CN102655424A - 一种多天线均衡***的矩阵分解方法和装置 - Google Patents

Abstract

本发明公开了一种多天线均衡***的矩阵分解方法和装置，该方法包括：接收N阶天线噪声相关矩阵A，矩阵A为N阶正定对称方阵；初始化矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量，并存储矩阵A和S；其中矩阵S的第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；逐一取矩阵A的右下(N-i)阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L。本发明解决了现有技术中矩阵分解过程资源消耗过大，低成本方案很难实现的问题。

Description

一种多天线均衡***的矩阵分解方法和装置

技术领域

本发明涉及通信技术领域，尤其涉及一种多天线均衡***的矩阵分解方法和装置。

背景技术

LTE上行多天线接收***中，为了进行多天线均衡MRC，IRC合并，在均衡***中引入了多天线接收噪声相关矩阵的概念，并通过对噪声相关矩阵的求逆运算，消除了天线相关噪声以及临近小区的干扰，达到更好的干扰抑制效果。在整个运算过程中，对噪声相关矩阵的求逆运算往往成为***的瓶颈。目前业界存在一种基于矩阵分解再求逆的算法，应用在如图1所示的上行多天线接收均衡***中，图1以四天线接收为例进行说明，***根据天线接收信号得到噪声相关矩阵估计A：

$A=\left(\begin{array}{cccc}{a}_{11}& a_{12}& a_{13}& a_{14}\\ a_{21}& a_{22}& a_{23}& a_{24}\\ a_{31}& a_{32}& a_{33}& a_{34}\\ a_{41}& a_{42}& a_{43}& a_{44}\end{array}\right)$

然后，对噪声相关矩阵A进行分解得到互相关系数矩阵L(下三角阵)和自相关能量矩阵D(对角阵)，分别为：

$L=\left[\begin{array}{cccc}1& 0& 0& 0\\ \frac{a_{21}}{a_{11}}& 1& 0& 0\\ \frac{a_{31}}{a_{11}}& \frac{a_{32}-l_{31}{d}_1{l^{*}}_{21}}{d_2}& 1& 0\\ \frac{a_{41}}{a_{11}}& \frac{a_{42}-l_{41}{d}_1{l^{*}}_{21}}{d_2}& \frac{a_{43}-l_{41}{d}_1{l^{*}}_{31}-l_{42}{d}_2{l^{*}}_{32}}{d_3}& 1\end{array}\right]$

$D=\left[\begin{array}{cccc}{a}_{11}& 0& 0& 0\\ 0& a_{22}-l_{21}{d}_1{l}_{21}^{*}& 0& 0\\ 0& 0& a_{33}-l_{31}{d}_1{l}_{31}^{*}-l_{32}{d}_2{l}_{32}^{*}& 0\\ 0& 0& 0& a_{44}-l_{41}{d}_1{l}_{41}^{*}-l_{42}{d}_2{l}_{42}^{*}-l_{43}{d}_3{l}_{43}^{*}\end{array}\right]$

以得到噪声相关矩阵A的恒等变形：A＝LDL^H。

最后，通过对自相关能量矩阵D和互相关系数矩阵L求逆，完成对噪声相关矩阵的求逆运算。但上述算法实际上是将计算瓶颈转嫁给了矩阵分解单元，而正是由于这部分巨大的运算量大大增加了***的成本，使得低成本方案难以实现。

继续如图1所示的4天线阵，本发明假设天线1为参考天线，其他天线相对于天线1产生相关噪声干扰，以计算出天线1的自相关能量d₁，归一化互相关系数向量l₂₁，l₃₁，l₄₁，再计算天线2的自相关能量d₂，计算互相关系数l₃₂时需要减去天线3对天线1的相关相对于天线2对天线1的相关，计算互相关系数l₄₂的时候，需要减去天线4对天线1的相关相对于天线2对天线1的相关，通过除以天线2的自相关能量，以得到归一化互相关系数系数l₃₂、l₄₂，同理得到天线3的自相关能量d₃，归一化互相关系数向量l₄₃，天线4的自相关能量d₄。从而完成矩阵分解，分解公式如下：

