CN101616427B - 一种基站间的多用户mimo检测方法 - Google Patents

Abstract

本发明公开了一种基站间的多用户MIMO检测方法，包括：对于每个基站所在小区的任一用户，确定本小区和相邻小区中与所述任一用户占用相同时频资源的同频用户；在所述任一用户所在的基站与该任一用户的同频用户所在小区的基站间，共享同频用户的标识信息，用于本小区基站估计其他小区的所述同频用户在本基站的信道特性；每个基站将所在小区的用户与该用户的同频用户一起进行联合检测，得到该用户及其同频用户的检测结果。应用本发明，能够实现多个小区的多用户MIMO联合检测，有效抑制同频干扰，提高***性能。

Description

一种基站间的多用户MIMO检测方法

技术领域

本发明涉及多输入多输出(MIMO)信号检测的技术，特别涉及一种基站间的多用户MIMO检测方法。

背景技术

对MIMO通信***而言，在联合差错概率最小的意义上最优的检测方法是最大似然(ML)方法或者最大后验概率(MAP)方法，但是，这两种检测方法的复杂度都很高，很难在实际***中应用。而实际应用的需求使得MIMO检测算法的研究主要集中在寻求低复杂度的高性能检测器上。

目前，低复杂度高性能的检测方法主要包括：线性迫零(ZF)算法、结合顺次串行干扰消除(OSIC，Ordered Successive Interference Cancellation)的ZF-OSIC算法、线性最小均方误差(MMSE，Minimum Mean Square Error)算法、MMSE-OSIC算法、QR分解(QRD)算法、排序QRD算法、球译码(Sphere Decoding，SD)算法、QRD-M算法、半定松弛检测(SDR，SemidefiniteRelaxation)算法、概率数据关联(PDA，Probabilistic Data Association)算法等等。其中SD算法是迄今为止性能最接近最大似然算法的次优检测算法。在理想情况即搜索不失败的条件下，其理论性能与最大似然算法相同。虽然SD算法在大多数中等规模无线通信***的应用环境中平均计算复杂度为多项式复杂度，但在最坏情况下仍然是指数复杂度。

SDR算法将MIMO检测问题建模为一个半正定规划问题，然后松弛为凸优化问题利用数值计算的内点算法求解，可以达到接近于最大似然算法的检测性能，而只付出多项式计算复杂度。和SD算法最坏情况下的指数复杂度相比，SDR算法的最坏情况复杂度仍然是多项式复杂度，但缺点在于SDR算法是一个近似算法，只能在性能上接近最大似然算法，且其多项式复杂度的阶数仍然较高。另外，对于不同的调制方式，SDR算法的具体形式也不同，没有一个通用的算法形式，实际应用的复杂度较高。

PDA算法是另一种比较重要的次优检测算法。该算法利用高斯近似，去估计各个发射天线数据符号的后验概率，可以说是MAP算法的一种近似形式。它比较适用于规模较大的通信***，而对于规模较小的***，性能有所降低，但好于MMSE-OSIC算法，而差于球译码算法和SDR算法。从复杂度方面看，PDA算法的最坏情况复杂度也是多项式复杂度，且低于SDR算法的最坏情况下的复杂度。由于PDA算法在估计每个符号的后验概率的过程中是迭代计算的，在有些时候不可避免地会出现个别符号的后验概率收敛速度较慢的问题，但在给定一个合理的最大迭代次数的情况下，这个问题对检测性能的影响很小。

除了以上次优检测算法，利用迭代信号处理思想进行迭代检测的算法也是一个非常重要的研究方向。该类算法利用SISO(soft input soft ourput)的性质，以较低的复杂度提供了非常优异的检测性能，例如PDA算法本身可以就认为是一种SISO迭代检测算法。特别需要指出的是，在接收端对信号的迭代处理可以是单纯的迭代检测(例如只利用PDA算法进行MIMO检测)，也可以是迭代联合检测译码(例如Turbo迭代联合检测译码算法)。后者复杂度更高，但提供的性能更好，尤其适用于采用了Turbo码、卷积码、LDPC码的***。考虑到PDA这样的SISO算法在迭代接收信号处理模块中具有天然的适用性，本专利中所涉及的基本MIMO检测算法为PDA算法。

