CN101826939A - 确定量化信道向量的方法和设备 - Google Patents

Abstract

本发明公开了确定量化信道向量的方法和设备。一种在多输入多输出通信系统的终端中确定量化信道向量的方法，所述方法包括确定基站和终端之间的信道的信道质量，和根据确定的信道质量，从多个量化信道向量中确定量化信道向量。确定的量化信道向量提供预定义的信道特性值。

Description

确定量化信道向量的方法和设备

技术领域

按照本发明的实施例涉及通信系统，更具体地说，涉及多输入多输出通信系统的终端中确定量化信道向量的方法和设备。

背景技术

例如，对多用户多输入多输出(MIMO)通信系统中的下行链路传输来说，量化信道状态信息(CSI)在有限速率的上行链路信道中被反馈给基站。通过量化信道矩阵和接收滤波器的估计量的乘积，可获得量化的CSI，在下文中，接收滤波器的估计量被表示成复合信道向量，由于其依赖于最终选择的预编码器，因此在量化阶段不能精确地计算所述复合信道向量。现有技术的方法估计接收滤波器，并量化其到估计的复合信道向量的欧几里德距离最小化的复合信道向量。

在如图2中所述的多用户MIMO系统的下行链路200(信道)中，用向量x～N_C(0_M，C_x)210概括的预定的预编码符号经基站的M个天线被发射给K个移动站，每个移动站配有N个接收天线。注意在基站的发射功率为P_Tx＝tr(C_x)。利用第k位用户的信道矩阵H_k∈C^NxM，k∈{1，...，K}220，和具有方差为1的独立且正态分布元素的噪声向量n_k～N_C(0_N，I_N)230，第k位用户的摄动接收向量240可被写为

使用线性预编码器和接收器，并且假定调度器已选择用集合 $K\⊆\{1,...,K\}$ 概括的传输用户。特别地，下面用符号向量 $s_k\∈C^{d_x}$ 概括的方差P_Tx/D的d_k个数据符号已被分配给用户k。于是，传送符号的总数为D＝∑_k∈K d_k。

随后，利用预编码器 $P_k\∈C^{\mathrm{Mx}{d}_k}$ 预编码每个符号向量，并对其求和，从而获得发射向量。

这里，P∈C^MxD是其中按k的升序把预编码器P_k，k∈K堆叠成一行的矩阵，下面表示成P＝rstack(P_k)_k∈K，s∈C^D是其中按k的升序把符号向量s_k，k∈K堆叠成一列的向量，下面表示成s＝cstack(s_k)_k∈K。

接下来，我们说明在移动站的接收器。我们假定每位用户对接收向量y_k应用线性滤波器 $W_k\∈C^{d_k\mathrm{xN}},$ 以获得第k位用户的符号向量s_k的估计量

特别地，我们考虑通过s_k和 ${\hat{s}}_k=W_k{y}_k$ 之间的均方差的最小化而获得的线性最小均方差(MMSE)滤波器，其解计算为(例如，“S.Verdú.Multiuser Detection.Cambridge University Press，1998.”)

$W_k=P_k^H{H}_k^H{(H_k{\mathrm{PP}}^H{H}_k^H+\frac{D}{P_{\mathrm{Tx}}}{I}_N)}^{-1}.---\left(4\right)$

注意假定每个接收器可以获得它自己的信道H_k的完全(perfect)信道状态信息(CSI)。不过，由于多用户MIMO下行链路信道的非合作性，它不具有与其它用户的信道有关的CSI。

多用户MIMO系统的下行链路传输性能的典型度量是关于所有用户的速率和。下面，假定最大的一个数据流被分配给每位用户，即d_k∈{0，1}。从而，每位预定用户k∈K的预编码和接收器矩阵，即， $P_k\∈C^{\mathrm{Mx}{d}_k}$ 和 $W_k\∈C^{d_k\mathrm{xN}}$ 收缩到下面分别表示成p_k∈C^M和 $w_k^T\∈C^{1\mathrm{xN}}$ 的向量。此外，预定用户的数目等于预定数据流的数目，即，|K|＝D。

