CN101409604B - 多输入多输出系统中的串行干扰消除方法 - Google Patents

Abstract

本发明公开了一种多输入多输出系统中的串行干扰消除方法，包括：基于householder变换对信道传输矩阵进行QR排序分解获得上三角矩阵R，根据矩阵R对各个发射信号进行预编码的串行干扰消除或对接收信号进行串行干扰消除。由于该矩阵R是一个上三角矩阵，因此可以利用上三角矩阵特性依次对各个发射信号进行串行干扰消除，从而避免利用VBLAST对矩阵求逆或伪逆的方式确定串行检测顺序，进而简化串行干扰消除的计算复杂度，提高信号检测的性能。

Description

多输入多输出系统中的串行干扰消除方法 

技术领域

本发明涉及信号检测技术，特别涉及多输入多输出(MIMO)系统中多串行干扰消除方法。 

背景技术

在多输入多输出系统中，用户信号经复用后从多根发射天线发射出去，在接收端通过多根接收天线进行接收。基于最小均方误差(MMSE)或迫零(ZF)算法的垂直贝尔实验室分层空时结构(VBLAST)是一种低复杂度的串行检测方法。 

其中，利用ZF算法进行串行干扰消除的基本思想是：接收端在接收到的信号中，按照一定的顺序依次检测各个发送信号，在检测出每个发送信号后，将该发送信号对其它发送信号的干扰消除掉，然后在消除干扰后的信号中继续检测下一个发送信号，依此循环，直到检测出所有的发送信号。利用MMSE算法进行串行干扰抵消的信号检测时，其基本思想与ZF算法相同，同样是按照一定顺序检测各个发送信号，与ZF算法的区别在于，在检测出每个发送信号并进行干扰消除时，除将检测出的发送信号本身对其它发送信号造成的干扰外，进一步消除各种噪声对发送信号造成的干扰。可见，由于考虑了其它噪声干扰的影响，MMSE算法相比于ZF算法具有更好的检测性能。 

在上述采用ZF或MMSE等串行干扰消除的接收方法时，发送信号的串行检测顺序对于系统接收性能的影响很大。目前，采用VBLAST方案结合ZF或MMSE进行串行干扰消除时，确定信号检测顺序的方式为：在每检测出一个发送信号后，确定下一个要检测的发送信号时，首先计算剩余的待检测发送信号的信噪比，选择信噪比最大的发送信号作为下一个检测的发送信号。在每次确定下一个检测的发送信号过程中，均需要进行矩阵的求逆或伪逆运算，而矩阵逆运算的复杂度很高，并且，随着发射天线数的增加，需要检测的发送信号增加，检测过程中对矩阵求逆或伪逆的次数也相应增加，从而导致整个VBLAST信号检测的计算复杂度也成倍增加。 

发明内容

有鉴于此，本发明提供一种在MIMO系统中进行串行干扰抵消时确定检测顺序的方法，能够有效降低VBLAST方案中信号检测的计算复杂度和提高信号检测性能。 

为实现上述目的，本发明采用如下的技术方案： 

一种多输入多输出系统中的串行干扰消除方法，包括： 

a、获取发送端到接收端的信道传输矩阵H； 

b、根据步骤a中所述信道传输矩阵H确定当前信道传输矩阵，设置加权矩阵Q和第一排序矩阵P分别为M×M维和N×N维的单位矩阵，所述M和N分别为所述当前信道传输矩阵的行数和列数，并将当前信道传输矩阵的第一列作为当前列，即k＝1，k表示当前列的列号； 

c、从当前信道传输矩阵的当前列到最后一列，在每列中提取第k个元素到最后一个元素构成该列的重构列向量，计算每列的重构列向量的范数，确定范数最小的重构列向量所在列的列号q，并对该列的重构列向量进行豪思霍德householder变换，生成向量v和标量β；根据向量v和标量β构造归一化正交矩阵Q_t； 

d、将所述Q_t与当前信道传输矩阵的乘积作为更新后的信道传输矩阵，将矩阵Q_t与当前加权矩阵Q的乘积作为更新后的加权矩阵；将更新后的信道传输矩阵的第k列和第q列交换，将当前第一排序矩阵的第k列和第q列交换； 

e、将步骤b中所述当前信道传输矩阵的下一列作为当前列，即k＝k+1，并判断k是否等于当前信道传输矩阵的行数和列数中的最小值，若是，则执 行步骤f，否则返回步骤c； 

f、根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R，根据矩阵R对各个信号进行串行干扰消除。 

较佳地，所述根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R为：将当前加权矩阵与步骤b中获取的所述信道传输矩阵以及当前第一排序矩阵的共轭转置矩阵之乘积作为矩阵R。 

较佳地，步骤b中所述根据步骤a中的信道传输矩阵H确定当前信道传输矩阵为：将步骤a中所述信道传输矩阵H作为当前信道传输矩阵； 

所述根据矩阵R对各个信号进行串行干扰消除为： 

在接收端，计算当前加权矩阵与接收信号的乘积，利用该乘积结果和矩阵R，对接收信号进行串行干扰消除，检测发射信号。 

较佳地，步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：根据信道传输矩阵H构造扩展信道矩阵H_e＝[H^T，σ²I]^T，其中，σ²是系统噪声的均方差，I是N_t×N_t的单位矩阵；将扩展信道矩阵作为当前信道传输矩阵； 

