CN106209186A - 一种多用户分布式mimo多天线***下行链路预编码方法 - Google Patents

Abstract

本发明公开了一种多用户分布式MIMO多天线***下行链路预编码方法，包括以下步骤：S1：在一个小区内，部署M个远端天线单元，各个远端天线单元通过光纤连接到中央处理单元，每个远端天线单元配置N_m根发送天线，m＝1,2,…,M，有K个活跃用户，每个用户配置L_k根接收天线，k＝1,2,…,K；S2：***采用小区内协作多点传输方法，多个远端天线单元联合为用户发送数据，并且使用选择性传输策略，根据平均路径损耗最小原则从所有的远端天线单元中选择所需的远端天线单元为用户发送数据；S3：在接收端采用基于信干噪比准则的接收合并方法对数据进行接收。

Description

一种多用户分布式MIMO多天线***下行链路预编码方法

技术领域

本发明涉及无线及移动通信***，特别是涉及一种多用户分布式MIMO多天线***下行链路预编码方法。

背景技术

多输入多输出(MIMO，Multiple Input Multiple Output)多天线是LTE-Advanced和下一代移动通信(5G)的研究重点之一，它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍地提高***信道容量。未来无线通信***需要提供高数据速率服务，分布式天线被视为一种缩短收发机之间无线传输距离、支持高数据速率的有效方法，已经成为未来移动通信的重要候选方案，以分布式天线为基础的CoMP已经被3GPP在LET-Advanced和IEEE在802.11m标准所采纳。

基于分布式天线和MIMO多天线各自的优点，将两者结合就形成了分布式MIMO多天线***，可显著提高频谱利用率和***容量，近年来备受关注。在分布式MIMO多天线***下行链路中，分布在各处的RAU可在相同的时频资源内为多个用户发送数据，由于位于不同的地理位置用户无法对接收信号进行联合处理，导致各个用户的接收信号存在相互干扰，使得***成为一个干扰受限***。如何抑制多用户干扰，提高用户的通信质量，已经成为多用户***中值得关注的问题。

发明内容

发明目的：本发明的目的是提供一种能够抑制多用户干扰的多用户分布式MIMO多天线***下行链路预编码方法。

技术方案：为达到此目的，本发明采用以下技术方案：

本发明所述的多用户分布式MIMO多天线***下行链路预编码方法，包括以下步骤：

S1：在一个小区内，部署M个远端天线单元，各个远端天线单元通过光纤连接到中央处理单元，每个远端天线单元配置N_m根发送天线，m＝1,2,…,M，有K个活跃用户，每个用户配置L_k根接收天线，k＝1,2,…,K；

S2：***采用小区内协作多点传输方法，多个远端天线单元联合为用户发送数据，并且使用选择性传输策略，根据平均路径损耗最小原则从所有的远端天线单元中选择所需的远端天线单元为用户发送数据；

S3：在接收端采用基于信干噪比准则的接收合并方法对数据进行接收。

进一步，所述步骤S2中，在发送端采用基于信漏噪比准则的预编码方法对数据进行预编码。

进一步，所述基于信漏噪比准则的预编码方法为：通过最大化信漏噪比来设计预编码向量；用户k的信漏噪比SLNR_k为：

${\mathrm{SLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|H_j{f}_k|{|}^2}---\left(1\right)$

式(1)中，表示噪声方差，f_k表示用户k的预编码向量，H_k表示发送端与用户k之间的信道系数。

进一步，所述步骤S2中，在发送端采用基于加权信漏噪比准则的预编码方法对数据进行预编码。

进一步，所述采用基于加权信漏噪比准则的预编码方法对数据进行预编码为：通过最大化加权后的信漏噪比来设计预编码向量；用户k的加权后的信漏噪比wSLNR_k为：

${\mathrm{wSLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|A_j^H{H}_j{f}_k|{|}^2}---\left(2\right)$

