使用迫零波束成形矩阵的近似的多用户MIMO无线通信的方法

摘要

本发明提出了用于MU‑MIMO无线通信系统中信号检测和传输的方法，用于逆矩阵近似误差计算，以自适应地选择MU‑MIMO组中的多路复用UE的数量，以便自适应选取适合于并入了矩阵逆的近似误差的MU‑MIMO信道质量的调制和信道编码方案。

说明书

本申请要求2014年9月27日提交的美国临时申请No.62/056,489的权益。

技术领域

本发明的领域是无线通信，更具体地，涉及多用户(MU)多输入多输出(MIMO)无线通信系统中的信号检测和传输的方法，特别涉及逆矩阵近似误差计算的方法、选择MU-MIMO组中多路复用的用户设备(UE)的数量的方法以及选取适当的调制和编码方案(MCS)的方法。

背景技术

在大规模的MIMO系统[1]中，每个基站(BS)配备有数十到数百或数千个天线，以在相同时频资源中服务于数十个或更多的UE。因此，它们相比于传统MU-MIMO系统可以实现显著更高的空间复用增益，这是大规模MIMO系统最重要优点之一，即在不增加功率或带宽的情况下提供线性容量增长的潜在能力[1]-[3]。

已经表明，在天线数量M(例如M＝128)远大于服务的UE上的天线数量K(例如K＝16)的大规模MIMO系统中[2]、[3]，基于迫零(ZF)的预编码和检测方法(例如ZF，正则化ZF(RZF),线性最小均方差(LMMSE))可以实现分别与下行链路和上行链路的信道容量非常接近的性能[2]。因此，ZF已被认为是用于大规模MIMO系统的潜在可行预编码和检测方法[2]-[4]。不失一般性地，下文假设每个UE仅具有一个天线，因此所服务的UE上的天线数量K等于所服务的UE的数量。

在基于ZF的检测或预编码方法的硬件实现方案中，尽管M数量非常大，但主要的复杂性是K×K矩阵的逆[2],[5],[6]。不幸的是，对于大规模MIMO系统，尽管K比M小得多，但仍然比传统MU-MIMO系统要大得多。因此，在这种情况下，K×K矩阵的逆的精确计算可能导致非常高的复杂度[6]，这可能导致大的处理延迟，从而不能满足信道相干时间的需求。因此，在大规模MIMO系统的硬件实现方案中，已经考虑NS(Neumann Series)计算近似逆矩阵(AIM)[2],[5],[6]。

对于MU通信系统中的特定资源元素，例如频域中的子载波，在BS侧接收到的基带信号向量在上行链路传输中表示为y＝Hs+n+I_int，其中H是这些K个UE和BS之间的无线信道矩阵，s是发送的信号向量，n是硬件热噪声，I_int是干扰。利用基于ZF的检测方法，K个UE发射的信号被估计为其中是这些K个UE与BS之间的测量的信道矩阵，I_K是K阶的单位矩阵，α是满足α≥0的缩放因子。令其中D是包括G的对角元素的对角矩阵，E是包括G的非对角元素的空心矩阵，则G^-1的NS可以写为对于硬件实现方案，逆矩阵G^-1可以近似为其中N是NS的计算过程终止行列数。类似地，为了获得下行链路中的预编码矩阵，还涉及计算逆矩阵。结果，上行链路中的估计信号或下行链路中的发送信号中引入额外的近似误差，他们使得系统性能下降。对于硬件设计，计算过程终止行列数N和可容忍误差之间存在折衷，因此N需要足够大到确保系统性能，例如所需的频谱效率，同时将所需的计算资源保持尽可能低以减少计算时间和/或硬件成本。由于这些原因，本专利中提供的发明可以用于估计NS的近似误差，并且自适配地选择系统参数，例如计算过程终止行列数N，MCS和多路复用的UE的数量K。结果，可以以更低的硬件成本确保系统的鲁棒性。

