CN101350777A - 无线通信中的中继 - Google Patents

Abstract

本发明名称为无线通信中的中继。在包括源节点、目标节点和至少一个中继节点的无线通信网络中提供了一种选择空间子信道以供使用的方法。方法包括以下步骤：在空间上将信道分解成空间子信道；以及选择至少将预测吞吐率近似最大化的子信道子集以供使用。

Description

无线通信中的中继

技术领域

本发明涉及远程通讯，尤其是涉及无线远程通讯。

背景技术

无线中继网络近来吸引了越来越多的注意，这是因为中继的使用可提供更佳的覆盖和/或更高的网络吞吐量，且因此能够提高整体系统性能，例如，参见A.Nosratinia，T.E.Hunter和A.Hedayat所著“无线网络中的协作通信”(“Cooperative communication in wirelessnetworks”，IEEE Communications Magazine，pp.74-80，October 2004)。中继(relays)是指除充当源节点和目标节点外的网络节点。

中继在空间分集和空间复用方面提供了改进。空间分集是收集包含相同已发射数据的已独立接收的样本的能力。通过组合不同的已独立接收样本，可降低信道衰落效应。

在空间复用中，独立的数据在多个空间信道的每个信道上发射。如果中继如同是虚拟天线一样使用，这些空间信道可指引向单个用户以增大用户的峰值速率，或者每个信道可指引到多个用户。

各种类型的中继已被考虑以便提高谱效率和系统性能，如放大转发(AF)和解码转发(DF)中继系统。由于全双工中继难以实现且成本高，因此，中继经常假设为半双工，例如参见R.U.Nabar、H.Bolcskei和F.W.Kneubuhler所著“衰落中继信道：性能限制和空-时信号设计”(“Fading relay channels：performance limits and space-time signaldesign”，IEEE Journal on Selected Areas in Communications，vol 22，no.6，pp.1099-1109，August，2004)。半双工中继无法同时接收和发射，因此，半双工中继提供从来源到目的地的双阶段传输，即，来源到中继，然后中继到目的地。这样的效率不是很高。

天线阵列可在中继中使用。此外，如在J.N.Laneman和G.W.Wornell所著“在无线网络中利用协作分集的分布式空-时编码协议”(“Distributed space-time-coded protocols for exploiting cooperativediversity in wireless networks”，IEEE Transactions on InformationTheory，vol.49，no.10，pp.2415-2425，October 2003)中所述，空时划分(space-time division)类型的传输方案已在涉及中继的无线网络中应用。

多输入多输出(MIMO)链路指在发射器和接收器有多根天线的通信系统。MIMO链路是为给定带宽和功率预算增大无线链路的链路容量的已知有效方式。容量增益从形成共享共用无线频率资源的多个空间子信道(有时称为本征模式(eigenmode))产生。

利用中继提高数据吞吐量的方案已为人所熟知，例如参见H.Bvlcskei、R.U.Nabar、V.Oyman.A.J.Paulraj所著“MIMO中延网络中的容量缩放律”(“Capacity Scaling Laws in MIMO Relay networks”，IEEE IEEE Transactions on Wireless Communications，Vol.5，No.6，Jun.2006)，其中，在假设放大转发中继下计算得出了最大吞吐率。在A.Wittneben和B.Rankov所著“协作中继对秩亏MIMO信道容量的影响”(“Impact of Cooperative Relays on the Capacity of Rank-DeficientMIMO Channels”，Proc.IST summit on Mobile Communications，Jun2003)中，考虑了渐进情况(在中继数量方面)。

如在Q.Zhou，H.Zhang和H.Dai所著“用于分布式MIMO系统的适应空间复用技术”(“Adaptive spatial multiplexing techniques fordistributed MIMO systems”，in Proceedings of Conference on InformationSciences and Systems，the Princeton University，March 2004)中所述，空间复用技术也已提议在分布式MIMO系统中使用。

下面三个文件中提供了其它一般背景：

B.Rankov和A.Wittenben所著“用于半双工衰落中继信道的谱效率协议”(“Spectral efficient protocols for half-duplex fading relaychannels”，IEEE Journal on Selected Areas in Communications，vol 25，no.2，pp.379-389，February，2007)。

F.Boccardi和H.Huang所著“为MIMO广播信道使用线性预编码的近似最佳技术”(“A near optimum technique using linear precodingfor the MIMO broadcast channel”，in Proceeding ofIEEE InternationalConference on Acoustics，Speech and Signal Processing(ICASSP)，Honolulu，Hawaii，US，May，2007)。

