CN101394254A - 多用户多输入多输出系统中的线性预编码方法 - Google Patents

Abstract

本发明公开了一种多用户多输入多输出系统中的线性预编码方法，该方法包括：根据信道估计结果确定系统中各个用户的干扰信道传输矩阵

，其中，k为用户索引，k＝1，2，...，K，K为系统基站在同一频带范围内同时服务的用户数；对任意用户的干扰信道传输矩阵

的共轭转置矩阵

进行QR分解，根据所述QR分解的结果构造该用户的线性预编码矩阵T_k；利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

Description

多用户多输入多输出系统中的线性预编码方法

技术领域

本发明涉及通信技术中的线性预编码技术，特别涉及一种多用户多输入多输出(MIMO)系统中的线性预编码方法。

背景技术

在多用户的MIMO正交频分复用(OFDM)系统中，多用户的空间复用是一种提高无线频谱利用率的重要技术。在多用户MIMO系统中，如果基站使用相同的频带、相同的时隙与多个用户通信，同时，在基站中没有反映信道特性的信道状态信息(CSI)，那么多个用户间产生的共用信道干扰将无法消除，因而多用户间共用信道也就几乎不可能了。

然而事实上，可以通过多种方式获得反映信道特性的CSI，例如通过信道估计获取信道传输矩阵。在FDD系统中，可以通过终端的反馈获得基站到用户的下行信道传输矩阵，而在TDD系统中，可以直接通过信道估计获得上行信道传输矩阵，并将该矩阵作为下行信道传输矩阵。这样，基站就能够获得信道状态信息，从而就可以通过线性预编码来消除共用信道干扰，进而可以通过多用户间共用信道提高无线频谱利用率。

采用线性预编码消除共用信道干扰的主要思想是：对于任意用户而言，对该用户的发射信号进行线性预编码，将线性预编码后的信号发送到接收端。通过选择合适的线性预编码矩阵，能够消除共用信道干扰。下面以一个具体的系统环境为例，说明现有的利用线性预编码消除共用信道干扰的过程。

假定在多用户MIMO OFDM系统中，某小区的基站有NT根发射天线，其中，任意用户k(k＝1，2，...，K)的发射天线数为N_k，K为基站利用同一频带同时服务的用户数。K个用户终端上的接收天线总数为 $N_R=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{N}_i,$ 并且，基站的发射天线总数N_T大于或等于用户终端的接收天线总数N_R。通过信道估计，基站能够获得该基站到用户k的信道传输矩阵为

目前在上述系统中，对发送端信号进行线性预编码以消除共用信道干扰的过程如下：

首先，确定各个用户的线性预编码矩阵。

在介绍具体确定线性预编码矩阵的过程前，首先推导为消除共用信道干扰，线性预编码矩阵需要满足的条件：

在消除共用信道干扰时，系统中的共用信道干扰为主要干扰，于是用户k的干扰信道传输矩阵可以表示为 ${\stackrel{\‾}{H}}_k={[H_1^H,...,H_{k-1}^H,H_{k+1}^H,...,H_K^H]}^H.$

在发送端，假定用户k的发射信号为s_k，该发射信号为一个包括N_k个元素的矢量，将发射信号s_k与线性预编码矩阵T_k(维数为N_T×N_k)相乘，得到经过线性预编码的信号T_ks_k。在对多用户进行空间复用时，所有K个用户的发射信号均进行线性预编码，然后再将K个用户的经过线性预编码处理的发射信号进行叠加得到叠加信号基站该叠加信号通过N_T根发射天线同时发送出去。

在接收端，任意用户k接收到的信号可以表示为 $r_k=H_k{T}_k{s}_k+H_k\underset{l=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{T}_i{s}_l+n_k,$ 其中，H_kT_ks_k表示用户接收到的有用信号，n_k表示高斯噪声，

