CN101795179A - 一种基于信道f范数投影调度的小区间干扰抑制方法 - Google Patents

Abstract

本发明提供一种基于信道F范数投影调度的小区间干扰抑制方法，在多小区多用户MIMO的场景下，多个基站由上层的中央控制器协调工作，通过多点协作传输技术(CoMP)将信道F范数投影用户调度和块对角预编码干扰抑制技术结合起来，一方面利用信道F范数投影用户调度提升系统容量，另一方面利用多小区块对角化作预编码处理，在提高小区边缘的频谱利用率的基础上达到干扰抑制的目的。

Description

一种基于信道F范数投影调度的小区间干扰抑制方法

技术领域

本发明属于无线通信技术，具体是涉及一种基于信道F范数投影调度的小区间干扰抑制方法。

背景技术

随着移动通信用户数量的急剧增加和无线宽带业务(如多媒体业务)的迅速兴起，人们期望未来移动通信系统能提供更高的数据传输率(100Mbps以上)、更高的频谱效率(10bps/Hz以上)。

多输入多输出(Multiple Input Multiple Output，MIMO)是一种在发射端和接收端都配置多根天线的技术。MIMO是提高频谱效率的一种有效手段，它能够在不增加发射功率的前提下，成倍的提高系统的频谱效率。但是在多小区多用户的场景下应用MIMO技术(该场景称之为Muti-cell MIMO-MU)会引出很多与小区间干扰抑制相关的问题。由于各基站向各自用户发送信号时工作在相同的频率，所以来自相邻小区的基站信号会构成干扰。因此需要采取措施以达到干扰抑制的目的。

但现有的单小区多用户MIMO系统的干扰抑制算法无法处理多小区情况下的干扰问题，目前也未有性能优越的多小区间干扰抑制方案被现有技术公布

发明内容

本发明的目的在于提出一种基于信道F范数投影调度的小区间干扰抑制方法，旨在减小多小区的边缘用户所受干扰，在提高小区边缘的频谱利用率的基础上提升系统容量。

一种基于信道F范数投影调度的小区间干扰抑制方法，按照以下步骤进行：

(1)第1，…，N_b个协作基站分别站向本边缘小区的边缘用户终端发送信道估计信号，N_b为协作基站数；

(2)第c＝1，…，k个边缘用户终端Ue_c根据接收到的信道估计信号计算信道矢量，并将其反馈给本边缘小区的协作基站，各协作基站将接收到的信道矢量反馈给中央控制器，中央控制器计算得到联合信道矢量

k为总的边缘用户终端数；

(3)中央控制器初始化已选用户集S＝{s₁}， $s_1=\underset{c=1,...,k}{\arg \max }{\left|\right|H_{{\mathrm{EUe}}_c}\left|\right|}_F^2,$ ||||_F表示求F范数；将s₁以外的边缘用户终端加入待选用户集U；对用户终端s₁的联合信道矩阵的行向量进行施密特正交化，得到其基V；

(4)更新已选用户集S，具体为：

(4.1)计算投影矩阵 ${\tilde{H}}_{{\mathrm{Eu}}_j}=H_{{\mathrm{Eu}}_j}-H_{{\mathrm{Eu}}_j}{V}^{H}V,$ j＝1，…，k-d，d为已选用户集S中的边缘用户终端数，u_j表示待选用户集U中的第j个边缘用户终端，上标H表示共轭转置；

(4.2)将已选用户集S中第i＝1，…，d个用户s_i以外的所有用户联合信道矩阵依次与待选用户集U中所有边缘用户终端的联合信道矩阵进行行拼接，得到矩阵 ${\hat{H}}_{s_i,u_j}={[H_{E{s}_1}^T\·\·\·H_{E{s}_{i-1}}^T{H}_{{\mathrm{Es}}_{i+1}}^T\·\·\·H_{{\mathrm{Es}}_d}^T{H}_{E{u}_j}^T]}^T,$ 上标T表示转置；对所得矩阵

