CN106209191A - 一种mu‑mimo***真实环境低复杂度用户选择方法 - Google Patents

Abstract

本发明涉及一种MU‑MIMO***真实环境低复杂度用户选择方法，基于真实的无线传输环境(富散射和非富散射均存在)进行分析，得到了在非富散射环境中用户选择的动态容量上限，并具体分析了用户等效信道矩阵维度及秩随着用户选择迭代的增加所发生的变化，并将该变化应用到用户选择基准中；另外，本发明将用户等效信道矩阵与其共轭矩阵相乘得到的矩阵的非零特征值之积，即低复杂度表征量作为用户选择基准，使其能在一定程度上表征用户的可用速率，该乘积值可通过上一次的迭代值递归得到，降低了算法的计算复杂度，同时在精细化区分业务QoS的基础上，提高了***的有效吞吐量。

Description

一种MU-MIMO***真实环境低复杂度用户选择方法

技术领域

本发明涉及一种MU-MIMO***真实环境低复杂度用户选择方法，属于通信技术领域。

背景技术

随着人们对无线通信的传输速率和服务质量越来越高的要求，多输入多输出(Multiple-Input Multiple-Output，MIMO)技术受到了越来越多人的关注。其中，多用户MIMO(MU-MIMO)技术可以通过有效地利用空间自由度(Degree of Freedom，DoF)，在不增加频率资源的前提下通过空分来显著提高无线通信***的吞吐量。

在多用户MIMO***中，只通过分割空间资源来向多个用户传输数据时，由于空间上不同用户的数据重叠，那么不可避免的会造成多用户干扰。为使得不同发射天线上传送的信号之间能够相互区别，并且接收机能够区分出这些并行的子数据流，我们需要提供足够的空间自由度来使得用户子信道之间相互正交，互不干扰。而空间自由度在MIMO***中体现在能相互独立的基站发射天线数目上。天线数目受限使得空间信道的个数也受到了限制。而在实际应用中，由于IP化业务具有突发性(例如话音业务的激活因子为0.47)，为提高有限空间资源的使用效率，接入的用户数要大于***可同时进行通信的用户数。突发性业务用户可以统计复用空间资源，在这种情况下，如何进行高效地进行用户选择以使得***性能最优成为了一个研究热点。

如今大多数文献在研究用户选择方法时，需要确定用户容量上限和用户选取基准，普遍存在的问题是：1)、都只考虑MIMO信道处在富散射环境下的状况，即用户天线的信道矩阵都处于满秩且用户间信道相互独立的状态。但是现实的无线传输环境不一定是充分散射的，故而同时考虑用户天线信道矩阵处于满秩或者不满秩的情况是有必要的。2)、现有研究基于吞吐量最大化选择用户时，在求解去干扰的预编码矩阵，以及通过计算每个用户等效信道矩阵的奇异值来得到用户吞吐量的过程当中，使用了大量的奇异值分解(SVD)步骤，造成其算法复杂度非常高，难以运用到实际***当中。3)、多数用户选择方案仅考虑了以***实际吞吐量为代表的一系列用户选择标准的最优化问题，而对不同业务类型的用户的QoS要求没有进行区分。对于实时业务来说，其速率大于相应的速率要求上限对于实时业务质量的提升没有意义，这部分速率也是无效吞吐量，同时会造成分配给非实时业务的资源较少。

发明内容

本发明所要解决的技术问题是提供一种采用全新设计架构方法，能够有效提高***有效吞吐量的MU-MIMO***真实环境低复杂度用户选择方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种MU-MIMO***真实环境低复杂度用户选择方法，针对具有MU-MINO***的基站，进行用户选择；所述MU-MIMO***真实环境低复杂度用户选择方法包括如下步骤：

步骤001.初始化已选用户集合S为空集，以及初始化备选用户集合K包括基站MU-MINO***下行链路中的实时用户和非实时用户，并且随机产生分别对应备选用户集合K中各个用户的信道矩阵，同时，初始化待选集合Q为空集，参数m＝1，然后进入步骤002；

步骤002.分别针对备选用户集合K中的各个用户，计算用户的信道矩阵与其共轭矩阵的乘积矩阵的行列式，并获得该行列式所对应的行列式值，进而获得备选用户集合K中各个用户的行列式值，接着将备选用户集合K中，最大行列式值所对应的用户移入已选用户集合S中，并计算该用户的零空间，同时在备选用户集合K中删除该用户，然后进入步骤003；