依据该假设，在第k位用户的接收滤波器w_k ^T的输出端处的信号与干扰加噪声比(SINR)可被写为：

并且速率和计算为

记住每位用户的符号的方差被设为P_Tx/D。

例如，为了计算预编码器并调度传输用户，基站需要和所有k∈{1，...，K}的信道矩阵H_k有关的信息。该所谓的信道状态信息(CSI)从终端被反馈给基站。准确地说，每位用户根据信道码本量化其信道，并反馈对应的码本索引以及SINR值，所述SINR值包括由量化误差造成的干扰的粗略估计(例如，参见“M.Trivellato，F.Boceardi，and F.Tosato.User selection schemes for MIMO broadcast channels withlimited feedback.Vehicular Technology Conference，2007.VTC2007-Spring.IEEE 65th，pages 2089-2093，April 2007”，“Philips.Comparison between MU-MIMO codebook-based channel reportingtechniques for LTE downlink，Oct.2006.3GPP TSG RAN WG1 #46R1-062483”，“Philips.Comparison of MU-MIMO feedback schemeswith multiple UE receive antennas，Jan.2006.3GPP TSG RAN WG1#47bis R1-070346”and“N.Jindal.A feedback reduction techniquefor MIMO broadcast channels.Information Theory，2006 IEEEInternational Symposium on，pages 2699-2703，July 2006.”)。基站随后根据量化的CSI计算预编码器，例如迫零(ZF)式预编码器，并利用可用的SINR信息分配资源。同样，由于关心的是低反馈方案，因此，每位用户的发射数据符号的最大数目可被限制为1，即，对于所有k∈K，d_k＝1。

对信道向量量化(CVQ)，以及信道质量指示符(CQI)的反馈来说，首先可以假定在移动接收器处已知预编码器P，以致能够按照等式(4)计算MMSE滤波器 $W_k=w_k^T\∈C^{1\mathrm{xN}}.$ 为了计算反馈信息，每位用户k通过应用信道向量量化(CVQ)，量化复合信道向量 $g_k^T=w_k^T{H}_k\∈C^{1\mathrm{xM}}$ (线性MMSE滤波器和物理信道矩阵的组合物)。借助信道码本 $C=\{u_1,...,u_{2^B}\},$ 其中B表示索引2^B个归一化的码本向量u_q，q∈{1，...，2^B}所必需的比特数。

量化的复合信道向量

是具有到归一化的复合信道向量的最小欧几里德距离的码本条目，即，对于k∈K：

${\hat{g}}_k=u_l,l=\underset{q\∈\{1,...,2^B\}}{\arg \max }\left|u_q^H{g}_k\right|/{\left|\right|g_k\left|\right|}_2.---\left(7\right)$

这里，l表示利用B个比特反馈给基站的码本索引。注意码本索引只提供信道向量的方向，而量值包括在也是反馈信息的一部分的SINR值中。如在“M.Trivellato，F.Boccardi，and F.Tosato.Userselection schemes for MIMO broadcast channels with limitedfeedback.Vehicular Technology Conference，2007.VTC2007-Spring.IEEE 65th，pages 2089-2093，April 2007”或者“Philips.Comparisonof MU-MIMO feedback schemes with multiple UE receive antennas，Jan.2006.3GPP TSG RAN WG1 #47bis R1-070346”中推导的一样，借助下式近似在第k个移动接收器的缩放的SINR

${\mathrm{\γ}}_k^{\′}=\frac{\frac{P_{\mathrm{Tx}}}{M}{\left|\right|g_k\left|\right|}_2^2{\cos }^2{\mathrm{\θ}}_k}{1+\frac{P_{\mathrm{Tx}}}{M}{\left|\right|g_k\left|\right|}_2^2{\sin }^2{\mathrm{\θ}}_k},---\left(8\right)$

其中 ${\cos \mathrm{\θ}}_k=\left|g_k^H{\hat{g}}_k\right|/{\left|\right|g_k\left|\right|}_2,$ θ_k∈[0，π]表示归一化的复合信道向量和量化的复合信道向量之间的角度。不失一般性，我们为SINR计算设定‖w_k‖₂＝1。同样，注意等式(8)中的缩放的SINR值包括归因于量化误差，由ZR法造成的干扰的近似。

尚需说明的是在基站不知道预编码器P的情况下，用户如何能够近似复合信道向量g_k。例如，可以遵循“N.Jindal.A feedbackreduction technique for MIMO broadcast channels.InformationTheory，2006 IEEE International Symposium on，pages 2699-2703，July 2006”的思想，其中复合信道向量被选为各行H_k的线性组合，以使量化误差最小化。借助 $H_k^T=Q_k{R}_k$ 的QR因数分解，其中Q_k∈C^MxN是具有正交列的矩阵，R_k∈C^NxN是上三角矩阵，通过选择C中就欧几里德距离来说，最接近H_k的行空间的码本条目，获得复合信道向量的CVQ：

${\hat{g}}_k=u_l,l=\underset{q\∈\{1,...,2^B\}}{\arg \max }{\left|\right|Q_k^H{u}_q\left|\right|}_2^2---\left(9\right)$