其中： $\left\{\begin{array}{c}{l}_{\mathrm{ij}}=(a_{\mathrm{ij}}-\underset{k=1}{\overset{j-1}{\mathrm{\Σ}}}{l}_{\mathrm{ik}}{d}_k{l^{*}}_{\mathrm{jk}})/d_j(j=\mathrm{1,2},..,i-1)\\ d_i=a_{\mathrm{ii}}-\underset{k=1}{\overset{j-1}{\mathrm{\Σ}}}{l}_{\mathrm{ik}}{d}_k{l}_{\mathrm{ik}}^{*}i=\mathrm{1,2}...,n\end{array}\right.---\left(1\right)$

观察可知上述计算流程有以下特点：

对于天线j的互相关系数，自相关能量中的每一个元素，需要进行2*(j-1)次乘法、1次除法(计算自相关能量时不需除法)。如果对一个包括N个接收天线的***，对N阶噪声相关矩阵进行分解，需要进行

次乘法、N*(N-1)/2次除法，如何减小计算量是优化结构的重点所在。

另外，在计算天线1的自相关能量和互相关系数时，达到计算谷底，每个元素需要进行0次乘法，计算天线N的自相关能量和互相关系数时，达到计算峰值，每个元素需要进行2(N-1)次乘法，在硬件设计中，需要在计算峰值的时候，依然满足时序的要求，这就要求硬件电路按照计算量最大的情况下生成，所以，如何平均化运算量也将成为优化结构的关键所在。

基于以上分析，如果对公式(1)进行直接实现，则存在如下缺陷：

第一，资源消耗过大，在低成本方案中很难采用，从而增加了***中多接收天线之间的干扰，降低了接收性能。

第二，标准模块化价值很低，无法通过配置以适应于不同参数的小区；以及通过多重例化，增加***吞吐量。

第三，在FDD和TDD***中，分别需要进行2天线，4天线，8天线的噪声相关矩阵分解，所带来的如何降低矩阵的资源消耗，是必须解决的问题。

发明内容

本发明提供一种多天线均衡***的矩阵分解方法和装置，用以解决现有技术中矩阵分解过程资源消耗过大，低成本方案很难实现的问题。

具体的，本发明提供一种多天线均衡***的矩阵分解方法，包括：

接收N阶噪声相关矩阵A，初始化所述矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量，并存储所述矩阵A和矩阵S；其中，所述矩阵A为N阶正定方阵，其第p列向量为其余N-1个天线分别对第p个天线的相关噪声；所述矩阵S为与矩阵A对应的互相关能量矩阵，其第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；

逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，以求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L，其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

所述方法中，中间计算结果矩阵元素

p＝1，...，N；q＝1，...，p，其中，l为矩阵L中的元素。

所述方法中，初始化矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S具体包括：

将天线1的自相关能量d1初始化为所述矩阵A第一行第一列的元素a₁₁；将所述互相关系数矩阵L的第一列向量初始化为所述矩阵A第一列向量与自相关能量d₁的商；将所述矩阵S的第一列向量初始化为矩阵A的第一列向量。

所述方法中，求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素具体包括：

利用第i-1次迭代获取的S_m，i和A^* _n，i，计算第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n＝A_m，n-S_m，i*A^* _n，i，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的相关能量元素d_i+1；再将第i次迭代三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)。

进一步的，所述方法中选取N阶噪声相关矩阵A的右下(N-i)阶三角矩阵进行第i次迭代分解时，得到第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n和矩阵S的右下(N-i)阶矩阵元素S_mn后对存储的矩阵A和矩阵S进行刷新。

本发明还提供一种多天线均衡***的矩阵分解装置，包括：

矩阵接收单元，用于接收待分解N阶噪声相关矩阵A；

初始化单元，用于初始化所述矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量后输出给迭代单元，并存储所述矩阵A和矩阵S；所述矩阵A为N阶正定对称方阵，所述矩阵S的第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；

迭代单元，用于逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，以求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L，其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

其中，所述中间计算结果矩阵元素

p＝1，...，N；q＝1，...，p，其中，l为矩阵L中的元素。

进一步的，所述初始化单元将天线1的自相关能量d₁初始化为所述矩阵A第一行第一列的元素a₁₁；将所述互相关系数矩阵L的第一列向量初始化为所述矩阵A第一列向量与自相关能量d₁的商；将所述矩阵S的第一列向量初始化为矩阵A的第一列向量。

所述迭代单元具体包括：

复数乘法器，用于调用第i-1次迭代获取的S_m，i和A^* _n，i，根据计算等式A_m，n＝A_m，n-S_m，i*A^* _n，i计算第i次迭代选取的右下(N-i)阶三角矩阵，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的自相关能量d_i+1；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)；

