CN101312371A - 子信道分配设备 - Google Patents

Abstract

本发明涉及用于将MIMO无线电信道的子信道分配给多个用户的子信道分配设备(100)，该MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量。子信道分配设备(100)包括用于确定MIMO无线电信道的子空间的子空间确定器(110)，该子空间具有第二数量的子信道，第二数量小于第一数量，并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量。子信道分配设备(100)还包括响应于子空间确定器(110)的子信道分配器(120)，它用于根据分配度量从子空间的第二数量的子信道中分配子信道给用户。

Description

子信道分配设备

技术领域

本发明涉及多输入多输出(MIMO)通信系统的技术领域。

背景技术

目前和未来的通信系统利用MIMO无线电信道的空间特性的越来越多的优点。这些无线电信道通过使用位于通信链路任何一端，例如基站和移动站的多根天线进行建立。

在点对多点通信系统而言，如例如在移动通信系统的下行链路中，发送机所具有的重要任务是分配诸如时间、频率和空间分量的资源给在其覆盖范围下的接收机。如果发送机知道每个用户的信道，则能够同时服务多个用户以及在空间中在相同的频率上多路复用它们。在多点对点通信系统中，如例如在移动通信系统的上行链路中，这种任务必须由接收机完成。在下文中分析将会阐明下行链路，到上行链路的应用是简单的。为此目的应用位于基站或接入点以及位于移动用户的多根天线，这将产生熟知的MIMO系统。这里，考虑具有k个用户在发送机具有M_Tx根天线和在第k个接收机具有M_Rx，k根天线的MIMO系统。第k个用户的信道通过以下矩阵描述：

在文献中能够找到基于在发送机的瞬时获知所有矩阵H_k执行资源分配的大量算法。为了仅仅命名一些算法，存在正如通过Q.H.Spencer，A.L.Swindlehurst，和M.Haardt在Zero-forcing Methodsfor Downlink Spatial Multiplexing in Multiuser MIMOChannels，IEEE Trans.on Signal Processing，52：461-471，2004中描述的块对角化(BD)，通过K.Seong，M.Mohseni，和J.M.Cioffi在OptimalResource Allocation for OFDMA Downlink Systems，In Proc.ofInternational Symposium of Information theory(ISIT)，2006中描述的正交频分多路复用(OFDMA)以及通过P.Tejera，W.Utschick，G.Bauch，和J.A.Nossek在Subchannel Allocation in MultiuserMultiple Input Multiple Output Systems，IEEE Transactions onInformation Theory，52：4721-4733，2006年10月中描述的相继编码相继分配方法(SESAM)。

这些算法需要在发送机的完全信道状态信息(CSI)。在时分双工(TDD)系统中这必须在发送机估计每个用户的每个信道实现的系数M_TxM_Rx，k。在频分双工(FDD)系统中，它不像TDD系统那样，上行链路和下行链路的互换性不能够被直接地采用，这些复数系数需要从移动接收机反馈回到基站。而且矩阵H_k的维数确定这些发送信号处理算法的计算复杂度，如它们基于这些矩阵奇异值分解(SVD)。

SESAM算法在这里被简单地评论为举例说明的构思。该算法如下工作：首先确定每个用户的第一奇异值σ_k，i，1，这里i表示维数索引以及索引1代表第一奇异值。当前i＝1。

之后选择具有最大奇异值

${\mathrm{\σ}}_{\mathrm{\π}\left(1\right),\mathrm{1,1}}=\underset{k}{\max }{\mathrm{\σ}}_{k,1,1}$

的用户用于在第一空间域中发送。π(i)因此表示编码排序函数，即π(1)指在维数1中编码的用户。通过对应于用户π(1)的第一奇异值的左奇异向量υ₁给定发送波束成形向量。

为了确定第二维数中的用户首先将全部信道投影到υ₁的零空间中，从而后面的用户和用户π(1)不发生干扰。投影的信道H_k，2通过矩阵运算获得

$H_{k,2}=H_k(I_{M_{\mathrm{Tx}}}-{\mathrm{\υ}}_1{\mathrm{\υ}}_1^H),---\left(1.1\right)$

其中

表示M_Tx×M_Tx单位矩阵以及信道矩阵的第二索引构成维数索引。应该注意到这种运算仅仅保证用户π(2)和用户π(1)不发生干扰。用户π(1)到用户π(2)的干扰通过如Max H.M.Costa在Writing onDirty Paper，IEEE Transactions on Information Theory，29：439-441，1983年5中描述的修改纸编码(DPC)的方式取消。

现在利用投影的信道执行用户选择和选择具有最大投影奇异值的用户用于发送。相应的发送向量υ₂是投影信道矩阵H_π(2)，2的第一右奇异向量。所述处理还通过投影矩阵H_k，2到υ₂的零空间和选择下一个空间维数的用户继续进行直到不剩余任何空间维数。通过这种过程产生最大M_Tx标量子信道。由于在每个子信道上不发生干扰，通过在所述子信道上进行注水确定最佳功率分配。通过如上所述单独地在每个副载波上分解MIMO信道成标量子信道以及在所有载波的子信道上执行注水能够容易地将SESAM算法扩展到正交频分多路复用(OFDM)系统。

发明内容

本发明的目的是提供一种用于在MIMO环境中子信道分配的改进原理。

所述目的通过根据权利要求1所述的子信道分配设备、根据权利要求12所述的收发机设备、根据权利要求15所述的分配子信道的方法、根据权利要求17所述的收发机设备以及根据权利要求26所述的通信方法而实现。

所述目的通过用于将MIMO无线电信道的子信道分配给多个用户的子信道分配设备实现，该MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量。所述子信道分配设备包括确定MIMO无线电信道的子空间的子空间确定器，该子空间具有第二数量的子信道，第二数量小于第一数量并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量。所述子信道分配设备还包括响应于子空间确定器的子信道分配器，它用于根据分配度量从子空间的第二数量的子信道中分配子信道给用户。

所述目的通过包括根据以上所述的子信道分配设备的收发机设备实现。

所述目的还通过在MIMO无线电信道中通信的收发机设备实现，MIMO无线电信道具有第一数量的子信道，该子信道具有传输容量。所述收发机设备包括根据由发送机提供的导频符号估计MIMO无线电信道的信道估计器。所述收发机设备还包括根据所述估计的MIMO无线电信道确定第一数量的子信道的信道鉴定器。进一步，所述收发机设备包括确定MIMO信道的子空间的子空间确定器，该子空间具有第二数量的子信道，第二数量小于第一数量并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量。所述收发机还包括发送有关子空间的信息的反馈发送机。