所述根据矩阵R对各个发射信号进行串行干扰消除为：在接收端，对接收到的信号进行扩展，得到扩展后的接收信号为r_e＝[r^T，0_Ntx1 ^T]^T，建立扩展后的接收信号、当前加权矩阵Q、矩阵R、第一排序矩阵P和发射信号d的函数关系为Qr_e＝RPd-σQR′P^-1Pd，其中，R′＝[0_NtxNr，I]^T，I是N_t×N_t的单位矩阵；根据矩阵R和所述函数关系，检测发射信号d，并进行串行干扰消除。 

较佳地，步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：计算步骤a中获取的信道传输矩阵H的共轭转置矩阵H^H，将计算结果H^H作为当前信道传输矩阵； 

所述根据矩阵R对各个信号进行串行预干扰消除为： 

在发送端，计算当前第一排序矩阵P的共轭转置矩阵与矩阵R的共轭转置矩阵的乘积P^HR^H，从选择的第一发射信号开始，根据P^HR^H依次计算并 消除其它发射信号对该发射信号的干扰，并将消除干扰后的发射信号进行发射。 

较佳地，所述根据P^HR^H依次消除其它发射信号对该发射信号的干扰为： 

其中，A为取模除数，并由选择的调制方式决定，R_k，i为P^HR^H中的第k行第i个元素，d_i为第i发射信号， 为消除干扰后的第i发射信号。 

较佳地，当发射天线数小于等于接收天线数时，步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：对步骤a中获取的信道传输矩阵H进行减格LR算法计算，得到矩阵H_r和P_r，使H_r＝HP_r，并将H_r作为当前信道传输矩阵； 

在步骤b中进一步包括：将第二排序矩阵P′初始化为矩阵P_r； 

在步骤d中执行所述将当前第一排序矩阵的第k列和第q列交换的操作前，进一步包括：将当前第一排序矩阵P设置为单位矩阵； 

在步骤d和e之间进一步包括：对当前信道传输矩阵的分矩阵进行LR计算，生成矩阵H_t和P_t，根据P_t构造n_t×N_t维的幺模矩阵Q_t′，将当前第二排序矩阵、当前第一排序矩阵和矩阵Q_t′的乘积作为更新后的第二排序矩阵，将当前信道传输矩阵与矩阵Q_t′的乘积作为更新后的信道传输矩阵； 

步骤f中所述根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R为：将当前加权矩阵、步骤a中获取的所述信道传输矩阵H、当前第二排序矩阵P′的乘积作为上三角矩阵R。 

较佳地，所述当前信道传输矩阵的分矩阵为：当前信道传输矩阵的第k+1行到第M行中的第k+1个元素到第N个元素构成的矩阵。 

较佳地，所述根据P_t构造N_t×N_t维的幺模矩阵Q_t′为：将当前信道传输t矩阵的第k+1行到第M行中的第k+1个元素到第N个元素应用LR减格算法构成矩阵Q_t′。 

较佳地，所述根据矩阵R对各个发射信号进行串行干扰消除为： 

在接收端，建立接收信号r、当前第二排序矩阵P′、当前加权矩阵Q、上三角矩阵R和发射信号d的函数关系为Qr＝R(P′)^-1d+Qn，其中，n为串行干扰噪声，根据所述函数关系，利用迫零ZF或MMSE算法检测发射信号d，并进行串行干扰消除。 

较佳地，所述根据向量v和标量β构造归一化正交矩阵Q_t为：在向量v的上面添加(k-1)个零，构成向量v′，即v ′＝[0_(k-1)x1，v^T]^T，再计算I_M-β*v′*v′^H，将计算结果作为矩阵Q_t，其中，I_M为将加权矩阵Q初始化得到的单位矩阵。 

由上述技术方案可见，本发明中，获取发送端到接收端的信道传输矩阵H，并基于househoulder变换进行排序QR分解获取上三角矩阵R，根据矩阵R对各个信号进行串行干扰消除。通过上述过程对信道传输矩阵进行排序QR分解后，得到矩阵R，由于该矩阵R是一个上三角矩阵，因此可以利用上三角矩阵特性依次对各个信号进行串行干扰消除，从而避免利用矩阵求逆或伪逆的方式确定串行检测顺序，进而简化串行干扰消除的计算复杂度。 

附图说明

图1为本发明实施例一中串行干扰消除的具体流程图。 

图2为本发明实施例二中串行干扰消除的具体流程图。 

图3为应用实施例一和二的方法，与无排序的ZF和MMSE算法相比，进行信号检测的性能比较示意图。 

图4为本发明实施例三中串行干扰消除的具体流程图。 

图5为本发明实施例四中串行干扰消除的具体流程图。 

图6为应用实施例四的方法、背景技术中介绍的ZF算法、ZF算法与LR算法结合时，进行信号检测的性能比较示意图。 

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：对信道传输矩阵进行排序的QR分解，利用QR分解后得到的上三角矩阵R进行串行干扰消除。 

