CN101765123B - 多用户mimo-ofdm上行链路资源分配方法 - Google Patents

Abstract

本发明的目的在于提供一种适用于多用户MIMO-OFDM系统上行链路子载波、子空间、比特、功率资源分配优化过程的多用户MIMO-OFDM上行链路资源分配方法。它由以下步骤实现：用户按空间相关性分组；每组内用户按子载波独占方式分配子载波；各组间共享同一子载波的用户利用波束形成技术；依据等效信道增益，自适应比特功率分配；基站端基于连续干扰消除(SIC)方法进行多用户检测；各用户依据最大似然法则进行MQAM解码。本发明在提高多用户MIMO-OFDM系统频谱利用率等性能的同时，降低了资源分配算法的计算复杂度。本发明适用于多用户MIMO-OFDM系统上行链路子载波、子空间、比特、功率等资源分配的优化过程。

Description

多用户MIMO-OFDM上行链路资源分配方法

(一)技术领域

本发明涉及通信技术，具体说就是一种多用户MIMO-OFDM上行链路资源分配方法。

(二)背景技术

多用户多输入多输出-正交频分复用(MIMO-OFDM)系统上行链路资源分配算法，能够有效利用空域、频域、时域资源，具有频谱利用率高、抗多径时延等优点，已成为下一代宽带移动通信技术的热点。

由于共道干扰(CCI)的存在，多用户MIMO-OFDM系统上行链路资源分配算法，多采用子载波独占方式。子载波独占方式资源分配，每个子载波仅分配给一个用户，任意子载波不存在共道干扰，属频分复用方式。但是，由于子载波独占方式并没有充分利用空间资源，频谱利用率低。

多用户MIMO-OFDM系统上行链路子载波时分复用方式(TDMA)资源分配，各用户分时独占所有子载波。同样，由于没有充分利用空间资源，频谱利用率低。

多用户MIMO-OFDM系统上行链路子载波共享方式资源分配，充分利用空间资源，各用户共用时域、频域资源，属空分复用方式，频谱利用率高。但由于共道干扰的存在，系统性能受用户空间相关性的影响严重。典型共道干扰抑制方法是利用波束形成技术的基于多用户信道矩阵求逆的迫零算法，但迫零算法高阶矩阵奇异值分解(SVD)^[1]的计算复杂度高，限制了迫零共享方式的发展。文献[2]提出在基站端利用多用户检测的分组共享方法，将空间相关性大(波达角(DOA)＜20°)的用户分在一组，每组内用户以独占的方式分配全部子载波，每组间的用户由于空间相关性很小，基站端可以利用匹配滤波器消除共道干扰，从而实现子载波的共享，本质上属于直接共享方式。然而，该方法在用户分组时，同一组用户DOA的夹角要求很大，因此，适用性受限。用户空间相关性对系统性能的影响，以及多用户共道干扰消除的计算复杂度，制约了多用户MIMO-OFDM系统上行链路子载波共享方式的发展。

(三)发明内容

本发明的目的在于提供一种适用于多用户MIMO-OFDM系统上行链路子载波、子空间、比特、功率资源分配优化过程的多用户MIMO-OFDM上行链路资源分配方法。

本发明的目的是这样实现的：所述的一种多用户MIMO-OFDM上行链路资源分配方法，它由以下步骤实现：

步骤一：用户按空间相关性分组；

空间相关性高的用户分在一组，DOA夹角小于5度的用户分在同一组；

步骤二：每组内用户按子载波独占方式分配子载波；

依据比例公平原则，对组内用户以独占方式分配子载波，任意子载波每组有且仅有一个用户占用。定义子载波分配因子w_m ^k，为1表示用户k占用子载波m，为0表示用户k不占用子载波m；

步骤三：各组间共享同一子载波的用户利用波束形成技术，基于零空间交集的连续迫零方法，实现共道干扰抑制的同时完成子空间的分配。对每个子载波，将共享该子载波的用户编号为1～K，利用基于零空间交集的连续迫零方法，按如下步骤，以用户编号的正序计算各用户的迫零矩阵Z、发射加权矩阵W、接收合并矩阵R；

