CN101159467A - 一种删除并行子信道传输干扰的接收方法 - Google Patents

Abstract

本发明公开了一种删除并行子信道传输干扰的接收方法，包括步骤：接收机在接收端进行传输信道估计；接收机利用传输信道估计结果，并且根据发送加权矩阵以及接收加权矩阵，重构传输干扰矩阵；根据重构的传输干扰矩阵，并且利用迭代方法，删除并行子信道之间的干扰；对各个子信道的数据进行解调。根据本发明，简化了干扰删除技术，可获得优异的误码率、吞吐量等性能。此外，本发明对MIMO信道的空间相关特性不敏感，可在多种信道状况下，可接近相应MIMO信道的信道容量，有着很强的适用性。

Description

一种删除并行子信道传输干扰的接收方法

技术领域

本发明提供了一种可删除并行子信道传输干扰的接收方法。

背景技术

多天线技术可以提供更高的频带利用率，是当前无线通信领域中研究的热点问题。目前，最主要的多天线技术有基于空分复用(SDM)的方案，如：D-BLAST、V-BLAST；基于发射分集的方案，如：STTC、STBC；基于发送加权的MIMO方案以及基于SVD或EVD分解的MIMO方案等。

基于空分复用的MIMO方案，如V-BLAST，当发射天线数小于等于接收天线数时，可提供可观的频带利用率，此种技术适用于丰富散射信道，如果无线信道相关性增加，则其性能将有所恶化。

基于发射分集的方案，和基于发射加权的MIMO方案，可以获得很低的误码，并且对信道相关性的要求并不敏感，然而其频带利用率却相对较小，传输能力稍弱。

基于SVD或EVD分解的MIMO方案，将MIMO信道转化为并行的子信道，理论上可以达到MIMO系统的信道容量，然而发送端需要精确知道信道信息，否则各个子信道间将引入干扰，使得性能恶化。

发明内容

本发明提供了一种删除并行子信道传输干扰的接收方法，包括步骤：

(1)接收机在接收端进行传输信道估计；

(2)接收机利用传输信道估计结果，并且根据发送加权矩阵以及接收加权矩阵，重构传输干扰矩阵；

(3)根据重构的传输干扰矩阵，并且利用迭代方法，删除并行子信道之间的干扰；

(4)对各个子信道的数据进行解调。

优选地，接收端根据当前传输信道估计结果，每隔一段时间计算发送端下一段时间传输所需的发送加权矩阵和子信道数，并将其反馈到发送端，发送端与接收端保存这些信息，以备两次反馈之间的传输接收所用。

优选地，接收端根据当前传输信道估计结果以及所存储的发送加权矩阵，计算当前接收加权矩阵，并对接收到的数据进行加权。

优选地，接收端根据当前传输信道估计结果、所存储的发送加权矩阵、以及当前接收加权矩阵，重构传输干扰矩阵，并利用所述传输干扰矩阵，对所述加权后的接收数据进行迭代干扰删除。

优选地，利用信道矩阵的奇异值分解和奇异值从大到小选择来确定子信道，并且利用奇异值从大到小的顺序确定串行干扰删除的顺序。

优选地，接收端向发送端反馈发送加权矩阵包括：

反馈信道信息并在发送端重新计算发送加权矩阵。

优选地，接收端向发送端反馈发送加权矩阵包括：

直接反馈发送加权矩阵信息。

优选地，接收端的反馈将频域信道估计结果通过逆快速傅立叶变换到时域，再对其进行数值选取和反馈。

本发明可以很好地消除由于发送端获知的信道信息不准确所带来的子信道间的干扰。本发明适用于发送端实施发送加权、接收端实施接收加权，使用多个(或单个)并行子信道的MIMO技术，如基于SVD(奇异值分解)、EVD(特征值分解)的MIMO技术等。亦可应用于多用户MIMO技术，用以消除多用户之间的干扰。

本发明可直接应用于平坦衰落信道，亦可使用于频率选择性衰落信道下的OFDM系统之中。

与传统技术不同点体现在于：

(一)传统的此类MIMO技术实施接收端加权之后，便对子信道数据实施解调，然而，由于发送端并非准确获知信道信息，各子信道之间存在着相互干扰，使得性能下降。而本发明在实行接收端加权之后，重构了表征各个子信道之间干扰的子信道干扰矩阵R，而后利用子信道干扰矩阵R的特性，引入干扰删除，消除各个子信道之间的干扰，然后再对各子信道数据实施解调。

(二)由于子信道干扰矩阵R对角线元素由左上到右下依次减小，各子信道增益状况的优劣顺序也是固定，即：子信道1≥子信道2≥...≥子信道M(M为所用子信道个数，且M≤信道矩阵H的秩)。从而实施干扰删除时，其检测顺序是固定的，即：首先检测子信道1，然后依次检测子信道2至M。由于检测顺序一定，所以本发明中的干扰删除算法比传统的干扰删除算法大大简化。

综上，本发明重构了子信道干扰矩阵R，并利用矩阵R的特性，简化了干扰删除技术，可获得优异的误码率、吞吐量等性能。此外，本发明对MIMO信道的空间相关特性不敏感，可在多种信道状况下，可接近相应MIMO信道的信道容量，有着很强的适用性。

附图说明

图1是本发明的MIMO系统的基本框图。

图2是MIMO-OFDM实施例中发射机单元的框图。

图3是MIMO-OFDM实施例中系统接收机框图。

具体实施方式

本发明着眼于发送端实施发送加权，接收端实施接收加权的MIMO技术，所以上述各MIMO技术中，与本发明关系最为密切的是基于SVD或EVD分解的MIMO技术，故对基于SVD分解的MIMO技术介绍如下：

考虑系统经历平坦性衰落，或为频率选择性衰落下OFDM系统的一个(一组)子载波上的情况。假设MIMO系统使用M_T个发射天线和M_R个接收天线进行数据传输。假设由M_T个发射天线和M_R个接收天线形成的MIMO信道矩阵H的秩为k，其中K≤min(M_T，M_R)。所使用的空间子信道数目S由MIMO信道矩阵H的特征值特性以及系统吞吐量需求求确定。

假设 $\stackrel{\→}{x}={[x_1,x_2,...,x_S]}^T$ 是S个空间子信道上传输的信号向量。W_T＝[w₁，…，w_S]是发送加权矩阵。系统模型如下式所示：

$\stackrel{\→}{y}=H{W}_T\stackrel{\→}{x}+\stackrel{\→}{n}---\left(1\right)$

其中 $\stackrel{\→}{y}={[y_1,y_2,...,y_{M_R}]}^T$ 是天线上的接收信号向量。WR是接收加权矩阵，实施接收加权后信号为：

$\stackrel{\→}{r}=W_R^{H}H{W}_T\stackrel{\→}{x}+W_R^H\stackrel{\→}{n}---\left(2\right)$

H的SVD分解可用公式表示为H=U∑V^H，其中U，V分别是左和右酉矩阵， $U^{H}U=I_{M_R},$ $V^{H}V=I_{M_T}.$ ∑为M_R×M_T的对角矩阵，其主对角线上的非零元素σ₁≥σ₂≥…≥σ_k≥0为矩阵H非零奇异值。

假设矩阵U_M由左奇异矩阵U的前M(M＜k)列构成，矩阵V_M由右奇异矩阵V的前M列构成，则有： $U_M^{H}H{V}_M={\mathrm{\Σ}}_M=\mathrm{diag}({\mathrm{\σ}}_1,...{\mathrm{\σ}}_M),$ σ₁≥σ₂≥…≥σ_M为矩阵H最大的M个奇异值，且 $U_M^H{U}_M=I_M,$ $V_M^H{V}_M=I_M.$ 据此，可得发送加权矩阵和接收加权矩阵为：

W_T＝V_M，W_R＝U_M    (3)

因此接收端实施接收加权后输出的信号向量为：

$\stackrel{\→}{r}=U_M^{H}H{V}_M\stackrel{\→}{x}+U_M^H\stackrel{\→}{n}={\mathrm{\Σ}}_M\stackrel{\→}{x}+\stackrel{\→}{\mathrm{\η}}---\left(4\right)$

其中

与均为0均值，方差为δ_n ²的噪声向量。假设发射总功率为PT，若使用等功率分配，则P_T＝MP_s，Ps为第s条子信道上的发射功率，则笫s个子信道上的检测后SNR为：

$\mathrm{SN}{R}_s={\mathrm{\λ}}_s{P}_T/M{\mathrm{\δ}}_n^2---\left(5\right)$

其中 ${\mathrm{\λ}}_s={\mathrm{\σ}}_s^2,$ S∈{1，2，...，M}，是MIMO信道相关矩阵HHH的特征值。显然不同子信道上有不同的增益，且增益与子信道的特征值密切相关。

然而，当发送端所获得的信道信息是非准确的，即：发送加权矩阵V_M、信道矩阵H以及接收端加权矩阵U_M不匹配。这种不匹配将导致式(4)中矩阵∑_M并非对角矩阵，从而使得所使用的M个并行子信道之间产生了干扰，导致性能的恶化。

本发明便是针对当发送端不知道准确新到信息，子信道之间存在干扰的情况，提出一种可删除并行子信道之间干扰的接收装置，本发明可以获得优异的误码率、吞吐量性能，并且可以在多种信道状况下，接近相应MIMO信道的信道容量。

如附图1中所示，考虑系统经历平坦性衰落，或为频率选择性衰落下OFDM系统的一个(一组)子载波上的情况。发送端从反馈信道得到发送加权矩阵V_M，假设发送端使用与信道矩阵H的M个奇异值σ₁≥σ_i≥...≥σ_M相对应的M个子信道发送数据，M≤rank(H)， $\stackrel{\→}{S}={(S_1,S_2,...,S_M)}^T$ 表示M个子信道的数据向量，且子信道质量由子信道1至M依次变差。而后利用加权矩阵V_M执行发射加权。发送向量为 $\stackrel{\→}{x}=V_M\stackrel{\→}{s},$ 其中 $\stackrel{\→}{x}\∈C^{M_t\×1},$ $V_M\∈C^{M_t\×M},$ $\stackrel{\→}{s}{\∈C}^{M\×1}.$

接收端，相应的接收向量为：

$\stackrel{\→}{y}=H\stackrel{\→}{x}+\stackrel{\→}{n}=H{V}_M\stackrel{\→}{s}+\stackrel{\→}{n}---\left(6\right)$

其中H是接收端根据信道估计得到的准确信道矩阵。

接收端可得到与发送端相同发送加权矩阵 $V_M=({\stackrel{\→}{v}}_1,{\stackrel{\→}{v}}_2,...,{\stackrel{\→}{v}}_M),$ 从而根据准确信道矩阵H得出接收加权矩阵 $U_M=({\stackrel{\→}{u}}_1,{\stackrel{\→}{u}}_2,...,{\stackrel{\→}{u}}_M).$ U_M可由H和V_M表示如下：

${\stackrel{\→}{u}}_i=H{\stackrel{\→}{v}}_i/\left|\right|H{\stackrel{\→}{v}}_i\left|\right|---\left(7\right)$

根据矩阵U_M接收端进行接收加权，接收向量

、重构子信道干扰矩阵R及系统关系表达式如下：

$\stackrel{\→}{r}=U_M^{H}H\stackrel{\→}{x}+U_M^H\stackrel{\→}{n}=U_M^{H}H{V}_M\stackrel{\→}{s}+U_M^H\stackrel{\→}{n}\stackrel{\mathrm{\Δ}}{=}R\stackrel{\→}{s}+\stackrel{\→}{\mathrm{\η}}---\left(8\right)$

其中矩阵R＝U_M ^HHV_M定义为子信道干扰矩阵，且 $\stackrel{\→}{r}=R\stackrel{\→}{s}+\stackrel{\→}{\mathrm{\η}}.$ 为噪声向量。

子信道干扰矩阵R的对角线上元素r_ii，是非负实数，是σ_i的近似，且r_ii≤σ_i。非对角线上元素是代表子数据流间的干扰，如，r_im代表第m_th子数据流带给i_th子信道的干扰。并且，子信道干扰矩阵R的对角线元素由左上到右下依次减小，即r₁₁≥r₂₂≥...≥r_MM。并且各子信道的信道增益状况的优劣顺序也是固定的，即：子信道1≥子信道2≥...≥子信道M。从而对子信道实施干扰删除时，其检测顺序是固定的，即由子信道1开始依次检测直至子信道M。由于检测顺序一定，所以使用干扰删除方法对

向量进行子信道数据检测时，将比传统干扰删除算法大大简化。

适用情况

1、单用户情况下，适用于发送端实施发送加权、接收端实施接收加权的使用多个并行子信道的MIMO技术，比如基于SVD(奇异值分解)、EVD(特征值分解)的MIMO技术等。

2、多用户情况下，适用于针对各用户实施的发送端发送加权、接收端接收加权MU-MIMO中，用来消除多用户之间的干扰。

3、可应用于分布式天线及虚拟MIMO中。

4、可应用于平坦性衰落信道，亦可应用于频率选择性衰落信道下OFDM系统中。

下面给出一种本发明应用于频率选择性衰落信道下OFDM系统的具体实施方式例。

如附图2、附图3所示，本例考虑使用M_T个发射天线和M_R个接收天线的MIMO-OFDM系统。整个频带被分成N_F个子频带，各子频带包含ns个子载波。接收端首先实施信道估计得到信道的时域信道信息矩阵。而后将时域信道信道信息通过反馈信道传送到发送端。发射机从反馈信道恢复出每个子频带n上的频域信道矩阵

以及相应的发送加权矩阵V_M(n)。显然，此MIMO-OFDM系统有M条有效空间子信道，总共有ns^MNF个传输子信道。。

接受端经过信道估计，根据信道矩阵以及发送加权矩阵V_M(n)，得出接收加权矩阵U_M ^H(n)，n∈{1，2，...N_F}。从而得到此MIMO-OFDM系统模型表示为：

$r\left(n\right)=U_M^H\left(n\right)H\left(n\right)V_M\left(n\right)s\left(n\right)+U_M^H\left(n\right)N\left(n\right)\stackrel{\mathrm{\Δ}}{=}R\left(n\right)s\left(n\right)+\mathrm{\η}\left(n\right),n\∈\{\mathrm{1,2},...N_F\}---\left(9\right)$

其中n表示第n个子频带。 $s\left(n\right)=[{\stackrel{\→}{s}}_{1,n}{\stackrel{\→}{s}}_{2,n}...{\stackrel{\→}{s}}_{\mathrm{ns},n}]$ 为第n个子频带上ns个子载波上的发送的数据向量组成的数据矩阵， $r\left(n\right)=[{\stackrel{\→}{r}}_{1,n}{\stackrel{\→}{r}}_{2,n}...{\stackrel{\→}{r}}_{\mathrm{ns},n}]$ 为检测后信号向量组成的信号矩阵。R(n)为重构的第n个频带上的子信道干扰矩阵。 $\mathrm{\η}\left(n\right)=[{\stackrel{\→}{\mathrm{\η}}}_{1,n}{\stackrel{\→}{\mathrm{\η}}}_{2,n}...{\stackrel{\→}{\mathrm{\η}}}_{\mathrm{ns},n}]$ 为第n个子频带上ns个子载波上的噪声向量组成的噪声矩阵。

根据系统模型关系式-5，可分别对发送信号向量进行检测，假设对第n个子频带的第j个子载波上的数据向量进行检测，其算法整体流程如下：

1、发送端加权：

由反馈信道获取非准确信道矩阵

$V_M\left(n\right)\←\stackrel{\←}{H}\left(n\right)$

${\stackrel{\→}{x}}_{j,n}=V_M\left(n\right){\stackrel{\→}{s}}_{j,n}$

2、接收端加权(假设已由信道估计得出信道矩阵H(n))：

$V_M\left(n\right)\←\stackrel{\‾}{H}\left(n\right)$

${\stackrel{\→}{u}}_j\left(n\right)=H\left(n\right)\stackrel{\→}{v}{\left(n\right)}_j/\left|\right|H\left(n\right)\stackrel{\→}{v}{\left(n\right)}_j\left|\right|$

${\stackrel{\→}{r}}_{j,n}=U{\left(n\right)}_M^H{\stackrel{\→}{y}}_{j,n}=R\left(n\right){\stackrel{\→}{s}}_{j,n}+{\stackrel{\→}{\mathrm{\η}}}_{j,n}$

$R\left(n\right)=U_M^H\left(n\right)H\left(n\right)V_M\left(n\right)$

3a、基于ZF(迫零)准则，带有串行干扰删除的MIMO检测算法：

初始化：

$i=1;{\stackrel{\→}{r}}_{1,j,n}={\stackrel{\→}{r}}_{j,n};G_i\left(n\right)=R{\left(n\right)}^{+}$