G.J.Foschini和M.J.Gans所著“有关使用多根天线时在衰落环境中无线通信的限制”(“On limits of wireless communications in afading environment when using multiple antennas”，Wireless Pers.Commun.，vol.6，no.3，pp.311-335，Mar.1998)。

发明内容

读者请参阅随附独立权利要求。一些优选特性则在从属权利要求项中展示。

本发明的一个示例是一种在包括源节点、目标节点和至少一个中继节点的无线通信网络中选择空间子信道以供使用的方法。该方法包括以下步骤：在空间上(spatially)将信道分解成空间子信道；以及选择至少将预测吞吐率近似最大化的子信道子集以供使用。

优选实施例通过在例如多天线系统的无线网络中使用中继节点，提供高数据吞吐量。在一些实施例中，多个独立的数据流可通过中继节点提供的不同空间子信道发送，然后在目的地收集。信道被分解成空间子信道，并且在一些实施例中，可选择将估计吞吐率最大化的子信道集。独立的数据流可经不同子信道发送。此方案特别适用于至少部分相关的信道。

由于使用中继提供的分集效应，整体吞吐量可随着候选中继数量的增大而增长。

本发明也涉及发射数据的对应方法和无线通信网络及基站。

附图说明

现在将通过示例，参照附图描述本发明的实施例，其中：

图1是示出无线网络的图形；

图1a是示出图1中所示处理器的图形；

图2是示出在确定子信道以获得提高的吞吐量中的图1无线网络操作的流程图；

图3是示出应用的分析模型以便允许子信道选择的图形；

图4是示出图2所示流程联合(joint)下行链路/上行链路子信道选择级可行迭代方法的流程图；

图5是联合下行链路/上行链路子信道选择的简单示例的图解说明(应用到单输入单输出(SISO)网络)；

图5a是图5所示“下行链路”子信道的图示；

图5b是图5所示“上行链路”子信道的图示；

图6是应用到多输入多输出(MIMO)网络的联合下行链路/上行链路子信道选择示例的图解说明；

图6a是图6所示“下行链路”子信道的图示；以及

图6b是图6所示“上行链路”子信道的图示。

具体实施方式

在详细描述如何选择产生优良吞吐率的子信道前，我们先在高层面描述方案示例。

如图1所示，它示出了网络2。网络由无线发射器接收器节点组成，为简明起见，显示有一个源(S)节点4、一个目的地(D)节点6和r个中继节点(R)8。每个中继8都属于解码转发类型。另外，每个节点配有多根天线；更具体地说，N_s、N_d和N_r天线分别部署在源、目的地和r个中继的每个中继。

我们假设在源侧有无限的缓冲器。我们将每对发射/接收天线之间的信道响应表示为复系数，以便为OFDM系统中给定载波的频率响应建模。假设H_SD为源与目的地之间的N_D×N_S信道矩阵。另外，我们通过i＝1，...，r表示在源与第i个中继之间的N_R×N_s信道矩阵，并且通过

i＝1，...，r表示在第i个中继与目的地之间的N_D×N_R信道矩阵。

重要的是，我们在两个阶段中分开考虑传输。在第一阶段(下行链路阶段)，源向节点集(这是中继和目的地的子集，使用数学符号) $\mathrm{\Φ}\⊆\{R_1,...,R_r,D\}$ 发射。在第二阶段期间(上行链路阶段)，第二节点集 $\mathrm{\Ω}\⊆\left\{\right\{\mathrm{\Φ}\backslash D\}\∪S\}$ 向目的地发射。

在下述内容中，我们为具有一个源(S)、两个中继(R₁，R₂)和一个目的地(D)的网络提供五个示例操作模式，其中每个具有N_s＝N_d＝N_r＝N根天线：

1)Φ＝{D}和Ω＝{S}。提议的方案等同于在源与目的地之间的已知MIMO单用户传输。最多N个空间流可用于传输。

2)Φ＝{R₁}和Ω＝{R₁}。协议对应于在下行链路阶段期间S与R₁之间和在上行链路阶段期间R₁与D之间的已知传输。

3)Φ＝{R₁，R₂}和Ω＝{R₁，R₂}。在下行链路阶段，在R₁与R₂之间可划分最多N个空间流。在上行链路阶段，R₁和R₂最多发射M个独立流到目的地。

4)Φ＝{R₁，D}和Ω＝{R₁，S}。在下行链路阶段，在R₁与D之间可划分最多N个空间流。在上行链路阶段，R₁与S最多独立流到目的地。

5)Φ＝{R₁，D}和Ω＝{R₁}。]在下行链路阶段，在R₁与D之间可划分最多N个空间流。在上行链路阶段，R₁最多发射N个独立流到目的地。

重要的是，通过选择使用的子信道以便将吞吐量最大化，独立流“路由”到不同中继，并直接发送到目的地。此方案对相关信道特别有吸引力，在相关信道中，由于信道矩阵的秩低(low rank)，不可能实现最大数量的独立发射流(N_max＝min(N_s，N_d))：通过使用中继，可发送额外的独立流。

