CN111865450A - 提升多用户复用性能的方法、装置、设备和存储介质 - Google Patents

Abstract

本申请提供一种提升多用户复用性能的方法、装置、设备和存储介质，该方法中，网络设备通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性，终端获取网络设备通过RRC信令配置的基序列标识，根据所述基序列标识，发送探测参考信号SRS，网络设备基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息，根据每个终端的信道信息进行信道预测，得到信道预测结果。基于准正交序列的SRS配置和检测、进行信道预测，计算终端的权值，可以有效提用户移动场景，小区的平均吞吐量以及用户的平均感知速率。

Description

提升多用户复用性能的方法、装置、设备和存储介质

技术领域

本申请涉及通信技术，尤其涉及一种提升多用户复用性能的方法、装置、设备和存储介质。

背景技术

在多天线时分双工复用(Time Division Duplexing，TDD)Massive多输入多输出(Multiple Input Multiple Output，MIMO)的实际商用中，由于用户移动导致的性能恶化是多用户(Multiple User，MU)MIMO中一个极具挑战的难题。这种恶化首先是移动用户本身的性能恶化，然后是整个网络的性能恶化。

在当前使用的MU MIMO算法中，在进行多用户配对时，首先估计单用户权值，然后使用迫零，或者使用以迫零为基础的方法进行正交化处理，以获得多用户权值，即预编码权值。上述方法对信道的准确度非常敏感，首先，单用户权值计算基于最近一次的探测参考信号(Sounding Reference Signal，SRS)信息以获得信道，而SRS信息发送的时间间隔都比较长，一般为几十ms的量级，而用户调度的周期一般是ms量级。当用户移动时，信道变化比较快，这就导致了用户使用的信道信息与当前的真实信道不匹配，从而导致了移动用户性能下降，这种性能下降首先表现为这种不匹配导致的目标用户的信号功率下降。然后，经过迫零步骤后，这种错误会进一步扩散，除去目标用户的信号功率下降外，还带来了其他用户对目标用户的干扰增加，在相同SRS周期下，移动速度越快，不准确的程度越高，在相同终端移动速度，SRS周期越大，不准确的程度越高，从而进一步恶化了移动用户的性能。

发明内容

本申请实施例提供一种提升多用户复用性能的方法、装置、设备和存储介质，用于解决现在有的MU MIMO算法导致移动用户性能下降的问题。

本申请第一方面提供一种提升多用户复用性能的方法，应用于网络设备，所述方法包括：

通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性；

基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息；

根据每个终端的信道信息进行信道预测，得到信道预测结果。

在一种具体实现方式中，所述方法还包括：

根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；

根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。

进一步的，在一种具体实现方式中，终端的信道预测结果包括SRS信道特征矢量或者权值，所述根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值，包括：

若终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波；

若终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波；

若终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

在一种具体实现方式中，所述对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波，包括：

基于子空间距离及梯度下降法对所述终端的SRS预测权值进行最小均方滤波。

在一种具体实现方式中，所述对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波，包括：

基于卡尔曼滤波类预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于归一化最小均方自适应滤波预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于递推最小二乘法RLS预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于自回归AR滤波的预测算法对所述终端的SRS信道预测矢量或者权值进行滤波。

在一种具体实现方式中，所述基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息，包括：

对接收到的SRS位置处待处理的频域信号进行预处理，并根据预处理后的频域信号获取每个终端发送SRS的信道信息；

其中，所述预处理包括以下至少一种处理：

根据公式(1)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y(n)为SRS位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度；

根据公式(2)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y为SRS位置处的频域信号，维度为N×1；w为频域窗系数，维度为N×N；

为频域滤波后信号，维度为N×1，N为信道估计的长度；

根据公式(3)：

对接收到的SRS位置处待处理的频域信号进行时域干扰消除；其中，y为SRS位置处的待处理的频域信号，维度为N×1；

为时域对消变换函数，

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

在一种具体实现方式中，每个终端的信道信息包括部分子带的SRS频域信道估计结果，所述根据每个终端的信道信息进行信道预测，得到信道预测结果，包括：

根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

在一种具体实现方式中，所述根据每个终端的信道信息进行信道预测，得到信道预测结果，包括：

根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

在一种具体实现方式中，所述通过RRC信令为多个终端配置基序列标识，包括：

向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

在终端需要改变SRS基序列时，向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

在一种具体实现方式中，所述通过RRC信令为多个终端配置基序列标识，包括：

向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。

本申请第二方面提供一种提升多用户复用性能的方法，应用于终端，所述方法包括：

获取网络设备通过RRC信令配置的基序列标识，所述基序列标识指示的基序列与其他终端采用的基序列之间不具有正交性；

根据所述基序列标识，发送探测参考信号SRS。

在一种具体实现方式中，所述获取网络设备通过RRC信令配置的基序列标识，包括：

接收所述网络设备发送的第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；

根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送；

或者，

接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

本申请第三方面提供一种提升多用户复用性能的装置，包括：

发送模块，用于通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性；

处理模块，用于基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息；

所述处理模块还用于根据每个终端的信道信息进行信道预测，得到信道预测结果。

可选的，所述处理模块还用于：

根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；

根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。

可选的，终端的信道预测结果包括SRS信道特征矢量或者权值，所述处理模块具体用于：

若终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波；

若终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波；

若终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

可选的，所述处理模块具体用于：

基于子空间距离及梯度下降法对所述终端的SRS预测权值进行最小均方滤波。

可选的，所述处理模块具体用于：

基于卡尔曼滤波类预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于归一化最小均方自适应滤波预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于递推最小二乘法RLS预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于自回归AR滤波的预测算法对所述终端的SRS信道预测矢量或者权值进行滤波。

可选的，所述处理模块具体用于：

对接收到的SRS位置处待处理的频域信号进行预处理，并根据预处理后的频域信号获取每个终端发送SRS的信道信息；

其中，所述预处理包括以下至少一种处理：

根据公式(1)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y(n)为SRS位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度；

根据公式(2)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y为SRS位置处的频域信号，维度为N×1；w为频域窗系数，维度为N×N；

为频域滤波后信号，维度为N×1，N为信道估计的长度；

根据公式(3)：

对接收到的SRS位置处待处理的频域信号进行时域干扰消除；其中，y为SRS位置处的待处理的频域信号，维度为N×1；

为时域对消变换函数，

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

可选的，每个终端的信道信息包括部分子带的SRS频域信道估计结果，所述处理模块还具体用于：

根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

可选的，所述处理模块还具体用于：

根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

可选的，所述发送模块具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

在终端需要改变SRS基序列时，向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

可选的，所述发送模块具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。

本申请第四方面提供一种提升多用户复用性能的装置，包括：

获取模块，用于获取网络设备通过RRC信令配置的基序列标识，所述基序列标识指示的基序列与其他终端采用的基序列之间不具有正交性；

发送模块，用于根据所述基序列标识，发送探测参考信号SRS。

可选的，所述获取模块具体用于：

接收所述网络设备发送的第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；

根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送；

或者，

接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

本申请第五方面提供一种网络设备，包括：

处理器、存储器、接收器和发送器；

存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行第一方面任一实现方式提供的提升多用户复用性能的方法。

