CN115865154A - 非预定码本的预编码方法和装置 - Google Patents
非预定码本的预编码方法和装置 Download PDFInfo
- Publication number
- CN115865154A CN115865154A CN202211534233.0A CN202211534233A CN115865154A CN 115865154 A CN115865154 A CN 115865154A CN 202211534233 A CN202211534233 A CN 202211534233A CN 115865154 A CN115865154 A CN 115865154A
- Authority
- CN
- China
- Prior art keywords
- matrix
- channel correlation
- channel
- precoding
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种非预定码本的预编码方法和装置,所述方法包括:对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;基站对表征信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;基站根据信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;用户终端根据基站发送的预编码专用导频和预编码数据进行信道估计,对预编码数据进行解调获取下行数据。本申请解决了传统方法在非预定码本的预编码求取信道相关性矩阵特征值、特征向量时运算量大,矩阵收敛慢的问题。
Description
技术领域
本申请涉及通信技术领域,具体涉及一种非预定码本的预编码方法和装置。
背景技术
移动多址技术从FDMA(frequency division multiple access,频分多址)、TDMA(Time division multiple access,时分多址)到CDMA(Code Division Multiple Access,码分多址),再到OFDMA(Orthogonal Frequency Division Multiple Access,正交频分多址),频谱资源的利用率越来越高,甚至于发挥到了极致。频谱资源是有限的,在一定的频率范围内SISO(simple input simple output,单输入单输出)点对点的时频资源已经难以有更大的革命性的突破,而多输入多输出的MIMO(Multiple Input Multiple Output,多输入多输出)技术能够实现向空间扩展***容量,因此,MIMO技术是未来移动通讯发展的一个重要课题。
在以MIMO技术为基础的通讯中,预编码技术尤为重要,其中非预定码本的预编码,能够拥有更大的信道容量且更好的抑制信道干扰。
非预定码本的预编码技术极其依赖信道估计结果获取的时效和准确,信道估计结果的获取即基于信道状态信息求解信道相关性矩阵。信道估计结果获取地越快越准确,非预定码本的预编码形式就越符合信道状态,更能抑制信道之间的干扰。然而,在对信道相关性矩阵求解的过程中涉及了诸多的矩阵运算,如:求特征值、求特征向量、求逆阵、矩阵正交化、矩阵旋转、矩阵分解等等,通过所进行的求特征值、求特征向量获得信道相关性的正交矩阵,实现对信道的分解,这往往存在着运算量过大导致信道估计结果获取不及时的缺陷。
具体而言,当前求特征值、特征向量的方法有很多,比如乘幂法、反幂法、雅克比法等等,但都存在一个共同的问题,运算量巨大,在有限运算能力的前提下所求特征值存在一定误差,精度不够,导致信道分解不够精确。
因此,如何解决信道估计时运算量巨大,耗时长的问题是当前所亟待解决的技术问题。
发明内容
本申请的一个目的在于旨在解决信道估计时运算量巨大、矩阵收敛慢的问题。
根据本申请实施例的一方面,公开了一种非预定码本的预编码方法,所述方法包括:对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;
基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据。
根据本申请实施例的一方面,公开了一种基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量,包括:
对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵;
在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
根据本申请实施例的一方面,公开了一种基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵,包括:
根据信道相关性矩阵的特征值,使用奇异值分解与注水功率算法分解所述信道矩阵得到预编码矩阵。
根据本申请实施例的一方面,公开了一种对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵,包括:
通过豪斯霍尔德阵简化表征信道相互关系的信道相关性矩阵,得到与所述信道相关性矩阵相似的上海森伯格矩阵。
根据本申请实施例的一方面,公开了一种在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵之前,还包括:
对所述拟上三角矩阵求取任意一特征值,作为偏移量。
根据本申请实施例的一方面,公开了一种在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵,包括:
在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使所述上海森伯格矩阵矩阵收敛的速度;
按照所述旋转矩阵重复旋转所述海森伯格矩阵,得到与所述海森伯格矩阵相似的上三角矩阵。
根据本申请实施例的一方面,公开了一种用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据,包括:
用户端根据所述预编码专用导频反向求取预编码形式;
利用所述预编码形式,对预编码下行数据进行解调,获取下行数据。
根据本申请实施例的一方面,公开了一种非预定码本的预编码装置,所述装置包括:
探测模块:用于对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;
求解模块:用于基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
