CN101702695A - Sdma-ofdm和mimo-ofdm信道估计及下行预先处理技术 - Google Patents

Abstract

SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术，属于无线通信技术领域，用于解决高精度信道估计问题，进而解决上行线性求解和下行信号预先处理问题。利用提出的频域接收训练数据矩阵与扩展的信道冲激响应矩阵H及扩展的频域发射训练数据矩阵的关系式，获得H的估计，进而获得信道频率响应矩阵的估计

。对上行

进行转置处理，获得下行信道频率响应矩阵的估计乘下行频域数据列矢量后，对应地在基站多个天线上分别发射。下行预先处理技术使每个共道用户只对各自的接收信号进行处理，就能获得各自基站发射信号的估计，从而降低了SDMA-OFDM技术的工程实现难度，但系统总容量较香农容量只有少许降低。

Description

SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术

技术领域

本技术方案所属的技术领域为无线通信领域。

背景技术

多输入多输出(MIMO)技术能够显著提高无线信道的频谱效率，正交频分复用(OFDM)技术能够克服宽带无线信道造成的符号间干扰(ISI)。空分多址(SDMA)技术是指多用户信号在时域、频域及码域占有相同的无线信道资源，通过空间信道划分来实现的一种多址技术。SDMA技术可视为MIMO技术应用于多个共道用户时的一种技术。SDMA-OFDM和MIMO-OFDM技术被公认是未来无线通信，特别是第四代移动通信(4G)空中接口的核心技术，而SDMA-OFDM技术更是第四代移动通信空中接口最有可能采用的技术。

与SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术最接近的现有技术为协作MIMO-OFDM信道估计及上下行编码、解码技术。两者共有的技术特征：利用多个用户或一个用户的多个天线与基站多个天线构成的MIMO-OFDM结构来实现SDMA处理。

SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术的特征是：多个用户间或一个用户的多个天线间不需要进行协作信号处理，且不要求多个用户空间相邻；而协作MIMO-OFDM信道估计及上下行编码、解码技术则需要多个用户间的协作信号处理，且要求多个用户空间相邻。提出的SDMA-OFDM和MIMO-OFDM信道估计技术，利用频域接收训练数据矩阵与扩展的信道冲激响应矩阵H及扩展的频域发射训练数据矩阵的关系式，获得H的估计

进而获得信道频率响应矩阵的估计

k＝0，1，…，K-1，K为一个OFDM符号中的子载波数量。利用提出的信道估计技术，给出了SDMA-OFDM或MIMO-OFDM上行线性求解技术。利用提出的信道估计技术，对上行

其进行转置处理，获得下行信道频率响应矩阵的估计

k＝0，1，…，K-1。

乘下行频域数据列矢量得到预先处理后的列矢量，K个预先处理后的列矢量构成下行数据矩阵，对该矩阵的每一行数据进行OFDM调制后，分别在基站多个天线上发射。

发明内容

提出了频域多天线接收数据列矢量与扩展的信道冲激响应矩阵及扩展的频域发射数据列矢量的关系式，要解决的技术问题：为推导SDMA-OFDM或MIMO-OFDM扩展的信道冲激响应矩阵估计算法奠定基础。采用的技术方案：利用MIMO-OFDM和SDMA-OFDM系统的频域表达式和离散傅立叶变换(DFT)算法，从理论上推导给出多天线频域接收数据列矢量与扩展的信道冲激响应矩阵及扩展的频域发射数据列矢量的关系式。特别指出，本发明所称的“数据”不是指比特(bit)，而是指bit信息经过I-Q映射后的复数量。该关系式不同于传统的MIMO-OFDM系统表达式，还可用于解决MIMO-OFDM系统的其它问题。