以上介绍的各种MIMO检测算法通常应用于单用户MIMO中。目前，由于用户终端体积和处理能力的限制，其天线数目通常会有所限制，为更好地利用MIMO技术提高传输性能，将MIMO应用于多个用户间，形成多用户MIMO。

在多用户MIMO***中，如果直接应用上述单用户MIMO下的检测方法进行信号检测，那么对于待检测用户而言，只能将该用户所在小区外的其他相邻小区内与该用户同频的其他用户作为干扰，而针对该用户本身进行独立信号检测，这样，在检测过程中，无法合理利用其他同频用户的信号信息，使得最终的检测结果准确性不高。

发明内容

有鉴于此，本发明提供一种基站间的多用户MIMO检测方法，能够实现多个小区的多用户MIMO联合检测，有效抑制同频干扰，提高***性能。

为实现上述目的，本发明采用如下的技术方案：

一种基站间的多用户MIMO检测方法，包括：

对于每个基站所在小区的任一用户，确定本小区和相邻小区中与所述任一用户占用相同时频资源的同频用户；

在所述任一用户所在的基站与该任一用户的同频用户所在小区的基站间，共享同频用户的标识信息，用于本小区基站估计其他小区的所述同频用户在本基站的信道特性；每个基站将所在小区的用户与该用户的同频用户一起进行联合检测，得到该用户及其同频用户的检测结果。

较佳地，在得到所述用户及其同频用户的检测结果后，该方法进一步包括：

确定所述用户及其同频用户的检测结果对应的概率信息；

将检测到的相邻小区同频用户的检测结果及其对应的概率信息发送给相应相邻小区的基站；

每个基站对所在小区的任一用户，将本小区基站检测到的该用户的信号检测结果对应的概率信息与其他相邻小区发送来的该用户信号的检测结果对应的概率信息进行合并，确定该用户信号的最终检测结果。

较佳地，通过最大比合并本小区基站检测到的该用户的信号检测结果对应的概率信息与其他相邻小区发送来的该用户的信号检测结果对应的概率信息。

较佳地，对一用户与该用户的同频用户一起进行联合检测包括：利用迭代检测对所述用户及其同频用户进行联合检测；

在每次迭代检测中，依次对所述用户及其同频用户的各个发送天线上的信号进行检测；且在对每个所述发送天线上的信号进行检测时，将待检测的发送天线之外的其他发送天线上的信号作为干扰，确定所述待检测的发送天线上最新的信息符号概率；

将每次迭代检测得到的各个所述发送天线上最新的信息符号概率用于下一次迭代检测，直到所有所述发送天线上的信息符号概率都收敛，或者，直到已经达到预设的迭代次数上限，则结束迭代检测，并利用各个所述发送天线上最新的信息符号概率，确定各个所述发送天线上的用户信号检测结果，将每个用户的所有发送天线上的用户信号检测结果作为相应用户信号的检测结果。

较佳地，对一待检测发送天线上的信号进行检测的方式包括：

构造所述用户及其同频用户与所述用户所在小区基站间的信道矩阵 $H=[H_{1s},H_{2s},\·\·\·,H_{N_{U}s}],$ 其中，H_i，s为所述用户的同频用户中第i个用户与第s个基站间的信道特性；

利用在各个所述发送天线上的接收信号计算 $\tilde{y}={\left(H^{H}H\right)}^{-1}{H}^H{y}_s,$ 其中，(·)^H表示取共轭转置；

根据除所述待检测发送天线j外的其他所述发送天线k上最新的信息符号概率P_m(x_k|y)，确定所述待检测发送天线上的最新信息符号概率 $P_m\left(x_j\right|y)=\frac{{\mathrm{\φ}}_m\left(x_j\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(x_j\right)},$

其中， ${\mathrm{\φ}}_m\left(x_j\right)\stackrel{\mathrm{\Δ}}{=}\exp \left(\begin{array}{cc}-{\left(\begin{array}{c}\mathrm{Re}\left(w\right)\\ \mathrm{Im}\left(w\right)\end{array}\right)}^T& {\mathrm{\Λ}}_j\left(\begin{array}{c}\mathrm{Re}\left(w\right)\\ \mathrm{Im}\left(w\right)\end{array}\right)\end{array}\right),$ ${\mathrm{\Λ}}_j={(\left(\begin{array}{cc}\mathrm{Re}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)& -\mathrm{Im}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)\\ \mathrm{Im}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)& \mathrm{Re}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)\end{array}\right)+Q)}^{-1},$ $Q=\underset{k\≠j}{\mathrm{\Σ}}({\mathrm{\ω}}_k+\mathrm{Re}\left({\mathrm{\ξ}}_k\right))e_k{e}_k^T+\underset{k\≠j}{\mathrm{\Σ}}({\mathrm{\ω}}_k-\mathrm{Re}\left({\mathrm{\ξ}}_k\right))e_{k+N_T}{e}_{k+N_T}^T+\underset{k\≠j}{\mathrm{\Σ}}\mathrm{Im}\left({\mathrm{\ξ}}_k\right)e_k{e}_{k+N_T}^T+\underset{k\≠j}{\mathrm{\Σ}}\mathrm{Im}\left({\mathrm{\ξ}}_k\right)e_{k+N_T}{e}_k^T,$ e_k是第k个元素为1、其他元素为零的单位向量， $w=\tilde{y}-x_j{e}_j-\underset{k\≠j}{\mathrm{\Σ}}{\tilde{x}}_k{e}_k,$ $\mathrm{Cov}\left(\tilde{n}\right)={\mathrm{\σ}}^2{\left(H^{H}H\right)}^{-1},$ ${\mathrm{\ω}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\tilde{x}}_k){(a_m-{\tilde{x}}_k)}^{*}{P}_m\left(x_k\right|y),$ ${\mathrm{\ξ}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\tilde{x}}_k){(a_m-{\tilde{x}}_k)}^T{P}_m\left(x_k\right|y),$ ${\tilde{x}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(x_k\right|y),$ Re(·)表示取实部，Im(·)表示取虚部，σ²为噪声功率，a_m为信息符号第m个星座点的取值，M为发送天线k上的信息符号星座点个数。

较佳地，在第一次迭代时，将各个所述发送天线的后验概率初始化为在星座点集合上的均匀分布。

由上述技术方案可见，本发明中，对于每个基站所在小区的任一用户，确定本小区和相邻小区中与该任一用户占用相同时频资源的同频用户；在该任一用户所在的基站与该任一用户的同频用户所在小区的基站间，共享同频用户的标识信息；每个基站将所在小区的用户与该用户的同频用户一起进行联合检测，得到该用户及其同频用户的检测结果。通过上述方式，能够将同频用户间的相互干扰转换为有用信号，进行各个同频用户的联合检测，从而有效抑制同频干扰，提高***性能。

附图说明

图1为七小区的网络模型。

图2为十九小区的网络干扰模型。

图3为三种MIMO检测方法的仿真结果示意图。

具体实施方式

为使本发明的目的、技术手段和优点更加清楚明白，以下结合附图对本发明做进一步详细说明。

将占用相同时频资源的用户称为同频用户，同频用户间由于占用相同的时频资源，因此相互干扰较大，而对于占用不同时频资源的异频用户，相互间干扰较小，可以在检测中忽略，不会影响信号检测结果。因此，本发明中在进行多用户MIMO的信号检测时，考虑同频用户间的相互干扰，并对同频用户间的干扰加以利用，对同频用户进行联合检测。

进一步地，参与多用户MIMO的多个用户可能位于不同的小区中，这些用户与各自所在小区基站间的信道特性互不相同，因此，如果要对多个基站间的同频用户进行联合检测，需要在同频用户所在的不同小区间共享用户标识信息，用于计算本小区基站与其他小区同频用户间的信道信息。

基于上述分析，本发明的基本思想是：在基站与其相邻小区基站间共享同频用户的标识信息，并将任一基站中一个用户与该用户在本小区和相邻小区中的同频用户一起进行联合检测。

同时，在上述对同频用户进行联合检测后，在任一基站侧，能够得到各个同频用户的检测结果，可以进一步在同频用户所在的各个基站间共享同频用户的检测结果，这样，任一基站，除本身检测到的本小区用户的检测结果外，还能够收到其他基站对于该用户的检测结果，可以将各个基站对于该同一用户的检测结果进行合并，从而进一步提高检测结果的准确性。如上，通过在多个基站间共享同频用户的标识信息和用户检测结果，将小区间同频用户的干扰信号转化为有用信息，通过多基站的协作实现多用户MIMO的联合信号检测，并能够大大提高检测性能。

接下来对本申请的多基站间协作进行多用户MIMO检测的方法进行详细描述。

考虑VBLAST模型。假定有N_T个发射天线，N_R个接收天线，N_T≤N_R。原始比特流首先串并变换为个N_T并行的子比特流，然后对每路子比特流分别编码、调制映射为数据符号，送到各自的发射天线上发射出去。假定各发射天线上的子比特流采用同一调制方式，星座点个数为M。各天线上的数据符号以突发帧为单位进行突发发射。每个突发帧由L个数据符号组成。为分析方便，假定L＝1，调制方式为QPSK，则某时刻接收机收到的信号矢量可表示为

y＝Hx+n    (1)

其中 $y={[y_1,y_2,\·\·\·,y_{N_R}]}^T$ 是N_R维接收信号矢量。H是N_R×N_T维信道矩阵，其元素h_ij表示从发射天线j到接收天线i的信道衰落系数。X是维数为N_T×1的多用户多天线发送信号矢量。

假定每个用户只有一个发射天线，则发射数据符号矢量 $x={[x_1,x_2,\·\·\·,x_{N_T}]}^T$ 可以等效为N_T个用户的发送信号矢量；假定每个用户有多根发射天线，则发射数据符号矢量 $x={[x_1^T,x_2^T,\·\·\·,x_{N_U}^T]}^T\stackrel{\mathrm{\Δ}}{=}{[x_1,x_2,\·\·\·,x_{N_T}]}^T$ 可以等效为N_U个用户的发送信号矢量，总共有N_T个发送符号。

假定信道是准静态平坦瑞利衰落信道，这里的准静态是指在一个突发帧中，信道衰落系数不变，而各个突发帧之间信道衰落系数是随机变化的，目前一般的通信***的信道能够满足上述条件。另外，假定接收端有精确的信道估计和同步，因此CSI是精确可知的。在富散射信道环境下，h_ij服从独立同分布、均值为零的复高斯分布。 $n={[n_1,n_2,\·\·\·,n_{N_R}]}^T$ 是N_R维AWGN噪声矢量，其每个分量都是均值为零，方差为2σ²的相互独立的复正态分布随机变量。目前一般的通信***的信道能够满足上述条件。因为PDA算法可以同时检测出多个用户，这为多小区协作提供了方便。假定各小区分别使用PDA算法，则对单个小区而言，其多用户检测的数学模型与式(1)相同。

本发明中基站协作MIMO***模型是对(1)式的进一步扩展。假定小区内用户间采用正交多址，因此可以认为小区内用户间不存在相互干扰；只有相邻小区间产生相互干扰。以简单的小区直线排列模型为例，则第s个基站处的接收信号可以表示为：

$y_s=\underset{i=s-1}{\overset{s+1}{\mathrm{\Σ}}}{H}_{\mathrm{is}}{x}_i+n_s,s=\mathrm{1,2},\·\·\·N---\left(2\right)$

其中y_s为N_R维列向量，X_i为第i个小区的用户发送信号向量，维数N_Ti×1，N_Ti为第i个小区用户的发送天线(假定每个小区内在同一时刻只有一个用户与相邻小区用户形成同频干扰)，H_is为第i个小区的同频用户与第s个基站间的信道响应矢量。网络的直线排列有N个基站。对于每个基站，可以用各种检测器将X_i分别检测出来，例如PDA算法等。在考虑更为实际的网络模型时，(2)中的干扰信号个数会更多，这取决于具体的网络结构。

下面的实施例中以采用PDA算法进行信号检测为例，说明本发明中多用户MIMO检测方法的具体实现。

如图1所示，网络单元的位置用极坐标表示，以中心小区中心为原点，以水平右方向为0度角。如要表示右上角小区的基站，可以用eNB1(R，π/6)来表示其坐标。图1中的一组同频用户用阴影表示，如UE0、UE1、UE2、UE3、UE04、UE5和UE6为同频用户，这可以由网络频率规划确定。假设某一频率被分配在一个小区内的右下方扇区。

小区干扰模型如图2，这里只考虑同频干扰。假如小区Cell0的基站eNB0要处理用户UE0的信息，这时eNB0同时接收到了干扰信号，这些干扰信号是以eNB0为圆心以R为半径的圆内包含的同频用户发过来的，即UE2、UE3和UE4用户发过来的信号x₂、x₃和x₄。所以基站eNB0接收的信号y₀为

y₀＝H₀₀x₀+H₂₀x₂+H₃₀x₃+H₄₀x₄+n₀    (3)

假定基站eNB0进行多用户MIMO检测，具体方法包括：

步骤1，确定基站eNB0覆盖小区内用户UE0的同频用户。

如前所述，用户UE0的同频用户为相邻小区的UE2、UE3和UE4。

步骤2，基站eNB0与eNB2、eNB3、eNB4之间共享同频用户的标识信息。

本步骤在多个基站(即基站eNB0与eNB2、eNB3、eNB4)间共享的同频用户(即UE0、UE2、UE3和UE4)标识信息，用于各个基站估计其他小区用户到本基站间的信道特性。

步骤3，基站eNB0利用PDA算法对UE0、UE2、UE3和UE4进行联合检测。

首先推导多用户MIMO下PDA算法在每次迭代中确定各用户的信息符号概率信息的方式。具体地，在利用PDA算法对多用户MIMO信号进行联合检测时，依次对各个用户中每根发送天线上的信号进行检测，以其中一个发送天线上的信号检测为例进行说明，其他发送天线上的信号检测方式相同。

将(2)式的***模型进行扩展，第s个基站的接收信号为y_s，维数N_R×1，N_U为基站同时检测的同频用户总数。令 $x={[x_1^T,x_2^T,\·\·\·,x_{N_U}^T]}^T\stackrel{\mathrm{\Δ}}{=}{[x_1,x_2,\·\·\·,x_{N_T}]}^T,$ $H=[H_{1s},H_{2s},\·\·\·,H_{N_{U}s}],$ H_i，s为第i个同频用户与第s个基站间的信道特性，N_T为基站同时检测的发送符号总数，则式(2)可以扩展为：

$y_s=H_{1s}{x}_1+H_{2s}{x}_2+...+H_{N_{U}s}{x}_{N_U}+n_s=\mathrm{Hx}+n_s$

对上式两边同乘(H^HH)^-1H^H，得到下式：

$\tilde{y}=x+\tilde{n}=x_j{e}_j+\underset{k\≠j}{\mathrm{\Σ}}{x}_k{e}_k+\tilde{n}\stackrel{\mathrm{\Δ}}{=}{x}_j{e}_j+{\tilde{N}}_j---\left(4\right)$

其中， $\tilde{y}={\left(H^{H}H\right)}^{-1}{H}^H{y}_s,$ j，k∈{1，2，...，N_T}。

是均值为零，其协方差为 $\mathrm{Cov}\left(\tilde{n}\right)={\mathrm{\σ}}^2{\left(H^{H}H\right)}^{-1}$ 的复高斯噪声，σ²为噪声功率，e_k是第k个元素为1，其他元素为零的单位向量。

PDA算法的关键就是把干扰和噪声项

(称为伪噪声)这个严格意义上来说不是高斯噪声的部分强制当作高斯噪声，然后在每次迭代中估计星座图中{a₁，a₂，...，a_m，...，a_M}每个数据符号a_m的后验概率P(x_j＝a_m|y)＝P_m(x_j|y)，根据这些后验概率对各个接收信号作出判决。具体到本发明中的多用户MIMO检测中，即检测某一发送天线j上的数据符号时，将该用户其他发送天线以及该用户的同频用户的所有发送天线k(k＝1，2，...，N_T，且k≠j)上的信号当作干扰和噪声。

具体伪噪声

用均值为协方差矩阵为 ${\mathrm{\Ω}}_j\stackrel{\mathrm{\Δ}}{=}\underset{k\≠j}{\mathrm{\Σ}}{\mathrm{\ω}}_k{e}_k{e}_k^T+\mathrm{Cov}\left(\tilde{n}\right),$ 伪协方差矩阵为 ${\mathrm{\Ξ}}_j\stackrel{\mathrm{\Δ}}{=}\underset{k\≠j}{\mathrm{\Σ}}{\mathrm{\ξ}}_k{e}_k{e}_k^T$ 的高斯噪声去近似。其中

${\tilde{x}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m{P}_m\left(x_k\right|y)---\left(5\right)$

${\mathrm{\ω}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\tilde{x}}_k){(a_m-{\tilde{x}}_k)}^{*}{P}_m\left(x_k\right|y)---\left(6\right)$

${\mathrm{\ξ}}_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(a_m-{\tilde{x}}_k){(a_m-{\tilde{x}}_k)}^T{P}_m\left(x_k\right|y)---\left(7\right)$

令 $w=\tilde{y}-x_j{e}_j-\underset{k\≠j}{\mathrm{\Σ}}{\tilde{x}}_k{e}_k,$ 且

${\mathrm{\φ}}_m\left(x_j\right)\stackrel{\mathrm{\Δ}}{=}\exp \left(\begin{array}{cc}-{\left(\begin{array}{c}\mathrm{Re}\left(w\right)\\ \mathrm{Im}\left(w\right)\end{array}\right)}^T& {\mathrm{\Λ}}_j\left(\begin{array}{c}\mathrm{Re}\left(w\right)\\ \mathrm{Im}\left(w\right)\end{array}\right)\end{array}\right)---\left(8\right)$

${\mathrm{\Λ}}_j\stackrel{\mathrm{\Δ}}{=}{\left(\begin{array}{cc}\mathrm{Re}({\mathrm{\Ω}}_j+{\mathrm{\Ξ}}_j)& -\mathrm{Im}({\mathrm{\Ω}}_j-{\mathrm{\Ξ}}_j)\\ \mathrm{Im}({\mathrm{\Ω}}_j+{\mathrm{\Ξ}}_j)& \mathrm{Re}({\mathrm{\Ω}}_j-{\mathrm{\Ξ}}_j)\end{array}\right)}^{-1}{=(\left(\begin{array}{cc}\mathrm{Re}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)& -\mathrm{Im}\left(\mathrm{Cov}\tilde{n}\right)\\ \mathrm{Im}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)& \mathrm{Re}\left(\mathrm{Cov}\left(\tilde{n}\right)\right)\end{array}\right)+Q)}^{-1}---\left(9\right)$

$Q\stackrel{\mathrm{\Δ}}{=}\underset{k\≠j}{\mathrm{\Σ}}({\mathrm{\ω}}_k+\mathrm{Re}\left({\mathrm{\ξ}}_k\right))e_k{e}_k^T+\underset{k\≠j}{\mathrm{\Σ}}({\mathrm{\ω}}_k-\mathrm{Re}\left({\mathrm{\ξ}}_k\right))e_{k+N_T}{e}_{k+N_T}^T+\underset{k\≠j}{\mathrm{\Σ}}\mathrm{Im}\left({\mathrm{\ξ}}_k\right)e_k{e}_{k+N_T}^T+\underset{k\≠j}{\mathrm{\Σ}}\mathrm{Im}\left({\mathrm{\ξ}}_k\right)e_{k+N_T}{e}_k^T$

其中，Re(·)表示取实部，Im(·)表示取虚部，a_m为信息符号第m个星座点的取值。因为假设了发射符号先验等概，则每个符号的后验概率为

$P_m\left(x_j\right|y)=\frac{p_m\left(y\right|x_j)P(x_j=a_m)}{p\left(y\right)}=\frac{p_m\left(y\right|x_j)P(x_j=a_m)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{p}_m\left(y\right|x_j)P(x_j=a_m)}=\frac{{\mathrm{\φ}}_m\left(x_j\right)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_m\left(x_j\right)}---\left(10\right)$

如上可见，可以根据除发送天线j外的其他发送天线k上的发送符号后验概率，通过式(5)～(10)计算得到发送天线j上信息符号的后验概率。

基于上述对任一发送天线上信号进行的检测，在多用户MIMO中对各个用户信号进行联合检测的整个过程包括：

1)初始化：构造所述用户及其同频用户与所述用户所在小区基站间的信道矩阵 $H=[H_{1s},H_{2s},\·\·\·,H_{N_{U}s}],$ 并计算

将P_m(x_j|y)初始化为星座点集合上的均匀分布，j＝1，2，…，N_T，m＝1，2，…，M，并设迭代次数计数器z＝1；

2)依次对所述用户及其同频用户的各个发送天线上的信号进行检测，且在对每个所述发送天线上的信号进行检测时，将待检测的发送天线之外的其他发送天线上的信号作为干扰，确定所述待检测的发送天线上最新的信息符号概率。

具体地，对于

，j∈{1，2，...，N_T}，基于{P(k)}_k≠j的概率矢量，通过(5)～(10)计算P_m(x_j|y)，并用此结果更新原来的P(j)，其中，每个P(k)＝{P_m(x_k|y)}是由M个概率值构成的概率矢量，M为星座集合元素个数；

3)如果对于

P(j)都收敛了，或者已经到达了给定的迭代次数的上限，转到4)，否则，令z＝z+1，返回2)；

4)对x_j给出检测结果

即 ${\hat{x}}_j=a_i,$ $l=\arg \underset{m^{\′}=\mathrm{1,2},\·\·\·,M}{\max }\left\{P_{m^{\′}}\left(x_j\right|y)\right\},$ 则 $\hat{x}=\left\{{\hat{x}}_j\right|j=\mathrm{1,2},\·\·\·,N_T\}.$

通过上面的步骤，我们可以同时检测到多个小区的各个同频用户信号。

至此，本发明中最基本的多用户MIMO联合检测流程结束。在该基本流程中，将同频用户的干扰信号转化为有用信息，用于本用户的信号检测。为进一步提高检测性能，还可以包括如下步骤：

步骤4，基站eNB0确定本小区用户及其各个同频用户的检测结果对应的概率信息，并将相邻小区同频用户的检测结果及其对应的概率信息发送给相应的相邻小区基站。

各个基站可以通过步骤3确定该小区用户及其相邻小区的同频用户的信息，包括该用户的检测结果(即)和对应的概率信息

这样，每个基站检测出来的信息既包括本小区同频用户信息也包括邻小区同频用户的信息，这时本基站将检测出来的邻小区同频用户信息传递给邻小区基站，同时将收到邻小区基站检测出的关于本小区同频用户的信息。本实施例中，eNB0将得到UE0的4个信息

和

分别来自于本eNB0和其他的三个相邻小区基站eNB1、eNB5和eNB6。

步骤5，每个基站将该基站小区用户的检测结果对应的概率信息与其他相邻小区发来的该用户的检测结果对应的概率信息进行软合并处理，确定该基站小区用户的最终检测结果。

基站间信息传递完毕后，检测出来的关于该用户数据的概率信息包括本小区基站检测的概率信息和邻小区基站检测出来的概率信息，最后将这些概率信息做总的软处理合并。具体可以通过最大比合并用户的所有概率信息，例如，对于eNB0下的UE0，可以得到x₀的最终判决信息： ${\hat{x}}_0=f({\hat{x}}_{01},{\hat{x}}_{02},{\hat{x}}_{03},{\hat{x}}_{04}).$

为说明本发明中的多用户MIMO检测方法的性能，对三种方式的检测进行了仿真，具体仿真条件参见表1，仿真结果参见图3。

表1仿真条件

参数	数值和方式
		调制方式	QPSK
每用户天线数	2
		接收天线数	8
邻小区同频干扰用户与本小区	0.5
		同频用户的功率比p
信道类型	平坦瑞利衰落信道

在图3中，曲线301表示采用单小区单用户独立检测时，信噪比与误码率的对应关系曲线；曲线302表示采用多小区协作多用户MIMO联合检测、且不对检测结果进行合并时，信噪比与误码率的对应关系曲线；曲线301表示采用多小区协作多用户MIMO联合检测、且对检测结果进行合并时，信噪比与误码率的对应关系曲线。由上述三条曲线可以看到，单小区单用户独立检测时，***检测性能很差；多小区协作迭代检测，但不进行信息合并时，检测性能比单小区单用户独立检测的性能改善很多；多小区协作迭代检测，并进行信息合并时，***检测性能进一步改善，在误码率10^-4时获得了约3dB的性能增益。