步骤003.判断已选用户集合S中是否存在一个用户，已选用户集合S中除其以外其他所有用户的联合信道矩阵的秩大于基站的天线数，是则用户选择结束；否则进入步骤004；

步骤004.假设将备选用户集合K中的第m个用户复制移入已选用户集合S后，对已选用户集合S中的各个用户进行块对角化处理，并计算该新加入已选用户集合S的用户的预编码矩阵，再根据该用户的预编码矩阵，结合该用户的信道矩阵计算该用户的等效信道矩阵；接着根据该用户的等效信道矩阵与其共轭矩阵的乘积矩阵行列式，获得该用户的速率低复杂度表征量；然后进入步骤005；

步骤005.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，继续计算已选用户集合S中除该用户以外，其他各个用户的等效信道矩阵，并根据该各个用户的等效信道矩阵，以及该各个用户的过渡矩阵，计算该各个用户分别所对应速率变化量的低复杂度表征量，接着根据该各个用户分别所对应速率变化量的低复杂度表征量，更新已选用户集合S中实时用户的速率低复杂度表征量，然后进入步骤006；

步骤006.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，判断是否已选用户集合S中所有实时用户的速率低复杂度表征量都大于其预设速率低复杂度表征量下限，是则将备选用户集合K中的第m个用户复制至待选集合Q中，并进入步骤007；否则放弃将备选用户集合K中第m个用户复制移入已选用户集合S的假设，并进入步骤007；

步骤007.判断是否完成针对备选用户集合K中所有用户的遍历，是则进入步骤008；否则遍历用户序号m加1，并将该结果赋予m，然后返回步骤004；

步骤008.从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q，然后进入步骤009；

步骤009.根据已选用户集合S中新加入用户的信道矩阵，以及已选用户集合S中原有各个用户的预编码矩阵，计算已选用户集合S中原有各个用户的过渡矩阵，再根据已选用户集合S中原有各个用户的过渡矩阵，更新已选用户集合S中相应各个用户的预编码矩阵，然后返回步骤003。

作为本发明的一种优选技术方案：还包括步骤010如下所示，所述步骤003中，用户选择结束后，进入步骤010；

步骤010.根据已选用户集合S中各个用户的信道矩阵，计算获得已选用户集合S中各个用户的预编码矩阵，并利用块对角化方法消除已选用户集合S中各个用户之间的干扰。

作为本发明的一种优选技术方案：所述步骤010中，对于备选用户集合K中任意一个用户j，通过消除其他用户干扰，为使预编码矩阵V_j存在非零解，则要求满足方程的个数小于变量的个数，即：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<M,\&ForAll;j=1,2,...,\left|S\right|---\left(4\right)$

故对于接入基站的任一用户来说，只有其他用户联合信道矩阵的秩要小于基站发射天线数的总和M，才能存在预编码矩阵V_j保证每个用户不受其他用户干扰，这也是真实环境下运用块对角化技术时对已选用户集合S的用户容量|S|的限制。

作为本发明的一种优选技术方案：所述步骤004至步骤006中，假设将备选用户集合K中的一个用户复制移入已选用户集合S中，以及步骤008中，从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，分析用户信道分别处于富散射和非富散射环境时，已选用户集合S新加入用户对被服务用户的等效信道矩阵维度以及秩的影响，其中对于集合S中的任一用户j的预编码矩阵V_j的维度为用n_j ^(|S|)表示将其作为已选用户集合S用户容量为|S|时，不会对用户j产生用户间干扰的空间自由度数目，则在富散射和低散射并存的真实环境中，n_j ^(|S|)的表达式为：

${n_j}^{\left(\right|S\left|\right)}=M-{{\hat{L}}_j}^{\left(\right|S\left|\right)}\&GreaterEqual;M-\underset{k=1,k\&NotEqual;j}{\overset{\left|S\right|}{\&Sigma;}}{N}_k---\left(5\right)$

用户j的等效信道矩阵即为由上文中对预编码矩阵V_j维度的分析可知，则的秩假设在进行用户选择算法的过程中，某一时刻***已同时服务的用户数为|S|，令表示已选用户集合S中所有用户的联合信道矩阵，则Ne_S表示联合信道矩阵He_S的秩，Ne_S与间存在关系： 具体按如下公式进行取值；