本发明基于发现当子信道分配基于MIMO信道的子空间时，子信道分配的复杂度能够被显著地降低，该子空间具有较低数量的子信道。但是，保存了信道能量和总传输容量的显著数量。如果在子空间中进行子信道分配，那么如例如在FDD系统中由接收机提供的反馈能够被适配于该子空间并且相应地较低数量的反馈信息是必须的。而且，如果获知仅使用子空间，当例如执行子信道分配方案，如例如SESAM时，能够进一步降低在发送机的信号处理复杂度。

所以实施例包括在多用户MIMO系统中使用例如SESAM算法的复杂度降低的方法。在SESAM算法中计算最花费的部分是奇异值分解，其必须在每个用户的发送信号产生的每个步骤中被执行。实施例通过在减小维数的子空间中近似信道矩阵减小这种计算负担，因此显著地减低了维数并且所以降低了需要的奇异值分解的计算复杂度。

在实施例中能够选择子空间从而最大化在近似中剩余的平均或瞬时信道能量。尽管就基于高斯广义平稳非相关散射(GWSSUS)信道模型的MIMO系统的浮点运算数量而言计算复杂度极大的减小至多88％，但是实施例仅利用仍旧可接受的低性能降低。由于只需要从接收机向发送机反馈回近似的信道矩阵，因此通过实施例还可以减小反馈信息的量。

某些实施例利用就小区吞吐量而言允许显著增益的SESAM算法。但是，原来算法的计算复杂度是相对高的。实施例利用可接受的性能降低允许显著的复杂度减小。所以，实施例节省了计算能量并且减小了处理延迟。而且，所述提出的实施例减小了在发送机一侧需要的信道状态信息量，因此，减小了接收机和发送机之间反馈信道的必须的发送速率。

附图说明

现在将使用附图详细地描述本发明的实施例，其中：

图1a所示为子信道分配设备的实施例；

图1b所示为收发机设备的实施例；

图2是图示利用实施例和传统构思可实现的发送速率的视图；

图3是图示实施例和传统构思的计算复杂度的视图；以及

图4是图示利用实施例和传统构思可实现的发送速率的另一个视图。

具体实施方式

图1a所示为用于分配MIMO无线电信道的子信道给多个用户的子信道分配设备100，MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量。子信道分配设备100包括确定MIMO无线电信道的子空间的子空间确定器110，子空间具有第二数量的子信道，该第二数量小于所述第一数量并且第二数量的子信道的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量。所述子信道分配设备还包括子信道分配器120，它响应于子空间确定器110用于分配度量从子空间的第二数量的子信道中分配子信道给用户。

实施例可以通过一组奇异值、SNR(信噪比)、SINR(信号噪声和干扰比)的其中之一或其组合确定子信道的传输容量。代替数据速率，能够使用需要的发送功率、掉线容量或最低错误率如例如误比特率作为传输容量。传输容量可以是如例如通过协方差矩阵的特征值分析确定的平均容量，特征值可以相应地与传输容量或平均传输容量有关。

在实施例中，子空间确定器110能够被适配用于根据从用户接收的信息来确定子空间。子空间确定器110还能够被适配用于根据来自用户或被包括在子信道分配设备100中的信道估计器的信道估计信息来确定子空间。特别是对于在FDD通信系统中的实施例，将被分配子信道的接收机或用户，能够就信道估计信息而言提供反馈信息。在TDD实施例中，利用移动无线电信道的互换性的优点，实施例可以利用被与子信道分配设备100协同定位的信道估计器。

在实施例中，子空间确定器110能够被适配用于使用有关被减小MIMO信道矩阵的信息利用投影矩阵将减小的MIMO信道矩阵映射到MIMO无线电信道的子空间，该减小的MIMO信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩或维数。

在实施例中，所述投影矩阵能够基于对应于特征值的所关联的MIMO无线电信道的信道矩阵的协方差矩阵的特征向量，该特征值高于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的最低特征值，其中子信道的传输容量能够对应于能够从相应特征值推导的平均传输容量。

在其他实施例中，所述投影矩阵能够基于对应于奇异值的所关联的MIMO无线电信道的信道矩阵的奇异向量，所述奇异值高于所关联的MIMO无线电信道的信道矩阵的最低奇异值，其中子信道的传输容量能够从相应奇异值推导得出。

实施例可以使用子信道分配器120，其被适配用于利用确定MIMO无线电信道的子空间的第二数量的子信道的相应的右奇异向量来确定子空间矩阵的奇异值作为分配度量，以及用于给用户分配对应于比多个用户的子空间矩阵的最低奇异值高的奇异值的子信道。

在实施例中，子信道分配器120能够被适配用于基于与MIMO无线电信道的信道矩阵以及投影矩阵关联的被减小MIMO信道矩阵的特征值分解或奇异值分解确定子空间的奇异值，被减小MIMO信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩或维数。被减小MIMO信道矩阵的秩或维数可以基于MIMO无线电信道的子空间中的第二数量的子信道。在实施例中被减小MIMO信道矩阵可以是作为所述子空间中第二数量的子信道的矩形矩阵，它在行或列中具有许多项。

在实施例中，子信道分配器120可以被适配用于根据基于SVD、SESAM、BD或OFDMA、基于MIMO无线电信道的子空间的分配算法分配多个子信道给多个用户。子信道分配器120能够被适配用于根据被减小迭代MIMO信道矩阵确定SESAM算法的迭代子空间，所述矩阵具有基于分配信道数量的秩或维数，其中分配子信道的数量小于或等于子信道的第二数量。

其他实施例是包括根据以上描述的子信道分配设备100的收发机设备。收发机设备的这些实施例可以被适配用于在FDD或TDD通信系统中进行通信。而且，它们可以被适配用于在OFDM(正交频分多路复用)或CDM(码分多路复用)系统中进行通信。

图1b所示为用于在MIMO无线电信道中进行通信的收发机设备150的实施例，MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量。收发机设备150包括根据发送机提供的导频符号估计MIMO无线电信道的信道估计器160以及还包括根据估计的MIMO无线电信道确定第一数量的子信道的信道鉴定器170。收发机设备150还包括确定MIMO无线电信道的子空间的子空间确定器180，该子空间具有第二数量的子信道，第二数量小于第一数量并且第二数量的子信道的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量。收发机设备150还包括发送有关子空间的信息的反馈发送机190。

实施例可以通过一组奇异值、SNR(信噪比)、SINR(信号噪声和干扰比)的其中之一或其组合确定子信道的传输容量。代替数据速率，能够使用需要的发送功率、掉线容量或最低错误率如例如误比特率作为传输容量。该传输容量可以是如例如通过协方差矩阵的特征值分析确定的平均容量，特征值可以相应地与传输容量或平均传输容量有关。