式(2)中，表示噪声方差，f_k表示用户k的预编码向量，H_k表示发送端与用户k之间的信道系数，A_j为加权向量，如式(3)所示：

$A_j=\frac{H_j{f}_j^o}{\left|\right|H_j{f}_j^o\left|\right|}---\left(3\right)$

式(3)中，f_j ^o为最大化信漏噪比得到的初始预编码向量。

进一步，所述步骤S3中，基于信干噪比准则的接收合并方法为：通过最大化接收端信干噪比来设计接收合并向量；用户k的接收端信干噪比SINR_k为：

${\mathrm{SINR}}_k=\frac{\left|\right|w_k^H{H}_k{f}_k|{|}^2}{\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|w_k^H{H}_k{f}_j|{|}^2+{\mathrm{\σ}}_k^2}---\left(4\right).$

进一步，所述步骤S2中，所有用户到第m个远端天线单元之间的平均路径损耗为：

${\stackrel{\‾}{P}}_L\left(m\right)=\frac{\underset{k=1}{\overset{K}{\Σ}}{\left(d_{km}\right)}^{\mathrm{\β}}}{K},(m=1,2,...,M)---\left(5\right)$

式(5)中，d_km表示第k个用户与第m个远端天线单元之间的距离，β为路径损耗因子。

进一步，所述步骤S3中，用户k的接收信号为：

$y_k=w_k^H{H}_k{f}_k{x}_k+w_k^H\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_k{f}_j{x}_j+w_k^H{n}_k---\left(6\right)$

式(6)中，x_k表示发送给用户k的数据，f_k表示用户k的预编码向量，w_k表示用户k的接收合并向量，H_k表示发送端与用户k之间的信道系数，n_k为高斯白噪声。

有益效果：与现有技术相比，本发明具有如下的有益效果：

1)本发明提出了一种多用户分布式MIMO多天线***中的收发端联合优化方案，在发射端基于最大化信漏噪比准则设计预编码器，同时在接收端基于最大化信干噪比准则设计接收合并器，从而提高了下行链路的***容量；

2)本发明提出的发射端预编码器在最大化期望用户的有效信号功率的同时最小化对同信道内其他用户的干扰与噪声和，与传统的BD等预编码方案相比，取消了发射天线不小于接收天线之和的限制条件；