对用户1：Z₁＝1，H₁＝[U₁ ⁽¹⁾，U₁ ⁽⁰⁾]Λ₁V₁ ^H，令R₁＝[U₁ ⁽¹⁾]^H，W₁＝V₁；

对用户2：Z₂＝[U₁ ⁽⁰⁾]^HZ₁，Z₂H₂＝[U₂ ⁽¹⁾，U₂ ⁽⁰⁾]Λ₂V₂ ^H，令R₂＝[U₂ ⁽¹⁾]^HZ₂，W₂＝V₂；

对用户3：Z₃＝[U₂ ⁽⁰⁾]^HZ₂，Z₃H₃＝[U₃ ⁽¹⁾，U₃ ⁽⁰⁾]Λ₃V₃ ^H，令R₃＝[U₃ ⁽¹⁾]^HZ₃，W₃＝V₃；

……

对用户k：Z_k＝[U_k-1 ⁽⁰⁾]^HZ_k-1，Z_kH_k＝[U_k ⁽¹⁾，U_k ⁽⁰⁾]Λ_kV_k ^H，令R_k＝[U_k ⁽¹⁾]^HZ_k，W_k＝V_k；

……

对用户K：Z_K＝[U_K-1 ⁽⁰⁾]^HZ_K-1，Z_KH_K＝[U_K ⁽¹⁾，U_K ⁽⁰⁾]Λ_KV_K ^H，令R_K＝[U_K ⁽¹⁾]^HZ_K，W_K＝V_K；

步骤四、依据等效信道增益，自适应比特功率分配；

对每个用户，以单用户方式对所分配的所有子载波进行比特、功率分配，典型算法为贪婪算法；

步骤五、基站端基于连续干扰消除(SIC)方法进行多用户检测；

基站端对接收的多用户的信号和进行分离，计算出每个共享用户的信号。对每个子载波，按如下步骤，以用户编号的逆序计算各共享用户的接收信号；

对用户K：

……

$R_{K}Y={\left[{U_K}^{\left(1\right)}\right]}^H{Z}_K(H_K{W}_K{X}_K+\underset{j=1}{\overset{K-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{K}n={\mathrm{\Λ}}_K{X}_K+R_{K}n$

${\hat{X}}_K={\left({\mathrm{\Λ}}_K\right)}^{-1}{R}_{K}Y$

对用户k：

……

$R_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_k}^{\left(1\right)}\right]}^H{Z}_k(H_k{W}_k{X}_k+\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{k}n={\mathrm{\Λ}}_k{X}_k+R_{k}n$

${\hat{X}}_k={\left({\mathrm{\Λ}}_k\right)}^{-1}{R}_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

对用户1：

$R_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_1}^{\left(1\right)}\right]}^H(H_1{W}_1{X}_1+n)={\mathrm{\Λ}}_1{X}_1+R_{1}n$

${\hat{X}}_1={\left({\mathrm{\Λ}}_1\right)}^{-1}{R}_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

步骤六、各用户依据最大似然法则进行MQAM解码。

本发明的核心是针对多用户MIMO-OFDM系统上行链路，在按用户空间相关性对用户分组的基础上，提出一种基于零空间交集的连续迫零算法结合基于连续干扰消除的多用户检测算法的低复杂度的子载波共享方式共道干扰抑制方法，进而提出多用户MIMO-OFDM系统上行链路子载波共享方式的资源分配方法，在提高多用户MIMO-OFDM系统频谱利用率等性能的同时，降低了资源分配算法的计算复杂度。本发明适用于多用户MIMO-OFDM系统上行链路子载波、子空间、比特、功率等资源分配的优化过程。

(四)附图说明

图1为不同资源分配方式系统性能与用户空间相关性曲线图；

图2为直接共享资源分配方式系统性能与用户空间相关性曲线图；

图3为本发明的多用户MIMO-OFDM上行链路系统结构图；

图4为本发明的基于零空间交集的连续迫零算法结合基于连续干扰消除的多用户检测的原理框图；

图5为本发明方法与其他方法的用户子载波平均比特数与Eb/No图；

图6为本发明的SIC-ZF方法各用户子载波平均比特数与Eb/No图；

图7为本发明的SIC-GZF方法各用户子载波平均比特数与Eb/No；

图8为本发明方法与其他方法的BER与Eb/No。

(五)具体实施方式

下面结合附图举例对本发明作进一步说明。

实施例1：本发明一种多用户MIMO-OFDM上行链路资源分配方法，它由以下步骤实现：

步骤一：用户按空间相关性分组；

空间相关性高的用户分在一组，DOA夹角小于5度的用户分在同一组；

步骤二：每组内用户按子载波独占方式分配子载波；

依据比例公平原则，对组内用户以独占方式分配子载波，任意子载波每组有且仅有一个用户占用。定义子载波分配因子w_m ^k，为1表示用户k占用子载波m，为0表示用户k不占用子载波m；