预编码矩阵获取模块:用于基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
调制模块:用于基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
解调模块:用于用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据。
根据本申请实施例的一方面,公开了一种求解模块包括:
简化模块:用于对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵;
分解模块:用于在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
提取模块:用于从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
根据本申请实施例的一方面,公开了一种分解模块包括:
偏移量添加模块:用于在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使所述上海森伯格矩阵矩阵收敛的速度;
旋转模块:用于按照所述旋转矩阵重复旋转所述海森伯格矩阵,得到与所述海森伯格矩阵相似的上三角矩阵。
在本申请实施例中,首先对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;用户终端根据所述基站发送的预编码专用导频和预编码数据进行信道估计,对预编码数据进行解调获取下行数据。在对信道相关性矩阵进行分解求取特征值和特征向量时,使用基于普通分解分解的“带偏移的分解算法”,对所分解的信道相关性矩阵引入一个偏移量,以较小的运算量实现对矩阵的加速收敛,从而实现对信道相关性矩阵的快速求解,及时明确信道之间的相互关系,根据所估计的信道之间的相互关系,采用最符合信道状态的预编码形式,从而使得本申请能够极大降低信道估计时的运算量以及耗时,及时准确的完成信道估计结果的获取。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
附图说明
通过参照附图详细描述其示例实施例,本申请的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本申请一个实施例所应用的一种体系架构图。
图2示出了根据本申请一个实施例的一种非预定码本的预编码方法流程图。
图3示出了根据本申请一个实施例的基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量的流程图。
图4示出了根据本申请一个实施例的在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵的流程图。
图5示出了根据本申请一个实施例的用户终端通过基站发送的预编码专用导频和预编码数据反向求取预编码形式,得到下行数据的流程图。
图6示出了根据本申请一个实施例的上行链路预编码的示意图。
图7示出了根据本申请另一个实施例的基于非预定码本的预编码的上行多天线传输的示意图。
图8示出了根据本申请一个实施例的下行链路预编码的示意图。
图9示出了根据本申请一个实施例的基于非预定码本的预编码的下行多天线传输的示意图。
图10示出了根据本申请一个实施例的功率注水示意图示意图。
图11示出了根据本申请一个实施例的一种非预定码本的预编码装置的示意图。
图12示出了根据本申请一个实施例的求解模块装置示意图。
图13示出了根据本申请一个实施例的分解模块装置示意图。
图14示出了根据本申请一个实施例的非预定码本的预编码的硬件结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本申请的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
请参阅图1,图1示出了根据本申请一个实施例所应用的一种体系架构图。该体系构架可以包括:用于进行信道估计、确定预编码矩阵、接收上行数据的基站11和用于发送探测导频信号、接收下行数据的用户端12。
应该理解,图1中的用户端12的数目仅仅是示意性的。根据实现需要,可以具有任意数目的用户端12。
本申请实施例的一些技术方案可以基于如图1所示的体系架构或其变形架构来具体实施。
MIMO预编码是根据信道状态信息、信道之间的相互关系在发射端对待发送数据进行预处理,MIMO预编码的进行能够有效地抑制信道之间的干扰,在提供稳定性及可靠性的同时,能够在很大程度上简化接收端的处理复杂度。
根据接收端进行的运算不同,MIMO预编码分为线性预编码和非线性预编码。线性预编码又根据预编码矩阵获取位置的不同而分为基于预定码本的预编码技术和基于非预定码本的预编码技术。
基于预定码本和基于非预定码本的线性预编码技术中,预编码矩阵的获取方式截然不同。具体而言,基于预定码本的预编码方案中,接收端根据信道状态信息和信道之间的相互关系在已有的码本集合中选取最符合要求的码本,并将该码本的PMI(PrecodingMatrix Indicator,预编码矩阵指示)值反馈给发射端;而基于非预定码本的预编码方案中,发射端根据信道状态信息,通过对信道相关性矩阵进行数据意义上的分解来获取预编码矩阵。
预定码本是指在数据发送前已经选好码本,且在数据发送时必须要携带码本,用以对预编码数据进行解调,使得上行数据和下行数据能够很好的避免信道干扰,但是码本大小与数据大小,即上行数据或下行数据的大小有关,上行数据或者下型数据越大,码本越大,在传输较大上行数据或下行数据时,码本就会很大,就会大大减少可用信道容量。
另一方面,预定码本并不是根据根据实时状态进行制作,只能在一定程度上抑制信道干扰。与之相对的,无预定码本则很好的解决了上述预定码本的问题,非预定码本预编码,首先不需要占用大量信道容量传输码本,只需要使用极小一部分信道容量传输专用导频,并且非预定码本预编码形式是以信道实时状态为基础的,更加契合信道状态,能够更好的抑制信道之间的干扰。基于非预定码本的预编码技术因其码本不受限制,只要信道估计结果的获取准确及时,就能非常充分地利用即时的信道状态信息,信道之间的相互关系对待发送信息进行预编码处理,因此获得了更大的发展空间,成为当前的研究重点。
应该了解的是信道估计结果的获取即基于信道状态信息求解信道相关性矩阵。对信道相关性矩阵求解得到的特征值和特征向量,用于分解信道矩阵得到预编码矩阵。