由此获得

作为本发明的一种优选技术方案：所述步骤004至步骤006中，所述用户的速率低复杂度表征量，通过利用迭代递归的方法得到该表征，假设同时被服务的用户数为|S|、***总功率为P₀的基站MU-MIMO***中，在每个发射天线上功率平均分配，则可将用户j的数据速率表示为：

$\begin{array}{c}{R}_j^{\left(\right|S\left|\right)}\&ap;{\log }_2{\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)}^{min(N_j,{n_j}^{\left(\right|S\left|\right)})}+{\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\\ =min(N_j,{n_j}^{\left(\right|S\left|\right)}){\log }_2\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right){\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\end{array}---\left(19\right)$

其中σ²表示高斯白噪声功率， 表示对应于已选用户集合S中用户j的的所有非零特征值之积；P₀表示基站总发射功率；表示已选用户集合S中用户j的等效信道矩阵与其共轭矩阵的乘积矩阵，表示已选用户集合S中任一用户j的等效信道矩阵的秩进而得到值随着新用户的加入为：

对于第(|S|+1)次迭代时用户j的去干扰预编码矩阵V_j ^(|S|+1)，可通过迭代递归的方法得到该值：

V_j ^(|S|+1)＝V_j ^(|S|)G_j ^(|S|+1) (21)

由此根据子空间的乘积角概念可得与之间的关系式为：

式中，θ_l表示空间和之间第l对基向量e_l和a_l之间的基本角。可被定义为空间和空间之间的乘积角。

作为本发明的一种优选技术方案：所述步骤008中，从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q，其中，分别针对待选集合Q中的各个用户q，获得各个用户所对应如下公式的值：并选取其中最大值所对应的用户，即为基准最大的用户，将其移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q；其中，P_avg表示基站每根发射天线上的平均发射功率，即

本发明所述MU-MIMO***真实环境低复杂度用户选择方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计MU-MIMO***真实环境低复杂度用户选择方法，基于真实的无线传输环境(富散射和非富散射均存在)进行分析，得到了在非富散射环境中用户选择的动态容量上限，并具体分析了用户等效信道矩阵维度及秩随着用户选择迭代的增加所发生的变化，并将该变化应用到用户选择基准中；另外，本发明将用户等效信道矩阵与其共轭矩阵相乘得到的矩阵的非零特征值之积，即低复杂度表征量作为用户选择基准，使其能在一定程度上表征用户的可用速率，该乘积值可通过上一次的迭代值递归得到，降低了算法的计算复杂度，同时在精细化区分业务QoS的基础上，提高了***的有效吞吐量。

附图说明

图1是本发明所设计一种MU-MIMO***真实环境低复杂度用户选择方法的流程图；

图2是MU-MIMO***下行信道模型。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

如图1所示，本发明所设计一种MU-MIMO***真实环境低复杂度用户选择方法，针对具有MU-MINO***的基站，进行用户选择；在实际应用过程当中，具体如下步骤：

步骤001.初始化已选用户集合S为空集，以及初始化备选用户集合K包括基站MU-MINO***下行链路中的实时用户和非实时用户，并且随机产生分别对应备选用户集合K中各个用户的信道矩阵，同时，初始化待选集合Q为空集，参数m＝1，然后进入步骤002。

步骤002.分别针对备选用户集合K中的各个用户，计算用户的信道矩阵与其共轭矩阵的乘积矩阵的行列式，并获得该行列式所对应的行列式值，进而获得备选用户集合K中各个用户的行列式值，接着将备选用户集合K中，最大行列式值所对应的用户移入已选用户集合S中，并计算该用户的零空间，同时在备选用户集合K中删除该用户，然后进入步骤003。

步骤003.判断已选用户集合S中是否存在一个用户，已选用户集合S中除其以外其他所有用户的联合信道矩阵的秩大于基站的天线数，是则用户选择结束，并进入步骤010；否则进入步骤004。

上述步骤003中，分析处于富散射和非富散射环境时的用户容量上限和等效信道状况，令表示已选用户集S中除用户j外所有用户的联合信道矩阵，且则是一个维矩阵。

对进行奇异值分解得：

其中，为的酉矩阵，其列向量是的特征向量；∑_j为维的对角阵，对角阵上的元素为的奇异值；为M×M阶酉矩阵；是对应于∑_j中个奇异值的特征向量，是一个维的矩阵；令表示的是预编码矩阵T_j中用于消除用户j的多用户干扰的部分，即为其他用户的零空间，V_j的维度为