本申请第六方面提供一种终端，包括：

处理器、存储器、接收器和发送器；

存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行第二方面任一项提供的提升多用户复用性能的方法。

本申请第七方面提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行第一方面任一实现方式提供的提升多用户复用性能的方法。

本申请第八方面提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行第二方面任一实现方式提供的提升多用户复用性能的方法。

本申请提供的提升多用户复用性能的方法、装置、设备和存储介质，网络设备通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性，终端获取网络设备通过RRC信令配置的基序列标识，根据基序列标识，发送探测参考信号SRS，网络设备基于准正交序列对多个终端进行SRS检测，获取每个终端发送SRS的信道信息，根据每个终端的信道信息进行信道预测，得到信道预测结果。基于准正交序列的SRS配置和检测、进行信道预测，计算终端的权值，可以有效提用户移动场景，小区的平均吞吐量以及用户的平均感知速率。

附图说明

图1为本申请提供的提升多用户复用性能的方法实施例一的流程图；

图2为本申请提供的SRS基序列示意图；

图3为本申请提供的重构示意图；

图4为本申请提供的SRS IC过程示意图；

图5为本申请提供的滤波干扰消除示意图；

图6为本申请提供的多用户滤波干扰消除模块A的示意图；

图7为本申请提供的多用户滤波干扰消除模块B0的示意图；

图8为本申请提供的多用户滤波干扰消除模块B1的示意图；

图9为本申请提供的SRS时频资源示意图；

图10为本申请提供的基于时频空二维互校准的SRS信道预测方案架构图；

图11为本申请提供的基站侧天线位置和极化方式示意图；

图12为本申请提供的TDD LTE外场采集信道样本统计协方差阵结构示意图；

图13为本申请提供的统计协方差阵的TBT结构示意图；

图14为本申请提供的Toeplitz块阵压缩近似方式示意图；

图15为本申请提供的Toeplitz矩阵压缩近似方式示意图；

图16为本申请提供的单极化TBT矩阵压缩前后对比示意图；

图17为本申请提供的提升多用户复用性能的装置实施例一的结构示意图；

图18为本申请提供的提升多用户复用性能的装置实施例二的结构示意图。

具体实施方式

常见的在多用户场景中的信道预测方案中，不区分移动用户和静止用户，这样不利于针对移动用户进行针对性的算法设计和优化。在计算单用户(Single User，SU)波束成形(Beam Forming，BF)权值中使用的信道信息来自于最近一次的探测参考信号(SoundingReference Signal，SRS)，而SRS信息发送的时间间隔都比较长，一般为几十ms的量级，而用户调度的周期一般是ms量级，这中间存在着明显的使用信息与当前真实的信道信息不匹配的问题。或者在进行多用户配对时，使用迫零的方法获得预编码权值，该权值对信道的准确度十分敏感，计算该权值使用的信道信息来自最近一次的SRS信息，当用户移动时，该信息与当前的真实信道不匹配，成为移动用户性能下降的主要原因。

还有一种常见的方案，在移动用户识别时用的是用户不同时刻的信道。然而，因为信道存在衰落和很多其他非理想因素，索引用户信道来判别用户的移动状态不一定准确，在进行信道预测时，采用简单的信道加权和对信道的非理想因素鲁棒性很差，例如：不同时刻的信道存在定时偏差和终端侧相位跳变的问题，导致不同时刻信道存在较大相差，简单的加权和信道来进行预测会导致错误的预测估计结果。

针对上述存在的一些问题，本申请提供一种能够提升多用户复用性能的方法，具体具体改进点包括以下几个：基于准正交序列的SRS配置和检测、基于频域外推的SRS信道预测、基于时频空二维互校准的SRS信道预测，用户移动状态和预测精度判别、自适应用户权值计算，包括根据用户状态判别结果，在三种权值中进行选择：1、基于最小子空间距离的权值预测，2、基于自回归理论的权值预测，3、基于统计协方差矩阵配对后，进行信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)修正。本专利中的数据元素除特别说明外，均定义为复数。

下面通过几个具体实施方式，对本申请提供的提升多用户复用性能的方法进行详细描述。

图1为本申请提供的提升多用户复用性能的方法实施例一的流程图，如图1所示，该提升多用户复用性能的方法主要应用在网络设备中，为终端配置基序列标识，终端根据该基序列标识发送SRS，网络设备进行SRS检测，进行信道预测，具体包括以下步骤：

S101：通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性。

在本步骤中，网络侧，也就是网络设备可以选择通过终端RRC信令配置给终端SRS基序列标识，终端通过接收基站侧发送的RRC信令来获得SRS基序列标识。该SRS基序列标识用于生成SRS基序列，同时，该方案中的每个终端的基序列之间不具有正交性。在该方案的具体实现中，至少包括以下两种情况：

第一种情况，网络设备向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识，然后在终端需要改变SRS基序列时，网络设备再向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。对于终端来说，则接收所述网络设备发送的第一RRC信令，在需要改变SRS基序列时候，接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

在具体实现中，以网络设备是基站为例，基站可以预先通过RRC信令0配置给终端一套SRS基序列标识，其中包括至少一个SRS基序列标识，然后每次需要终端改变SRS基序列时，基站通过RRC信令1配置终端一个索引标识，该标识用于指示终端采用上述一套SRS基序列标识中多个SRS基序列标识中的一个来进行SRS的发送。

第二种情况，网络设备向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。对于终端来说，则接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

在该方案的具体实现中，以网络设备是基站为例，基站可以通过RRC信令0配置给终端一个SRS基序列标识，该序列标识指示的范围包括所有SRS基序列标识的候选集合，然后每次需要终端改变SRS基序列时，基站通过RRC信令0配置终端另外一个SRS基序列标识，该序列标识指示的范围包括所有SRS基序列标识的候选集合。

图2为本申请提供的SRS基序列示意图，如图2所示，本方案中，基序列名词仅仅为了区别不同终端SRS的循环移位导致的SRS序列不同。如果不同用户通过配置循环移位生成SRS序列，序列变换到时域是加窗可分的，即不同用户占用不用的时域段，如用户0～7采用不同的循环移位SRS序列，在时域是可分的。如果不同用户通过配置不同的基序列生成SRS序列，序列变换到时域是加窗不可分的，如用户0和用户8之间。

S102：根据基序列标识，发送SRS。

在本步骤中，而对于终端侧来说，在网络设备配置了基序列标识之后，对应的终端获取网络设备通过RRC信令配置的基序列标识，然后根据上述描述获取对应的基序列，然后发送SRS。

S103：基于准正交序列对多个终端进行SRS检测，获取每个终端发送SRS的信道信息。

在本步骤中，在终端根据网络设备配置的基序列标识进行SRS发送之后，则网络设备可以进行SRS检测，在本申请中则采用基于准正交序列对多个终端的SRS进行检测，以获取到每个终端发送SRS的信道信息。传统信道估计算法基站采用把接收的参考信号序列进行去参考信号序列后，进行不同用户的时域加窗，从而把复用的多个不同SRS循环移位序列的用户分离开来。但是，当网络设备给复用的多个终端配置多个基序列时，传统信道估计方法无法分离不同基序列的终端(也可以称为用户)，从而造成不同基序列终端间的序列干扰，导致信道估计性能下降。下述PDP代表功率时延分布的简称。