在其他的实施例中，子空间确定器180可以被适配用于确定有关被减小MIMO信道矩阵的信息，该矩阵被关联有MIMO无线电信道的信道矩阵和用于将被减小MIMO信道矩阵映射到MIMO无线电信道的子空间的投影矩阵，所述被减小MIMO信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩或维数。

所述投影矩阵能够基于对应于特征值的所关联的MIMO无线电信道的信道矩阵的协方差矩阵的特征向量，该特征值高于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的最低特征值，其中子信道的传输容量能够对应于能够从相应特征值推导的平均传输容量。

所述投影矩阵还能够基于对应于奇异值的所关联的MIMO无线电信道的信道矩阵的奇异向量，所述奇异值高于所关联的MIMO无线电信道的信道矩阵的最低奇异值，其中子信道的传输容量能够从相应奇异值推导得出。

被减小MIMO信道矩阵的秩或维数能够基于MIMO信道子空间的第二数量的子信道。在实施例中所述被减小MIMO信道矩阵可以是具有第二数量的行和列的矩形矩阵。该第二数量可以是预先定义的值，如例如通信系统中的固定设置，例如总是使用8×4MIMO无线电信道中的两个或三个子信道。根据以上的所述，收发机设备150能够被适配用于在FDD或TDD通信系统中进行通信。而且，它可以被适配用于在OFDM或CDM系统中进行通信。

为了减小在发送机一侧必须的信道信息量和计算复杂度而不减小发送和接收天线的数量，实施例可以在预先定义的子空间中操作，该子空间被如此选择以便能够捕获绝大多数的信道能量。所以用户的信道被投影到子空间中并且在这些子空间中执行在基站或接入点的信号处理但是使用这些投影的信道作为用于信号处理的完美的信道状态信息。

所以本发明的实施例能够将被减小子空间的构思应用于信号处理算法，为了减小复杂度其使用被投影信道矩阵的奇异值分解。实施例利用此为诸如SESAM的这些算法实现计算复杂度的减小。尽管潜在的预编码向量的子空间可以与信道矩阵已经被投影到其中的子空间不相同，但是通过较低维数矩阵的特征值分解能够解决奇异值分解。实施例利用此提供的优点是使用的信号处理算法具有减小的复杂度例如预编码向量的搜索被缩窄到较低维数的子空间。而且，在实施例中能够减小在发送机或被反馈到发送机的必须估计的信道系数的数量，同时在发送机和接收机给出相应子空间的完全获知。

在下文中将描述详细的实施例。某些实施例的基本构思是将在预先定义的子空间中执行信号处理算法。为此目的，根据一定的准则为每个用户k定义R_k维的子空间S_k，将在下文中对此进行说明。每个子空间Sk被通过R_k≤rank(H_k)≤min(M_Tx，M_Rx，k)向量跨越，即

$S_k=\mathrm{span}\{t_{k,1},...,t_{k,R_k}\}.$

向量t_k，l被归一化，即 ${\left|\right|t_{k,l}\left|\right|}_2^2=1.$ 然后将用户的信道H_k投影到相应的子空间中(由于简化原因这里省略了载波索引)。在OFDM系统中有关每个载波的信道矩阵被投影到相应的子空间中。

$H_{k,\mathrm{proj}}=H_k\[t_{k,1}...t_{k,R_k}\]\left[\begin{array}{c}{t}_{k,1}^H\\ \·\\ \·\\ \·\\ t_{k,R_k}^H\end{array}\right]=H_k{T}_k{T}_k^H---\left(1.2\right)$

在运行信号处理算法期间代替瞬时信道实现H_k使用投影的信道H_k，proj作为信道状态信息。通过投影到子空间中能够减小在发送机的瞬时信道状态信息。在TDD系统中这意味着在上行链路中需要估计更少的信道系数，所以需要更少的导频信号。在FDD系统中保证需要较低数量的反馈比特用于从接收机发送信道系数到发送机。

算法诸如Q.H.Spencer、A.L.Swindlehurst、和M.Haardt描述的BD，Zero-forcing Methods for Downlink Spatial Multiplexing inMultiuser MIMO Channel，IEEE Trans.on Signal Processing，52：461-471，2004年，或者如K.Seong、M.Mohseni、和J.M.Cioffi在Proc.of International Symposium of Information theory(ISIT)，2006年中描述的OFDMA，需要在发送机获知信道矩阵H_k以计算奇异值和这些矩阵的右奇异向量或其投影的版本。在这些算法中并不关心左奇异向量。所以，还能够从矩阵H_k ^HH_k获得必须的参数。

相应地，当在被减小子空间中操作时在发送机需要获知矩阵

$H_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}=T_k{T}_k^H{H}_k^H{H}_k{T}_k{T}_k^H$

当子空间S_k并且所以矩阵T_k在发送机和相应的接收机被获知时，足以获知在发送机可获得的有关矩阵

$H_{k,\mathrm{red}}=T_k^H{H}_k^H{H}_k{T}_k$

H_k，red是R_k×R_k Hermitian矩阵，其意味着

每介用户

个未知信道系数。与需要用于完全信道状态信息的min(M_TxM_Rx，k，(M_Tx+1)M_Tx/2)系数比较，H_k ^HH_k是M_Tx×M_Tx Hermitian矩阵，所以它们能够通过(M_Tx+1)M_Tx/2个系数被完全地描述。事实上在发送机仅需要这些矩阵所以仅导致信道系数的减小，当不考虑子空间向量的发送时，如果(M_Tx+1)/2＜M_Rx，k，这构成巨大的减小。

对于SESAM，P.Tejera、W.Utschick、G.Bauch、和J.A.Nossek在Subchannel Allocation in Multiuser Mutilple Input MultipleOutput Systems中，IEEE Transactions on Information Theory，52：4721-4733，2006年10月，描述了当在接收机应用匹配的滤波器时，在发送机获知相同数量的信道系数是必须的。关于确定发送向量，保持与如上所述相同的基本原理。考虑Dirty Paper Coding部分，当在发送机编码用户π(i)仅仅依赖于以下项时，需要将干扰预先减去

$u_{\mathrm{\π}\left(i\right)}^H{H}_{\mathrm{\π}\left(i\right)}{\mathrm{\υ}}_{\mathrm{\π}\left(j\right)}={\mathrm{\υ}}_{\mathrm{\π}\left(i\right)}^H{H}_{\mathrm{\π}\left(i\right)}^H{H}_{\mathrm{\π}\left(i\right)}{\mathrm{\υ}}_{\mathrm{\π}\left(j\right)},j\≤i,$

