CN101073217A - 通过交叉天线旋转和求反的stbc mimo－ofdm峰均功率比降低 - Google Patents

Abstract

提供了一种用于具有Y个发射天线的MIMO－OFDM系统中的STBCMIMO－OFDM信号的峰均功率比(PAPR)降低的信号加扰方法。一般而言，用于每个发射天线的所述信号中的OFDM符号序列(X₁和X₂)被分成M个大小相等的子块(X₁₁，X₁₂，…，X_1M和X₂₁，X₂₂，…，X_2M)，并且在全部发射天线上执行按子块旋转和求反，以从原始OFDM序列中生成[2Y]^M个置换序列集合。基于预定准则，然后从所产生的OFDM序列集合中选择具有最佳PAPR特性的那个集合用于发射。预定准则优选地包括：通过计算每个集合中的Y个序列的最大PAPR值，来识别对于全部[2Y]^M个序列集合的最大值；以及选择具有最小的最大值的集合用于发射。

Description

通过交叉天线旋转和求反的STBC MIMO-OFDM峰均功率比降低

相关申请

本申请要求2004年12月8日提交的美国临时申请序列号60/634,236的优先权。

政府许可权

由于政府机构在本发明各方面的开发中提供了财政支持，美国政府可以持有本发明的许可和/或其它权利。

技术领域

本发明总地涉及用于高性能4G宽带无线通信的多输入多输出正交频分复用(MIMO-OFDM)，并且更加具体地，涉及通过交叉天线旋转和求反(CARI)方案的大峰均功率比(PAPR)降低，其从而通过使用多天线来利用附加的自由度，同时需要有限量的边信息(side information)。

背景技术

MIMO-OFDM的一个主要缺点在于，在不同天线上发射的信号可能呈现过大的峰均功率比(PAPR)。已提出了用于正交频分复用(OFIDM)系统的峰均功率比(PAPR)降低方案。在这些方案之中，信号加扰(signalscrambling)方法是有吸引力的，因为OFDM信号被不失真地修改以展现具有相对低复杂性的较好的PAPR特性。在MIMO-OFDM系统中，看起来用于PAPR降低的直接方法会是在每个发射天线上分别应用针对OFDM系统而提出的现有方案。

发明内容

根据本发明，一种基于交叉天线旋转和求反(CARI)的方法被应用于MIMO-OFDM系统。在仅需要少量边信息的同时，这种方案充分利用了通过使用多发射天线而提供的附加自由度。基于两个共同发明人的先前工作[M.Tan和Y.Bar-Ness的“OFDM Peak-to-Average Power RatioReduction by Combined Symbol Rotation and Inversion with LimitedComplexity”Proc IEEE GLOBECOM，pp.605-610，Dec.2003]，还公开了两个次优方案，称为相继次优CARI(SS-CARI)和随机次优(RS-CARI)。这些方案在性能和复杂性之间提供了良好折衷。与[Yung-Lyul Lee等人的“Pea-to-Average Power Ratio in MIMO-OFDM Systems using SelectiveMapping”，IEEE Commun.Lett.Vol.7，pp 575-577，Dec 2003]中提出的并发SLM方案相比较，所述新的方案尤其是利用少量的子块提供了显著的性能优点。

附图说明

在附图中：

图1示意性地图示了本发明的方法；

图2是图示针对不同子块值M的SS-CARI方案的曲线图；

图3是图示针对不同置换值V的RS-CARI方案的曲线图；以及

图4是图示具有大子块数M的RS-CARI方案的曲线图。

具体实施方式

借助于本发明，提供了用于具有Y个发射天线的MIMO-OFDM系统中的STBC MIMO-OFDM信号的峰均功率比(PAPR)降低的一种信号加扰方法。一般而言，对于每个发射天线的所述信号中的OFDM符号序列被分成M个大小相等的子块，并且在全部发射天线上执行按子块旋转和求反(inversion)，以从原始OFDM序列中生成[2Y]^M个置换序列集合。基于预定准则，从所产生的OFDM序列集合中选择具有最佳PAPR特性的那个集合用于发射。预定准则优选地包括：通过计算每个集合中的Y个序列的最大PAPR值，来识别对于全部[2Y]^M个序列集合的最大值；以及选择具有最小的最大值的集合用于发射。