在本发明中，进行排序的QR分解时，采用基于豪思霍德(householder)变换的方式进行。在具体实施时，可以进行单纯的排序QR分解获取上三角矩阵R，再利用该上三角矩阵进行发射信号检测和串行干扰消除；另外，为进一步改善系统的信号检测性能，也可以通过将排序QR分解与减格(LR，Lattice Reduction)算法相结合，获取上三角矩阵R，再利用该上三角矩阵进行发射信号检测和串行干扰消除。下面将对这两种方式下的具体实施作详细描述。 

实施例一： 

在本实施例中，通过单纯的排序QR分解过程获取上三角矩阵。在N_t 根发射天线、N_r根接收天线的MIMO系统中，图1为本发明实施例一中串行干扰消除的具体流程图。如图1所示，该方法包括： 

步骤101，获取发送端到接收端的信道传输矩阵H。 

本实施例中，在接收端进行信道估计，从而获取发送端到接收端的信道传输矩阵H。 

接下来，通过步骤102～106对信道传输矩阵H进行QR分解，其中，设该QR分解的矩阵的维数为M×N。本实施例中，M＝N_t，N＝N_t。 

步骤102，将步骤101获取的信道传输矩阵H作为当前信道传输矩阵，对其进行QR分解；根据信道传输矩阵H将加权矩阵Q和第一排序矩阵P分别初始化为单位矩阵，并将当前信道传输矩阵的第一列作为当前列。 

具体地，将加权矩阵Q初始化为单位矩阵，并且该单位矩阵的维数与当前信道传输矩阵的行数相等，即Q＝I_M；将第一排序矩阵P初始化为单位矩阵，并且该单位矩阵的维数与当前信道传输矩阵的列数相等，即P＝I_N。利用变量k代表当前信道传输矩阵的当前列列号，因此，本步骤中k＝1。 

步骤103，从当前信道传输矩阵的当前列到最后一列，在每列中提取第 k个元素到最后一个元素构成该列的重构列向量，计算每列的重构列向量的范数；并确定计算结果中范数最小的重构列向量，确定该重构列向量所在列的列号q。 

信道传输矩阵为M×N维的矩阵，它表示发射端到接收端的信道传输特性，其中的任意元素h_i，j表示第j根发射天线到第i根接收天线的信道冲激响应，矩阵中当前列的列向量表示第k根发射天线到接收端的信道传输特性。 

本步骤计算重构列向量范数的方式为：计算该向量中各个元素的模的平方和，再对该平方和取平方根，即Normall＝(|h_k，i|²+|h_k+1，i|²+...+|h_M，i|²)1/²，其中，i＝k，...，N。在上述计算的各个重构列向量范数中，选择范数最小的重构列向量所在列的列号，即q＝min(NormALL(k∶N))。 

这里，重构列向量的范数表征了该列对应的发射天线到第k根至最后一根接收天线的信道增益状况，由于该增益状况近似反映了信号的信噪比状况，因此，选择范数最小的重构列向量所在的列，也就是近似选择了这些列对应的发射信号中信噪比最小的一根发射天线。 

步骤104，对第q列的重构列向量进行householder变换，生成向量v和标量β；根据向量v和标量β构造M×M维的归一化正交矩阵Q_t。 

本步骤对第q列的重构列向量进行豪思霍德(householder)变换。 

householder变换中，输入一个n维的列向量x，经Householder(x)的变换操作后生成n维的向量v和标量β，并且这两个量满足：B＝I_n-β*v*v^H为一n×n维正交归一矩阵，B*x＝norm(x)*e₁，其中，e₁为n×1的列向量，该e₁的第一个元素为1，其他元素为0。 

根据householder变换的上述特性，可以利用向量v和标量β构造M×M维的归一化正交矩阵Q_t。具体地，首先在向量v的上面添加(k-1)个零，构成M维的向量v，即v′＝[0_(k-1)×1，v^T]^T，然后，再计算I_M-β*v′*v′^H，将计算结果作为矩阵Q_t，根据householder变换的特性可得，矩阵Q_t是个M×M维的归一化正交矩阵。 

步骤105，将矩阵Q_t与当前信道传输矩阵的乘积作为更新后的信道传输矩阵，将矩阵Q_t与当前加权矩阵Q的乘积作为更新后的加权矩阵；将更新后的信道传输矩阵的第k列和第q列交换，将当前第一排序矩阵的第k列和第q列交换。 

本步骤利用构造的矩阵Qt更新当前信道传输矩阵和加权矩阵，具体地，H＝Q_t*H，Q＝Q*Q_t。将更新后的信道传输矩阵的第k列和第q列交换，将当前第一排序矩阵的第k列和第q列交换，也就是将当前列和步骤103中选择的范数最小的重构列向量所在的列进行交换。如前所述，范数最小的重构列向量所在的列被近似认为与具有最小信噪比的发射天线对应，将该列与当前列交换后，即将该列置前。 

具体地，在第一次循环时，k＝1，则在所有列中确定范数最小的重构列向量所在列的列号q，并将第一列与第q列交换，使第q列成为第一列；在第二次循环时，在剩余的第二列到最后一列中确定范数最小的重构列向量所在列的列号q，并将第二列与第q列交换；如此循环下去，未被选择的列中范数最小的列置前，直到将所有的列选择完毕。形成近似按照信噪比递增的顺序排列的加权矩阵、信道传输矩阵和第一排序矩阵。 

