CN102970103A - 一种多用户联合传输的用户间干扰抑制预编码方法 - Google Patents

Abstract

本发明提出的抑制用户间干扰的预编码方法的主要思路是：首先，设计各用户端的线性合并矩阵，并将线性合并矩阵结合到CSI的反馈中，合理利用空间自由度。然后，在各基站端对每个用户进行预编码，抑制每个用户泄漏到其他各用户的用户间干扰。最后，采用SLNR最大化准则，对已经取得的各用户的预编码矩阵和信道矩阵进行联合优化，进一步提升***性能。该方法复杂度的提高并不明显，对比传统的SLNR预编码具有实际应用价值；有效抑制了用户间干扰；误码性能和传输速率均随着SNR的增加而显著提高，因此所提预编码的性能要好于BD预编码。

Description

一种多用户联合传输的用户间干扰抑制预编码方法

技术领域：

本发明属于无线通信***的传输方法设计，涉及一种协作多点联合传输***在多用户场景下的预编码方法。 

背景技术：

协作***中的联合传输技术通过协作簇内各基站共享必要的服务信息，可以使多个基站同时向目标用户传输数据，从而将传统网络中存在的小区间干扰转化为有用信号，可显著提高小区边沿用户的数据传输速率和频谱效率。根据信道状态信息（Channel State Information，CSI）是否在协作簇内共享，可将联合传输技术分为相干联合传输和非相干联合传输。对于相干联合传输，所有用户的CSI需要在协作簇内共享，因此可以采用全局预编码（Global Precoding）方法进行预编码。全局预编码性能较好，但需要增加协作簇内的信息交互开销，并且计算复杂度较高。与此相对，非相干联合传输技术中协作簇内各基站仅利用其本身到各服务用户之间的本地CSI信息进行本地预编码（Local Precoding）。这种方式虽然较全局预编码有一定的性能损失，但是其方法简单且信息交互开销小，更易于在***中实现，因此本发明主要基于非相干联合传输。 

当协作内存在多个服务用户时，用户间干扰可能会严重影响用户的接收性能，因此，需要采用抑制该干扰的预编码方法。传统的块对角化（Block Diagonalization，BD）预编码和基于信漏噪比（Signal-to-Laekage-plus-Noise Ratio，SLNR）最大化的预编码均可以对用户间干扰进行抑制。然而，前者的应用受单基站的发射天线数不小于所有用户的接收天线数的限制，后者的性能受不同***的空间自由度影响较大。 

综上所述，针对协作的非相关联合传输***，设计一种可有效抑制用户间干扰且具有合理复杂度的改进预编码方法是有必要的。 

非相干联合传输技术，协作簇内基站利用本地CSI来进行预编码，基站间的信息交互开销较小，但当存在多个服务用户时，用户间干扰会严重影响***性能。传统的BD和SLNR预编码方法可以抑制用户间干扰，但是其应用会受到***配置的天线数或者***空间自由度的限制。 

针对以上问题，本发明提出一种可以对用户间干扰进行抑制的预编码方法，该方法可以合理利用***空间自由度，且可以改善用户误码性能并提升***的吞吐量。 

发明内容：

本发明提出的抑制用户间干扰的预编码方法的主要思路是：首先，设计各用户端的线性合并矩阵，并将线性合并矩阵结合到CSI的反馈中，合理利用空间自由度。然后，在各基站端对每个用户进行预编码，抑制每个用户泄漏到其他各用户的用户间干扰。最后，采用SLNR最大化准则，对已经取得的各用户的预编码矩阵和信道矩阵进行联合优化，进一步提升***性能。具体如下： 

一种多用户联合传输的用户间干扰抑制预编码方法，协作多点多用户联合传输场景如下：M个基站协作，每基站有M_i根发射天线；同时服用用户数有N个，每用户配备N_k根天线；所有用户的传输数据流总数不超过基站天线数，即 

其中，L_k为第K个用户的传输数据流；信道矩阵为H_k，i（N_k×M_i）；该方法包括如下步骤： 

(1)首先对用户k的综合信道矩阵H_k进行奇异值分解 

其中，有用信道矩阵为：H_k=[H_k，1,…,H_k，M]，U_k是左奇异矩阵，Σ_k是对角矩阵， 是共轭转置后的右奇异矩阵；在基站生成的线性合并矩阵Φ_k由最大的若干个奇异值对应的L_k个左奇异向量组成： 

k=1,…,N； 

(2)将线性合并矩阵信息并入CSI反馈中，反馈等效信道矩阵 

k=1，…,N； 

(3)利用反馈的CSI信息，在基站端进行预编码处理，抑制其泄漏到其他用户的干扰，并得到预编码矩阵 

其中，  ${\stackrel{\‾}{H}}_{k,i}^{*}={[H_{1,i}^H{\mathrm{\Φ}}_1,\·\·\·,H_{k-1,i}^H{\mathrm{\Φ}}_{k-1},H_{k+1,i}^H{\mathrm{\Φ}}_{k+1},\·\·\·,H_{N,i}^H{\mathrm{\Φ}}_N]}^H,$

由矩阵 

的最小的若干个特征值对应的 

个特征向量组成，k=1,…,N， 

(4)采用SLNR最大化准则提升***性能，并得到预编码矩阵  $W_{k,i}^{\left(b\right)}=\arg \underset{w_{k,i}}{\max }\frac{\mathrm{tr}\left(W_{k,i}^H{H}_{k,i}^{\#H}{H}_{k,i}^{\#}{W}_{k,i}\right)}{\mathrm{tr}\left(W_{k,i}^H{N}_0{L}_k{I}_{{\stackrel{\‾}{L}}_k}{W}_{k,i}\right)},$

由矩阵对 

进行广义特征值后最大的若干广义特征值对应的L_k个广义特征向量组成，k=1,…,N； 

(5)计算最终的预编码矩阵， 

k=1,…,N。 

本发明的有益效果是： 

该方法相对于传统的SLNR预编码方法，复杂度的提高并不明显，另外该方法由于引入了线性合并矩阵，减少了***反馈量。该方法对比传统的SLNR预编码具有实际应用价值。 

本发明中所提的预编码方法，由于其合理利用了空间自由度并有通过预编码的优化有效抑制了用户间干扰；误码性能和传输速率均随着SNR的增加而显著提高，可以实现与BD预编码相似的干扰消除效果，另外，由于采用了线性合并矩阵对用户端的不同信号进行了合并处理，因此所提预编码的性能要略好于BD预编码。 

附图说明：

图1用户平均信漏噪比曲线图。 

图2用户平均误码率曲线图。 

具体实施方式：

考虑一协作多点多用户联合传输场景，协作簇内基站数为M（M为正整数），每基站天线数为M_i，i＝1,…,M；服务用户数为N，每用户天线数为N_k，k=1,…,N，N为正整数；根据联合传输要求，每个基站均需生成N个预编码矩阵，并保证传输数据流总数不超过任意基站天线数，即 

L_k为第K个用户的传输数据流。 

采用块衰落信道模型，信道矩阵H_k，i（N_k×M_i）满秩并且各元素相互独立。假定不同用户数据信息相互独立，即 

（s_k为第K个用户的信号向量，s_l为第L个用户的信号向量，H为共轭转置），k≠l且满足 （ 

表示L_k×L_k的单位矩阵）。第k个用户的接收信号为 

$y_k={\mathrm{\Φ}}_k^H(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{H}_{k,i}{W}_{k,i}{s}_k+\underset{l\≠k,l=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{H}_{k,i}{W}_{l,i}{s}_l+n_k)---\left(1\right)$

其中：信道矩阵中各元素独立同分布，且满足[H_k，i]_rc～CN(0,1)，其中，[H_k，i]_rc是信道矩阵H_k，i第r行第c列的元素；W_k，i（M_i×L_k）是基站i到用户k的预编码矩阵，且满足 

W_l,i是基站i到用户l的预编码矩阵，且满足 

用户k的数据信息为 n_k为接收机k的加性高斯白噪声，且 

（N₀为噪声功率谱密度）；Φ_k为第K个用户的线性合并矩阵，其设计于预编码过程执行之前， 

为将第K个用户的线性合并矩阵进行共轭转置；发射功率均匀分配。 

本发明所提出的预编码方法的技术手段如下： 

步骤1在各用户端生成线性合并矩阵，并将该矩阵信息并入CSI反馈中。 

首先对用户k的综合信道矩阵H_k进行奇异值分解 

其中H_k=[H_k，1,…,H_k，M]；然后在基站生成的线性合并矩阵Φ_k由最大的若干个奇异值对应的L_k个左奇异向量组成： k=1,…,N其中，U_k是左奇异矩阵，Σ_k是对角矩阵， 