本申请提供的基于准正交序列的SRS检测方法，可以对接收到的SRS位置处待处理的频域信息进行预处理，然后根据预处理后的频域信号货到每个终端发送SRS的信道信息，该预处理过程至少包括以下操作过程中的一个过程，也可以包括多个操作过程的组合：

1、网络设备对接收到的SRS位置处待处理的频域信号进行频域滤波：

其中，y(n)为SRS位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度。w(n)可以预存预先计算好进行存储或者通过一些参数在线计算获得。优选的，在进行多天线或者多波束维度上，多个天线和多个波束可以应用相同的w(n)。

2、网络设备对接收到的SRS位置处待处理的频域信号进行频域滤波：

其中，y为SRS位置处的频域信号，维度为N×1。w为频域窗系数，维度为N×N。

为频域滤波后信号，维度为N×1，N为信道估计的长度。w可以预先计算好进行存储或者通过一些参数在线计算获得，所述参数包括但不限于：SRS序列，信噪比信息，时域窗相关系数信息(包括子径的数目，子径的量化时延，子径的幅度和相位等等)等。优选的，在进行多天线或者多波束维度上，多个天线和多个波束可以应用相同的w(n)。

3、网络设备对接收到的SRS位置处的频域信号进行时域干扰消除：

其中，y为SRS位置处的待处理的频域信号，维度为N×1。

为时域对消变换函数(也可以表示为

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

的作用在于把y在时域消除不同基序列信道之间互干扰，得到最小化基序列间干扰的各个独立基序列信道，再在每个基序列上进行时域加窗降噪后变换的频域，获得不同SRS序列对应的信道值。

其中，

函数可以等效为执行以下操作至少之一：

1)对待处理频域信号进行时频变换，变换到时域，在时域按照顺序或者并行消除不同基序列间干扰，然后每个基序列独立按照时域加窗的方式进行信道估计。

2)对不同基序列和/或不同序列的SRS分组，即相同基序列的SRS分为一组，这样可以分为若干组SRS序列。

3)按照一定准则给不同SRS分组(和/或者序列和/或子径)进行排序，对应准则包括但不限于不同分组的平均信干噪比，SRS序列的数量，SRS序列的平均接收功率等等。

4)按照排序结果给第p组SRS序列进行最小二乘信道估计：

对

进行频域到时域的变换，把频域信号

变换到时域，在时域选择满足预设条件的时域点(或者子径)置零，和/或，记录对应置零前时域点的值L_p，L_p为第p次执行记录的时域点值的集合，然后进行时域到频域的变化，把处理后的时域信号变换到频域

然后进行加参考信号操作：

如上操作过程可以执行K次，K可选的可以等于SRS的组数，或者满足预设条件的已经执行的次数。

5)对第4)步存储L_p集合进行加回操作：

代表在L_p时域对应的点上加回对应L_p的值。

6)对上一次操作获得的每个组的时域值y_p进行加窗降噪，即利用预先计算好或者存储的窗W_p,j对y_p进行加窗处理：

其中，

为第p组第j个用户时域信道系数，W_p,j为第p组第j个用户时域窗系数。然后对得到第p组第j个用户时域窗系数进行时域到频域的变换获得第p组第j个用户频域信道系数。

7)计算各个SRS基序列的互相关序列

t＝0,1,…,T-1，p₁、p₂＝1,2,…,N_base，p₁≠p₂，N_base为基序列数目，和/或补零至N_FFT点后的离散傅里叶变换(Inverse Discrete Fourier Transform，IDFT)或者快速傅里叶逆变换(Inverse FastFourier Transform，IFFT)操作或者等效操作，N_FFT为离散傅里叶变换(Discrete FourierTransform，DFT)或者IFFT操作点数，结果记为

8)按p＝1,2,…,N_base的顺序进行以下计算：

a)按照一定准则搜索第p小区大时域径点。

b)在其他小区的PDP内消除第p小区大时域径点。

可选的，对搜索结果中满足一定准则的所有l以及

的所有

计算

是可调参数)或者理论等效操作。其中，y_PDPp为y_PDPp补零或者加虚拟子载波外推至N_FFT点并IDFT得到PDP结果。加虚拟子载波外推的方法包括，利用已有的全部和部分子载波的信号通过乘以预存或者在线计算的权值，获得子载波外的信号值。所述权值计算可以利用最小均方误差准则和/或信噪比参数和/或SRS序列相关参数获得。％为取模符号。

9)对干扰消除后的y_PDPp进行DFT操作并取子载波对应位置的值，结果记为

对

继续进行基线SRS信道估计得到目标小区所有UE的频域信道估计结果。

10)迭代干扰消除，利用各小区干扰消除后的PDP和原始PDP重复进行干扰消除X次，其中X为预定义或者满足一定条件的迭代次数。

11)重构出更精确的子载波用户干扰消除，指的是用部分大径时域点重构出更加完整的PDP，从而提高干扰消除的质量。

12)重构操作可以表示为：

或者等效操作，其中1_T代表T×1维全1列矢量。假设

代表第p小区选出的Y个大径时域点(Y的维数为通过预定义，或者预定义时域点的最大选择数目，或者满足一定条件的径时域点数)，则重构的第一步为求解方程

(类似反卷积或者等效操作)或者等效操作，其中A是根据大径数目和位置从

中选取相应元素构成的矩阵，其中，A的维度为Y×Y,x代表用这些大径拟合的时域径，x的维度为Y×1。求得x后再与

进行圆周卷积或者等效操作，就得到了长度为N_FFT的重构PDP，用该重构PDP进行干扰消除就可以消除掉与大径强相关的弱径分量。图3为本申请提供的重构示意图，如图3所示，该图只包含一条真径且没有干扰、噪声。图3中圆点代表没有重构的干扰消除方案筛选出的一组大径(即第一组大径)，交叉代表用更高阈值筛选出的3条重构用大径(即第二组大径)，较细的线条为求逆、圆周卷积后得到的重构PDP(Power DelayProfile，功率时延分布)(即重构路径)。得到重构PDP后即可把与第一组大径位置不重叠的其他弱径一起消除掉(重叠位置还是以第一次筛选出的大径为准)。

根据上述的描述，下面提供几种具体实现过程中获取终端的信道信息的实施例：

实施例1：

图4为本申请提供的SRS干扰消除(Interference Cancellation，IC)过程示意图，如图4所示，横坐标从左到右分别是三个基序列的频域接收信号经过各自序列最小二乘(Least Square，LS)操作，再变换到时域的PDP图谱记为PDP₀，PDP₁，PDP₂，然后计算PDP图谱中信号功率对信号时域窗外干扰噪声平均功率归一化结果，记为时域点选择值PDP_0,NI。第一步，对于第一个基序列，时域点选择值PDP_0,NI中大于预设门限的若干个时域点值T₀，然后利用第一个基序列和其他基序列的相关性，在其他两个PDP谱中消除第一基序列时域点值T₀的干扰。更新第二基序列和第三基序列时域的PDP图谱。第二步，对于第二个基序列，时域点选择值PDP_1,NI中大于预设门限的若干个时域点值T₁，然后利用第一个基序列和其他基序列的相关性，在其他两个PDP谱中消除第一基序列时域点值T₁的干扰。更新第一基序列和第三基序列时域的PDP图谱。第三步，对于第三个基序列，时域点选择值PDP_2,NI中大于预设门限的若干个时域点值T₂，然后利用第一个基序列和其他基序列的相关性，在其他两个PDP谱中消除第一基序列时域点值T₂的干扰。更新第一基序列和第三基序列时域的PDP图谱。然后分别输出三个基序列对应的时域PDP，后续可以进行加窗降噪和时域到频域的变换操作。