表示共用信道干扰。

通过线性预编码消除共用信道干扰也就是寻找合适的T_k，使H_kT_i＝0，i＝1，...，K，其中，i≠k。另外，为避免线性预编码矩阵的引入对信号传输功率造成影响，线性预编码矩阵T_k还要进一步满足 $T_i^H{T}_i=I_{N_k}.$ 由此可得，发送端确定线性预编码矩阵的过程，也就是针对各个用户，寻找需要满足条件 $\begin{array}{c}{H}_i{T}_k=0,i,k=1,...,K,i\≠k,\\ s.t.:T_k^H{T}_k=I_{N_k}\end{array}$ (1)的各个T_k的过程。

当线性预编码矩阵满足上述条件时，对于K个用户中的任意一个，其它用户带来的共用信道干扰都可以完全消除，这样，下行链路信道就可以看作是K个相互独立的并行链路，每个用户可以在各自的子链路中进行信号检测和信道估计。

至此，便得到为消除共用信道干扰，线性预编码矩阵需要满足的条件。目前，根据该条件具体确定线性预编码矩阵的步骤包括：

步骤1，根据信道估计的结果确定干扰信道传输矩阵HK；

步骤2，对干扰信道传输矩阵H_K进行SVD分解，确定线性预编码矩阵。

本步骤中，可以通过SVD分解寻找与干扰信道传输矩阵H_K中的列矢量正交的矢量，利用这些正交的矢量构造线性预编码矩阵T_k。

上述通过步骤1和步骤2确定用户k的线性预编码矩阵T_k的过程对于任意用户均相同，也就是说，对所有K个用户应用上述步骤1和步骤2，就可以得到所有K个用户各自对应的线性预编码矩阵。

接下来，利用构造好的线性预编码矩阵对各个用户的发射信号进行线性预编码处理。

具体进行线性预编码处理的方式具体为：将任意用户对应的线性预编码矩阵与该用户的发射信号相乘，然后通过N_T根天线发射出去。

至此，现有的线性预编码方法流程结束。在该过程中，步骤1和步骤2确定线性预编码矩阵时，需要对干扰信道传输矩阵H_K进行SVD分解，而SVD分解本身的计算复杂度较大，因此造成在发送端对信号进行的线性预编码复杂度增大，线性预编码效率低。另外，采用SVD分解进行线性预编码时，无法利用进一步的SVD分解的排序处理，进一步提升系统性能。

发明内容

有鉴于此，本发明提供一种多用户MIMO系统中的线性预编码方法，能够提高线性预编码的效率。

为实现上述目的，本发明采用如下的技术方案：

一种多用户多输入多输出系统中的线性预编码方法，包括：

根据信道估计结果确定系统中各个用户的干扰信道传输矩阵H_k，其中，k为用户索引，k＝1，2，...，K，K为系统基站在同一频带范围内同时服务的用户数；对任意用户的干扰信道传输矩阵Hk的共轭转置矩阵进行QR分解，根据所述QR分解的结果构造该用户的线性预编码矩阵T_k；

利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

较佳地，所述对任意用户的干扰信道传输矩阵H_k的共轭转置矩阵

进行QR分解为：将所述

分解为归一化正交矩阵Q_k和上三角矩阵R_k的乘积，其中，Q_k矩阵按列分为两个分矩阵，R_k矩阵按行分为两个分矩阵，Q_k矩阵的第一分矩阵为Q_k矩阵的前

列，Q_k矩阵的第二分矩阵为Q_k矩阵的后

列，R_k矩阵的第一分矩阵为R_k矩阵的前

行，R_k矩阵的第二分矩阵为R_k矩阵的后

行，所述R_k矩阵的第一分矩阵为上三角矩阵，R_k矩阵的第二分矩阵为零矩阵，N_T为基站的发射天线总数， $\stackrel{\‾}{N_k}=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{N}_i,$ N_k为用户k的接收天线数，K为系统在同一频带上同时服务的用户数。