进行预编码的目的是因为随着科技的进步,无线通信领域中,从单收单发演变为多收多发(MIMO),信号不能再如单收或单发时通过广播的方式发送给终端,信号能量向四周辐射,因为这样不仅仅会造成了能量的浪费,而且由于是多发多收,具有多个信道,信道之间会相互干扰,降低信道容量。因此需要通过预编码的方式对信号进行预先处理,使得预编码后的信号更具有指向性,不再向四周辐射,增加了抗干扰能力。
本申请中描述的非预定码本的预编码方法包括,基于信道估计得到信道相关性矩阵,对信道相关性矩阵进行带偏移的分解,带偏移的分解实现了对信道相关性矩阵的特征值、特征向量的快速求解。其次根据信道相关性矩阵的特征值使用SVD奇异值分解法分解信道矩阵,并与功率注水技术相结合得到预编码矩阵,SVD奇异值分解实现了对信道矩阵的分解,依据信道矩阵的特性,生成相应的预编码信息,有效解除了多天线阵列中信道间的相关性,从而有效实现了MIMO空间复用,提升***容量。
本申请欲达到的最终目的是快速准确的进行信道估计以及信道估计所得信道相关性矩阵中特征值、特征向量的快速求解,进而通过快速得到的信道相关性矩阵中的特征值、特征向量有针对性的精准实现非预定码本的预编码。
信道估计结果的快速获取主要是通过对信道相关性矩阵进行及时求解得到其特征值和特征向量。至此,应当说明的是,经由信道估计获得的信道相关性矩阵之后,对于众多的特征值和特征向量,需要快速准确的得到求解。
信道相关性矩阵为信道矩阵的转置与信道矩阵的乘积(A是信道相关性矩阵、H是信道矩阵,A=HTH)。信道相关性矩阵的特征值和特征向量用于标示所进行的多收多发通信中信道之间的相互关系。由于每个单独信道的状态信息是动态变化的,所以信道之间的关系也是动态变化的,本申请通过快速信道相关性矩阵的特征值和特征向量,来实现对信道矩阵的快速分解。与之相对应的,本申请非预定码本的预编码过程根据信道相关性矩阵的特征值和特征向量进行计算得到的预编码矩阵,也更具有时效性,更符合信道之间相互关系变化的规律,从而更有效的抑制信号之间的干扰。
进一步说明的,本申请在对信道相关性矩阵进行分解求取特征值和特征向量时,使用基于QR分解的“带偏移的QR方法”,对所分解的拟上三角矩阵引入一个偏移量,求取一矩阵特征值,即信道相关性矩阵中的任意一特征值来作为偏移量,以较小的运算量实现对矩阵的加速收敛,从而实现对信道相关性矩阵的快速求解,及时获取信道相关性矩阵的所有特征值和特征向量。在及时准确的获取了信道相关性矩阵的特征值和特征向量后,采用了奇异值分解法(SVD)对信道矩阵进行分解得到预编码矩阵,通过对所获得的信道矩阵进行SVD分解,将MIMO信道分解成多个相互独立的等效MIMO子信道,通过得到的互不干扰的子信道来达到消除天线间的干扰,同时信道容量也得到提升。
参阅图2,图2示出了根据本申请一个实施例的一种非预定码本的预编码方法流程图。本申请实施例提供了一种非预定码本的预编码方法。
该非预定码本的预编码方法,包括:
步骤S210,对用户端向基站发送的导频信号,基站进行信道估计获得信道相关性矩阵;
步骤S220,基站对表征信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
步骤S230,基站根据信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
步骤S240,基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
步骤S250,用户终端通过基站发送的预编码专用导频和预编码数据反向求取预编码形式,获取下行数据。
下面对这5个步骤进行详细描述。
在步骤S210中,上行数据和下行数据在传播过程会受到各种各样的干扰,从发射端到达接收端时,上行数据和下行数据的幅度、相位和频率都会发生很大的改变,且这种变化是动态的。因此在基站(eNodeB)以非预定码本的预编码的方法发送下行数据时,需要先通过信道估计明确实时信道状态信息,才能进行非预定码本的预编码。
信道估计以后,得到表征信道状态信息的信道矩阵,信道矩阵需要根据其信道相关性矩阵的特征值和特征向量进行分解,得到预编码矩阵。信道相关性矩阵为信道矩阵的转置与信道矩阵的乘积(A是信道相关性矩阵、H是信道矩阵,A=HTH),所以在得到信道矩阵后,根据信道矩阵得到信道相关性矩阵。
信道矩阵是信道状态信息的一种表现方式,信道状态信息是通信链路的信道属性。信道状态信息描述了信号在每条传输路径(即信道)上的衰弱因子,在数值上以信道矩阵中每个元素的值的形式存在,在内容上表征了信号散射(Scattering),环境衰弱(fading,multipath fading or shadowing fading),距离衰减(power decay ofdistance)等信息。信道矩阵是以矩阵形式标示信道本身的特征,具体的,信道矩阵中的特征值和特征向量标示了信道状态信息,信道状态信息主要用于判断上行数据和下行数据在经过信道传输后的变化。
示例性的,信道矩阵在数据传输过程中的应用为:对于一个MIMO通信来说,假设发送天线是Nt,接收天线是Nr,发送天线Nt和接收天线Nr之间的信号传送,能够通过信道矩阵H将接收信号表示为y=Hx+n;其中H是信道矩阵、x是发送的信号向量,n是噪声,y是接收的信号向量。
在本申请实施例中,用户端(UE)为发射端,基站(eNodeB)为接收端。用户端(UE)向基站(eNodeB)发送导频信号,基站(eNodeB)接收导频信号,并根据导频信号的变化进行信道估计。
应该了解的是,用户端(UE)向基站(eNodeB)发送导频信号,根据通讯协议内容每间隔相同时间发送一次,或者根据基站(eNodeB)向用户端(UE)发送特定信号,进而触发用户端(UE)发送导频信号。
在步骤S220中,在通过步骤S210的执行得到信道相关性矩阵之后,为了得到其特征值和特征向量对信道相关性矩阵进行求解。本申请实施例在对信道相关性矩阵进行进行求解时,为了更够快速进行求解,不同于在通讯领域使用的QR分解方法,而是在此基础上进行优化,即基于QR分解的“带偏移的QR方法”。
具体的,对所分解的拟上三角矩阵引入一个偏移量,偏移量为拟上三角矩阵的一特征值,在对信道相关性矩阵进行分解时将信道相关性矩阵转化为信道相关性矩阵分解内容加上偏移量的形式,这样的形式能够以较小的运算量实现对矩阵的加速收敛。
应该了解的是,在对信道相关性矩阵进行求解的过程中需对信道相关性矩阵进行转换,使信道相关性矩阵转化为设定形式的相似矩阵,如将信道相关性矩阵转化为拟上三角矩阵,再将拟上三角矩阵转化为上三角矩阵这些形式的相似矩阵,转换成功的情况即视为收敛。
信道相关性矩阵的快速收敛有利于为后续进行求预编码矩阵时实现对信道矩阵的精确求解,得到所估计的信道状态,采用最合适的预编码技术,最终实现对信道容量的提升。