提出了SDMA-OFDM和MIMO-OFDM扩展的信道冲激响应矩阵的估计技术，要解决的技术问题：获得SDMA-OFDM或MIMO-OFDM在每个子载波上的信道频率响应矩阵的估计。采用的技术方案：首先利用频域接收训练数据列矢量与扩展的信道冲激响应矩阵及扩展的频域发射训练数据列矢量的关系式，构成基站频域接收训练数据矩阵与扩展的信道冲激响应矩阵及扩展的频域发射训练数据矩阵的关系式，基于广义逆矩阵算法，获得扩展的信道冲激响应矩阵估计。再利用DFT算法获得SDMA-OFDM或MIMO-OFDM在每个子载波上的信道频率响应矩阵的估计。提出的信道估计技术与现有的MIMO-OFDM信道估计技术相比，在相同训练数据长度的条件下能够获更高的估计精度，在相同估计精度的条件下需要较少的训练数据，明显提高了信道利用率。

利用提出的信道矩阵估计技术，给出了SDMA-OFDM和MIMO-OFDM上行线性求解技术，要解决的技术问题：共道多用户信号或MIMO-OFDM空间复用信号在基站进行高精度分离问题。采用的技术方案：利用每个子载波上的信道频率响应矩阵的估计结果，基于广义逆矩阵算法，给出了空分多址或者空间复用的线性求解技术。该技术在发射端不要求SDMA共道手机间或MIMO多天线间进行协作编码处理，较协作MIMO-OFDM技术工程上更易实现，且上行系统总容量较香农容量只有少许降低，同样可大幅度提高上行无线信道的频谱效率。

利用提出的信道矩阵估计技术，给出了SDMA-OFDM和MIMO-OFDM基站下行信号的预先处理技术，要解决的技术问题：下行链路共道多用户信号间或MIMO-OFDM空间复用信号间的非协作求解问题。采用的技术方案：在时分双工(TDD)系统中，利用每个子载波上的上行信道频率响应矩阵的估计结果，再对每个子载波上的信道频率响应矩阵进行转置处理，获得每个子载波上的下行信道频率响应矩阵序列的估计；对于非TDD系统，首先要求共道用户或MIMO多天线同时发射一个上行OFDM训练符号，获得每个子载波上的上行信道频率响应矩阵的估计结果，再对每个子载波上的信道频率响应矩阵进行转置处理，获得每个子载波上的下行信道频率响应矩阵序列的估计。接着用每个子载波上的下行信道频率响应矩阵的广义逆矩阵乘以下行频域数据列矢量，得到的预先处理后的下行数据列矢量，构成预先处理后的下行数据矩阵，经OFDM调制，对应地在基站多个天线上分别发射。提出的下行预先处理技术不要求SDMA共道手机间或MIMO多天线间进行协作求解，每个共道用户或MIMO每个天线只对各自的接收信号进行处理，就能够获得各自基站发射信号的估计，较协作MIMO-OFDM技术工程上更易实现，且下行系统总容量较香农容量只有少许降低，同样可大幅度提高下行无线信道的频谱效率。

附图说明

图1给出了SDMA-OFDM信道估计及下行预先处理技术的方框图。图2给出了不同条件下扩展信道冲激响应矩阵的估计误差，其中横坐标为信号噪声功率比(SNR)，其单位为分贝(dB)，纵坐标为按式(16)统计得到的相对误差，各种条件在图中右上角进行了标注。图3给出了精确信道上行链路香农容量、估计信道上行线性求解容量与估计信道下行预先处理容量的比较，其中横坐标为SNR，其单位为dB，纵坐标为统计容量密度，其单位为比特/秒/赫兹(bit/s/Hz)，仿真条件为：基站天线数量等于6，SDMA-OFDM共道用户数量或MIMO-OFDM用户端天线数量等于4，一个OFDM符号中的子载波数量等于64，色散信道可分辨的时延扩展量等于12，每个用户或每个天线训练数据的数量等于64。

具体实施方式

频域多天线接收数据列矢量与扩展的信道冲激响应矩阵及扩展的频域发射数据列矢量的关系式。用M表示SDMA-OFDM共道用户数量或MIMO-OFDM用户端天线数量，用N表示基站天线数量，用K表示一个OFDM符号中的子载波数量，用L表示色散信道可分辨的时延扩展量，用H[l]∈C^N×M，l＝0，1，…，L-1表示第l延时时刻的MIMO上行信道N行M列复矩阵，用H_k∈C^N×M，k＝0，1，…，K-1表示第k子载波上的MIMO上行信道N行M列复矩阵。H_k与H[l]的关系式如下：