步骤三：各组间共享同一子载波的用户利用波束形成技术，基于零空间交集的连续迫零方法，实现共道干扰抑制的同时完成子空间的分配。对每个子载波，将共享该子载波的用户编号为1～K，利用基于零空间交集的连续迫零方法，按如下步骤，以用户编号的正序计算各用户的迫零矩阵Z、发射加权矩阵W、接收合并矩阵R；

对用户1：Z₁＝1，H₁＝[U₁ ⁽¹⁾，U₁ ⁽⁰⁾]Λ₁V₁ ^H，令R₁＝[U₁ ⁽¹⁾]^H，W₁＝V₁；

对用户2：Z₂＝[U₁ ⁽⁰⁾]^HZ₁，Z₂H₂＝[U₂ ⁽¹⁾，U₂ ⁽⁰⁾]Λ₂V₂ ^H，令R₂＝[U₂ ⁽¹⁾]^HZ₂，W₂＝V₂；

对用户3：Z₃＝[U₂ ⁽⁰⁾]^HZ₂，Z₃H₃＝[U₃ ⁽¹⁾，U₃ ⁽⁰⁾]Λ₃V₃ ^H，令R₃＝[U₃ ⁽¹⁾]^HZ₃，W₃＝V₃；

……

对用户k：Z_k＝[U_k-1 ⁽⁰⁾]^HZ_k-1，Z_kH_k＝[U_k ⁽¹⁾，U_k ⁽⁰⁾]Λ_kV_k ^H，令R_k＝[U_k ⁽¹⁾]^HZ_k，W_k＝V_k；

……

对用户K：Z_K＝[U_K-1 ⁽⁰⁾]^HZ_K-1，Z_KH_K＝[U_K ⁽¹⁾，U_K ⁽⁰⁾]Λ_KV_K ^H，令R_K＝[U_K ⁽¹⁾]^HZ_K，W_K＝V_K；

步骤四、依据等效信道增益，自适应比特功率分配；

对每个用户，以单用户方式对所分配的所有子载波进行比特、功率分配，典型算法为贪婪算法；

步骤五、基站端基于连续干扰消除方法进行多用户检测；

基站端对接收的多用户的信号和进行分离，计算出每个共享用户的信号。对每个子载波，按如下步骤，以用户编号的逆序计算各共享用户的接收信号；

对用户K：

$R_{K}Y={\left[{U_K}^{\left(1\right)}\right]}^H{Z}_K(H_K{W}_K{X}_K+\underset{j=1}{\overset{K-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{K}n={\mathrm{\Λ}}_K{X}_K+R_{K}n$

${\hat{X}}_K={\left({\mathrm{\Λ}}_K\right)}^{-1}{R}_{K}Y$

……

对用户k：

……

$R_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_k}^{\left(1\right)}\right]}^H{Z}_k(H_k{W}_k{X}_k+\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{k}n={\mathrm{\Λ}}_k{X}_k+R_{k}n$

${\hat{X}}_k={\left({\mathrm{\Λ}}_k\right)}^{-1}{R}_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

对用户1：

$R_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_1}^{\left(1\right)}\right]}^H(H_1{W}_1{X}_1+n)={\mathrm{\Λ}}_1{X}_1+R_{1}n$

${\hat{X}}_1={\left({\mathrm{\Λ}}_1\right)}^{-1}{R}_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

步骤六、各用户依据最大似然法则进行MQAM解码。

实施例2：结合图5-图8，针对应用本发明的多用户MIMO-OFDM上行链路系统，满足各用户速率及误比特率要求时，最小化系统发射功率的自适应资源分配问题，进行了Monte Carlo仿真验证，仿真参数设置如表1。