通过按照这种方式利用欧几里德距离，最小的欧几里德距离是码本和量化的一个属性。

随后，通过把

投射回H_k的行空间，

${\tilde{g}}_k=Q_k{Q}_k^H{\hat{g}}_k/{\left|\right|Q_k{Q}_k^H{\hat{g}}_k\left|\right|}_2,---\left(10\right)$

并应用比例缩放

来获得复合信道向量的近似，其中 $H_k^{+}=H_k^H{\left(H_k{H}_k^H\right)}^{-1}$ 是矩阵H_k的右手侧伪逆。应用等式(11)-等式(8)的g_k，产生CQI值，该CQI值是码本索引l的附加反馈信息。

发明内容

本发明的目的是提供一种改进多输入多输出通信系统的终端和基站之间的信道的信道状态信息的原理。

该目的由按照权利要求1所述的方法和按照权利要求12所述的设备实现。

本发明的一个实施例提供一种在多输入多输出通信系统的终端中确定量化信道向量的方法。

所述方法包括确定基站和终端之间的信道的信道质量，和根据确定的信道质量，从多个量化信道向量中确定量化信道向量。所确定的量化信道向量提供预定义的信道特性值。

按照本发明的实施例以通过根据信道特性确定量化信道向量，可改进多输入多输出通信系统的基站和终端之间的信道的信道状态信息的中心思想为基础。信道特性值，例如，信号与干扰加噪声比，信噪比，用户的速率或衰减参数直接与基站和终端之间的信道的信道质量相关。于是，信道可由基于信道特性的量化信道向量更好地表征，并且由于信道状态信息以量化信道向量为基础，因此可改进信道状态信息。改进的信道状态信息可实现多输入多输出通信系统中的下行链路传输的更高速率和，于是，可增大每位用户的数据速率，和/或同时被基站寻址的用户的数目。

在按照本发明的一些实施例中，预定义的信道特性值是信号与干扰加噪声比，信噪比，用户的速率或信号衰减。

在按照本发明的一些实施例中，确定量化信道向量包含确定本征值问题的最大本征值。本征值问题以确定的信道特性为基础。

附图说明

下面参考附图，详细说明按照本发明的实施例，其中：

图1是在多输入多输出通信系统的终端中确定量化信道向量的方法的流程图；

图2是多用户多输入多输出系统的下行链路信道的示意图解说明；

图3是在多输入多输出通信系统的终端中确定量化信道向量的方法的流程图；

图4是在多输入多输出通信系统的终端中确定量化信道向量的方法的流程图；

图5是“速率和与信噪比”关系图；

图6是在多输入多输出通信系统的终端中确定量化信道向量的设备的方框图；

图7是多用户多输入多输出系统模型的示意图；

图8是基于欧几里德距离的信道向量量化的示意图；

图9a是“速率和与信噪比”关系图；

图9b是用于计算图9a中所示的结果的模拟参数表。

具体实施方式

尽管下面的多数实施例涉及每位用户/信道一个数据流，不过易于了解所描述的原理也可用于每位用户一个以上的数据流的情况。

图1表示按照本发明的一个实施例，在多输入多输出通信系统的终端中确定量化信道向量的方法100的流程图。该方法包括确定基站和终端之间的信道的信道质量(110)，和根据确定的信道质量，从多个量化信道向量中确定量化信道向量(120)。确定的量化信道向量提供预定义的信道特性值。

确定的信道质量表征基站和终端之间的信道，并且可包括例如和基站和终端之间的信道的信号与干扰加噪声比、信噪比、用户的速率和/或信号衰减有关的信息。信道质量可随时间变化，因为所述终端可以是诸如移动电话机或膝上型计算机之类的移动用户，或者基站和终端之间的环境可发生变化。

根据作为信号与干扰加噪声比、信噪比、用户的速率或信号衰减的预定义信道特性值，确定量化信道向量可提供基站和终端之间的信道的改进表征，因为信道特性可代表信道的直接特性。

在终端改进信道表征可提供改进的信道状态信息，该改进的信道状态信息可被反馈给基站。借助改进的信道状态信息，基站可优化相对于将由基站同时寻址的终端的下行链路传输的速率和。

所描述的原理也可用于终端和基站之间的信道。

例如，多个量化信道向量可由DFT(离散傅里叶变换)码本、随机码本或者另一组定义的量化信道向量包含。

图3表示按照本发明的一个实施例，在多输入多输出通信系统的终端中确定量化信道向量的方法300的流程图。方法300包括确定基站和终端之间的信道的信道质量(110)，确定本征值问题的最大本征值(310)，和从多个量化信道向量中确定量化信道向量(120)。

