CN103209051A - 一种协作多点联合传输***在多用户场景下的两步预编码方法 - Google Patents

Abstract

本发明公开了一种协作多点联合传输***在多用户场景下的两步预编码方法，首先通过干扰对齐处理，在单个基站端建立基于最小化每个用户到其他各用户的干扰泄漏的优化目标，并采用交替最小化方法，分别得到针对每个用户的第一步预编码矩阵和接收矩阵；其次，将第一步得到的针对每个用户的接收矩阵、第一步预编码矩阵和有用的信道矩阵结合为等效信道矩阵，并在此基础上设置相应的相位旋转矩阵，将每个用户不同天线之间的干扰转化为有用信号，有效利用各基站到该用户的发射功率，并得到第二步预编码矩阵和最终的预编码矩阵。本发明的误码率下降比较明显，加快了误码率曲线的下降趋势，并且***平均速率也有明显提高。

Description

一种协作多点联合传输***在多用户场景下的两步预编码方法

技术领域：

本发明属于无线通信领域，具体涉及一种协作多点联合传输***在多用户场景下的两步预编码方法。

背景技术：

协作多点***中的联合传输技术通过协作簇内的小区协作服务，从而使多个基站能够同时向用户传输数据，将小区间干扰转化为有用信号，可显著提高服务用户的接收性能，进而提升小区边缘的频谱效率。然而，当协作簇内存在多个服务用户时，显著的用户间干扰会造成联合传输***性能的严重损失；此外，当每个用户配置多根接收天线并同时接收多个数据流时，数据流之间也会产生干扰。为抑制***干扰，需要采用相应的预编码方案。

当所有服务用户的信道状态信息（channel state information，CSI）在协作簇内共享时，可使用全局预编码方法，将不同基站到单个用户的信道矩阵整合起来，进行总体的预编码，该方法具有较好的***性能；但是，其计算复杂度较高，并且往往需要一个中心处理单元来对用户的不同信道信息进行处理，具体实现较为困难。相对地，在本地预编码方法中，每个基站获得其本身与不同用户之间的信道信息，或者在基站间附加一定的共享CSI信息，基站利用这些信息进行预编码；该方法避免了集中式的处理方式，降低了计算复杂度和技术实施的难度，但是，本地预编码方法的性能可能会受可利用的空间资源受限的影响（例如传统的规范的块对角化（regular block diagonalization，RBD）预编码和基于信漏噪比（signal-to-leakage-plus-noise ratio，SLNR）最大化的预编码会受到***天线配置或空间资源利用不充分的限制），从而出现预编码性能的降低。

综上所述，针对协作多点联合传输***，设计一种合理的抑制用户间和单用户不同数据流间干扰的预编码方法是有必要的。

发明内容：

针对以上问题，本发明提出一种协作多点联合传输***在多用户场景下的两步预编码方法，可以抑制用户间和单用户不同数据流间干扰，并转化为有用信号，可以改善用户的误码率性能并提升***的传输速率。

本发明是通过以下技术方案来实现：

一种协作多点联合传输***在多用户场景下的两步预编码方法，包括以下步骤：

1）通过干扰对齐处理，将各用户所受的用户间干扰重叠放置在接收空间的正交空间内，并使用交替最小化方法在基站端迭代优化各用户的第一步预编码矩阵和接收矩阵，使用户能够接收无干扰的有用信号；

2）在用户间干扰抑制的基础上，各基站得到针对不同用户的等效信道矩阵，设置相位旋转因子，将各用户所受到的数据流间干扰转化为有用信号，有效利用基站发射功率提高***性能。

所述的干扰对齐处理中，干扰对齐处理的目标表示为：

${\mathrm{\Φ}}_k^H{H}_{k,i}{W}_{l,i}^{\left(a\right)}=0,\∀l\≠k,i;$

$\mathrm{rank}\left({\mathrm{\Φ}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)}\right)=L_k,\∀k,i;$