其中u_π(i)＝H_π(i)υ_π(i)表示在接收机π(i)的匹配滤波器。在这种情况下，干扰仅仅依赖于Hermitian格式H_k ^HH_k，所以能够应用以上提出的被减小信道状态信息的方案。应该注意到在最差情况下矩阵

的获知是充分的，它仍然通过信道系数中的因子R_k/M_Tx构成减小。

性能强烈依赖于子空间的选择，即向量t_k，l的选择。为了保持由投影引起的误差尽可能的低，希望在子空间S_k中保持尽可能更多的信道能量。这是因为利用以上所示的方法仅仅具有子空间S_k中信号处理的完全控制，而在与S_k正交的被表示为S_k ^⊥的子空间中，不能够执行任何优化。这意味着例如仅仅能够在S_k中实现干扰消除，而在S_k ^⊥中这是不可能的。但是，如果S_k ^⊥中信道能量对比S_k中的信道能量是低的，这种干扰的影响将在接收机具有更少的损害。通过squared Frobenius标准，参看例如Z.Shen、R.Chen、J.G.Andrews、R.W.Heath、和B.L.Evans测量的信道矩阵H_k的信道能量，Low Complexity UserSelection Algorithms for Multiuser MIMO Systems with BlockDiagonalization，IEEE Transactions on Signal Processing，54：3658-3663，2006年，其等于H_k的奇异值的平方和即

${\left|\right|H_k\left|\right|}_F^2=\mathrm{tr}\left(H_k^H{H}_k\right)=\underset{i}{\mathrm{\Σ}}{\mathrm{\σ}}_{k,i}^2$

在下文中将作出根据平均信道能量E[‖H_k‖_F ²]选择的子空间和根据瞬时信道能量‖H_k‖_F ²选择的子空间之间的差别。第一选项具有的优点是平均信道特征比瞬时信道实现随时间变化较慢。这意味着在许多瞬时信道实现上能够保持子空间恒定，而利用后者的选项所述子空间通常随每个信道实现而变化。这意味着对于子空间的估计或反馈和计算的更多努力但是导致较佳的性能。

这里假设给定维数R_k的数量。它通常依赖于许多因素，诸如允许的反馈比特数量和在发送机可获得的计算资源。为了在R_k-维子空间S_k中保持绝大部分的信道平均能量，对于所有用户k需要解决以下优化问题：

$\underset{T_k}{\min }E\[{\left|\right|H_k\left|\right|}_F^2-{\left|\right|H_k{T}_k{T}_k^H\left|\right|}_F^2\]\underset{T_k}{\min }\left(\mathrm{tr}(R_k-R_k{T}_k{T}_k^H)\right)---\left(1.3\right)$

$s.t.t_{k,l}^H{t}_{k,l}=1,\∀l=1,...,R_k,\mathrm{rank}\left(T_k\right)=R_k$

其中 $R_k=E\[H_k^H{H}_k\]$ 表示用户k的发送协方差矩阵。对于随机向量x具有E[xx^H]＝R_xx。问题(1.3)对应于最小化向量x的均方误差及其低的秩近似T_kT_k ^Hx。所述解通过包含R_xx的R_k个最强特征向量的T_k给出，正如L.L.Scharf在Statistical Signal Processing，Addison-Wesley，1990年中所描述的。

这种被截短的Karhunen-Loeve变换在Proc.of ITC/IEEEWorkshop on Smart Antennas中，2007年，在P.M.Castro、M.Joham、L.Castedo、和W.Utschick的Robust Precoding for Multiuser MISOSystems with Limited Feedback Channel中被使用，以减小多输入单输出(MISO)系统中的反馈，以及在Proc.of Int.Symposium onWireless Personal Multimedia Communications中，2002年，在M.Stege、P.Zimmermann、和G.Fettweis的MIMO ChannelEstimation with Dimension Reduction中被使用，相同的构思被应用以改善MIMO系统中的信道估计，而信道矩阵被首先变换成向量。有关问题(1.3)能够显示出通过以下给出T_k的优化选择

$T_{k,\mathrm{opt}}=\[q_{k,1}...q_{k,R_k}\]---\left(1.4\right).$

q_k，i表示对应于R_k个最强特征向量的特征向量R_k，即

$R_k=\underset{i}{\mathrm{\Σ}}{\mathrm{\λ}}_{k,i}{q}_{k,i}{q}_{k,i}^H,{\mathrm{\λ}}_{k,1}\≥{\mathrm{\λ}}_{k,2}\≥...\≥{\mathrm{\λ}}_{k,R_k}\≥...\≥{\mathrm{\λ}}_{k,M_{\mathrm{Tx}}\≥}0---\left(1.5\right)$

从(1.5)能够推导出减小子空间维数的其他可能性。如果对于某i≤R_k，λ_k，i非常小，相应的维数能够被减少而没有大的性能损失。

类似于问题(1.3)当考虑瞬时信道能量时，需要解决以下优化问题：

$\underset{T_k}{\min }({\left|\right|H_k\left|\right|}_F^2-{\left|\right|H_k{T}_k{T}_k^T\left|\right|}_F^2)$

$s.t.t_{k,l}^H{t}_{k,l}=1,\∀l=1,...,R_k,\mathrm{rank}\left(T_k\right)=R_k$

这个问题的解通过属于H_k的R_k个最强奇异值的右奇异向量给出，即

$T_{k,\mathrm{opt}}=\[{\mathrm{\υ}}_{k,1},...,{\mathrm{\υ}}_{k,R_k}\],$

而

$H_k=\underset{i}{\mathrm{\Σ}}{\mathrm{\σ}}_{k,i}{u}_{k,i}{\mathrm{\υ}}_{k,i}^H,{\mathrm{\σ}}_{k,1}\≥{\mathrm{\σ}}_{k,2}\≥...\≥{\mathrm{\σ}}_{k,R_{\text{k}}}\≥...\≥{\mathrm{\σ}}_{k,M_{\mathrm{Rx},k}}\≥0$

因此

$H_{k,\mathrm{proj}}=\underset{i=1}{\overset{R_k}{\mathrm{\Σ}}}{\mathrm{\σ}}_{k,i}{u}_{k,i}{\mathrm{\υ}}_{k,i}^H---\left(1.6\right).$