3)本发明通过计算不同远端天线单元与用户之间的平均路径损耗，选择所需数目的平均路径损耗最小的发射天线为用户提供无线信号传输；

4)本发明提出在接收端基于最大化信干噪比准则设计接收合并向量，以进一步抑制下行链路的多用户间干扰；

5)本发明采用不同因子对泄漏信道增益进行加权，提出了基于最大化加权信漏噪比准则的预编码器设计，并给出了一种正比于有效信道增益的归一化加权向量定义；

6)本发明提出了基于最大化加权信漏噪比和信干噪比准则的联合优化迭代算法，通过迭代方法求解最佳预编码向量和接收合并向量，能够进一步提高下行链路的多用户***容量。

附图说明

图1为本发明的***示意图；

图2为本发明的多用户分布式MIMO多天线***下行链路预编码传输模型的示意图；

图3为本发明实施例性能仿真的分布式MIMO多天线***模型；

图4为多用户分布式MIMO多天线***中，不同预编码联合优化方法的***平均数据速率性能；

图5为多用户分布式MIMO多天线***中，不同预编码联合优化方法的编码联合优化方法的***平均误符号率性能；

图6为多用户集中式和分布式MIMO多天线***中，本发明所提预编码联合优化方法的***平均数据速率性能对比；

图7为多用户集中式和分布式MIMO多天线***中，本发明所提预编码联合优化方法的***平均误符号率性能对比；

图8为多用户分布式MIMO多天线***中，不同预编码联合优化方法的***平均数据速率随发射天线数的变化情况。

具体实施方式

下面结合具体实施方式对本发明的技术方案作进一步的介绍。

一个典型的多用户分布式MIMO多天线***示意图如图1所示，小区中分布多个远端天线单元(简称RAU)，不同位置的RAU通过光纤等专用链路连接到CU。假设***中同一时频资源有K个活跃用户，分别将其编号为User 1、User 2、…、User K。每个用户配置L_k(k＝1,…,K)根天线，发送端有M个RAU，分别将其编号为RAU1、RAU2、…、RAUM每个RAU配置N_m(m＝1,…,M)根天线。则***中第k个用户的下行信道可以建模成一个L_k×MT维的矩阵H_k＝[H_k1H_k2…H_kM]，其中MT＝N₁+N₂+…+N_M是所有RAU的发射天线数目之和。H_km表示第k个用户和第m个RAU之间的L_k×N_m维的信道矩阵，且其中表示小尺度衰落，其元素服从复高斯分布，α_km表示大尺度衰落系数，服从均值为u_km、标准差σ_km的对数正态分布。本发明中用大写粗体字母表示矩阵，小写粗体斜体字母表示向量，小写非粗体字母表示标量，[·]^T和[·]^H分别表示矩阵或向量的转置和共轭转置。

本发明采用小区内CoMP，多个RAU协作联合为用户服务，且实际中可以根据所需发射天线数目的要求，从所有RAU中选出某些RAU的天线来发送数据。在分布式MIMO多天线***中，由于各个RAU位于小区的不同地理位置，各RAU处的天线到用户的距离均不相同且信道环境也基本不同，所以选择不同RAU的天线为用户服务会对***整体的性能产生较大的影响。由于同一RAU中的各天线基本处于同一位置，所以可以认为它们到同一用户的信道环境近似相同，故***对发射天线数的选择实质上相当于对参与协作的RAU的选择。本发明采用一种基于平均路径损耗最小的原则来选择所需的RAU的天线。将RAU1～RAUM的天线分别编号为1,2，…,MT，假设实际所需的发射天线数为NT(NT≤MT)，定义为第j根发射天线与***中所有K个用户之间的平均路径损耗：

${\stackrel{\‾}{P}}_L\left(j\right)=\frac{\underset{k=1}{\overset{K}{\Σ}}{\left(d_{kj}\right)}^{\mathrm{\β}}}{K},(j=1,2,...,MT)---\left(1\right)$

其中，d_kj表示第k个用户与第m个RAU之间的距离，β为路径损耗因子，K表示用户数。首先计算所有发射天线到K个用户之间的平均路径损耗将其从小到大排序，然后选择前NT个平均路径损耗最小值所对应的发射天线来为用户服务，此时用户信道矩阵由H_k中相应发射天线对应的列组成。若需要使用所有RAU的天线来发送数据，则不需要进行选择。

图2为多用户分布式MIMO多天线***下行链路预编码传输模型，用户数据在发送端经过预编码之后分配到各个RAU上发送，再经过无线传输信道到达接收端，接收端对接收数据进行合并处理。

本发明公开了一种多用户分布式MIMO多天线***下行链路预编码方法，包括以下步骤：

S1：在一个小区内，部署M个远端天线单元，各个远端天线单元通过光纤连接到中央处理单元，每个远端天线单元配置N_m根发送天线，m＝1,2,…,M，有K个活跃用户，每个用户配置L_k根接收天线，k＝1,2,…,K；

S2：***采用小区内协作多点传输方法，多个远端天线单元联合为用户发送数据，并且使用选择性传输策略，根据平均路径损耗最小原则从所有的远端天线单元中选择所需的远端天线单元为用户发送数据；

S3：在接收端采用基于信干噪比准则的接收合并方法对数据进行接收，用户k的接收信号可以表示为

$\begin{array}{c}{y}_k=w_k^H(H_k\underset{j=1}{\overset{K}{\Σ}}{f}_j{x}_j+n_k)\\ =w_k^H{H}_k{f}_k{x}_k+w_k^H\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_k{f}_j{x}_j+w_k^H{n}_k\end{array}---\left(2\right)$

其中H_k表示用户k的信道矩阵，f_k表示用户k的预编码向量，w_k表示用户k的接收合并向量，n_k表示加性高斯白噪声。式中第一项是用户k接收的有用期望信号，第二项是其他用户对用户k造成的干扰信号，称为多用户干扰。多用户干扰会严重影响***的性能，预编码的主要目的就是根据已知的信道状态信息对每个用户设计预编码向量f_k，以消除或者抑制多用户干扰，提高***性能。