复数除法器，用于调用第i次迭代选取的右下(N-i)阶三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素。

其中，所述迭代单元在选取N阶噪声相关矩阵A的右下(N-i)阶三角矩阵进行第i次迭代分解时，得到第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n和矩阵S的右下(N-i)阶矩阵元素S_mn后对存储的矩阵A和矩阵S进行刷新。

进一步的，本发明所述装置包括多个初始化单元以及与其对应的多个迭代单元，用于并行迭代分解多个噪声相关矩阵。

进一步的，所述矩阵接收单元具体包括：

用户选择子单元，用于接收多天线均衡***中各用户配置参数，根据调度策略选择某用户并获取该用户的噪声干扰矩阵、接收天线维数和用户时频资源信息；

资源块选择子单元，用于逐一选取所述用户的一个或多个资源块对应的噪声干扰矩阵作为待分解的噪声相关矩阵。

与现有技术相比，本发明有益效果如下：

通过本发明所述的方法和装置可以调整分解流程，降低了计算量，并且，拉平了计算峰值速率，有效降低需要的峰值计算流量，达到节省资源，优化时序的效果。

另外，本发明还可以通过实时配置，适用于接收天线为N及以下***的噪声相关矩阵分解，并可通过多重例化，增加吞吐量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中上行4天线接收均衡***的部分结构示意图；

图2为本发明提供的多天线均衡***的矩阵分解方法流程图；

图3为本发明实施例基于迭代的4接收天线噪声干扰矩阵分解计算蝶形图；

图4为本发明实施例提供的多天线均衡***的矩阵分解装置的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决现有技术中矩阵分解过程资源消耗过大，低成本方案很难实现的问题，本发明在不影响***性能的前提下，提供一种多天线均衡***的矩阵分解方法和装置，所述方法的主要原理是：

首先，存储输入的噪声相关矩阵及其中间计算结果，用以降低计算量；

上述公式(1)中记载的内容(j＝1，2，..，i-1)，观察该公式可以得到：

本发明中令

k＝1，...，i，将所述S_ik记为中间计算结果，记录该中间计算结果可以将2(N-1)次乘法简化为N-1次乘法，计算量减半。

其次，使用迭代算法完成矩阵的分解，用以拉平计算速率；通过迭代算法可以将天线N的一个元素的N-1次乘法，转化成N-1轮1次乘法，这样计算的流量变平缓了，所需的峰值乘法器由N-1个变成了1个。

如图2所示，本发明提供的多天线均衡***的矩阵分解方法，具体包括：

步骤S201、接收N阶噪声相关矩阵A；

步骤S202、初始化矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量(即其余N-1根天线对天线1的相关噪声系数)，并存储所述矩阵A和矩阵S；

步骤S203、逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值；

步骤S204、基于第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等式，求取各天线的自相关能量元素d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素后，得到分解后的自相关能量D和互相关系数矩阵L；其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

该步骤具体为：利用第i-1次迭代获取的S_m，i和A^* _n，i，计算第i次迭代选取的右下(N-i)阶三角矩阵A_m，n＝A_m，n-S_m，i*A^* _n，i，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的自相关能量d_i+1；再将第i次迭代三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)。

下面结合几个具体实施例，进一步给出本发明的技术细节，使其能够更好地说明本发明的提供的方法的具体实现过程。

实施例一

本实施例提供一种多天线均衡***的矩阵分解方法，具体包括：

步骤1、N天线接收***，接收一个用户的N阶噪声相关矩阵输入矩阵A。

$A=\left(\begin{array}{cccc}{a}_{11}& a_{12}& \·\·\·& a_{1N}\\ a_{21}& a_{22}& \·\·\·& a_{2N}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ a_{N1}& a_{N2}& \·\·\·& a_{\mathrm{NN}}\end{array}\right)$

步骤2、对一个资源块RB的噪声相关矩阵A，初始化自相关能量矩阵D(对角阵)和互相关系数矩阵L，初始化N阶中间结果矩阵S，刷新A矩阵的第一列元素，使得天线1的自相关能量d₁等于输入矩阵a₁₁，其余的优选初始化为0；S矩阵的第一列等于A矩阵的第一列元素，其余的优选初始化为0，刷新A矩阵的第一列元素为原位置元素和d₁的商，得到天线1的互相关系数向量；