较佳地，所述根据QR分解的结果构造该用户的线性预编码矩阵T_k为：在Q_k矩阵的第二分矩阵中，选择任意N_k个列矢量作为用户k的线性预编码矩阵的列矢量。

较佳地，所述根据QR分解的结果构造该用户的线性预编码矩阵T_k为：根据Q_k矩阵的第二分矩阵

和基站到用户k的信道传输矩阵H_k，构造用户k的等效信道矩阵He_k；

对所述等效信道矩阵He_k的共轭转置矩阵进行QR分解，将其分解为归一化正交矩阵Ve_k和上三角矩阵Re_k的乘积，其中，Ve_k和Re_k矩阵分别包括两个分矩阵，Ve_k矩阵的第一分矩阵

为Ve_k矩阵的前N_k列，Ve_k矩阵的第二分矩阵

为Ve_k矩阵的后()列，Re_k矩阵的第一分矩阵为Re_k矩阵的前N_k行，Re_k矩阵的第二分矩阵为Re_k矩阵的后(

)行，所述Re_k矩阵的第一分矩阵为上三角矩阵，所述Re_k矩阵的第二分矩阵为零矩阵；

将Ve_k矩阵的第一分矩阵与所述Q_k矩阵的第二分矩阵

之积作为用户k的线性预编码矩阵。

较佳地，所述根据Q_k矩阵的第二分矩阵

和基站到用户k的信道传输矩阵H_k构造用户k的等效信道矩阵He_k为： ${\mathrm{He}}_k=H_k{Q}_k^0.$

较佳地，所述对

进行的QR分解为排序QR分解。

较佳地，利用施密特变换对进行排序QR分解，或者，利用豪思霍德householder变换对

进行排序QR分解。

较佳地，该方法进一步包括：在接收端，利用排序的QR分解对接收信号进行检测。

较佳地，所述根据信道估计结果确定系统中各个用户的干扰信道传输矩阵H_k为： ${\stackrel{\‾}{H}}_k={[H_1^H,...,H_{k-1}^H,H_{k+1}^H,...,H_K^H]}^H,$ 其中，H_k为基站到用户k的信道传输矩阵。

由上述技术方案可见，在本发明中，首先根据信道估计结果确定系统中各个用户的干扰信道传输矩阵；然后，对任意用户的干扰信道传输矩阵的共轭转置矩阵进行QR分解，利用QR分解的结果构造该用户的线性预编码矩阵；最后，利用构造的线性预编码矩阵分别对各个用户的发射信号进行线性预编码。通过本发明的线性预编码方法，能够利用QR分解确定线性预编码矩阵，以消除共用信道干扰。

附图说明

图1为本发明提供的多用户的MIMO系统中的线性预编码方法总体流程图。

图2为本发明实施例一中线性预编码方法的具体流程图。

图3为本发明实施例二中线性预编码方法的具体流程图。

图4为应用实施例一和二的方法进行线性预编码，与应用背景技术中的方法进行线性预编码所得的性能比较示意图。

图5为应用本发明的方法进行线性预编码时，发送端和接收端采用传统QR分解和采用排序QR分解的性能比较示意图。

具体实施方式

为使本发明的目的、技术手段和优点更加清楚明白，以下结合附图对本发明做进一步详细说明。

本发明的基本思想是：利用QR分解代替SVD分解，从而降低线性预编码过程中的计算复杂度。

图1为本发明提供的多用户MIMO系统中线性预编码方法的总体流程图。如图1所示，该方法包括：

步骤101，根据信道估计结果确定系统中各个用户的干扰信道传输矩阵H_k。

本步骤中，k为用户索引，如前所述，系统基站在同一频带范围内同时服务的用户数为K，也就是说，k＝1，2，...，K。

步骤102，对任意用户k的干扰信道传输矩阵H_k的共轭转置矩阵

进行QR分解，并根据QR分解的结果构造该用户的线性预编码矩阵T_k。

利用对进行的QR分解，寻找与干扰信道传输矩阵H_k中的各个行矢量正交的矢量，利用这些矢量构造线性预编码矩阵T_k，从而满足公式(1)的限制条件。

步骤103，利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

至此，本发明提供的线性预编码方法流程结束。在上述方法中，利用QR分解确定线性预编码矩阵，从而实现了消除共用信道干扰的目的。具体通过QR分解确定线性预编码矩阵的具体实施方式将在具体实施例中进行详述。