步骤106，将当前信道传输矩阵的下一列作为当前列，即k＝k+1，并判断k是否等于当前信道传输矩阵的行数和列数中的最小值，若是，则执行步骤107，否则返回步骤103。 

到本步骤前，已完成一次排序过程。本步骤中，将当前信道传输矩阵的下一列作为当前列，即令k＝k+1，进行下一次循环。在进行下一次循环前，首先判断k是否等于当前信道传输矩阵的行数和列数中的最小值，若是，则表明QR分解已完成，可以结束循环执行步骤107，利用加权矩阵和信道传输矩阵计算上三角矩阵；否则，表明QR分解仍未完成，返回步骤103，继续进行下一次循环。 

步骤107，将当前加权矩阵的转置矩阵、步骤101中获得的所述当前信道传输矩阵以及当前第一排序矩阵的乘积作为矩阵R。 

经过上述步骤101～106的操作对信道传输矩阵H进行排序QR分解后，得到加权矩阵Q和第一排序矩阵P，根据上述信道传输矩阵和QR分解后的结果计算上三角矩阵R的方式为：R＝QHP^H  (1)。 

由于矩阵R是个上三角矩阵，因此可以利用该矩阵对检测信号进行串行干扰消除和信号检测。在本实施例中，采用串行迭代方法，通过上三角矩阵进行串行干扰消除及信号检测。具体地，由于r＝Hd+n，由公式(1)可得H＝Q^HR(P^H)^-1＝Q^HRP，将其代入上式可得，r＝Q^HRPd+n，将该式左右同乘Q可得，Qr＝RPd+Qn。 

将Pd看作发射信号排序过程，由于通过上述QR分解已经确定了加权矩阵Q，并且接收信号r已知，于是可以求得Qr；又矩阵R为上三角矩阵，因此，可以从Pd向量中的最后一个元素开始检测，并在检测完该元素后，将该元素对其它元素的干扰消除掉，再对倒数第二个元素进行检测，直到检测到第一个元素，从而能够获得Pd的取值。然后，再将该向量左乘第一排序矩阵的逆矩阵P^-1即得到发射信号d。 

具体利用上述关系式进行信号检测和串行干扰消除的步骤包括： 

步骤108，在接收端，对利用滤波特性为Q的滤波器对接收信号进行滤波，得到向量Qr。 

步骤109，依据Qr和R计算Pd。 

步骤110，将向量Pd左乘第一排序矩阵的逆矩阵P^-1得到发射信号d。 

经过上述步骤108～110即完成了接收端的信号检测。 

至此，本实施例中进行串行干扰消除的方法流程结束。由上述流程可见，本发明中，通过排序QR分解确定上三角矩阵R，并且根据上三角矩阵与发射信号和接收信号的关系，进行发射信号的检测和串行干扰消除，该信号检测过程中近似采用的信噪比递减的顺序进行，能够获得较佳的检测性能。同时，由于该检测过程中避免利用矩阵求逆或伪逆过程，因此降低了信号检测的复杂度。 

在本实施例中，采用了单纯的排序QR分解获取R矩阵，并且利用ZF 检测器进行信号检测。事实上，通过MMSE检测器与上述排序QR分解过程相结合，由于MMSE过程考虑了信号噪声，因此能够获得更优的检测性能。下面通过实施例二对这种实施方式进行描述。 

实施例二： 

本实施例中，仍然通过单纯的排序QR分解获取R矩阵。具体地，图2为本发明实施例二中串行干扰消除的具体流程图。如图2所示，该方法包括： 

步骤201，获取发送端到接收端的信道传输矩阵H，并构造扩展信道矩阵H_e＝[H^T，σ²I]^T，将其作为当前信道传输矩阵。 

本步骤中，接收端通过信道估计获取发送端到接收端的信道传输矩阵H，再根据信道传输矩阵H确定当前信道传输矩阵。具体确定当前信道传输矩阵的方式为：根据信道传输矩阵H构造扩展信道矩阵H_e＝[H^T，σ²I]^T，其中，σ²是系统噪声的均方差，I是N_txN_t的单位矩阵。 

步骤202，对扩展信道矩阵，利用householder变换进行排序QR分解。 

本实施例中，将扩展信道矩阵作为当前的信道传输矩阵，因此对扩展信道矩阵进行排序QR分解，具体分解方式与实施例一中步骤102～106的过程相同。在步骤106中，当判断k与当前信道传输矩阵的行数和列数的最小值相等时，执行步骤203。 

步骤203，将当前加权矩阵、步骤201中确定的扩展信道矩阵以及当前第一排序矩阵的共轭转置矩阵之乘积作为矩阵R_e。 

经过上述步骤201～203的操作对扩展信道传输矩阵H_e进行排序QR分解后，得到加权矩阵Q和第一排序矩阵P，根据上述信道传输矩阵和QR分解后的结果计算上三角矩阵R的方式为：R_e＝Q_eH_eP^H  (2)。 