在多用户分布式MIMO多天线***中，由于RAU的发射天线分布在小区不同的地理位置，下行链路多天线信道之间的相关性大大降低，更加有利于终端用户通过下行链路预编码获得空间分集和空间复用增益。步骤S2中，发送端可以采用基于信漏噪比的预编码方法，也可以采用基于加权信漏噪比的预编码方法，下面分别进行介绍：

(1)发送端采用基于信漏噪比的预编码方法

SLNR预编码方法的核心思想是最大化发送给每个用户的有用信号功率，同时最小化同信道内对其他用户的干扰，换而言之，最大化有用信号功率与对同信道其他用户的总干扰以及噪声功率和之比。

步骤S2包括以下步骤：

S2.11：计算用户k的信漏噪比SLNR_k：

${\mathrm{SLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|H_j{f}_k|{|}^2}---\left(3\right)$

其中，分子项||H_kf_k||²表示用户k接收的有用信号的功率，分母项||H_jf_k||²表示用户k的数据对同信道其他用户产生的干扰信号的功率，称为用户k的泄露功率，表示噪声方差；

S2.12：最大化信漏噪比，得到初始预编码向量

$\begin{array}{c}{f}_k^o=\underset{f_k,\left|\right|f_k\left|\right|=1}{\arg \max }\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|H_j{f}_k|{|}^2}\\ =\underset{f_k,\left|\right|f_k\left|\right|=1}{\arg \max }\frac{f_k^H{H}_k^H{H}_k{f}_k}{f_k^H(L_k{\mathrm{\σ}}_k^{2}I+{\tilde{H}}_k^H{\tilde{H}}_k)f_k}\end{array}---\left(4\right)$

记为用户k的泄露信道矩阵，令 则优化问题可重写为

$f_k^o=\underset{f_k,\left|\right|f_k\left|\right|=1}{\arg \max }\frac{f_k^H{B}_k{f}_k}{f_k^H{C}_k{f}_k}---\left(5\right)$

上述优化问题实际上是一个广义瑞利商问题，其最优解为矩阵(C_k)^-1B_k的主特征向量，即最大特征值对应的广义特征向量，表示为

$f_k^o=v_{max}\[\left({\left(L_k{\mathrm{\σ}}_k^{2}I+{\tilde{H}}_k^H{\tilde{H}}_k\right)}^{-1}{H}_k^H{H}_k\right)\]---\left(6\right)$

其中v_max[·]表示矩阵的主特征向量。

(2)发送端采用基于加权信漏噪比的预编码方法

基于信漏噪比准则的预编码方法忽略了一个事实，受到干扰的用户的信道质量往往是不同的，该方法没有考虑不同用户的信道质量信息，所以***的性能受到了限制。此外，由于接收端的合并作用，此时用户k实际泄露给其他用户的干扰信息被其他用户本身的接收机进行了加权处理。因此，本发明提出一种基于加权信漏噪比准则的方法，采用不同的因子对泄露信道增益进行加权，来进一步提高***的性能。加权信漏噪比wSLNR_k表示为：

$\begin{array}{c}{\mathrm{wSLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|A_j^H{H}_j{f}_k|{|}^2}\\ =\frac{f_k^H{H}_k^H{H}_k{f}_k}{f_k^H(L_k{\mathrm{\σ}}_k^{2}I+\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_j^H{A}_j{A}_j^H{H}_j)f_k}\end{array}---\left(7\right)$

其中A_j为加权向量。基于加权SLNR准则的方法中，加权因子的选取将会直接影响***的性能。为了充分反映用户信道条件对泄露信息的影响，将加权向量设置成正比于有效信道增益，归一化的加权向量定义为

$A_j=\frac{H_j{f}_j^o}{\left|\right|H_i{f}_j^o\left|\right|}---\left(8\right)$

其中f_j ^o表示初始预编码向量，由式(6)得到；因此，最佳预编码向量可以通过最大化wSLNR_k来获得，其优化问题建立为：

$f_k^{opt}=\underset{f_k,\left|\right|f_k\left|\right|=1}{\arg \max }\frac{f_k^H{H}_k^H{H}_k{f}_k}{f_k^H(L_k{\mathrm{\σ}}_k^{2}I+\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_j^H{A}_j{A}_j^H{H}_j)f_k}---\left(9\right)$