在图1所示的此示例网络中，子信道选择处理由目标节点6中的处理器10进行，来自源节点4和中继8的信道状态信息(CSI)提供为到目标节点6的输入。处理器10包括用于可操作地接收信道状态信息的接收器级11、用于将信道分解成空间子信道的分解器级13、用于选择空间子信道子集以供使用的选择器15。

在此示例网络中，节点4、6、8是WIMAX基站。在其它不同的类似实施例(未示出)中，节点属于另外类型，例如，通用移动电信系统(UMTS)/长期演进(LTE)基站。

我们现在描述先实现空间信道分解，然后选择在传输中使用的子信道集的可能方式。

通过信道分解方案选择子信道

如图2所示，处理器10的操作是先分解(步骤A)下行链路(源到中继)上的信道，并分解(步骤B)在上行链路(中继到目的地)上的信道。随后，通过考虑子信道提供的预测数据吞吐率，选择(步骤C)使用的空间独立子信道。这有时在本文件中称为联合下行链路/上行链路子信道选择。

下面更详细地描述了这些分解(步骤A，步骤B)和子信道选择(步骤C)操作。在检测到(步骤D)高于预设阈值的信道变化后才使用选定的子信道，这种情况下，重复进行信道分解(步骤A，步骤B)和子信道选择(步骤C)步骤。

此处理要求如下所述应用分析模型。

重要的是，源到中继称为下行链路，并且中继到目的地称为上行链路。

此方法的一个示例应用是无线回程网(backhaul network)，其中源、目的地和中继节点不移动，因此，无线电条件相对静态。如图2所示，在检测到高于预定阈值的信道变化后才使用选定子信道，这种情况下，再次进行信道分解和子信道选择过程。当然，在其它实施例中，节点可移动。

我们现在相对于“下行链路”和“上行链路”，解释使用的分析模型及其到信道分解的应用。之后，我们将描述如何选择产生优良吞吐量的子信道(“联合下行链路/上行链路子信道选择)。

(a)使用的基本分析模型

如图3所示，引入两个虚拟中继可等效地为图1所示网络建模。更具体地说，源与第一虚拟中继(通过指数r+1表示)之间的链路为在下行链路阶段源与目的地之间的直接链路建模。第二虚拟中继(通过指数r+2表示)与目的地之间的链路为在上行链路阶段源与目的地之间的直接链路建模。

与虚拟中继r+1相关联的信道矩阵定义如下

$H_{S{R}_{r+1}}=H_{\mathrm{SD}}$ $H_{R_{r+1}D}=0_{N_D\×N_S}\left(0.1\right)$

其中，

表示N_s×N_D零矩阵。与虚拟中继r+2相关联的信道矩阵定义为

$H_{{\mathrm{SR}}_{r+2}}=0_{N_S\×N_D}$ $H_{R_{r+2}D}=H_{\mathrm{SD}}.---\left(0.2\right)$

记住在等式(0.1)和等式(0.2)中引入的定义，在本文件中我们将参考具有r+2个中继的系统，不在中继与虚拟中继之间区分(除非另有指定)。同样地，Φ和Ω将参考源与目的地之间有直接连接的原设置中的给定节点集，或者参考使用虚拟中继的等效设置中相关联的节点集。

(b)下行链路阶段

我们现在应用上述分析模型到下行链路。

(b.i)下行链路阶段-下行链路模型

在下行链路阶段在第j个中继的已接收信号可表示为

$y_{R_j}=H_{S{R}_j}{x}_S+n_{S{R}_j}$ j∈Φ(0.3)

其中，x_s是源发射的N_s×1个向量，而

是i.i.d.复加性白高斯噪声样本 $n_{S{R}_j}~\mathrm{CN}(0,I)$ 的向量。

发射信号要受以下总功率约束的影响：

$E\left[\mathrm{tr}\right[x_S{x}_S^H\left]\right]\≤P---\left(0.4\right)$

并且可表示为

$x_S=\underset{j\∈\mathrm{\Φ}}{\mathrm{\Σ}}{G}_j{d}_{S{R}_j}$

其中，G_j是与第j个活动中继相关联的N_s×|E_j|复预编码矩阵，

是发送到第j个活动中继的|E_j|×1数据符号向量，并且E_j是分配到第j个活动中继的空间子信道(换而言之，本征模)。

(b.ii)下行链路阶段-中继信道分解成独立的MIMO信道

通过使用奇异值分解(SVD)，可将源与第j个中继之间的信道分解为 $H_{S{R}_j}=U_{S{R}_j}{\mathrm{\Σ}}_{S{R}_j}{V}_{S{R}_j}^H.$ 其中，