在下面的实施例中，应用的系统环境与背景技术中描述的相同。这里就不再赘述。

实施例一：

图2为本发明实施例一中线性预编码方法的具体流程图。如图2所示，该方法包括：

首先确定各个用户的线性预编码矩阵，在此过程中，对于不同的用户，确定线性预编码矩阵的方式均相同，下面以确定用户k的线性预编码矩阵为例，说明该确定过程。

步骤201，基站根据信道估计结果确定用户k的干扰信道传输矩阵H_k。

本步骤中，根据信道估计，得到基站到各个用户的下行链路信道传输矩阵H_k，k＝1，2，...，K，并确定用户的干扰信道传输矩阵H_k为 ${\stackrel{\‾}{H}}_k={[H_1^H,...,H_{k-1}^H,H_{k+1}^H,...,H_K^H]}^H.$ 由

的组成可见，

的维数是

其中， $\stackrel{\‾}{N_k}=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{N}_i,$

表示K个用户中除用户k之外的其它用户的接收天线总数。

上述信道估计确定H_k的过程可以采用现有的方式实现，例如，在FDD系统中，终端进行信道估计得到下行链路信道传输矩阵H_k，再反馈给基站；在TDD系统中，基站进行信道估计得到上行链路信道传输矩阵，并将其作为相应的下行链路信道传输矩阵H_k。在本发明中，假定基站到各个用户的信道传输矩阵H_k，相互间互不相关。

步骤202，对用户k的干扰信道传输矩阵H_k的共轭转置矩阵

进行QR分解。

对

进行QR分解为： ${\stackrel{\‾}{H}}_k^H=Q_k{R}_k=\left[\begin{array}{cc}{Q}_k^R& Q_k^0\end{array}\right]\left[\begin{array}{c}{R}_k^{\mathrm{NZ}}\\ 0_k\end{array}\right]---\left(2\right).$ 其中，Q_k为N_T×N_T的归一化正交矩阵，R_k为的上三角矩阵。

由于假设

中的各个分矩阵互不相关，因此QR分解后得到的R_k矩阵中前

行构成的

的方阵是上三角矩阵，而余下的

行元素则均为0。因此，可以如公式(2)所示，将R_k矩阵按行分为上下两个分矩阵，第一分矩阵为R_k矩阵的前

行，是一个上三角矩阵；第二分矩阵0_k为R_k矩阵的后(

)行，是一个零矩阵。

相应地，将Q_k按列分为左右两个分矩阵，第一分矩阵为Q_k矩阵的前

列，与R_k矩阵的第一分矩阵

对应；第二分矩阵为Q_k矩阵的后

列，与R_k矩阵的第二分矩阵0_k对应。

通过上述分解与零矩阵0_k对应，因此，该

矩阵中的任意列矢量均与干扰信道传输矩阵Ｈ_k中的任意列矢量相互正交。

步骤203，在Q_k矩阵的第二分矩阵

中选择N_k个列矢量作为线性预编码矩阵的列矢量，形成线性预编码矩阵。

如前所述，按照步骤202中所述的方式进行QR分解后，得到的Q_k是归一化的正交矩阵，并且Q_k矩阵的第二分矩阵

中的列矢量均与干扰信道传输矩阵H_k中的任意列矢量相互正交。因此，从

中选择N_k个列矢量构成线性预编码矩阵一定满足公式(1)所示的限制条件。

具体地，当基站的发射天线数N_T大于系统中K个用户的接收天线总和N_R时，

的列数

大于N_k，也就是说中可以作为线性预编码矩阵的列矢量的个数大于N_k个，这时，可以在

中选择任意的N_k个列矢量作为线性预编码矩阵的列矢量。

当基站的发射天线数N_T等于系统中K个用户的接收天线总和N_R时，

的列数

等于N_k，也就是说

中可以作为线性预编码矩阵的列矢量的个数等于N_k个，那么就可以将

直接作为线性预编码矩阵T_k。

经过上述步骤201～203即能够确定任意用户k的线性预编码矩阵。当确定系统中K个用户各自的线性预编码矩阵后，就可以通过下面的步骤进行线性预编码。

步骤204，利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

本步骤中，对于用户k的发射信号s_k，对其进行线性预编码的方式为：计算线性预编码矩阵T_k与发射信号s_k的乘积。对各个用户均进行线性预编码后，将叠加的信号从N_T根发射天线发送出去。