为了简化起见，在这里考虑具有两个发射天线和正交空时块编码(STBC)的MIMO-OFDM系统。

使用OFDM调制，一块N_C个数据符号(一个OFDM符号){X_n， n ＝ 0，1，1…，N_C-1}将被并行发射，使得每个数据符号对来自集合{f_n，n＝0，1，…，N_C-1}中的不同子载波进行调制。所述N_C个子载波是正交的，亦即f_n＝ nΔf，其中Δf＝1/N_CT且T为符号周期。所产生的块的基带OFDM信号x(t)可表达为1

$x\left(t\right)=\underset{n=0}{\overset{N_C-1}{\mathrm{\Σ}}}{x}_n{e}^{f2\mathrm{\π}{f}_{n}t},0\≤t\≤N_C{T}_t---\left(1\right)$

(1)中的发射信号的PAPR可定义为

$\mathrm{PAPR}=\frac{\underset{0\≤t\≤N_{C}T}{\max }{\left|x\left(t\right)\right|}^2}{E{\left|x\left(t\right)\right|}^2}=\frac{\underset{0\≤t\≤N_{C}T}{\max }{\left|x\left(t\right)\right|}^2}{\frac{1}{N_{C}T}\underset{0}{\overset{N_{C}T}{\∫}}{\left|x\left(r\right)\right|}^2\mathrm{dt}}.---\left(2\right)$

由于大多数实际系统处理离散时间信号，所以x(t)的LN_C个采样的最大幅度减小，而不是减小连续时间峰值max|x(t)|。参数L指示过采样因数。L＝1的情况被称为临界采样或Nyquist速率采样，而L＞1的值则对应于过采样。已证明L＝4足以捕捉连续时间峰值[G.Wunder和H.Boche的“PeakValue Estimation of Bandlimited Signals from their Samples，NoiseEnhancement，and a Local Characterization in the Neighborhood of anExtremum”，IEEE Trans.On Signal Processing，pp.771-780，March2003]。为了从统计学的观点来准确地估计PAPR性能，OFDM信号的PAPR的互补累积分布函数(CCDF)用于描述超过给定阈值PAPR₀的概率，亦即

CCDF＝Pr(PAPR＞PAPR₀).

(3)

在MIMO-OFDM系统中，可使用两种基本发信号模式，亦即：空间复用，其旨在通过空间上复用独立数据流来增加数据率；以及空间分集编码，其开发空间自由度(以速率为代价)以改善链路可靠性。

为了简化起见，我们考虑使用Alamouti方案[S.M.Alamouti的“ASimple Transmit Diversity Technique for Wireless Communications”，IEEE J.Select Areas Commun.vol.16，pp.1451-1458，Oct.1998]的STBCMIMO-OFDM系统[K.K. Lee和D.B.Williams的“A Soace-Time CodedTransmitter Diversity Technique for Frequency Selective FadingChannels”，Proc.IEEE Sensor Array and Multichannel Signal ProcessingWorkshop，pp.149-152，2000]。这个方案可以容易地扩展成具有多于2个发射天线的STBC。在第一个符号周期中，分别从天线1和2发射两个OFDM符号 $x_1=[x_{1,0},x_{1,1},...,x_{1,N_C-1}]$ 和 $x_2=[x_{\mathrm{2,0}},x_{\mathrm{2,1}},...,x_{2,N_C-1}].$ 在下一个符号周期中，从天线1发射-X₂ ^*，并且从天线2发射X₁ ^*，其中(*)^*指示按元素复共轭运算。假定信道对于至少两个OFDM符号保持固定。

证明X_i和±X_i ^*(i＝1，2)具有相同的PAPR特性并不困难。因此，使用正交STBC，仅需要对第一个符号周期进行PAPR降低。使用非正交STBC，可能需要对在几个连续周期中发射的整个编码OFDM符号集合同时考虑PAPR降低。

在对X₁和X₂进行PAPR降低之后，我们获得了具有良好PAPR特性的两个修改序列

和

，其将在第一个符号周期中被发射。然后，在第二个符号周期期间发射 和 ，它们分别具有与 和

相同的良好PAPR特性。

降低PAPR的直接方法，是在每个天线上分别应用在[M.Tan和Y.Bar-Ness的“OFDM Peak-to-Average Power Ratio Reduction byCombined Symbol Rotation and Inversion with Limited Complexity”Proc IEEE GLOBECOM，pp.605-610，Dec.2003]中针对OFDM系统而提出的组合的符号旋转和求反(CSRI)方案。CSRI在该公布中被证明是用于OFDM PAPR降低的有效信号加扰算法，其对原始OFDM符号进行符号旋转(循环移位)和求反(改变信号正负号)。然而，清楚的是，在接收机处进行序列解扰所需的边信息量与天线的数目成比例地增加，导致频谱效率低。此外，这样的方法没有利用附加的发射天线所产生的全部可用自由度。这激发了在图1中描绘的我们称之为交叉天线旋转和求反(CARI)的本发明的方法。

图1显示了每个OFDM序列X_i，i＝1，2如何首先被分成M个大小相等的子块，其被表示为X_i＝[X_i，1，X_i，2，...，X_i，M]，其中i指示发射天线的索引。然后，我们在全部天线上执行按子块的旋转和求反，而不是如在[M.Tan和Y.Bar-Ness的前面所引用的著作]中那样，在每个天线的不同子块之内分别进行按元素或按组的旋转和求反。例如，使用两个天线，在对第一个子块进行CARI之后，我们获得4个不同的OFDM序列集合。它们是：原始集合X₁＝[X_1，1，X_1，2，...，X_1，M]和X₂＝[X_2，1，X_2，2，...，X_2，M]、第一个子块求反的原始集合X₁＝[-X_1，1，X_1，2，...，X_1，M]和X₂＝[-X_2，1，X_2，2，...，X_2，M]、第一个子块对换的原始集合X₁＝[X_2，1，X_1，2，...，X_1，M]和X₂＝[X_1，1，X_2，2，...X_2，M]以及最后与前面相同的第一个子块求反的集合X₁＝[-X_2，1，X_1，2，...，X_1，M]和X₂＝[-X_1，1，X_2，2，...，X_2，M]。然后对全部其它子块进行相同的操作。使用M个子块和2个天线，可获得总共4^M个置换序列集合。在这4^M个序列集合当中，基于一定的预定准则，具有最佳PAPR特性的集合

被选择用于发射。更一般地，使用Y个发射天线，[2Y]^M个置换序列集合可用，以从其中选择用于发射的集合。

在[Yung-Lyul Lee等人的前面所引用的著作]中，除了与如在[M.Tan和Y.Bar-Ness等人的前面所引用的著作]中的旋转和求反相比不同地实现置换之外，提出了最小平均值的准则，通过该准则，在全部置换的序列集合当中，具有最小平均值PAPR的那个被选择用于发射。这里，我们代替地使用最小最大值准则。对于4^M个序列集合中的每一个，我们首先计算X₁和X₂的PAPR并将其指示为{PAPR(X₁)，PAPR(X₂)}。然后，我们可以找到X₁和X₂的最大PAPR并将其指示为max{PAPR(X₁)，PAPR(X₂)}。在识别对于全部4^M个序列集合的最大值之后，我们挑选具有最小max{PAPR(X₁)，PAPR(X₂)}的集合用于发射，其被指示为

。下面我们将显示，最小最大值准则比最小平均值展现出显著更好的性能。

如在[Yung-Lyul Lee等人的前面所引用的著作]中指出的那样，通过在不同的天线上发射相同的边信息，可获得空间分集，确保了边信息的较高可靠性。此外，对全部天线上发射的OFDM子块进行旋转和求反操作产生了较高的自由度，以抵消遭遇具有高PAPR的劣序列的可能性。然而，为了找到最优序列，置换的数目仍然很大，这激发了更实际的次优解决方案的研究。

相继次优CARI(SS-CARI)方案

在SS-CARI方案中，我们首先对子块X_1，1，X_2，1进行CARI，而全部其它子块保持不变。通过这样做，我们将获得4个可能的发射序列集合。然后，无需如在常规CARI中的那样对下一个子块进行旋转和求反，我们针对前面描述的全部4个序列集合计算PAPR，并且保留具有最小的最大PAPR的那个集合。类似地，在下一个步骤中，对子块X_1，2，X_2，2进行CARI，并且在4个集合当中，保留具有最小的最大PAPR的那个集合。通过对全部M个子块相继地这样做，最终，根据最小最大值准则找到序列集合

。使用SS-CARI方案的可能置换的数目减小到4M，而边信息位的数目与原始CARI方案相同，其等于S＝2M。

随机次优CARI(RS-CARI)方案

使用RS-CARI方案，我们首先产生V×M维的随机矩阵，其表达为

其中V指示置换的总数。这个矩阵中的每个元素是在[1，4]上均匀分布的随机整数，表示前面描述的4个不同序列集合的索引。

通过基于这种随机生成的表来对M个子块进行置换，可产生V个不同的序列集合，并且我们选择具有最小的最大PAPR的集合

用于发射。假如接收机具有随机矩阵R的知识，则需要的边信息量可以进一步减小到S＝log₂V。

仿真结果

在以下结果中，生成了10⁵个随机OFDM序列以获得CCDF。我们使用2个发射天线和具有QPSK数据符号的N_C＝128个子载波。通过L＝4的因数对发射信号进行过采样。我们只显示具有减小的复杂性的次优SS-CARI和RS-CARI方案的仿真结果，因为需要的置换数目是完备的。