循环体(1≤i≤m)：

$\stackrel{\→}{w}{\left(n\right)}_i^T={\left(G_i\left(n\right)\right)}_1$

$s_{i,j,n}=\stackrel{\→}{w}{\left(n\right)}_i^T{\stackrel{\→}{r}}_{i,j,n}$

${\hat{s}}_{i,j,n}=Q\left(s_{i,j,n}\right)$

$r_{i+1,j,n}=r_{i,j,n}-{\hat{s}}_{i,j,n}{\left(R\left(n\right)\right)}_i$

$G{\left(n\right)}_{i+1}=R{\left(n\right)}_{\stackrel{\‾}{i}}^{+}$

i=i+1

3b、基于MMSE(最小均方误差)准则，带有串行干扰删除的

MIMO检测算法：

初始化：

$i=1;{\stackrel{\→}{r}}_1=\stackrel{\→}{r};G_1={(R^{H}R+\mathrm{\δI})}^{-1}{R}^H$

循环体(1≤i≤m)：

$\stackrel{\→}{w}{\left(n\right)}_i^T={\left(G_i\left(n\right)\right)}_1$

$s_{i,j,n}=\stackrel{\→}{w}{\left(n\right)}_i^T{\stackrel{\→}{r}}_{i,j,n}$

${\hat{s}}_{i,j,n}=Q\left(s_{i,j,n}\right)$

$r_{i+1,j,n}=r_{i,j,n}-{\hat{s}}_{i,j,n}{\left(R\left(n\right)\right)}_i$

$G{\left(n\right)}_{i+1}={(R{\left(n\right)}_{\stackrel{-}{r}}^{H}R{\left(n\right)}_{\stackrel{-}{i}}+\mathrm{\δI})}^{-1}R{\left(n\right)}_{\stackrel{\‾}{i}}^H$

i＝i+1

这里(·)⁺为矩阵伪逆，(·)^T为矩阵转置.(G_i(n))₁为矩阵G_i(n)的第一行，(R(n))_i为矩阵R(n)的第i列，R(n)_i为R(n)的第(i+1)_th～m_th列，Q(·)为量化至所使用的调制星座图的操作。

需要说明的是，MIMO-OFDM系统中每个频带分解导致整个带宽上对于MN_F个传输子信道总共有MN_F个特征值。每个传输子信道可使用不同的发射功率。故可以使用各种功率分配方法把总发射功率分配给这些子信道以实现更高的频谱利用率。

Claims (8)

1.一种删除并行子信道传输干扰的接收方法，包括步骤：

(1)接收机在接收端进行传输信道估计；

(2)接收机利用传输信道估计结果，并且根据发送加权矩阵以及接收加权矩阵，重构传输干扰矩阵；

(3)根据重构的传输干扰矩阵，并且利用迭代方法，删除并行子信道之间的干扰；

(4)对各个子信道的数据进行解调。

2.根据权利要求1所述的方法，其中接收端根据当前传输信道估计结果，每隔一段时间计算发送端下一段时间传输所需的发送加权矩阵和子信道数，并将其反馈到发送端，发送端与接收端保存这些信息，以备两次反馈之间的传输接收所用。

3.根据权利要求1所述的方法，其中接收端根据当前传输信道估计结果以及所存储的发送加权矩阵，计算当前接收加权矩阵，并对接收到的数据进行加权。

4.根据权利要求3所述的方法，其中接收端根据当前传输信道估计结果、所存储的发送加权矩阵、以及当前接收加权矩阵，重构传输干扰矩阵，并利用所述传输干扰矩阵，对所述加权后的接收数据进行迭代干扰删除。

5.根据权利要求1所述的方法，其中利用信道矩阵的奇异值分解和奇异值从大到小选择来确定子信道，并且利用奇异值从大到小的顺序确定串行干扰删除的顺序。

6.根据权利要求2所述的方法，其中接收端向发送端反馈发送加权矩阵包括：

反馈信道信息并在发送端重新计算发送加权矩阵。

7.根据权利要求2所述的方法，其中接收端向发送端反馈发送加权矩阵包括：

直接反馈发送加权矩阵信息。

8.根据权利要求6或7所述的方法，其中接收端的反馈将频域信道估计结果通过逆快速傅立叶变换到时域，再对其进行数值选取和反馈。

Images