其中

表示第i个基站到第k个用户的第一步预编码矩阵，rank表示获得矩阵的秩；Φ_k为用户k的接收矩阵，H表示共轭转置；H_k,i为第i个基站到第k个用户的信道矩阵，L_k为第k个用户的传输数据流数。

采用交替最小化方法得到干扰对齐处理的目标的次优解，建立以下优化目标：

$\min \mathrm{imize}{U}_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\Φ}}_k\right)\},\∀k,i,l$

$s.t.W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},l\∈\{1,...,N\}$

${\mathrm{\Φ}}_k^H{\mathrm{\Φ}}_k=I_{L_k},k\∈\{1,...,N\}$

其中 $U_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\Φ}}_k\right)\}=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\left|\right|{\mathrm{\Φ}}_k^H\left(\underset{l=1,l\≠k}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{H}_{k,i}{W}_{l,i}^{\left(\left(a\right)\right)}\right)\left|\right|}_F^2;$

优化目标表示最小化各用户泄漏到其他用户的干扰的总和。

所述的步骤1）的执行过程如下：

（a）首先根据优化目标初始化各接收矩阵Φ_k，

Φ_k表示第k个用户的接收矩阵；

（b）在每个基站逐一优化各用户的第一步预编码矩阵

将优化目标改写为：

$W_{k,i}^{\left(a\right)}=\arg \underset{{\mathrm{\Φ}}_k^H{\mathrm{\Φ}}_k=I_{L_k},\∀k}{\min }\mathrm{tr}\left(W_{k,i}^{\left(a\right)H}\left(\underset{l=1,l\≠k}{\overset{N}{\mathrm{\Σ}}}{H}_{l,i}^H{\mathrm{\Φ}}_l{\mathrm{\Φ}}_l^H{H}_{l,i}\right)W_{k,i}^{\left(a\right)}\right);$

求解结果中

由矩阵

最小的若干个特征值对应的L_k特征向量组成，其中tr表示矩阵求迹运算；

（c）在每个基站逐一优化用户的接收矩阵Φ_k，将优化目标改写为

${\mathrm{\Φ}}_k=\arg \underset{W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},\∀l,i}{\min }\mathrm{tr}\left({\mathrm{\Φ}}_k^H\left(\underset{l=1,l\≠k}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{H}_{k,i}{W}_{l,i}^{\left(a\right)}{W}_{l,i}^{\left(a\right)H}{H}_{k,i}^H\right){\mathrm{\Φ}}_k\right);$

求解结果中Φ_k由矩阵

最小的若干个特征值对应的L_k个特征向量组成；

（d）重复过程（b）、（c），直至相邻两次迭代后的目标函数

的差值小于预先设定的阈值δ或达到最大迭代次数规定。

所述在步骤（c）中求解接收矩阵时，第i个基站可以预先计算出

的值，并将该值作为等效CSI在协作簇内共享。

所述在优化各用户的第一步预编码矩阵和接收矩阵后，步骤2）的执行过程如下：

（a）基于第k个用户的第一步预编码矩阵

有用信道矩阵H_k,i和接收矩阵Φ_k，生成第i个基站到第k个用户的等效信道矩阵D_k,i：

$D_{k,i}={\mathrm{\Φ}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)},\∀k,i$

D_k,i表示第i个基站到第k个用户的等效信道矩阵；

（b）根据等效信道矩阵D_k,i和信号向量s_k的相关信息，在基站端计算每个用户的各个数据流的相位旋转因子

为降低相位旋转处理带来的复杂度，需要根据实际信道情况确定相位旋转因子的取值。因此定义等效信道矩阵D_k,i中元素的比例因子

${\mathrm{\μ}}_{p,q}^{(k,i)}=\frac{\left|d_{p,q}^{(k,i)}\mathrm{conj}\left(d_{p,q}^{(k,i)}\right)\right|}{{\mathrm{\Σ}}_{r=1}^{L_k}\left|d_{p,r}^{(k,i)}\mathrm{conj}(d_{p,r}^{(k,i)}\right|},p,q\∈\{1,...,L_k\}$