的行向量进行施密特正交化，得到其基

(4.3)计算投影矩阵 ${\tilde{H}}_{s_i,u_j}=H_{{\mathrm{Es}}_i}-H_{{\mathrm{Es}}_i}{W}_{s_i,u_j}^H{W}_{s_i,u_j};$

(4.4)从待选用户集U中选取边缘用户终端s_d+1加入已选用户集S

$s_{d+1}=\arg \underset{j=1,...k-d}{\max }(\underset{i=1}{\overset{d}{\mathrm{\Σ}}}{\left|\right|{\tilde{H}}_{S_i,U_j}\left|\right|}_F^2+{\left|\right|{\tilde{H}}_{{\mathrm{EU}}_j}\left|\right|}_F^2);$

(4.5)计算投影矩阵 ${\tilde{H}}_{s_{d+1}}=H_{{\mathrm{Es}}_{d+1}}-H_{{\mathrm{Es}}_{d+1}}{V}^{H}V,$ 对

的行向量进行施密特正交化后得到

更新 $V={\left[\begin{array}{cc}{V}^H& {\tilde{V}}_{s_{d+1}}^H\end{array}\right]}^H;$

(4.6)判断当前用户数d＝d+1是否小于多点协作传输用户集上限，若小于，则返回步骤(4.1)，否则进入步骤(5)；

(5)采用贪婪算法对已选用户集S进行筛选，确定具有最大系统容量的多点协作传输用户集；

(6)对多点协作传输用户集中的各边缘用户终端分别设计块对角预编码矩阵，各协作基站使用块对角预编码矩阵对对应的边缘用户终端进行联合预编码和发送。

本发明的技术效果体现在：在多小区多用户MIMO的场景下，本发明通过多点协作传输技术(CoMP)，采用JP方式即多个基站由上层的中央控制器(central controller)协调工作，将信道F范数投影用户调度和块对角预编码干扰抑制技术结合起来，一方面利用信道F范数投影用户调度提升系统容量，另一方面利用多小区块对角化(Muti-cell BD)预编码处理，在提高小区边缘的频谱利用率的基础上达到干扰抑制的目的。

附图说明

图1为本发明场景示意图；

图2为本发明实例示意图；

图3为本发明流程示意图；

图4为不同调度策略下单小区平均容量随信噪比变化示意图。

具体实施方式

下面结合附图和具体实施方式进一步说明本发明。

本发明考虑的场景如图1中阴影部分所示，其由多个小区的邻接区域也称边缘小区组成边缘区域，边缘区域内的用户终端UE称之为边缘用户终端。定义共有k个边缘用户终端，边缘用户终端的天线数为N_r，协作传输的协作基站eNB数目为N_b，每个基站发射天线数为N_t，功率限制为P_b。{H_b，c}为第b个基站eNB到第c个边缘用户终端间的小尺度信道衰落矩阵，a_b，c为对应的大尺度衰减系数；第c个用户终端的联合信道矩阵定义为 $H_{\mathrm{Ec}}=\{a_{1,c}*H_{1,c},a_{2,c}*H_{2,c},...,a_{N_b,c}*H_{N_b,c}\}.$ 采用此方案在任意时隙能够同时服务的CoMP传输用户集上限为：

图2给出了该系统模型一实例，实例中边缘区域由三个边缘小区构成，基站发射天线数N_t＝4，边缘用户终端的接收天线数N_r＝2，协作的边缘小区个数N_b＝3，每个边缘小区内边缘用户数为10，总边缘用户数k＝30，基站功率限制P_b＝1W，发送端信噪比为[-10∶10∶30]dB且平均功率分配，基站到用户的信道为瑞利平坦衰落信道。