由此可得最佳预编码矩阵表示为：

$f_k^{opt}=v_{max}\[{(L_k{\mathrm{\σ}}_k^{2}I+\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_j^H{A}_j{A}_j^H{H}_j)}^{-1}{H}_k^H{H}_k\]---\left(10\right).$

在发送端进行预编码后，在接收端进一步通过接收合并来提高***性能。常用的合并方法有选择合并、等增益合并和最大比合并，其中最大比合并的分集效果最好。最大比合并是最大化接收端的信噪比，没有考虑干扰信号。在该***中，发送端采用基于加权信漏噪比的预编码方法，只是尽可能地减小用户间干扰，并没有将干扰完全消除。因此，本发明将考虑干扰信号的影响，通过最大化接收端信干噪比来设计接收合并向量。根据式(11)可知，用户k的接收端信干噪比SINR_k可表示为：

$\begin{array}{c}{\mathrm{SINR}}_k=\frac{\left|\right|w_k^H{H}_k{f}_k|{|}^2}{\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|w_k^H{H}_k{f}_j|{|}^2+{\mathrm{\σ}}_k^2}\\ =\frac{w_k^H{H}_k{f}_k{f}_k^H{H}_k^H{w}_k}{w_k^H(H_k{\tilde{F}}_k{\tilde{F}}_k^H{H}_k^H+{\mathrm{\σ}}_k^{2}I)w_k}\end{array}---\left(11\right)$

记为用户k的干扰预编码矩阵。由于发送端已完成预编码设计，此时信干噪比的表达式中并没有耦合变量，每个用户的信干噪比仅取决于自己的接收合并向量，因此可通过最大化信干噪比来设计接收合并向量，优化问题建立为：

$w_k^{opt}=\underset{w_k,\left|\right|w_k\left|\right|=1}{\arg \max }\frac{w_k^H{H}_k{f}_k{f}_k^H{H}_k^H{w}_k}{w_k^H(H_k{\tilde{F}}_k{\tilde{F}}_k^H{H}_k^H+{\mathrm{\σ}}_k^{2}I)w_k}---\left(12\right)$

和式(4)类似，该优化问题也具有广义瑞利商的形式，因此最佳接收合并向量为矩阵的最大特征值对应的特征向量。通过计算最终得到接收合并向量的闭合表达式为

$w_k^{opt}={({\mathrm{\σ}}_k^{2}I+H_k{\tilde{F}}_k{\tilde{F}}_k^H{H}_k^H)}^{-1}{H}_k{f}_k---\left(13\right)$

证明：定义矩阵H_E＝H_kf_k，很显然，矩阵B的秩为1，因此矩阵B仅有一个非零特征向量。令向量则有

$\begin{array}{c}B{\tilde{w}}_k=A^{-1}{H}_E{H}_E^H{A}^{-1}{H}_E\\ =\left(A^{-1}{H}_E\right)\left(H_E^H{A}^{-1}{H}_E\right)\\ =\mathrm{\λ}{\tilde{w}}_k\end{array}---\left(14\right)$

其中因此，，实际上就是矩阵B的的最大特征值对应的特征向量，且λ即为其最大特征向量。即式(13)成立，证毕。

特别的，将式(13)代入(11)，可将用户k的接收端信干噪比化简为

${\mathrm{SINR}}_k=f_k^H{H}_k^H{({\mathrm{\σ}}_k^{2}I+H_k{\tilde{F}}_k{\tilde{F}}_k^H{H}_k^H)}^{-1}{H}_k{f}_k---\left(15\right)$

此时信干噪比的值刚好等于矩阵的最大特征值。

此外，为了进一步提高***的容量性能，还可以采用迭代方法来进一步优化基于加权SLNR准则和SINR准则的联合优化方法，这里称之为基于加权SLNR准则的迭代方法。下面给出基于加权SLNR准则的迭代方法求解预编码向量和接收合并向量的详细步骤，其中step1至step4为基于加权SLNR准则和SINR准则的联合优化方法步骤。