可选的，可以引入迭代机制，把上一段输出的三个基序列时域PDP作为下一次迭代的输入，按照上一段的步骤，再进行一轮干扰消除，迭代次数可以预设，或者满足某一条件停止迭代。

实施例2：

把图4的操作作为模块A，在模块A之前可以进行频域滤波，图5为本申请提供的滤波干扰消除示意图，如图5所示。例如：SRS接收频域接收信号为：y,y的维度为S×1，ω为频域滤波系数，ω的维度为S×1，S为子载波的数目，对y进行频域滤波：

其中，“*”表示元素乘，

为频域滤波后频域值。

经过滤波后的频域值

作为模块A的输入信号xn，经过处理(不迭代或者迭代多次)后，输出yn。

实施例3：

把图4的操作作为模块A，在模块A中的每一个基序列大径时域点选择后，干扰消除前进行时域径重构。重构操作可以表示为：

或者等效操作，其中1_T代表T×1维全1列矢量。假设

代表第p小区选出的Y个大径时域点(Y的维数为通过预定义，或者预定义时域点的最大选择数目，或者满足一定条件的径时域点数)，则重构的第一步为求解方程

(类似反卷积或者等效操作)或者等效操作，其中A是根据大径数目和位置从

中选取相应元素构成的矩阵，其中，A的维度为Y×Y,x代表用这些大径拟合的时域径，x的维度为Y×1。求得x后再与

进行圆周卷积或者等效操作，就得到了长度为N_FFT的重构PDP，用该重构PDP进行干扰消除就可以消除掉与大径强相关的弱径分量。图3为上述重构过程的示意图，该图只包含一条真径且没有干扰、噪声。图中圆点代表没有重构的干扰消除方案筛选出的一组大径(第一组大径)，交叉代表用更高阈值筛选出的3条重构用大径(第二组大径)，细线为求逆、圆周卷积后得到的重构PDP(重构路径)。得到重构PDP后即可把与第一组大径位置不重叠的其他弱径一起消除掉(重叠位置还是以第一次筛选出的大径为准)。

实施例4：

把图4的操作作为模块A，在模块A之前可以进行频域滤波步骤如公式(8)，在模块A中的每一个基序列大径时域点选择后，干扰消除前进行时域径重构。重构操作可以表示为：

或者等效操作，其中1_T代表T×1维全1列矢量。假设

代表第p小区选出的Y个大径时域点(Y的维数为通过预定义，或者预定义时域点的最大选择数目，或者满足一定条件的径时域点数)，则重构的第一步为求解方程

(类似反卷积或者等效操作)或者等效操作，其中A是根据大径数目和位置从

中选取相应元素构成的矩阵，其中，A的维度为Y×Y,x代表用这些大径拟合的时域径，x的维度为Y×1。求得x后再与

进行圆周卷积或者等效操作，就得到了长度为N_FFT的重构PDP，用该重构PDP进行干扰消除就可以消除掉与大径强相关的弱径分量。图3为上述重构过程的示意图，该图只包含一条真径且没有干扰、噪声。图中圆点代表没有重构的干扰消除方案筛选出的一组大径(第一组大径)，交叉代表用更高阈值筛选出的3条重构用大径(第二组大径)，细线为求逆、圆周卷积后得到的重构PDP(重构路径)。得到重构PDP后即可把与第一组大径位置不重叠的其他弱径一起消除掉(重叠位置还是以第一次筛选出的大径为准)。

实施例5：

图6为本申请提供的多用户滤波干扰消除模块A的示意图，如图6所示，输入为x0，首先对输入的x0进行矩阵频域滤波，其中滤波矩阵A^-1维度为T×T，滤波后输出为y0，y0对第p_n个基序列进行LS操作：y_f,pn＝y0*p_n ^*，然后对y_pn进行时频变换为时域序列y_t,pn，利用信噪比的参数计算出或者预存软窗系数

对y_t,pn在时域执行加软窗操作：

对

时频变换变换到频域

然后乘以对应导频序列p_n，获得

上述所有操作记为模块A。

图7为本申请提供的多用户滤波干扰消除模块B0的示意图，模块B0集成了模块A的操作，利用模块A输出的

来进行进一步信号处理，如图7所示，更新

然后对

进行降噪处理(例如，变换到时域进行加窗降噪或者时域点选择的降噪算法)，输出

然后第n+1个基序列利用前n个更新过的

更新

输出的序列

为经过时域窗用户分离过程的同一基序列不同循环移位每个用户的频域数据输出。

实施例6：

图8为本申请提供的多用户滤波干扰消除模块B1的示意图，如图8所示，模块B1集成了模块A的操作，利用模块A输出的

来进行进一步信号处理，更新

然后对

进行降噪处理和时域窗用户分离过程的同一基序列不同循环移位每个用户的频域数据输出输出

根据上述任一方案进行SRS检测处理，可以得到每个终端的信道信息。

S104：根据每个终端的信道信息进行信道预测，得到信道预测结果。

在本步骤中，网络设备获取到每个终端的信道信息之后，可以进行信道预测，本申请提供了以下几种预测方式：

第一种预测方式，基于频域外推的SRS信道预测。

该方案中，每个终端的信道信息包括部分子带的SRS频域信道估计结果，网络设备根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

在实际***中，考虑到终端发送功率的约束，SRS的发送采用部分带宽的方式进行发送，图9为本申请提供的SRS时频资源示意图，如图9所示，SRS时频资源包括时域和频域，图中横向为时间，纵向为频域，SRS四次跳频跳满SRS全带宽，每用户每次使用1/4SRS全带宽进行承载SRS信号。

这里希望能够使用部分子带的SRS频域信道估计结果外推至全带宽，进而得到了全带宽的信道估计结果。通过这样的方式，每个用户仅需要使用1/4的SRS带宽即可实现信道信息的反馈，此时SRS容量是基线的4倍，在SRS总量不变的情况下，此时每个用户的反馈周期缩减至原来的1/4，进而实现了频域的扩容，达到提升移动场景性能的目的。

这里主要用的是时域稀疏性，也可以表示为频域信号由少量时域稀疏径基张成的空间构成。利用稀疏性时域信号可以表示成：

因此，利用部分带宽得到多径时延与对应的幅值，即可得到全带宽的频域信号，其中N_paths为时域稀疏径的数目，a^p为时域径的幅度和相位参数，W_p(t-τ_p)为多普勒频移，多普勒扩展以及多径时延随时间带来的相位和/或幅度变化参数。利用获得的部分SRS带宽频域数据估计各个时域点的N_paths、A_p以及W_p和τ_p参数，然后通过各个参数恢复出h(t)，再利用时域到频域的变换，恢复出其他频带的SRS信道信息。优选的，可以通过计算频域滤波系数来外推出其他频带的信道信息：

