CN104320170B - 大规模mimo***中导频污染抑制波束赋形方法 - Google Patents

Abstract

本发明公开了一种大规模MIMO***中导频污染抑制波束赋形方法，包括以下步骤：1)设MIMO***中包含L个小区，每个小区配备一个带有M根天线的基站，将MIMO***中所有基站分为N组，2)根据广义瑞利熵得第i个小区内第k个用户的最优波束赋形矢量，得各组中每个用户的最优波束赋形矢量，然后在MIMO***根据各组中每个用户的最优波束赋形矢量进行数据的传输。本发明可以提高多小区大规模MIMO***的信道估计精度以及频谱效率性能，并且***的开销小。

Description

大规模MIMO***中导频污染抑制波束赋形方法

技术领域

本发明属于无线通信***中协作多点传输技术领域，涉及一种大规模MIMO***中导频污染抑制波束赋形方法。

背景技术

基于大规模MIMO***的理论研究表明，当基站天线数趋于无穷大时，基站与不同用户之间的信道矢量呈现近似正交特性，因而小区内干扰和噪声的影响将会消失，限制***性能的决定性因素仅剩导频污染。此时，仅通过简单的线性处理即可显著提升***性能。在这样的***下，有效抑制导频污染以减小由导频污染带来的性能损失，进一步提升大规模MIMO***的性能成为研究重点。

现有的抑制导频污染的算法主要包括：信道估计算法、预编码算法、导频结构设计、导频序列分配等。其中信道估计算法主要包括基于特征分解的信道估计算法和贝叶斯信道估计算法。这两个算法或者具有较高的计算复杂度，或者需要在基站间进行大量的信息交互。预编码算法主要包括基于基站间协作的预编码算法和基于MMSE的预编码算法。这类算法在已知信道估计会因导频污染而存在估计误差时，通过设计预编码矩阵来弥补信道估计不准确带来的性能损失，从而保证***性能。导频结构设计主要包括时移的导频结构以及冗余的导频结构。时移的导频结构是通过将***中的小区分为若干组，不同组的小区的导频信号在时间上错开来实现的。已有文献证明了当基站天线数趋于无穷大时，导频污染仅由来自同组内使用相同导频资源的用户产生，因此采用时移的导频结构可以提高信道估计的精度。而冗余的导频结构则是通过增加导频序列长度，使得导频复用因子大于1，以此来减小导频污染的影响，这类方法会增加导频开销，当使用冗余导频带来的性能增益大于额外的导频开销带来的性能损失时，这类方案才会有效。导频序列分配方案主要包括以最小化信道估计均方误差为目标函数的导频分配方案，其需要交互大量的信息，或需中心节点支持和以最大化***总吞吐量为目标函数的导频分配方案，它是在基站天线数趋于无穷大的理想场景下得到的，未将真实场景下的一些干扰因素考虑进去。

已有文献在解决导频污染的问题上，或者讨论的是基站天线数趋于无穷大的理想场景，或者具有较高的***开销，实现起来都较为困难。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种大规模MIMO***中导频污染抑制波束赋形方法，该方法可以提高多小区大规模MIMO***的信道估计精度以及频谱效率性能，并且***的开销小。

为达到上述目的，本发明所述的大规模MIMO***中导频污染抑制波束赋形方法包括以下步骤：

1)设MIMO***中包含L个小区，每个小区配备一个带有M根天线的基站，将MIMO***中所有基站分为N组，则第i个小区内第k个用户发送的最优波束赋形矢量为：

其中，为第i个小区内第k个用户的有用信号功率，为第i个小区内第k个用户的下行数据对所有组中各小区信道估计的干扰，为第i个小区内第k个用户的下行数据对本小区内其他用户的干扰，α为权重因子，为第i小区内第k个用户的信道估计，为第i小区内第k个用户的最优发送波束赋形矢量，g_il为基站i与基站l之间的信道矩阵；