请参阅图3,图3示出了根据本申请一个实施例的基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量的流程图。本申请实施例提供了基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量的步骤S220,包括:
步骤S221,对信道相关性矩阵进行简化,得到与信道相关性矩阵相似的拟上三角矩阵;
步骤S222,在拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
步骤S223,从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
接下来对这3个步骤进行详细描述。
矩阵A的特征值获取方法有很多,QR分解是其中一种有效的方法,QR分解是直接令一矩阵变化为与之相似的上三角矩阵,其得到的上三角矩阵与信道相关性矩阵(A)相似。证明如下:
令A0=A,对k=1,2,…分解Ak-1=Qk-1Rk-1;
令Ak=Rk-1Qk-1,其中,Qk-1为正交矩阵,Rk-1为上三角矩阵;
Ak=Rk-1Qk-1
在一定条件下矩阵序列Ak基本收敛于分块上三角矩阵R,
其中对角子块R11为1x1或2x2矩阵.当Rii为一阶方阵时,R11就是A的特征值;当Rii为二阶方阵时,其特征值是一对共轭复数,也是A的特征值。
在步骤S221中,对信道相关性矩阵进行简化,将信道相关性矩阵的形式简化成与其相似的拟上三角矩阵,拟上三角矩阵是指矩阵次对角线以下全是0的矩阵。此步骤的目的是为了对信道相关性矩阵进行带偏移的分解算法需要,将信道相关性矩阵简化为拟上三角矩阵的形式。
在本申请一实施中对信道相关性矩阵进行简化时,使用豪斯霍尔德阵(Householder)对相关性矩阵进行简化,得到上海森伯格(上Hessenberg)阵,上海森伯格(Hessenberg)阵的形式为拟上三角矩阵。
直接对矩阵A使用QR方法,需要每一步都需要分解Ak-1=Qk-1Rk-1并计算Ak-1=Qk- 1Rk-1,运算量很大。为节省运算量,先将一般矩阵A简化为上Hessenberg矩阵,即次对角线下方元素全为0的特殊矩阵,所以第一步先使矩阵A变化为上Hessenberg矩阵。
将矩阵A简化为Hessenberg矩阵,需要进行H变换,具体过程如下:
H=I-2uuT
HT=(I-2uuT)T=I-2uuT=H
HTH=(I-2uuT)(I-2uuT)
=I-2uuT-2uuT+4u(uTu)uT
=I-4uuT+4uuT=I
因此,向量x的线性变换y=Hx必保持模不变:‖y‖2=‖x‖2
因此,要用H变换把已知向量a=(a1a2…an)T变为b=(a1a2…arc0…0)T,只需令
此处c应满足:
故
a-b=(0…0ar+1-car+2…an)T
取
则
所以
对于任意向量,
其中
xr=(x1…xr)T
xn-r=(xr+1…xn)T
按上述公式确定的H变换把x变为
其中
把指向向量a的后n-r-1个分量变为0、前n个分量保持不变的H变换,施于任意向量x时,前r个分量也保持不变,后n-r个分量则按上述方法计算;
利用这种H变换,可将任意矩阵A化为相似的Hessenberg矩阵,步骤如下:
作H矩阵H1,使H1A各列第一个元素不变,但使第一列第二个元素下方各元素变为0,此时,H1A变成下列形状:
则因H1为正交阵,必然有
表明A1~A且是H1A用同一H矩阵H1左乘所得矩阵,故/>第一行不变,A1第一列不变,从而A的相似矩阵A1仍具有形如上述H1A的矩阵形式,再作H矩阵H2,使得H2A1各列第一、二个元素不变,即A1第一、二行不变,但使第二列第三个元素下面各元素变为0,此时第一列第三个元素下方各元素仍变为0,故H2A1变成下形:
表明A2~A1且是H2A1用同一H矩阵H2左乘所得矩阵,因此/>第一、二行不变,A2的第一、二列不变,从而A的相似矩阵A2仍具有形如上述H2A1的矩阵形式,如此继续下去,最多左、右乘n-2次,就将A化成相似的Hessenberg矩阵。将信道相关性矩阵进行上述转换可以得到拟上三角矩阵。
在步骤S222中,对步骤S221中获得拟上三角矩阵进行QR分解,在进行分解之前,首先求取拟上三角矩阵的其中一个特征值作为偏移量。在进行QR分解时,***偏移量完成拟上三角矩阵向上三角矩阵的转化。QR(正交三角)分解法是求矩阵全部特征值的最有效并广泛应用的方法,该矩阵先经过正交相似变化成为上Hessenberg(拟上三角)矩阵,然后再应用QR方法求特征值和特征向量。它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R,所以称为QR分解法,与此正规正交矩阵的通用符号Q有关。
在分解过程中加入偏移量是指,A是拟上三角矩阵,令A0=A,A是Hessenberg矩阵,对k=1,2,…分解Ak-1-uk-1I=Qk-1Rk-1,令Ak=Rk-1Qk-1+uk-1I,此处uk-1称为偏移量,取为A的某一特征值;正常情况的分解是:Ak=Rk-1Qk-1+uk-1I。一般计算时取为Ak-1的右下角元素或取为右下角2x2矩阵特征值作为偏移量。
请参阅图4,图4示出了根据本申请一个实施例的在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵的流程图。本申请实施例提供了在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵的步骤S222,包括:
步骤S2221,在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使上海森伯格矩阵矩阵收敛的速度;
步骤S2222,按照旋转矩阵重复旋转所述海森伯格矩阵,得到与海森伯格矩阵相似的上三角矩阵。
接下来对这两个步骤进行详细描述。
在步骤S2221中,令A0=A,A是Hessenberg矩阵,对k=1,2,…分解Ak-1-uk-1I=Qk- 1Rk-1,令Ak=Rk-1Qk-1+uk-1I,此处uk-1称为偏移量,取为A的某一特征值;
工程计算时取为Ak-1的右下角元素或取为右下角2x2矩阵特征值;
根据以上假设,即使在分解过程中,加入偏移量,并不影响得到上三角矩阵与信道相关性矩阵相似。
因为Ak-1-uk-1I=Qk-1Rk-1
则有
显然Ak仍然是A的相似矩阵。
进一步说明的是从数学、工程角度来理解,Ak-1=uk-1I相对于Ak-1,Ak-1-uk-1I相当于较小了矩阵之对角线上的分量,从而加大了Hessenberg矩阵的QR算法中旋转的“力度”,即所旋转的θi角,这一点从算法中对θi的计算可以看出:
在步骤S2222中,对拟上三角阵QR算法,产生的矩阵序列Ak都是上Hessenberg(上海森伯格)矩阵,先求取Hessenberg(上海森伯格)矩阵,再将Hessenberg矩阵变成上三角矩阵,这样可节省计算量。
Pn-1…P2P1Ak-1=Rk-1
在上述分解过程中,用旋转矩阵R(i+1,i,θi)左乘A(i-1)变为A(i),只是第i,i+1行变化为
故
因此,将Ak-1,A(i),Rk-1均存于A,分解过程写为:
对i=1~n-1,做
对j=i~n,令
旋转矩阵多次旋转,直到Ak变成上三角矩阵,便可得出A的近似特征值。
将与信道相关性矩阵相似的上海森伯格矩阵,在分解时加入偏移量,按照上述步骤进行旋转,就可以快速得到与上海森伯格矩阵近似的上三角矩阵。应当了解的是,此处的近似是指在进行QR分解,得到上三角矩阵时,上三角矩阵并不与上海森伯格矩阵绝对相似,但是无限接近,视为相似。
基于带偏移的QR方法,矩阵序列Ak得到迅速收敛,显著减少了运算量,在有限运算量的条件下,所获特征值之精度显著提升,进而计算特征向量更加精确,对信道相关性矩阵HHH的正交基V的计算也更加准确。信道相关性矩阵是指表征多个信道之间相互影响关系的矩阵。
基于以上带偏移的QR方法,得到信道相关性矩阵的特征值,进而通过解线性方程可以得到信道相关性矩阵的特征向量,解线性方程的方法简单,目前已有非常成熟的算法实现。
需要说明的是,对于对称矩阵,不同的特征值λi,所对应的特征向量是相互正交的,而对于相同的特征值λi,所对应的特征向量是线性无关的,需要进行正交化处理,具体可采用Schmidt正交化方法。
在步骤S223中,因为拟上三角矩阵与信道相关性矩阵相似,且上三角矩阵与拟上三角相似,以及矩阵相似具有传递性,所以信道相关性矩阵与上三角矩阵相似。上三角矩阵的对角线即为信道相关性矩阵的特征值,根据特征值可以得到信道相关性矩阵的特征向量,信道相关性矩阵的特征值和特征向量,标示了信道之间相互关系的特点。
在步骤S230中,基站根据所获取的信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵。示例性的,在本申请一实施例中,得到信道相关性的特征值和特征向量之后,使用奇异值(SVD)分解法,对信道矩阵进行分解,同时预编码矩阵与功率注水技术结合得到MIMO通信中最大容量的预编码矩阵的过程如下:
第一步,假设MIMO通信为MxN收、发的天线阵列,M根天线接收,N根天线发射,信道矩阵为H,信道矩阵H的秩为k=Rank(H),k≤min(m,n),则有信道相关性矩阵HTH;
第二步,根据基于带偏移的QR分解,对信道相关性矩阵HTH求解特征值和特征向量,记非零的特征值为λ1、λ2、…、λk;记相应的特征向量为v1、v2、…、vk,对v1、v2、…、vk进行扩展vk+1、vk+2、…、vn,这n-k个向量存在于H的零空间中,即Hx=0的解空间的基,使得v1、v2、…、vn为n维空间中的一组正交基,构成正交矩阵V;
第三步,取单位向量:
当k<≤m时,对u1、u2、…、uk进行扩展uk+1、uk+2、…、um为m维空间中的一组正交基;所得u1、u2、…、um构成矩阵U,
第四步,则信道矩阵H的奇异值分解为:
进而可以得到H矩阵的奇异值分解:
H=UΣVT;
V是nxn的正交阵,U是mxm的正交阵,Σ是mxn的对角阵;
第五步,根据对进到矩阵H的奇异值分解,可以得到预编码矩阵:
W=V;
功率注水技术包括如下过程:
第一步,通过功率注水通过对MIMO***的子信道分配特定的功率来增加较差子信道的信噪比的方式来实现将SVD预编码与功率注水技术相结合,从而得到了比平均功率分配更高的***容量和较好的误码率性能,对MIMO***的子信道分配特定功率的方式如下:
其中Pi为分配给第i个子信道的功率;
发送功率归一化后的MIMO***容量表示为:
其中λi表示信道相关性矩阵HTH的对角线上的第i个元素,
σ2为***噪声,容量取得最大值的约束条件为:
第二步,加入功率注水后的预编码矩阵为:
W=VP1/ 2
这就是通过本发明所述技术方案最终得到的达成MIMO通信中最大容量的预编码矩阵。本发明采用了基于奇异值分解(SVD)的方法实现对预编码矩阵的获取,通过对所获得的信道矩阵进行SVD分解,将MIMO信道分解成多个相互独立的等效MIMO子信道,通过得到的互不干扰的子信道来达到消除天线间干扰的目的,同时信道容量也得到提升。
在步骤S240中,在基站向用户端发送数据前,需要对下行数据和专用导频进行预编码,得到预编码导频和预编码数据。其目的在于通过预编码的方式来降低信信道对信号的干扰和影响,这一过程即为调制。对下行数据和专用导频进行预编码是指不改变它们所包含的数据内容,改变它们的表现形式。
应当了解是,由于非预定码本的预编码矩阵具有实时性,为了确保预编码矩阵能够最大程度降低信道影响,所以预编码矩阵会根据信道估计进行更新。专用导频是指基站和用户端都已知内容的数据,其作用为:对专用导频使用预编码,由基站发送至用户端,用户端根据预编码导频的内容反向求取预编码的方式。下行数据是由基站向用户端传输的数据。
在步骤S250中,与步骤S240对专用导频和下行数据进行调制相对应的,用户端若想获得下行数据,就需要在接收到预编码数据和预编码导频后,根据预编码导频的已知内容,反向求取预编码形式,得到预编码形式,再根据预编码方式将预编码数据还原为下行数据,这一过程为解调。
请参阅图5,图5示出了根据本申请一个实施例的用户终端通过基站发送的预编码专用导频和预编码数据反向求取预编码形式,得到下行数据的流程图。本申请实施例提供了用户终端通过基站发送的预编码专用导频和预编码数据反向求取预编码形式,得到下行数据的步骤S250,包括:
步骤S251,用户端根据预编码专用导频反向求取预编码形式;
步骤S252,利用预编码形式,对预编码下行数据进行解调,获取下行数据。
下面对这两个步骤进行详细描述。
在步骤S251中,专用导频的作用的方式为,用户端已知专用导频内容,在接收到预编码导频之后,将预编码导频和已知的专用导频的内容进行对比,求取预编码形式。在下行数据传输时,相较于预定码本的预编码直接向用户端输送码本,非预定码本的预编码使用专用导频,再另用户端根据编码导频进行反向求取编码形式,不用输送码本,且预编码形式更符合信道状态,使得下行数据在传输时具有更大信道容量,更小的信道干扰,
在步骤S252中,根据步骤S251中得到预编码形式,对预编码数据进行解调,得到下行数据。