$H_k=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}H\left[l\right]e^{-j2\mathrm{\πlk}/K},k=\mathrm{0,1},\·\·\·,K-1---\left(1\right)$

用r_k＝[r_1，k，r_2，k，…，r_n，k，…，r_N，k]^T∈C^N×1表示第k个子载波上的基站N个天线频域接收数据构成的列矢量，其中r_n，k，n＝0，1，…，N；k＝0，1，…，K表示第k个子载波上的第n个天线的接收数据，上标^T表示矩阵或矢量的转置运算，以下相同。用x_k＝[x_1，k，x_2，k，…，x_m，k，…，x_M，k]^T∈C^M×1表示第k子载波上的共道用户发射数据或MIMO-OFDM多天线发射数据构成的列矢量，其中x_m，k，m＝0，1，…，M；k＝0，1，…，K-1表示第k个子载波上的第m个用户或第m个MIMO-OFDM天线的发射数据。用n_k＝[n_1，k，n_2，k，…，n_n，k，…，n_N，k]^T∈C^N×1表示第k子载波上的基站多天线接收噪声构成的列矢量，其中r_n，k，n＝0，1，…，N；k＝0，1，…，K-1表示第k个子载波上的第个n天线接收的噪声。给出的在第k个子载波上的基站N个天线频域接收数据列矢量与扩展的信道冲激响应矩阵H及第k个子载波上扩展的频域发射数据列矢量的关系式如下：

r_k＝Hx_k+n_k                                       (2)

H＝[H[0]，H[1]，…，H[l]，…，H[L-1]]∈C^N×LM    (3)

${\stackrel{\‾}{x}}_k={[x_k^T,e^{-j2\mathrm{\πk}/K}{x}_k^T,\·\·\·,e^{-j2\mathrm{\πlk}/K}{x}_k^T,\·\·\·,e^{-j2\mathrm{\π}(L-1)k/K}{x}_k^T]}^T\∈C^{\mathrm{LM}\×1}---\left(4\right)$

其中H表示扩展的信道冲激响应矩阵，是由H[l]∈C^N×M，l＝0，1，…，L-1按式(3)构成的N行LM列复矩阵，x_k表示第k个子载波上扩展的频域发射数据列矢量，是由x_k按式(4)构成的列矢量。

SDMA-OFDM和MIMO-OFDM扩展的信道冲激响应矩阵估计技术的具体实施方式。用t_i＝[t_1，i，t_2，i，…t_m，i，…，t_M，i]^T∈C^M×1表示M个用户或M个MIMO-OFDM天线的第i训练数据构成的列矢量。设一个训练OFDM符号中每个用户或每个天线共有L_t个训练数据，则M个用户或M个天线的训练数据用如下的M行L_t列的矩阵表示：

$T=[t_0,t_1,\·\·\·,t_i,\·\·\·,t_{L_t-1}]\∈C^{M\×L_t}---\left(5\right)$

第m个用户或第m个MIMO-OFDM天线的每个训练数据t_m，i，m＝1，2，…，M；i＝1，2，…，L_t可以随意插入到各自训练OFDM符号不同的子载波位置，但强烈建议等间隔地插入到K个子载波中，以获得更高的估计精度。无训练数据的子载波可用于传输数据。设d为等间隔插入训练数据的子载波序号间隔。根据式(2)，第i训练数据对应的第id训练子载波上的基站N个天线接收频域数据构成的列矢量

r_id＝Ht_i+n_id，i＝0，1，…L_t-1        (6)

其中

${\stackrel{\‾}{t}}_i={[t_i^T,e^{-j2\mathrm{\πid}/K}{t}_i^T,\·\·\·,e^{-j2\mathrm{\πlid}/K}{t}_i^T\·\·\·,e^{-j2\mathrm{\π}(L-1)\mathrm{id}/K}{t}_i^T]}^T\∈C^{\mathrm{LM}\×1},i=\mathrm{0,1},\·\·\·L_t-1---\left(7\right)$