2)根据广义瑞利熵得第i个小区内第k个用户的最优波束赋形矢量其中，Γ_p为导频的接收信噪比，Γ_f为小区边缘用户的下行数据接收信噪比，N_u第个i小区内的用户数；

得各组中每个用户的最优波束赋形矢量，然后在MIMO***根据各组中每个用户的最优波束赋形矢量进行数据的传输。

步骤1)中第i小区内第k个用户的信道估计其中，y_i为基站i接收到的导频信号，Ψ_k为发送导频序列，ρ_ki为第i个小区内第k个用户的上行导频发送功率，K为每个子载波上的导频序列长度。

本发明具有以下有益效果：

本发明所述的大规模MIMO***中导频污染抑制波束赋形方法通过基站对本小区用户信道进行估计，并获取各用户的最优波束赋形矢量，然后根据最优波束赋形矢量进行数据的传输，不仅能够降低对其他小区信道估计的干扰而且能够保证有用信号接收质量的前提下，尽量降低对本小区内其他用户的干扰；本发明相对于传统的基于最大化信漏比准则的协调波束赋形方案在性能上有显著提升，而且***开销较小，并可以在各协作基站处分布式实现。

附图说明

图1为多小区大规模MIMO***模型；

图2为3小区场景下各方案的信道估计均方误差对比；

图3为3小区场景下各方案的每用户平均频谱效率对比；

图4为7小区场景下各方案的信道估计均方误差对比；

图5为7小区场景下各方案的每用户平均频谱效率对比。

具体实施方式

下面结合附图对本发明做进一步详细描述：

参考图1，本发明所述的大规模MIMO***中导频污染抑制波束赋形方法包括以下步骤：

1)设MIMO***中包含L个小区，每个小区配备一个带有M根天线的基站，将MIMO***中所有基站分为N组，则第i个小区内第k个用户发送的最优波束赋形矢量为：

其中，为第i个小区内第k个用户的有用信号功率，为第i个小区内第k个用户的下行数据对所有组中各小区信道估计的干扰，为第i个小区内第k个用户的下行数据对本小区内其他用户的干扰，α为权重因子，为第i小区内第k个用户的信道估计，为第i小区内第k个用户的最优波束赋形矢量，g_il为基站i与基站l之间的信道矩阵；

2)根据广义瑞利熵得第i个小区内第k个用户的最优波束赋形矢量其中，Γ_p为导频的接收信噪比，Γ_f为小区边缘用户的下行数据接收信噪比，N_u第个i小区内的用户数；

得各组中每个用户的最优波束赋形矢量，然后在MIMO***根据各组中每个用户的最优波束赋形矢量进行数据的传输。

步骤1)中第i小区内第k个用户的信道估计其中，y_i为基站i接收到的导频信号，Ψ_k为发送导频序列，ρ_ki为第i个小区内第k个用户的上行导频发送功率，K为每个子载波上的导频序列长度。

本发明的仿真效果如下：

本发明与采用最大比发送的经典导频时移算法以及采用最大比发送的经典导频对齐算法进行了仿真对比，仿真参数见表1。对比的性能指标为信道估计的均方误差以及用户的平均频谱效率。信道估计的均方误差由下式计算得到：