为简化说明，文中将协作基站简称为基站，边缘用户终端简称为用户终端或用户。

图3给出了本发明流程，具体步骤如下：

(1)各基站向本边缘小区的用户终端发送信道估计信号；对于某一基站，其所在的小区称作本小区，属于本小区的边缘小区称作该基站的本边缘小区。

(2)用户终端根据接收到的信道估计信号计算各自的信道矢量并将其反馈给本小区的基站，各基站将接收到的信道矢量反馈给中央控制器，中央控制器计算得到各用户的联合信道矢量

以便进行下一步的用户调度和预编码；

(3)初始化已选用户集S为空集，待选用户集U为当前所有用户；中央控制器计算所有用户终端的联合信道矢量的F范数的平方，选取该值最大的用户加入S，即第一个已选用户为 $s_1=\underset{c=1,...,K}{\arg \max }{\left|\right|H_{\mathrm{Ec}}\left|\right|}_F^2,$ 同时将该用户从U中除去。对用户终端s₁的联合信道矩阵的行向量进行施密特正交化，得到其基V；

(4)更新已选用户集，具体为：

(4.1)设已选用户集中已有d个用户，则待选用户集中有k-d个待选用户，分别计算U中每个用户的联合信道矩阵在V上的投影矩阵，即对于U中的第j＝1，…，k-d个用户u_j，投影矩阵 ${\tilde{H}}_{{\mathrm{Eu}}_j}=H_{{\mathrm{Eu}}_j}-H_{{\mathrm{Eu}}_j}{V}^{H}V,$ 其中上标H表示共轭转置；

(4.2)依次将已选用户集S中第i(i＝1，…，d)个用户s_i除开，将集合中其他所有用户联合信道矩阵依次与待选用户集U中所有用户的联合信道矩阵进行行拼接，得到

${\hat{H}}_{s_i,u_j}={[H_{{\mathrm{Es}}_1}^T\·\·\·H_{{\mathrm{Es}}_{i-1}}^T{H}_{{\mathrm{Es}}_{i+1}}^T\·\·\·H_{{\mathrm{Es}}_d}^T{H}_{{\mathrm{Eu}}_j}^T]}^T,$ j＝1，…，K-d

其中，上标T表示转置。

对所得矩阵

的行向量进行施密特正交化，得到其基

(4.3)计算 ${\tilde{H}}_{s_i,u_j}=H_{{\mathrm{Es}}_i}-H_{{\mathrm{Es}}_i}{W}_{s_i,u_j}^H{W}_{s_i,u_j},$ 即已选用户集中每个用户的联合信道矩阵在(4.2)中得到的与之对应的一组基上的投影矩阵。

(4.4)对所得对应于待选用户集中的第j个用户的一组投影矩阵的F范数的平方求和，将其与u_j用户在(4.1)中获取的投影矩阵的F范数值的平方相加，找出能使该值最大化的用户，即

$s_{d+1}=\arg \underset{j=1,...k-d}{\max }(\underset{i=1}{\overset{d}{\mathrm{\Σ}}}{\left|\right|{\tilde{H}}_{s_i,u_j}\left|\right|}_F^2+{\left|\right|{\tilde{H}}_{{\mathrm{Eu}}_j}\left|\right|}_F^2).$

(4.5)将该用户s_d+1从待选用户集U中除去并加入已选用户集S，计算 ${\tilde{H}}_{s_{d+1}}=H_{{\mathrm{Es}}_{d+1}}-H_{{\mathrm{Es}}_{d+1}}{V}^{H}V,$ 对

的行向量进行施密特正交化后得到

更新 $V={\left[\begin{array}{cc}{V}^H& {\tilde{V}}_{s_{d+1}}^H\end{array}\right]}^H.$