式(7)假设训练数据是从第0子载波开始插入的，当然也可以从0到d-1的任意位置插入，以下相同。令

$\stackrel{\‾}{T}=[\stackrel{\‾}{t_0},\stackrel{\‾}{t_1},\·\·\·,\stackrel{\‾}{t_i},\·\·\·,{\stackrel{\‾}{t}}_{L_t-1}]\∈C^{\mathrm{LM}\×L_t}---\left(8\right)$

$R=[r_0,r_d,\·\·\·,r_{\mathrm{id}},\·\·\·,r_{(L_t-1)d}]\∈C^{N\×L_t}---\left(9\right)$

$N=[n_0,n_d,\·\·\·,n_{\mathrm{id}},\·\·\·,n_{(L_t-1)d}]\∈C^{N\×L_t}---\left(10\right)$

根据式(6)得到如下关系式：

R＝HT+N    (11)

基于式(11)，本发明给出的SDMA-OFDM和MIMO-OFDM扩展的信道冲激响应矩阵的估计算法如下：

$\hat{H}=R{\stackrel{\‾}{T}}^H{\left(\stackrel{\‾}{T}{\stackrel{\‾}{T}}^H\right)}^{-1}---\left(12\right)$

其中

表示扩展的冲激响应矩阵的估计结果，上标^-1表示方阵的求逆运算，上标^H表示矩阵或矢量的共轭转置运算，以下相同。则式(11)的估计误差为：

$\mathrm{\ΔH}=\hat{H}-H---\left(13\right)$

当扩展的训练矩阵T满足如下条件，ΔH每个元素均方差总和最小。

TT^H＝L_tI_LM    (14)

本发明给出如下算法来构造第i频域训练数据列矢量：

  t_i＝[1，e^-j2πi/M，…，e^-j2πmi/M，…，e^{-j2π(M-1)i/M} ]^T，i＝0，1，…L_t-1

                                                                            (15)

或t_i＝[1，e^j2πi/M，…，e^j2πmi/M，…，e^j2π(M-1)i/M ]^T，i＝0，1，…L_t-1

由式(15)按式(7)构造第i扩展的频域训练数据列矢量t_i，t_i按式(8)构造扩展的训练数据矩阵T，则T满足式(14)要求，可获得ΔH每个元素均方差总和最小。当然也可以用其它算法构造T，使之满足式(14)的要求。

用如下算法计算扩展的冲激响应矩阵估计的相对误差：

$e=E\left[\frac{\sqrt{\mathrm{tr}\left(\mathrm{\Δ}{H}^H\mathrm{\ΔH}\right)}}{\sqrt{\mathrm{tr}\left(H^{H}H\right)}}\right]---\left(16\right)$

SDMA-OFDM和MIMO-OFDM上行线性求解技术的具体实施方式。在基站获得扩展的信道冲激响应矩阵估的计结果

也就获得了第l延时时刻的MIMO上行信道矩阵l＝0，1，…，L-1的估计，再利用式(1)算法获得的第k子载波上的MIMO上行信道矩阵的估计结果如下：

${\hat{H}}_k=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\hat{H}\left[l\right]e^{-j2\mathrm{\πlk}/K},k=\mathrm{0,1},\·\·\·,K-1---\left(17\right)$

给出的SDMA-OFDM和MIMO-OFDM上行系统的线性求解技术如下：

${\hat{x}}_k={\left({\hat{H}}_k^H{\hat{H}}_k\right)}^{-1}{\hat{H}}_k^H{r}_k={[{\hat{x}}_{1,k},{\hat{x}}_{2,k},\·\·\·,{\hat{x}}_{m,k},\·\·\·,{\hat{x}}_{M,k}]}^T---\left(18\right)$

其中

m＝1，2，…，M；k＝0，1，…K-1为第k子载波上的第m共道用户发射信号或MIMO-OFDM第m天线发射信号的估计值。以下理论分析表明该技术不要求SDMA共道用户间或MIMO多天线间进行协作求解，每个共道用户或MIMO每个天线只对各自的接收信号进行处理，就能够获得各自基站发射信号的估计。

${\hat{x}}_k={\left({\hat{H}}_k^H{\hat{H}}_k\right)}^{-1}{\hat{H}}_k^H{r}_k=x_k+{\tilde{n}}_k---\left(19\right)$