H_extended＝WH_exist (10)

其中，W的维度为N×S列，H_exist的维度为S×1，H_extended的维度为N×1。

其中，N为全带宽的子载波数目，S为部分带宽的子载波数目，f_0,0为映射函数，把部分带宽各个子载波的频域信道映射到全部带宽的各个子载波上。

优选的，可以通过以下方式寻找时域相关参数：(11)

把频域信号通过稀疏基变换，变换到稀疏基域，通过1范数或者0范数稀疏化方法，迭代逐个(组)选择满足一定约束条件的基来作为候选基，当满足一定条件时，停止迭代，把候选基集合通过稀疏域到频域信号的变换，恢复出全带宽的频域信道。

第二种预测方式，基于时频空二维互校准的SRS信道预测。

该方案中，网络设备根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

在该方案的具体实现中，在时域基于开尔曼滤波类预测算法，或者自回归预测算法通过历史的SRS的信道预测未来SRS信道的值。图10为本申请提供的基于时频空二维互校准的SRS信道预测方案架构图，如图10所示：虚线部分表示可选部分，具体操作包括以下步骤至少之一：

1、利用已经估计得出的N个历史SRS信道值，通过时域信道预测算法方案估计出0时刻的信道估计值，其中1时刻为当前时刻，N-1～2时刻为历史时刻，0时刻为未来时刻，优选的，对应时域信道预测算法方案可以采用卡尔曼滤波类算法，或者自回归算法。

2、利用已经估计得出的N个历史SRS信道特征矢量或者权值，通过时域矢量预测算法方案估计出0时刻的信道特征矢量或者权值，其中1时刻为当前时刻，N-1～2时刻为历史时刻，0时刻为未来时刻，优选的，对应时域信道预测算法方案可以采用卡尔曼滤波类算法，或者自回归算法。

3、利用历史的S，(S≥1)个频域信道系数，通过频域外推算法来校正1、2步骤后获得结果，作为0时刻的信道或者矢量值。

4、采用线性插值算法，计算两个SRS时刻中间的若干个下行子帧的信道或者矢量。

5、利用时域预测中间参数和频域外推参数，以及SRS时刻1和/或SRS时刻0的信道值或者矢量值插值出两个SRS时刻1和0中间的若干个下行子帧的信道或者矢量。

通过上述的两种方法的多种实现方式，可以对终端的信道进行预测，得到相应的预测结果。

上述实施例提供的提升多用户复用性能的方法，网络设备通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性，终端获取网络设备通过RRC信令配置的基序列标识，根据所述基序列标识，发送探测参考信号SRS，网络设备基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息，根据每个终端的信道信息进行信道预测，得到信道预测结果。基于准正交序列的SRS配置和检测、进行信道预测，可以有效提用户移动场景，小区的平均吞吐量以及用户的平均感知速率。

在上述实施例的基础上，在该方案的具体实现中，网络设备还可以根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；然后根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。网络设备预测的终端的信道预测结果包括SRS信道特征矢量或者权值。

具体的实现方式如下，网络设备根据不同SRS时刻的信道计算出的特征矢量或者权值间的相关性来判断用户的移动状态。优选的，相关性计算结果可以进一步采用时域滤波或者频域滤波的方式进行处理。

优选的，根据下面的公式计算的权值相关性：

ρ_t＝ρ_t-1+αρ_t (2)

其中，S为频域滤波的SRS的子载波数目，(1)中的ρ_t为频域滤波后的相关值，(2)中的ρ_t为时域滤波后的相关值，α为时域滤波系数。

根据计算出的ρ_t值，判断用户的移动性状态，根据用户不同移动状态，选择不同权值计算方式。优选的，当ρ_t≤γ₀，采用权值计算方式0计算权值，当γ₀≤ρ_t≤γ₁，采用权值计算方式1计算权值，当ρ_t>γ₁，采用权值计算方式2计算权值。其中，γ₀<γ₁。

1、当ρ_t≤γ₀，可以考虑终端为准静止状态，这时的权值优化思路为假定终端的权值稳定，可以对终端的权值进行类型一空域和/或者时域滤波。即终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波。

一种可选的方式中，基于子空间距离及梯度下降法实现对权值的最小均方滤波。设w(t)为要预测SRS时刻的预测权值，v(t)为要预测SRS时刻的真实权值。用二者的子空间距离作为目标函数：

进一步，可选的，

w(t)＝w(t-1)+μv(t-1)v^H(t-1)w(t-1) (4)

其中，w(t)为t时刻滤波后权值，w(t-1)为t-1时刻滤波后权值，μ为梯度下降系数，v(t-1)为t-1时刻的损失权值。

2、当γ₀≤ρ_t≤γ₁，可以考虑终端为低速移动状态，这时的权值优化思路为假定终端不同时刻权值具有相关性，可以对终端的权值进行类型二空域和/或者时域预测。即终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波。

可选的，基于卡尔曼滤波类预测算法，包括其增强算法类。

可选的，基于归一化最小均方自适应滤波(NLMS)预测算法，包括其增强算法类。

可选的，基于递推最小二乘算法(RLS)预测算法，包括其增强算法类。

可选的，基于自回归(AR)滤波的预测算法，包括其增强类算法。

进一步地，

将N个历史SRS信道矢量或者权值拼在一起写成矩阵形式，

X_n＝[x_n-N,x_n-N+2,…,x_n-1] (5)

根据自回归模型，预测向量可以由下式得到，

y_n＝X_nα (6)

α＝[α₁,α₂,…,α_N]^T (7)

由于X_n是列满秩矩阵，可以由X_n的左伪逆矩阵求出α，

由于预测值无法提前得到，也就无法求出精确的α值。如果往前推一个时刻，是可以得到α_n-1的，即：

其中，X_n的维度为N_t×N，α的维度为N×1，y_n的维度为N×1。

进一步地，传统AR无法解决不同SRS时刻的相位跳变问题，对其进行改进，将预测目标从权值变成了不同时刻组成的基的投影权值，通过这种投影的方式能够去除相位跳变的影响，此时

H＝[v(t-1),v(t-2)v^H(t-2)v(t-1)，…,v(t-N)v^H(t-N)v(t-1)] (10)

H₁＝[v(t-1),v(t-2)v^H(t-2)v(t-1)，…,v(t-N)v^H(t-N)v(t-1)] (11)

因此，预测时刻v′(t)可以表示为：

3、当ρ_t>γ_N，可以考虑终端为中高速移动状态，这时的权值优化思路为假定终端不同时刻权值相关性较低，可以对终端的信道进行二阶距计算，生成统计特性的权值。即终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

可选的，在时域进行统计权计算，SRS时频资源包括时域和频域。因此相应的，这里的统计方案可以是频域统计权、时域统计权，还可以是时频二维统计权。

(1)频域统计权

根据最近SRS时刻(考虑全带宽)的1/S SRS全带宽对应的信道系数求统计相关矩阵，这样得到的统计权能保证在时间上距离当前时刻最近，其中N_Sc为频域统计的SRS子载波数目，h(k)为第k子载波的信道矩阵或者矢量，R_f代表频域统计自相关矩阵。