表1仿真参数

Table 1 Simulation parameters

最小化系统发射功率的数学模型为：

$\underset{P_m^k,b_m^k}{\arg \min }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{m=1}{\overset{\mathrm{Nc}}{\mathrm{\Σ}}}{P}_m^k$

$\mathrm{subjectto}:\underset{m=1}{\overset{\mathrm{Nc}}{\mathrm{\Σ}}}{b}_m^k=R_k---\left(1\right)$

${\mathrm{BER}}_m^k\≤{\mathrm{BER}}_{t\arg \mathrm{et}}$

对各子载波的共享用户应用所提发明的基于零空间交集的连续迫零算法结合基于连续干扰消除的多用户检测方法，使得各用户的共道干扰得到消除，从而共享同一子载波的各用户发射功率满足：

$P_m^k=g({\mathrm{BER}}_{t\arg \mathrm{et}},b_m^k,\{H_m^{k^{\′}}{\}}_{k^{\′}=1,\·\·\·,k})---\left(2\right)$

即某用户的比特功率分配与其他共享用户的比特功率分配无关，仅与其信道矩阵及小于其序号的共享用户的信道矩阵有关，使复杂的多用户资源分配问题转化为简单的多个并行独立单用户的资源分配问题，数学模型为：

$\underset{P_m^k}{\arg \min }\underset{m=1}{\overset{\mathrm{Nc}}{\mathrm{\Σ}}}{P}_m^k$

$\mathrm{subjectto}:\underset{m=1}{\overset{\mathrm{Nc}}{\mathrm{\Σ}}}{w}_m^k{b}_m^k=R_k---\left(3\right)$

${\mathrm{BER}}_m^k\≤{\mathrm{BER}}_{t\arg \mathrm{et}}$

对于MQAM调制方式，发射功率有如下关系：

$P_m^k=({\mathrm{T\σ}}^2/{\mathrm{\λ}}_m^k)(2^{b_m^k}-1)---\left(4\right)$

其中，λ_m ^k为等效信道增益，由步骤三求得；σ²是噪声功率；T为一定BER下的信噪比差(SNR gap)，调整T可改变P_m ^k，从而满足不同BER要求。

图5给出子载波独占方式、基本迫零共享方式、所提发明方法不应用按用户空间相关性分组(SIC-ZF)及应用按用户空间相关性分组(SIC-GZF)，在各用户BER＝10^-3时，用户平均每子载波的比特数与Eb/No关系图。由图可见，子载波独占方式频谱利用率极低；所提发明方法在不应用按用户空间相关性分组时，在不同频谱利用率下，系统性能相对基本迫零方法均有10dB以上的改进；所提发明方法在应用按用户空间相关性分组时，在频谱利用率范围内，系统性能又有很大的改进。该仿真结果验证了所提发明方法由于充分利用了空间资源，在不同频谱利用率需求时，有效解决了用户空间相关性高对系统性能影响大的问题，改进了系统性能。图6给出所提发明方法不应用按用户空间相关性分组(SIC-ZF)，在各用户BER＝10^-3时，各用户平均每子载波的比特数与Eb/No关系图。由图可见，在不同频谱利用率下，用户1、3、5、7的性能分别优于用户2、4、6、8至少5dB。该仿真结果是由于用户2、4、6、8迫零矩阵的计算分别包含了空间高度相关的用户1、3、5、7，使得连续迫零算法的性能变差所导致。另外，由于用户发射功率的动态范围变大，使得各用户的QoS难以保障，因此，当存在空间相关性高的用户时必须应用按用户空间相关性分组。图7给出所提发明方法应用按用户空间相关性分组(SIC-GZF)，在BER＝10^-3时，各用户平均每子载波的比特数与Eb/No关系图。由图可见，在不同频谱利用率下，各用户的性能相差最大不超过2dB。这是由于通过按用户空间相关性分组，使得同一子载波不存在空间高度相关的共享用户的结果。与图6比较，应用用户分组，同时兼顾了系统性能与各用户的QoS。图8给出应用基本迫零共享方式、所提发明方法不应用按用户空间相关性分组(SIC-ZF)及应用按用户空间相关性分组(SIC-GZF)，在用户平均每子载波比特数为3时，系统BER与Eb/No关系比较。由图可见在不同BER情况下，所提发明方法不应用按用户空间相关性分组时所需功率相对基本迫零方法至少改进10dB，应用按用户空间相关性分组时所需功率又改进了近5dB。该仿真结果进一步验证了所提发明方法由于充分利用了空间资源，有效解决了用户空间性高对系统性能影响大的问题，从而在不同BER需求时，使系统性能得以改进。