发明目的

本发明提供了估计逆矩阵近似误差的方法和选择可在大规模MIMO系统中实现以提高系统性能的相关系统参数的流程图。

本发明的一目的是提供用于计算在硬件实现中应用AIM的近似误差所引起的信号干扰比(SIR)的方法。

本发明的一目的是提供根据AIM引起的SIR自适配地选择NS计算过程终止行列数N和多路复用UE数量K的方法。

本发明的一目的是提供通过并入AIM的近似误差来修改每个UE的信道质量指示符(CQI)并为每个UE选择适当的MCS的方法。

发明内容

对于上行链路中的基于ZF的检测或下行链路中的预编码，针对要根据BS的天线数量和多路复用UE的数量来检测或预编码的资源块(RB)计算由AIM的近似误差引起的SIR。利用该SIR，BS可以选择NS的计算过程终止行列数的适当值和多路复用的UE的数量。此外，BS可以修改每个UE的CQI，并为每个UE选择适当的MCS。

附图说明

作为结合附图对本发明的各个方面的以下详细描述的结果，将更清楚地理解本发明的上述实现和另外的实现。在附图的几个视图中，相同的附图标记表示相应的部分。

图1示出典型的大规模MU-MIMO通信系统。

图2示出通过在上行链路中并入AIM的近似误差来为每个UE选择MCS的处理。

图3示出用于针对给定M确定服务的UE的数量K的流程图。

具体实施方式

图1示出典型的大规模MU-MIMO通信系统，其中BS 1配备有大量天线2，以在相同时频资源中服务于多个UE 3。对于这样的系统，可以使用NS来近似用于上行链路中基于ZF的检测方法和下行链路中预编码方法的逆矩阵。具有各种数量的收发天线、多路复用UE和计算过程终止行列数的AIM的近似误差所引起的SIR可以通过下面给出的公式(1)-(4)来计算。此外，这些值可以离线计算并预先存储在BS的存储器中，例如以查找表的形式。例如，令M，K和N分别表示上述三个数，其中N<4，则SIR由以下公式计算。

其中β₁,β₂,β₃和β₄是参数α，M，K和N确定的缩放因子，例如当α＝0时，则β₁＝β₂＝β₃＝β₄＝1。

对于上行链路数据传输，假设接收天线的数量为M，并且特定RB上复用的UE的数量为K，以下给出了三种抵御AIM的近似误差的方法。

方法-1

在BS中配置NS的最小计算过程终止行列数N_min，N_min<4。当BS检测属于特定RB上K个UE的信号时，首先找到由MCS_max表示的这些K个UE的最大MCS。然后，将SINR_MCSmax表示的MCS_max的最小所需SINR与SIR_Nmin(M,K)进行比较。如果SINR_MCSmax≤SIR_Nmin(M,K)，则BS将在当前RB上采用N_min用于NS。否则，BS将找到最小N，N≤4，使得SINR_MCSmax≤SIR_N(M,K)。如果不能找到满足条件的数量N，则BS将选择N＝8。

方法-2

当BS根据其CQI为RB上多路复用的每个UE选择MCS时，首先通过并入AIM的近似误差来修改每个UE的CQI。然后，根据修改后的CQI为每个UE选择MCS。例如，令CQI_k表示修改前的第k(k＝1,...,K)个UE的线性CQI值，则BS根据下式将其修改为

其中，M和K分别表示BS处的接收天线的数量和RB上多路复用的UE的数量。最后，BS根据为第k个UE选择MCS。该处理图示在图2中，其在BS调度RB上的K个UE(5)时开始(4)。然后，当BS根据其估计的CQI选择在该RB上多路复用的每个UE的MCS时，其首先通过并入AIM的近似误差来修改每个UE的CQI(6)。此后，根据修改的CQI选择MCS(7)，之后处理结束(8)。