在本实施例中，采用MMSE检测器，通过上三角矩阵进行串行干扰消除及信号检测。具体地，由于r＝Hd+n，由公式(2)可得H_e＝Q_e ^HR_e(P^H)^-1＝Q_e ^HR_eP(3)。其中，在本实施例中，P^H＝P^-1。 

步骤204，在接收端，扩展接收信号为r_e＝[r^T，0_Ntx1 ^T]^T，并根据Q_er_e和R_e计算Pd。 

本步骤中，首先扩展接收信号为r_e＝[r^T，0_Ntx1 ^T]^T；根据接收信号、发射信号和信道传输矩阵的关系r＝Hd+n，以及扩展后的接收信号和扩展信道传输矩阵的表达式，可以得到扩展后的接收信号、扩展信道传输矩阵和发射信号间的关系，具体为r_e＝H_ed+n-σR′d(4)，其中，R′＝[0_NtxNr，I]^T，I是N_txN_t 的单位矩阵。将公式(3)代入公式(4)可得r_e＝Q_e ^HR_ePd+n-σR′d，将该式的等号左右两边同乘Q_e得到Q_er_e＝R_ePd+Q_en-Q_eσR′d，由于P^-1P＝I，因此，可以利用函数关系Q_er_e＝R_ePd-Q_eσR′P^-1Pd计算向量Pd的取值。 

步骤205，将向量Pd左乘第一排序矩阵的逆矩阵P^-1得到发射信号d。 

经过上述步骤204～205即完成了接收端的信号检测。 

至此，本实施例中进行串行干扰消除的方法流程结束。本实施例中，对考虑了信道噪声的扩展信道矩阵进行排序QR分解，从而确定上三角矩阵R。并进一步根据扩展信道矩阵和扩展后接收信号的关系进行发射信号的检测，与实施例一中类似。同时，与实施例一相比，由于考虑到了信道噪声，因此具有更优的检测效果。 

为说明本发明的优点，对应用上述实施例一和实施例二的系统进行了仿真实验。图3为应用实施例一和二的方法，与不进行排序、单纯采用ZF和MMSE算法相比，进行信号检测的性能比较示意图。该系统性能仿真的仿真参数为：4根发射天线和4根接收天线的MIMO系统，系统信道为最大时延为16码片的瑞利衰落信道，系统采用256个子载波的OFDM技术消除频率选择性信道产生的符号间干扰，在一个OFDM符号的传输时间内信道是平稳的，在一帧中的OFDM符号间是相关的，不同帧间的OFDM符号是不相关的，调制方式为4-QAM，接收端能够进行准确的信道估计。如图3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301是无排序的ZF算法进行信号检测时信噪比与误码率的关系曲线；曲线302是应用实施例一的方式进行信号检测时信噪比与误码率的关系曲线；曲线303是无排序的MMSE算法进行信号检测时信噪比与误码率的关系曲线；曲线304是应用实施例二的方式进行信号检测时信噪比与 误码率的关系曲线。 

由曲线301和302的比较可见，本发明实施例一的方式与无排序的ZF算法进行信号检测相比，能够带来更好的检测性能，在高SNR下，能够带来约2dB的增益。又由曲线303和304的比较可见，本发明实施例二的方式与无排序的MMSE算法进行信号检测相比，也能够带来更好的检测性能，在误码率为10^-2时，系统增益约为4dB。另外，由曲线302和304的比较可见，本发明实施例二的方式与实施例一的方式相比，也能够带来一定的系统检测性能的增益，说明排序QR分解与MMSE算法结合能够具有更优的检测性能。 

在上述实施例一和实施例二中，均是通过单纯的排序QR分解获取上三角矩阵，然后结合接收端进行的ZF或MMSE算法进行信号检测。下面的实施例三也将通过单纯的排序QR分解获取上三角矩阵R，但是利用该上三角矩阵R的方式与实施例一和实施例二不同，将在发送端利用该矩阵R进行串行干扰消除，具体实施方式如下所述。 

实施例三： 

在N_t根发射天线、N_r根接收天线的MIMO系统中，图4为本发明实施例三中串行干扰消除的具体流程图。如图4所示，该方法包括： 

步骤401，获取发送端到接收端的信道传输矩阵H。 

本实施例中，发送端获取发送端到接收端的信道传输矩阵H，具体方式可以为：在接收端进行信道估计获取发送端到接收端的信道传输矩阵H，然后接收端将估计结果反馈给发送端；或者在上下行信道特性相同的系统环境中，发送端进行信道估计获取接收端到发送端的信道传输矩阵，并将信道估计结果作为发送端到接收端的信道传输矩阵H。 

步骤402，计算信道传输矩阵的共轭转置矩阵H^H，基于householder变换对信道传输矩阵H^H进行排序QR分解，生成加权矩阵Q、第一排序矩阵P和上三角矩阵R。 

本实施例中，将信道传输矩阵的共轭转置矩阵H^H作为当前信道传输矩 阵。本步骤中对信道传输矩阵H^H进行排序QR分解的过程与实施例一中步骤102～107相同，这里就不再赘述。进行QR分解后，加权矩阵Q、第一排序矩阵P、上三角矩阵R和信道传输矩阵H^H的关系为R＝QH^HP^H  (5) 