本征值问题以确定的信道质量为基础，预定义的信道特性值以与最大本征值相关的本征向量为基础。

确定量化信道向量，以致它提供所述多个量化信道向量中的所有量化信道向量的预定义信道特性值的最大值。

例如，预定义的信道特性值可以是基站和终端之间的信道的信号与干扰加噪声比。确定与多个量化信道向量中的所有量化信道向量的70％相比，提供更大的信号与干扰加噪声比值的量化信道向量，多个量化信道向量中的所有量化信道向量的信号与干扰加噪声比的三个最大值之一，或者多个量化信道向量中的所有量化信道向量的信号与干扰加噪声比的最大值可导致更高的速率和，因为可用的速率和依赖于信号与干扰加噪声比。

图4图解说明按照本发明的一个实施例，在多输入多输出通信系统的终端中确定量化信道向量的方法400的流程图。方法400包括确定基站和终端之间的信道的信道质量(110)，和根据确定的信道质量，从多个量化信道向量中确定量化信道向量(120)。

确定量化信道向量(120)包括根据最大信道量值确定接收滤波器向量(410)，根据接收滤波器向量，从多个量化信道向量中确定最近的量化向量(420)，根据接收滤波器向量和最近的量化向量，确定预定义信道特性值的第一值(430)，根据最小量化误差确定预定义信道特性值的第二值(440)，和根据预定义信道特性值的第一值与预定义信道特性值的第二值之间的比较，确定量化信道向量(450)。

根据求解本征值问题，以确定本征值问题的最大本征值，可计算最大信道量值。对应于最大本征值的本征向量是待确定的接收滤波器向量。

如果预定义信道特性值的第一值大于预定义信道特性值的第二值，那么最近的量化向量是待确定的量化信道向量。否则，如果预定义信道特性值的第二值大于预定义信道特性值的第一值，那么多个量化信道向量中量化误差最小的量化信道向量是待确定的量化信道向量。

按照本发明的一些实施例涉及基于最大速率和的信道向量量化。提出以SINR表达式的最大化为基础的CVQ方法。源自“N.Jindal.Afeedback reduction technique for MIMO broadcast channels.Information Theory，2006 IEEE International Symposium on，pages2699-2703，July 2006”的初始CVQ方法只涉及使由量化角θ_k表示的量化误差最小化。不过，系统中的最终目标应是实现最高的可能速率和。由于等式(5)和(6)，这可通过使可借助诸如等式(8)之类的表达式近似的SINR最大化来实现。

由于上述原因，认为基于SINR表达式的最大化的方法可证明与简单地使量化角最小化相比，在速率和意义上得到较高的性能。该方法可以仅涉及寻找最有效的信道g_k及其量化形式

让我们再次查看比例缩放的SINR的近似表达式：

${\mathrm{\γ}}_k^{\′}=\frac{\frac{P_{\mathrm{Tx}}}{M}{\left|\right|g_k\left|\right|}^2{\cos }^2{\mathrm{\θ}}_k}{1+\frac{P_{\mathrm{Tx}}}{M}{\left|\right|g_k\left|\right|}^2{\sin }^2{\mathrm{\θ}}_k}.---\left(12\right).$

注意，当P_TX趋向于无穷大时，上面的表达式将逼近cotan²θ_k。于是，在较大的SNR下，SINR几乎完全由量化误差确定，这证明这种条件下θ_k的最小化是正确的。不过，在较低的SNR下，情况可能不同。

所提出的方法是相对于所有可能的码本条目和单位范数的接收器权重，使等式(12)最大化，即，

产生最佳的

和w′_K。随后利用 ${g^{\′}}_k=H_k^T{w^{\′}}_k$ 计算最佳的有效信道

所得到的量值是随后通过分别用和g′_k替换

和g_k，用于按照等式(12)的SINR计算的量值。

为了实现上述的最大化，我们通过代入 $\left|\right|g_k^2\left|\right|{\cos }^2{\mathrm{\θ}}_k={\left|{\hat{g}}_k^H{g}_k\right|}^2=g_k^H{\hat{g}}_k{\hat{g}}_k^H{g}_k,$ 展开有效信道 $g_k^T=w_k^T{H}_k,$ 和使用恒等式sin²θ_k＝1-cos²θ_k重写(12)，从而获得