对于用户j来说，预编码矩阵T_j可由两个矩阵的乘积所得，即T_j＝V_jB_j。我们可以通过使消除其他用户干扰，为使V_j存在非零解，则要求满足方程的个数小于变量的个数，即：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<M,\&ForAll;j=1,2,...,\left|S\right|---\left(4\right)$

故对于接入基站的任一用户来说，只有其他用户联合信道矩阵的秩要小于基站发射天线数的总和M，才能存在预编码矩阵V_j保证每个用户不受其他用户干扰，这也是真实环境下块运用对角化技术时对用户容量|S|的限制。

在富散射环境下，由于所以***用户容量的上限变为：这是现有研究当中普遍存在的运用BD进行预编码的MIMO***的用户容量限制条件；而在低散射的环境中，由于所以此时的用户容量：|S|_低散射≥|S|_富散射。因此若对于处在低散射环境下的信道按照富散射环境来处理，则会影响用户容量上限。

因此在基于富散射环境考虑时，|S|受基站天线数M和用户有效接收天线数(n_r＝N₁＝N₂＝···＝N_|K|)的限制，为一个定值而在非富散射环境下的用户容量上限|S|需要具体进行计算。

步骤004.假设将备选用户集合K中的第m个用户复制移入已选用户集合S后，对已选用户集合S中的各个用户进行块对角化处理，并计算该新加入已选用户集合S的用户的预编码矩阵，再根据该用户的预编码矩阵，结合该用户的信道矩阵计算该用户的等效信道矩阵；接着根据该用户的等效信道矩阵与其共轭矩阵的乘积矩阵行列式，获得该用户的速率低复杂度表征量；然后进入步骤005。

上述步骤004以及下面的步骤005中，都需要计算用户的等效信道矩阵，对于集合S中用户j来说，随着集合K中用户m的加入，S中的用户j的等效信道矩阵的秩会发生变化，从而影响到其数据速率R_j。对于已复制K中的用户m到集合S中的S来说，计算S中各用户的等效信道矩阵(步骤004和005)的方法都是要对集合S中的各个用户进行块对角化处理，并对的矩阵维度进行分析，并得到其秩的变化条件，并在此基础上给出用户速率R_j。

由步骤003中分析可知，V_j的维度为用n_j ^(|S|)表示可将其看作是在接入用户数为|S|时，不会对用户j产生用户间干扰的空间自由度数目。则在富散射和低散射并存的真实环境中，n_j ^(|S|)的表达式为：

${n_j}^{\left(\right|S\left|\right)}=M-{{\hat{L}}_j}^{\left(\right|S\left|\right)}\&GreaterEqual;M-\underset{k=1,k\&NotEqual;j}{\overset{\left|S\right|}{\&Sigma;}}{N}_k---\left(5\right)$

通过寻找V_j使得故用户j在下行信道的接收信号向量和发送信号向量的关系可表示为：

y_j＝H_jT_jx_j+n_j＝H_jV_jB_jx_j+n_j (6)

其中，用户j的等效信道矩阵即为由上文中对V_j矩阵维度的分析可知，因此的秩对于其具体取值为N_j还是n_j ^(|S|)，需要我们要分情况进行讨论。

假设在进行用户选择算法的过程中，某一时刻***已同时服务的用户数为|S|，令表示S中所有用户的联合信道矩阵，则Ne_S表示联合信道矩阵He_S的秩，Ne_S与间存在关系：

①当时，由于故可以满足以下不等式：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<{\mathrm{Ne}}_S\&le;\underset{k=1}{\overset{\left|S\right|}{\&Sigma;}}{N}_k,\&ForAll;j\&Element;S---\left(7\right)$

故一定有根据(4)式，则一定存在非零解。另外，对于n_j ^(|S|)有：

${n_j}^{\left(\right|S\left|\right)}\&GreaterEqual;M-\underset{k=1,k\&NotEqual;j}{\overset{\left|S\right|}{\&Sigma;}}{N}_k\&GreaterEqual;N_j---\left(8\right)$

故可得：

${\stackrel{\&OverBar;}{L}}_j^{\left(\right|S\left|\right)}=N_j---\left(9\right)$

此时对等效信道矩阵做奇异值分解有:

${{\stackrel{\&OverBar;}{H}}_j}^{\left(\right|S\left|\right)}={\stackrel{\&OverBar;}{U}}_j\left[\begin{array}{cc}{\stackrel{\&OverBar;}{\&Sigma;}}_j& 0\end{array}\right]{\left[\begin{array}{cc}{\stackrel{\&OverBar;}{V}}_j^{\left(1\right)}& {\stackrel{\&OverBar;}{V}}_j^{\left(0\right)}\end{array}\right]}^H---\left(10\right)$

(10)式中，是由的非零奇异值组成的N_j×N_j维对角阵；为的左奇异向量，为对应于中的N_j个奇异值的右奇异向量。

②当时，同情况①中所示，由于故存在：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<{\mathrm{Ne}}_S,\&ForAll;j\&Element;S---\left(11\right)$

因此一定存在非零解。在情况②下，而的秩无法判断为n_j ^(|S|)还是N_j，只能通过具体计算用户j的值来求解并将n_j ^(|S|)与N_j进行比较。

③当M＜Ne_S，且时，此时一定满足存在非零解。由于在真实环境下用户j的信道矩阵H_j的向量与有可能存在相关性，故满足下式：

$N_j+{{\hat{L}}_j}^{\left(\right|S\left|\right)}>{\mathrm{Ne}}_S>M,\&ForAll;j\&Element;S---\left(12\right)$

故由(12)式可得n_j ^(|S|)与N_j的关系式为：

n_j ^(|S|)＜N_j (13)

因此：

${\stackrel{\&OverBar;}{L}}_j^{\left(\right|S\left|\right)}={n_j}^{\left(\right|S\left|\right)}---\left(14\right)$

此时对等效信道矩阵做奇异值分解有:

${{\stackrel{\&OverBar;}{H}}_j}^{\left(\right|S\left|\right)}=\left[\begin{array}{cc}{\stackrel{\&OverBar;}{U}}_j^{\left(1\right)}& {{\stackrel{\&OverBar;}{U}}_j}^{\left(0\right)}\end{array}\right]\left[\begin{array}{c}{\stackrel{\&OverBar;}{\&Sigma;}}_j\\ 0\end{array}\right]{\stackrel{\&OverBar;}{V}}_j^{\left(1\right)H}---\left(15\right)$

上式中，是维度为n_j ^(|S|)×n_j ^(|S|)的对角阵，为的左奇异向量，为右奇异向量。

从以上分析可得，的秩为N_j还是n_j ^(|S|)取决于Ne_S，与M三者之间的大小对比，具体总结如下:

步骤005.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，继续计算已选用户集合S中除该用户以外，其他各个用户的等效信道矩阵，并根据该各个用户的等效信道矩阵，以及该各个用户的过渡矩阵，计算该各个用户分别所对应速率变化量的低复杂度表征量，接着根据该各个用户分别所对应速率变化量的低复杂度表征量，更新已选用户集合S中实时用户的速率低复杂度表征量，然后进入步骤006。

步骤006.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，判断是否已选用户集合S中所有实时用户的速率低复杂度表征量都大于其预设速率低复杂度表征量下限，是则将备选用户集合K中的第m个用户复制至待选集合Q中，并进入步骤007；否则放弃将备选用户集合K中第m个用户复制移入已选用户集合S的假设，并进入步骤007。

上述步骤004至步骤006中，所述用户的速率低复杂度表征量，通过利用迭代递归的方法得到该表征，假设同时被服务的用户数为|S|、***总功率为P₀的基站MU-MIMO***中，在每个发射天线上功率平均分配，则可将用户j的数据速率表示为：

$\begin{array}{c}{R}_j^{\left(\right|S\left|\right)}\&ap;{\log }_2{\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)}^{min(N_j,{n_j}^{\left(\right|S\left|\right)})}+{\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\\ =min(N_j,{n_j}^{\left(\right|S\left|\right)}){\log }_2\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right){\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\end{array}---\left(19\right)$

其中σ²表示高斯白噪声功率， 表示对应于已选用户集合S中用户j的的所有非零特征值之积；P₀表示基站总发射功率；表示已选用户集合S中用户j的等效信道矩阵与其共轭矩阵的乘积矩阵，min(N_j,n_j ^(|S|))表示已选用户集合S中任一用户j的等效信道矩阵的秩进而得到值随着新用户的加入为：

对于第(|S|+1)次迭代时用户j的去干扰预编码矩阵V_j ^(|S|+1)，可通过迭代递归的方法得到该值：

${V_j}^{\left(\right|S|+1)}={V_j}^{\left(\right|S\left|\right)}{G_j}^{\left(\right|S|+1)}---\left(21\right)$

由此根据子空间的乘积角概念可得与之间的关系式为：

式中，θ_l表示空间和之间第l对基向量e_l和a_l之间的基本角。可被定义为空间和空间之间的乘积角。即为在用户容量为|S|时的低复杂度速率表征量。

另外由上述用户j数据速率的表达式，我们可以通过对用户j两次迭代后的数据速率差值进行分析，可以得到在真实环境中的数据速率变化为：

$\begin{array}{c}{\mathrm{\&Delta;R}}_j^{\left(\right|S|+1)}=R_j^{\left(\right|S\left|\right)}-R_j^{\left(\right|S|+1)}\\ \&ap;{\log }_2{\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)}^{{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S\left|\right)}}-{\log }_2{\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)}^{{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S|+1)}}+{\log }_2\left({\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\right)-{\log }_2\left({\mathrm{\&mu;}}_j^{\left(\right|S\left|\mathrm{+1}\right)}\right)\\ =\&lsqb;{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S\left|\right)}-{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S|+1)}\&rsqb;{\log }_2\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)+{\log }_2\left(\frac{{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}}{{\mathrm{\&mu;}}_j^{\left(\right|S|+1)}}\right)\\ =\&lsqb;{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S\left|\right)}-{\stackrel{\&OverBar;}{L}}_j^{\left(\right|S|+1)}\&rsqb;{\log }_2\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)+{\log }_2\frac{1}{{\cos }^2{\mathrm{\&Phi;}}_j^{\left(\right|S|+1)}}\end{array}---\left(35\right)$

上式中，由于故而通过分析可知，随着用户的加入，用户j的等效信道矩阵的秩只有可能会下降，即因此可得该式表明，***每接入一个新用户，新用户会占用分割***的一部分空间资源，导致原先***已接入的用户的数据速率有可能会被削弱。

特别地，当MIMO信道处于富散射环境中时，(38)式可变为：

富散射环境下，由于用户容量的限制条件，不可能出现的情况。由(36)式我们可知，当***内每个用户的有效接收天线数相同时，第(|S|+1)个新用户的选择只会影响表达式中的项，此时的速率变化量的低复杂度表征即为而在非富散射环境下，的表达式就是(35)式。

步骤007.判断是否完成针对备选用户集合K中所有用户的遍历，是则进入步骤008；否则针对m所对应的值加1，并将该结果赋予m，然后返回步骤004。

步骤008.从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q，然后进入步骤009。

上述步骤008中，从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q，其中，分别针对待选集合Q中的各个用户q，获得各个用户所对应如下公式的值：并选取其中最大值所对应的用户，即为基准最大的用户，将其移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q；其中，P_avg表示基站每根发射天线上的平均发射功率，即

步骤009.根据已选用户集合S中新加入用户的信道矩阵，以及已选用户集合S中原有各个用户的预编码矩阵，计算已选用户集合S中原有各个用户的过渡矩阵，再根据已选用户集合S中原有各个用户的过渡矩阵，更新已选用户集合S中相应各个用户的预编码矩阵，然后返回步骤003。

步骤010.根据已选用户集合S中各个用户的信道矩阵，计算获得已选用户集合S中各个用户的预编码矩阵，并利用块对角化方法消除已选用户集合S中各个用户之间的干扰。

其中，步骤010中，对于备选用户集合K中任意一个用户j，通过消除其他用户干扰，为使预编码矩阵V_j存在非零解，则要求满足方程的个数小于变量的个数，即：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<M,\&ForAll;j=1,2,...,\left|S\right|---\left(4\right)$

故对于接入基站的任一用户来说，只有其他用户联合信道矩阵的秩要小于基站发射天线数的总和M，才能存在预编码矩阵V_j保证每个用户不受其他用户干扰，这也是真实环境下运用块对角化技术时对已选用户集合S的用户容量|S|的限制。

在富散射环境下，由于所以已选用户集合用户容量的上限变为：这是现有研究当中普遍存在的运用BD进行预编码的MIMO***的用户容量限制条件；而在低散射的环境中，由于所以此时的用户容量：|S|_低散射≥|S|_富散射。因此若对于处在低散射环境下的信道按照富散射环境来处理，则会影响已选用户集合容量上限。