实施例3：本发明的计算复杂度分析：

奇异值分解(SVD)是MIMO系统的重要方法，对于一个p×q维、秩r的矩阵，SVD的计算复杂度为min(O(pq²)，O(qp²))，对于低秩稠密矩阵，计算复杂度为O(pqr)^[3]。因此，SVD的计算复杂度由矩阵的维度决定。对于多用户MIMO-OFDM系统，高阶矩阵SVD的计算复杂度决定了资源分配算法的计算复杂度。

对于基本迫零算法，各用户在各子载波的计算复杂度相同。通过对维度为n_R×((K-1)n_T)的矩阵H_k＝[H₁...H_k-1H_k+1...H_K]应用SVD方法，计算用户k的迫零矩阵Z_k，其计算复杂度为O(n_R×((K-1)n_T)²)，求得的迫零矩阵Z_k的维度为(n_R-(K-1)n_T)×n_R。通过对维度为(n_R-(K-1)n_T)×n_T的矩阵Z_kH_k应用SVD方法，计算用户k的加权矩阵，其计算复杂度为O((n_R-(K-1)n_T)×(n_T)²)。因此，应用SVD方法，计算各用户迫零矩阵及加权矩阵的总计算复杂度为K×Nc×(O(n_R×((K-1)n_T)²)+O((n_R-(K-1)n_T)×(n_T)²))。

对于所提发明方法，由于应用了基于零空间交集的连续迫零算法，用户迫零矩阵的计算是通过计算用户加权矩阵时SVD的计算结果迭代相乘求得，其计算复杂度相对于利用SVD方法计算用户加权矩阵的计算复杂度可以忽略。对于用户k，通过对维度为(n_R-(k-1)n_T)×n_T的矩阵Z_kH_k应用SVD方法，计算用户的加权矩阵，其计算复杂度为O((n_R-(k-1)n_T)×(n_T)²)，因此，所有用户的总计算复杂度为

$\mathrm{Nc}\×O(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(n_R-(k-1)n_T)\×{\left(n_T\right)}^2)=K\×\mathrm{Nc}\×O((n_R-(K-1)n_T/2)\×{\left(n_T\right)}^2).$

通过比较基本迫零算法与所提发明方法的所有用户SVD的总计算复杂度，可见，当共享子载波的用户数K较大时，基本迫零算法SVD的总计算复杂度远高于所提发明方法的总计算复杂度。

实施例4：一种多用户MIMO-OFDM系统上行链路资源分配方法，其技术关键点在于：

(1)用户按空间相关性分组，空间相关性极高的用户分在同一组，保证了各用户组之间不存在空间高度相关的用户；

(2)各组内用户由于空间相关性高，采用独占方式分配子载波，各组间用户由于不存在空间相关性极高的用户，采用共享方式分配子载波，解决了共享方式系统性能受用户空间相关性影响大的问题，改进了多用户系统性能；

(3)对于各组间共享同一子载波的用户之间产生的共道干扰，利用波束形成技术，通过基于零空间交集的连续迫零算法，实现各用户共道干扰抑制的同时完成各用户子空间的分配。基于零空间交集的连续迫零算法：对多用户系统的任意子载波，将按用户空间相关性分组后共享该子载波的用户编号为1～K。对任一用户k，假定其后序号的用户信号已知(即对用户k的干扰在基站端可以消除)，为避免其前序号的用户对用户k的干扰，用户k的迫零矩阵应为其前序号所有用户的零空间。基于零空间交集定理，通过计算两个低阶矩阵零空间交集的迫零方法，应用中间计算结果，连续递归计算各用户的迫零矩阵，通过递归迭代使用户迫零矩阵的计算复杂度降低。基于零空间交集的连续迫零算法的用户迫零矩阵的计算为按用户编号的正序，在各用户SVD的计算过程中，一次SVD的计算结果，不仅确定了用户的迫零矩阵，同时确定了每个用户的发射加权矩阵W、接收合并矩阵R、及等效信道增益λ，实现了子空间的分配，进一步降低了整个算法的复杂度。

