CN101621322A - 协作多点mimo传输中的低反馈量多用户调度方法 - Google Patents

Abstract

一种协作多点MIMO传输中的低反馈量多用户调度方法，有四种方案，即(1)NUS，(2)Large Scale，(3)Local－NUS，(4)Local－Large Scale。分别基于不同的信道反馈信息，具有统一的执行过程。该方法是一种在空间域挑选多个服务用户的调度方法，并通过在时间域上与机会轮询调度方法相结合来保证用户公平性。它的调度过程包括：1.初始化，根据反馈信息选取信道条件最好的用户为第一个用户；2.基于已选用户，迭代地从剩余用户中挑选调度用户集合，直至满足给定的停止准则；3.基于机会轮询调度方法，将已选用户消除，重复执行步骤一和步骤二。与基于完整信道信息的协作调度方法相比，该方法没有太大的性能损失，但显著地降低系统反馈量；与不协作系统相比，可以极大地改善系统性能。

Description

协作多点MIMO传输中的低反馈量多用户调度方法

(一)技术领域

本发明涉及移动通信系统中的用户调度技术，特别是涉及协作多点多输入多输出(MIMO)传输中的低反馈量用户调度方法，属于移动通信技术领域。

(二)背景技术

在未来蜂窝网络中，全频复用通常被采用以获得高频谱效率，而由此带来的小区间干扰将成为进一步提高系统性能的主要瓶颈之一。除了各种干扰抑制技术，最近一种协作多点传输(CoMP)的设计思想引起工业界和学术界的广泛关注。多基站相干传输是一种典型的协作多点传输方案，它通过联合设计多基站之间的发射信号，能够将小区间干扰信号转化为期望信号，从而极大地提高小区平均吞吐量和小区边缘用户吞吐量。相干多点协作传输系统与单小区多用户多输入多输出(MIMO)的一个主要区别在于前者在进行发射方案设计时需要考虑单基站功率约束。文献“A.T¨olli and M.Codreanu and M.Juntti，“Cooperative MIMO-OFDM cellularsystem with soft handover between distributed base station antennas，”IEEETrans.Wireless Commun.，vol.7，pp.1428-1440，Apr.2008.”中采用凸优化方法设计了基于单基站功率约束的最优线性波束形成方案。为了降低计算复杂度，文献“M.K.Karakayali，G.J.Foschini，and R.A.Valenzuela，“Networkcoordination for spectrally efficient communications in cellular systems，”IEEE Wireless Commun.Mag.，vol.13，pp.56-61，Aug.2006.”中提出了次优的迫零波束形成方案(ZFBF)，并被广泛用于对各种协作多点传输方案进行性能分析和评估。

除了发射波束形成方案，多用户调度也对CoMP系统性能具有重要的影响。通过多用户调度，位于不同小区的多个用户将被选择，并由多个协作基站共同服务。如果将CoMP系统看作一个更大的单小区多用户多输入多输出系统即MIMO系统，那么现有的多用户调度方案可以直接应用。但是，CoMP系统与单小区多用户系统具有本质区别的的信道特征，我们称之为CoMP系统的信道非对称特性。具体而言，在单小区系统中，每个用户与基站每个天线之间的信道具有相同的平均能量；而在CoMP系统中，每个用户到不同基站之间的信道具有不同的平均能量。这种非对称信道特性将会对CoMP系统性能产生重大的影响，同时也提供了进一步提高多用户调度性能的可能。如果协作基站已知其所服务小区内所有用户的信道信息，则CoMP系统的多用户分集增益将从单小区的O(log log K)增加为

其中K是系统服务的总用户数。同时，由于系统网络结构的变化，在CoMP系统中获取发射端信道状态信息(CSIT)会导致巨大的上行反馈开销。在本文，我们将利用CoMP系统信道的非对称性来减小多用户调度对CSIT反馈的需求，从而降低系统反馈开销。