Step 1：通过式(6)得出初始化预编码向量并设置迭代次数n＝0；

Step 2：利用初始预编码向量通过式(8)计算出加权向量A_j；

Step 3：将加权向量A_j代入式(10)计算加权后的预编码向量

Step 4：将代入式(13)计算接收合并向量求出***的和速率并计算的值；

Step 5：若迭代结束，此时Step3、Step4中得到的和即为要求的最佳预编码向量和接收合并向量。否则设置迭代次数n＝n+1，用更新初始预编码向量即令并返回Step 2。

下面以三个实施例为例，介绍一下本发明的技术方案：

实施例1一种分布式MIMO多天线***场景

对于分布式MIMO多天线***，小区半径设为1km，***带宽为单位Hz。如图3所示，假设小区中有7个RAU，每个RAU配备4根天线，其中一个RAU位于小区中心，其余6个RAU以60°角均匀分布在半径为R/2的圆周上，每个RAU通过光纤与CU/BS相连。对于BD预编码和本发明所提的预编码，接收端均采用最大化SINR进行接收合并设计，由于BD预编码要求总发射天线数目不小于总接收天线数目，这里选取实际总发射天线数目等于总接收天线数目。***中所有RAU的发射天线数目为28，所有用户的接收天线数为16，故采用基于平均路径损耗最小准则从28根天线中选择16根天线来为用户发送数据。基于SLNR预编码的联合优化方法、基于加权SLNR预编码的联合优化方法、基于加权SLNR预编码的迭代联合优化方法以及基于BD预编码的联合优化方法的***平均数据速率和平均误符号率随发送信噪比的变化曲线分别如图4和图5所示。其他三种联合优化方法的***平均数据速率性能和***平均误符号率性能均优于基于BD预编码的联合优化方法。基于SLNR预编码的联合优化方法，通过加权之后***的平均数据速率和平均误符号率性能有所改善，基于加权SLNR预编码的联合优化方法，通过迭代之后，***平均数据速率性能有进一步的提高，且***平均误符号率性能有了很大改善。可见，迭代加权方法既能够获得较高的***平均数据速率，也能获得很好的误符号率性能。

实施例2一种集中式MIMO多天线***场景

作为对比，本发明所提预编码联合优化方法在集中式MIMO多天线***(C-MIMO)的平均数据速率和平均误符号率性能也由仿真给出。对于集中式MIMO多天线***，小区半径设为1km，***带宽为单位Hz，小区中有一个基站，位于小区中心，基站的天线数目等于分布式MIMO多天线***(D-MIMO)中所有RAU的天线数目之和，即28，从基站天线中选择16根天线为用户发送数据。在集中式MIMO多天线***中，基于SLNR预编码的联合优化方法、基于加权SLNR预编码的联合优化方法、基于加权SLNR预编码的迭代联合优化方法的***平均数据速率和平均误符号率随发射信噪比的变化曲线分别如图6和图7所示。从图6中可知，这三种预编码联合优化方法的***平均数据速率随发送信噪比呈线性增长，在分布式MIMO多天线***中的***平均数据速率均高于集中式MIMO多天线***。从图7中可知，这三种预编码方法的***平均误符号率随发送信噪比的增大逐渐下降，在分布式MIMO多天线***中的***平均误符号率性能均优于集中式MIMO多天线***。

实施例3一种分布式MIMO多天线***中发射天线数变化的场景

同实施例1中的分布式MIMO多天线***相同，小区半径设为1km，***带宽为单位Hz，小区中有7个RAU，每个RAU配备4根天线，其中一个RAU位于小区中心，其余6个RAU以60°角均匀分布在半径为R/2的圆周上，每个RAU通过光纤与CU/BS相连，发送信噪比为20dB，实际发射天线数目在2～28之间变化，根据平均路径损耗最小原则从所有RAU的天线中选择所需的发射天线数目。基于SLNR预编码的联合优化方法、基于加权SLNR预编码的联合优化方法、基于加权SLNR预编码的迭代联合优化方法以及基于BD预编码的联合优化方法的***平均数据速率随发射天线数目的变化曲线如图8所示。由于BD预编码需要满足总发射天线数目不小于总接收天线数目，所以最小发射天线数目为16，其***平均数据速率曲线从发射天线数目为16开始。从图中可以看出，基于BD预编码的联合优化方法的***平均数据速率变化很小，而其他三种预编码联合优化方法的***平均数据速率随发射天线数的增加逐渐增大。可见当发送天线数发生变化时，本发明提出的联合优化方法仍然能够获得更高的***平均数据速率。