步骤3、进行迭代，刷新A矩阵的N-1阶右下三角矩阵，使得N-1阶右下三角矩阵元素A_m，n等于原天线噪声相关矩阵中的A_m，n与S_m，i-1*A^* _n，i-1的差，即存在下述等式A_m，n＝A_m，n-S_m，i-1*A^* _n，i-1；

根据上述等式可以得到天线2的自相关能量d₂等于刷新后的N-1阶右下三角矩阵的a₂₂，S矩阵的第二列的后N-1个元素等于N-1阶右下三角矩阵元素A_m，n的第二列元素后N-1个元素，刷新后的N-1阶右下三角矩阵元素A_m，n的第二列的后N-2个元素为原位置元素与d₂求商，得到天线2的互相关系数向量；

步骤4、按照步骤3所述的迭代方式，对原天线噪声相关矩阵A进行余下的N-2次迭代，第i次迭代刷新A矩阵的N-i阶右下角下三角矩阵，第i次迭代得到第i+1个天线的自相关能量和互相关系数向量，直到第N-1次迭代得到最后一个天线的自相关能量和互相关系数向量。

步骤5、重复步骤2到步骤4，完成该用户余下RB的噪声相关矩阵进行矩阵分解。

步骤6、重复步骤1到步骤5，完成***中所有用户所有RB的噪声相关矩阵的分解。

步骤7、将分解后的自相关能量矩阵，互相关系数矩阵求逆，并带入到多天线均衡***中，抑制多接收天线之间的噪声干扰，优化接收均衡***的性能。

下面以图1所示的四天线噪声干扰矩阵分解过程为例详细说明能个上述迭代分解过程，具体如下：

天线噪声相关矩阵： $A=\left(\begin{array}{cccc}{a}_{11}& a_{12}& a_{13}& a_{14}\\ a_{21}& a_{22}& a_{23}& a_{24}\\ a_{31}& a_{32}& a_{33}& a_{34}\\ a_{41}& a_{42}& a_{43}& a_{44}\end{array}\right);$

(1)初始化天线噪声相关矩阵A对应的中间结果矩阵S、自相关能量矩阵D和互相关系数矩阵L，得到天线1的能量d₁＝a₁₁；中间结果矩阵的第一列等于天线噪声相关矩阵的第一列

再将A矩阵的第一列元素(原位置元素)与d₁求商得到天线1的互相关系数向量 $\left(\begin{array}{c}{a}_{11}\\ a_{21}\\ a_{31}\\ a_{41}\end{array}\right)=\left(\begin{array}{c}{a}_{11}\\ a_{21}/a_{11}\\ a_{31}/a_{11}\\ a_{41}/a_{11}\end{array}\right)=\left(\begin{array}{c}{d}_1\\ l_{21}\\ l_{31}\\ l_{41}\end{array}\right).$

(2)第一轮迭代：取A的3阶右下三角矩阵，根据等式A_m，n＝A_m，n-S_m，i-1*A^* _n，i-1有：

$\left(\begin{array}{ccc}{a}_{22}& a_{23}& a_{24}\\ a_{32}& a_{33}& a_{34}\\ a_{42}& a_{43}& a_{44}\end{array}\right)=\left(\begin{array}{ccc}{a}_{22}-s_{21}{a^{*}}_{21}& 0& 0\\ a_{32}-s_{31}{a^{*}}_{21}& a_{33}-s_{31}{a^{*}}_{31}& 0\\ a_{42}-s_{41}{a^{*}}_{21}& a_{43}-s_{41}{a^{*}}_{31}& a_{44}-s_{41}{a^{*}}_{41}\end{array}\right)$

$=\left(\begin{array}{ccc}{a}_{22}-l_{21}{d}_1{l}_{21}^{*}& 0& 0\\ a_{32}-l_{31}{d}_1{l^{*}}_{21}& a_{33}-l_{31}{d}_1{l}_{31}^{*}& 0\\ a_{42}-l_{41}{d}_1{l^{*}}_{21}& a_{43}-l_{41}{d}_1{l^{*}}_{31}& a_{44}-l_{41}{d}_1{l}_{41}^{*}\end{array}\right)$

其中等式左边的矩阵向量a_mn为第i次迭代选取的右下三角矩阵的元素，等式右边矩阵中的向量a_mn为第i-1次迭代选取的右下三角矩阵中的元素。当i等于1时，则i-1次迭代即为初始化时的噪声干扰矩阵A。