中的本征值设置为使得与分配的集合E_j相关联的那些显示在最左侧列中。我们将这些本征值表示为

第j个节点的接收器是我们表示为

的

最左侧|E_j|列Hermitian转置产生的线性检测器。类似地，我们将矩阵

的最左侧列表示为

检测器后的信号可表示为

$r_{S{R}_j}={[u_{S{R}_j,1}...u_{S{R}_j,\left|E_j\right|}]}^H{y}_{S{R}_j}$

$={\mathrm{\Γ}}_{S{R}_j}{G}_j{d}_{S{R}_j}+{\mathrm{\Γ}}_{S{R}_j}\underset{i\∈\mathrm{\Φ},i\≠j}{\mathrm{\Σ}}{G}_i{d}_{S{R}_i}+n_{S{R}_j}^{\′}---\left(0.5\right)$

其中，

是在第j个中继给出的已接收1信号，n′_j是处理后的噪声，并且 ${\mathrm{\Γ}}_{S{R}_j}={[{\mathrm{\Σ}}_{S{R}_j,1}{v}_{S{R}_j,1}...{\mathrm{\Σ}}_{S{R}_j,\left|E_j\right|}{v}_{S{R}_j,\left|E_j\right|}]}^H$ 是|E_j|×N_s矩阵。

通过定义

矩阵

${\stackrel{\‾}{H}}_{S{R}_i}={[{\mathrm{\Γ}}_{S{R}_1}^H...{\mathrm{\Γ}}_{S{R}_{j-1}}^H{\mathrm{\Γ}}_{S{R}_{j+1}}^H...{\mathrm{\Γ}}_{S{R}_{\left|\mathrm{\Φ}\right|}}^H]}^H,$

我们的迫零约束(zero-forcing constraint)要求G_j在

的零空间中。

因此，通过考虑的SVD可找到G_j：

${\tilde{H}}_{S{R}_j}={\tilde{U}}_{S{R}_j}{\widetilde{\mathrm{\Σ}}}_{{\mathrm{SR}}_j}{\left[{\tilde{V}}_{S{R}_j}^{\left(1\right)}{\tilde{V}}_{S{R}_j}^{\left(0\right)}\right]}^H$

其中，

对应于与空模式(null modes)相关联的右本征值。从秩与零空间的关系中，对于每个j∈Φ，要满足以下约束 $\underset{i\&NotEqual;j,i\&Element;\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}\left|E_i\right|<N_S.$

(b.iii)下行链路阶段-各MIMO信道分解成空间独立的子信道

第j个中继的预编码器矩阵表示为 $G_j={\tilde{V}}_{S{R}_j}^{\left(0\right)}{C}_j,$ 其中，G_j在以后确定。注意，由于对于所有j∈Φ，因此，可得出对于i≠j和C_i的任何选择， ${\mathrm{\&Gamma;}}_{S{R}_j}{G}_i={\mathrm{\&Gamma;}}_{S{R}_j}{\tilde{V}}_{S{R}_i}^{\left(0\right)}{C}_i=0.$ 因此，从(0.5)，组合后在第j个中继的已接收信号不包含干扰：

${\mathrm{\&Gamma;}}_{S{R}_j}={\mathrm{\&Gamma;}}_{S{R}_j}{G}_j{d}_{S{R}_j}+n_{S{R}_j}^{\&prime;}.---\left(0.6\right)$

我们执行SVD

${\mathrm{\&Gamma;}}_{S{R}_j}{\stackrel{\&OverBar;}{V}}_{S{R}_i}^{\left(0\right)}={\stackrel{\&OverBar;}{U}}_{S{R}_j}\left[{\stackrel{\&OverBar;}{\mathrm{\&Sigma;}}}_{S{R}_j}0\right]{\left[{\stackrel{\&OverBar;}{V}}_{S{R}_j}^{\left(1\right)}{\stackrel{\&OverBar;}{V}}_{S{R}_j}^{\left(0\right)}\right]}^H,$