(4)各用户跟据连续迫零算法计算的等效信道增益，自适应比特功率分配。对每个用户，以单用户方式对所分配的所有子载波进行比特、功率分配。

(5)基于零空间交集的连续迫零算法结合基于连续干扰消除的多用户检测方法：利用基于零空间交集的连续迫零算法的计算过程中求得的各用户的接收合并矩阵及发射加权矩阵，按用户编号的逆序计算用户信号。计算任一用户的信号，首先在接收端减去所有已经计算出的大于该用户序号的用户信号经过信道传输后的信号，然后利用该用户的加权矩阵实现线性信号分离；

(6)多用户MIMO-OFDM系统上行链路资源分配方法的流程步骤。

实施例5：结合图3-图4，一种多用户MIMO-OFDM系统上行链路资源分配方法，它的实现方法为：用户按空间相关性分组，相关性极高的用户分在一组；每组内用户依据比例公平原则按独占方式分配子载波，任意子载波每组有且仅有一个用户占用；由于用户分组，任意子载波不存在空间相关性过高的用户，各组间共享子载波的用户利用基于零空间交集的连续迫零算法，实现共道干扰抑制；依据各用户等效信道增益以单用户方式进行自适应比特、功率分配；利用连续干扰消除方法实现多用户检测，进而正确解调。基于该发明的多用户MIMO-OFDM上行链路系统结构图如图3所示。用户k(k＝1，2...K)在子载波m(m＝1，2...Nc)的n_R×n_T维上行链路的信道矩阵为：

$H_m^k=\left[\begin{array}{cccc}{h}_{\mathrm{1,1}}^{k,m}& h_{\mathrm{1,2}}^{k,m}& \·\·\·& h_{1,n_T}^{k,m}\\ h_{\mathrm{2,1}}^{k,m}& h_{\mathrm{2,2}}^{k,m}& \·\·\·& h_{2,n_T}^{k,m}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ h_{n_R,1}^{k,m}& h_{n_R,2}^{k,m}& \·\·\·& h_{n_R,n_T}^{k,m}\end{array}\right]=A_m^k{G}_m^k---\left(5\right)$

其中h_i，j ^k，m为第j发射天线到第i接收天线间的信道增益，A_m ^k为由DOA生成的导引向量矩阵。

d_m ^k、W_m ^k、R_m ^k分别为用户k在子载波m的发送数据流、发射加权向量、接收合并向量。

为书写方便，以下省略子载波序号m。

该发明的核心技术点是基于零空间交集的连续迫零算法结合基于连续干扰消除的多用户检测，其原理框图如图4所示。对多用户系统的任意子载波，将按用户空间相关性分组后，共享该子载波的用户编号为1～K。对任一用户k，假定其后序号的用户信号已知(即对用户k的干扰在基站端可以消除)，为避免其前序号的用户对用户k的干扰，用户k的迫零矩阵应为其前序号所有用户的零空间。

基于零空间交集的连续迫零算法结合连续干扰消除的多用户检测包括连续迫零及连续干扰消除两个过程，其核心是如何确定每个用户的发射加权矩阵W、及接收合并矩阵R。

零空间交集定理：令A∈C^m×n，B∈C^m×p，Z是B的零空间，X是ZA的零空间；则XZ是[A B]的零空间。

依据零空间交集定理，一个高阶矩阵的零空间可以通过将该矩阵按列分成两个行数相同的低阶矩阵，通过递归计算两个低阶矩阵零空间交集的连续迫零的方法得到。对任一用户k，令H_k＝[H_k-1H_k-2...H₁]＝[H_k-1H_k-1]，Z_k-1为H_k-1的零空间，X_k-1为Z_k-1H_k-1的零空间，则Z_k＝X_k-1Z_k-1为H_k的零空间，即：Z_k为用户1至用户(k-1)的零空间交集，满足Z_kH_j＝0(1≤j≤k-1)。因此，Z_k可通过递归迭代求得，使得用户迫零矩阵的计算复杂度降低。