(2)时域统计权

对历史SRS时刻(只考虑本带)先在频域求平均，再在时域alpha滤波，时域alpha滤波的周期为S倍配置的SRS周期，其中α为时域滤波系数，R_t为t时刻相关矩阵。

R_t＝(1-α)R_t-1+αR_t (14)

(3)时频域统计权

时频域统计权是频域统计权和时域统计权的结合。对历史SRS时刻(考虑全带宽)先在频域求平均，再在时域alpha滤波，时域alpha滤波的周期为配置的SRS周期。α为1时，退化成频域统计权。

可选的，终端在多用户(Multiple User，MU)计算方法具体包括以下几种：

(1)正则化增强迫零(REZF)算法

基线采用REZF进行MU权值计算

W＝H(H^HH+δ²I)^-1 (15)

其中，H为多个用户SU权值拼成的列满秩矩阵，δ²为正则化系数。基于统计权的REZF算法即将基线SU权值换成由统计相关阵做奇异值分解(Singular ValueDecomposition，SVD)得到的权值(最大特征值对应的特征向量)。

(2)信漏噪比(SLNR)最大化算法

SLNR算法准则是实现信号功率相对于泄露到其他小区的信号功率及噪声最大化，从而使权值能够兼容对邻小区的泄露问题及目标用户的信噪比问题，基于SLNR准则的权值生成约束如下所示，

这里H_k是第k个用户的频域信道，W_k是对应的权值，

是高斯白噪

表示功率。

因此，其基于SLNR准则的权值最优值为：

K为用户数(流数)，当H_l为N_T×1时，可以得出：

其中V_k是第k个用户的SU权值，上式是根据瞬时信道系数推导出的SLNR_W算法，直接将统计相关阵及由统计相关阵SVD分解得到的主特征向量代入上式得

这里的V_k可以是统计协方差阵R_k对应的主特征向量，也可以用瞬时协方差阵的主特征向量。使用统计SU权值能够较好地滤波，降低移动性带来的影响，而使用瞬时SU权值能够克服频选等因素，在中低速场景能够与实际信道更加匹配。在不同场景具体使用哪一种SU权值是需要进行评估的。

这里可以看到SLNR算法在原理上能够更好地避免泄漏造成对其他用户造成的干扰，因此算法预期性能较优。但可以看到SLNR算法需要求解大矩阵(2*m*n)×(2*m*n)的SVD分解或求逆运算，复杂度较高，难以在产品中实现。因此，接下来对算法进行简化。

(3)结构化统计权算法

因为目前基站侧天线的结构为HmVnPt，其中，m为天线阵同一行水平同极化阵子数目，n为天线阵同一列垂直同极化阵子数目，t为极化数目，图11为本申请提供的基站侧天线位置和极化方式示意图，如图11所示，图中M表示行数，N表示列数，P表示极化数，可以假设信道的统计相关阵满足如下结构：

其中，R_v1，R_v2，R_H1，R_H2分别为n×n，n×n，m×m，m×m的矩阵，R_v1，R_H1对应一种极化，R_v2，R_H2对应另一种极化。R_v1的求法为：先根据一种极化的垂直维n行对应的信道系数求出某一列的相关阵，再将m列对应的列相关阵平均。R_H1的求法为：先根据一种极化的水平维m列对应的信道系数求出某一行的相关阵，再将n行对应的行相关阵平均。R_v2，R_H2的求法类似。将统计相关阵写成如此分块结构，就可以分块求解，从而避免大矩阵的SVD和求逆。

(4)EZF结构化统计权算法

因为目前基站侧天线的结构为HmVnPt，类似统计相关阵，可以假设信道的SU权值(每用户单流)满足如下结构：

其中，V_v1，V_v2，V_H1，V_H2分别为n×1，n×1，m×1，m×1的矩阵，V_v1，V_H1对应一种极化，V_v2，V_H2对应另一种极化。V_v1，V_v2，V_H1，V_H2分别为R_v1，R_v2，R_H1，R_H2最大特征值对应的左特征向量。

为了提升性能，可以将两种极化对应的权值进行平均，可以先平均再SVD也可以先SVD再平均，其中先平均再SVD可以将SVD操作减少一半。先SVD再平均的结果为，

先平均再SVD的结果为

其中V_v为(R_v1+R_v2)/2对应的主特征向量，V_H为(R_H1+R_H2)/2对应的主特征向量。

(5)SLNR算法

使用结构化的统计相关阵和结构化的SU权值，可以推导出基于结构化统计权的SLNR算法。

利用克罗内克积的相关性质，

将式(19)重写如下

而后为了简化求逆，将上式近似改写成

化简得到

因此，最终得到

因此，通过结构化的方式，可以将(2*m*n)×(2*m*n)大矩阵的求逆降维成m×m和n×n的求逆，同时可以将不同极化相关阵进行平均，即R′_v1＝R′_v2＝(R_v1+R_v2)/2，R′_H1＝R′_H2＝(R_H1+R_H2)/2，所以R_vH1,k＝R_vH2,k，减少求逆的次数，大大降低了复杂度，达到了产品的要求。

这里的统计R_lvi和统计R_lHi理论上满足Toeplitz结构，因此可以通过对角平均的方式将R_lvi和R_lHi矩阵进行Toeplitz化，从而实现进一步的矩阵压缩，便于存储。

(6)TBT统计权算法

TBT(Toeplitz-Block-Toeplitz)统计权主要利用了统计协方差矩阵的部分性质对单次计算的复杂度进行简化。

首先假设极化间协方差阵包含能量较少，因此将极化间协方差阵置零，图12为本申请提供的TDD LTE外场采集信道样本统计协方差阵结构示意图，如图12所示，其次考虑极化内协方差阵，假设URA天线阵面上若任意两个同极化振子间相对物理位置距离相等，那么阵子间的统计相关性也相等，因此在该假设下，单极化内信道统计协方差阵可以近似写成形如Toeplitz-Block-Toeplitz矩阵的结构。该矩阵具有两个特性：

1、统计协方差阵的每一块(对应垂直ULA统计协方差阵)，该矩阵为Toeplitz矩阵；

2、统计协方差阵的各块(对应水平ULA统计协方差阵)，该矩阵为Toeplitz矩阵；

图13为本申请提供的统计协方差阵的TBT结构示意图，基于上述两个性质，则最终用户的统计协方差阵可近似表示为图13所示的结构。

将极化间统计协方差阵进行置零处理，而计划内统计协方差阵满足Toeplitz结构，(m*n)×(m*n)的矩阵可以看成有垂直ULA统计协方差阵构成的n*n块阵，每个块阵是一个m×m的Toeplitz矩阵，对应着水平ULA统计协方差阵。

基于上述的假设，对实际的统计协方差进行平均将协方差阵近似为TBT结构，具体思路如下：

第一步，进行托普利兹(Toeplitz)块平均。图14为本申请提供的Toeplitz块阵压缩近似方式示意图，如图14所示，对于一个极化的(m*n)×(m*n)矩阵，首先将近似相等的每个m×m矩阵块相加平均，而由于矩阵共轭对称，仅需平均对角线以上的块，如图14同色同字母块所示。