如在前一部分中，从(1.6)明显的是如果最后的奇异值σ_k，i非常的小，能够进一步减小R_k。应该注意到通过子空间的这种选择现在矩阵H_k，red变成对角的，其中对角项是奇异值平方σ_k，i ²。无论如何现在向量υ_k，i的估计或反馈必须利用每个新的信道实现。而且在FDD系统中奇异值分解(SVD)必须在接收机进行计算，即计算SVD的计算负荷被从发送机移到接收机。

在接收机计算SVD已经在J-L.Pan、R.L.Olesen、Y.Tsai的Method and Apparatus for Generating Feedback Information forTransmit Power Control in a Multiple-Input Multiple-OutputWireless Communication Systems，Technical report，国际专利Nr.PCT/US/2006/019895中，2006年以及被提交给IEEE Trans.onInformation Theory，2005年6月的M.A.Maddah-Ali、M.A.Sadrabadi、和A.K.Khandani的An Efficient Signaling Schemefor MIMO Broadcast Systems：Design and Performance Evaluation中被提出。

在J-L.pan、R.L.Olesen、Y.Tsai的Method and Apparatus forGenerating Feedback Information for Transmit Power Control in aMultiple-Input Multiple-Output Wireless Communication Systems，Technical report，国际专利Nr.PCT/US/2006/019895中，2006年，奇异值或能量等级，而不是奇异向量在SVD之后被反馈到发送机。在被提交给IEEE Trans.on Information Theory，2005年6月的M.A.Maddah-Ali、M.A.Sadrabadi、和A.K.Khandani的An EfficientSignaling Scheme for MIMO Broadcast Systems：Design andPerformance Evaluation中，在多用户MIMO系统中迭代地确定发送波束成形器，而在M_Tx次迭代的每次迭代中接收机必须计算一个SVD并且需要将一个大小M_Tx的归一化向量和复数从发送机发送到每个接收机，以及反之亦然。

为了减弱在OFDM系统中在接收机的数量增加的反馈和SVD的计算负荷，存在将频谱划分成相邻副载波的组，即所谓的组块的可能性。信号处理算法仅仅在每个组块的一个副载波上运行以及所产生的发送向量然后被应用于组块的所有副载波，这可能由于被用于DirtyPaper Coding的不完美信道获知导致利用SESAM的严重性能损失。为了避免这个问题所以提出在一个组块的所有载波上应用相同的子空间和在发送机使得对于每个载波矩阵H_k，red是已知的。在这种情况下子空间基本向量的确定仅仅必须是每个组块一次。

除被减小反馈的影响之外所述提出方法的另一个优点构成在发送机被减小的计算复杂度。如已经所述，经由H_k，proj ^HH_k，proj的特征值分解能够获得矩阵H_k，proj的右奇异向量，其能够被写为：

$H_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}=\[Q_k\widetilde{Q_k}\]\left[\begin{array}{cc}{\text{\Λ}}_k& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{Q}_k^H\\ {\tilde{Q}}_k^H\end{array}\right]=Q_k{\mathrm{\Λ}}_k{Q}_k^H,---\left(1.7\right)$

其中

是包含非零特征值的对角矩阵以及

和

是正交化矩阵。如H_k，proj完全位于S_k中，对应于非零特征值的所有特征向量也必须位于S_k中。因此Q_k位于S_k中以及位于S_k ^⊥中。所以它能够被写为：

$Q_k=T_k{\hat{Q}}_k---\left(1.8\right)$

其中

在前一部分中引入的所有子空间意味着T_k是正交化的。如Q_k也是正交化的，

必须显示相同的特性。所以能够从T_k ^HH_k，proj ^HH_k，projT_k的特征值分解获得

为

$T_k^H{H}_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}{T}_k=T_k^H{T}_k{\hat{Q}}_k{\mathrm{\Λ}}_k{\hat{Q}}_k^H{T}_k^H{T}_k={\hat{Q}}_k{\mathrm{\Λ}}_k{\hat{Q}}_k^H---\left(1.9\right).$

因此通过T_k ^HH_k ^HH_kT_k的特征值分解和矩阵-矩阵相乘

能够求解H_k，proj ^HH_k，proj的特征值分解。取代计算所有特征向量或，在SESAM的情况下，仅仅计算M_Tx×M_Tx矩阵的最强特征向量，这种计算花费大的操作现在必须利用R_k×R_k矩阵完成。这特别的有吸引力，当R_k＝2时，如在2维特征向量中能够利用显式公式计算特征值。

到目前为止如果需要信道矩阵的SVD，那么仅能够减小信号处理算法的复杂度。在SESAM中例如这仅仅是在第一空间维数中计算预编码向量期间的情况。但是当需要被投影的信道矩阵的奇异向量和奇异值时，也能够实现类似的减小。为此考虑导致被投影信道矩阵

的最强右奇异值的优化问题：

${{\mathrm{\σ}}^2}_{k,i,l}=\underset{z}{\underset{z}{\max }{z}^H{P}_i{H}_k^H{H}_k{P}_{i}z}---\left(1.10\right)$

s.t.z^Hz=1

其中 $P_i=(I-{\mathrm{\Σ}}_{j=1}^{i-1}{\mathrm{\υ}}_i{\mathrm{\υ}}_i^H).$ 表示维数i的投影矩阵。使用来自(1.2)的信道状态信息代替H_k(1.10)得出：

${\widehat{\mathrm{\σ}}}_{k,i,1}^2={\underset{z}{\max z}}^H{P}_i{H}_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}{P}_{i}z---\left(1.11\right)$

s.t.z^Hz＝1

根据矩阵理论Gene H.Golub和Charles F.van Loan、MatrixComputations，The John Hopkins University Press，1989年，z必须位于(P_iH_k，proj ^H)的范围中。通过使用

$H_{k,\mathrm{proj}}{P}_i=H_k{T}_k{T}_k^H{P}_i=\underset{l=1}{\overset{R_k}{\mathrm{\Σ}}}\left(H_k{t}_{k,l}\right){\left(P_i{t}_{k,l}\right)}^H$

能够容易地得出：

$\mathrm{range}\left(P_i{H}_{k,\mathrm{proj}}^H\right)=\mathrm{span}\{P_i{t}_{k,1},...,P_i{t}_{k,R_k}\}.$

所以z能够被写为这些向量的线性组合，即

$z=\[P_i{t}_{k,1}...P_i{t}_{k,R_k}\]x=P_i{T}_{k}x---\left(1.12\right)$

其中

通过在(1.11)中替换(1.12)，能够获得

${\widehat{\mathrm{\σ}}}_{k,i,1}^2=\underset{x}{\max }{x}^H{T}_k^H{P}_i{T}_k{T}_k^H{H}_k^H{H}_k{T}_k{T}_k^H{P}_i{T}_{k}x---\left(1.13\right)$