根据上式以及S矩阵内向量的递推公式可以得到：天线2的能量d₂＝a₂₂；

再对A的3阶右下三角矩阵的第一列与d₂求商得到天线2的互相关系数向量 $\left(\begin{array}{c}{a}_{22}\\ a_{32}\\ a_{42}\end{array}\right)=\left(\begin{array}{c}{a}_{22}\\ a_{32}/a_{22}\\ a_{42}/a_{22}\end{array}\right)=\left(\begin{array}{c}{d}_2\\ l_{32}\\ l_{42}\end{array}\right).$

(3)第二轮迭代：取A的2阶左下角矩阵，有：

$\left(\begin{array}{cc}{a}_{33}& a_{34}\\ a_{43}& a_{44}\end{array}\right)=\left(\begin{array}{cc}{a}_{33}-s_{32}{a^{*}}_{32}& 0\\ a_{43}-s_{42}{a^{*}}_{32}& a_{44}-s_{42}{a^{*}}_{42}\end{array}\right)=\left(\begin{array}{cc}{a}_{33}-l_{31}{d}_1{l}_{31}^{*}-l_{32}{d}_2{l}_{32}^{*}& 0\\ a_{43}-l_{41}{d}_1{l^{*}}_{31}-l_{42}{d}_2{l^{*}}_{32}& a_{44}-l_{41}{d}_1{l}_{41}^{*}-l_{42}{d}_2{l}_{42}^{*}\end{array}\right)$

根据上式以及S矩阵内向量的递推公式，可以得到：天线3的能量d₃＝a₃₃；再对A的2阶右下三角矩阵的第一列与d₃求商得到天线3的互相关系数向量 $\left(\begin{array}{c}{a}_{33}\\ a_{43}\end{array}\right)=\left(\begin{array}{c}{a}_{33}\\ a_{43}/a_{33}\end{array}\right)=\left(\begin{array}{c}{d}_3\\ l_{43}\end{array}\right).$

(4)第三轮迭代：取A的1阶左下角矩阵，有：

由此可以得到天线4的能量d₄＝a₄₄。

经过上述迭代分解过程，得到分解结果为：

$A=\left(\begin{array}{cccc}{a}_{11}& a_{12}& a_{13}& a_{14}\\ a_{21}/d_1& a_{22}-l_{21}{d}_1{l}_{21}^{*}& a_{23}& a_{24}\\ a_{31}/d_1& (a_{32}-l_{31}{d}_1{l^{*}}_{21})/d_2& a_{33}-l_{31}{d}_1{l}_{31}^{*}-l_{32}{d}_2{l}_{32}^{*}& a_{34}\\ a_{41}/d_1& (a_{42}-l_{41}{d}_1{l^{*}}_{21})/d_2& (a_{43}-l_{41}{d}_1{l^{*}}_{31}-l_{42}{d}_2{l^{*}}_{32})/d_3& a_{44}-l_{41}{d}_1{l}_{41}^{*}-l_{42}{d}_2{l}_{42}^{*}-l_{43}{d}_3{l}_{43}^{*}\end{array}\right)$

$=\left(\begin{array}{cccc}{d}_1& a_{12}& a_{13}& a_{14}\\ l_{21}& d_2& a_{23}& a_{24}\\ l_{31}& l_{32}& d_3& a_{34}\\ l_{41}& l_{42}& l_{43}& d_{44}\end{array}\right)$

上述分解结果是将自相关能量矩阵和互相关系数矩阵存储在一起的表示方式。另外，上述迭代分解过程还可以通过如图3所示的蝶形图来表示。

实施例二

本实施例中，令LTE基站处理***中存在3个小区，当前时刻，每个小区中各有一个用户a，b，c，需要进行天线噪声相关矩阵(RN)进行矩阵分解，分别对应小区A，B，C，其中小区A为8接收天线，小区B为2接收天线，小区C为4接收天线，根据调度策略，以a，b，c的顺序对用户进行调度。

为完成以上功能，***调用一个分解加速核，即以单RB为单位，对用户的RN矩阵进行分解。由于a，b，c三个用户对应的接收天线数分别为8，2，4。所以a，b，c三个用户得RN矩阵分别为8，2，4阶正定对称矩阵。