其中，

是本征值的|E_j|×|E_j|对角矩阵，并且我们指定 $C_j={\stackrel{\&OverBar;}{V}}_{S{R}_j}^{\left(1\right)}.$ 从(0.6)，在下行链路阶段期间由第j个节点接收的结果速率为

其中，

是

(k∈E_j)的第k个对角元素，W_j是分配到子信道的功率(power)的|E_j|×|E_j|对角矩阵，并且w_k ^(j)是第k个对角元素。因此，此用户的总发射功率为 $\mathrm{tr}\left[G_j{W}_j{G}_j^H\right]=\mathrm{tr}{W}_j.$ 假设T是用户Φ和子信道E_k(j∈Φ)的给定选择，通过使用注水功率分配(waterfillingpower allocation)，可发现将给定T的总速率最大化的功率分配问题。

(c)上行链路阶段

我们现在转到应用上述分析模型到上行链路。

(c.i)上行链路阶段-上行链路模型

上行链路阶段在目的地的已接收信号可表示为

$y_D=\underset{j\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{H}_{R_{j}D}{x}_{R_j}+n_D---\left(0.7\right)$

其中，

是由第i个中继发射的N_R×1向量，而n_D是i.i.d.复加性白高斯噪声样本n_D～CN(0，I)的向量。

我们考虑两种类型的功率约束：

不同中继发射的功率和上的功率约束：

$\underset{j\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}E[{\left|\right|x_{R_j}\left|\right|}_2^2\&le;P---\left(0.8\right)$

每个中继的单独功率约束：

$E\left[{\left|\right|x_{R_j}\left|\right|}_2^2\right]\&le;P,j\&Element;\mathrm{\&Omega;}---\left(0.9\right)$

第一种方案更适用于电池供电节点，其中，在给定性能指标下，降低能耗是目标。

在节点接附到固定电源，并且目标是最大化吞吐量时，第二种功率约束类型更适用。

在本节的剩余部分，我们将在前一部分中为下行链路描述的空间分解想法扩展到上行链路传输。

(c.ii)上行链路阶段-中继信道分解成独立的MIMO信道

在第j个中继发射的信号可表示为

$x_{R_j}=F_j{d}_{R_j}$

其中，F_j是在第j个活动中继使用的N_R×|I_j|预编码矩阵，而

是从第j个中继发射的|I_j|×1数据符号向量，并且|I_j|是在上行链路阶段期间分配到第j个活动节点的子信道集。

等效于下行链路情况，我们通过使用SVD分解每个矩阵 $H_{R_{j}D}j\&Element;\mathrm{\&Omega;}:$

$H_{R_{j}D}=U_{R_{j}D}{\mathrm{\&Sigma;}}_{R_{j}D}{V}_{R_{j}D}^H.$

此外，在此情况下，

中的本征值设置为使得与分配模式集I_j相关联的那些显示在最左侧的列中。这些子信道表示为

不同于通过使用线性检测器在接收器侧添加给定链路活动子信道集的前一情况，在此情况下，每个中继通过适当地指定F_j而在发射侧选择活动模式集：

$F_j=[v_{R_{j}D,1},...,v_{R_{j}D,\left|I_j\right|}]C_{R_j}$

其中，

是与第i个子信道相关联的右本征向量，并且是将以后确定的矩阵。

在目的地(0.7)的已接收信号可重新表示为

$y_D=\underset{j\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{H}_{R_{j}D}{F}_j{C}_j{d}_{R_{j}D}+n_D$

$=\underset{j\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{\mathrm{\&Gamma;}}_{R_{j}D}{C}_j{d}_{R_{j}D}+n_D$

其中， ${\mathrm{\&Gamma;}}_{R_{j}D}=[{\mathrm{\&Sigma;}}_{R_{j}D,1}{u}_{R_{j}D,1},...,{\mathrm{\&Sigma;}}_{R_{j}D,\left|I_j\right|}{u}_{R_{j}D,\left|I_j\right|}]$ 是N_D×|I_j|矩阵。

通过定义

矩阵

${\tilde{H}}_{R_{j}D}=[{\mathrm{\&Gamma;}}_{R_{1}D},...,{\mathrm{\&Gamma;}}_{R_{j-1}D},{\mathrm{\&Gamma;}}_{R_{j+1}D},...,{\mathrm{\&Gamma;}}_{R_{\left|\mathrm{\&Omega;}\right|}D}]$

$=\left[{\tilde{U}}_{R_{j}D}^{\left(1\right)}{\tilde{U}}_{R_{j}D}^{\left(0\right)}\right]{{\widetilde{\mathrm{\&Sigma;}}}_{R_{j}D}V}_{R_{j}D}^H$