基于零空间交集定理的连续迫零算法，递归计算每个用户的迫零矩阵Z_k、发射加权矩阵W_k、接收合并矩阵R_k。

对用户1：Z₁＝1，H₁＝[U₁ ⁽¹⁾，U₁ ⁽⁰⁾]Λ₁V₁ ^H，令R₁＝[U₁ ⁽¹⁾]^H，W₁＝V₁；

对用户2：Z₂＝[U₁ ⁽⁰⁾]^H，Z₂H₂＝[U₂ ⁽¹⁾，U₂ ⁽⁰⁾]Λ₂V₂ ^H，令R₂＝[U₂ ⁽¹⁾]^HZ₂，W₂＝V₂；

……

对用户k：Z_k＝[U_k-1 ⁽⁰⁾]^HZ_k-1，Z_kH_k＝[U_k ⁽¹⁾，U_k ⁽⁰⁾]Λ_kV_k ^H，令R_k＝[U_k ⁽¹⁾]^HZ_k，W_k＝V_k；其中，Λ_k为等效信道增益λ_k(i)组成的对角阵。

基于连续干扰消除的多用户检测：

对任一子载波，基站接收信号为 $Y=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j+n,$ 对任一用户k

$Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j=H_k{W}_k{X}_k+\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j+n,$ 由于 $Z_k\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j=0,$

$R_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)=R_k{H}_k{W}_k{X}_k+R_{k}n$

$={\left[{U_k}^{\left(1\right)}\right]}^H{Z}_k{H}_k{W}_k{X}_k+R_{k}n={\left[{U_k}^{\left(1\right)}\right]}^H\left(U_k{\mathrm{\Λ}}_k{V}_k^H\right)W_k{X}_k+R_{k}n={\mathrm{\Λ}}_k{X}_k+R_{k}n$

因此， ${\hat{X}}_k={\left({\mathrm{\Λ}}_k\right)}^{-1}{R}_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

基于以上推导，可以通过先计算编号最大的用户的信号，按编号递减顺序计算其他用户的信号。即计算任一用户的信号，首先在接收端减去所有已经计算出的大于该用户序号的用户信号经过信道传输后的信号，然后利用该用户加权矩阵实现线性信号分离。因此，基于零空间交集的连续迫零算法的用户迫零矩阵的计算为按用户编号的正序，而基于连续干扰消除的多用户检测的计算为按用户编号的逆序。

由于整个递归过程中一次SVD的计算结果，即可以用于迫零矩阵的计算，又可以用于多用户的连续干扰消除，因此，该发明方法的计算复杂度明显降低。

该发明方法各用户性能分析：由于编号最大的用户在发射端乘的迫零矩阵为小于其编号的所有用户的零空间，其等效增益最小，但由于没有引入其他用户的共道干扰，性能得以改进；由于编号最小的用户最后解调，不需乘迫零矩阵，其等效增益最大，但由于噪声的存在，SIC算法引入了其他用户的部分干扰，使得性能变差。因此，整个算法中用户编号顺序对用户的性能影响不大。

实施例6：本发明中对任一用户k，假定其后序号的用户信号已知(即对用户k的干扰在基站端可以消除)，为避免其前序号的用户对用户k的干扰，用户k的迫零矩阵应为其前序号所有用户的零空间。基于零空间交集定理，通过计算两个低阶矩阵零空间交集的迫零方法，应用中间计算结果，连续递归计算各用户的迫零矩阵，通过递归迭代使用户迫零矩阵的计算复杂度降低。基于零空间交集的连续迫零算法的用户迫零矩阵的计算为按用户编号的正序，在各用户SVD的计算过程中，一次SVD的计算结果，不仅确定了用户的迫零矩阵，同时确定了每个用户的发射加权矩阵W、接收合并矩阵R、及等效信道增益λ，实现了子空间的分配，进一步降低了整个算法的复杂度。某文献针对多用户MIMO-OFDM下行链路，子载波共享方式高阶矩阵迫零算法计算复杂度高的问题，提出了基于干扰用户零空间交集的低复杂度的迫零矩阵计算方法。该方法本质上仍是针对所有干扰用户信道矩阵组成的高阶矩阵进行SVD计算，只是将直接计算高阶矩阵的零空间转化为间接计算多个低阶矩阵的零空间交集，干扰用户零空间交集计算的中间计算结果没有利用，各用户迫零矩阵的计算复杂度相同。

Claims (1)