如果将CoMP系统看作一个更大的单小区多用户多输入多输出系统即MIMO系统，那么现有的多用户调度方案可以直接应用。现有的关于单小区多用户MIMO系统的多用户调度方法的研究指出，信道方向信息和信道质量信息是获取多用户分集的必要信息，而且信道质量信息应是信干噪比信息而不仅仅是信道模值信息。这意味着当多个基站协作挑选服务用户时，最优的用户调度方案需要基站获知全部用户的完整信道状态信息(CSIT)，这往往需要通过用户端估计自身与所有协作小区基站之间的信道、并进行上行反馈才能实现，将带来极大的反馈开销。

本发明将针对采用ZF-BF的下行协作预编码，利用CoMP系统信道的非对称性设计低反馈量的用户调度方法。在调度完成之后，协作基站将采用ZFBF对所调度用户进行协作传输。虽然ZFBF要求所调度用户反馈准确的CSIT，但是由于所调度用户数在所有用户中只占很小的比例，因此上行反馈开销被有效地降低。

(三)发明内容

1、目的

本发明的目的是为了提供协作多点MIMO传输中的低反馈量多用户调度方法，该方法克服了现有技术的不足，它是针对采用ZF-BF的下行协作预编码，提出低反馈量的用户调度方法。该方法首先是基于信道模值反馈的用户调度(ChannelNorm-based User Scheduling，NUS)。在此基础上，它还提出了无需反馈信道瞬时模值的、基于用户大尺度信道的用户调度(以下简称Large Scale)，从而进一步降低反馈量。此外，本发明还提出了基于其它协作小区的信道模值和本小区完整信道信息的调度算法(以下简称为Local-NUS)以及基于用户大尺度信道和本小区完整信道信息的调度算法(以下简称Local-Large Scale)。

2、技术方案

为了达到以上目的，本发明提出的技术方案如下：

考虑M个小区协作的系统，每个小区包含一个天线数为N_t的基站和K个均匀分布在小区内的用户，网络配置可以用(M，N_t，K)来表示。

用i_km表示小区m内的第k个用户的序号，则有

i_km∈{K(m-1)+1，...，Km}，m＝1，...，M；定义

表示维数为1×MN_t的矩阵集合，用户i_km的下行信道向量用 $h_{i_{\mathrm{km}}}=[h_{i_{\mathrm{km}}1}\·\·\·h_{i_{\mathrm{km}}M}]\∈C^{1\×{\mathrm{MN}}_t}$ 表示，其中 $h_{i_{\mathrm{km}}n}\∈C^{1\×N_t}$ 表示从第n个基站到用户i_km的信道向量，n＝1，...，M，图2给出CoMP系统下用户信道示意图。

协作基站采用迫零波束形成方案即采用ZF-BF实现下行协作多用户MIMO传输。考虑协作多点传输系统即CoMP系统信道的非对称特性，即不同协作基站到同一用户的平均信道能量不同，我们在理论分析每个候选用户的信道矢量到已选用户信道矢量所组成的空间的正交投影模值和角度上界的基础上，提出了以下基于信道瞬时模值、统计模值、以及基于本小区全部信道和其他协作小区信道模值的调度方案。

若以和数据率最大为准则，那么仅有小区中心的用户能被服务，而采用CoMP的目的之一就是为了提高小区边缘用户的吞吐量。

考虑到用户公平性，我们把用户调度方案与具有短期公平性的机会轮询调度(ORS方案)结合。ORS方案类似于轮询调度，区别在于轮询在保证所有用户被服务的原则下随机选取被服务用户，而ORS优先选择信道条件较好的用户，已服务的用户在其他用户未被服务时将暂不列入挑选对象。