至此，本实施例中的方法流程结束。由上述流程可见，本实施例中，通过将

进行QR分解得到Q_k和R_k矩阵，在Q_k中存在与R_k矩阵内取值为零的分矩阵相对应的分矩阵通过在

中选择列矢量来构造线性预编码矩阵。由于

与R_k中取值为零的分矩阵相对应，因此按照该方式构造的线性预编码矩阵一定满足公式(1)，从而完全消除了共用信道干扰；同时，线性预编码矩阵的确定利用QR分解实现，避免采用SVD分解带来的计算复杂度，进而降低了线性预编码过程的计算复杂度。

另外，在实施例一中，当N_T>N_R时，

中列矢量的选择是任意的，这时，必然有部分

中列矢量没有在线性预编码过程中起作用。事实上，根据

矩阵构造线性预编码矩阵时，还可以进一步利用

中的所有列矢量，以进一步提高系统性能。下面通过实施例二介绍具体实现方式。

实施例二：

图3为本发明实施例二中线性预编码方法的具体流程图。如图3所示，该方法包括：

首先确定各个用户的线性预编码矩阵，在此过程中，对于不同的用户，确定线性预编码矩阵的方式均相同，下面以确定用户k的线性预编码矩阵为例，说明该确定过程。

步骤301～302，基站根据信道估计结果确定用户k的干扰信道传输矩阵Hk；对用户k的干扰信道传输矩阵H_k的共轭转置矩阵

进行QR分解。

上述步骤301～302中的操作与实施例一的步骤201～202中的操作相同，这里就不再赘述。

在本实施例中，假定用户k的线性预编码矩阵为 $T_k=Q_k^0{V}_k,$ 由于

中的各个列矢量均与干扰信道传输矩阵H_k中的任意列矢量相互正交，因此，只要V_k满足 $V_k^H{V}_k=I_{N_k},$ 那么矩阵T_k一定满足公式(1)的限制条件。

该线性预编码矩阵 $T_k=Q_k^0{V}_k$ 对发射信号进行线性预编码处理后，接收端接收到的信号可以表示为 $r_k=H_k{Q}_k^0{V}_k{s}_k+H_k\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{Q}_i^0{V}_i{s}_i+n_k,$ 由于