步骤403，在发送端，根据发射信号d确定汤姆林森-哈利西玛(Tomlinson-Harishima)预编码后的发射信号 

本步骤中，由上述公式(5)可得信道传输矩阵H＝P^HR^HQ，将其代入r＝Hd+n可得r＝P^HR^HQd+n。选择U＝Q^H作为发送端的预编码矩阵，则有r＝P^HR^HQUd+n＝P^HR^Hd+n。其中，P^HR^H是对矩阵R^H的列进行重新排列后得到的矩阵，由于R^H是个下三角矩阵，P^HR^H重新排列后的矩阵中，各个数据流间的相互干扰仍和R^H一样，因此在发送端仍可以得到各个发射信号{d_i}间的干扰关系，其中，d_i为向量d中的第i个元素，具体地，其它信号对第i个发射信号d_i的干扰为 ${\mathrm{\Σ}}_{k=1}^{i-1}\frac{R_{k,i}}{R_{k,k}}{\hat{d}}_k,$ R_k，i是矩阵P^HR^H中的元素，i＝1，...，N_t，k＝1，...，N_r， 

为Tomlinson-Harishima预编码后的发射信号 的第k个元素。 

根据上述发射信号间的干扰，在发送端通过Tomlinson-Harishima预编码进行串行干扰消除，具体为 ${\tilde{d}}_i=d_i-{\mathrm{\Σ}}_{k=1}^{i-1}\frac{R_{k,i}}{R_{k,k}}{\hat{d}}_k,$ ${\hat{d}}_i=\mathrm{mod}({\tilde{d}}_i,A),$ mod为取模操作，取模除数大小为A，由所采用的调制方式决定，从而得到Tomlinson-Harishima预编码后的发射信号 

至此，本实施例中进行预编码的方法流程结束。在接收端，首先获取矩阵P^HR^H，具体获取方式可以是：接收端按照与发送端相同的方式完成QR分解获取P矩阵和R矩阵，然后计算P^HR^H，或者，也可以由发送端将矩阵P^HR^H中的元素R_k，k直接发送到接收端。然后，接收端对接收到的上述发射信号利用相应的矩阵P^HR^H中的元素R_k，k进行均衡，其中，k＝1，...K，K为最大发送流的数目，再对均衡结果进行与发送端相同的取模操作。经过上述处理后的接收信号即为检测后的发射信号d。在本实施例中，通过在发送端利用上三角矩阵R进行Tomlinson-Harishima预编码实现了发射信号间的串行干 扰消除，该处理流程在发送端进行，相应地在接收端的处理过程简化，降低了信号检测时的计算复杂度，并且此方法没有在接收端的串行干扰消除的错误传播带来的性能损失。 

在上述三个实施例中，获取上三角矩阵R的方式均是通过单纯进行排序QR分解获得的，在下面的实施例中，通过排序QR分解结合LR算法的方式获取上三角矩阵R。 

实施例四： 

在N_t根发射天线、N_r根接收天线的MIMO系统中，图5为本发明实施例四中串行干扰消除的总体流程图。如图5所示，该方法包括： 

步骤501，获取发送端到接收端的信道传输矩阵H。 

本实施例中，在接收端进行信道估计，从而获取发送端到接收端的信道传输矩阵H。 

接下来，通过步骤502～506对信道传输矩阵H进行QR分解，其中，设该QR分解的矩阵的维数为M×N。本实施例中，M＝N_r，N＝N_t。 

步骤502，对步骤501中获取的信道传输矩阵H进行LR计算，得到矩阵H_r和P_r，使H_r＝HP_r，并将H_r作为当前信道传输矩阵。 

步骤503，将N_r×N_r维的加权矩阵Q和N_t×N_t维的第一排序矩阵P初始化为单位矩阵，并将当前信道传输矩阵H_r的第一列作为当前列，即k＝1，k表示当前列的列号，将第二排序矩阵P′初始化为矩阵P_r。 

步骤504，从当前信道传输矩阵的当前列到最后一列，在每列中提取第k个元素到最后一个元素构成该列的重构列向量，计算每列的重构列向量的范数；并确定计算结果中范数最小的重构列向量，确定该重构列向量所在列的列号q。 

步骤505，对第q列的重构列向量进行householder变换，向量v和标量β；根据向量v和标量β构造M×M维的归一化正交矩阵Q_t。 

上述步骤504～505的操作与实施例一中步骤103～104的操作相同，这里就不再赘述。 

步骤506，将矩阵Q_t与当前信道传输矩阵的乘积作为更新后的信道传输矩阵，将矩阵Q_t与当前加权矩阵Q的乘积作为更新后的加权矩阵；将更新后的信道传输矩阵的第k列和第q列交换，将当前第一排序矩阵P设置为单位矩阵，并交换该单位矩阵的第k列和第q列。 

步骤507，对当前信道传输矩阵的分矩阵进行LR计算，生成矩阵H_t 和P_t，根据P_t构造N_t×N_t维的幺模矩阵Q_t′。 

本步骤中，当前信道传输矩阵的分矩阵为：当前信道传输矩阵的第k+1行到第M行中的第k+1个元素到第N个元素构成的矩阵，即H(k+1：M，k+1：N)。对上述形成的分矩阵进行LR计算生成矩阵H_t和P_t。 