应该了解的是,当用户端需要发送上行数据时,首先进行步骤S210、S220、S230,得到预编码矩阵,再将与编码矩阵发送到用户端。用户端根据所获得的预编码矩阵对上行数据和专用导频进行预编码,得到预编码数据和预编码导频,向基站发送,基站根据已知的专用导频的内容和预编码导频得到预编码形式,根据预编码形式解调预编码数据,得到上行数据。应该了解的是,虽然预编码矩阵是由基站发送到用户端的,但是基站并没有根据预编码矩阵得到预编码形式,并且由于非预定码本的预编码形式,具有实时性,所以无论上行方向还是下行方向,直接根据专用导频进行反向获取预编码形式,是最具有准确性和效率的。
应该了解的是,在发送上行数据时,根据通讯协议,用户端向基站发送导频信号可以是间隔相同时间发一次,也可以是满足发送条件时进行发送,如每当用户端需要发送上行数据时,用端在发送之前,就向基站发送导频信号。
下面以上行数据和下行数据的传输为例,对非预定码本的预编码方法进行阐释。
请参阅图6,图6示出了根据本申请一个实施例的上行链路预编码的示意图。上行数据发送时,包括以下过程:
1、用户端(UE)发送上行SRS探测导频信号,SRS探测导频信号是导频信号的一种。
2、基站(eNodeB)接收上行SRS探测导频信号,根据所接收的导频信号进行信道估计,获得信道状态信息(channel state information,CSI)。
3、基于信道状态信息(CSI),求解信道相关性矩阵,使用来偏移量的QR算法对信道矩阵分解,确定预编码矩阵。
4、基站(eNodeB)将所获得的预编码矩阵信息发送到对端用户端(UE)。
5、用户端(UE)根据所获得的预编码矩阵信息,实施预编码操作。
6、用户端(UE)发送预编码数据和预编码导频,具体实施如图7“基于非预定码本的预编码的上行多天线传输”所示,DFT(Discrete Fourier Transform,离散傅里叶变换)离散傅里叶变换把信号从时间域变换到频率域。一路或多路信号经过层映射后,形成NL层输出,经过离散傅里叶变换后形成NL层频域信号,每层输出与解调参考信号异或之后进行预编码。
7、基站(eNodeB)接收预编码数据和预编码导频,依据所接收的预编码导频进行反向求取预编码形式,解调预编码。
请参阅图8,图8示出了根据本申请一个实施例的下行链路预编码的示意图。在下行数据发送时,包括以下过程:
1、用户端(UE)发送上行SRS探测导频信号。
2、基站(eNodeB)接收上行SRS探测导频信号,根据所接收的导频信号进行信道估计,获得信道状态信息(CSI)。
3、基于信道状态信息(CSI),求解信道相关性矩阵,使用来偏移量的QR算法对信道矩阵分解对信道矩阵分解,确定预编码矩阵。
4、基站(eNodeB)实施预编码操作。
5、基站(eNodeB)发送预编码数据和预编码导频,具体实施如图9“基于非预定码本的预编码的下行多天线传输”所示,Layer mapping(层映射),DM-RS(DeModulationReference Signal,解调参考信号,又称UE特定参考信号),Precoding(预编码)。一路或多路信号经过层映射后,形成NL层输出,每层输出与解调参考信号异或之后进行预编码。
6、用户端(UE)接收预编码数据和预编码导频,依据所接收的预编码导频反向求取预编码形式,解调下行数据。
经过实际验证,本申请所带来的有益效果可由以下内容说明:
(一)QR分解算法优化的性能
下面以一个计算实例对QR分解算法优化的性能加以说明。
假设有矩阵A
1、利用H变换将矩阵A化为相似的Hessenberg矩阵,为用H变换把A的第一列[-1 21]T变为[-1c 0]T,按照公式求解
于是
2、利用传统QR算法求Hessenberg矩阵的特征值
c1=cosθ1
s1=sinθ1
则
令
c2=cosθ2
s2=sinθ2
则
故
同理可得
经过88次迭代运算,从而得到矩阵的特征值:
λ1=-6.421066621
λ2=-4.866925530
λ3=0.287992139
从本案例可见,Ak经过88次迭代运算后,最终收敛到对角阵,收敛速度很慢(但相对于乘幂法、反幂法、雅克比法已经算是更有效的一种方法了。
3、利用带偏移的QR方法快速求解
解一偏移量取右下角元素,令μ0=-6.4,分解
其中
θ1=-0.392590761
θ2=-0.114997409
得
同理得
经过13次迭代运算,从而得到矩阵的特征值:
λ1=0.287992138
λ2=-4.866925525
λ3=-6.421066615
Ak经过13次迭代运算后,最终收敛到对角阵,收敛速度明显提升。
对比这两种算法的运算量。
可以得到一般的QR分解方法收敛慢,一个简单的3x3矩阵,经过88次迭代运算后,最终得到矩阵的特征向量λ1、λ2、λ3。利用带偏移的QR分解方法,收敛速度明显加快,实例中的3x3矩阵,经过13~15次迭代运算后,最终得到矩阵的特征向量λ1、λ2、λ3。以MIMO技术8x8天线阵列为例,假设每ms进行一次信道估计,根据算法,NxN天线运算量是按照平方数增加的,一个简单的3x3矩阵,经过88次迭代运算后,最终得到矩阵的特征向量,通常情况下,一个8x8矩阵,需要经过500次量级才能完成迭代运算,最终收敛得到矩阵的特征向量。更进一步,按照上述推导过程,对于每一次迭代运算,涉及了大量的H变换、旋转矩阵运算,而所有这些运算,基站(eNodeB),特别是用户端(UE)需要在1ms内完成,由此可见,运算量是巨大的。再来看看,利用带偏移的QR分解方法,一个8x8矩阵,需要经过约100次量级就能完成迭代运算,运算量递减80%而达到同样的计算精度,无疑是极大地减轻了。
(二)SVD奇异值分解和功率注水相结合预编码的性能分析
根据发送功率归一化后的MIMO***容量表达式:
由于信道是客观存在的,人为无法改变,也即λi是确定的。
***容量C要达到最大值,则Pi要与λi相匹配。
λi越大,说明信道增益越大,需要分配的功率越大,从而充分发挥信道的潜能,实现信息的最大传输。
图10是功率注水示意图,功率注水算法的功率分配正是根据子信道的增益进行的,信道条件较好的子信道分配较多的功率比重,相反,对信道条件差的子信道分配比重较低或者不分配功率。
本发明所述方案中,以求导的方式得到,容量取得最大值的约束条件为:
从而从理论上证明了,所述功率方案可获得最大***容量C。
请参阅图11,图11示出了根据本申请一个实施例的一种非预定码本的预编码装置的示意图。本申请实施例的一种非预定码本的预编码装置主要包括以下模块:
探测模块610,用于对用户端向基站发送的导频信号,基站进行信道估计获得信道相关性矩阵;
求解模块620,用于基站对表征所信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
预编码矩阵获取模块630,用于基站根据信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