满足公式(1)的限制条件，因此共用信道干扰项

为0。

为使系统进一步提高接收性能，应通过合理选择V_k，尽量将用户k接收的信号

的功率最大化。具体实现时，可以将

看作用户k的等效信道矩阵，然后通过QR分解确定用户信号如何分配(也就是选择合适的V_k)，增强接收端接收到的信号。

具体地，确定V_k的步骤如下所示：

步骤303，根据Q_k矩阵的第二分矩阵和基站到用户k的信道传输矩阵H_k构造用户k的等效信道矩阵He_k。

本步骤中，具体构造等效信道矩阵He_k的方式为：将基站到用户k的信道传输矩阵H_k与Q_k矩阵的第二分矩阵

的乘积作为等效信道矩阵He_k，即 ${\mathrm{He}}_k=H_k{Q}_k^0.$ 其中，H_k为N_k×N_T的矩阵，

为

的矩阵。如前所述，确定合适的V_k，使得用户信号能够根据基站到用户k的传输信道状况特征加权，增强接收端接收到的信号。

步骤304，对等效信道矩阵He_k的共轭转置矩阵

进行QR分解。

对

进行QR分解为： ${\mathrm{He}}_k^H={\mathrm{Ve}}_k{\mathrm{Re}}_k.$ 其中，Ve^k为

的归一化正交矩阵，Re_k为

的上三角矩阵。

其中，Re_k矩阵按行分为上下两个分矩阵，Re_k的第一分矩阵为Re_k矩阵的前N_k行，是一个上三角矩阵；第二分矩阵0_k为R_k矩阵的后

行，是一个零矩阵。

相应地，将Ve^k按列分为左右两个分矩阵 ${\mathrm{Ve}}_k=[V_k^{\mathrm{NZ}},V_k^0],$ 第一分矩阵

为Ve^k矩阵的前N_k列，与Re_k矩阵的第一分矩阵对应；第二分矩阵

为Ve^k矩阵的后

列，与R_k矩阵的第二分矩阵对应。

通过上述分解，与Re_k中的非零分矩阵对应，因此，将

作为V_k，使得用户k的信号在基站端基于到用户k的等效传输信道He_k上加权，能使接收端接收到的有用信号更大。

步骤305，将Ve^k矩阵的第一分矩阵

作为V_k，构造用户k的线性预编码矩阵。

如前所述，本实施例中的 $T_k=Q_k^0{V}_k,$ 而 $V_k{=V}_k^{\mathrm{NZ}},$ 因此可得构造用户k的线性预编码矩阵为： $T_k=Q_k^0{V}_k.$

经过上述步骤301～305即能够确定任意用户k的线性预编码矩阵。当确定系统中K个用户各自的线性预编码矩阵后，就可以通过下面的步骤进行线性预编码。

步骤306，利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

本步骤中的操作与实施例一的步骤204中的操作相同，这里就不再赘述。

至此，本实施例中的方法流程结束。由上述流程可见，本实施例中，确定线性预编码矩阵时，与实施例一类似，根据QR分解确定线性预编码矩阵。并且，本实施例中，在确定Q_k的第二分矩阵

后，进一步通过选择合适的V_k确定线性预编码矩阵，使用户信号的能量更集中于基站到该用户的传输信道上，从而提高接收端有用信号的功率，进而提高信号检测的信噪比。

根据本实施例和实施例一的方法，进行了线性预编码的系统性能仿真。图4为应用实施例一和二的方法进行线性预编码，与应用背景技术中的方法进行线性预编码所得的性能比较示意图。该系统性能仿真的仿真参数为：在3用户的MIMO系统中，每个用户有两根接收天线，接收端采用ZF-VBLAST检测器。如图4所示，横轴表示接收端检测信号的信噪比，纵轴表示接收端检测信号的误码率。

其中，曲线401(虚线)为发送端有6根天线的情况下，依照本发明实施例一的方法进行线性预编码后，检测信号的信噪比与误码率的关系曲线；曲线402(实线)为发送端有6根天线的情况下，依照背景技术中的方法(即基于SVD分解)进行线性预编码后，检测信号的信噪比与误码率的关系曲线；曲线403(虚线)为发送端有7根天线的情况下，依照本发明实施例二的方法进行线性预编码后，检测信号的信噪比与误码率的关系曲线；曲线404(实线)为发送端有7根天线的情况下，依照背景技术中的方法(即基于SVD分解)进行线性预编码后，检测信号的信噪比与误码率的关系曲线。

由曲线401和402的比较、以及曲线403和404的比较可见，本发明中的方法与背景技术中的方法进行线性预编码后，其系统性能非常接近，但是显然，本发明中的方法由于利用QR分解代替了SVD分解，从而大大降低了线性预编码的计算复杂度。

另外，根据曲线401和403的比较可见，按照本发明实施例二的方式确定线性预编码矩阵，并进行线性预编码的方式与本发明实施例一的方式相比，能够带来更好的系统性能，在误码率为10^-2时，系统增益为7dB。