$s.t.x^H{T}_k^H{P}_i{T}_{k}x=1$

其中已经考虑了P_i的幂等性。(1.13)构成广义的特征值问题并且它看似事情已经变得更加复杂。通过引入矩阵 $B_{k,i}=T_k^H{P}_i{T}_k$ (1.13)得出：

${\widehat{\mathrm{\σ}}}_{k,i,1}^2=\underset{x}{\max }{x}^H{B}_{k,i}{T}_k^H{H}_k^H{H}_k{T}_k{T}_k^H{P}_i{T}_{k}x.$

s.t.x^HB_k，ix＝1

应用标准算法求解广义的特征向量问题，Gene H.Golub和Charles F.van Loan、Matrix Computations，The John HopkinsUniversity Press，1989年，能够显示出

是以下矩阵的最大特征值

$C_{k,i}=B_{k,i}^{-1}{B}_{k,i}{T}_k^H{H}_k^H{H}_k{T}_k{T}_k^H{P}_i{T}_k=T_k^H{H}_k^H{H}_k{T}_k{T}_k^H{P}_i{T}_k$

而且C_k，i的第一特征向量确定x的方向。其必须经由约束x^HB_k，ix＝1计算模|x|。当C_k，i是R_k×R_k矩阵时，第一奇异值和相应的右奇异向量的确定能够利用更少的计算努力求解。比较需要具有全部信道状态信息的M_Rx，k×M_Tx矩阵的SVD，除另外还必须有向量相乘和向量归一化以根据(1.12)获得z的事实之外，巨大的计算节约是有可能的。除SVD之外所述投影还消耗SESAM所需要的计算资源的重要部分，因为具有全部信道状态信息的SESAM在每个空间维数中需要矩阵-矩阵相乘来计算被投影的信道(参见方程(1.1))。

利用所述提出的方法只需要计算矩阵C_k，i，这比(1.1)具有更少的计算花费。C_k，i能够通过将R_k×R_k矩阵T_k ^HH_k ^HH_kT_k和T_k ^HP_iT_k相互相乘计算。第一矩阵从开始是已知的以及第二矩阵的计算需要R_k维向量的R_k个内部向量乘积t_k，l ^Hυ_i，一个外部向量乘积以及R_k×R_k矩阵的相减。这是因为

$T_k^H{P}_i{T}_k=\begin{array}{}\end{array}\begin{array}{}\end{array}\left[\begin{array}{c}{t}_{k,1}^H\\ \·\\ \·\\ \·\\ t_{k,R_k}^H\end{array}\right](I_{M_{\mathrm{Tx}}}-\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{\mathrm{\υ}}_j{\mathrm{\υ}}_j^H)\[t_{k,1}...t_{k,R_k}\]=I_{R_k}-\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}\left[\begin{array}{c}{t}_{k,1}^H\\ \·\\ \·\\ \·\\ t_{k,R_k}^H\end{array}\right]{\mathrm{\υ}}_j{\mathrm{\υ}}_j^H\[t_{k,1}...t_{k,R_k}\]$

SESAM只需要矩阵H_k，projP_i的第一奇异值。但是，如果需要其他奇异值和向量，通常通过将C_k，i对角线化不能够获得这些数值。让C_k，i和P_iH_k，proj ^HH_k，projP_i的特征值分解如下给出

$C_{k,i}={\hat{Q}}_{k,i}{\widehat{\mathrm{\Λ}}}_{k,i}{\hat{Q}}_{k,i}^H,P_i{H}_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}{P}_i=\[Q_{k,i}{\hat{Q}}_{k,i}\]\left[\begin{array}{cc}{\mathrm{\Λ}}_{k,i}& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{Q}_{k,i}^H\\ {\tilde{Q}}_{k,i}^H\end{array}\right]=Q_{k,i}{\mathrm{\Λ}}_{k,i}{Q}_{k,i}^H.$

类似于(1.12)的处理将意味着

$Q_{k,i}=P_i{T}_k{\hat{Q}}_{k,i}{D}_{i,k,},$

其中

是归一化

的列的对角矩阵。由于

和Q_k，i都是正交化的，P_iT_k必须至少是正交的，通常它不是这种情况。但是在被减小空间中信号处理的构思还能够被应用于算法，如例如Q.H.Spencer、A.L.Swindlehurst，和M.Haardt在Zero-forcing Methodsfor Downlink Spatial Multiplexing in Multiuser MIMOChannels，IEEE Trans.on Signal Processing，52：461-471，2004中描述的Block Diagonalization，它需要格式H_k，projP_k的矩阵的全部右奇异向量。

应该注意到在BD中P_k对应于投影第k个用户信道到其他用户信号空间的零空间中的矩阵。所以现在索引i被用户索引k所代替。在这种情况下需要，例如利用Gram-Schmidt Orthogonalization GeneH.Golub和Charles F.van Loan，Matrix Computations，The JohnHopkins University Press，1989年，确定对应于(P_kT_k ^H)范围的信号空间的正交化基础。归类矩阵

中所产生的R_k正交化基本向量

经由R_k×R_k矩阵的特征值分解能够获得P_kH_k，proj ^HH_k，projP_k的非零特征值

${\hat{C}}_k={\hat{T}}_k^H{P}_k{H}_{k,\mathrm{proj}}^H{H}_{k,\mathrm{proj}}{P}_k{\hat{T}}_k$

如在(1.8)中通过将矩阵

的特征向量乘以

计算相应的特征向量。证明在(1.9)的线上。所以，除第一特征值和特征向量之外的其他特征值和特征向量的确定也能够利用较低的复杂度执行。但是，必须投入附加的计算努力到Gram-Schmidt正交化中，这仅仅表现出O(R_k ²M_Tx)的复杂度，Gram-Schmidt正交化需要(R_k-1)R_k/2个内部向量乘积，如Raphael Hunger在Floating Point Operations inMatrix-Vector Calculus，Technical report，Munich University ofTechnology，2005年中所描述，每个乘积消耗长度为M_Tx的向量的2M_Tx-1次浮点运算(flops)，M_Tx(R_k-1)R_k/2次复数乘法、M_Tx(R_k-1)R_k/2次复数加法和R_k次归一化。