具体矩阵分解过程包括：

第一步骤：接收噪声相关矩阵A，初始化该噪声相关矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间结果矩阵S，并缓存矩阵A和矩阵S，得到用户a天线1的自相关能量d₁，中间结果矩阵第一列元素S_8x1，用户a天线1互相关系数向量列，开始对用户a的一个RB对应的8x8噪声相关矩阵A进行分解。

第二步骤：进行第一轮迭代，使用第一步骤得到的d₁，互相关系数矩阵L的第1列，中间结果矩阵S_8x1，取噪声相关矩阵A的7x7右下三角矩阵进行迭代，得到用户a天线2的自相关能量d₂，用户a天线2互相关系数向量列，中间结果矩阵第二列的下7个元素S_7x1，并刷行缓存的矩阵S和矩阵A；

第三步骤：进行第二轮迭代，使用第二步骤得到的d₂，互相关系数矩阵L的第2列(即用户a天线2相关系数向量列)，中间结果矩阵S_7x1，取刷新后的噪声相关矩阵A的6x6右下三角矩阵进行迭代，得到用户a天线3的自相关能量d₃，用户a天线3互相关系数向量列和中间结果矩阵第三列的下6个元素S_6x1，并刷行缓存的矩阵S和矩阵A；

第四步骤：进行第三轮迭代，使用第三步骤得到的d₃，互相关系数矩阵L的第3列，中间结果矩阵S_6x1，取刷新后的噪声相关矩阵A的5x5右下三角矩阵进行迭代，得到用户a天线4的自相关能量d₄，用户a天线4互相关系数向量列和中间结果矩阵第四列的下5个元素S_5x1，并刷行缓存的矩阵S和矩阵A；

第五步骤：进行第四轮迭代，使用第四步骤得到的d₄，互相关系数矩阵L的第4列，中间结果矩阵S_5x1，取刷新后的噪声相关矩阵A的4x4右下三角矩阵进行迭代，得到用户a天线5的自相关能量d₅，用户a天线5互相关系数向量列和中间结果矩阵第五列的下4个元素S_4x1，并刷行缓存的矩阵S和矩阵A；

第六步骤：进行第五轮迭代，使用第五步骤得到的d₅，互相关系数矩阵L的第5列，中间结果矩阵S_4x1，取刷新后的噪声相关矩阵A的3x3右下三角矩阵进行迭代，得到用户a天线6的自相关能量d₆，用户a天线6互相关系数向量列和中间结果矩阵第六列的下3个元素S_3x1，并刷行缓存的矩阵S和矩阵A；

第七步骤：进行第六轮迭代，使用第六步骤得到的d₆，互相关系数矩阵L的第6列，中间结果矩阵S_3x1，取刷新后的噪声相关矩阵A的2x2右下三角矩阵进行迭代，得到用户a天线7的自相关能量d₇，用户a天线7互相关系数向量列和中间结果矩阵第七列的下2个元素S_2x1，并刷行缓存的矩阵S和矩阵A；

第八步骤：进行第七轮迭代，输出分解结果。使用第七步骤得到的d₇，互相关系数矩阵L的第7列，中间结果矩阵S_2x1，取刷新后的噪声相关矩阵A的1x1右下三角矩阵进行迭代，得到用户a天线8的自相关能量d₈和用户a天线8互相关系数向量列，完成用户a的一个RB对应的8x8RN矩阵的分解；

第九步骤：按照步骤一到步骤八的顺序，对用户a的其他RB的8x8 RN矩阵进行分解。

第十步骤：按照步骤一到步骤二的顺序，完成用户b的一个RB对应的2x2 RN矩阵进行分解。

第十一步骤：按照步骤十的方法，对用户b的其他RB的2x2 RN矩阵进行分解。

第十二步骤：按照步骤一到步骤四的顺序，完成用户c的一个RB对应的4x4RN矩阵进行分解。

第十三步骤：按照步骤十二的方法，对用户c的其他RB的4x4 RN矩阵进行分解。

总结，只要满足***吞吐量的要求，本发明仅使用一个加速核，即一个支持流水的复数乘法器，一个支持流水的复数除法器，一个控制迭代次数的状态机，就可以完成多小区，多用户，不同配置的RN矩阵分解，这大大降低了***所需要的资源，使得低成本方案得到实现。当不满足***吞吐量的要求时，本发明可以通过并行调用N个加速核，使得吞吐量得到N倍的提升；

