率的2.4倍，是对比例2最大总速率的1.4倍。

由图4可知，当信噪比ρ为0dB，预编码矩阵更新频率f_w为1/(10ms)时，采用MRT预编 码矩阵，本发明系统总速率最大可达86.8bits/Hz，是对比例1最大总速率的3.5倍，是对比例 2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达111.1bits/Hz，是对 比例1最大总速率的4.9倍，是对比例2最大总速率的1.4倍。

由图5可知，当信噪比ρ为0dB，预编码矩阵更新频率f_w为1/(5ms)时，采用MRT预编 码矩阵，本发明系统总速率最大可达62.8bits/Hz，是对比例1最大总速率的2.5倍，是对比例 2最大总速率的1.4倍；采用ZF预编码矩阵，本发明系统总速率最大可达80.5bits/Hz，是对 比例1最大总速率的3.5倍，是对比例2最大总速率的1.4倍。