CN102136891A - Mu-mimo***中一种改进的csi有限反馈方法 - Google Patents

Abstract

本发明提出了一种改进的CSI有限反馈方法，这种方法考虑将接收端的信号检测算法和CDI选择联合在一起进行设计，以求能将E[SINR_k]最大化。如果在有限反馈的前提下需要将MU-MIMO***通过天线合并转化为MU-MISO***，那么本发明提出的改进的天线合并算法能够比目前所研究的其他合并算法获得更优的***性能。

Description

MU-MIMO***中一种改进的CSI有限反馈方法

技术领域

本发明属于无线通信技术领域，涉及信道状态信息(CSI)有限反馈技术。

背景技术

在目前的通信***设计中一直伴随着如何提高无线数据传输速率。过去在信道编码，调制和调度方面的改进的工作已经逐渐应用到现在的无线通信***里。下一代移动通信***需要能够充分利用信道多样性的自适应技术。这些自适应技术允许发送端信号与即时信道条件相匹配。这就表明了发送端需要获得无线信道的某些信息，这种信息在发送端通常称为信道状态信息(CSI)，比如：信道状态，接收功率，干扰信息。在过去的频分双工***中，大部分信道自适应技术是不适用的，因为频分双工***中上下行的信道是独立不相关的，并且占用着不同的频带。对于数字信号来说，这些信息的反馈都是通过有限的比特来量化的，所以这里的反馈又称为有限信道状态信息的反馈。

与SU-MIMO***相比，MU-MIMO***通过恰当的信号处理在空域上把多个用户分离因而具有更大的***容量，所以获得了更大的关注。而限制条件就是，下行MIMO的基站端必须准确获知信道状态信息。尽管这样，在实际的频分双工***中，由于有限反馈的限制，所以基站端很难准确获知信道状态信息。因此，对于MU-MIMO的反馈来说，研究怎样反馈和有限反馈对性能的影响是非常重要的。

MIMO的CSI有限反馈中的预编码矩阵不是预先设置好的，每个用户都需要向基站反馈CSI，而基站利用每个用户反馈的信息进行用户选择和预编码矩阵计算。与基于码本的反馈相比，反馈用户的CSI使基站调度具有更佳的灵活性，这种优势在MU-MIMO中更加突出。目前，MU-MIMO反馈方案中天线合并算法(Antenna Combining Algorithm)的研究也越来越多，一些文献中的天线合并算法要求每个用户反馈一个向量作为部分信道信息，因此也就限制了每个用户只能传输一个数据流。目前用的比较多的天线合并算法有基于最大特征值向量和基于最小量化误差的反馈，它们在设计加权合并向量时，都分别把经过加权合并后等效信道设计为具有最大信道功率和最小量化误差的MISO信道。但是，这两种天线合并算法都没有从最大化E[SINR_k]的角度出发。本发明提出了一种改进的CSI有限反馈方法，这种方法考虑将接收端的信号检测算法和CDI选择联合在一起进行设计，以求能将E[SINR_k]最大化。

发明内容

本发明提出了一种改进的CSI有限反馈方法，这种方法考虑将接收端的信号检测算法和CDI选择联合在一起进行设计，以求能将E[SINR_k]最大化。

本发明的技术方案包括以下步骤：

步骤1：用户利用基站发送的CSI-RS进行信道估计；对于第k个用户来说，经过u_k作为信号检测后其接收信号可以通过下面公式来表示，其中

y_k为用户k接收到的信号，n′_k为等效信道上所叠加的复高斯白噪声，G_i是第i个用户M×1的预编码向量：

$r_k=u_k{y}_k=u_k{H}_k{G}_k{d}_k+u_k{H}_k\underset{i\∈S,i\≠k}{\mathrm{\Σ}}{G}_i{d}_i+n_k^{\′}$

步骤2：用户通过量化码本反馈其等效信道的方向信息CDI和相应的信道质量信息CQI：

(2a)合并算法：

被选择进行传输数据的用户k所获得的SINR_k可以表示为：

${\mathrm{SINR}}_k=\frac{p_k{\left|u_k{H}_k{w}_k\right|}^2}{1+\underset{i\∈S\backslash \left\{k\right\}}{\mathrm{\Σ}}{P}_i{\left|u_k{H}_k{w}_i\right|}^2}$

其中w_k和p_k分别是第k个用户预编码向量和发送功率，这里假设***对每个用户进行等功率分配，那么

改进的天线合并算法旨在联合接收端的信号检测和CDI的选择来使每个用户的E[SINR_k]最大化。

(2b)信道方向信息(CDI)的选择和信道质量信息(CQI)的计算：

第k个用户的CQI可表示为：

${\mathrm{CQI}}_k=\frac{\frac{P}{M}{\left|u_k{H}_k{v}_k\right|}^2}{1+\frac{P}{M}{\left|\right|u_k{H}_k-\left(u_k{H}_k{v}_k\right)v_k^H\left|\right|}_2^2}$

设 ${\mathrm{CQI}}_k=\frac{u_k{A}_k{u}_k^H}{1+u_k{B}_k{u}_k^H},A_k=\frac{P}{M}\left(H_k{c}_i{c}_i^H{H}_k^H\right),B_k=\frac{P}{M}\left[H_k(I-c_i{c}_i^H)H_k^H\right]$

在c_i作为等效信道的CDI时，选择MMSE信号检测算法作为最大化E[SINR_k]的接收端合并算法；其中，在固定的量化码下设计最优的加权合并向量u_k：

$u_k={\left({(I+B_k)}^{-1}\sqrt{\frac{P}{M}}{H}_k{c}_i\right)}^H$

(2c)这样每一个量化向量和其对应的加权合并向量就会产生一个CQI，用户从中选择一个最大的CQI作为其反馈的信道质量信息，同时反馈这个CQI所对应的c_i作为其部分信道的CDI。基站端利用每个用户反馈的CDI和CQI进行用户调度和预编码矩阵计算，这里的接收端信号检测算法采用MMSE。

本发明提出的算法经仿真验证具有优越的性能：

仿真结果表明改进的天线合并算法相对于基于主特征向量和最小量化误差的天线合并算法在所有的信噪比条件下都提供了更优的***性能。而随着信噪比的增大，它们性能的差距变的越来越大；如果在有限反馈的前提下需要将MU-MIMO***通过天线合并转化为MU-MISO***，那么改进的天线合并算法能够比目前所研究的其他合并算法获得更优的***性能。

附图说明

图1MU-MIMO***框图

图2不同天线合并算法的平均***容量

图3不同天线合并算法的***容量CDF

具体实施方式

本发明的技术方案包括以下步骤：

步骤1：用户利用基站发送的CSI-RS进行信道估计；对于第k个用户来说，经过u_k作为信号检测后其接收信号可以通过下面公式来表示，其中

y_k为用户k接收到的信号，n′_k为等效信道上所叠加的复高斯白噪声，G_i是第i个用户M×1的预编码向量：

$r_k=u_k{y}_k=u_k{H}_k{G}_k{d}_k+u_k{H}_k\underset{i\∈S,i\≠k}{\mathrm{\Σ}}{G}_i{d}_i+n_k^{\′}$

步骤2：用户通过量化码本反馈其等效信道的方向信息CDI和相应的信道质量信息CQI：(2a)合并算法：

被选择进行传输数据的用户k所获得的SINR_k可以表示为：

${\mathrm{SINR}}_k=\frac{p_k{\left|u_k{H}_k{w}_k\right|}^2}{1+\underset{i\∈S\backslash \left\{k\right\}}{\mathrm{\Σ}}{P}_i{\left|u_k{H}_k{w}_i\right|}^2}$

其中w_k和p_k分别是第k个用户预编码向量和发送功率，这里假设***对每个用户进行等功率分配，那么

改进的天线合并算法旨在联合接收端的信号检测和CDI的选择来使每个用户的E[SINR_k]最大化。

(2b)信道方向信息(CDI)的选择和信道质量信息(CQI)的计算：

第k个用户的CQI可表示为：

${\mathrm{CQI}}_k=\frac{\frac{P}{M}{\left|u_k{H}_k{v}_k\right|}^2}{1+\frac{P}{M}{\left|\right|u_k{H}_k-\left(u_k{H}_k{v}_k\right)v_k^H\left|\right|}_2^2}$

设 ${\mathrm{CQI}}_k=\frac{u_k{A}_k{u}_k^H}{1+u_k{B}_k{u}_k^H},A_k=\frac{P}{M}\left(H_k{c}_i{c}_i^H{H}_k^H\right),B_k=\frac{P}{M}\left[H_k(I-c_i{c}_i^H)H_k^H\right]$

在c_i作为等效信道的CDI时，选择MMSE信号检测算法作为最大化E[SINR_k]的接收端合并算法；其中，在固定的量化码下设计最优的加权合并向量u_k：

$u_k={\left({(I+B_k)}^{-1}\sqrt{\frac{P}{M}}{H}_k{c}_i\right)}^H$

(2c)这样每一个量化向量和其对应的加权合并向量就会产生一个CQI，用户从中选择一个最大的CQI作为其反馈的信道质量信息，同时反馈这个CQI所对应的c_i作为其部分信道的CDI。基站端利用每个用户反馈的CDI和CQI进行用户调度和预编码矩阵计算，这里的接收端信号检测算法采用MMSE。

本发明的效果可以通过下面的仿真进一步验证：

1)仿真内容：

对MU-MIMO中利用天线合并的***容量进行仿真，其中采用不同的天线合并算法(基于主特征向量、最小量化误差的天线合并算法、改进的天线合并算法)

2)仿真条件：

仿真采用的单载波仿真的方式。这里采用的量化码本为随机量化码本(RVQ)，每个用户反馈4比特的CDI和一个模拟量CQI。每个用户有2个接收天线，总共有20个用户等待调度。基站端有4个发送天线，同时向4个用户发送数据，每个用户只接收一个数据流，基站采用最大化***容量的用户选择算法，各个用户的发送功率采用等功率分配的方案，信道为独立同分布的复高斯信道。

3)仿真结果：

附图2给出了不同天线合并算法的MU-MIMO***容量。仿真结果表明改进的天线合并算法相对于基于主特征向量和最小量化误差的天线合并算法在所有的信噪比条件下都提供了更优的***性能。而随着信噪比的增大，它们性能的差距变的越来越大。附图3给出了当信噪比等于20dB时不同天线合并算法的MU-MIMO***容量CDF。

综合上述仿真结果和分析，如果在有限反馈的前提下需要将MU-MIMO***通过天线合并转化为MU-MISO***，那么改进的天线合并算法能够比目前所研究的其他合并算法获得更优的***性能。

Claims (2)

1.本发明提出的改进的CSI有限反馈方法，是基于将接收端的信号检测算法和CDI选择联合在一起进行设计，以求能将E[SINR_k]最大化。

2.本发明包括以下步骤：

步骤1：用户利用基站发送的CSI-RS进行信道估计；对于第k个用户来说，经过u_k作为信号检测后其接收信号可以通过下面公式来表示，其中

y_k为用户k接收到的信号，n′_k为等效信道上所叠加的复高斯白噪声，G_i是第i个用户M×1的预编码向量：

$r_k=u_k{y}_k=u_k{H}_k{G}_k{d}_k+u_k{H}_k\underset{i\∈S,i\≠k}{\mathrm{\Σ}}{G}_i{d}_i+n_k^{\′}$

步骤2：用户通过量化码本反馈其等效信道的方向信息CDI和相应的信道质量信息CQI：

(2a)合并算法：

被选择进行传输数据的用户k所获得的SINR_k可以表示为：

${\mathrm{SINR}}_k=\frac{p_k{\left|u_k{H}_k{w}_k\right|}^2}{1+\underset{i\∈S\backslash \left\{k\right\}}{\mathrm{\Σ}}{P}_i{\left|u_k{H}_k{w}_i\right|}^2}$

其中w_k和p_k分别是第k个用户预编码向量和发送功率，这里假设***对每个用户进行等功率分配，那么

改进的天线合并算法旨在联合接收端的信号检测和CDI的选择来使每个用户的E[SINR_k]最大化。

(2b)信道方向信息(CDI)的选择和信道质量信息(CQI)的计算：

第k个用户的CQI可表示为：

${\mathrm{CQI}}_k=\frac{\frac{P}{M}{\left|u_k{H}_k{v}_k\right|}^2}{1+\frac{P}{M}{\left|\right|u_k{H}_k-\left(u_k{H}_k{v}_k\right)v_k^H\left|\right|}_2^2}$

设 ${\mathrm{CQI}}_k=\frac{u_k{A}_k{u}_k^H}{1+u_k{B}_k{u}_k^H},A_k=\frac{P}{M}\left(H_k{c}_i{c}_i^H{H}_k^H\right),B_k=\frac{P}{M}\left[H_k(I-c_i{c}_i^H)H_k^H\right]$

在c_i作为等效信道的CDI时，选择MMSE信号检测算法作为最大化E[SINR_k]的接收端合并算法；其中，在固定的量化码下设计最优的加权合并向量u_k：

$u_k={\left({(I+B_k)}^{-1}\sqrt{\frac{P}{M}}{H}_k{c}_i\right)}^H$

(2c)这样每一个量化向量和其对应的加权合并向量就会产生一个CQI，用户从中选择一个最大的CQI作为其反馈的信道质量信息，同时反馈这个CQI所对应的c_i作为其部分信道的CDI。基站端利用每个用户反馈的CDI和CQI进行用户调度和预编码矩阵计算，这里的接收端信号检测算法采用MMSE。

Images