另外，对于N个接收天线的噪声相关矩阵的分解电路，可通过实时配置，使之适用于具有N个接收天线以下的***的噪声相关矩阵分解的处理。

综上所述，可见通过本发明所述的方法可以调整分解流程，降低了计算量，并且，拉平了计算峰值速率，有效降低需要的峰值计算流量，达到节省资源，优化时序的效果。

同时，本发明还可以通过实时配置，适用于接收天线为N及以下***的噪声相关矩阵分解，并可通过多重例化，达到并行处理多个RB，增加处理流量的效果。

另外，需要说明的是，本发明上述实施例虽然是面对LTE上行业务***MRC、IRC合并的接收天线噪声相关矩阵的分解设计，但依然适用于所有需要进行正定对称矩阵的分解的数字信号处理***中。对于N阶矩阵，其需要的计算资源是优化前算法的1/(N-1)，这一点对于高阶矩阵的分解是具有较强的借鉴意义。

本发明还提供一种多天线均衡***的矩阵分解装置，如图4所示，包括：

矩阵接收单元，用于接收待分解N阶噪声相关矩阵A；

初始化单元，用于初始化所述矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量后输出给迭代单元，并存储所述矩阵A和矩阵S；所述矩阵S的第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；

迭代单元，用于逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，以求取各天线的相关能量d_i+1以及相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L，其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

所述装置中，中间计算结果矩阵元素

p＝1，...，N；q＝1，....，p，其中，l为矩阵L中的元素。

所述装置中，初始化单元将天线1的自相关能量d₁初始化为所述矩阵A第一行第一列的元素a₁₁；将所述互相关系数矩阵L的第一列向量初始化为所述矩阵A第一列向量与自相关能量d₁的商；将所述矩阵S的第一列向量初始化为矩阵A的第一列向量。

所述装置中，迭代单元具体包括：

复数乘法器，用于调用第i-1次迭代获取的S_m，i和A^* _n，i，根据计算等式A_m，n＝A_m，n-S_m，i*A^* _n，i计算第i次迭代选取的右下(N-i)阶三角矩阵，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的自相关能量d_i+1；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)；

复数除法器，用于调用第i次迭代选取的右下(N-i)阶三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素。

其中，迭代单元通过矩阵维数判断迭代次数，进而进行迭代控制，其迭代次数等于噪声干扰矩阵维数N-1次；迭代控制部件可以布置在迭代单元内，也可以独立于迭代单元布置。

进一步的，所述迭代单元在选取N阶噪声相关矩阵A的右下(N-i)阶三角矩阵进行第i次迭代分解时，得到第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n和矩阵S的右下(N-i)阶矩阵元素S_mn后对存储的矩阵A和矩阵S进行刷新；当迭代单元进行i+1次迭代时，调用第i次迭代获取的S矩阵的第一列向量计算i+1次迭代矩阵。

进一步的，为了增加处理流量，本发明装置可通过多重例化方式，达到并行处理多个RB，即本发明所述装置中包括多个初始化单元以及与其对应的多个迭代单元，用于并行迭代分解多个噪声相关矩阵。

进一步的，本发明所述装置中，矩阵接收单元具体包括：

用户选择子单元，用于接收多天线均衡***中各用户发送的配置参数，根据调度策略选择某一用户并获取该用户的噪声干扰矩阵、接收天线维数和用户时频资源信息；

资源块选择子单元，用于逐一选取所述用户的一个或多个资源块对应的噪声干扰矩阵作为待分解的噪声相关矩阵。

综上所述，可见通过本发明所述装置可以调整分解流程，降低了计算量，并且，拉平了计算峰值速率，有效降低需要的峰值计算流量，达到节省资源，优化时序的效果。

同时，本发明还可以通过实时配置，适用于接收天线为N及以下***的噪声相关矩阵分解，并可通过多重例化，达到并行处理多个RB，增加处理流量的效果。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种多天线均衡***的矩阵分解方法，其特征在于，包括：

接收N阶噪声相关矩阵A，初始化所述矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量，并存储所述矩阵A和矩阵S；所述矩阵A为N阶正定对称方阵，所述矩阵S的第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；

逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，以求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L，其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

2.如权利要求1所述的方法，其特征在于，所述中间计算结果矩阵元素

p＝1，...，N；q＝1，...，p，其中，l为矩阵L中的元素。

3.如权利要求2所述的方法，其特征在于，所述初始化矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S具体包括：