Claims (8)

1.一种多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：包括以下步骤：

S1：在一个小区内，部署M个远端天线单元，各个远端天线单元通过光纤连接到中央处理单元，每个远端天线单元配置N_m根发送天线，m＝1,2,…,M，有K个活跃用户，每个用户配置L_k根接收天线，k＝1,2,…,K；

S2：***采用小区内协作多点传输方法，多个远端天线单元联合为用户发送数据，并且使用选择性传输策略，根据平均路径损耗最小原则从所有的远端天线单元中选择所需的远端天线单元为用户发送数据；

S3：在接收端采用基于信干噪比准则的接收合并方法对数据进行接收。

2.根据权利要求1所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述步骤S2中，在发送端采用基于信漏噪比准则的预编码方法对数据进行预编码。

3.根据权利要求2所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述基于信漏噪比准则的预编码方法为：通过最大化信漏噪比来设计预编码向量；用户k的信漏噪比SLNR_k为：

${\mathrm{SLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|H_j{f}_k|{|}^2}---\left(1\right)$

式(1)中，表示噪声方差，f_k表示用户k的预编码向量，H_k表示发送端与用户k之间的信道系数。

4.根据权利要求1所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述步骤S2中，在发送端采用基于加权信漏噪比准则的预编码方法对数据进行预编码。

5.根据权利要求4所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述采用基于加权信漏噪比准则的预编码方法对数据进行预编码为：通过最大化加权后的信漏噪比来设计预编码向量；用户k的加权后的信漏噪比wSLNR_k为：

${\mathrm{wSLNR}}_k=\frac{\left|\right|H_k{f}_k|{|}^2}{L_k{\mathrm{\σ}}_k^2+\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|A_j^H{H}_j{f}_k|{|}^2}---\left(2\right)$

式(2)中，表示噪声方差，f_k表示用户k的预编码向量，H_k表示发送端与用户k之间的信道系数，A_j为加权向量，如式(3)所示：

$A_j=\frac{H_j{f}_j^o}{\left|\right|H_j{f}_j^o\left|\right|}---\left(3\right)$

式(3)中，f_j ^o为最大化信漏噪比得到的初始预编码向量。

6.根据权利要求1所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述步骤S3中，基于信干噪比准则的接收合并方法为：通过最大化接收端信干噪比来设计接收合并向量；用户k的接收端信干噪比SINR_k为：

${\mathrm{SINR}}_k=\frac{\left|\right|w_k^H{H}_k{f}_k|{|}^2}{\underset{j=1,j\≠k}{\overset{K}{\Σ}}\left|\right|w_k^H{H}_k{f}_j|{|}^2+{\mathrm{\σ}}_k^2}---\left(4\right).$

7.根据权利要求1所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述步骤S2中，所有用户到第m个远端天线单元之间的平均路径损耗为：

${\stackrel{\‾}{P}}_L\left(m\right)=\frac{\underset{k=1}{\overset{K}{\Σ}}{\left(d_{km}\right)}^{\mathrm{\β}}}{K},(m=1,2,...,M)---\left(5\right)$

式(5)中，d_km表示第k个用户与第m个远端天线单元之间的距离，β为路径损耗因子。

8.根据权利要求1所述的多用户分布式MIMO多天线***下行链路预编码方法，其特征在于：所述步骤S3中，用户k的接收信号为：

$y_k=w_k^H{H}_k{f}_k{x}_k+w_k^H\underset{j=1,j\≠k}{\overset{K}{\Σ}}{H}_k{f}_j{x}_j+w_k^H{n}_k---\left(6\right)$

式(6)中，x_k表示发送给用户k的数据，f_k表示用户k的预编码向量，w_k表示用户k的接收合并向量，H_k表示发送端与用户k之间的信道系数，n_k为高斯白噪声。