为了展现所提出方法的性能采用在接入点具有M_Tx＝8根天线和10个用户其每个用户装备有M_Rx，k＝4根天线的情形。OFDM系统由16个副载波构成以及带宽等于1.3MHz，因此载波间距占据81KHz。在时域中采用高斯广义平稳非相关散射(GWSSUS)模型，参见R.B.Ertel、P.Cardieri、K.W.Sowerby、T.S.Rappaport和J.H.Reed，Overview of Spatial Channel Models for Antenna ArrayCommunication Systems，IEEE Personal Communications，5：10-22，1998年并且在此参考。这意味着在每个可分解时间通道上的信道被相互不相关以及高斯地分布。每个时间通道的信道矩阵已经如M.T.Ivrlac、W.Utschick和J.A.Nossek在Fading Correlations inWireless MIMO Systems，IEEE Journal on Selected Areas inCommunications，21：819-828，2003年中所描述被产生。已经设置不同时间通道之间的延迟差成相等以及已经应用指数能量延迟轮廓。

已经如M.T.Ivrlac、W.Utschick和J.A.Nossek在FadingCorrelations in Wireless MIMO Systems，IEEE Journal on SelectedAreas in Communications，21：819-828，2003年中根据阵列steering矩阵计算了发送协方差矩阵，而对于偏离的每个主要方向(DoD)已经应用指数power angle轮廓。有关接收协方差矩阵假设接收机位于富散射环境中，即到达不同接收天线的信号被相互不相关。所以时域和频域中的所有协方差矩阵是标量的单位矩阵。应该注意到WSSUS假设意味着在OFDM系统中发送协方差矩阵在所有载波上都是相同的。因此对于所有载波根据(1.4)选择的子空间是相等的。已经从0和1之间的均匀分布得出一个用户的最大信道能量。

图2所示为已经在OFDM系统中的10000个信道实现上仿真的相对SNR(信噪比)的可实现的发送速率的视图，其中该系统具有16个副载波，8根发送天线和具有4根发送天线的10个用户。通过协方差矩阵的R_k＝2个最强特征向量所跨越的被减小维数的子空间已经被考虑。图2所示为SESAM的发送速率，SESAM具有在接收机使用Wiener滤波器的被减小维数，SESAM具有被减小维数、Wiener滤波器和不完美的CSI。而且，图2图示SESAM具有在接收机使用匹配滤波器的被减小维数，SESAM具有使用匹配滤波器的被减小维数、具有不完美的CSI和OFDMA(正交频分多路复用)。

图2显示在如上所述产生的10000个信道实现上被平均的发送速率，表示为“SESAM”的曲线表现出当应用完美的信道获知时利用SESAM可实现的速率。标记为“SESAM reduced dim”曲线已经利用所提出的方法获得，而发送协方差矩阵的R_k＝2个最强特征向量已经跨越子空间Sk。虚线表示当全部信道获知被应用于Dirty PaperCoding时可实现的速率。

为了获得实线已经考虑到在发送机通过被投影的信道计算利用DPC预先相减的多用户干扰。这导致在接收机的附加噪声，这种噪声构成了实际的干扰和在发送机所计算的干扰之间的差。为了比较在图2中也包括了最大可实现的速率和被减小信道状态信息。

由于在接收机中存在多用户干扰所以应用匹配滤波器不再是最佳的。相反Wiener滤波器是最佳的以及在接收机的容量保留滤波器，所以相应的曲线被标记为“SESAM WF”。但是，应该注意到Wiener滤波器在计算上比匹配滤波器花费更大以及为了Dirty Paper Coding它需要在发送机明确获知矩阵H_kT_k。当选择导频信号以便它们包括有关编码次序的信息时，仍然能够利用Wiener滤波器应用在P.Tejera、W.Utshick、G.Bauch、和J.A.Nossek的Efficient Implementation ofSuccessive Encoding Schemes for the MIMO OFDM BroadcastChannel中提出的信令构思，IEEE International Conference onCommunications，Istanbul，2006年6月。从图2能够看出除在发送机可获得的信道系数的数量从8×4＝32被减小到3之外，仍然比利用完全信道状态信息的OFDMA具有较佳的性能是有可能的。

图3图示在OFDM系统中在20dB的SNR水平上在10,000个信道实现上平均的计算复杂度，该系统具有16个副载波，8根发送天线和具有4根接收天线的10个用户。通过协方差矩阵的R_k＝2个最强特征向量跨越的被减小维数的子空间已经被考虑。

图3显示在20dB具有完全信道获知的SESAM需要的浮点运算(flops)的平均数量，被减小信号空间以及OFDMA中操作的SESAM。一个浮点运算构成一个复数加法或乘法。为了公平原因还能够在接收机实现的计算矩阵H_k，proj ^HH_k，proj的复杂度已经被包括在中心柱中。当R_k＝2以及在二维中能够容易地执行特征值分解时，能够观察到复杂度的显著降低。比较具有完全信道状态信息的SESAM，flops的平均数量降低88％以及仅仅稍微高于具有完全信道状态信息的OFDMA的复杂度少许比特。

图4再次显示在OFDM系统中在10000个信道实现上平均的可实现发送速率的视图，该系统具有16个副载波，8根发送天线和具有4根接收天线的10个用户。考虑通过瞬时信道矩阵的R_k＝2个最强右奇异向量约束的被减小维数的子空间。在仿真中，考虑在大小为8个副载波每个组块上相同的子空间。

最后图4显示了当根据瞬时信道获知选择子空间时在10000个信道实现上平均的可实现的发送速率。为了确定子空间已经将频谱划分成2个组块，而在每个组块中已经从组块中间的载波选择信道矩阵的两个最强右奇异向量以跨越子空间S_k。对比图2，以较高的努力确定子空间和使得有关其的获知在发送机可获得为代价能够更加接近地近似完美SESAM曲线。

当使用如SESAM的算法在它们在具有被减小维数的子空间中被执行时实施例提供显著减小计算复杂度的优点。由于不使用MIMO无线电信道的所有子信道或维数引起的性能损失非常地低并且所以是可接受的。而且，实施例提供减小当仅仅涉及子空间时，需要从例如FDD系统中的发送机被反馈回的信道状态信息数量的优点。

取决于本发明方法的一定实现要求，本发明方法能够以硬件或软件实现。所述实现能够使用与可编程计算机系统互操作的数字存储介质，特别是具有在其上存储的电子可读控制信号的盘、DVD或CD执行，以便执行本发明的方法。通常，本发明所以是具有被存储在机器可读载体上的程序代码的计算机程序产品，当计算机程序产品在计算机上运行时程序代码可操作用于执行本发明方法。换言之，所以本发明的方法是当计算机程序在计算机上运行时具有执行本发明方法其中至少之一的程序代码的计算机程序。

Claims (27)

1.一种子信道分配设备(100)，用于将多输入多输出MIMO无线电信道的子信道分配给多个用户，该MIMO无线电信道具有第一数量的子信道，子信道具有传输容量，该子信道分配设备(100)包括：

子空间确定器(110)，用于确定MIMO无线电信道的子空间，该子空间具有第二数量的子信道，第二数量小于第一数量，并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量；和

子信道分配器(120)，响应于子空间确定器(110)，用于根据分配度量从所述子空间的第二数量的子信道中分配子信道给用户。

2.根据权利要求1所述的子信道分配设备(100)，其中子空间确定器(110)被适配用于根据从用户接收的信息来确定子空间。

3.根据权利要求1所述的子信道分配设备(100)，其中子空间确定器(110)被适配用于根据来自用户或被包括在子信道分配设备(100)中的信道估计器的信道估计信息来确定子空间。

4.根据权利要求1所述的子信道分配设备(100)，其中子空间确定器(110)被适配用于使用有关被减小MIMO信道矩阵与MIMO无线电信道的信道矩阵关联的信息，利用投影矩阵将所述被减小MIMO信道矩阵映射到MIMO无线电信道的子空间，所述被减小MIMO信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩。

5.根据权利要求4所述的子信道分配设备(100)，其中所述投影矩阵基于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的特征向量，所述特征向量对应于高于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的最低特征值的特征值，其中子信道的传输容量对应于能够从相应特征值推导的平均传输容量。

6.根据权利要求4所述的子信道分配设备(100)，其中所述投影矩阵基于所关联的MIMO无线电信道的信道矩阵的奇异向量，所述奇异向量对应于高于所关联的MIMO无线电信道的信道矩阵的最低奇异值的奇异值，其中子信道的传输容量能够从相应奇异值推导。

7.根据权利要求1所述的子信道分配设备(100)，其中子信道分配器(120)被适配用于利用确定MIMO无线电信道的子空间的第二数量的子信道的相应的右奇异向量，确定子空间矩阵的奇异值作为分配度量，以及用于给用户分配对应于比多个用户的子空间矩阵的最低奇异值高的奇异值的子信道。

8.根据权利要求7所述的子信道分配设备(100)，其中子信道分配器(120)被适配用于根据被减小MIMO信道矩阵的特征值分解与MIMO无线电信道的信道矩阵和投影矩阵关联，确定子空间的奇异值，所述被减小MIMO信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩。

9.根据权利要求8所述的子信道分配设备(100)，其中所述被减小MIMO信道矩阵的秩基于MIMO无线电信道的子空间中的第二数量的子信道。

10.根据权利要求1所述的子信道分配设备(100)，其中子信道分配器(120)被适配用于根据基于SVD、SESAM、BD或OFDMA的分配算法，基于MIMO无线电信道的子空间，给多个用户分配多个子信道。

11.根据权利要求10所述的子信道分配设备(100)，其中子信道分配器(120)被适配用于根据具有基于分配子信道的数量的秩的被减小迭代MIMO信道矩阵来确定SESAM算法的迭代子空间，其中分配子信道的数量小于或等于子信道的第二数量。

12.一种收发机设备，其包括根据权利要求1所述的子信道分配设备(100)。

13.根据权利要求12所述的收发机设备，其被适配用于在FDD或TDD通信系统中进行通信。

14.根据权利要求12所述的收发机设备，其被适配用于在OFDM或CDM系统中进行通信。

15.一种用于将MIMO无线电信道的子信道分配给多个用户的方法，该MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量，该方法包括以下步骤：

确定MIMO无线电信道的子空间，该子空间具有第二数量的子信道，第二数量小于第一数量，并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量；和

响应于确定所述子空间，根据分配度量从所述子空间的第二数量的子信道中分配子信道给用户。

16.一种计算机程序，具有程序代码，用于当该程序代码在计算机上运行时执行根据权利要求15所述的方法。

17.一种用于在MIMO无线电信道中通信的收发机设备(150)，该MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量，该收发机设备(150)包括：

用于根据发送机提供的导频符号估计MIMO无线电信道的信道估计器(160)；

用于根据所估计的MIMO无线电信道确定第一数量的子信道的信道鉴定器(170)；

用于确定MIMO无线电信道的子空间的子空间确定器(180)，该子空间具有第二数量的子信道，第二数量小于第一数量，并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量；和

用于发送有关所述子空间的信息的反馈发送机(190)。

18.根据权利要求17所述的收发机设备(150)，其中子空间确定器(180)被适配用于确定有关被减小MIMO信道矩阵与MIMO无线电信道的信道矩阵以及投影矩阵关联的信息，以将所述被减小MIMO信道矩阵映射到MIMO无线电信道的子空间，该被减小MIMO无线电信道矩阵比所关联的MIMO无线电信道的信道矩阵具有较低的秩。

19.根据权利要求18所述的收发机设备(150)，其中所述投影矩阵基于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的特征向量，所述特征向量对应于高于所关联的MIMO无线电信道的信道矩阵的协方差矩阵的最低特征值的特征值，其中子信道的传输容量对应于能够从相应特征值推导的平均传输容量。

20.根据权利要求18所述的收发机设备(150)，其中所述投影矩阵基于所关联的MIMO无线电信道的信道矩阵的奇异向量，所述奇异向量对应于高于所关联的MIMO无线电信道的信道矩阵的最低奇异值的奇异值，其中子信道的传输容量能够从相应奇异值推导。

21.根据权利要求18所述的收发机设备(150)，其中所述被减小MIMO信道矩阵的秩基于MIMO无线电信道的子空间的第二数量的子信道。

22.根据权利要求21所述的收发机设备(150)，其中所述第二数量是预先定义的值。

23.根据权利要求18所述的收发机设备(150)，其中反馈发送机(190)被适配用于发送所述被减小MIMO信道矩阵的系数作为有关子空间的信息。

24.根据权利要求17所述的收发机设备(150)，其进一步被适配用于在FDD或TDD通信系统中进行通信。

25.根据权利要求17所述的收发机设备(150)，其进一步被适配用于在OFDM或CDM系统中进行通信。

26.一种在MIMO无线电信道中通信的方法，该MIMO无线电信道具有第一数量的子信道，每个子信道具有传输容量，该方法包括以下步骤：

根据发送机提供的导频符号估计MIMO无线电信道；

根据所估计的MIMO无线电信道确定第一数量的子信道；

确定MIMO无线电信道的子空间，该子空间具有第二数量的子信道，第二数量小于第一数量，并且第二数量的子信道中的每个子信道比第一数量的子信道中具有最低传输容量的子信道具有较高的传输容量；和

发送有关所述子空间的信息。

27.一种计算机程序，具有程序代码，用于当该计算机程序在计算机上运行时执行根据权利要求26所述的方法。

Images