其中x_k＝[x_1，k，x_2，k，…，x_m，k，…，x_M，k]^T为第k子载波上的共道用户发射数据或MIMO-OFDM多天线发射数据列矢量的真值。混合噪声列矢量

${\tilde{n}}_k={\left({\hat{H}}_k^H{\hat{H}}_k\right)}^{-1}{\hat{H}}_k^H(n_k-\mathrm{\Δ}{H}_k{x}_k)={[{\tilde{n}}_{1,k},{\tilde{n}}_{2,k},\·\·\·,{\tilde{n}}_{m,k},\·\·\·,{\tilde{n}}_{M,k}]}^T---\left(20\right)$

其中

提出的SDMA-OFDM和MIMO-OFDM上行系统线性求解技术的平均容量为

$C_{\mathrm{up}}=\frac{1}{K}E\left[\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\log }_2(1+\frac{{\left|x_{m,k}\right|}^2}{{\left|{\tilde{n}}_{m,k}\right|}^2})\right]\mathrm{bit}/s/\mathrm{Hz}---\left(21\right)$

SDMA-OFDM和MIMO-OFDM基站下行信号的预先处理技术的具体实施方式。在TDD系统中，利用上行信道冲激响应矩阵的估计结果

按式(17)计算上行信道频率响应矩阵的估计结果

k＝0，1，…，K-1，再对每个

进行转置处理，获得下行信道频率响应矩阵的估计结果k＝0，1，…，K-1；对于非TDD系统，首先要求共道用户或MIMO多天线同时发射一个上行训练OFDM符号，以获得上行信道频率响应矩阵的估计结果

k＝0，1，…，K-1，再对每个

进行转置处理，获得下行信道频率响应矩阵的估计结果

k＝0，1，…，K-1。第k子载波上的下行信道频率响应矩阵

${\hat{G}}_k={\left({\hat{H}}_k\right)}^T\∈C^{M\×N}---\left(22\right)$

给出的SDMA-OFDM或MIMO-OFDM基站下行信号预先处理算法如下：

$y_k=\sqrt{c_k}{\hat{G}}_k^H{\left({\hat{G}}_k{\hat{G}}_k^H\right)}^{-1}{s}_k={[y_{1,k},y_{2,k},\·\·\·,y_{n,k},\·\·\·,y_{N,k}]}^T\∈C^{N\×1}---\left(23\right)$

其中c_k为基站发射功率控制因子，s_k＝[s_1，k，s_2，k，…，s_m，k，…，s_M，k]^T为基站M个用户或MIMO的M路下行数据构成的列矢量，s_m，k为第k子载波上的第m共道用户下行数据或MIMO-OFDM第m路下行数据，y_k为基站N个天线下行数据构成的列矢量，y_n，k为第k子载波上第n个天线发射的下行数据。

采用式(23)的基站下行信号预先处理算法，就可以从每个用户或MIMO每个天线的频域接收信号获得其发射信号的估计。具体分析如下：

根据式(2)，下行频域接收数据构成的列矢量

${\stackrel{\‾}{r}}_k=G_k{y}_k+{\stackrel{\·}{n}}_k=G_k{\hat{G}}_k^H{\left({\hat{G}}_k{\hat{G}}_k^H\right)}^{-1}{s}_k+{\stackrel{\·}{n}}_k=s_k+{\stackrel{\·\·\·}{n}}_k---\left(24\right)$

其中混合噪声列矢量

${\stackrel{\·\·\·}{n}}_k={\stackrel{\·}{n}}_k+s_k-G_k{\hat{G}}_k^H{\left({\hat{G}}_k{\hat{G}}_k^H\right)}^{-1}{s}_k---\left(25\right)$

其中r_k＝[r_1，k，r_2，k，…r_m，k，…r_M，k]，k＝0，1，…K-1，r_m，k为第m共道用户接收数据或MIMO-OFDM第m路接收数据，则第m共道用户下行数据或MIMO-OFDM第m路下行数据s_m，k能够从r_m，k直接获得估计，不再需要其它共道用户接收数据或MIMO-OFDM其它路接收数据协作求解，实现了下行链路的非协作接收信号处理，极大地降低了工程实现难度，也使手机接收信号处理更加简化，这正符合第四代移动通信要求。提出的SDMA-OFDM和MIMO-OFDM基站下行信号预先处理技术的平均容量