第二步，进行块内Toeplitz平均。图15为本申请提供的Toeplitz矩阵压缩近似方式示意图，对于每一块，我们需要将各对角线上理应相等的元素相加进行平均，如图15所示，每个线经过的块。由于每一个Toeplitz块并不一定是共轭对称块(除了对角线上的块)，因此需要计算全部X个对角线上的平均，最终得到一个X元素的向量。

第三步，合并成压缩矩阵。图16为本申请提供的单极化TBT矩阵压缩前后对比示意图，当完成前两部后，将n个m×m矩阵各自压缩成X元素向量最终组成n×X的压缩矩阵，如图16所示。TBT近似能够大幅降低了存储开销，同时还可以利用Toeplitz矩阵的性质简化矩阵求逆。

(7)TBT矩阵求逆简化

TBT形式的统计协方差阵和为：

目标是求解

1、计算

(维度p×p)；

2、计算

(维度p×p)；

3、计算

(维度p×p)；

4、Fori＝1:m-2

5、计算

(维度p×p)，其中J_i为i×i的反对角单位阵，

6、计算

(维度p×p)；

7、计算

(维度(i+1)p×p)；

8、End for

9、令

代表

的第(i,j)块子矩阵，计算

10、对于

j∈[i,m-i-1]区间的任意(i,j)组合

11、利用

反对角线对称的特性，利用已有块补全

的右侧三角部分；

12、利用

主对角线共轭对称的特性，利用已有块补全

的左下部分。

通过上述方式，网络设备基于准正交序列的SRS配置和检测、基于频域外推的SRS信道预测、基于时频空二维互校准的SRS信道预测，用户移动状态和预测精度判别、自适应用户权值计算，可以有效提用户移动场景，小区的平均吞吐量以及用户的平均感知速率。

图17为本申请提供的提升多用户复用性能的装置实施例一的结构示意图，如图17所示，该提升多用户复用性能的装置10包括：

发送模块11，用于通过RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性；

处理模块12，用于基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息；

所述处理模块12还用于根据每个终端的信道信息进行信道预测，得到信道预测结果。

本实施例提供的提升多用户复用性能的装置，用于执行前述任一方法实施例中，网络设备侧的技术方案，其实现原理和技术效果类似，在此不再赘述。

在该提升多用户复用性能的装置10的具体实现方式中，所述处理模块12还用于：

根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；

根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。

进一步地，终端的信道预测结果包括SRS信道特征矢量或者权值，所述处理模块12具体用于：

若终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波；

若终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波；

若终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

可选的，所述处理模块12具体用于：

基于子空间距离及梯度下降法对所述终端的SRS预测权值进行最小均方滤波。

可选的，所述处理模块12具体用于：

基于卡尔曼滤波类预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于归一化最小均方自适应滤波预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于递推最小二乘法RLS预测算法对所述终端的SRS信道预测矢量或者权值进行滤波。

在一种具体实现方式中，所述处理模块12具体用于：

对接收到的SRS位置处待处理的频域信号进行预处理，并根据预处理后的频域信号获取每个终端发送SRS的信道信息；

其中，所述预处理包括以下至少一种处理：

根据公式(1)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y(n)为参考信号位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度；

根据公式(2)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y为参考信号位置处的频域信号，维度为N×1；w为频域窗系数，维度为N×N；

为频域滤波后信号，维度为N×1，N为信道估计的长度；

根据公式(3)：

对接收到的SRS位置处待处理的频域信号进行时域干扰消除；其中，y为参考信号位置处的待处理的频域信号，维度为N×1；

为时域对消变换函数，

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

可选的，每个终端的信道信息包括部分子带的SRS频域信道估计结果，所述处理模块12还具体用于：

根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

可选的，所述处理模块12还具体用于：

根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

可选的，所述发送模块11具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

在终端需要改变SRS基序列时，向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

可选的，所述发送模块11具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。

上述任一实施例提供的提升多用户复用性能的装置，用于执行前述方法实施例中的网络设备侧的技术方案，其实现原理和技术效果类似，在此不再赘述。

图18为本申请提供的提升多用户复用性能的装置实施例二的结构示意图，如图18所示，所述提升多用户复用性能的装置20包括：

获取模块21，用于获取网络设备通过RRC信令配置的基序列标识，所述基序列标识指示的基序列与其他终端采用的基序列之间不具有正交性；

发送模块22，用于根据所述基序列标识，发送探测参考信号SRS。

可选的，所述获取模块21具体用于：

接收所述网络设备发送的第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；

根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送；

或者，

接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

上述任一实施例提供的提升多用户复用性能的装置，用于执行前述方法实施例中的终端侧的技术方案，其实现原理和技术效果类似，在此不再赘述。

本申请还提供一种网络设备，包括：处理器、存储器、接收器和发送器；存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行前述任一实施例提供的提升多用户复用性能的方法的技术方案。

本申请还提供一种终端，包括：处理器、存储器、接收器和发送器；存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行前述任一实施例中终端侧的提升多用户复用性能的方法的技术方案。

在上述在网络设备、终端的实现中，存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接，如可以通过总线连接。存储器中存储有实现数据访问控制方法的计算机执行指令，包括至少一个可以软件或固件的形式存储于存储器中的软件功能模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理。

存储器可以是，但不限于，随机存取存储器(Random Access Memory，简称：RAM)，只读存储器(Read Only Memory，简称：ROM)，可编程只读存储器(Programmable Read-OnlyMemory，简称：PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，简称：EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，简称：EEPROM)等。其中，存储器用于存储程序，处理器在接收到执行指令后，执行程序。进一步地，上述存储器内的软件程序以及模块还可包括操作***，其可包括各种用于管理***任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。

处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、网络处理器(NetworkProcessor，简称：NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行前述任一方法实施例中网络设备侧的提升多用户复用性能的方法的技术方案。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行任一方法实施例中提升多用户复用性能的方法中终端侧的技术方案。

本领域普通技术人员应理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质，具体的介质类型本申请不做限制。

Claims (28)

1.一种提升多用户复用性能的方法，其特征在于，应用于网络设备，所述方法包括：

通过无线资源控制RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性；

基于准正交序列对所述多个终端进行探测参考信号SRS检测，获取每个终端发送SRS的信道信息；

根据每个终端的信道信息进行信道预测，得到信道预测结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；

根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。

3.根据权利要求2所述的方法，其特征在于，终端的信道预测结果包括SRS信道特征矢量或者权值，所述根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值，包括：

若终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波；

若终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波；

若终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

4.根据权利要求3所述的方法，其特征在于，所述对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波，包括：

基于子空间距离及梯度下降法对所述终端的SRS预测权值进行最小均方滤波。

5.根据权利要求3所述的方法，其特征在于，所述对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波，包括：

基于卡尔曼滤波类预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于归一化最小均方自适应滤波预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于递推最小二乘法RLS预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于自回归AR滤波的预测算法对所述终端的SRS信道预测矢量或者权值进行滤波。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于准正交序列对所述多个终端进行SRS检测，获取每个终端发送SRS的信道信息，包括：

