CN110212957A - 一种基于信漏噪比的mu-mimo***用户调度方法 - Google Patents

Abstract

本发明公开了一种基于信漏噪比的MU‑MIMO***用户调度方法，涉及移动通信领域，采用基于信漏噪比SLNR的用户调度算法，使单天线接收***的信漏噪比SLNR达到最大，每个基站计算加权和速率后将值传输给中央单元，然后中央单元通过比较来自基站的标量反馈来确定最佳用户。本发明改进了贪婪用户搜索算法，减少了信道状态信息CSI交换开销，有效降低了计算复杂度，对于信噪比的性能损失几乎可以忽略。

Description

一种基于信漏噪比的MU-MIMO***用户调度方法

技术领域

本发明涉及移动通信领域，尤其涉及一种基于信漏噪比的MU-MIMO***用户调度方法。

背景技术

受到***资源的限制，用户调度在实际通信过程中是非常有必要的，通过选择小区内的活跃用户进行服务，以获得更大的用户分集增益。用户调度需要平衡以下三个目标：(1)最大化平均***能效；(2)满足用户之间期望的公平约束；(3)能够实时的、低计算成本的实现。在基于SLNR预编码方案中，每增加一个用户接收天线数量，就需要考虑其他用户的额外信号泄漏，导致用户的SLNR下降。此时，***可能无法同时为所有用户调度最大的数据流。同时，受到***资源的限制，可以提供服务的用户数量也是有限的。因此，在基于SLNR预编码设计的MU-MIMO***中，用户调度是非常有必要的。考虑一个多小区下行蜂窝网络环境，小区数为L，其中基站配置N_t根发射天线，并且小区内通过单天线与K个用户进行通信。在每个时隙中，假设用户是独立的，并且随机分布在一个小区内，N是用户调度中选择的用户数量，将基站服务的N个用户的集合表示为S_N。假设M_k表示第k(k＝1，2，…，K)个用户接收天线的数量，且满足L_k(L_k≤M_k)表示用户k的数据流数量。在传统的多用户传输策略中，基站的发射数据信息可以表示为：其中，表示用户k的传输矢量符号，表示用户k的预编码矩阵，同时满足约束条件E{xx^H}＝Ι_N，||w_k||²＝1。

用户接收到的信号可以表示为：其中，n_k表示加性高斯白噪声样本，其均值为0，方差为σ²。对于用户k的MU-MIMO信道是标准独立同分布的瑞利衰落信道。用户k的M_k×N的信道矩阵H_k可以写成：

第k个用户接收端的信号干扰噪声比可以表示为：

对于用户k的单用户检测，其速率可表示为：R_k＝log₂(1+SINR_k)，考虑用户公平性，加权和速率WR_sum定义为：WR_sum＝∑_kλ_kR_k，其中加权系数λ_k表示由实际应用所需服务质量决定的用户k的权重。采用最大传输比(Maximal Ratio Transmission，MRT)和迫零(Zeroforcing，ZF)波束成形等线性波束成形策略，参考文献1[MOON S,LEE C,LEE S,et al.Ajoint adaptive beam forming and user scheduling algorithm for downlinknetwork MIMO systems[C]//Proceedings of 2013IEEE International Conference onCommunications(ICC),Budapest:IEEE,2013:5392-5397.]中提出了一种最大化加权和速率的用户调度算法。然而，ZF波束成形策略可能需要大量的基站天线来支持大型网络中的所有用户。基于一般的情况，采用最小均方误差波束成形策略来代替MRT和ZF波束成形。用户k的MMSE波束成形矢量为：

其中，γ_k是归一化因子。

对于单点搜索算法，为每个小区选择速率最大的用户，可以表示为：

此时单点搜索算法的复杂度为Ο(K×L)，基站只需要局部信道状态信息(ChannelState Information，CSI)进行用户调度。但是单点搜索算法没有考虑小区间干扰。

在穷举搜索算法中，需要比较出现的用户组合得到的加权和速率，这个过程一直持续到用尽所有可能的组合。此时穷举搜索算法的复杂度为Ο(2^LK^L)，这表示了所有可能的用户集组合以及二进制功率分配。显然，如果L或K很大的话，穷举搜索算法的复杂度就会非常高。另外，为了计算所有组合的加权和速率，需要通过基站以及执行用户调度和波束成形设计的中央单元之间的回程链路交换全局CSI，这样搜索的复杂度以及基站之间CSI交换的开销都会很大。

贪婪用户选择算法[参考文献2：ELLIOTT RC,SIGDEL S,KRZYMIEN W A,etal.Genetic and Greedy User Scheduling for Multiuser MIMO Systems withSuccessive Zero-Forcing[C]//Proceedings of 2009IEEE GlobecomWorkshops.Honolulu,HI:IEEE,2009:1-6.]扩展到多蜂窝小区的***，使用MMSE波束成形代替ZF波束成形，对算法进行如下描述：首先初始化N＝1，忽略小区间干扰选择所有用户中速率最大的用户，而后将所选用户加入到S₁中。在迭代过程中即N≥2，中央单元确定用户在S_N-1∪{k}中的MMSE波束成形向量，而后计算S_N-1∪{k}的加权和速率，将通过比较所有计算得到的加权和速率来选择一个新用户。如果第N次迭代的加权和速率小于第N-1次的加权和速率，则选择S_N-1中的用户，算法结束。否则，重复迭代过程，直到N＝L。通过在每次迭代中依次选择一个用户，将搜索的复杂度从Ο(2^LK^L)降低到Ο(L²K)。贪婪用户搜索算法需要全局CSI来计算加权和速率，这就需要大量的资源来进行基站协作，导致在有限容量的回程链路上产生太多的负荷。

因此，本领域的技术人员致力于开发一种基于信漏噪比SLNR准则的用户调度方案，用于改进贪婪用户搜索算法，有效降低算法的计算复杂度。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何解决当前算法计算复杂度高，以及在实际通信***中，对于信道状态信息的要求较高的问题。

为实现上述目的，本发明提供了一种基于信漏噪比的MU-MIMO***用户调度方法，采用基于信漏噪比SLNR的用户调度算法，使单天线接收***的信漏噪比SLNR达到最大，每个基站计算加权和速率后将值传输给中央单元，然后中央单元通过比较来自基站的标量反馈来确定最佳用户，其中，所述信漏噪比SLNR的标准定义为：

对于用户k，

进一步地，最大化单天线接收***的SLNR可以写为：

其中，定义上式中即

进一步地，所述基于信漏噪比SLNR的用户调度算法包括如下步骤：

初始化：N＝1

步骤1、选择所有用户中速率最大的用户k，即

步骤2、将所选用户加入到集合S₁，S₁＝{k}，得到其加权和速率

步骤3、N＝N+1，选择一个用户k^*，使得

步骤4、将选择的用户加入到集合S_N，S_N＝S_N-1∪{k^*}，得到其加权和速率

步骤5、比较加权和速率，如果则N＝N-1，结束；否则，重复步骤3、4，继续循环迭代直到N＝L。

进一步地，，加权和速率可以表示为：

进一步地，MU-MIMO信道是标准独立同分布的瑞利衰落信道。

进一步地，用户k的M_k×N的信道矩阵H_k可以写成：

进一步地，采用最小均方误差波束MMSE成形策略，用户k的MMSE波束成形矢量为：其中，γ_k是归一化因子。

进一步地，每个基站计算加权和速率只需要局部信道状态信息CSI，并且以分布式的方式运行，有效降低了中央单元计算用于选择用户的加权和速率的计算量。

进一步地，在所述基于SLNR用户调度算法中，通过交换候选用户的加权和速率的值来选择新用户。

进一步地，交换信息的总数为：

技术效果：

1、基于信漏噪比的MU-MIMO***用户调度方案的算法不需要波束成形向量的信息来进行用户调度，因此算法的复杂度大大降低。

2、基于信漏噪比的MU-MIMO***用户调度方案减少了信道状态信息CSI交换开销。

3、基于信漏噪比的MU-MIMO***用户调度方案对于信噪比的性能损失几乎可以忽略。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的一个较佳实施例的MU-MIMO***图；

图2是本发明的一个较佳实施例的算法信息交换开销比较图；

图3是本发明的一个较佳实施例的算法计算复杂度比较图。

具体实施方式

以下参考说明书附图介绍本发明的优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

如图1所示，本发明考虑一个多小区下行蜂窝网络环境，小区数为L，其中基站配置N_t根发射天线，并且小区内通过单天线与K个用户进行通信。在每个时隙中，假设用户是独立的，并且随机分布在一个小区内，N是用户调度中选择的用户数量，将基站服务的N个用户的集合表示为S_N。假设M_k表示第k(k＝1，2，…，K)个用户接收天线的数量，且满足L_k(L_k≤M_k)表示用户k的数据流数量。在传统的多用户传输策略中，基站的发射数据信息可以表示为：

其中，表示用户k的传输矢量符号，表示用户k的预编码矩阵，同时满足约束条件E{xxH}＝Ι_N，||w_k||²＝1。

用户接收到的信号可以表示为：

其中，n_k表示加性高斯白噪声样本，其均值为0，方差为σ²。对于用户k的MU-MIMO信道是标准独立同分布的瑞利衰落信道。用户k的M_k×N的信道矩阵H_k可以写成：

其中加权系数λ_k表示由实际应用所需服务质量决定的用户k的权重。

本发明采用最小均方误差波束成形策略来代替MRT和ZF波束成形。用户k的MMSE波束成形矢量为：

其中，γ_k是归一化因子。

本发明提出了一种改进贪婪用户搜索算法的分布式用户调度算法。贪婪用户搜索算法通过比较所有剩余用户的加权和速率来选择用户，本发明没有使用加权和速率的标准来选择用户，而是提出了最大化SLNR的新准则，该标准定义为：对于用户k，

使单天线接收***的SLNR达到最大，利用公式(4)，最大化SLNR可以写为：

其中，定义上式中即此时加权和速率可以表示为：

为了计算用于选择用户的加权和速率，每个基站只需要其CSI，并且以分布式的方式运行，这样做有效降低了中央单元的计算量。基于SLNR的用户调度算法流程在表1中给出。

表1基于SLNR的用户调度算法流程

与传统的贪婪用户选择算法相比，当计算式(7)时大大降低了CSI交换开销，获取改进后的加权和速率只需要局部CSI，每个基站计算加权和速率后将值传输给中央单元，然后中央单元通过比较来自基站的标量反馈来确定最佳用户，而不需要全局CSI。其次，该算法不需要波束成形向量的信息来进行用户调度，因此算法的复杂度大大降低。

在基于SLNR用户调度算法中，通过交换候选用户的加权和速率的值来选择新用户。对于N＝1，计算所有用户的速率，将这L个小区的用户速率传输给中央单元；N＝2时，该过程需要(L-1)K+(L-1)K个值，其中第一项表示所选基站中计算的值，第二项表示其余基站的值。将这个结果推广到第N层，则有N(L-N+1)K个值传输到中央单元。因此，交换信息的总数为：

而对于传统的贪婪用户选择算法，需要将所有用户的CSI传输到中央单元，其交换信息的总数为：KL²N_t。

对于用户调度方案的计算复杂度，N＝1时，两种算法的复数乘法次数均为N_tKL；在第N层，贪婪用户选择算法需要的复数乘法次数为：

其中第一项与基于SLNR的用户调度算法相同，第二项就是贪婪用户选择算法额外需要负担的计算量，这是由于贪婪用户选择算法需要波束成形矢量来计算加权和速率。由式(9)可以计算出基于SLNR用户调度算法需要的总乘法次数为：

所以，基于SLNR的用户调度算法比贪婪用户选择算法节省的复数乘法计算次数为：

如图2所示，给出了当L＝4，N_t＝3时，每种算法交换信息的总数。从图中可以看出，与贪婪用户选择算法相比，基于SLNR用户调度方案具有更低的交换开销。当K＝5和25时，提出算法的开销分别降低了65.0％和66.3％。

如图3所示，给出了当L＝4，N_t＝3时，每种算法对用户数K所需的实际乘法运算次数，从图中可以看出，与贪婪用户选择算法相比，基于SLNR用户调度方案具有更低的复杂度。当K＝5和25时，提出算法的复杂度分别降低了38.7％和39.7％。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，采用基于信漏噪比SLNR的用户调度算法，使单天线接收***的信漏噪比SLNR达到最大，每个基站计算加权和速率后将值传输给中央单元，然后中央单元通过比较来自基站的标量反馈来确定最佳用户，其中，所述信漏噪比SLNR的标准定义为：对于用户k，

2.如权利要求1所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，最大化单天线接收***的SLNR可以写为：

其中，定义上式中即

3.如权利要求2所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，所述基于信漏噪比SLNR的用户调度算法包括如下步骤：

初始化：N＝1

步骤1、选择所有用户中速率最大的用户k，即

步骤2、将所选用户加入到集合S₁，S₁＝{k}，得到其加权和速率

步骤3、N＝N+1，选择一个用户k^*，使得

步骤4、将选择的用户加入到集合S_N，S_N＝S_N-1∪{k^*}，得到其加权和速率

步骤5、比较加权和速率，如果则N＝N-1，结束；否则，重复步骤3、4，继续循环迭代直到N＝L。

4.如权利要求3所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，加权和速率可以表示为：

5.如权利要求3所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，MU-MIMO信道是标准独立同分布的瑞利衰落信道。

6.如权利要求3所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，用户k的M_k×N的信道矩阵H_k可以写成：

7.如权利要求1所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，采用最小均方误差波束MMSE成形策略，用户k的MMSE波束成形矢量为：其中，γ_k是归一化因子。

8.如权利要求1所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，每个基站计算加权和速率只需要局部信道状态信息CSI，并且以分布式的方式运行，有效降低了中央单元计算用于选择用户的加权和速率的计算量。

9.如权利要求1所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，在所述基于SLNR用户调度算法中，通过交换候选用户的加权和速率的值来选择新用户。

10.如权利要求9所述的基于信漏噪比的MU-MIMO***用户调度方法，其特征在于，交换信息的总数为：