图2显示了用于M＝4和M＝16个子块的SS-CARI方案的PAPRCCDF。我们利用两个不同的选择准则进行比较，添加了SLM性能。

可从这些标绘图中进行几种观察。首先，与[Yung-Lyul Lee等人的前面所引用的著作]中提出的使用最小平均值准则的并发SLM方案相比，所提出的针对M＝4的SS-CARI方案和最小最大值准则实现了显著更好的性能。为了保持类似的复杂性，在并发SLM方案中，OFDM序列也被分成M个子块。然后对每个子块，使用来自集合{±1，±j}的4个相位加权因数来产生4个不同集合，而不是进行CARI。在并发SLM方案上应用的最小最大值准则仍然表现得比SS-CARI差，因为没有利用多发射天线所提供的附加自由度。第二，如预期的那样，所提出的最小最大值准则总是胜过在[Yung-Lyul Lee等人的前面所引用的著作]中使用的最小平均值准则。第三，从附图中可以注意到，对于使用的例如M＝16的较大数目的子块，SS-CARI和并发SLM的性能变得类似。然而，最小最大值准则仍然保持胜于最小平均值准则的显著优点。

图3和4将RS-CARI的性能与并发SLM方案相比较。从这些附图中我们能够得出如从图2中得出的类似结论。当子块的数目M小时，例如M＝4，RS-CARI展现出比具有相同置换数目的SLM显著更好的性能。随着子块的数目M增加，当在两者中都使用最小最大值准则时，RS-CARI和并发SLM的性能变得类似。

我们还强调，使用CARI方案，每个置换不需要复杂的乘法，因此，它与并发SLM方案相比具有较低的复杂性。

总而言之，如在此披露的CARI的方法不仅减小了边信息量，而且还有效地利用了通过使用多天线而提供的附加自由度。此外，通过使用最小最大值准则，与用最小平均值准则相比实现了显著更好的性能。与并发SLM方案[Yung-Lyul Lee等人的前面所引用的著作]相比，当前披露的方法展现出具有较低计算复杂性的显著性能优点。

尽管已按照本发明的特定实施例描述了本发明，但是考虑到本公开，将会理解，在本发明上的众多变化现在对本领域技术人员是可能的，所述变化仍然属于本教导的范围之内。因此，本发明应被宽泛地解释，并且仅由现在所附于此的权利要求的范围和精神所限制。

Claims (5)

1.一种用于具有Y个发射天线的MIMO-OFDM系统中的STBCMIMO-OFDM信号的峰均功率比(PAPR)降低的信号加扰方法，包括：

将对于每个发射天线的所述信号中的OFDM符号序列分成M个大小相等的子块，并且在全部发射天线上执行按子块旋转和求反，以从所述原始OFDM序列中生成[2Y]^M个置换序列集合；以及基于预定准则，从所产生的所述OFDM序列集合中选择具有最佳PAPR特性的那个集合用于发射。

2.根据权利要求1所述的方法，其中，所述预定准则包括：通过计算每个集合中的Y个序列的最大PAPR值，来识别对于全部[2Y]^M个序列集合的最大值，以及选择具有最小的最大值的集合用于发射。

3.根据权利要求1所述的方法，其中，对于每个天线，对第一个子块进行CARI以获得第一发射序列集合，针对所述第一集合中的全部序列计算PAPR，并且保留具有最小的最大PAPR的集合；并且在全部发射天线上对逐个所述子块相继地进行相同的过程，由此所考虑的置换的数目得以减小，PAPR逐渐降低，并且其中最终所产生的序列被选择用于发射。

4.根据权利要求1所述的方法，其中，产生具有随机数的V×M维矩阵，其中V是置换的总数；所述矩阵中的每项是在[1，2Y]上均匀分布的整数随机数，表示在所述M个子块上执行的2Y个预定的不同置换操作，并且产生V个不同的所述序列集合；以及选择具有最小的最大PAPR的序列用于发射，由此显著减少解扰信号所需的边信息。

5.根据权利要求1所述的方法，其中，发射天线的数目Y为2。

Images