其中

表示D_k,i的第p行第q列的元素，

表示D_k,i的第p行第r列的元素，和

分别表示s_k的第q个和第p个元素，conj表示取共轭运算，||表示取模值运算。设置第p行的阈值δ，将与δ比较：

当 ${\mathrm{\&mu;}}_{p,q}^{(k,i)}<\mathrm{\&delta;}$ 时

当 ${\mathrm{\&mu;}}_{p,q}^{(k,i)}\&GreaterEqual;\mathrm{\&delta;}$ 时

代表数据

相对于所做的相位旋转；

其中

表示D_k,i的第p行第q列的元素，和

分别表示s_k的第q个和第p个元素，conj表示取共轭运算，代表数据

相对于

所做的相位旋转；

（c）在各基站计算针对每个用户的相位旋转矩阵

表示第i个基站和第k个用户之间的相位旋转矩阵；

（d）利用最小均方误差准则，得到第i个基站到第k个用户的MMSE生成矩阵M_k,i：

$M_{k,i}=D_{k,i}^H{(D_{k,i}{D}_{k,i}^H+\frac{L_k{N}_0}{P_t^{(k,i)}}{I}_{L_k})}^{-1},\&ForAll;k,i$

其中N₀表示加性高斯噪声的功率谱密度，

表示第i个基站到第k个用户的发射功率，符号_-1表示矩阵求逆运算；

（e）计算第i个基站到第k个用户的第二步预编码矩阵

其中 $W_{k,i}^{\left(b\right)}=M_{k,i}{R}_{k,i}^{\mathrm{\&phi;}};$

（f）计算最终的预编码矩阵W_k,i，

W_k,i表示第i个基站到第k个用户的预编码矩阵。

所述经过两步的预编码处理，第k个用户所接收到的信号向量r_k表示为：

$r_k=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{f}_{k,i}{\mathrm{\&Phi;}}_k^H(H_{k,i}{W}_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}{s}_k+n_k),\&ForAll;k;$

其中f_k,i表示第i个基站到第k个用户的功率控制参数，并根据 ${\left|\right|W_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}\left|\right|}_F^2=P_t^{(k,i)},$ r_k的第p个元素

写为：

$r_p^{\left(k\right)}\stackrel{\&CenterDot;}{=}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}(f_{k,i}\left(\underset{q\&Element;S}{\mathrm{\&Sigma;}}{\left|d_{p,q}^{(k,i)}\right|}^2{\left|s_q^{\left(k\right)}\right|}^2\right)s_p^{\left(k\right)}+{\tilde{n}}_p^{\left(k\right)});$

其中符号

表示近似相等，

为经过接收机处理后的噪声向量的第p个元素。S表示一个集合，在这个集合中，q满足

与现有技术相比，本发明具有以下有益的效果：

本发明提供的协作多点联合传输***在多用户场景下的两步预编码方法，首先通过干扰对齐处理，在单个基站端建立基于最小化每个用户到其他各用户的干扰泄漏的优化目标，并采用交替最小化方法，分别得到针对每个用户的第一步预编码矩阵和接收矩阵，使各用户均可以有效利用***空间资源抑制用户间干扰，并接收到无干扰的有用信号；其次，将第一步得到的针对每个用户的接收矩阵、第一步预编码矩阵和有用的信道矩阵结合为等效信道矩阵，并在此基础上设置相应的相位旋转矩阵，将每个用户不同天线之间的干扰转化为有用信号，有效利用各基站到该用户的发射功率，并得到第二步预编码矩阵和最终的预编码矩阵。

本发明利用了干扰对齐原理进行了用户间的干扰抑制，并在此基础上设置了相应的相位旋转因子，将用户的数据流间干扰转化为有用信号。本发明不需要特别限定***天线配置、用户数量及数据流的分配方式等***参数，有效利用了空间资源和基站的发射功率。本发明的误码率下降比较明显，加快了误码率曲线的下降趋势，并且***平均速率也有明显提高。

由于本发明所提方法对干扰进行了有效处理，在***天线配置及可利用空间资源受限的场景中，其误码性能和传输速率均优于传统的RBD预编码方法和基于SLNR最大化的预编码方法。

附图说明：

图1是***结构示意图。

图2是用户平均误码率与信噪比曲线图。

图3是用户平均传输速率与信噪比曲线图，其中TSPCS表示发明的方法。

具体实施方式：

下面对本发明进行详细的说明，所述是对本发明的解释而不是限定。

本发明提出的两步预编码方法中：

第一步，根据干扰对齐原理，将各用户所受的用户间干扰重叠放置在接收空间的正交空间内，使用交替最小化方法在基站端迭代优化各用户的第一步预编码矩阵和接收矩阵，使用户能够接收无干扰的有用信号；

第二步，在用户间干扰抑制的基础上，设置合适的相位旋转因子，将各用户所受到的数据流间干扰转化为有用信号，有效利用基站发射功率提高***性能。

考虑协作多点***中多用户联合传输的单协作簇场景，有M个基站协作（M为正整数），第i个基站有M_i根发射天线（i∈{1,…,M}）；基站同时服务N个用户（N为正整数），第k个用户配备N_k根天线（k∈{1,…,N}）；第k个用户的传输信号流数L_k不大于其接收天线数，即

并且所有用户的传输数据流总数不超过单个基站的天线数，即

第i个基站到第k个用户的信道矩阵为H_k,i（N_k×M_i维），第k个用户的接收信号向量为s_k（L_k维）；

采用块衰落信道模型，信道矩阵H_k,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

k≠l且满足

（

表示期望运算，

表示阶数为L_k的单位矩阵）。

用户k的接收信号

为：

${\tilde{y}}_k={\mathrm{\&Phi;}}_k^H(\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{k,i}{s}_k+\underset{l\&NotEqual;k,l=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{l,i}{s}_l+n_k)---\left(1\right)$

其中：

（符号[]_rc表示矩阵的任意第r行第c列元素，符号

表示循环对称复高斯分布）；W_k,i（M_i×L_k维）是基站i到用户k的预编码矩阵，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为用户k的接收矩阵，其中符号H表示共轭转置；发射功率均匀分配。

所提出的两步预编码方法的技术手段如下：

步骤1通过干扰对齐处理，将干扰重叠放置在接收空间的正交空间内，实现用户间干扰抑制和无干扰信号的接收。

干扰对齐处理的目标可表示为

${\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{l,i}^{\left(a\right)}=0,\&ForAll;l\&NotEqual;k,i---\left(2\right)$

$\mathrm{rank}\left({\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)}\right)=L_k,\&ForAll;k,i---\left(3\right)$

其中

表示本步骤所求的第i个基站到第k个用户的第一步预编码矩阵，符号rank表示获得矩阵的秩。该式表示将各用户所受的用户间干扰重叠放置在接收空间的正交空间内，使用户能够接收无干扰的有用信号。

当协作簇内的基站和用户数目较多时，直接求得满足所有用户干扰对齐条件的闭式解很困难，因此本发明采用交替最小化方法来得到式（2）和（3）的次优解。根据（2）式和（3）式所给出的干扰对齐条件，建立以下优化目标：

$\min \mathrm{imize}{U}_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\&Phi;}}_k\right)\},\&ForAll;k,i,l---\left(4\right)$

$s.t.W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},l\&Element;\{1,...,N\}---\left(5\right)$

${\mathrm{\&Phi;}}_k^H{\mathrm{\&Phi;}}_k=I_{L_k},k\&Element;\{1,...,N\}---\left(6\right)$

其中 $U_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\&Phi;}}_k\right)\}=\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left|\right|{\mathrm{\&Phi;}}_k^H\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{l,i}^{\left(\left(a\right)\right)}\right)\left|\right|}_F^2;$

该优化目标表示最小化各用户泄漏到其他用户的干扰的总和。

交替最小化原理是，当存在N个优化变量时，可以先将N-1个变量暂时固定，只优化某一个变量，然后依次改变优化的变量和暂时固定的变量。当所有变量均优化完毕后，迭代进行下第一步优化，直到所得结果满足给定的迭代终止条件为止。据此，该步骤执行的具体过程如下：

（a）首先根据优化目标初始化各接收矩阵Φ_k，

（b）优化第一步预编码矩阵应用矩阵有关性质将优化目标改写为

$W_{k,i}^{\left(a\right)}=\arg \underset{{\mathrm{\&Phi;}}_k^H{\mathrm{\&Phi;}}_k=I_{L_k},\&ForAll;k}{\min }\mathrm{tr}\left(W_{k,i}^{\left(a\right)H}\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}{H}_{l,i}^H{\mathrm{\&Phi;}}_l{\mathrm{\&Phi;}}_l^H{H}_{l,i}\right)W_{k,i}^{\left(a\right)}\right)---\left(7\right)$

求解结果：

由矩阵

最小的若干个特征值对应的L_k特征向量组成。其中符号tr表示矩阵求迹运算。

（c）优化接收矩阵Φ_k，

可将优化目标改写为

${\mathrm{\&Phi;}}_k=\arg \underset{W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},\&ForAll;l,i}{\min }\mathrm{tr}\left({\mathrm{\&Phi;}}_k^H\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{l,i}^{\left(a\right)}{W}_{l,i}^{\left(a\right)H}{H}_{k,i}^H\right){\mathrm{\&Phi;}}_k\right)---\left(8\right)$

求解结果：Φ_k由矩阵

最小的若干个特征值对应的L_k个特征向量组成。

（d）重复过程（b）、（c），直至相邻两次迭代后的目标函数

的差值小于预先设定的阈值δ或达到最大迭代次数规定。

需要指出，在求解接收矩阵时，第i个基站可以预先计算出

的值，并将该值作为等效CSI信息（信道状态信息）在协作簇内共享，这样可减少信息交互开销，并且不必引入中心处理单元。

步骤2在步骤1的基础上，在各基站得到针对不同用户的等效信道矩阵，并设置合适的相位旋转因子，将数据流间干扰转化为有用信号。第1步干扰对齐处理仅对用户所受干扰进行抑制，而未充分利用有用信道信息提高接收性能。

第2步则是在第1步的基础上，实现数据流间干扰的转化。具体过程如下：

（a）基于步骤1所得的第k个用户的第一步预编码矩阵

有用信道矩阵H_k,i和接收矩阵Φ_k，生成第i个基站到第k个用户的等效信道矩阵D_k,i：

$D_{k,i}={\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)},\&ForAll;k,i---\left(9\right)$

（b）根据等效信道矩阵D_k,i和信号向量s_k的相关信息，生成相位旋转因子

为降低相位旋转处理带来的复杂度，需要根据实际信道情况确定相位旋转因子的取值。因此定义等效信道矩阵D_k,i中元素的比例因子

${\mathrm{\&mu;}}_{p,q}^{(k,i)}=\frac{\left|d_{p,q}^{(k,i)}\mathrm{conj}\left(d_{p,q}^{(k,i)}\right)\right|}{{\mathrm{\&Sigma;}}_{r=1}^{L_k}\left|d_{p,r}^{(k,i)}\mathrm{conj}(d_{p,r}^{(k,i)}\right|},p,q\&Element;\{1,...,L_k\}---\left(10\right)$

其中

表示D_k,i的第p行第q列的元素，

表示D_k,i的第p行第r列的元素，

和分别表示s_k的第q个和第p个元素，conj表示取共轭运算，||表示取模值运算。设置第p行的阈值δ，将与δ比较：

当 ${\mathrm{\&mu;}}_{p,q}^{(k,i)}<\mathrm{\&delta;}$ 时

当

时

代表数据

相对于

所做的相位旋转；

（c）计算第i个基站和第k个用户之间的相位旋转矩阵

（d）利用最小均方误差（minimum mean square error，MMSE）准则，并得到第i个基站到第k个用户的MMSE生成矩阵M_k,i

$M_{k,i}=D_{k,i}^H{(D_{k,i}{D}_{k,i}^H+\frac{L_k{N}_0}{P_t^{(k,i)}}{I}_{L_k})}^{-1},\&ForAll;k,i---\left(12\right)$

其中表示第i个基站到第k个用户的发射功率，符号_-1表示矩阵求逆运算；

（e）计算需要在本步获得的第i个基站到第k个用户的第二步预编码矩阵

其中 $W_{k,i}^{\left(b\right)}=M_{k,i}{R}_{k,i}^{\mathrm{\&phi;}};$

（f）计算最终的预编码矩阵W_k,i，W_k,i表示第i个基站到第k个用户的预编码矩阵。

经过以上两步的预编码处理，第k个用户所接收到的信号向量r_k可以表示为

$r_k=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{f}_{k,i}{\mathrm{\&Phi;}}_k^H(H_{k,i}{W}_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}{s}_k+n_k),\&ForAll;k---\left(13\right)$

其中f_k,i表示第i个基站到第k个用户的功率控制参数，根据

这一关系获得。r_k的第p个元素

可以写为

$r_p^{\left(k\right)}\stackrel{\&CenterDot;}{=}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}(f_{k,i}\left(\underset{q\&Element;S}{\mathrm{\&Sigma;}}{\left|d_{p,q}^{(k,i)}\right|}^2{\left|s_q^{\left(k\right)}\right|}^2\right)s_p^{\left(k\right)}+{\tilde{n}}_p^{\left(k\right)})---\left(14\right)$

其中符号表示近似相等，

为经过接收机处理后的噪声向量的第p个元素。S表示一个集合，在这个集合中，q满足

由此可以看出，经过本发明提出的预编码方法处理后，数据流之间的干扰被转化为了有用信号。

在用户接受到信号向量r_k之后，针对不同的调制方式，需要采用不同的解调模式：

（1）若s_k采用PSK调制。该调制方式的解调不需要利用调制符号的幅值信息。因此可以将（14）式所得到的接收信号直接进行解调，并获得有用信号

的信息。

（2）若s_k采用QAM调制。该调制方式需要利用调制符号的幅值信息

进行解调。为减少幅值信息由基站向用户传递的开销，可在基站端求出一个数据帧内的调制符号的幅值的平均值，将该值作为解调所用的幅值信息传输给用户。

下面给出上述方法的仿真及效果对比：

在仿真中考虑一个三基站四用户协作场景，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（TSPCS表示发明所用方法）与常规的波束赋形（beam forming，BF）方法，RBD方法和SLNR最大化方法进行比较，以展现本发明所能达到的效果，如图2和图3所示。在本实例中，采用QPSK调制方式（QAM调制方式结果类似，只是需要额外的调制符号幅值信息），BF方法，RBD方法以及SLNR最大化方法中采用迫零接收机接收数据。

从图2可以看到，随着信噪比的增加，干扰逐渐成为影响***性能的主要因素。传统的BF方法没有抑制干扰的处理，所以其误码率较高，且下降缓慢。而实例所给定的场景中用户总的接收天线数为单基站发射天线数的两倍，使得RBD方法和SLNR最大化方法可利用的空间资源受限，使得误码性能急剧下降。而本发明所提方法由于很好地对用户间干扰及单用户数据流间的干扰进行了处理，因此误码率下降迅速，表现出了良好的性能。同时可以看出，在阈值δ>0时，所提方案的性能不会有显著下降，但是其相位旋转的计算复杂度降低了将近1/2（由于传输流数为2）。

此外从图3可以看到，BF方法，RBD方法和SLNR最大化方法由于残留干扰的影响，其传输速率均较低，且增长趋势平缓；而本发明所提方法的传输速率增长迅速，在信噪比为40dB时其值已经超过20bps/Hz，远高于其它三种预编码方法。此外，引入比例因子后，所提方案的传输速率基本不变，可见当阈值大于0时，通过比例因子的判决对相位旋转处理的计算复杂度进行降低不会影响传输速率。

Claims (7)

1.一种协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，包括以下步骤：

1）通过干扰对齐处理，将各用户所受的用户间干扰重叠放置在接收空间的正交空间内，并使用交替最小化方法在基站端迭代优化各用户的第一步预编码矩阵和接收矩阵，使用户能够接收无干扰的有用信号；

2）在用户间干扰抑制的基础上，各基站得到针对不同用户的等效信道矩阵，设置相位旋转因子，将各用户所受到的数据流间干扰转化为有用信号，有效利用基站发射功率提高***性能。

2.如权利要求1所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，所述的干扰对齐处理中，干扰对齐处理的目标表示为：

${\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{l,i}^{\left(a\right)}=0,\&ForAll;l\&NotEqual;k,i;$

$\mathrm{rank}\left({\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)}\right)=L_k,\&ForAll;k,i;$

其中

表示第i个基站到第k个用户的第一步预编码矩阵，rank表示获得矩阵的秩；Φ_k为用户k的接收矩阵，H表示共轭转置；H_k,i为第i个基站到第k个用户的信道矩阵，L_k为第k个用户的传输数据流数。

3.如权利要求1所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，采用交替最小化方法得到干扰对齐处理的目标的次优解，建立以下优化目标：

$\min \mathrm{imize}{U}_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\&Phi;}}_k\right)\},\&ForAll;k,i,l$

$s.t.W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},l\&Element;\{1,...,N\}$

${\mathrm{\&Phi;}}_k^H{\mathrm{\&Phi;}}_k=I_{L_k},k\&Element;\{1,...,N\}$

其中 $U_{\mathrm{IA}}\{\left(W_{l,i}^{\left(a\right)}\right),\left({\mathrm{\&Phi;}}_k\right)\}=\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left|\right|{\mathrm{\&Phi;}}_k^H\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{l,i}^{\left(\left(a\right)\right)}\right)\left|\right|}_F^2;$

优化目标表示最小化各用户泄漏到其他用户的干扰的总和。

4.如权利要求1所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，所述的步骤1）的执行过程如下：

（a）首先根据优化目标初始化各接收矩阵Φ_k，

Φ_k表示第k个用户的接收矩阵；

（b）在每个基站逐一优化各用户的第一步预编码矩阵

将优化目标改写为：

$W_{k,i}^{\left(a\right)}=\arg \underset{{\mathrm{\&Phi;}}_k^H{\mathrm{\&Phi;}}_k=I_{L_k},\&ForAll;k}{\min }\mathrm{tr}\left(W_{k,i}^{\left(a\right)H}\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}{H}_{l,i}^H{\mathrm{\&Phi;}}_l{\mathrm{\&Phi;}}_l^H{H}_{l,i}\right)W_{k,i}^{\left(a\right)}\right);$

求解结果中

由矩阵最小的若干个特征值对应的L_k特征向量组成，其中tr表示矩阵求迹运算；

（c）在每个基站逐一优化用户的接收矩阵Φ_k，将优化目标改写为

${\mathrm{\&Phi;}}_k=\arg \underset{W_{l,i}^{\left(a\right)H}{W}_{l,i}^{\left(a\right)}=I_{L_l},\&ForAll;l,i}{\min }\mathrm{tr}\left({\mathrm{\&Phi;}}_k^H\left(\underset{l=1,l\&NotEqual;k}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{H}_{k,i}{W}_{l,i}^{\left(a\right)}{W}_{l,i}^{\left(a\right)H}{H}_{k,i}^H\right){\mathrm{\&Phi;}}_k\right);$

求解结果中Φ_k由矩阵

最小的若干个特征值对应的L_k个特征向量组成；

（d）重复过程（b）、（c），直至相邻两次迭代后的目标函数

的差值小于预先设定的阈值η或达到最大迭代次数规定。

5.如权利要求4所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，在步骤（c）中求解接收矩阵时，第i个基站可以预先计算出的值，并将该值作为等效信道状态信息在协作簇内共享。

6.如权利要求4所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，在优化各用户的第一步预编码矩阵和接收矩阵后，步骤2）的执行过程如下：

（a）基于第k个用户的第一步预编码矩阵

有用信道矩阵H_k,i和接收矩阵Φ_k，生成第i个基站到第k个用户的等效信道矩阵D_k,i：

$D_{k,i}={\mathrm{\&Phi;}}_k^H{H}_{k,i}{W}_{k,i}^{\left(a\right)},\&ForAll;k,i$

D_k,i表示第i个基站到第k个用户的等效信道矩阵；

（b）根据等效信道矩阵D_k,i和信号向量s_k的相关信息，在基站端计算每个用户的各个数据流的相位旋转因子

为降低相位旋转处理带来的复杂度，需要根据实际信道情况确定相位旋转因子的取值；定义等效信道矩阵D_k,i中元素的比例因子

${\mathrm{\&mu;}}_{p,q}^{(k,i)}=\frac{\left|d_{p,q}^{(k,i)}\mathrm{conj}\left(d_{p,q}^{(k,i)}\right)\right|}{{\mathrm{\&Sigma;}}_{r=1}^{L_k}\left|d_{p,r}^{(k,i)}\mathrm{conj}(d_{p,r}^{(k,i)}\right|},p,q\&Element;\{1,...,L_k\}$

其中

表示D_k,i的第p行第q列的元素，

表示D_k,i的第p行第r列的元素，

和

分别表示s_k的第q个和第p个元素，conj表示取共轭运算，||表示取模值运算；设置第p行的阈值δ，将

与δ比较：

当 ${\mathrm{\&mu;}}_{p,q}^{(k,i)}<\mathrm{\&delta;}$ 时

当 ${\mathrm{\&mu;}}_{p,q}^{(k,i)}\&GreaterEqual;\mathrm{\&delta;}$ 时

代表数据

相对于

所做的相位旋转；

（c）在各基站计算针对每个用户的相位旋转矩阵

表示第i个基站和第k个用户之间的相位旋转矩阵；

（d）利用最小均方误差准则，得到第i个基站到第k个用户的MMSE生成矩阵M_k,i：

$M_{k,i}=D_{k,i}^H{(D_{k,i}{D}_{k,i}^H+\frac{L_k{N}_0}{P_t^{(k,i)}}{I}_{L_k})}^{-1},\&ForAll;k,i$

其中N₀表示加性高斯噪声的功率谱密度，

表示第i个基站到第k个用户的发射功率，符号_-1表示矩阵求逆运算；

（e）计算第i个基站到第k个用户的第二步预编码矩阵

其中 $W_{k,i}^{\left(b\right)}=M_{k,i}{R}_{k,i}^{\mathrm{\&phi;}};$

（f）计算最终的预编码矩阵W_k,i，

W_k,i表示第i个基站到第k个用户的预编码矩阵。

7.如权利要求6所述的协作多点联合传输***在多用户场景下的两步预编码方法，其特征在于，经过两步的预编码处理，第k个用户所接收到的信号向量r_k表示为：

$r_k=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{f}_{k,i}{\mathrm{\&Phi;}}_k^H(H_{k,i}{W}_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}{s}_k+n_k),\&ForAll;k;$

其中f_k,i表示第i个基站到第k个用户的功率控制参数，并根据 ${\left|\right|W_{k,i}^{\left(a\right)}{W}_{k,i}^{\left(b\right)}\left|\right|}_F^2=P_t^{(k,i)},$ r_k的第p个元素

写为：

$r_p^{\left(k\right)}\stackrel{\&CenterDot;}{=}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}(f_{k,i}\left(\underset{q\&Element;S}{\mathrm{\&Sigma;}}{\left|d_{p,q}^{(k,i)}\right|}^2{\left|s_q^{\left(k\right)}\right|}^2\right)s_p^{\left(k\right)}+{\tilde{n}}_p^{\left(k\right)});$

其中符号

表示近似相等，||表示取模值运算,

为经^过接收机处理后的噪声向量的第p个元素；S表示一个集合，在这个集合中，q满足

Images