1.一种多用户多输入多输出-正交频分复用(MIMO-OFDM)上行链路资源分配方法，其特征在于：它由以下步骤实现：

步骤一：用户按空间相关性分组；

波达角(DOA)的夹角小于5度的用户分在一组；

步骤二：每组内用户按子载波独占方式分配子载波；

依据比例公平原则，对组内用户以独占方式分配子载波，任意子载波每组有且仅有一个用户占用；定义子载波分配因子为1表示用户k占用子载波m，为0表示用户k不占用子载波m；

步骤三：各组间共享同一子载波的用户利用波束形成技术，基于零空间交集的连续迫零方法，实现共道干扰抑制的同时完成子空间的分配；对每个子载波，将共享该子载波的用户编号为1～K，利用基于零空间交集的连续迫零方法，按如下步骤，以用户编号的正序计算各用户的迫零矩阵Z、发射加权矩阵W、接收合并矩阵R；

对用户1：Z₁＝1，H₁＝[U₁ ⁽¹⁾，U₁ ⁽⁰⁾]Λ₁V₁ ^H，令R₁＝[U₁ ⁽¹⁾]^H，W₁＝V₁；

对用户2：Z₂＝[U₁ ⁽⁰⁾]^HZ₁，Z₂H₂＝[U₂ ⁽¹⁾，U₂ ⁽⁰⁾]Λ₂V₂ ^H，令

R₂＝[U₂ ⁽¹⁾]^HZ₂，W₂＝V₂；

对用户3：Z₃＝[U₂ ⁽⁰⁾]^HZ₂，Z₃H₃＝[U₃ ⁽¹⁾，U₃ ⁽⁰⁾]Λ₃V₃ ^H，令

R₃＝[U₃ ⁽¹⁾]^HZ₃，W₃＝V₃；

对用户k：Z_k＝[U_k-1 ⁽⁰⁾]^HZ_k-1，Z_kH_k＝[U_k ⁽¹⁾，U_k ⁽⁰⁾]Λ_kV_k ^H，令

R_k＝[U_k ⁽¹⁾]^HZ_k，W_k＝V_k；

......

对用户K：Z_K＝[U_K-1 ⁽⁰⁾]^HZ_K-1，Z_KH_K＝[U_K ⁽¹⁾，U_K ⁽⁰⁾]Λ_KV_K ^H，令

R_K＝[U_K ⁽¹⁾]^HZ_K，W_K＝V_K；

步骤四：依据等效信道增益，自适应比特功率分配；

对每个用户，以单用户方式对所分配的所有子载波进行比特、功率分配；

步骤五：基站端基于连续干扰消除(SIC)方法进行多用户检测；

基站端对接收的多用户的信号和进行分离，计算出每个共享用户的信号；对每个子载波，按如下步骤，以用户编号的逆序计算各共享用户的接收信号；

对用户K：

$R_{K}Y={\left[{U_K}^{\left(1\right)}\right]}^H{Z}_K(H_K{W}_K{X}_K+\underset{j=1}{\overset{K-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{K}n={\mathrm{\Λ}}_K{X}_K+R_{K}n$

${\hat{X}}_K={\left({\mathrm{\Λ}}_K\right)}^{-1}{R}_{K}Y$

......

对用户k：

$R_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_k}^{\left(1\right)}\right]}^H{Z}_k(H_k{W}_k{X}_k+\underset{j=1}{\overset{k-1}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)+R_{k}n={\mathrm{\Λ}}_k{X}_k+R_{k}n$

${\hat{X}}_k={\left({\mathrm{\Λ}}_k\right)}^{-1}{R}_k(Y-\underset{j=k+1}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

......

对用户1：

$R_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)={\left[{U_1}^{\left(1\right)}\right]}^H(H_1{W}_1{X}_1+n)={\mathrm{\Λ}}_1{X}_1+R_{1}n$

${\hat{X}}_1={\left({\mathrm{\Λ}}_1\right)}^{-1}{R}_1(Y-\underset{j=2}{\overset{K}{\mathrm{\Σ}}}{H}_j{W}_j{X}_j)$

步骤六：各用户依据最大似然法则进行多进制正交幅度调制(MQAM)解码；

其中H_k为用户k的信道矩阵，U、V为奇异值分解(SVD)的计算结果，Λ_k为等效信道增益λ_k(i)组成的对角阵，Y为基站接收信号，X_k为用户k的信号，n为噪声。

Images