对接收到的SRS位置处待处理的频域信号进行预处理，并根据预处理后的频域信号获取每个终端发送SRS的信道信息；

其中，所述预处理包括以下至少一种处理：

根据公式(1)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y(n)为SRS位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度；

根据公式(2)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y为SRS位置处的频域信号，维度为N×1；w为频域窗系数，维度为N×N；

为频域滤波后信号，维度为N×1，N为信道估计的长度；

根据公式(3)：

对接收到的SRS位置处待处理的频域信号进行时域干扰消除；其中，y为SRS位置处的待处理的频域信号，维度为N×1；

为时域对消变换函数，

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

7.根据权利要求1至6任一项所述的方法，其特征在于，每个终端的信道信息包括部分子带的SRS频域信道估计结果，所述根据每个终端的信道信息进行信道预测，得到信道预测结果，包括：

根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

8.根据权利要求1至6任一项所述的方法，其特征在于，所述根据每个终端的信道信息进行信道预测，得到信道预测结果，包括：

根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述通过RRC信令为多个终端配置基序列标识，包括：

向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

在终端需要改变SRS基序列时，向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

10.根据权利要求1至8任一项所述的方法，其特征在于，所述通过RRC信令为多个终端配置基序列标识，包括：

向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。

11.一种提升多用户复用性能的方法，其特征在于，应用于终端，所述方法包括：

获取网络设备通过无线资源控制RRC信令配置的基序列标识，所述基序列标识指示的基序列与其他终端采用的基序列之间不具有正交性；

根据所述基序列标识，发送探测参考信号SRS。

12.根据权利要求11所述的方法，其特征在于，所述获取网络设备通过RRC信令配置的基序列标识，包括：

接收所述网络设备发送的第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；

根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送；

或者，

接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

13.一种提升多用户复用性能的装置，其特征在于，包括：

发送模块，用于通过无线资源控制RRC信令为多个终端配置基序列标识，每个终端的基序列标识指示的基序列之间不具有正交特性；

处理模块，用于基于准正交序列对所述多个终端进行探测参考信号SRS检测，获取每个终端发送SRS的信道信息；

所述处理模块还用于根据每个终端的信道信息进行信道预测，得到信道预测结果。

14.根据权利要求13所述的装置，其特征在于，所述处理模块还用于：

根据每个终端在不同SRS时刻的信道，获取所述终端的运动状态，所述运动状态用于指示所述终端的移动速度大小；所述运动状态包括：准静止状态、低速移动状态或者中高速移动状态；

根据每个终端的信道预测结果以及运动状态，计算获取所述终端的权值。

15.根据权利要求14所述的装置，其特征在于，终端的信道预测结果包括SRS信道特征矢量或者权值，所述处理模块具体用于：

若终端的运动状态为准静止状态，则对所述终端的SRS信道预测矢量或者权值进行类型一空域和/或时域滤波；

若终端的运动状态为低速移动状态，则对所述终端的SRS信道预测矢量或者权值进行类型二空域和/或时域滤波；

若终端的运动状态为中高速移动状态，则对所述终端的信道进行二阶距计算，生成所述终端的权值。

16.根据权利要求15所述的装置，其特征在于，所述处理模块具体用于：

基于子空间距离及梯度下降法对所述终端的SRS预测权值进行最小均方滤波。

17.根据权利要求15所述的装置，其特征在于，所述处理模块具体用于：

基于卡尔曼滤波类预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于归一化最小均方自适应滤波预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于递推最小二乘法RLS预测算法对所述终端的SRS信道预测矢量或者权值进行滤波；

或者，

基于自回归AR滤波的预测算法对所述终端的SRS信道预测矢量或者权值进行滤波。

18.根据权利要求13至17任一项所述的装置，其特征在于，所述处理模块具体用于：

对接收到的SRS位置处待处理的频域信号进行预处理，并根据预处理后的频域信号获取每个终端发送SRS的信道信息；

其中，所述预处理包括以下至少一种处理：

根据公式(1)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y(n)为SRS位置处的频域信号，w(n)为频域窗系数，

为频域滤波后信号，n＝0,…,N为信道估计位置索引，N为信道估计的长度；

根据公式(2)：

对接收到的SRS位置处待处理的频域信号进行频域滤波；其中，y为SRS位置处的频域信号，维度为N×1；w为频域窗系数，维度为N×N；

为频域滤波后信号，维度为N×1，N为信道估计的长度；

根据公式(3)：

对接收到的SRS位置处待处理的频域信号进行时域干扰消除；其中，y为SRS位置处的待处理的频域信号，维度为N×1；

为时域对消变换函数，

为时域对消后的频域信号，维度维度为N×1，N为信道估计的长度。

19.根据权利要求13至18任一项所述的装置，其特征在于，每个终端的信道信息包括部分子带的SRS频域信道估计结果，所述处理模块还具体用于：

根据每个终端的部分子带的SRS频域信道估计结果，基于频域外推的方式对SRS的全带宽进行预测，得到每个终端的信道预测结果。

20.根据权利要求13至18任一项所述的装置，其特征在于，所述处理模块还具体用于：

根据每个终端的信道信息，基于时频空二维互校准对SRS进行信道预测，得到每个终端的信道预测结果。

21.根据权利要求13至20任一项所述的装置，其特征在于，所述发送模块具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

在终端需要改变SRS基序列时，向所述终端发送第二RRC信令；所述第二RRC信令携带索引标识，所述索引标识用于指示所述终端采用所述至少一个基序列标识中的第一基序列标识进行SRS发送。

22.根据权利要求13至20任一项所述的装置，其特征在于，所述发送模块具体用于：

向每个终端发送第一RRC信令，所述第一RRC信令携带一个基序列标识，所述基序列标识指示所有SRS基序列标识的候选合集。

23.一种提升多用户复用性能的装置，其特征在于，包括：

获取模块，用于获取网络设备通过无线资源控制RRC信令配置的基序列标识，所述基序列标识指示的基序列与其他终端采用的基序列之间不具有正交性；

发送模块，用于根据所述基序列标识，发送探测参考信号SRS。

24.根据权利要求23所述的装置，其特征在于，所述获取模块具体用于：

接收所述网络设备发送的第一RRC信令，所述第一RRC信令携带至少一个基序列标识；

接收所述网络设备发送的第二RRC信令，所述第二RRC信令携带索引标识；

根据所述索引标识确定采用所述至少一个基序列标识中的第一基序列标识进行SRS发送；

或者，

接收所述网络设备发送的第一RRC信令，所述第一RRC信令一个基序列标识。

25.一种网络设备，其特征在于，包括：

处理器、存储器、接收器和发送器；

存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行权利要求1至10任一项所述的提升多用户复用性能的方法。

26.一种终端，其特征在于，包括：

处理器、存储器、接收器和发送器；

存储器用于存储程序和数据，所述处理器调用存储器存储的程序，以执行权利要求11或12所述的提升多用户复用性能的方法。

27.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行权利要求1至10任一项所述的提升多用户复用性能的方法。

28.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行权利要求11或12所述的提升多用户复用性能的方法。

Images