由此可见，通过本发明中的多用户MIMO联合检测方法，一方面摒弃了单用户分别检测的思想，在一个基站中同时对多个小区中的同频用户进行多用户联合检测；同时，摒弃了简单的线性检测的思想，在检测中进行软信息迭代，充分利用了软入软出算法的性质和迭代带来的增益；进一步地，打破了单小区独立检测的思想，在相邻小区间共享同频用户的标识信息和用户数据信息的情况下，能有效地抑制小区间的同频干扰，充分利用了MIMO模型带来的空间分集增益，特别是当干扰很严重时，大大提高了***性能。

另外，由于基站间协作MIMO多用户迭代检测算法只在最后一步要进行软信息合并时基站间发生软信息传递的交互过程，额外的信息负载很小，算法复杂度适中，相邻小区间传输的数据量也适中，实用性强。

上述实施例中确定同频用户的方式，能够适用于目前业界普遍使用的六边形蜂窝网络模型，有很大的现实针对性。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基站间的多用户MIMO检测方法，其特征在于，该方法包括：

对于每个基站所在小区的任一用户，确定本小区和相邻小区中与所述任一用户占用相同时频资源的同频用户；

在所述任一用户所在的基站与该任一用户的同频用户所在小区的基站间，共享同频用户的标识信息，用于本小区基站估计其他小区的所述同频用户在本基站的信道特性；每个基站将所在小区的用户与该用户的同频用户一起进行联合检测，得到该用户及其同频用户的检测结果；

其中，每个基站将所在小区的用户与该用户的同频用户一起进行联合检测包括：

利用迭代检测对所述用户及其同频用户进行联合检测；

在每次迭代检测中，依次对所述用户及其同频用户的各个发送天线上的信号进行检测；且在对每个所述发送天线上的信号进行检测时，将待检测的发送天线之外的其他发送天线上的信号作为干扰，确定所述待检测的发送天线上最新的信息符号概率；

将每次迭代检测得到的各个所述发送天线上最新的信息符号概率用于下一次迭代检测，直到所有所述发送天线上的信息符号概率都收敛，或者，直到已经达到预设的迭代次数上限，则结束迭代检测，并利用各个所述发送天线上最新的信息符号概率，确定各个所述发送天线上的用户信号检测结果，将每个用户的所有发送天线上的用户信号检测结果作为相应用户信号的检测结果。

2.根据权利要求1所述的方法，其特征在于，在得到所述用户及其同频用户的检测结果后，该方法进一步包括：

确定所述用户及其同频用户的检测结果对应的概率信息；

将检测到的相邻小区同频用户的检测结果及其对应的概率信息发送给相应相邻小区的基站；

每个基站对所在小区的任一用户，将本小区基站检测到的该用户的信号检测结果对应的概率信息与其他相邻小区发送来的该用户信号的检测结果对应的概率信息进行合并，确定该用户信号的最终检测结果。

3.根据权利要求2所述的方法，其特征在于，通过最大比合并本小区基站检测到的该用户的信号检测结果对应的概率信息与其他相邻小区发送来的该用户的信号检测结果对应的概率信息。

4.根据权利要求1到3中任一所述的方法，其特征在于，对一待检测发送天线上的信号进行检测的方式包括：

构造所述用户及其同频用户与所述用户所在小区基站间的信道矩阵其中，N_U为基站同时检测的同频用户总数，H_i，s为所述用户的同频用户中第i个用户与第s个基站间的信道特性；

利用在各个所述发送天线上的接收信号计算

其中，(·)^H表示取共轭转置，y_s为第s个基站的接收信号；

根据除所述待检测发送天线j外的其他所述发送天线k上最新的信息符号概率P_m(x_k|y)，确定所述待检测发送天线上的最新信息符号概率

其中，

e_k是第k个元素为1、其他元素为零的单位向量，

Re(·)表示取实部，Im(·)表示取虚部，σ²为噪声功率，a_m为信息符号第m个星座点的取值，M为发送天线k上的信息符号星座点个数，x_k为发送天线k上的发射数据符号，y为接收机收到的信号矢量。

5.根据权利要求4所述的方法，其特征在于，在第一次迭代时，将各个所述发送天线的后验概率初始化为在星座点集合上的均匀分布。

Images