根据P_t构造N_r×N_r维的归一化正交矩阵Q_t′为：将k×k维的单位矩阵作为左上角分矩阵，将P_r作为右下角分矩阵，其余位置填0，构成N_t×N_t 维的幺模矩阵Q_t′，即Q_t＝[I_k，0_kx(N-k)；0_(N-k)xk，P_r]。 

步骤508，将当前第二排序矩阵、当前第一排序矩阵和矩阵Q_t′的乘积作为更新后的第二排序矩阵，将当前信道传输矩阵与矩阵Q_t′的乘积作为更新后的信道传输矩阵。 

本步骤中，更新第二排序矩阵，具体将当前第二排序矩阵、当前第一排序矩阵和矩阵Q_t′的乘积作为更新后的第二排序矩阵，即P′＝P′*P*Q_t；更新信道传输矩阵，具体将当前信道传输矩阵与矩阵Q_t′的乘积作为更新后的信道传输矩阵，即H＝H*Q_t。 

步骤509，将当前信道传输矩阵的下一列作为当前列，即k＝K+1，并判断k是否等于当前信道传输矩阵的列数，若是，则执行步骤510，否则返回步骤504。 

步骤510，将当前加权矩阵、步骤501中获取的信道传输矩阵H、当前第二排序矩阵P′的乘积作为上三角矩阵R。 

经过上述步骤501～510的操作对信道传输矩阵H进行排序QR分解后，得到加权矩阵Q和第二排序矩阵P′，根据上述信道传输矩阵和QR分解后的结果计算上三角矩阵R的方式为：R＝QHP′  (6)。 

由于矩阵R是个上三角矩阵，因此可以利用该矩阵对检测信号进行串行干扰消除和信号检测。在本实施例中，采用ZF检测器，通过上三角矩阵进行串行干扰消除及信号检测。具体执行如下步骤： 

步骤511，在接收端，对接收信号进行滤波得到向量Qr，并根据Qr和R计算向量(P′)^-1d。 

由公式(6)可得H＝Q^HR(P′)^-1，将其代入r＝Hd+n可得，r＝Q^HR(P′)^-1d+n，将该式左右同时左乘Q可得，Qr＝R(P′)^-1d+Qn。在该等式关系中，矩阵R为上三角矩阵，在ZF算法中噪声项Qn可以忽略，因此可以利用该等式计算向量(P′)^-1d的取值。 

步骤512，将向量(P′)^-1d左乘第二排序矩阵P′得到发射信号d。 

经过上述步骤511～512即完成了接收端的信号检测。 

至此，本实施例中进行串行干扰消除的方法流程结束。本实施例中，通过排序QR分解与LR算法相结合的方式确定上三角矩阵R，并且根据上三角矩阵与发射信号和接收信号的关系，进行发射信号的检测和串行干扰消除。 

为说明本实施例的优点，对应用上述实施例四的系统进行了仿真实验。图6为应用实施例四的方法、背景技术中介绍的ZF算法、ZF算法与LR算法结合时，进行信号检测的性能比较示意图。该系统仿真的仿真参数与图3所示仿真结果的仿真参数相同。如图6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601是采用背景技术中的无排序的ZF算法进行信号检测时信噪比与误码率的关系曲线；曲线602是采用本发明排序的QR分解的ZF算法进行信号检测时信噪比与误码率的关系曲线；曲线603是应用实施例四QR与LR算法结合的方式进行信号检测时信噪比与误码率的关系曲线。 

由曲线601、602和603的比较可见，应用LR算法后，能够带来更优的信号检测性能，而应用本发明实施例四的方式进行信号检测，能够获得最佳的信号检测性能。 

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 (11)

1.一种多输入多输出系统中的串行干扰消除方法，其特征在于，该方法包括：

a、获取发送端到接收端的信道传输矩阵H；

b、根据步骤a中所述信道传输矩阵H确定当前信道传输矩阵，设置加权矩阵Q和第一排序矩阵P分别为M×M维和N×N维的单位矩阵，所述M和N分别为所述当前信道传输矩阵的行数和列数，并将当前信道传输矩阵的第一列作为当前列，即k＝1，k表示当前列的列号；

c、从当前信道传输矩阵的当前列到最后一列，在每列中提取第k个元素到最后一个元素构成该列的重构列向量，计算每列的重构列向量的范数，确定范数最小的重构列向量所在列的列号q，并对该列的重构列向量进行豪思霍德householder变换，生成向量v和标量β；根据向量v和标量β构造归一化正交矩阵Q_t；

d、将所述Q_t与当前信道传输矩阵的乘积作为更新后的信道传输矩阵，将矩阵Q_t与当前加权矩阵Q的乘积作为更新后的加权矩阵；将更新后的信道传输矩阵的第k列和第q列交换，将当前第一排序矩阵的第k列和第q列交换；

e、将步骤b中所述当前信道传输矩阵的下一列作为当前列，即k＝k+1，并判断k是否等于当前信道传输矩阵的行数和列数中的最小值，若是，则执行步骤f，否则返回步骤c；

f、根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R，根据矩阵R对各个信号进行串行干扰消除。

2.根据权利要求1所述的方法，其特征在于，

所述根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R为：将当前加权矩阵与步骤b中获取的所述信道传输矩阵以及当前第一排序矩阵的共轭转置矩阵之乘积作为矩阵R。