$C_{\mathrm{down}}=\frac{1}{K}E\left[\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\log }_2(1+\frac{{\left|s_{m,k}\right|}^2}{{\left|{\stackrel{\·\·\·}{n}}_{m,k}\right|}^2})\right]\mathrm{bit}/s/\mathrm{Hz}---\left(26\right)$

Claims (4)

1.SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术，与其最接近的现有技术为协作MIMO-OFDM信道估计及上下行编码、解码技术。两者共有的必要技术特征：利用多个用户或一个用户的多个天线与基站多个天线构成的MIMO-OFDM结构来实现SDMA处理。SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术的特征是：多个用户间或一个用户的多个天线间不需要进行协作信号处理，且不要求多个用户空间相邻；而协作MIMO-OFDM信道估计及上下行编码、解码技术则需要多个用户间的协作信号处理，且要求多个用户空间相邻。利用提出的频域接收训练数据矩阵与扩展的信道冲激响应矩阵H及扩展的频域发射训练数据矩阵的关系式，获得H的估计

进而获得信道频率响应矩阵的估计

K为一个OFDM符号中的子载波数量。对上行其进行转置处理，获得下行信道频率响应矩阵的估计

乘下行频域数据列矢量得到预先处理后的列矢量，K个预先处理后的列矢量构成下行数据矩阵，对该矩阵的每一行数据进行OFDM调制后，分别在基站多个天线上发射。

2.引用1中所述的SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术，其附加的技术特征在于：给出了基站N个天线在第k个子载波上的频域接收数据列矢量r_k与H矩阵及第k个子载波上扩展的频域发射数据列矢量x_k的关系表达式：r_k＝Hx_k+n_k，其中H＝[H[0]，H[1]，…，H[l]，…，H[L-1]]，H[l]，l＝0，1，…，L-1为第l延时时刻MIMO信道矩阵，x_k＝[x_1，k，…，x_m，k，…，x_M，k]^T为第k子载波上的共道用户发射数据或MIMO-OFDM多天线发射数据列矢量，

n_k为频域接收噪声列矢量。

3.引用1中所述的SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术，其附加的技术特征在于：给出了H矩阵的高精度、高信道利用率估计技术：

其中

为H的估计结果，

为基站N个天线接收的训练数据矩阵，其中

i＝0，1，…，L_t-1为N个天线在第id子载波上接收的频域训练数据列矢量，d为等间隔插入训练数据的子载波序号间隔，以上假设训练数据是从第0子载波开始插入的，当然也可从0到d-1的任意位置插入，

i＝0，1，…L_t-1，L_t为OFDM符号训练数据数量，用户端发射的频域训练数据列矢量t_i按上述算法构成扩展的列矢量t_i，t_i按上述算法构成扩展的频域训练数据矩阵T，为满足TT^H＝L_tI_LM要求，给出了如下的M个共道用户端第i训练数据列矢量t_i的构造算法：t_i＝[1，e^-j2πi/M，…，e^-j2πmi/M，…，e^{-j2π(M-1)i/M}]^T，或者t_i＝[1，e^j2πi/M，…，e^j2πmi/M，…，e^j2π(M-1)i/M]^T，i＝0，1，…L_t-1。

4.引用1中所述的SDMA-OFDM和MIMO-OFDM信道估计及下行预先处理技术，其附加的技术特征在于：给出了基站下行信号的预先处理算法：

其中y_k为第k子载波上的基站N个天线下行数据列矢量，y_n，k为第k子载波上的第n个天线的下行频域数据，K个预先处理后的列矢量y_k，k＝0，1，…，K-1构成下行数据矩阵Y＝[y₀，y₁，…，y_k，…，y_K-1]，对Y矩阵的每一行数据进行OFDM调制后，分别在基站多个天线上发射，c_k为基站发射功率控制因子，s_k＝[s_1，k，…，s_m，k，…，s_M，k]^T为基站M个用户或MIMO的M路下行数据列矢量，s_m，k为第k子载波上的第m个用户或MIMO的第m路预处理前的下行数据，

Images