(4.6)判断当前用户数d＝d+1是否小于CoMP传输模式的上限，若小于，则返回步骤(4.1)，否则进入步骤(5)；

(5)对已选用户集进行贪婪算法，以此来确定具有最大系统容量的CoMP用户集；

贪婪算法(Greedy User Selection)的基本思想是：每次选择这样的一个用户，该用户与已选用户组成的用户集能够提供最大的系统容量，当选择的用户数目达到能同时支持的最大用户数时或者选择的用户引起系统总容量下降时，算法结束。该算法可以最大限度的提高系统容量，但缺点是复杂度较高，会给系统带来沉重负担。

(6)分别对多点协作传输用户集中的各边缘用户终端设计块对角预编码矩阵，各协作基站使用块对角预编码矩阵对其对应的边缘用户终端进行联合预编码和发送。

块对角预编码矩阵的设计方法如下：令步骤(5)中共选出

个用户，则其中第 $i(i=1,...,\tilde{K})$ 个用户UE_i的接收信号可表示为：

$y_i=H_{\mathrm{Ei}}{T}_i{s}_i+\underset{\underset{l=1,...,\tilde{K}}{l\≠i}}{\mathrm{\Σ}}{H}_{\mathrm{Ei}}{T}_l{s}_l+n_i---\left(1\right)$

其中，n_i代表用户UE_i受到的噪声干扰，为协方差矩阵为N₀I(I为单位矩阵)的零均值循环复高斯变量， $N_0=1.\underset{\underset{l=1,...,\tilde{K}}{l\≠i}}{\mathrm{\Σ}}{H}_{\mathrm{Ei}}{T}_l{s}_l$ 项表示用户收到的来自其他用户的干扰， $H_{\mathrm{Ei}}=[a_{1,i}{H}_{1,i},a_{2,i}{H}_{2,i},...a_{N_b,i}{H}_{N_b,i}]$ 为用户UE_i收到的联合信号的衰落信道矩阵，s_l为各协作基站发送给第l个用户的信号。

T_i为中央控制器对用户UE_i的发送预编码矩阵，由下式给出：

其中，干扰抑制矩阵G_i＝V_iV′_i，V_i是由第i个用户以外的其他用户的衰落信道矩阵组成的矩阵 ${\stackrel{\‾}{H}}_{T\_i}={[H_{E1}^T,...,H_{\mathrm{Ei}-1}^T,H_{\mathrm{Ei}+1}^T,...,H_{E\tilde{K}}^T]}^T$ 进行奇异值分解后零奇异值对应的右奇异值向量，T表示转置矩阵；V′_i是虚拟信道H_{Ei_para}＝H_EiV_i的非零奇异值对应的右奇异值向量。所有个用户的干扰抑制矩阵构成G， $G=[G_1,G_2,...,G_{\tilde{K}}],$ G^[b]是矩阵G中第b个基站eNB_b的N_t根发送天线所对应的行构成的矩阵。

项表示采取的功率分配方案为平均功率分配。可知，T_j满足 $\underset{k\≠j}{\mathrm{\Σ}}{H}_{\mathrm{Ek}}{T}_j=0,\∀k\≠j,$ 这样便消除了不同用户间的干扰。

采用联合编码后平均每个小区的容量为：

$R=\frac{1}{N_b}\underset{j=1}{\overset{\tilde{K}}{\mathrm{\Σ}}}{R}_{\mathrm{JP}-\mathrm{multicell\; BD}}\left(j\right)$

$=\frac{1}{N_b}\underset{j=1}{\overset{\tilde{K}}{\mathrm{\Σ}}}\log |I+{[N_{0}I+H_{\mathrm{Ej}}\left(\underset{\underset{l=1,...,\tilde{K}}{l\≠j}}{\mathrm{\Σ}}{T}_l{T}_l^H\right)H_{\mathrm{Ej}}^H]}^{-1}{H}_{\mathrm{Ej}}{T}_j{T}_j^H{H}_{\mathrm{Ej}}^H|---\left(3\right)$