在上述实施例二中，利用基站到用户k的信道传输矩阵和QR分解后得到的Q矩阵中的第二分矩阵构造了等效信道矩阵，进一步对该等效信道矩阵He_k的共轭转置矩阵

进行QR分解，从而确定用户k的线性预编码矩阵。其中，在实施例二中，对

矩阵进行QR分解为传统的QR分解，事实上，通过对

矩阵进行排序的QR分解，可以进一步提高系统性能。

具体地，对

进行排序的QR分解可以有多种方式进行，例如利用施密特变换进行排序的QR分解或利用豪思霍德(Householder)变换进行排序的QR分解。其中，利用Householder变换进行排序QR分解的具体流程可以如下进行：

1：INPUT：H

2：OUTPUT：Q and P

3：Q＝I_M；P＝I_N；

4：for k＝1 to N do

5：for n＝k to N do

6：NormAll(n)＝norm(H(k:M，n))；％norm表示取向量的范数

7：end for

8：q＝min(NormALL(k:N))；％q为具有最小范数的列

9：if k＝M

10：break；

11：end；

12：[v，β]＝Householder(H(k:M，q))；

13：v＝[0_k-1x1，v^T]^T Q_t＝I_M-β*v*v^H

14：H＝Q_t ^*H；Q＝Q^*Q_t；

15：exchange the k^th column and q^th column of H and P

16：end for

％M为H的行维数，N为列维数

在上述流程中，输入的矩阵是

输出的Q矩阵是归一化正交矩阵Ve_k，另外还输出一个矩阵P。利用上述过程完成排序的QR分解后，上三角矩阵 ${\mathrm{Re}}_k={{\mathrm{Ve}}_k}^H{\mathrm{He}}_k^{H}P.$ 至此，便得到QR分解后的归一化正交矩阵Ve^k和上三角矩阵Re_k，然后，依照步骤305的方式确定线性预编码矩阵。

经过上述方式确定线性预编码矩阵后，对发射信号进行线性预编码处理并发送。在接收端，相应地，采用排序的QR分解进行信号检测，从而能够提高系统的信号检测性能，改善信号检测的误码率。并且，与传统的QR分解相比，排序的QR分解并未带来额外的计算量，因此如果接收端采用排序的QR分解进行信号检测，那么发送端可以利用上述方式对等效信道矩阵的共轭转置矩阵进行排序的QR分解，再构造线性预编码矩阵，从而能够进一步提高系统性能。而在背景技术中介绍的利用SVD分解确定线性预编码矩阵、进而进行线性预编码的方法中，一方面SVD分解的计算复杂度使得整个线性预编码的计算复杂度较高，造成线性预编码的效率较低；另一方面，SVD分解无法利用排序的方式进一步提高系统性能。

图5为应用本发明的方法进行线性预编码时，发送端和接收端采用传统QR分解和采用排序QR分解的性能比较示意图。该性能比较的仿真参数为：在3用户的MIMO系统中，每个用户有两根接收天线，基站共有7根发射天线，接收端采用ZF-VBLAST检测器。如图5所示，横轴表示接收端检测信号的信噪比，纵轴表示接收端检测信号的误码率。

其中，曲线501为发送端和接收端均采用传统QR分解时，检测信号端信噪比与误码率的关系曲线；曲线502为发送端采用排序QR分解、接收端采用传统QR分解时，检测信号端信噪比与误码率的关系曲线；曲线503为发送端采用传统QR分解、接收端采用排序QR分解时，检测信号端信噪比与误码率的关系曲线；曲线504为发送端和接收端均采用排序QR分解时，检测信号端信噪比与误码率的关系曲线。

通过比较曲线501和502可见，当接收端采用传统QR分解时，发送端是否采用排序QR分解，对系统性能带来的影响并不大。通过比较曲线501和503可见，当发送端均采用排序QR分解时，接收端采用排序QR分解和采用传统QR分解相比，系统性能明显提高，在误码率为10^-3时，系统性能提高1dB，在误码率为10^-4时，系统性能提高2dB。并且，曲线504中所示的发送端和接收端均采用排序QR分解时，系统性能最佳。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1、一种多用户多输入多输出系统中的线性预编码方法，其特征在于，该方法包括：