3.根据权利要求2所述的方法，其特征在于，

步骤b中所述根据步骤a中的信道传输矩阵H确定当前信道传输矩阵为：将步骤a中所述信道传输矩阵H作为当前信道传输矩阵；

所述根据矩阵R对各个信号进行串行干扰消除为：

在接收端，计算当前加权矩阵与接收信号的乘积，利用该乘积结果和矩阵R，对接收信号进行串行干扰消除，检测发射信号。

4.根据权利要求2所述的方法，其特征在于，

步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：根据信道传输矩阵H构造扩展信道矩阵H_e＝[H^T，σ²I]^T，其中，σ²是系统噪声的均方差，I是N_t×N_t的单位矩阵；将扩展信道矩阵作为当前信道传输矩阵；

所述根据矩阵R对各个发射信号进行串行干扰消除为：在接收端，对接收到的信号进行扩展，得到扩展后的接收信号为r_e＝[r^T，0_Ntx1 ^T]^T，建立扩展后的接收信号、当前加权矩阵Q、矩阵R、第一排序矩阵P和发射信号d的函数关系为Qr_e＝RPd-σQR′P^-1Pd，其中，R′＝[0_NtxNr，I]^T，I是N_t×N_t的单位矩阵；根据矩阵R和所述函数关系，检测发射信号d，并进行串行干扰消除。

5.根据权利要求2所述的方法，其特征在于，

步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：将步骤a中获取的信道传输矩阵H的共轭转置矩阵H^H作为当前信道传输矩阵；

所述根据矩阵R对各个信号进行串行预干扰消除为：

在发送端，计算当前第一排序矩阵P的共轭转置矩阵与矩阵R的共轭转置矩阵的乘积P^HR^H，从选择的第一发射信号开始，根据P^HR^H依次计算并消除其它发射信号对该发射信号的干扰，并将消除干扰后的发射信号进行发射。

6.根据权利要求5所述的方法，其特征在于，所述根据P^HR^H依次消除其它发射信号对该发射信号的干扰为：

其中，A为取模除数，并由选择的调制方式决定，R_k，i为P^HR^H中的第k行第i个元素，d_i为第i发射信号，

为消除干扰后的第i发射信号。

7.根据权利要求1所述的方法，其特征在于，

当发射天线数小于等于接收天线数时，步骤b中所述根据信道传输矩阵H确定当前信道传输矩阵包括：对步骤a中获取的信道传输矩阵H进行减格LR算法计算，得到矩阵H_r和P_r，使H_r＝HP_r，并将H_r作为当前信道传输矩阵；

在步骤b中进一步包括：将第二排序矩阵P′初始化为矩阵P_r；

在步骤d中执行所述将当前第一排序矩阵的第k列和第q列交换的操作前，进一步包括：将当前第一排序矩阵P设置为单位矩阵；

在步骤d和e之间进一步包括：对当前信道传输矩阵的分矩阵进行LR计算，生成矩阵H_t和P_t，根据P_t构造N_t×N_t维的幺模矩阵Q_t′，将当前第二排序矩阵、当前第一排序矩阵和矩阵Q_t′的乘积作为更新后的第二排序矩阵，将当前信道传输矩阵与矩阵Q_t′的乘积作为更新后的信道传输矩阵；

步骤f中所述根据当前加权矩阵和步骤b中所述当前信道传输矩阵确定上三角矩阵R为：将当前加权矩阵、步骤a中获取的所述信道传输矩阵H、当前第二排序矩阵P′的乘积作为上三角矩阵R。

8.根据权利要求7所述的方法，其特征在于，所述当前信道传输矩阵的分矩阵为：当前信道传输矩阵的第k+1行到第M行中的第k+1个元素到第N个元素构成的矩阵。

9.根据权利要求7所述的方法，其特征在于，所述根据P_t构造N_t×N_t维的幺模矩阵Q_t′为：将当前信道传输矩阵的第k+1行到第M行中的第k+1个元素到第N个元素应用LR减格算法构成矩阵Q_t′。

10.根据权利要求7所述的方法，其特征在于，所述根据矩阵R对各个发射信号进行串行干扰消除为：

在接收端，建立接收信号r、当前第二排序矩阵P′、当前加权矩阵Q、上三角矩阵R和发射信号d的函数关系为Qr＝R(P′)^-1d+Qn，其中，n为串行干扰噪声，根据所述函数关系，利用迫零ZF或MMSE算法检测发射信号d，并进行串行干扰消除。

11.根据权利要求1到10中任一所述的方法，其特征在于，所述根据向量v和标量β构造归一化正交矩阵Q_t为：在向量v的上面添加(k-1)个零，构成向量v′，即v′＝[0_(k-1)x1，v^T]^T，再计算I_M-β*v′*v′^H，将计算结果作为矩阵Q_t，其中，I_M为MxM的单位矩阵。

Images