是共轭转置后的右奇异矩阵。 

上述线性合并矩阵包含了所有有用信道的相关信息，并且在用户端对信号接收方向作了优化处理。将这些信息并入CSI反馈当中，即用户k到基站i的CSI反馈 可以表示为： 

$H_{k,i}^{*}={\mathrm{\Φ}}_k^H{H}_{k,i},\∀i---\left(2\right)$

由（2）式可以看出，经过处理后，反馈矩阵提取了用户k实际所使用的L_k个接收维度，并且降低了反馈量（反馈的矩阵由N_k×M_i维降为L_k×M_i维）。 

步骤2根据实际反馈的信道矩阵，在基站端进行预编码处理，抑制每个用户泄漏到其他用户的用户间干扰。 

基于第一步所得到的反馈矩阵，在基站i处，对用户k进行预编码处理，抑制其泄漏到其他用户的干扰，其优化目标 

可以表示为： 

其中 ${\stackrel{\‾}{H}}_{k,i}^{*}={[H_{1,i}^H{\mathrm{\Φ}}_1,\·\·\·,H_{k-1,i}^H{\mathrm{\Φ}}_{k-1},H_{k+1,i}^H{\mathrm{\Φ}}_{k+1},\·\·\·,H_{N,i}^H{\mathrm{\Φ}}_N]}^H$ 且 ${\stackrel{\‾}{L}}_k=M_i-{\mathrm{\Σ}}_{l=1,l\≠k}^N{L}_l.$ 该问题是一个特征值分解问题，所得预编码矩阵 

可以表示为： 

$W_{k,i}^{\left(a\right)}={\mathrm{\ν}}_{\min }^{{\stackrel{\‾}{L}}_k}\left({\stackrel{\‾}{H}}_{k,i}^{*H}{\stackrel{\‾}{H}}_{k,i}^{*}\right)---\left(4\right)$

其中， 

是矩阵 

的最小的若干个特征值对应的 

个特征向量。 

公式（4）说明该预编码矩阵由矩阵 

的最小的若干个特征值对应的 

个特征向量组成。将已经生成的预编码矩阵代入下一步预编码处理过程中。 

步骤3结合上一步生成的预编码矩阵 

和等效的信道矩阵 

采用SLNR最大化准则，进行预编码矩阵的优化。 

结合第二步预编码所得的结果，用户k在基站i处的SLNR值SLNR_k，i可以表示为： 

其中 

和 为等效信道矩阵， 

为本步骤需要求得的预编码矩阵。根据线性合并矩阵是由不相关的奇异向量组成这一性质，可以得到以下关系： 

${\mathrm{\Φ}}_k^H{\mathrm{\Φ}}_k=I_{L_k}---\left(6\right)$

因此，（5）式中分母的第二项可以转化为： 

其中tr(·)表示提取括号中矩阵的迹。根据以上公式（5）、（6）、（7）条件，本步骤的优化目标为： 

$W_{k,i}^{\left(b\right)}=\arg \underset{w_{k,i}}{\max }\frac{\mathrm{tr}\left(W_{k,i}^H{H}_{k,i}^{\#H}{H}_{k,i}^{\#}{W}_{k,i}\right)}{\mathrm{tr}\left(W_{k,i}^H\left({{\stackrel{\‾}{H}}_{k,i}^{\#H}{\stackrel{\‾}{H}}_{k,i}^{\#}+N}_0{L}_k{I}_{{\stackrel{\‾}{L}}_k}\right)W_{k,i}\right)}---\left(8\right)$

若步骤二处理将用户k的干扰泄漏有效地抑制，则上述优化目标可以转化为： 

$W_{k,i}^{\left(b\right)}=\arg \underset{w_{k,i}}{\max }\frac{\mathrm{tr}\left(W_{k,i}^H{H}_{k,i}^{\#H}{H}_{k,i}^{\#}{W}_{k,i}\right)}{\mathrm{tr}\left(W_{k,i}^H{N}_0{L}_k{I}_{{\stackrel{\‾}{L}}_k}{W}_{k,i}\right)}---\left(9\right)$

其中预编码矩阵 

由矩阵对 

进行广义特征值后最大的若干广义特征值对应的L_k个广义特征向量组成。在该步骤完成后，最终的预编码矩阵可以表示为： 

$W_{k,i}=W_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}---\left(10\right)$

最后可以在用户端采用迫零（Zero Forcing，ZF）接收机，提取有用信号的不同数据流。 

实验结果： 

（1）方法复杂度 

本发明使用的方法与传统的SLNR预编码方法类似。传统的SLNR预编码方法主要是基于（7）式所示的SLNR的最大化，其计算复杂度由参与广义特征值分解的矩阵维度确定。为分析方便起见，考虑上述***的简化模型，即 

并且 

在这种情况下，可以得到传统的SLNR预编码的计算复杂度为 

对与本发明中提出的方法来说，其相对于传统SLNR预编码方法只是引入了线性合并矩阵，即其方法复杂度增加主要是由于奇异值分解。因此，该方法的复杂度可以表示为 

在通信***中，一般情况下均有N_R<M_T，所以该方法相对于传统的SLNR预编码方法，复杂度的提高并不明显，另外该方法由于引入了线性合并矩阵，减少了***反馈量。综上所述，该方法对比传统的SLNR预编码具有实际应用价值。 

（2）***测试 

考虑一个三基站三用户场景、单基站发射天线数为8，单用户接收天线数为4，每用户传输流数为2的实例，将本发明方法与传统的BD和SLNR预编码方法相比较，以展现本发明所能达到的效果，如图1、图2所示。在本实例中，由于***天线数限制，不能直接使用BD方法，因此在用户端采用随机天线选择的方法，降低接收信道维度，从而应用BD方法。 

从图1可以看到，随着信噪比（SNR）的增加，干扰成为限制***性能提高的主要因素。传统的SLNR预编码由于受到***空间自由度的限制，其不能很好地将空间中的干扰分隔开，导致干扰无法被很好地抑制，因此其SLNR值几乎不发生变化，大约为8左右。而发明中所提的预编码方法，由于其合理利用了空间自由度并有通过预编码的优化有效抑制了用户间干扰，因此其SLNR值显著提高，在12dB时超过了80。 

进一步从图2中可看到，由于传统的SLNR预编码没有很好地抑制用户间干扰，因此其误码性能和传输速率较低且增长十分缓慢。而所提的预编码方法的误码性能和传输速率均随着SNR的增加而显著提高（分别于20dB时基本达到10^-3和15bps/Hz），其趋势类似于BD预编码。这说明该方法可以实现与BD预编码相似的干扰消除效果，另外，由于采用了线性合并矩阵对用户端的不同信号进行了合并处理，因此所提预编码的性能要略好于BD预编码。应该指出，所提方法不受***天线数的限制，因此其应用范围更广范。 

Claims (1)

1.一种多用户联合传输的用户间干扰抑制预编码方法，协作多点多用户联合传输场景如下：M个基站协作，每基站有M_i根发射天线；同时服用用户数有N个，每用户配备N_k根天线；所有用户的传输数据流总数不超过基站天线数，即

其中，L_k为第K个用户的传输数据流；信道矩阵为H_k，i（N_k×M_i）；其特征在于，该方法包括如下步骤：

(1)首先对用户k的综合信道矩阵H_k进行奇异值分解

其中，有用信道矩阵为：H_k=[H_k，1,…,H_k，M]，U_k是左奇异矩阵，Σ_k是对角矩阵，

是共轭转置后的右奇异矩阵；在基站生成的线性合并矩阵Φ_k由最大的若干个奇异值对应的L_k个左奇异向量组成：

k=1,…,N；

(2)将线性合并矩阵信息Φ_k并入CSI反馈中，反馈等效信道矩阵

k=1，…,N；

(3)利用反馈的CSI信息，在基站端进行预编码处理，抑制其泄漏到其他用户的干扰，并得到预编码矩阵

其中， ${\stackrel{\&OverBar;}{H}}_{k,i}^{*}={[H_{1,i}^H{\mathrm{\&Phi;}}_1,\&CenterDot;\&CenterDot;\&CenterDot;,H_{k-1,i}^H{\mathrm{\&Phi;}}_{k-1},H_{k+1,i}^H{\mathrm{\&Phi;}}_{k+1},\&CenterDot;\&CenterDot;\&CenterDot;,H_{N,i}^H{\mathrm{\&Phi;}}_N]}^H,$

由矩阵

的最小的若干个特征值对应的

个特征向量组成，k=1,…,N，

(4)采用SLNR最大化准则提升***性能，并得到预编码矩阵 $W_{k,i}^{\left(b\right)}=\arg \underset{w_{k,i}}{\max }\frac{\mathrm{tr}\left(W_{k,i}^H{H}_{k,i}^{\#H}{H}_{k,i}^{\#}{W}_{k,i}\right)}{\mathrm{tr}\left(W_{k,i}^H{N}_0{L}_k{I}_{{\stackrel{\&OverBar;}{L}}_k}{W}_{k,i}\right)},$ 由矩阵对

进行广义特征值后最大的若干广义特征值对应的L_k个广义特征向量组成，k=1,…,N；

(5)计算最终的预编码矩阵，

k=1,…,N。