表1

图2和图3分别给出了3小区场景下各方案的信道估计均方误差和每用户平均频谱效率随边缘用户下行数据接收信噪比的变化情况。在该场景中，Γ_f在取0dB、5dB、10dB、15dB、20dB、25dB以及30dB时对应的权重因子α分别取为0.5、1.5、5、6、5、1.5、0.5。从图2中可以看出，导频对齐方案的信道估计精度与下行发送功率无关，因此不随下行数据SNR的变化而变化，而导频时移方案因其将小区分组，在2小区场景中，信道估计时的干扰仅由与基站i不同组的基站发送的下行数据干扰引起，且与下行数据的发送功率有关，下行数据发送功率越大，对信道估计的干扰也越大。经典的时移方案在采用最大比发送前对波束赋形矢量还进行了处理，使其能够消除基站与基站间直视径带来的干扰，从而将与基站i不同组的基站发送的下行数据干扰大大降低，因此，导频时移方案的信道估计精度远好于导频对齐方案。而本发明与经典导频时移方案的信道估计误差几乎完全相同，这说明本发明也能够显著消除由于基站直视径的存在对信道估计造成的干扰。再结合图3可知，本发明在提高信道估计精度的同时，还能够在保证有用信号接收质量的前提下对小区内干扰有所抑制，因此较经典导频时移方案的频谱效率性能有显著提升。此外，当下行数据发送功率较大时，导频时移结构下的频谱效率性能会随着发送功率的增大而减小，尤其对于提出的方案，这一现象更为明显。这主要是由于在时移的导频结构下，过大的下行数据发送功率会导致信道估计精度的严重下降，从而影响***的总体性能。对于本发明，信道估计精度的严重下降一方面会影响有用信号的接收质量，另一方面也会导致对小区内干扰无法很好的抑制，因此本发明的频谱效率性能受数据发送功率的影响更大。但通过合理设置权重因子α，我们依然可以使得所提方案的性能优于经典时移方案。

图4和图5分别给出了7小区场景下各方案的信道估计均方误差和每用户平均频谱效率随边缘用户下行数据接收信噪比的变化情况。在该场景中，Γ_f在取0dB、5dB、10dB、15dB、20dB、25dB以及30dB时对应的权重因子α分别取为5、15、50、60、50、15、5。对比图2和图4可以看出，当***中小区数目增加时，信道估计的误差随着干扰源的增加而增大，但导频时移方案的信道估计精度依然远远好于导频对齐方案，并且本发明与经典导频时移方案的信道估计误差依然几乎完全相同，这说明当干扰源增加时，本发明也能够显著消除由于基站直视径的存在对信道估计造成的干扰。

Claims (2)

1.一种大规模MIMO***中导频污染抑制波束赋形方法，其特征在于，包括以下步骤：

1)设MIMO***中包含L个小区，每个小区配备一个带有M根天线的基站，将MIMO***中所有基站分为N组，则第i个小区内第k个用户发送的最优波束赋形矢量为：

$\underset{\left|\right|w_{ki}^{(N-1)}\left|\right|=1}{max}\frac{{\left|{\hat{g}}_{iki}^H{w}_{ki}^{(N-1)}\right|}^2}{\mathrm{\α}\underset{l\∈GroupN}{\mathrm{\Σ}}\left|\right|g_{il}{w}_{ki}^{(N-1)}|{|}^2+\underset{k^{\′}=1,k^{\′}\≠k}{\overset{K}{\mathrm{\Σ}}}{\left|{\hat{g}}_{{\mathrm{ik}}^{\′}i}^H{w}_{ki}^{(N-1)}\right|}^2}$

其中，为第i个小区内第k个用户的有用信号功率，为第i个小区内第k个用户的下行数据对所有组中各小区信道估计的干扰，为第i个小区内第k个用户的下行数据对本小区内其他用户的干扰，α为权重因子，为第i小区内第k个用户的信道估计，为第i小区内第k个用户的最优发送波束赋形矢量，g_il为基站i和基站l之间的信道矩阵；

2)根据广义瑞利熵得第i个小区内第k个用户的最优波束赋形矢量其中，Γ_p为导频的接收信噪比，Γ_f为小区边缘用户的下行数据接收信噪比，N_u第个i小区内的用户数；

得各组中每个用户的最优波束赋形矢量，然后在MIMO***根据各组中每个用户的最优波束赋形矢量进行数据的传输。

2.根据权利要求1所述的大规模MIMO***中导频污染抑制波束赋形方法，其特征在于，步骤1)中第i小区内第k个用户的信道估计其中,y_i为基站i接收到的导频信号，Ψ_k为发送导频序列，ρ_ki为第i个小区内第k个用户的上行导频发送功率，K为每个子载波上的导频序列长度。