1、基于信道模值反馈的用户调度方案即NUS方案：

分别用和

表示第l次迭代后可调度用户的编号集合和第l次迭代用户的调度结果，其中1≤l≤min(MN_t，MK)，由此

未迭代时的用户编号集合为

基于信道模值反馈的用户调度包含以下步骤：

步骤一：初始化。选择信道模值最大的用户作为第一个用户：

令

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中 $\cos \mathrm{\θ}\≤\frac{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|h_{i_{\mathrm{km}}n}\left|\right|\·\left|\right|h_{s_{i}n}\left|\right|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{i}n}\left|\right|}^2}}={\mathrm{\μ}}_{i_{\mathrm{km}}{s}_l}^{\mathrm{ub}},$

是不同用户之间信道角度余弦值的上限。ε为角度门限，门限值选取对系统性能有影响。

当

(空集合)时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中

∪表示取两集合的并集。

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤(1)开始新一轮迭代选用户过程；若全部用户已被服务则向基站重新反馈信道模值信息，并将可选用户集合重置为全部用户。

2、基于用户大尺度信道的用户调度方案即Large Scale方案：

定义 ${\stackrel{\‾}{h}}_{i_{\mathrm{km}}}=[{\stackrel{\‾}{h}}_{i_{\mathrm{km}}1}\·\·\·{\stackrel{\‾}{h}}_{i_{\mathrm{km}}M}]\∈C^{1\×{\mathrm{MN}}_t}$ 表示用户i_km的下行大尺度信道向量，其中

表示从第n个基站到用户i_km的大尺度信道，是一个标量，n＝1，...，M。用户的大尺度信道由用户的位置决定，在短期之内变化不大，不需要频繁更新信道信息，同时大尺度信道信息是个标量，同真实信道反馈相比大大降低了反馈量。

基于用户信道模值的用户调度包含以下步骤：

步骤一：初始化。选择用户大尺度信道模值最大的用户作为第一个用户：

令

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中 $\cos \mathrm{\θ}\≤\frac{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|\·\left|\right|{\stackrel{\‾}{h}}_{s_{i}n}\left|\right|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{i}n}\left|\right|}^2}}={\mathrm{\μ}}_{i_{\mathrm{km}}{s}_l}^{\mathrm{ub}},$

是不同用户之间大尺度信道角度余弦值的上限。ε为角度门限，门限值选取对系统性能有影响。

当

(空集合)时，迭代过程结束；否则，计算每一个可选用户在已选用户大尺度信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中

∪表示取两集合的并集。

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则将可选用户集合重置为全部用户，用户的大尺度信道变化不快，可以令基站在几次调度之后更新大尺度信道信息。

3、基于其它协作小区的信道模值和本小区完整信道信息的用户调度方案即

Local-NUS方案：

我们考虑在模值反馈的基础上加入本小区真实信道向量的反馈。当基站端获知部分真实信道时调度用户的流程与NUS相同，只需要修改对应的余弦值上限和投影上界

的表达式。

用户i_km处在小区m内，故此时信道的已知部分为

余弦值上限

和投影上界

为：

${\mathrm{\μ}}_{i_{k_m}{s}_l}^{\mathrm{ub}}\stackrel{\mathrm{\Δ}}{=}\frac{\underset{\underset{n\≠m}{n=1}}{\overset{M}{\mathrm{\Σ}}}\left(\right|\left|h_{i_{\mathrm{km}}n}\right||\·|\left|h_{s_{i}n}\right|\left|\right)+|h_{i_{\mathrm{km}}m}\·h_{s_{i}m}|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{i}n}\left|\right|}^2}}$

基站获知本小区的全部信道信息可以使得上限值更接近真实值，从而提高系统性能。该调度方案包含以下步骤：

步骤一：初始化。选择信道模值最大的用户作为第一个用户：

令

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中

如上定义，是不同用户之间信道角度余弦值的上限。ε为角度门限，门限值选取对系统性能有影响。

当

(空集合)时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中

如上定义，

∪表示取两集合的并集。

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则基站更新用户的信道模值信息与本小区真实信道信息，将可选用户集合重置为全部用户。

4、基于用户大尺度信道和本小区完整信道信息的用户调度方案即

Local-Large Scale方案：

在Large Scale方案的基础上增加本小区完整信道信息反馈，该方案将在吞吐量性能方面比Large Scale方案大大改善，这种改善是以增加系统反馈量为代价。

当基站端获知部分真实信道时调度用户的流程与Large Scale方案相同，只需要修改对应的余弦值上限

和投影上界

的表达式。

用户i_km处在小区m内，故此时信道的已知部分为

设已选用户s_i所在小区为μ_i，则准确信道

已知。余弦值上限

和投影上界

为：

$+2({\left|\right|h_{i_{\mathrm{km}}m}\left|\right|}^2\·{\left|\right|h_{s_{i}m}\left|\right|}^2-{|h_{i_{\mathrm{km}}m}\·h_{s_{i}m}|}^2)]$

${\mathrm{\μ}}_{i_{k_m}{s}_l}^{\mathrm{ub}}\stackrel{\mathrm{\Δ}}{=}\frac{\underset{\underset{n\≠m}{n=1}}{\overset{M}{\mathrm{\Σ}}}\left(\right|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\right||\·|\left|{\stackrel{\‾}{h}}_{s_{i}n}\right|\left|\right)+|h_{i_{\mathrm{km}}m}\·h_{s_{i}m}|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{i}n}\left|\right|}^2}}$

步骤一：初始化。选择用户大尺度信道模值最大的用户作为第一个用户：

令

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中如上定义，是不同用户之间信道角度余弦值的上限。ε为角度门限，门限值选取对系统性能有影响。

当

(空集合)时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界并选择具有最大

的用户：

其中

如上定义，

∪表示取两集合的并集。

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则由基站重新更新本小区真实信道信息，用户的大尺度信道变化不快，可以在几次调度之后更新大尺度信道信息，同时将可选用户集合重置为全部用户。

3、优点及功效：

1反馈量

本发明提出的用户调度方案是低反馈量的调度方案。在单小区多用户MIMO系统中，和数据率最大的最优调度方案为贪婪调度(Greedy User Selection，GUS)，用户调度需要反馈全部的瞬时信道信息，这将带来很大的反馈开销。本发明提出的四种方案Local-NUS、Local-Large Scale、NUS和Large Scale都具有较低的反馈量。

假设每个实数采用abit量化，网络配置如前所述用(M，N_t，K)来表示。可以计算出Local-NUS方案的单次反馈量仅为GUS的

而NUS的反馈量则降至GUS的

尽管Large Scale方案在单次反馈时的反馈量与NUS没有差别，但由于大尺度衰落主要取决于用户位置，在一帧结束时用户位置几乎无变化，无需每帧反馈信道信息，可每隔若干帧再反馈一次大尺度衰落值，因而其所需的反馈量将大大降低。

Local-Large Scale的反馈量小于Local-NUS，除了每隔几帧反馈大尺度衰落值外还需每帧反馈本小区完整信道信息。

2性能

本发明提出了多小区协作下行传输的四种低反馈量用户调度方案，可以在调度性能与反馈量之间进行折中。依据所需反馈量的大小，所提出的低反馈量用户调度方法分别基于如下的反馈方案：基于瞬时信道的模值反馈(NUS)、用户本小区内全部的信道信息+其他小区的瞬时信道的模值反馈(Local-NUS)、用户本小区内全部的信道信息+其他小区的平均信道的模值反馈(Local-Large Scale)、以及基于平均信道的模值反馈(Large Scale)。

基于瞬时信道模值反馈的NUS方案比不协作时的吞吐量性能有很大的提升。当考虑用户本小区内全部的信道信息后，小区基站天线数大于1时Local-NUS方案的性能明显优于基于瞬时信道模值反馈的NUS方案。与NUS方案相比，Large Scale反馈方案大大降低了反馈量，同时没有太大的性能损失；在此基础上加入本小区内完整信道信息反馈后，Local-Large Scale反馈方案可以进一步改善只采用大尺度衰落信道信息反馈时系统的性能。

(四)附图说明

图1为NUS方案的调度流程

图2为CoMP系统下编号为i的用户信道示意图

图3为NUS与Local-NUS小区用户平均吞吐量

图4为NUS与Local-NUS小区边缘用户吞吐量

图5为NUS与Large Scale小区用户平均吞吐量

图6为NUS与Large Scale小区边缘用户吞吐量

图中符号说明如下：

h_i1表示协作小区中编号为1的小区基站到用户i的信道；

h_i2表示协作小区中编号为2的小区基站到用户i的信道；

h_i3表示协作小区中编号为3的小区基站到用户i的信道；

a1表示小区间不协作的用户吞吐量；a2表示NUS方案的用户吞吐量；

a3表示Local-NUS方案的用户吞吐量；a4表示全真实信道反馈的GUS方案的用户吞吐量；

b1表示Large Scale方案的用户吞吐量；b2表示Local-Large Scale方案的用户吞吐量；b3表示Local-NUS方案的用户吞吐量。

(五)具体实施方式

本发明提出了协作多点传输中的低反馈量用户调度方法，它的基本思想是在协作基站采用ZF-BF实现下行协作多用户MIMO传输的场景下，考虑CoMP系统信道的非对称特性，即不同协作基站到同一用户的平均信道能量不同，我们在理论分析每个候选用户的信道矢量到已选用户信道矢量所组成的空间的正交投影模值和角度上界的基础上，提出了两种基于统计模值以及基于本小区全部信道和其他协作小区信道模值的调度方案。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

通过matlab软件平台仿真算法性能。仿真参数设置主要基于“3GPP TSG RAN andTR 25.814 v7.1.0，“Physical layer aspects for evolved UTRA，”Sept.2006.”。具体而言，考虑相邻基站间距为1km，信道带宽为10MHz，基站的最大发射功率为40W，天线增益为14dBi，路径损耗指数为3.76，阴影衰落的标准差为8dB，1m处的参考路径损耗值为36.3dB，用户到基站的最小距离为35m。所有用户随机均匀分布于小区内，用户端的噪声系数为9dB。在每次用户散布中，小尺度信道建模为统计独立同分布的瑞利衰落信道。所有仿真结果均通过100次用户散布平均而得。

图1为基于信道模值反馈用户调度方案的流程图，以NUS方案为例说明本发明的低反馈量用户调度方案的流程。如图1所示，本发明一种协作多点MIMO传输中的低反馈量多用户调度方法，主要包括如下步骤：

步骤一：从可调度用户集合中挑选信道条件最好的用户，即信道模值最大的用户。

将已调度用户从可调度用户集合中删除。

令

步骤二：一次迭代选用户过程应当满足总的调度用户数小于系统自由度(即l≤min(MN_t，MK))，从可调度用户集合中选取同已调度用户信道矢量空间夹角满足门限限制的用户。

a计算本轮迭代选用户过程可调度用户集合如下：

其中 $\cos \mathrm{\θ}\≤\frac{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|h_{i_{\mathrm{km}}n}\left|\right|\·\left|\right|h_{s_{i}n}\left|\right|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{i}n}\left|\right|}^2}}={\mathrm{\μ}}_{i_{\mathrm{km}}{s}_l}^{\mathrm{ub}},$ 是不同用户之间信道角度余弦值的上限。ε为角度门限，门限值选取对系统性能有影响，我们一般以使边缘用户数据率最高为原则，在不同的网络配置下角度门限值选择不同，比如当网络配置为8个小区，每小区5个用户，基站天线数为1时，取角度门限ε为0.6；网络配置为2个小区，每小区20个用户，基站天线数为4时，取角度门限为0.9。

b判断可调度用户集合是否是空集，当

(空集合)时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中

c判断具有最大

的用户是否使得系统的和数据率减小，若减小即停止本轮迭代选用户过程，将本轮所选择用户从可调度用户集合中删除；若增加则将具有最大的用户存入本轮迭代选用户已调度用户集合，

这里，表示两个集合的并集运算。

d若本轮迭代选用户过程未结束，则重复步骤二的a、b，直到以下三个条件有一个满足即停止选用户过程：(1)具有最大

的用户使得系统的和数据率减小；(2)可调度用户集合为空集；(3)本轮迭代选用户过程已选择用户数量已达系统自由度。

本轮迭代过程结束即由基站服务所选择用户。

步骤三：本轮迭代选用户过程结束，将已调度用户从可调度用户集合中删除，判断是否协作小区内的所有用户都已被调度，即可调度用户集合是否为空集，如果是则基站更新所有用户的信道信息，包括上行反馈和信道估计，将可调度用户集合重置为协作小区内的全部用户，从步骤一开始进行迭代选用户过程；如果尚有用户未被调度，则直接从步骤一开始进行新一轮迭代选用户过程。

图2为NUS与Local-NUS小区用户平均吞吐量；图3为NUS与Local-NUS小区边缘用户吞吐量；图4为NUS与Large Scale小区用户平均吞吐量；图5为NUS与Large Scale小区边缘用户吞吐量。实践证明，本方法具有广泛的实用价值和应用前景。

Claims (4)

1.一种协作多点MIMO传输中的低反馈量多用户调度方法，其特征在于：该方法采用基于信道模值反馈的用户调度方案即NUS方案；

分别用

和S_l表示第l次迭代后可调度用户的编号集合和第l次迭代用户的调度结果，其中1≤l≤min(MN_t，MK)，由此S_l＝{s₁，...，s_l)，未迭代时的用户编号集合为

基于信道模值反馈的用户调度方案包含以下步骤：

步骤一：初始化，选择信道模值最大的用户作为第一个用户：

令S₁＝{s₁)，l＝1。

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中 $\cos \mathrm{\θ}\≤\frac{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|h_{i_{\mathrm{km}}n}\left|\right|\·\left|\right|h_{s_{l}n}\left|\right|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{{\left|\right|h_{i_{\mathrm{km}}n}\left|\right|}^2}_{}}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{l}n}\left|\right|}^2}}={\mathrm{\μ}}_{i_{\mathrm{km}}{s}_l}^{\mathrm{ub}},$

是不同用户之间信道角度余弦值的上限，ε为角度门限；

当

时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中 $v_{s_l{i}_{\mathrm{km}}}^{\mathrm{ub}}=\underset{i}{\min }\frac{\underset{\underset{j\≠n}{i,n=1}}{\overset{M}{\mathrm{\Σ}}}{\left(\right|\left|h_{i_{\mathrm{km}}n}\right||\·|\left|h_{s_{l}j}\right||+|\left|h_{i_{\mathrm{km}}j}\right||\·|\left|h_{s_{l}n}\right|\left|\right)}^2+2\underset{j=1}{\overset{M}{\mathrm{\Σ}}}({\left|\right|h_{i_{\mathrm{km}}j}\left|\right|}^2\·{\left|\right|h_{s_{l}j}\left|\right|}^2)}{2\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{l}j}\left|\right|}^2},$ S_l+1＝S_l∪{s_l+1}，l＝l+1，∪表示取两集合的并集；

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则向基站重新反馈信道模值信息，并将可选用户集合重置为全部用户。

2.一种协作多点MIMO传输中的低反馈量多用户调度方法，其特征在于：该方法采用基于用户大尺度信道的用户调度方案即Large Scale方案：

定义 ${\stackrel{\‾}{h}}_{i_{\mathrm{km}}}=[{\stackrel{\‾}{h}}_{i_{\mathrm{km}}1}...{\stackrel{\‾}{h}}_{i_{\mathrm{km}}M}]\∈C^{1\×{\mathrm{MN}}_i}$ 表示用户i_km的下行大尺度信道向量，其中

表示从第n个基站到用户i_km的大尺度信道，是一个标量，n＝1，...，M；用户的大尺度信道由用户的位置决定，在短期之内变化不大，不需要频繁更新信道信息，同时大尺度信道信息是个标量，同真实信道反馈相比大大降低了反馈量；

基于用户信道模值的用户调度基于用户大尺度信道的用户调度方案，包含以下步骤：

步骤一：初始化，选择用户大尺度信道模值最大的用户作为第一个用户：

令S₁＝{s₁}，l＝1。

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中 $\cos \mathrm{\θ}\≤\frac{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|\·\left|\right|{\stackrel{\‾}{h}}_{s_{l}n}\left|\right|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{l}n}\left|\right|}^2}}={\mathrm{\μ}}_{i_{\mathrm{km}}{s}_l}^{\mathrm{ub}},$

是不同用户之间大尺度信道角度余弦值的上限，ε为角度门限；

当

时，迭代过程结束；否则，计算每一个可选用户在已选用户大尺度信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中 $v_{s_l{i}_{\mathrm{km}}}^{\mathrm{ub}}\underset{i}{\min }\frac{\underset{\underset{j\≠n}{i,n=1}}{\overset{M}{\mathrm{\Σ}}}{\left(\right|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\right||\·|\left|{\stackrel{\‾}{h}}_{s_{l}j}\right||+|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}j}\right||\·|\left|{\stackrel{\‾}{h}}_{s_{l}n}\right|\left|\right)}^2+2\underset{j=1}{\overset{M}{\mathrm{\Σ}}}({\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}j}\left|\right|}^2\·{\left|\right|{\stackrel{\‾}{h}}_{s_{l}j}\left|\right|}^2)}{2\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{l}m}\left|\right|}^2},$

S_l+1＝S_l∪{s_l+1}，l＝l+1，∪表示取两集合的并集；

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则将可选用户集合重置为全部用户，用户的大尺度信道变化不快，可以令基站在几次调度之后更新大尺度信道信息。

3.一种协作多点MIMO传输中的低反馈量多用户调度方法，其特征在于：该方法采用基于其它协作小区的信道模值和本小区完整信道信息的用户调度方案即Local-NUS方案，其步骤如下：

考虑在模值反馈的基础上加入本小区真实信道向量的反馈，当基站端获知部分真实信道时调度用户的流程与NUS方案相同，只需要修改对应的余弦值上限

和投影上界

的表达式；

用户i_km处在小区m内，故此时信道的已知部分为

余弦值上限

和投影上界为：

$v_{s_l{i}_{k_m}}^{\mathrm{ub}}=\underset{i}{\min }\frac{1}{2\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{l}n}\left|\right|}^2}[\underset{\underset{j\≠n}{i,n=1}}{\overset{M}{\mathrm{\Σ}}}{\left(\right|\left|h_{i_{\mathrm{km}}n}\right||\·|\left|h_{s_{l}j}\right||+|\left|h_{i_{\mathrm{km}}j}\right||\·|\left|h_{s_{l}n}\right|\left|\right)}^2+2\underset{j=1}{\overset{M}{\mathrm{\Σ}}}({\left|\right|h_{i_{\mathrm{km}}j}\left|\right|}^2\·{\left|\right|h_{s_{l}j}\left|\right|}^2)-{|h_{i_{\mathrm{km}}m}\·h_{s_{l}m}|}^2$

${\mathrm{\μ}}_{i_{k_m}{s}_l}^{\mathrm{ub}}\stackrel{\mathrm{\Δ}}{=}\frac{\underset{\underset{n\≠m}{n=1}}{\overset{M}{\mathrm{\Σ}}}\left(\right|\left|h_{i_{\mathrm{km}}n}\right||\·|\left|h_{s_{l}n}\right|\left|\right)+|h_{i_{\mathrm{km}}m}\·h_{s_{l}m}|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|h_{s_{l}n}\left|\right|}^2}}$

基站获知本小区的全部信道信息可以使得上限值更接近真实值，从而提高系统性能。该调度方案包含以下步骤：

步骤一：初始化，选择信道模值最大的用户作为第一个用户：

令S₁＝{s₁}，l＝1；

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中

如上定义，是不同用户之间信道角度余弦值的上限，ε为角度门限；当

时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大的用户：

其中

如上定义，S_l+1＝S_l∪{s_l+1}，l＝l+1，∪表示取两集合的并集；

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则基站更新用户的信道模值信息与本小区真实信道信息，将可选用户集合重置为全部用户。

4.一种协作多点MIMO传输中的低反馈量多用户调度方法，其特征在于：该方法采用基于用户大尺度信道和本小区完整信道信息的用户调度方案即Local-LargeScale方案，其步骤如下：

当基站端获知部分真实信道时调度用户的流程与Large Scale方案相同，只需要修改对应的余弦值上限和投影上界

的表达式。

用户i_km处在小区m内，信道的已知部分为设已选用户s_i所在小区为μ_i，则准确信道

已知，余弦值上限

和投影上界为：

$v_{s_l{i}_{k_m}}^{\mathrm{ub}}=\underset{i}{\min }\frac{1}{2\underset{\underset{n\≠{\mathrm{\μ}}_i}{n=1}}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{l}n}\left|\right|}^2+{\left|\right|h_{s_l{\mathrm{\μ}}_i}\left|\right|}^2}[\underset{\underset{j\≠n}{i,n=1}}{\overset{M}{\mathrm{\Σ}}}{\left(\right|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\right||\·|\left|{\stackrel{\‾}{h}}_{s_{l}j}\right||+|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}j}\right|\left|{\stackrel{\‾}{h}}_{s_{l}n}\right|\left|\right)}^2+2\underset{\underset{j\≠m}{j=1}}{\overset{M}{\mathrm{\Σ}}}({\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}j}\left|\right|}^2\·{\left|\right|{\stackrel{\‾}{h}}_{s_{l}j}\left|\right|}^2)$

$+2({\left|\right|h_{i_{\mathrm{km}}m}\left|\right|}^2\·{\left|\right|h_{s_{l}m}\left|\right|}^2-{|h_{i_{\mathrm{km}}m}\·h_{s_{l}m}|}^2)]$

${\mathrm{\μ}}_{i_{k_m}{s}_l}^{\mathrm{ub}}\stackrel{\mathrm{\Δ}}{=}\frac{\underset{\underset{n\≠m}{n=1}}{\overset{M}{\mathrm{\Σ}}}\left(\right|\left|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\right||\·|\left|{\stackrel{\‾}{h}}_{s_{l}n}\right|\left|\right)+|h_{i_{\mathrm{km}}m}\·h_{s_{l}m}|}{\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{i_{\mathrm{km}}n}\left|\right|}^2}\·\sqrt{\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left|\right|{\stackrel{\‾}{h}}_{s_{l}n}\left|\right|}^2}}$

步骤一：初始化，选择用户大尺度信道模值最大的用户作为第一个用户：

令S₁＝{s₁}，l＝1；

步骤二：当l≤min(MN_t，MK)时，计算可调度用户集合

如下：

其中

如上定义，是不同用户之间信道角度余弦值的上限，ε为角度门限；

当

时，迭代过程结束；否则，计算每一个可选用户在已选用户信道向量所张成子空间上投影值的上界

并选择具有最大

的用户：

其中

如上定义，S_l+1＝S_l∪{s_l+1}，l＝l+1，∪表示取两集合的并集；

步骤三：判断是否协作小区内所有用户都已被服务，若还有用户未被服务则将s本轮迭代过程所选择的用户从可选用户集合中删除，从步骤一开始新一轮迭代选用户过程；若全部用户已被服务则由基站重新更新本小区真实信道信息，用户的大尺度信道变化不快，可以在几次调度之后更新大尺度信道信息，同时将可选用户集合重置为全部用户。

Images