在目的地用于检测第j个中继信号的接收器矩阵指定如下 $L_j=D_j{{\tilde{U}}_{R_{j}D}^{\left(0\right)}}^H$

其中，D_j将在以后确定。注意，对于所有j∈Ω， ${{\tilde{U}}_{R_{j}D}^{\left(0\right)}}^H{\tilde{H}}_{R_{j}D}=0,$ 并且可得出在组合与第j个中继相关联的矩阵后已接收信号可表示为

$r_{R_{j}D}=L_j{y}_D=D_j{\tilde{U}}_{R_{j}D}^{{\left(0\right)}^N}{\mathrm{\&Gamma;}}_{R_{j}D}{C}_j{d}_{R_{j}D}+{n^{\&prime;}}_D$

其中，n’_D是在组合器后的处理的噪声n′_D＝L_jn_D。

(c.iii)上行链路阶段-每个MIMO信道分解成空间独立的子信道

由于上述处理，在|Ω|活动中继与目的地之间的链路现在在空间上分开，并且单用户MIMO类似的技术可用于实现每个等同信道的容量 ${\tilde{U}}_{R_{j}D}^{{\left(0\right)}^H}{\mathrm{\&Gamma;}}_{R_{j}D}j\&Element;\mathrm{\&Omega;}.$ 具体而言，如同对于在前一部分中所述的下行链路情况一样，矩阵D_j和C_j可通过执行的SVD，并使用满足共同功率约束(0.8)或分开的功率约束(0.9)的注水功率分配而确定。我们注意到，L_j和F_j是单一的，并且因此前者不影响在每根天线处的加性噪声的每分量变化(pre-component variance)，而后者不影响在发射器侧的发射功率。

(d)通过联合下行链路/上行链路子信道选择将吞吐量最大化

假设E＝E₁∪E₂∪...∪E_r+2是下行链路阶段的选定子信道集，并且I＝I₁∪I₂∪...∪I_r+2是上行链路阶段的选定子信道集。

假设

是在假设子信道集E已选择时下行链路阶段期间在源与第j个中继之间的最大吞吐率。另外，假设

是在假设集I已选择时上行链路阶段期间在第j个中继与目的地之间的最大相互信息。我们记得，通过使用图3的虚拟中继模型，第r+2个中继对应于源；为此，我们为每个E令 $R_{S{R}_{r+2}}\left(E\right)=\&infin;.$ 通过相同的动机，假设第r+1个中继对应于目的地，我们为每个I令

对于给定上行链路/下行链路对(E，L)，在源与目的地之间的最大吞吐率表示为

$R_{\mathrm{SD}}(E,I)=\frac{1}{2}\underset{i=1}{\overset{r+2}{\mathrm{\&Sigma;}}}\min (R_{{\mathrm{SR}}_j}\left(E\right),R_{R_{j}D}\left(I\right))$

相对于所有可能对(E，L)，在源与目的地之间的最大相互信息表示为

$R_{\mathrm{SD}}^{*}=\underset{(E,I)}{\max }{R}_{\mathrm{SD}}(E,I)---\left(0.10\right)$

应用等式(0.10)涉及在所有可能子信道分配上的搜索。此类“强力”搜索在每节点具有几个中继和天线的简单系统中是可行的，但对于更复杂的系统，很快将变为不可行。

(d.i)可行(“贪婪”)子信道选择方法

为降低计算复杂性，我们提议了一种迭代下行链路/上行链路优化算法，其中，活动子信道集E和I迭代更新。提议算法由两个环组成：外循环(external loop)更新E的值，而用于每个候选E的内循环(internalloop)计算可行“最佳”集I。我们将在外循环第m级发现的E值定义为

我们强调的是，此值不对应于将通过在

$\underset{l=1}{\overset{\min (m,N_s)}{\text{\&Sigma;}}}\left(\frac{\left(\underset{j=1}{\overset{r+2}{\mathrm{\&Sigma;}}}{N}_j\right)!}{(\underset{j=1}{\overset{r+2}{\mathrm{\&Sigma;}}}{N}_j-l)!l!}\right)$

其中，如果1≤j≤r，则N_j＝N_r，如果j＝r+1，则N_j＝N_d，以及如果i＝r+2，则N_j＝N_s上的强力搜索得到的最佳值。

候选集E^(m)定义为

${\text{E}}^{\left(m\right)}(j,l)=E^{{(m-1)}^{*}}\underset{{\mathrm{\&Sigma;}}_{S{R}_j,l}\&Element;E^{{(m-1)}^{*}}}{\&cup;}{\mathrm{\&Sigma;}}_{S{R}_j,l}$