上述技术方案所设计的MU-MIMO***真实环境低复杂度用户选择方法，基于真实的无线传输环境(富散射和非富散射均存在)进行分析，得到了在非富散射环境中用户选择的动态容量上限，并具体分析了用户等效信道矩阵维度及秩随着用户选择迭代的增加所发生的变化，并将该变化应用到用户选择基准中；另外，本发明将用户等效信道矩阵与其共轭矩阵相乘得到的矩阵的非零特征值之积，即低复杂度表征量作为用户选择基准，使其能在一定程度上表征用户的可用速率，该乘积值可通过上一次的迭代值递归得到，降低了算法的计算复杂度，同时在精细化区分业务QoS的基础上，提高了***的有效吞吐量。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.一种MU-MIMO***真实环境低复杂度用户选择方法，针对具有MU-MINO***的基站，进行用户选择；其特征在于，包括如下步骤：

步骤001.初始化已选用户集合S为空集，以及初始化备选用户集合K包括基站MU-MINO***下行链路中的实时用户和非实时用户，并且随机产生分别对应备选用户集合K中各个用户的信道矩阵，同时，初始化待选集合Q为空集，参数m＝1，然后进入步骤002；

步骤002.分别针对备选用户集合K中的各个用户，计算用户的信道矩阵与其共轭矩阵的乘积矩阵的行列式，并获得该行列式所对应的行列式值，进而获得备选用户集合K中各个用户的行列式值，接着将备选用户集合K中，最大行列式值所对应的用户移入已选用户集合S中，并计算该用户的零空间，同时在备选用户集合K中删除该用户，然后进入步骤003；

步骤003.判断已选用户集合S中是否存在一个用户，已选用户集合S中除其以外其他所有用户的联合信道矩阵的秩大于基站的天线数，是则用户选择结束；否则进入步骤004；

步骤004.假设将备选用户集合K中的第m个用户复制移入已选用户集合S后，对已选用户集合S中的各个用户进行块对角化处理，并计算该新加入已选用户集合S的用户的预编码矩阵，再根据该用户的预编码矩阵，结合该用户的信道矩阵计算该用户的等效信道矩阵；接着根据该用户的等效信道矩阵与其共轭矩阵的乘积矩阵行列式，获得该用户的速率低复杂度表征量；然后进入步骤005；

步骤005.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，继续计算已选用户集合S中除该用户以外，其他各个用户的等效信道矩阵，并根据该各个用户的等效信道矩阵，以及该各个用户的过渡矩阵，计算该各个用户分别所对应速率变化量的低复杂度表征量，接着根据该各个用户分别所对应速率变化量的低复杂度表征量，更新已选用户集合S中实时用户的速率低复杂度表征量，然后进入步骤006；

步骤006.继续在假设将备选用户集合K中的第m个用户复制移入已选用户集合S的基础上，判断是否已选用户集合S中所有实时用户的速率低复杂度表征量都大于其预设速率低复杂度表征量下限，是则将备选用户集合K中的第m个用户复制至待选集合Q中，并进入步骤007；否则放弃将备选用户集合K中第m个用户复制移入已选用户集合S的假设，并进入步骤007；

步骤007.判断是否完成针对备选用户集合K中所有用户的遍历，是则进入步骤008；否则针对m所对应的值加1，并将该结果赋予m，然后返回步骤004；

步骤008.从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q，然后进入步骤009；

步骤009.根据已选用户集合S中新加入用户的信道矩阵，以及已选用户集合S中原有各个用户的预编码矩阵，计算已选用户集合S中原有各个用户的过渡矩阵，再根据已选用户集合S中原有各个用户的过渡矩阵，更新已选用户集合S中相应各个用户的预编码矩阵，然后返回步骤003。

2.根据权利要求1所述一种MU-MIMO***真实环境低复杂度用户选择方法，其特征在于：还包括步骤010如下所示，所述步骤003中，用户选择结束后，进入步骤010；

步骤010.根据已选用户集合S中各个用户的信道矩阵，计算获得已选用户集合S中各个用户的预编码矩阵，并利用块对角化方法消除已选用户集合S中各个用户之间的干扰。

3.根据权利要求2所述一种MU-MIMO***真实环境低复杂度用户选择方法，其特征在于：所述步骤010中，对于备选用户集合S中任意一个用户j，通过消除其他用户干扰，为使预编码矩阵V_j存在非零解，则要求满足方程的个数小于变量的个数，即：

${{\hat{L}}_j}^{\left(\right|S\left|\right)}<M,\&ForAll;j=1,2,...,\left|S\right|---\left(4\right)$

故对于接入基站的任一用户来说，只有其他用户联合信道矩阵的秩要小于基站发射天线数的总和M，才能存在预编码矩阵V_j保证每个用户不受其他用户干扰，这也是真实环境下运用块对角化技术时对已选用户集合S的用户容量|S|的限制。

4.根据权利要求3所述一种MU-MIMO***真实环境低复杂度用户选择方法，其特征在于：所述步骤004至步骤006中，假设将备选用户集合K中的一个用户复制移入已选用户集合S中，以及步骤008中，从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，分析用户信道分别处于富散射和非富散射环境时，已选用户集合S新加入用户对被服务用户的等效信道矩阵维度以及秩的影响。对于集合S中的任一用户j的预编码矩阵V_j的维度为用n_j ^(S)表示将其作为已选用户集合S用户容量为|S|时，不会对用户j产生用户间干扰的空间自由度数目，则在富散射和低散射并存的真实环境中，n_j ^(S)的表达式为：

${n_j}^{\left(\right|S\left|\right)}=M-{{\hat{L}}_j}^{\left(\right|S\left|\right)}\&GreaterEqual;M-\underset{k=1,k\&NotEqual;j}{\overset{\left|S\right|}{\&Sigma;}}{N}_k---\left(5\right)$

用户j的等效信道矩阵即为由上文中对预编码矩阵V_j维度的分析可知，则的秩假设在进行用户选择算法的过程中，某一时刻***已同时服务的用户数为|S|，令表示已选用户集合S中所有用户的联合信道矩阵，则Ne_S表示联合信道矩阵He_S的秩，Ne_S与间存在关系： 具体按如下公式进行取值；

由此获得

5.根据权利要求4所述一种MU-MIMO***真实环境低复杂度用户选择方法，其特征在于：所述步骤004至步骤006中，所述用户的速率低复杂度表征量，通过利用迭代递归的方法得到该表征，假设同时被服务的用户数为|S|、***总功率为P₀的基站MU-MIMO***中，在每个发射天线上功率平均分配，则可将用户j的数据速率表示为：

$\begin{array}{c}{R}_j^{\left(\right|S\left|\right)}\&ap;{\log }_2{\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)}^{\min (N_j,{n_j}^{\left(\right|S\left|\right)})}+{\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}+\\ =\min (N_j,{n_j}^{\left(\right|S\left|\right)}){\log }_2\left(\frac{P_0}{{\mathrm{\&sigma;}}^{2}M}\right)+{\log }_2{\mathrm{\&mu;}}_j^{\left(\right|S\left|\right)}\end{array}$

其中σ²表示高斯白噪声功率， 表示对应于已选用户集合S中用户j的的所有非零特征值之积；P₀表示基站总发射功率；表示已选用户集合S中用户j的等效信道矩阵与其共轭矩阵的乘积矩阵，min(N_j,n_j ^(S))表示已选用户集合S中任一用户j的等效信道矩阵的秩进而得到值随着新用户的加入为：

对于第(|S|+1)次迭代时用户j的去干扰预编码矩阵V_j ^(|S|+1)，可通过迭代递归的方法得到该值：

V_j ^(|S|+1)＝V_j ^(|S|)G_j ^(|S|+1) (21)

由此根据子空间的乘积角概念可得与之间的关系式为：

式中，θ_l表示空间和之间第l对基向量e_l和a_l之间的基本角。可被定义为空间和空间之间的乘积角。

6.根据权利要求5所述一种MU-MIMO***真实环境低复杂度用户选择方法，其特征在于：所述步骤008中，从待选集合Q中选取一个使用户选取基准最大的用户移入已选用户集合S中，同时在备选用户集合K中删除该用户，并清空待选集合Q，其中，分别针对待选集合Q中的各个用户q，获得各个用户所对应如下公式的值：并选取其中最大值所对应的用户，即为基准最大的用户，将其移入已选用户集合S中，同时在备选用户集合K中删除该用户同时由备选用户集合K中删除该用户，并清空待选集合Q；其中，P_avg表示基站每根发射天线上的平均发射功率，即