将天线1的自相关能量d₁初始化为所述矩阵A第一行第一列的元素a₁₁；将所述互相关系数矩阵L的第一列向量初始化为所述矩阵A第一列向量与自相关能量d₁的商；将所述矩阵S的第一列向量初始化为矩阵A的第一列向量。

4.如权利要求1或2或3所述的方法，其特征在于，所述求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素具体包括：

利用第i-1次迭代获取的S_m，i和A^* _n，i，计算第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n＝A_m，n-S_m，i*A^* _n，i，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的自相关能量d_i+1；再将第i次迭代三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)。

5.如权利要求4所述的方法，其特征在于，所述选取N阶噪声相关矩阵A的右下(N-i)阶三角矩阵进行第i次迭代分解时，得到第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n和矩阵S的右下(N-i)阶矩阵元素S_mn后对存储的矩阵A和矩阵S进行刷新。

6.一种多天线均衡***的矩阵分解装置，其特征在于，包括：

矩阵接收单元，用于接收待分解N阶噪声相关矩阵A；

初始化单元，用于初始化所述矩阵A对应的自相关能量矩阵D、互相关系数矩阵L和中间计算结果矩阵S，得到天线1的自相关能量d₁以及互相关系数矩阵L的第一列向量后输出给迭代单元，并存储所述矩阵A和矩阵S；所述矩阵A为N阶正定对称方阵，所述矩阵S的第p列向量表示剩余的N-p根天线对第p根天线的相关噪声；

迭代单元，用于逐一取所述N阶噪声相关矩阵A的右下(N-i)，i＝1，...N-1阶三角矩阵进行迭代分解，使第i次迭代选取的右下(N-i)阶三角矩阵元素A_mn等于第i-1次迭代选取的矩阵中A_mn与S_m，i*A^* _n，i的差值，以求取各天线的自相关能量d_i+1以及互相关系数矩阵L第i+1列的后N-i个元素，得到分解后的自相关能量矩阵D和互相关系数矩阵L，其中，m＝i+1，i+2，...，N；n＝i+1，i+2，...，m。

7.如权利要求6所述的装置，其特征在于，所述中间计算结果矩阵元素p＝1，...，N；q＝1，...，p，其中，l为矩阵L中的元素。

8.如权利要求7所述的装置，其特征在于，

所述初始化单元将天线1的自相关能量d₁初始化为所述矩阵A第一行第一列的元素a₁₁；将所述互相关系数矩阵L的第一列向量初始化为所述矩阵A第一列向量与自相关能量d₁的商；将所述矩阵S的第一列向量初始化为矩阵A的第一列向量。

9.如权利要求6或7或8所述的装置，其特征在于，所述迭代单元包括：

复数乘法器，用于调用第i-1次迭代获取的S_m，i和A^* _n，i，根据计算等式A_m，n＝A_m，n-S_m，i*A^* _n，i计算第i次迭代选取的右下(N-i)阶三角矩阵，并得到矩阵S的右下(N-i)阶矩阵元素S_mn以及天线(i+1)的自相关能量d_i+1；其中，自相关能量d_i+1等于第i次迭代三角矩阵第一行第一列的元素a_(i+1)×(i+1)；

复数除法器，用于调用第i次迭代选取的右下(N-i)阶三角矩阵的第一列向量A_m×(i+1)与所述自相关能量d_i+1求商得到互相关系数矩阵L第i+1列的后N-i个元素。

10.如权利要求9所述的装置，其特征在于，所述迭代单元在选取N阶噪声相关矩阵A的右下(N-i)阶三角矩阵进行第i次迭代分解时，得到第i次迭代选取的右下(N-i)阶三角矩阵元素A_m，n和矩阵S的右下(N-i)阶矩阵元素S_mn后对存储的矩阵A和矩阵S进行刷新。

11.如权利要求9所述的装置，其特征在于，所述装置包括多个初始化单元以及与其对应的多个迭代单元，用于并行迭代分解多个噪声相关矩阵。

12.如权利要求11所述的装置，其特征在于，所述矩阵接收单元具体包括：

用户选择子单元，用于接收多天线均衡***中各用户发送的配置参数，根据调度策略选择某一用户并获取该用户的噪声干扰矩阵、接收天线维数和用户时频资源信息；

资源块选择子单元，用于逐一选取所述用户的一个或多个资源块对应的噪声干扰矩阵作为待分解的噪声相关矩阵。

Images