其中，j＝1，...，r+2，并有l＝1，...，min(N_s，N_j)。

我们定义 $E^{{\left(0\right)}^{*}}=\mathrm{\&phi;},$ 其中，φ是空集。在外循环第m次迭代结束处发现的值表示为

$E^{{\left(m\right)}^{*}}=\underset{E^{\left(m\right)}(j,l)}{\arg \max }{R}_{\mathrm{SD}}(E^{\left(m\right)}(j,l),I^{*}(E^{\left(m\right)}(j,l)\left)\right)$

其中，I^*(E^(m)(j，l))是给定下行链路子信道分配E^(m)(j，l)的上行链路部分的可行最佳子信道分配。

出于如对外循环相同的动机，我们也在内循环中使用可行选择算法查找I^*(E^(m)(j，l))。在隐含(implicit)对E^(m)(j，l)的相关性时，我们定义在内循环的第n次迭代期间的可能候选I⁽ⁿ⁾集为

$I^{\left(n\right)}(u,v)=I^{{(n-)}^{*}}\underset{{\mathrm{\&Sigma;}}_{R_u,D,v}\&NotElement;I^{{(n-1)}^{*}}}{\&cup;}{\mathrm{\&Sigma;}}_{R_{u}D,v}.$

假设 $I^{{\left(0\right)}^{*}}=\mathrm{\&phi;}.$ 在外循环第n次迭代结束处发现的上行链路子信道分配集表示为

$I^{{\left(n\right)}^{*}}\left(E^{\left(m\right)}(j,l)\right)=\underset{I^{\left(n\right)}(u,v)}{\arg \max }{R}_{\mathrm{SD}}(E^{\left(m\right)}(j,l),I^{\left(n\right)}(u,v)).$

在隐含

和

对E^(m)(j，l)的相关性时，如果在内循环第n次迭代处发现以下条件

$R_{\mathrm{SD}}(E^{\left(m\right)}(j,l),I^{{\left(n\right)}^{*}})<R_{\mathrm{SD}}(E^{\left(m\right)}(j,l),I^{{(n-1)}^{*}})$

内循环停止，并且值 $I^{*}\left(E^{\left(m\right)}(j,l)\right)=I^{{(n-1)}^{*}}$ 返回到外循环。同样地，在外循环第n次迭代处，如果发现以下条件

$R_{\mathrm{SD}}\left(E^{{\left(m\right)}^{*},}{I}^{*}\left(E^{{\left(m\right)}^{*}}\right)\right){<R}_{\mathrm{SD}}(E^{{(m-1)}^{*}},I^{*}\left(E^{{(m-1)}^{*}}\right))$

则循环中断，并且对

返回为算法的输出。

此过程的结果是选择提供近似接近最佳数据吞吐率的信道以供使用。

为帮助理解联合上行链路/下行链路子信道选择的此可行(“贪婪”)方案，下面描述了两个简单的示例，一个是SISO，另一个是2x2MIMO。

(d.ii)可行(“贪婪”)子信道选择方法的第一示例：SISO

如图5所示，在单输入单输出网络中，源节点S、目标节点D和中继节点R中每个节点具有单根天线。节点之间的每条链路具有相关联的单个子信道。分别考虑下行链路和上行链路，如图5a所示，有下行链路(源到中继)子信道110和被视为下行链路(源到目的地)子信道112的信道。如图5b所示，有上行链路(中继到目的地)120和被视为上行链路(源到目的地)信道122的信道。

联合下行链路/上行链路子信道选择程序如下：

1.)通过查找以下吞吐率的最小值测试源到中继子信道110：子信道110提供的吞吐率和子信道120与122中每个提供的吞吐率中较大的吞吐率；

2.)通过查找以下吞吐率的最小值测试下行链路源到目的地子信道112：子信道112提供的吞吐率和子信道120与122中各个提供的吞吐率中较大的吞吐率；

3.)在子信道110与112之间选择来自上面的步骤1和2中具有最高相关联吞吐率的子信道110或112。

(d.iii)可行(“贪婪”)子信道选择方法的第二示例：MIMO

如图6所示，在简单的多输入多输出网络中，源节点S、目标节点D和中继节点R中每个节点具有两根天线。我们假设中继信道已经分解成独立的MIMO信道，并且MIMO信道已经分解成独立的空间子信道，如图6a和6b所示，表示为下行链路上的610到613，和上行链路上的210到213。

联合下行链路/上行链路子信道选择程序如下：

1.)通过查找以下吞吐率的最小值测试源到中继子信道610：子信道610提供的吞吐率，及由子信道对210与211提供的总吞吐率和由子信道对212与213提供的总吞吐率中较大的总吞吐率；