图3为对图2中的实例进行仿真的结果。在该条件下，仿真了本发明和基于贪婪及基于轮询算法的平均容量。从仿真结果中可以看出，当发送端信噪比为10dB时，本发明和基于贪婪分别比基于轮询的平均容量提高37.4％和43.2％。虽然本发明略低于贪婪，但是可以有效降低计算复杂度，相比之下更容易实现。

Claims (1)

1.一种基于信道F范数投影调度的小区间干扰抑制方法，按照以下步骤进行：

(1)第1，…，N_b个协作基站分别站向本边缘小区的边缘用户终端发送信道估计信号，N_b为协作基站数；

(2)第c＝1，…，k个边缘用户终端Ue_c根据接收到的信道估计信号计算信道矢量，并将其反馈给本边缘小区的协作基站，各协作基站将接收到的信道矢量反馈给中央控制器，中央控制器计算得到联合信道矢量

k为总的边缘用户终端数；

(3)中央控制器初始化已选用户集S＝{s₁}， $s_1=\underset{c=1,..,k}{\arg \max }{\left|\right|H_{{\mathrm{EUe}}_c}\left|\right|}_F^2,$ ‖‖_F表示求F范数；将s₁以外的边缘用户终端加入待选用户集U；对用户终端S₁的联合信道矩阵的行向量进行施密特正交化，得到其基V；

(4)更新已选用户集S，具体为：

(4.1)计算投影矩阵 ${\tilde{H}}_{{\mathrm{Eu}}_j}=H_{{\mathrm{Eu}}_j}-H_{{\mathrm{Eu}}_j}{V}^{H}V,$ j＝1，…，k-d，d为已选用户集S中的边缘用户终端数，u_j表示待选用户集U中的第j个边缘用户终端，上标H表示共轭转置；

(4.2)将已选用户集S中第i＝1，…，d个用户s_i以外的所有用户联合信道矩阵依次与待选用户集U中所有边缘用户终端的联合信道矩阵进行行拼接，得到矩阵 ${\hat{H}}_{s_i,u_j}={[H_{{\mathrm{Es}}_1}^T...H_{{\mathrm{Es}}_{i-1}}^T{H}_{{\mathrm{Es}}_{i+1}}^T...H_{{\mathrm{Es}}_d}^T{H}_{{\mathrm{Eu}}_j}^T]}^T,$ 上标T表示转置；对所得矩阵

的行向量进行施密特正交化，得到其基

(4.3)计算投影矩阵 ${\tilde{H}}_{s_i,u_j}=H_{{\mathrm{Es}}_i}-H_{{\mathrm{Es}}_i}{W}_{s_i,u_j}^H{W}_{s_i,u_j};$

(4.4)从待选用户集U中选取边缘用户终端S_d+1加入已选用户集S

$s_{d+1}=\arg \underset{j=1,...k-d}{\max }(\underset{i=1}{\overset{d}{\mathrm{\Σ}}}{\left|\right|{\tilde{H}}_{S_i,U_j}\left|\right|}_F^2+{\left|\right|{\tilde{H}}_{{\mathrm{EU}}_j}\left|\right|}_F^2);$

(4.5)计算投影矩阵 ${\tilde{H}}_{s_{d+1}}=H_{{\mathrm{Es}}_{d+1}}-H_{{\mathrm{Es}}_{d+1}}{V}^{H}V,$ 对

的行向量进行施密特正交化后得到

更新 $V={\left[\begin{array}{cc}{V}^H& {\tilde{V}}_{s_{d+1}}^H\end{array}\right]}^H;$

(4.6)判断当前用户数d＝d+1是否小于多点协作传输用户集上限，若小于，则返回步骤(4.1)，否则进入步骤(5)；

(5)采用贪婪算法对已选用户集S进行筛选，确定具有最大系统容量的多点协作传输用户集；

(6)对多点协作传输用户集中的各边缘用户终端分别设计块对角预编码矩阵，各协作基站使用块对角预编码矩阵对对应的边缘用户终端进行联合预编码和发送。

Images