根据信道估计结果确定系统中各个用户的干扰信道传输矩阵H_k，其中，k为用户索引，k＝1，2，...，K，K为系统基站在同一频带范围内同时服务的用户数；

对任意用户的干扰信道传输矩阵H_k的共轭转置矩阵

进行QR分解，根据所述QR分解的结果构造该用户的线性预编码矩阵T_k；

利用构造的线性预编码矩阵T_k分别对各个用户的发射信号s_k进行线性预编码。

2、根据权利要求1所述的方法，其特征在于，所述对任意用户的干扰信道传输矩阵H_k的共轭转置矩阵进行QR分解为：将所述

分解为归一化正交矩阵Q_k和上三角矩阵R_k的乘积，其中，Q_k矩阵按列分为两个分矩阵，R_k矩阵按行分为两个分矩阵，Q_k矩阵的第一分矩阵为Q_k矩阵的前

列，Q_k矩阵的第二分矩阵为Q_k矩阵的后

列，R_k矩阵的第一分矩阵为R_k矩阵的前

行，R_k矩阵的第二分矩阵为R_k矩阵的后

行，所述R_k矩阵的第一分矩阵为上三角矩阵，R_k矩阵的第二分矩阵为零矩阵，N_T为基站的发射天线总数， $\stackrel{\‾}{N_k}=\underset{i=1,I\≠k}{\overset{K}{\mathrm{\Σ}}}{N}_i,$ N_k为用户k的接收天线数，K为系统在同一频带上同时服务的用户数。

3、根据权利要求2所述的方法，其特征在于，所述根据QR分解的结果构造该用户的线性预编码矩阵T_k为：在Q_k矩阵的第二分矩阵

中，选择任意N_k个列矢量作为用户k的线性预编码矩阵的列矢量。

4、根据权利要求2所述的方法，其特征在于，所述根据QR分解的结果构造该用户的线性预编码矩阵T_k为：

根据Q_k矩阵的第二分矩阵

和基站到用户k的信道传输矩阵H_k，构造用户k的等效信道矩阵He_k；

对所述等效信道矩阵He_k的共轭转置矩阵

进行QR分解，将其分解为归一化正交矩阵Ve_k和上三角矩阵Re_k的乘积，其中，Ve_k和Re_k矩阵分别包括两个分矩阵，Ve_k矩阵的第一分矩阵

为Ve_k矩阵的前N_k列，Ve_k矩阵的第二分矩阵

为Ve_k矩阵的后

列，Re_k矩阵的第一分矩阵为Re_k矩阵的前N_k行，Re_k矩阵的第二分矩阵为Re_k矩阵的后

行，所述Re_k矩阵的第一分矩阵为上三角矩阵，所述Re_k矩阵的第二分矩阵为零矩阵；

将Ve_k矩阵的第一分矩阵

与所述Q_k矩阵的第二分矩阵

之积作为用户k的线性预编码矩阵。

5、根据权利要求4所述的方法，其特征在于，所述根据Q_k矩阵的第二分矩阵

和基站到用户k的信道传输矩阵H_k构造用户k的等效信道矩阵He_k为： ${\mathrm{He}}_k=H_k{Q}_k^0.$

6、根据权利要求4所述的方法，其特征在于，所述对

进行的QR分解为排序QR分解。

7、根据权利要求6所述的方法，其特征在于，利用施密特变换对

进行排序QR分解，或者，利用豪思霍德householder变换对

进行排序QR分解。

8、根据权利要求6所述的方法，其特征在于，该方法进一步包括：在接收端，利用排序的QR分解对接收信号进行检测。

9、根据权利要求1所述的方法，其特征在于，所述根据信道估计结果确定系统中各个用户的干扰信道传输矩阵H_k为： ${\stackrel{-}{H}}_k={[H_1^H,...,H_{k-1}^H,H_{k+1}^H,...,H_K^H]}^H,$ 其中，H_k为基站到用户k的信道传输矩阵。

Images