2.)通过查找以下吞吐率的最小值测试下行链路源到目的地子信道611：子信道610提供的吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

3.)通过查找以下吞吐率的最小值测试源到中继子信道612：子信道610提供的吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

4.)通过查找以下吞吐率的最小值测试下行链路源到目的地子信道613：子信道610提供的吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

5.)从子信道610、611、612和613间中选择具有如上面步骤1到4所确定的最高相关联吞吐率或总吞吐率的子信道。

假设在此示例中选择的是子信道612，则程序继续如下进行：

6.)通过查找以下吞吐率的最小值测试子信道612和610的组合：子信道612和610提供的总吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

7.)通过查找以下吞吐率的最小值测试子信道612和611的组合：子信道612和611提供的总吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

8.)通过查找以下吞吐率的最小值测试子信道612和613的组合：子信道612和613提供的总吞吐率，及子信道对210与211提供的总吞吐率和子信道对212和213提供的总吞吐率中较大的总吞吐率；

9.)从上面步骤3、6、7和8中所涉及的子信道/子信道组合中，即从单独的612、612与610、612与611及612与613中，选择具有如上面步骤3、6、7和8所确定的最高相关联吞吐率或总吞吐率的子信道/子信道组合，。

概要

在不脱离本发明精神或基本特征的情况下，本发明可以特定的形式实施。所述实施例要在所有方面视为只是描述而不是约束。因此，本发明范围由随附权利要求书而不是上述说明指示。在权利要求书等同物含意和范围内的所有变化要均涵盖在其范围内。

Claims (15)

1.一种在包括源节点、目标节点和至少一个中继节点的无线通信网络中选择空间子信道以供使用的方法，所述方法包括以下步骤：

空间上将信道分解成空间子信道；以及

选择至少近似最大化预测吞吐率的所述子信道的子集以供使用。

2.如权利要求1所述的方法，其中所述子信道是空间上独立的。

3.如权利要求1所述的方法，其中所述选择步骤包括为一系列空间信道子集中的每个子集确定预测吞吐率，然后选择给出所述最大确定的预测吞吐率的子集。

4.如权利要求3所述的方法，其中以迭代过程选择子信道以供使用，其中在每次迭代时，另外的子信道添加到为其确定预测吞吐率的所述子集，选择使用的子信道的所述子集是与前一次迭代相比确定预测吞吐率无进一步改进的子集。

5.如权利要求4所述的方法，其中通过为传输预编码和在接收时组合已接收信号，使所述信道在空间上独立。

6.如权利要求1所述的方法，其中所述网络是MIMO网络，其中所述源节点和所述目标节点各包括多根天线。

7.如权利要求6所述的方法，其中所述空间分解是通过将所述信道分解成MIMO信道和将MIMO信道分解成空间独立的子信道来实现的。

8.如权利要求1所述的方法，其中所述源节点、所述目标节点和所述至少一个中继节点中的每个各包括多根天线。

9.一种通过多天线网络中的空间子信道发射数据的方法，所述方法包括如权利要求1所述的方法，和

在所述选定子信道上发射数据的步骤。

10.如权利要求9所述的方法，其中使用选定子信道，直至确定所述信道的特征已变化超过预定量，随后进行在空间上将信道分解成空间子信道和选择将预测吞吐率最大化的所述子信道的子集以供使用的其它步骤。

11.一种包括源节点、目标节点和至少一个中继节点的无线通信网络，所述网络包括处理器，所述处理器包括用于接收信道状态信息的接收器级、用于将信道分解成空间子信道的分解器级、用于选择至少近似最大化预测吞吐率的所述空间子信道子集以供使用的选择器，所述网络用于使用所述选定子集以进行数据传输。

12.如权利要求11所述的无线通信网络，其中所述处理器是在以下节点之一中：所述源节点、所述目标节点或所述至少一个中继节点之一。

13.如权利要求11所述的无线通信网络，其中包括所述处理器的所述节点通知所述其它节点要使用的空间子信道。

14.如权利要求13所述的无线通信网络，其中包括所述处理器的所述节点也通知所述其它节点为传输应用什么预编码和为接收应用什么已接收信号的组合。

15.一种在无线通信网络中使用的节点，所述节点包括处理器，所述处理器包括用于接收源节点、目标节点和至少一个中继节点之间信道的信道状态信息的接收器级；用于将信道分解成空间子信道的分解器级；以及用于选择至少近似最大化预测吞吐率的所述空间子信道子集以供使用的选择器。

Images