CN101834651A - 多用户多数据流mimo***的数据信息线性预处理方法 - Google Patents

Abstract

一种无线通信技术领域的多用户多数据流MIMO***的数据信息线性预处理方法，包括以下步骤：基站发射机确定给每个接收用户待发送的数据信息；每个用户将得到的用户信道信息反馈给基站发射机；基站发射机得到干扰信息和噪声功率；基站发射机对发射给每个用户的数据信息进行线性预处理和叠加；基站发射机将得到的最终发射信息进行广播；每个用户接收基站发射机发送的信息，并对接收信息进行匹配滤波，匹配滤波后的信息即为用户所需要的信息。本发明能够平衡用户多个数据流之间的预处理增益，从而获得更好的***误码率性能；同时，无需分别求出用户信道矩阵和干扰信道矩阵的协方差矩阵，计算简单且数值性能稳定，因此适合实际应用。

Description

多用户多数据流MIMO***的数据信息线性预处理方法

技术领域

本发明涉及的是一种无线通信技术领域的处理方法，具体是一种多用户多数据流MIMO(多输入多输出)***的数据信息线性预处理方法。

背景技术

MIMO无线通信***由于其在容量和性能方面的巨大潜能，近年来引起了人们的广泛研究。随着研究的不断深入，MIMO技术已从起初的点对点的单用户MIMO(SU-MIMO)***扩展到了点对多点的多用户MIMO(MU-MIMO)***。在业界，SU-MIMO和MU-MIMO技术均已被国际标准化组织3GPP的LTE和LTE-Advanced标准所采纳。

MU-MIMO技术能够以空分多址(SDMA)的方式在相同的时间、频率和码域上同时向各用户传送数据信息，因而能够进一步提高***的吞吐量。然而，当多个用户共享同一时频资源时，必然会引入共信道干扰(CCI)。由于CCI的存在，必须采用合适的方法来消除或抑制CCI。然而，由于多个用户的存在，传统SU-MIMO***中在接收端再进行干扰抑制或者消除的方案在MU-MIMO中不再可行，因而在MU-MIMO中必须采取在发送端预先对发送的数据信息进行处理的方案来抑制或者消除CCI，即文献中通常所述的预处理技术。

MU-MIMO对发送的数据信息通过预处理来抑制CCI的方案主要分为非线性和线性两大类。非线性预处理实现复杂度高且有时延，难以在实际中应用。线性预处理实现复杂度低，随着用户数增加能够获得与最优预处理方案-脏纸理论(DPC)渐进相同的容量，因此实用性更强。

经对现有文献检索发现，数据信息线性预处理方法主要分为两类：

一类是基于信号与干扰噪声比(SINR)最大化的优化方法：该方法由于无法直接得到闭合解，故衍生出以块对角化(BD)为代表的一些次优方法(见Q.H.Spencer，“Zero-forcingmethods for downlink spatial multiplexing in multiuser MIMO channels(下行多用户MIMO空间复用中的迫零方法)，”IEEE Transactions on Signal Processing，vol.52，pp.461-471，Feb.2004)，BD方法对***发射天线数和接收天线数的关系有严格的限制，当该限制条件不满足时，通过BD方法难以获得理想的性能。

另一类设计方法是近年来提出的基于信漏噪比(SLNR)的优化方法：(见M.Sadek，“Aleakage-based precoding scheme for downlink multi-user MIMO channels(下行多用户MIMO中一种基于泄露的预处理方法)，”IEEE Transactions on Wireless Communications，vol.6，pp.1711-1721，May 2007)，该方法期望待求的每一个用户的接收信号功率尽量大，同时其噪声功率与泄露对其他用户的干扰功率之和尽量小。该方法的主要优势在于目标函数回避了SINR优化方法下预处理矩阵在用户间的嵌套问题，能够直接求得优化闭合解，且无需满足BD方法中的收发天线数的限制条件，因而具有更广阔的应用空间。但是SLNR线性预处理方法仍然存在以下三个重要缺陷：

1)在每个用户传输多个数据信息流的情况下，各个数据信息流之间的预处理增益分布严重不平衡，从而导致***总体性能的下降。

2)预处理设计过程中需要分别求出用户信道矩阵和干扰信道矩阵的协方差矩阵。在求得协方差矩阵时会发生信息的丢失，且由于实际***中发送端难以获知精确的信道信息，上述信息丢失情况将更为严重。

3)预处理设计过程中需要求得其中一个经噪声修正后的协方差矩阵的逆矩阵，当较大信噪比时该矩阵近似为非奇异矩阵(不可逆矩阵)，难以得其逆矩阵且求解复杂(详见：《矩阵分析与应用》，张贤达著，清华大学出版社，2004年出版)。

发明内容

本发明的目的在于克服现有技术的上述缺陷，提供一种多用户多数据流MIMO***的数据信息线性预处理方法。本发明方法能够在有效抑制CCI的同时，进一步平衡各数据信息流间的预处理增益，从而显著提高了***的误码率性能；并且，本发明方法避免了用户信道矩阵和干扰信道矩阵的协方差矩阵的求取过程，也无需求近似非奇异矩阵的逆矩阵，因而该方法不仅具有较低的信息损失度，同时设计简单，实现复杂度更低。

本发明是通过以下技术方案实现的，包括以下步骤：

第一步，每个用户向基站发射机发送其所需图像和语音的请求信号，基站发射机根据各个用户的请求信号，确定给每个接收用户待发送的数据信息。

所述的待发送的数据信息包括图像压缩编码信息和语音自回归(AR)滤波器的系数参量。

所述的待发送的数据信息以比特调制后的符号形式表示。

第二步，每个用户根据自身接收到的导频数据得到用户信道信息H，并将该用户信道信息反馈给基站发射机。

所述的用户信道信息是量化形式或者码本形式。

第三步，基站发射机根据用户信道信息得到干扰信息H，并进一步测量得到噪声功率σ²。

第四步，基站发射机对发射给每个用户的数据信息进行线性预处理，并将预处理后的信息进行叠加得到最终的发射信息S，此时的发射信息S中的CCI信息已被有效抑制。

所述的线性预处理，具体步骤为：

1)将第k个用户的用户信道信息H_k、干扰信息H_k和噪声功率σ²进行纵向级联得到共级联矩阵T_k，即T_k＝[H_k:H_k:ασI_N]；

2)对共级联矩阵T_k进行奇异值分解：其中：U_k是T_k的左奇异矩阵，Λ_k是T_k的正奇异值构成的对角矩阵，V_k是T_k的右奇异矩阵；

3)选取左奇异矩阵U_k的前N列得到矩阵U′_k(U′_k＝U_k(:.1:N))，并对矩阵U′_k进行奇异值分解：

其中：N是基站发射天线的数目，P_k是U′_k的左奇异矩阵，Ω_k是U′_k的正奇异值构成的对角矩阵，Q_k是U′_k的右奇异矩阵；

4)令

取W′_k的前m列得到线性预处理矩阵W_k，其中：m是每个用户分配的数据流数；

5)利用线性预处理矩阵W_k对基站给第k个用户发射的初始信息进行线性预处理，具体公式是：

S_k＝W_ks_k，

其中：s_k是基站给第k个用户发射的初始信息，S_k则是基站对第k个用户发射的初始信息进线性预处理后的实际发射信息。

所述的叠加，具体公式是：

$S=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{S}_k=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{W}_k{s}_k$

其中：S是基站发射机最终的发射信息，K是总的接收用户数。

第五步，基站发射机将得到的最终发射信息S进行广播，即在MIMO信道上将该信息同时发送给所有的接收用户。

第六步，每个用户接收基站发射机发送的信息，并对接收信息进行匹配滤波，匹配滤波后的信息即为用户所需要的信息。

所述的匹配滤波，具体公式是：

r′_k＝[H_kW_k)^H/||H_kW_k||_F]×r_k

其中：r′_k是第k个用户滤波后的信息，H_k是第k个用户的用户信道信息，W_k是第k个用户的线性预处理矩阵，||·||_F表示矩阵Frobenius范数，r_k是第k个用户的接收信息。

与已有技术相比，本发明具有如下有益效果：

1)能够在有效地抑制CCI的同时，进一步平衡用户多个数据信息流之间的预处理增益，从而获得更好的***误码率性能；

2)避免了用户信道矩阵和干扰信道矩阵的协方差矩阵的求取过程，也无需求出其中一个近似奇异(不可逆)矩阵的逆矩阵，因而该方法较低的信息损失度和较强的稳定性；

3)数据信息预处理设计简单，实现复杂度低，方法鲁棒性强，非常适合在实际***中应用。

附图说明

图1为实施例误码性能比较图。

具体实施方式

下面结合附图对本发明的方法作详细说明：本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

本实施例中MIMO***有两个用户，每个用户分配3个数据流，基站有12根发射天线，接收端每个用户有3根接收天线，每个用户的信道是独立、同分布、零均值方差为1的循环复高斯随机变量，用户间的信道相互独立，且噪声是方差为σ²的复高斯白噪声，对该***进行线性预处理具体包括以下步骤：

第一步，每个用户向基站发射机发送其所需图像和语音的请求信号，基站发射机根据各个用户的请求信号，确定给每个接收用户待发送的数据信息。

所述的待发送的数据信息包括图像压缩编码信息和语音自回归滤波器的系数参量。

所述的待发送的数据信息以比特调制后的符号形式表示，其中：第一用户的待发送的数据信息以s₁表示，第二用户的待发送的数据信息以s₂表示。

第二步，两个用户分别根据自身接收到的导频数据得到其信道信息H₁和H₂，并分别将H₁和H₂以量化形式反馈给基站发射机。

第三步，基站发射机分别根据两个用户的信道信息H₁和H₂，得到第一个用户的干扰信息H₁＝H₂，第二个用户的干扰信息H₂＝H₁，并进一步测量得到噪声功率σ²。

第四步，基站发射机对发射给这两个用户的数据信息进行线性预处理，并将预处理后的信息进行叠加得到最终的发射信息S，此时的发射信息S中的CCI信息已被有效抑制。

本实施例对第一个用户初始信息进行线性预处理的过程是：

1)根据第一个用户的信道信息H₁、干扰信息H₁和噪声功率σ²进行纵向级联得到矩阵T₁，即T₁＝[H₁:H₁:ασI_N]；

2)对矩阵T₁进行奇异值分解：

其中：U₁是T₁的左奇异矩阵，Λ₁是T₁的正奇异值构成的对角矩阵，V₁是T₁的右奇异矩阵；

3)选取左奇异矩阵U₁的前N列得到矩阵U′_k(U′₁＝U₁(:.1:N))，并对矩阵U′₁进行奇异值分解：

其中：N是基站发射天线的数目，本实施例中N＝12，P₁是U′₁的左奇异矩阵，Ω₁是U′₁的正奇异值构成的对角矩阵，Q₁是U′₁的右奇异矩阵；

4)令

取W′₁的前m列得到线性预处理矩阵W₁，其中：m是每个用户分配的数据流数，本实施例中m＝3；

5)利用线性预处理矩阵对基站给第一个用户发射的初始信息s₁进行线性预处理，得到的基站给第一个用户的实际发射信息S₁的具体公式是：

S₁＝W₁s₁。

采用相同的方法，得到基站给第二个用户的实际发射信息S₂。

本实施例经叠加得到的最终发射信息S是：

S＝S₁+S₂。

第五步，基站发射机将得到的最终发射信息S进行广播，即在MIMO信道上将该信息同时发送给两个接收用户。

第六步，每个用户接收基站发射机发送的信息，并对接收的信息进行匹配滤波，匹配滤波后的信息即为用户所需要的信息。

本实施例第一个用户接收到的信息r₁是：

r′₁＝H₁S+n₁

其中：n₁是功率为σ²的高斯白噪声。

本实施例第一个用户得到的匹配滤波后的信息r′₁是：

r′₁＝[(H₁W₁)^H/||H₁W₁||_F]×r₁

其中：||·||_F表示矩阵Frobenius范数，信息r′₁即为第一个用户需要的信息。

采用相同的方法，得到第二个用户匹配滤波后的信息r′₂，该信息即为第二个用户需要的信息。

分别采用本实施例方法和SLNR线性预处理方法得到的误码率随信噪比变化的性能比较如图1所示，从图中可以看出，在误码率为10^-4时，本实施例方法相比SLNR线性预处理方法获得超过3dB的性能增益，其原因正是在于本发明方法在能够有效地抑止CCI的同时，进一步平衡各数据信息流间的预处理增益，从而显著提高***的误码率性能；此外，随着收发天线数和用户数据流数的增加，二者的性能差距会更加明显。

此外，本实施例方法在实际应用中，避免了需要分别求出用户信道矩阵和干扰信道矩阵的协方差矩阵的过程，也无需求出其中一个近似奇异(不可逆)矩阵的逆矩阵，因而该方法不仅具有较低的信息损失度，同时设计简单，实现复杂度更低，方法鲁棒性更强。

Claims (7)

1.一种多用户多数据流MIMO***的数据信息线性预处理方法，其特征在于，包括以下步骤：

第一步，每个用户向基站发射机发送其所需图像和语音的请求信号，基站发射机根据各个用户的请求信号，确定给每个接收用户待发送的数据信息；

第二步，每个用户根据自身接收到的导频数据得到用户信道信息H，并将该用户信道信息反馈给基站发射机；

第三步，基站发射机根据用户信道信息得到干扰信息H，并进一步测量得到噪声功率σ²；

第四步，基站发射机对发射给每个用户的数据信息进行线性预处理，并将预处理后的信息进行叠加得到最终的发射信息S，此时的发射信息S中的CCI信息已被有效抑制；

第五步，基站发射机将得到的最终发射信息S进行广播，即在MIMO信道上将该信息同时发送给所有的接收用户；

第六步，每个用户接收基站发射机发送的信息，并对接收信息进行匹配滤波，匹配滤波后的信息即为用户所需要的信息。

2.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第一步中所述的待发送的数据信息包括图像压缩编码信息和语音自回归滤波器的系数参量。

3.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第一步中所述的待发送的数据信息以比特调制后的符号形式表示。

4.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第二步中所述的用户信道信息是量化形式或者码本形式。

5.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第四步中所述的线性预处理，具体步骤为：

1)将第k个用户的用户信道信息H_k、干扰信息H_k和噪声功率σ²进行纵向级联得到共级联矩阵T_k，即T_k＝[H_k:H_k:ασI_N]；

2)对共级联矩阵T_k进行奇异值分解：其中：U_k是T_k的左奇异矩阵，Λ_k是T_k的正奇异值构成的对角矩阵，V_k是T_k的右奇异矩阵；

3)选取左奇异矩阵U_k的前N列得到矩阵U_k′(U_k′＝U_k(：.1：N))，并对矩阵U_k′进行奇异值分解：其中：N是基站发射天线的数目，P_k是U_k′的左奇异矩阵，Ω_k是U_k′的正奇异值构成的对角矩阵，Q_k是U_k′的右奇异矩阵；

4)令

取W_k′的前m列得到线性预处理矩阵W_k，其中：m是每个用户分配的数据流数；

5)利用线性预处理矩阵W_k对基站给第k个用户发射的初始信息进行线性预处理，具体公式是：

S_k＝W_ks_k

其中：s_k是基站给第k个用户发射的初始信息，S_k则是基站对第k个用户发射的初始信息进线性预处理后的实际发射信息。

6.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第四步中所述的叠加，具体公式是：

$S=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{S}_k=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{W}_k{s}_k$

其中：S是基站发射机最终的发射信息，K是总的接收用户数。

7.根据权利要求1所述的多用户多数据流MIMO***的数据信息线性预处理方法，其特征是，第六步中所述的匹配滤波，具体公式是：

r_k′＝[(H_kW_k)^H/||H_kW_k||_F]×r_k

其中：r_k′是第k个用户滤波后的信息，H_k是第k个用户的用户信道信息，W_k是第k个用户的线性预处理矩阵，||||_F表示矩阵Frobenius范数，r_k′是第k个用户的接收信息。

Images