调制模块640,用于基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
解调模块650,用于用户终端根据基站发送的预编码专用导频和预编码数据进行信道估计,对预编码数据进行解调获取下行数据。
请参阅图12,图12示出了根据本申请一个实施例的求解模块装置示意图。本申请实施例的求解模块装置主要包括以下模块:
简化模块621,用于对信道相关性矩阵进行简化,得到与信道相关性矩阵相似的拟上三角矩阵;
分解模块622,用于在拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
提取模块623,用于从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
请参阅图13,图13示出了根据本申请一个实施例的分解模块装置示意图。本申请实施例的分解模块装置主要包括以下模块:
偏移量添加模块6221,用于在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使上海森伯格矩阵矩阵收敛的速度;
旋转模块6222,用于按照旋转矩阵重复旋转所述海森伯格矩阵,得到与海森伯格矩阵相似的上三角矩阵。
根据本申请实施例的非预定码本的预编码方法可以由图14的基站(eNodeB)11和用户终端12来实现。下面参照图14来描述根据本申请实施例的基站(eNodeB)11或用户终端12。图14显示的基站(eNodeB)11或用户终端12仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图14所示,基站(eNodeB)11或用户终端12以通用计算设备的形式表现。基站(eNodeB)11或用户终端12的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同***组件(包括存储单元820和处理单元810)的总线830。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元810可以执行如图2中所示的各个步骤。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
基站(eNodeB)11或用户终端12也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该基站(eNodeB)11或用户终端12交互的设备通信,和/或与使得该基站(eNodeB)11或用户终端12能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,基站(eNodeB)11还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与用户终端12的其它模块通信。应当明白,尽管图中未示出,可以结合基站(eNodeB)11或用户终端12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种计算机程序介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述方法实施例部分描述的方法。
根据本申请的一个实施例,还提供了一种用于实现上述方法实施例中的方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种非预定码本的预编码方法,其特征在于,所述方法包括:
对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;
基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据。
2.根据权利要求1所述的方法,其特征在于,所述基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量,包括:
对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵;
在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
3.根据权利要求1所述的方法,其特征在于,所述基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵,包括:
根据信道相关性矩阵的特征值,使用奇异值分解与注水功率算法分解所述信道矩阵得到预编码矩阵。
4.根据权利要求2所述的方法,其特征在于,所述对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵,包括:
通过豪斯霍尔德阵简化表征信道相互关系的信道相关性矩阵,得到与所述信道相关性矩阵相似的上海森伯格矩阵。
5.根据权利要求2所述的方法,其特征在于,所述在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵之前,还包括:
对所述拟上三角矩阵求取任意一特征值,作为偏移量。
6.根据权利要求2所述的方法,其特征在于,所述在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵,包括:
在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使所述上海森伯格矩阵矩阵收敛的速度;
按照所述旋转矩阵重复旋转所述海森伯格矩阵,得到与所述海森伯格矩阵相似的上三角矩阵。
7.根据权利要求1所述的方法,其特征在于,所述用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据,包括:
用户端根据所述预编码专用导频反向求取预编码形式;
利用所述预编码形式,对预编码下行数据进行解调,获取下行数据。
8.一种非预定码本的预编码装置,其特征在于,所述装置包括:
探测模块:用于对用户端向基站发送的导频信号,所述基站进行信道估计获得信道相关性矩阵;
求解模块:用于基站对表征所述信道相互关系的信道相关性矩阵通过带偏移的分解算法进行求解,得到信道相关性矩阵的特征值和特征向量;
预编码矩阵获取模块:用于基站根据所述信道相关性矩阵的特征值和特征向量对信道矩阵进行分解,得到预编码矩阵;
调制模块:用于基站根据预编码矩阵对下行数据和专用导频进行预编码,得到预编码导频和预编码数据;
解调模块:用于用户终端根据所述基站发送的预编码专用导频进行信道估计,对预编码数据进行解调获取下行数据。
9.根据权利要求8所述的装置,其特征在于,所述求解模块包括:
简化模块:用于对信道相关性矩阵进行简化,得到与所述信道相关性矩阵相似的拟上三角矩阵;
分解模块:用于在所述拟上三角矩阵进行分解的过程中,加入偏移量,得到与拟上三角矩阵相似的上三角矩阵;
提取模块:用于从上三角矩阵的对角线提取信道相关性矩阵用以表示信道相互关系的特征值与特征向量。
10.根据权利要求9所述的装置,其特征在于,所述分解模块包括:
偏移量添加模块:用于在拟上三角矩阵分解时加入偏移量,加快旋转矩阵使所述上海森伯格矩阵矩阵收敛的速度;
旋转模块:用于按照所述旋转矩阵重复旋转所述海森伯格矩阵,得到与所述海森伯格矩阵相似的上三角矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211534233.0A CN115865154A (zh) | 2022-12-01 | 2022-12-01 | 非预定码本的预编码方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211534233.0A CN115865154A (zh) | 2022-12-01 | 2022-12-01 | 非预定码本的预编码方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115865154A true CN115865154A (zh) | 2023-03-28 |
Family
ID=85669151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211534233.0A Pending CN115865154A (zh) | 2022-12-01 | 2022-12-01 | 非预定码本的预编码方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115865154A (zh) |
-
2022
- 2022-12-01 CN CN202211534233.0A patent/CN115865154A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106209195B (zh) | 信道状态信息获取方法、信道状态信息反馈方法及装置 | |
KR101408938B1 (ko) | 다중 입출력 무선통신 시스템에서 일반화된 아이겐 분석을이용한 빔포밍 장치 및 방법 | |
US11290169B2 (en) | Methods, systems and units of a distributed base station system for handling of downlink communication | |
CN101217304B (zh) | 一种多子信道的多输入多输出预编码处理方法 | |
US8649457B2 (en) | Precoding process for a transmitter of a MU-MIMO communication system | |
Khan et al. | A robust channel estimation scheme for 5G massive MIMO systems | |
CN102725967A (zh) | 用于信息反馈以及预编码的方法和装置 | |
Noh et al. | Zero‐forcing based hybrid beamforming for multi‐user millimeter wave systems | |
TWI399051B (zh) | 空間映射陣列搜尋方法和裝置 | |
CN101185273A (zh) | Mimo解码器和mimo解码方法 | |
Love et al. | Limited feedback precoding for spatial multiplexing systems using linear receivers | |
CN104079329A (zh) | 一种虚拟天线端口的映射方法和基站 | |
CN102696180B (zh) | 空间信道状态反馈方法和装置 | |
JP2009049604A (ja) | 送信装置、及びビームフォーミング行列生成方法 | |
CN104243106A (zh) | 一种基于3d交叉极化信道大规模mimo***的码本构造方法 | |
US10348380B1 (en) | Methods and apparatus for singular value decomposition with norm sorting | |
Alouzi et al. | Direct conversion of hybrid precoding and combining from full array architecture to subarray architecture for mmWave MIMO systems | |
Zhang et al. | Application of compressive sensing to limited feedback strategy in large‐scale multiple‐input single‐output cellular networks | |
Shin et al. | Limited channel feedback scheme for reconfigurable intelligent surface assisted MU-MIMO wireless communication systems | |
CN102710390A (zh) | 一种多用户mimo***中预编码的方法和装置 | |
CN107659348B (zh) | 一种基于slnr和thp混合自适应预编码设计方法 | |
Han et al. | FDD massive MIMO without CSI feedback | |
CN109309517B (zh) | 信号传输方法及装置、计算机可读存储介质、基站 | |
CN115865154A (zh) | 非预定码本的预编码方法和装置 | |
Nie et al. | Spectrum and energy efficiency of massive MIMO for hybrid architectures with phase shifter and switches in IoT networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |