CN101346902A - 用于在移动无线系统中选择最佳数量的用户的方法 - Google Patents

Abstract

本发明包括用于选择最佳数量的用户的具有较低复杂性的方法，用于在基站处具有多个天线并在接收器处具有一个或多个天线以及将空分多址(SDMA)与时域或频域中的多址结合起来的无线信息传输系统中进行传输。具有较小空间相关性的信道的用户被选择用于在相同时隙或频隙中操作，以增加SDMA传输方法的吞吐量，其中考虑组大小和平均传输功率之间的关系。本发明与不具有任何干扰(迫零)的SDMA方法和与具有剩余干扰的方法共同工作。这是基于借助正交投影矩阵的新的ZF原理的解释，其允许基于传输方法的使用以更小的计算复杂性估计信道质量。借助树形搜索算法对可能的用户组合进行有效的排序。该方法利用完美的信道知识或可选的平均信道统计量。可以考虑到用户的服务要求的质量以及公平性标准。

Description

用于在移动无线系统中选择最佳数量的用户的方法

技术领域

1.本发明的目的

本发明涉及在一个基站处具有多个天线和在多个接收器处具有一个或多个天线的无线通信传输系统(多输入、多输出系统-MIMO)。多个天线的使用使用户信号在传输或接收过程中在基站上进行空间区分成为可能。多个用户可以通过空分多址(SDMA)被同时服务，这明显增加了系统吞吐量。同时，根据需要(空间多路复用-SMux)，可通过多个天线为用户提供不止一个数据流。为此，数据流可以例如沿传输信道的最强的传播方向被传输，所谓的空间模式，使得它们可以在接收方处被区分。导致不同的数学SDMA传输算法的不同边界条件是可想象的。例如，一个边界条件可以是，发送到各个用户的数据流不应彼此干扰。本发明的目的是在选择被同时服务的用户的所有SDMA传输算法中出现的问题，其中，本发明被限制为所谓的矢量调制方法类的SDMA算法。本发明包括用于选择没有空间相关性的最佳用户数目的复杂性大大降低的方法，以及能够使计算机执行根据本发明的方法的计算机程序，并且还有用于实施该方法所需的技术系统。

2.应用领域

考虑其中可结合SDMA、但不必与时分多址(TDMA)和频分多址(FDMA)以及SMux相结合的系统的基站。基站处有限数目的天线限制了同时服务的用户的最大数量并且需要扩展SDMA传输算法，通过该算法用户可被有效地分成组。这是由以下事实引起的：通过组合的信道矩阵的秩来限制空间上可被同时有效服务的最大数量的用户。在每个时隙或频隙中，用户的不同子集然后可以通过SDMA被同时服务。

每个SDMA传输过程需要用于选择可以通过SDMA被同时服务的用户的适当子集的适当机制，因此要使用空分多址的每个传输站必须配备有技术装置以实现适当的选择过程。

发射器处的所谓矢量调制方法以SDMA传输方法开始，该方法假定并利用某一形式的传输信道的知识。将被传输的数据码元与矢量值波束形式加权相乘，如在第6部分中解释的那样，这可以通过考虑不同的边界条件来计算并对天线的发射特性具有影响。

3.本发明的任务

在选择将通过SDMA同时服务的用户时，得到以简化版本呈现的下述基本问题，其解决方案是本发明的任务：

·必须避免对在空间中具有非常强的相关性的传输信道的参与者进行分组，因为通过SDMA传输方法，空间中的用户的可区别性将被阻碍并且数据吞吐量将严重破坏。这是由以下事实引起的：由于无效的波束形成加权，并且在将被发送给不同用户的数据流之间发生的干扰增加，在使用SDMA传输方法之后，有效传输信道的质量将被严重损害。

·必须通过该方法来优化组的大小，因为这改变了可用传输功率的可能划分并因此严重影响了数据吞吐量。

·用户的划分应该同时考虑两个其它因素，即时间和频率，并应该按照需要允许考虑用户的公平性和服务质量要求。

·在使用SDMA传输方法之后用于预先计算预期的信道质量的成本必须被降低或在组的选择期间避免，因为结果取决于用户组合，并且计算复杂性将因此在具有几百个用户的现实系统中难以处理。

·待测试的分组的选择应该被有效地降低而不会从一开始就排除可能非常有希望的组合。

·在降低复杂性时，应该利用的事实是，系统中的状态仅逐渐改变，使得不需要每次都做出独立决策。

4.现有技术及其缺点

在SISO系统(单输入、单输出，即，在发射器和接收器处仅有一个天线)的情况下，存在一个有关的问题，然而，它不能被充分地解决。已经被意识到的是，通过在每次传输期间选择具有最好信道的用户，并且通过适当分割传输资源，系统的总吞吐量可以增加(DE 10021862)并且例如通过最大化速率的目标来选择用户。作为一种可选方式，可以通过有限延迟或高服务质量的目标来选择用户。

根据这种现有技术，在先描述的MIMO传输系统的类型代表用于未来无线通信系统的非常有希望的解决方案。然而，用户选择的问题并不能通过多种方法或只能通过非常高的计算复杂性来完全解决。例如，(US 2005/147032)描述了这种系统中的类似问题，但没有给出使用户分组相同的方法，在该文献中用户分组被称为“正交组”，而不管其最佳值大小。

对解决方案的两种基本类型的方法可以被区分：一种方法是将系统吞吐量的优化作为数学问题来表述并找到最接近最佳值的解决方案，例如，[1]。最后，通过选择方法寻找满足该最佳值的用户小组。然而，为此，必须在采用SDMA方法之后预先计算信道质量，参考对传输信道的了解，并且特别地用于对搜索最佳值感兴趣的所有可能的用户组合-其中，这种方法因此并不能满足前述第四项要求。在搜索最佳用户组合时，在大多数情况下，对贯穿所有可能组合的详细搜索进行回溯。然而，这导致不可能实施的高计算代价，特别是如果量(如信道容量)被用作选择特性，其是基于使用波束形成之后的信道质量，并且如果这明确地针对每种可能组合中的每个用户而计算。所有这些在[WO 2005/053186][WO 2002/033848][EP 1 542 419](其中[WO 2005/053186]被指定用在上行链路中)都是适用的。例如，尽管[EP 1 542 419]在计算速率之后将优化组的大小，但总是采用恒定数目的用户。

还广泛使用了迭代选择方法，该方法并不直接基于系统吞吐量，而是基于用户信道之间的不同量度或相关性或者在波束形成之后对信道质量的不同定义的指示。例如，用户信号的入射角的入射方向(到达方向)然后被利用[2][3][EP 0 926 912][US 6,895,258][US2004/087343]，或者两个信道量度的子空间之间的相关性被定义[4][5][WO 98/30047][EP 1 434 452]。([US 2004/087343]并非通过不同的频率或时间而分开，而是通过将正交代码分配给强烈干扰的用户而将用户分开。)然而，这些量度与系统吞吐量之间没有直接关联，因此其中不允许最佳SDMA组大小的形式优化(同样见第二项要求)。相反，根据经验建立组大小，其在形式上并不与需要实现的系统吞吐量(例如，最大可能的用户数)直接相关。例如，在[EP 1 505 741]中，使用规定的组大小，而没有说明这是如何确定的。或者经验地确定两个用户的允许空间相关性的阈值，并且从这里推断可能的组大小。[EP 1 434 452]另外以用户所需的数据速率采取从接收到的信号中所确定的关联措施，并且在开始时以低数据速率选择用户，因为这样产生了较少的干扰，并且特别是直到用户的数量超过一个也没有进一步确定的预定阈值为止。

该发明[WO 2005/05507]可以被认为是与本发明相关。其也不是直接借助系统吞吐量进行工作，而是借助基于在使用SDMA传输方法之后的信道矩阵的相关矩阵的任意排序大小进行工作。然而，其允许像本发明那样形成[WO 2005/055507]的排序大小，以优化同时有效的连接数。与本发明的区别在于，[WO 2005/055507]的所有方法通过所谓的矩阵调制被限于SDMA传输方法，并且对于矢量调制方法的这里考虑的类别没有加以论述。在笫6部分中专门讨论矩阵和矢量调制之间的区别。

存在作为第二小组的解决方案，其中用户本身将为其信道质量测得的或计算的代码传送回基站[6][EP 1 505 741]，基站借助于所述代码选择用户。然而，这些仅适用于SDMA方法，其没有利用发射器处的信道知识并且例如随机地选择其波束形成矢量[7]。如果发射器处的信道知识存在并且SDMA方法要利用该知识进行操作，则通过返回分组的信息应该免除附加数据负载，并且相反在波束形成之后预先有效地估计信道质量，如在本发明中那样。例如，设想用于上行传输的发明[WO 98/30047]也不使用预测形式，但可测得的信道系数被预测而无需使用波束形成。由于这个原因，可以仅选择具有较强信道的用户。为了考虑具有空间上相关信道的用户的较差可分离性的问题，[WO 98/30047]也采取一种相关措施，其带来了未定义的组大小的已经提及的问题(见上文)。

5.解决方案

本发明在波束之后使用期望的用户速率的低成本的估计作为排序度量，以及使用树形排序算法来测试用户组合。由于这个原因，不必从一开始就排除用户组合。避免了用于要测试的所有组合的波束形成矢量的预先计算成本，但没有忽略对同一组中用户彼此的影响。这可以利用正交投影矩阵通过迫零边界条件(在发送到不同用户的数据之间允许无干扰)的新颖的解释来实现。迫零可以被视为限制所有其它SDMA方法的极限情况，其用于寻找高信噪性能比例。因此其已经适用于对代码中相关性的影响进行总计，而不必计算干扰。

在搜索最佳用户组合期间，在本发明中提出的速率估计的使用同时允许确定最佳组大小的估计，而没有对精确速率的预先计算的复杂性。

在基本版本中，目的是最大化系统的总速率。作为扩展，已经从用于考虑服务质量要求和公平性的文献中已知的这些方法可以与速率估计相组合，这一点将在下面详细说明。

6.实施例

在以下文本中用斜体字印刷公式符号和数字。用于向量和矩阵的符号也是粗体。

图1到图4也是用于说明的目的。在每种形式的算法中，基于移动无线信道的环境，将找到来自一组K个移动用户的最佳小组，该信道然后可由SDMA同时服务。从SDMA与TDMA和FDMA结合使用的系统出发。时间方向的资源要素也彼此正交，并通常也可以设想FDMA系统的载波也可视为正交的。沿频率方向的资源要素可以由多个载波组成。如果载波信道是强烈相干的并且可以对其使用相同用户分组而没有明显损失，则这是有效的。由于这个原因产生了如图1中示意性示出的栅格。对于沿时间(n)和频率(f)方向的每个坐标对，寻找大小为G(n，f)的SDMA组。为了简化，时间和频率下标通常在下面被省略。在最一般的情况下，对每个频率坐标做出新的判决，因此对所执行的方法实例做出新的判决。如果设想新的信道知识对于TDMA帧中的SDMA方法只能利用一次，由此得出的是，分组可以在时间方向上保持不变，如果它们仅取决于信道知识而不是取决于用户需求的话，如本发明的基本版本中设想的那样。

在每种资源要素中，信道被视为非频率选择性的。将要发送给用户的通常为复数形式的数据码元

1≤g≤G被概括成列向量d_g。码元的数目不能大于信道矩阵H_g的秩，其包含用户g的M_R，g接收天线和M_T发送天线之间的复传输系数。每个传输码元均乘以一个通常为复数值的权向量。因此，指定向量调制。权向量可以被采集，作为矩阵M_g中的列。另一种类型的调制是矩阵调制，其中码元被排列在矩阵中，其一维对应于空间，另一维对应于另一正交资源，如时间。接收器g处的码元可以被采集在向量

中，并通常被表示为：

$Y_g=H_g{M}_g{d}_g+\underset{j=1,j\≠g}{\overset{G}{\mathrm{\Σ}}}{H}_g{M}_j{d}_j+n_g.$

在图2中示意性描述了该系统模型。根据该模型的列向量n_g包含用于每个接收天线的独立的高斯分布白噪声过程的扫描值，其中每个要素被假定为具有总功率σ² _n，参考总频带。

大多数矢量调制方法努力用于具有低噪声的情形，以便在发送给各个用户的数据之间不产生干扰(迫零法)。在本发明中，在设想寻找该边界条件的情况下进行用户选择。由于这个原因，该方法可以处理用户选择而无需将其适用于相应的传输方法。

为了满足ZF边界条件，用户的调制矩阵M_g必须位于所有其他用户的信道矩阵的零空间的区域内。则接收矢量中的和项将等于零。作为在设置用户g的调制矩阵的过程中的第一步，这可通过将信道H_g的正交投影引导到矩阵 ${\tilde{H}}_g={[H_1^T...H_{g-1}^T{H}_{g+1}^T...H_G^T]}^T$ 的零空间内而实现，其包含在同一组中所有其他用户的所有信道矩阵。可以基于新的信道

而不是测得的信道H_g计算在产生调制矩阵时的后续步骤。

是投影到矩阵

的零空间中的正交投影矩阵。本发明以被投影的信道

的质量进行工作。这反映了由用户g和同一组中的所有其他用户之间的强烈空间相关性所产生的质量损失。直观地来说，用户g的信道与所有其他用户的信号的相关性越强，其信号空间和所有其他用户的零空间的区域之间的角度就越大，见图3。在这种情况下，正交投影通过非常小的范数产生一新的信道，这必须避免。所述的情况对应于具有3×3信道矩阵的系统和每个均带有一个天线的接收器以及实数值的信道矩阵，因为否则的话这种图形表示将是不可能的。还示出了具有较小空间相关性的相反情况。

在调制矩阵的计算中的所有其它步骤在空间相关性的问题方面扮演次要角色，为此，在本发明中将其忽略。因此放弃在用户选择期间对调制矩阵的计算。

对该方法的要求表述为，需要降低选择最佳数量的用户的计算复杂性。当

的质量用作质量标准时，出现的问题是，在测试不同的组的组成期间，必须完全再次计算每个可能组合中的用于每个用户的投影。为了解决这个问题，使用已知相关的下述去耦近似：

用户g到所有其他用户的公共子空间中的投影矩阵可以通过到所有其他用户的各个零空间中的投影矩阵P_g ⁽⁰⁾的积来近似。p是投影阶数，对于该投影阶数，在实际条件下，p＝1已经足够精确了。相乘的顺序是不相关的，只要相同的P_g ⁽⁰⁾不被重复相乘即可。

该近似具有的优点是，K个投影矩阵在用户选择开始时仅需在系统中被计算成所有K个用户的零空间，并且可被存储。然后可以通过乘法产生选择期间所有所需的组合。

可以通过奇异值分解(SVD) $H_g=U_g{\mathrm{\Σ}}_g{V}_g^H$ 进行P_g ⁽⁰⁾的计算。如果V_g的第一列r_g＝ran{H_g}用V⁽¹⁾ _g表示，则 $P_g^{\left(0\right)}=I-V_g^{\left(1\right)}{V}_g^{{\left(1\right)}^H}.$ 为了进一步降低复杂性，V⁽¹⁾ _g的秩1近似可用于计算P⁽⁰⁾ _g。

现在为了允许优化组的大小，在总是使用上述投影近似法的情况下，用范数平方进行工作并将其与发射器功率和噪声功率链接起来。由于将省去调制矩阵的计算，所以在用户选择期间的本发明的基本版本中，总传输功率P_T与频率方向上的所有N个资源要素的统一划分被用作出发点，并被用于所有分配的用户的所有模式。

一种可能的排序矩阵η_g(用于资源要素)可被定义为大小为G的用户组中编号为g的用户的所期望的数据速率G_ZF，g的较低估计，在前述设想的条件下给定的ZF边界条件如下所述：

${\mathrm{\η}}_g={\log }_2(1+\frac{P_T}{G{r}_g{\mathrm{\σ}}_n^2}{\left|\right|H_g{P}_g^{\left(0\right)}\left|\right|}_F^2).$

σ² _n是总频带中的噪声功率，因此σ² _n/N是实际资源要素中的噪声功率。通过设想发射器功率的统一分配来降低频率方向上资源要素的数量N。

通过在时间和频率方向上平均的信道统计量计算排序度量

如果信道变化太快并且测量值对于SDMA方法来说变得不精确，则在时间方向上的平均(形成期望值)通常通过在发射器一侧形成空间相关矩阵的估计 $R_{T,g}=E\left\{H_g^H{H}_g\right\}$ 而被排序。通过根据[8]的方法，可以使用本发明。投影的信道

然后通过重建的信道矩阵

而不是H_g被计算。这可以通过如下奇异值分解来获得：

$R_{T,g}=U_g{\mathrm{\Σ}}_g{U}_g^H=U_g{\mathrm{\Σ}}_g\left[U_g^{\left(1\right)}{U}_g^{\left(0\right)}\right]$ 并且因此

${\hat{H}}_g={\mathrm{\Σ}}_g^{1/8}{U}_g^{{\left(1\right)}^H}$

其中，U⁽¹⁾ _g包括U_g的第一列r_g。

在资源要素由频率方向上的多个相干载波组成时，也可以使用样的方法。用于资源要素的排序度量然后可通过在频率方向上平均的资源要素中的载波的信道知识被计算。

通过速率条件扩展公平的排序度量

由于排序度量η_g是对数据速率的估计，原则上，每种基于速率的方法均可以被组合，以通过本发明结合用户需求和公平性。作为实现成比例的公平性的本领域技术人员已知的方法被认为是特别相关的。为此，用于每个用户的速率(在这种情况下，排序方法)被归一化为其过去速率的长期平均。在长期实现了系统中所有用户的速率积的增加。例如，可以在[9]中找到关于该主题的不同参考。由于成比例的度量随每种资源分配而变化，如果可能的话，用户选择应该发生在每个TDMA帧的开始时的每个时隙中。

成比例的公平性是特别相关的，因为可以通过将度量归一化为其平均值来补偿在用户的路径衰减中的可能较强的差异，并且因此可以甚至使远离基站的用户获得高度量。例如，如果排序度量表示速率估计，则可以通过将排序度量归一化为对象要求而结合速率要求。加法或乘法的成本因数也可以被引入到用于用户的单独要求的服务并链接到排序度量，这通过[10]中的数据速率来完成。

树形排序算法的描述

在这一部分中描述的算法用于降低待测试的用户组合的数量。通过排序度量进行操作，如在前面部分中所述的那样，其包括空间组分的影响，但并不限于此。

该算法最初在每个时隙t和子载波f中独立地操作并在系统中搜索K个用户的最佳子集。在下面进行进一步说明，其可以与所有子载波一起处理。如上所述，如果仅是基于信道知识而不是基于成比例的公平性，则用户选择可以在TDMA帧中保持不变。在这种情况下，该算法仅需要在帧开始时被导入，并且t可被视为帧的序号。

算法以两个阶段进行操作：

在第一阶段中，在G＝1和SDMA方法所支持的最大组大小之间所有可能的组大小G中确定有利的用户子集。这样，对于子集的选择标准可以是子集的度量和的最大值。其最大值通常通过小组的组合的信道矩阵 $H=[H_1^T...H_G^T]$ 的最大可能的秩而被确定。

可以通过搜索树进行选择，如对于K＝5的实例的图4所示。如果其在树中继续前进，则具有最佳度量的用户最初被找到并被分配为数字1。在下一步骤中，从具有用户1和其他用户之一的组中测试所有组合。例如，具有最大和度量的组合被保留并出现在左边。这继续进行，直至到达最大允许的组大小，并由于这个原因在树的左边上获得所述有利的参与子集。

在第二阶段中，该算法从树的左侧的有利子集中选择可用子集并因此确立精确的组大小。该选择可以通过上述排序度量而再次进行。为了达到较高精度，或如果所选择的度量未于该速率相连，则用户的精确计算的速率可以用在该阶段中。

完成搜索算法和新用户的整合

在实际系统中，例如，通过用户的移动和环境变化连续改变该速率。这可以被利用，以便通过基于在先的判决作出新的判决来降低用户选择成本。为此，例如，在上述算法中，整个排序过程不需每次重复。相反，仅考虑一些可能的组合，从前面的最佳解决方案开始，然后在组大小方面的改变仅被限制为较小数字，例如，限制为一个树的层。例如，其可以进行一个较高的层然后进行两个较低层，以便更新前一方案。为了进行一个树的较低层，程序与上述类似，其中，在仅去除一个用户时测试形成的所有组。通过该过程复杂性大大降低。

新用户可以被简单地引入到树的一层中作为候选。在被更新前，已经离开系统的用户从前一解决方案中被去除。

所有频率资源的同时处理

在OFDM作为传输技术的情况下，载波彼此正交。由于这个原因，分组判决开始被彼此独立地观察。然而，如果最后的选择不是通过排序度量从找到的有利组中进行，而是基于在波束形成之后计算出的SDMA速率，则出现三维问题：特定的波束形成方法仅通过一般的空间-频率功率负载(例如，通过灌水解决方案)实现最大速率。在具有N个子载波的多载波系统(或者由多个载波组成的N个资源要素)中，其中载波可被视为正交的，分组问题可被降低为仅具有一个载波的虚拟系统。为此，从所有载波的所有K个用户信道中通过KN个虚拟用户形成新的系统。搜索算法可被应用于f＝1的该虚拟系统。然而，如果用户在同一组，则源自不同子载波的用户必须被视为在用户度量的计算过程中不存在。如果同时使用该方案的时间过程，则该过程明显降低了待测试的分组数。

7.根据本发明方法的优点

关于分组方法，本发明的解决方案的类型满足了第3部分中表述的所有要求，并且论述的具体实施例也具有以下优点(见用于详细说明的笫6部分中的实施例)：

·它可应用于MIMO和MISO(单输出)系统和在不同接收器上具有不同数量天线的系统。

·本发明最初被开发用于SDMA方法，该方法允许在用户数据之间无干扰-所谓的迫零(ZF)方法。然而，也可以无需改变地用在允许残留干扰的方法中，因为ZF情况被包含作为彼此方法中的最佳极限情况，其以高信噪功率比被查找。

·对具体类型的接收器算法没有限制。

·多个用户可以在操作期间任意改变。通过搜索树的下一次执行考虑新用户。也可以从搜索树中任意地除去用户。

·不需要从用户到基站的其他特征的反馈，以便能够进行空间分组。相反，在发射器端利用已经可用的信道知识。

·如果信道偏离太多或不能进行完全测量，则该方法也可以使用长期平均的信道统计数据的知识，而不是MIMO信道的完全知识。

·由于通过估计的速率选择用户，所以可以将用于处理公平性的基于速率的方法和在文献中已经可用的服务质量要求与该方法相结合(见上文)。

参考文献：

[1]P.W.C.Chan and R.S.K.Cheng，″Optimal powerallocation in zero-forcing MIMO-OFDM downlink withmultiuser diversity，″in Proc.14th IST Mobile &Wireless Communications Summit，Dresden，Germany，June2005.

[2]Y.zhang and K.Letaief，″An efficient resource-allocation scheme for spatial multiuser access inMIMO/OFDM systems，″IEEE Trans.on Communications，vol.53，pp.107-116，January 2005.

[3]F.M.Wilson and A.W.Jeffries，″Adaptive SDMA downlinkbeamforming for broadband wireless networks，″in proc.Wireless World Research Forum Meeting 14，San Diego，CA，July 2005.

[4]G.Del Galdo and M.Haardt，″Comparison of zero-forcingmethods for downlink spatial multiplexing in realisticmulti-user MIMO channels，″in Proc.IEEE VehicularTechnology Conference 2004-Spring，Milan，Italy，May2004.

[5]D.Bartolome，A.Pascual-Iserte，and A.I.Perez-Neira，″Spatial scheduling algorithms for wireless systems，″inProc.IEEE International Conference on Acoustics，Speech，and Signal Processing(ICASSP)，Hong Kong，China，May 2003.

[6]P.Svedman，S.Wilson，J.L.J.Cimini，and B.Ottersten，″A simplified opportunistic feedback and schedulingscheme for OFDM，″in Proc.IEEE 59th VehicularTechnology Conference，VTC 2004-Spring，vol.4，Duisburg，Germany，May 2004，pp.1878-1882.

[7]P.Viswanath，D.N.C.Tse，and R.Laroia，″Opportunistic beamforming using dumb antennas，″IEEETrans.Information Theory，vol.48，pp.1277-1294，June2002.

[8]V.Stankovic and M.Haardt，″Multi-user MIMO downlinkbeamforming over correlated MIMO channels，″in Proc.International ITG/IEEE workshop on Smart Antennas(WSAOS)，Duisburg，Germany，April 2005.

[9]T.Bonald，″A score-based opportunistic scheduler forfading radio channels，″in Proc.of The Fifth EuropeanWireless Conference EW，Barcelona，Spain，February 2004.

[10]P.Svedman，S.Wilson，and B.Ottersten，″A QoS-awareproportional fair scheduler for opportunistic OFDM，″inProc.IEEE 60th Vehicular Technology Conference，2004.VTC2004-Fall，vol.1，2004，pp.558-562.

Claims (19)

1.用于在无线通信传输系统中传输期间选择最佳数量的用户的方法，所述无线通信传输系统在基站处具有多个天线，并将空分多址(SDMA)和至少一种附加的正交多址方法结合起来，其特征在于，在另一多址方法类型的同一资源要素中避免向用户提供在空间中具有强烈相关性的传输信道的服务。

2.根据权利要求1所述的方法，其特征在于，可以通过MIMO系统和通过MISO系统以及在不同用户的接收器处的不同数量的天线来实现。

3.根据权利要求1或2所述的方法，其特征在于，为了对用户进行排序，使用能够表示对以所期望的每个单独传输质量被同时服务的所有用户的交替影响的排序大小。

4.根据权利要求1到3之一所述的方法，其特征在于，对最大可能的用户数据速率的估计或在使用波束形成之后所期望的用户数据速率被用作用户选择的特征。

5.根据权利要求1到4之一所述的方法，其特征在于，可以根据成比例公平性原理通过将用户的各个速率估计除以长期平均值来进行用户选择。

6.根据权利要求1到5之一所述的方法，其特征在于，用户数据率的估计用作用于考虑服务质量要求的其他基于速率的方法的接口。

7.根据权利要求1到6之一所述的方法，其特征在于，可以仅通过SDMA方法所需的信道知识或者信道统计量的知识进行操作，并且用户不需要把附加的信息返回给基站，而是可以按照要求考虑各个用户的服务质量要求。

8.根据权利要求1到7之一所述的方法，其特征在于，信道统计量以相关矩阵 $R_{T,g}=E\left\{H_g^H{H}_g\right\}$ 的形式被使用，并且该方法以重建的信道矩阵

而不是H_g进行操作，该重建的信道矩阵以R_T，g的信号空间为基础而形成(例如，通过奇异值分解)。

9.根据权利要求1到8之一所述的方法，其特征在于，排序大小被用于用户选择，其是积

的函数，其中：

H_g是具有在大小为G的组中的用户号为g的M_R，g个接收天线和发射器的M_T个发射天线之间的信道系数的矩阵，

以及

是该组中投影到所有其他用户的信道矩阵的零空间部分中的正交投影矩阵，其可以从联合矩阵 ${\tilde{H}}_g={[H_1^T\·\·\·H_{g-1}^T{H}_{g+1}^T\·\·\·H_G^T]}^T$ 的零空间中表示。

10.根据权利要求1到9之一所述的方法，其特征在于，属于用户g的正交投影矩阵

通过到各个用户的各个零空间内的投影矩阵P⁽⁰⁾的积而在相同组中的所有其他用户的零空间的部分中被近似，即 ${\stackrel{\‾}{P}}_g^{\left(0\right)}={(P_1^{\left(0\right)}\·...\·P_{g-1}^{\left(0\right)}\·P_{g+1}^{\left(0\right)}\·...\·P_G^{\left(0\right)})}^p,$

P→∞，其中，p越大则近似的精度越高。

11.根据权利要求1到10之一所述的方法，其特征在于，为了排除用户组合，使用必须检查与遍历所有用户组合的广泛搜索相比较少组合的优化排序方法。

12.根据权利要求1到11之一所述的方法，其特征在于，为了降低计算代价，在连续改变的情况下，在选择用户时考虑在先的解决方案。

13.根据权利要求1到12之一所述的方法，其特征在于，根据需要可从系统中去除用户并可将用户添加到系统中。

14.根据权利要求1到13所述的方法，其特征在于，可以通过形成由KN个虚拟用户组成的虚拟的频率非选择性系统，在相同排序算法中，在频率方向上同时处理所有N个资源要素的K个用户的所有表示，其中源自不同载波的虚拟用户在计算排序度量期间相互没有影响。

15.根据权利要求1到14之一所述的方法，其特征在于，其使用树形排序算法来选择用户分组。

16.根据权利要求15所述的方法，其特征在于，搜索树在时间上跟在连续改变的情况之后，其中是从在先解决方案开始，在其之上和在其之下的一些层被计算，而不计算整个树。

17.根据权利要求15所述的方法，其特征在于，执行用于集成新用户和去除用户的方法。

18.能够使计算机器执行根据前述权利要求中任一项的方法的计算机程序。

19.技术装置或对所需现有技术装置的扩展，使得根据前述权利要求中任一项的方法的实现成为可能。

Images