方法-3

在BS中为NS配置计算过程终止行列数N的固定值。对于上行链路传输中的每个允许的MCS，离线地计算RB上多路复用的UE的最大数量并将其存储在BS的存储器中。例如，假设无线通信系统的上行链路传输中的L_UL>thMCS，系统指定的块错误率(BLER)的最小所需SINR为SINR_l^min，则多路复用的UE的最大数量可以计算为：

因此，l^th(l＝1，...，L_UL)MCS级别及其相应的K_l存储在BS的存储器中。对于每个RB，BS可以根据(6)确定出的其关系式确定最高的MCS级别和相应最大数量的多路复用UE。

对于下行链路数据传输，假设发射天线的数量为M，当前RB上多路复用的UE的数量为K，以下给出了三种抵御近似误差的方法。

方法-1

在BS中配置NS的最小计算过程终止行列数N_min，N_min<4。当BS计算特定RB上K个UE的预编码矩阵时，首先找到由MCS_max表示的这些K个UE的最大MCS。然后，将SINR_MCSmax表示的MCS_max的最小所需SINR与SIR_Nmin(M,K)进行比较。如果SINR_MCSmax≤SIR_Nmin(M,K)，则BS将在当前RB上采用N_min用于NS。否则，BS将找到最小N，N≤4，使得SINR_MCSmax≤SIR_N(M,K)。如果不能找到满足条件的数量N，则BS将选择N＝8。

方法-2

例如，令CQI_k表示修改前的第k个UE的线性CQI值，则BS根据下列公式将其修改为

其中，M和K分别表示BS处的发射天线的数量和RB上多路复用的UE的数量。最后，BS根据为第k个UE选择MCS。

方法-3

在BS中为NS配置计算过程终止行列数N的固定值。对于下行链路传输中的每个允许的MCS，离线地计算RB上多路复用的UE的最大数量并将其存储在BS的存储器中。例如，假设无线通信系统的下行链路传输中共计L_DL>l^min，则多路复用的UE的最大数量可以计算为：

因此，l^th(l＝1，...，L_DL)MCS级别及其相应的K_l存储在表格中。对于每个RB，BS可以根据(8)确定出的关系式确定最高的MCS级别和相应最大数量的多路复用UE。

另一实施例提供了一种在计算AIM时估计NS的收敛概率的方法。给定BS天线数量M，对于作为大规模MIMO系统中有效方法的基于NS的AIM，该估计可用于确定所服务的UE的最大数量K。这些估计中的一个给定为其表明基于NS的AIM具有非常高的收敛概率。

以非常高概率作为对角占优矩阵(DDM)的的更严格条件(其导致良好的具有小数量N的基于NS的AIM)被给出为

其中，E(x)＝(M-1)B(1.5，M-1)并且其中E(x²)＝(M-1)B(2，M-1)。a和b为复数值数字的函数B(a,b)是按照如下定义的β函数

该条件可用于确定所服务的UE的最大数量K，给定NS天线的数量M，以便基于NS的AIM实现良好的性能和快速收敛(即，具有小的N)，用于ZF解码或检测。

图3示出了针对给定的M确定所服务的UE的数量K以确保高收敛概率和/或快速收敛的流程图。处理开始于9，此时选择或获得BS天线的数量M(步骤10)。然后，以足够大的M/S比率得到所服务的UE的数量S，以实现高收敛概率或DDM的高概率，使得NS在N很小的情况下收敛11。此后，BS选择K≤S个UE服务12，之后处理结束13。

虽然本发明的优选实施例的前述描述已经示出、描述或图示了本发明的基本新颖特征或原理，但要理解，本领域技术人员可以在不脱离本发明的精神的情况下，进行图示的这些方法、要素或装置以及其用途的细节形式上的各种省略、替换和变化。因此，本发明的范围不应该限于前述的描述。

而是，本发明的原理可以应用于广泛范围的方法、系统和装置，以实现本文所述的优点并且实现其它优点或者同样满足其他目的。