CN101640583B - 一种发射预处理的方法 - Google Patents

Abstract

本发明公开了一种发射预处理的方法，包括a、构造等效矩阵

对T^HT进行特征值分解，得到K个非零特征向量v₁，…，v_k，…，v_K；b、基于第一特征向量组F，从第二特征向量组V中找出使R(W)最大的特征向量v_k，W是由v_i和F中的所有特征向量构成的矩阵，R(W)为基于W确定的系统可达数据率；c、判断v_k对应的R(W)是否大于当前的系统可达数据率R，如果是则确定v_k用于构造预编码矩阵，将v_k加入到F中，从V中删除v_k，将v_k对应的R(W)作为当前的系统可达数据率R，转入步骤d；否则转入步骤e；d、判断F中的特征向量个数是否等于系统能够发送的最大码流数，如果是则转入步骤e，否则转入步骤b；e、利用F中的所有特征向量构造预编码矩阵，并将原始信号映射为发射信号。本发明既适用于频率选择性信道，也适用于平坦衰落信道。

Description

一种发射预处理的方法

技术领域

本发明涉及移动通信系统中的发射预处理技术，特别是涉及多入多出(MIMO)系统中的一种发射预处理的方法。

背景技术

传统的MIMO系统通常采用奇异值分解(SVD)发射预处理方案，该编码方案是针对平坦衰落信道设计的。由于OFDM系统可以将整个信号带宽上的频率选择性信道转变为每个子载波上的平坦衰落信道，因此，SVD发射预处理方案也适用于基于OFDM系统的频率选择性信道。而当发射信号经历频率选择性信道时，SVD发射预处理方案则不能直接应用。

针对频率选择性信道，特征波束形成(EBB，Eigenvalue BasedBeamforming)方法是一种常用的发射预处理方法。该方法中，对所有多径信道的发射相关矩阵之和进行特征值分解，选择S个最大的特征值所对应的特征向量构成预编码矩阵，S为码流个数。

对于一个频率选择性信道下的MIMO系统的下行链路，假设基站采用M根天线，用户端采用N根天线，系统发射的码流数为S。考虑L条多径信道，H_l表示第l条多径信道响应矩阵，H_l为N×M维复数矩阵，l＝1，…，L。

利用EBB方法进行发射预处理包括：

构造等效矩阵T为：

$T={\left[\begin{array}{ccc}{H}_1^T& ...& H_L^T\end{array}\right]}^T---\left(1\right)$

根据公式(2)对T^HT进行特征值分解，得到M个特征值：

T^HT＝VDV^H    (2)

其中，V＝[v₁…v_M]是M×M维酉矩阵，D是由特征值λ₁，…，λ_M组成的对角矩阵，简单起见，假设λ₁≥λ₂≥…≥λ_M。

利用λ₁，…，λ_M中最大的S个特征值对应的特征向量构造EBB算法的预编码矩阵W，即：W＝[v₁…v_S]；

利用预编码矩阵W将原始信号映射为发射信号。

通过上述技术方案可以看出，EBB方法只在空间域进行预编码，因此，其实现复杂度较低。虽然EBB方法能够有效地收集空间和多径信道能量，但是该方法没有考虑多径信道带来的符号间干扰，这将影响系统的可达数据率。

假设发射端预编码矩阵为W，维数为M×S，接收端均衡器长度为Q，Q≥L，则系统的信号模型可以表示为：

y＝Gx+n    (3)

其中y是QN×1维接收信号矢量，x是(Q+L-1)S×1维发射信号矢量，x是QN×1维白高斯噪声矢量，G是QN×(Q+L-1)S维托普利兹(Toepliz)等效信道矩阵，

针对(3)所示的信号模型，则系统的可达数据率为：

$R\left(W\right)={\log }_2\det (I+P{[{\stackrel{\‾}{G}}^H\stackrel{\‾}{G}+{\mathrm{SN}}_{0}I]}^{-1}{\tilde{H}}^H\tilde{H})---\left(4\right)$

在上式中，N₀是白高斯噪声n的方差，

是等效信道矩阵G的QN×S维子矩阵；其中，

的第s列等于G的第

列，s＝1，…，S，S为预编码矩阵W包含的特征向量个数。G是G在删除

后的剩余部分。这里，表示对

向下取整。

从公式(4)可以看出，系统的可达数据率除了与

有关，还与G有关。根据等效信道G的Toepliz结构，可以发现 ${\tilde{H}}^H\tilde{H}=W^H\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{H}_l^H{H}_{l}W=W^H{T}^H\mathrm{TW},$ 从而不难发现

中的非零部分为公式(1)给出的矩阵T。EBB算法选取了T^HT的S个最大特征值对应的特征向量作为预编码矩阵，只能保证

达到最大，但是并没有考虑公式(4)中G对系统可达数据率的影响。当信噪比很低时，即N₀很大时，G^HG可以忽略，则 $R\left(W\right)\≈\log \det (I+P{\left[{\mathrm{SN}}_{0}I\right]}^{-1}{\tilde{H}}^H\tilde{H}),$ 因此，此时利用EBB方法进行发射预处理的效果接近最优，而当信噪比不是很低时，G^HG不可忽略，因此，此时利用EBB方法得到的预编码结果进行发射预处理的效果差。

由此可见，在具有较高信噪比的多天线频率选择性信道下的应用环境中不适于采用EBB方法进行发射预处理。

为了体现频率选择性信道所导致的符号间干扰，最优空时线性发射预处理方案将频率选择性信道建模为托普利兹(Toepliz)等效信道矩阵，并分别基于发射平均功率受限最小均方误差(MMSE)准则、发射峰值功率受限MMSE准则和发射峰值功率受限最大信噪比(SNR)准则，设计了最优发射线性预编码矩阵和接收均衡矩阵。该发射预处理方案需要在时间和空间二维同时进行预编码，需要进行很大维数的矩阵运算，具有极高的计算复杂度，并且要求收发端具有很大的存储能力。

由此可见，现有的针对频率选择性信道的发射预处理方法存在受信噪比影响大或者计算复杂度高等问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种发射预处理的方法，该方法既适用于频率选择性信道，也适用于平坦衰落信道，且具有较低的计算复杂度并适用于具有较高信噪比的应用环境中。

为了达到上述目的，本发明提出的技术方案为：

一种发射预处理的方法，包括以下步骤：

a、构造等效矩阵 $T={\left[\begin{array}{ccccc}{H}_1^T& ...& {H^T}_l& ...& H_L^T\end{array}\right]}^T,$ 其中H_l表示第l条多径信道响应矩阵，l＝1，…，L，L为多径信道的数量；对T^HT进行特征值分解，得到K个非零特征向量v₁，…，v_k，…，v_K；

b、基于第一特征向量组F，从第二特征向量组V中找出使R(W)最大的特征向量v_k，其中，F由所述K个非零特征向量中当前已被确定用于构造预编码矩阵的特征向量构成，V由所述K个非零特征向量中当前未被确定用于构造预编码矩阵的特征向量构成；W是由V中的任一特征向量v_i和F中的所有特征向量构成的矩阵，R(W)为基于矩阵W确定的系统可达数据率；

c、判断所述v_k对应的R(W)是否大于当前的系统可达数据率R，如果是，则确定v_k用于构造预编码矩阵，将v_k加入到F中，从V中删除v_k，将v_k对应的R(W)作为当前的系统可达数据率R，转入步骤d；否则，转入步骤e；

d、判断F中的特征向量个数是否等于系统能够发送的最大码流数，如果是，则转入步骤e，否则，转入步骤b；

e、发射端利用F中的所有特征向量构造预编码矩阵，根据所述预编码矩阵将原始信号映射为发射信号。

较佳地，所述步骤a之前进一步包括：

将第一特征向量组F初始化为空；将当前的系统可达数据率R初始化为零；将第二特征向量组V初始化为v₁，…，v_k，…，v_K。

较佳地，所述步骤b为：

基于第一特征向量组F，根据公式 $R\left(W\right)={\log }_2\det (I+P{[{\stackrel{\‾}{G}}^H\stackrel{\‾}{G}+{\mathrm{SN}}_{0}I]}^{-1}{\tilde{H}}^H\tilde{H}),$ 从第二特征向量组V中找出使R(W)最大的特征向量v_k，

其中，P为发射总功率，G是QN×(Q+L-1)S维托普利兹等效信道矩阵，

为G的QN×S维子矩阵，

的第s列等于G的第

列，s＝1，…，S，G是G在删除后的剩余部分，S为预编码矩阵W包含的特征向量个数，N₀为白高斯噪声的方差，Q为接收端均衡器长度，

表示对向下取整。

综上所述，本发明提出的发射预处理的方法通过以使系统可达数据率最大为约束条件，从EBB方法中得到的特征空间中选择用于构造预编码矩阵的特征向量，从而使本发明不受信噪比的影响，即在较高信噪比的多天线频率选择性信道下具有最优的发射预处理效果。因此，本发明既适用于平坦衰落信道，也适用于频率选择性信道。另外，本发明还具有复杂度低的优点。

附图说明

图1为本发明方法的示例性流程图；

图2为本发明实施例一的示例性流程图。

具体实施方式

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。

本发明的主要思想是：利用EBB方法实现复杂度低的优点，基于EBB方法，以使系统可达数据率最大为约束条件，从EBB方法中得到的特征空间中选择用于构造预编码矩阵的特征向量，并利用该预编码矩阵将原始信号映射为发射信号，从而实现在发射端的发射预处理。

图1为本发明方法的示例性流程图，该方法主要包括以下步骤：

步骤101、构造等效矩阵 $T={\left[\begin{array}{ccccc}{H}_1^T& ...& {H^T}_l& ...& H_L^T\end{array}\right]}^T,$ 其中H_l表示第l条多径信道响应矩阵，l＝1，…，L，L为多径信道的数量；对T^HT进行特征值分解，得到K个非零特征向量v₁，…，v_k，…，v_K。

这里，H_l为N×M维复数矩阵，M为发射端的天线数量，N为接收端的天线数量。

本步骤，按照EBB方法得到了所述K个非零特征向量v₁，…，v_k，…，v_K。

步骤102、基于第一特征向量组F，从第二特征向量组V中找出使R(W)最大的特征向量v_k。

其中，F由所述K个非零特征向量中当前已被确定用于构造预编码矩阵的特征向量构成，V由所述K个非零特征向量中当前未被确定用于构造预编码矩阵的特征向量构成；W是由V中的任一特征向量v_i和F中的所有特征向量构成的矩阵，v_i∈V，R(W)为基于矩阵W确定的系统可达数据率。

本步骤中，以使系统可达数据率最大为约束条件，从当前未被确定用于构造预编码矩阵的特征向量中，选择所述特征向量v_k。

步骤103、判断所述v_k对应的R(W)是否大于当前的系统可达数据率R，如果是，则转入步骤104，否则，转入步骤106。

本步骤中，主要是判断将v_k加入到当前F所确定的预编码矩阵中后得到的预编码矩阵W是否能增加系统的可达数据率，即R(W)是否大于当前的系统可达数据率R，这里，当前的系统可达数据率R就是基于当前F所确定的预编码矩阵得到的系统的可达数据率。

这里，通过步骤102和103，可以看出，本发明在选择用于构造预编码矩阵的特征向量时充分考虑到了所选择的特征向量对系统的可达数据率的影响，即所选择的特征向量能最大程度地增加系统的可达数据率，从而使基于本发明得到的发射信号具有较好的传输性能。

步骤104、确定v_k用于构造预编码矩阵，将v_k加入到F中，从V中删除v_k，将v_k对应的R(W)作为当前的系统可达数据率R。

这里，当在步骤103中判断出v_k可以增加系统的可达数据率后，即可确定出v_k用于构造预编码矩阵，此时，将利用v_k更新F和V，以便实现后续对其他尚未选择的特征向量的筛选。

步骤105、判断F中的特征向量个数是否等于系统能够发送的最大码流数，如果是，则转入步骤106，否则，转入步骤102。

这里，以系统能够发送的最大码流数作为确定用于构造预编码矩阵的特征向量数量的约束条件之一，即所确定出用于构造预编码矩阵的特征向量数量不超过最大码流数。

步骤106、发射端利用F中的所有特征向量构造预编码矩阵，根据所述预编码矩阵将原始信号映射为发射信号。

下面通过本发明的较佳实施例对本发明的方法进行详细说明。

本发明实施例一中，第一特征向量组和第二特征向量组中的特征向量用特征向量的序号来表征，即本发明中的第一特征向量组和第二特征向量组分别与本实施例中的第一特征向量序号集合和第二特征向量序号集合对应，为描述简单起见，分别用F_m和V_m表示确定出第m个用于构造预编码矩阵的特征向量后对应的第一特征向量序号集合和第二特征向量序号集合。

图2为本发明实施例一的示例性流程图。如图2所示，实施例一包括：

步骤201、构造等效矩阵 $T={\left[\begin{array}{ccccc}{H}_1^T& ...& {H^T}_l& ...& H_L^T\end{array}\right]}^T;$ 对T^HT进行特征值分解，得到K个非零特征向量v₁，…，v_k，…，v_K。

其中，H_l表示第l条多径信道响应矩阵，H_l为N×M维复数矩阵，l＝1，…，L，L为多径信道的数量，M为发射端的天线数量，N为接收端的天线数量。

步骤202、将第一特征向量序号集合F₀初始化为空，将第二特征向量序号集合V₀初始化为{1，…，k，…，K}，将系统可达数据率R初始化为零，将已确定用于构造预编码矩阵特征向量的数量m初始化为零。

步骤203、从第二特征向量序号集合V_m中选择一个尚未选择的序号i，利用第一特征向量序号集合F_m中的所有序号对应的特征向量和序号i对应的特征向量v_i构造预编码矩阵，根据公式 $R\left(W_{\{F_m\∪i\}}\right)={\log }_2\det (I+P{[{\stackrel{\‾}{G}}^H\stackrel{\‾}{G}+{\mathrm{SN}}_{0}I]}^{-1}{\tilde{H}}^H\tilde{H}),$ 计算基于矩阵

确定的系统可达数据率。

其中，P为发射总功率，G是QN×(Q+L-1)S维托普利兹等效信道矩阵，

为G的QN×S维子矩阵，

的第s列等于G的第列，s＝1，…，S，G是G在删除

后的剩余部分，S为预编码矩阵W包含的特征向量个数即m+1，也就是集合F_m包含的元素个数m加上1个候选的特征向量v_i，N₀为白高斯噪声的方差，Q为接收端均衡器长度，

表示对

向下取整。

步骤204、重复执行步骤203直至第二特征向量序号集合V_m中的所有序号均已被选择。

这里，通过步骤203和204计算出当前第二特征向量序号集合V_m对应的所有特征向量所对应的。

步骤205、从步骤203和204得到的所有

中，确定出最大值对应的特征向量v_k，其中，k，i∈V_m。

步骤206、判断所述v_k对应的系统可达数据率

是否大于当前的系统可达数据率R，如果是则转入步骤207，否则转入步骤208。

这里，

为由特征向量v_k和集合F_m中的所有序号对应的特征向量构成的预编码矩阵。

步骤207、确定v_k用于构造预编码矩阵，将

作为当前的系统可达数据率R，将k加入F_m中，从V_m中删除k，对m进行加1操作。

这里，通过将k加入F_m中实现对第一特征向量序号集合的更新，通过从V_m中删除k实现对第二特征向量序号集合的更新，也就是说，对m进行加1后，对应的F_m中包含了k，对应的V_m中删除了k，从而确保已被确定用于构造预编码矩阵的特征向量不会被重复选择。

步骤208、判断F_m中的元素个数是否等于系统能够发送的最大码流数，如果是，则转入步骤209，否则，转入步骤203。

这里，当判断出当前已确定用于构造预编码矩阵的特征向量数，即F_m中的元素个数小于系统能够发送的最大码流数时，转入步骤203继续选择下一个用于构造预编码矩阵的特征向量。

步骤209、发射端利用集合F_m中的所有序号对应的特征向量构造预编码矩阵，根据所述预编码矩阵将原始信号映射为发射信号。

上述技术方案中，步骤201实现了本发明101、步骤202对本发明中使用的参数进行了初始化，步骤203实现了本发明的步骤102，步骤204、205和206实现了本发明的步骤103，步骤207实现了本发明的步骤104，步骤208实现了本发明的步骤105，步骤209实现了本发明的步骤106。

通过采用上述技术方案，本发明基于EBB方法得到的由K个非零特征向量v₁，…，v_k，…，v_K构成的特征空间，并以使系统可达数据率最大为约束条件，从该特征空间中选择出用于构造预编码矩阵的特征向量，并利用该预编码矩阵将原始信号映射为发射信号，最终实现在发射端的发射预处理。该方法一方面继承了EBB方法只在空间域进行预编码所具有的低复杂度的优点，同时也充分考虑了选择特征向量时对系统数据率的影响，从而使本发明在进行发射预处理时效果最优。

综上所述，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 (3)

1.一种发射预处理的方法，其特征在于，该方法包括以下步骤：

a、构造等效矩阵 $T={\left[\begin{array}{ccccc}{H}_1^T& \·\·\·& {H^T}_l& \·\·\·& H_L^T\end{array}\right]}^T,$ 其中H_l表示第l条多径信道响应矩阵，l＝1,…,L，L为多径信道的数量；对T^HT进行特征值分解，得到K个非零特征向量v₁,…,v_k，…,v_K；

b、基于第一特征向量组F，从第二特征向量组V中找出使R(W)最大的特征向量v_k，其中，F由所述K个非零特征向量中当前已被确定用于构造预编码矩阵的特征向量构成，V由所述K个非零特征向量中当前未被确定用于构造预编码矩阵的特征向量构成；W是由V中的任一特征向量v_i和F中的所有特征向量构成的矩阵，R(W)为基于矩阵W确定的系统可达数据率；

c、判断所述v_k对应的R(W)是否大于当前的系统可达数据率R，如果是，则确定v_k用于构造预编码矩阵，将v_k加入到F中，从V中删除v_k，将v_k对应的R(W)作为当前的系统可达数据率R，转入步骤d；否则，转入步骤e；

d、判断F中的特征向量个数是否等于系统能够发送的最大码流数，如果是，则转入步骤e，否则，转入步骤b；

e、发射端利用F中的所有特征向量构造预编码矩阵，根据所述预编码矩阵将原始信号映射为发射信号。

2.根据权利要求1所述的方法，其特征在于，所述步骤a之前进一步包括：

将第一特征向量组F初始化为空；将当前的系统可达数据率R初始化为零；将第二特征向量组V初始化为v₁,…,v_k，…,v_K。

3.根据权利要求1所述的方法，其特征在于，所述步骤b为：

基于第一特征向量组F，根据公式 $R\left(W\right)={\log }_2\det (I+P{[{\stackrel{\‾}{G}}^H\stackrel{\‾}{G}+S{N}_{0}I]}^{-1}{\tilde{H}}^H\tilde{H}),$ 从第二特征向量组V中找出使R(W)最大的特征向量v_k，

其中，P为发射总功率，G是QN×(Q+L-1)S维托普利兹等效信道矩阵，

为G的QN×S维子矩阵，的第s列等于G的第

列，s=1,…,S，

是G在删除

后的剩余部分，N为接收端的天线数量，S为预编码矩阵W包含的特征向量个数，N₀为白高斯噪声的方差，Q为接收端均衡器长度，

表示对

向下取整。

Images