${\mathrm{\γ}}_k^{\′}=\frac{w_k^H\left(\frac{P_{\mathrm{Tx}}}{M}{H}_k^{*}{\hat{g}}_k{\hat{g}}_k^H{H}_k^T\right)w_k}{w_k^H[I+\frac{P_{\mathrm{Tx}}}{M}{H}_k^{*}(I-{\hat{g}}_k{\hat{g}}_k^H)H_k^T]w_k}---\left(14\right)$

$=\frac{w_k^{H}A\left({\hat{g}}_k\right)w_k}{w_k^{H}B\left({\hat{g}}_k\right)w_k},---\left(15\right)$

其中w_k被假定为单位范数，以致 $1=w_k^{H}I{w}_k.$ 公知的是通过把w_k设为与求解广义本征值问题Av_i＝μ_iBv_i的最大本征值μ_i对应的本征向量v_i，能够相对于w_k使呈等式(15)的形式的等式最大化(例如，B.Borlozand B.Xerri.Subspace signal-to-noise ratio maximization：theconstrained stochastic matched filter.Signal Processing and ItsApplications，2005.Proceedings of the Eighth InternationalSymposium on，2：735-738，28-31，2005)。此外，如果B是可逆的，那么就B^-1A的正则本征值分解来说，本征值和本征向量相同。

注意在已知特定码本条目

的情况下，该最大化得到最佳的w_k。最佳的

是所有码本条目内，产生最大的极大SINR的一个

即，

w′_k是关于该

的对应最佳权向量。直接应用该方法会增大计算复杂性，因为对信道码本的所有条目来说需要进行相对于w_k的最大化，从而在进行优化的情况下，每个子载波需要2^B次广义本征值分解。

为了克服该最后的问题，还提出伪最大化算法，作为等式(16)的精确最大化的替代方案。注意γ′_k只是指定P_Tx的信道量值‖g_k‖²和量化误差θ_k的函数。增大γ′_k的唯一途径是增大‖g_k‖，或者降低θ_k。假定当使‖g_k‖达到最大或者使θ_k达到最小时，γ′_k接近于其最大值。于是，我们在由下式定义的两个特定点和

评估γ′_k

${\hat{g}}_k^{\left(a\right)}\stackrel{\mathrm{\Δ}}{=}\underset{{\hat{g}}_k\∈c}{\arg \max }\left|{\hat{g}}_k^H{g}_k^{\left(a\right)}\right|=\underset{{\hat{g}}_k\∈c}{\arg \max }\left|{\hat{g}}_k^H{H}_k^T{w}_k^{\left(a\right)}\right|,---\left(17\right)$

点是前面已给出的最小量化误差解。注意w_k ^(a)在与H_k ^*H_k ^T的最大本征值对应的本征向量的方向上。就最小量化误差方法来说的伪最大化解法的计算复杂性的增加因此可包括一次(正则)本征值分解和对最接近的量化向量

的一次搜索。

最后，SINR最大化问题的伪最大解被计算为：

$(w_k^{\mathrm{ps}},{\hat{g}}_k^{\mathrm{ps}})\stackrel{\mathrm{\Δ}}{=}\underset{(w_k,{\hat{g}}_k)\∈\{(w_k^{\left(a\right)},{\hat{g}}_k^{\left(a\right)}),(w_k^{\left(b\right)},{\hat{g}}_k^{\left(b\right)})\}}{\arg \max }{\mathrm{\γ}}_k^{\′}(w_k,{\hat{g}}_k).---\left(18\right)$

按照本发明的一些实施例涉及利用迫零(ZF)预编码和上面说明的原理的多输入多输出通信系统中的基站的资源分配。

借助量化的复合信道矩阵 ${\hat{G}}_K=\mathrm{cstack}{\left({\hat{g}}_k^T\right)}_{k\∈K}\∈C^{\left|K\right|\mathrm{xM}},$ 位于基站的ZF预编码器计算为(例如，“S.Verdú.Multiuser Detection.CambridgeUniversity Press，1998.”)

同时对角矩阵Λ_K∈C^|K|x|K|表示功率负载。对模拟来说，可以假定相同的功率负载，其中

回想起由于对于所有k∈K，d_k＝1的事实，|K|＝D。

借助所有用户的码本索引和比例缩放的SINR值，基站调度用户，并如前所述那样计算ZF预编码器。为此，它根据比例缩放的SINR计算SINR近似值。其支持“M.Trivellato，F.Boccardi，and F.Tosato.User selection schemes for MIMO broadcast channels with limitedfeedback.Vehicular Technology Conference，2007.VTC2007-Spring.IEEE 65th，pages 2089-2093，April 2007”或者“Philips.Comparison of MU-MIMO feedback schemes with multiple UEreceive antennas，Jan.2006.3GPP TSG RAN WG1 #47 bisR1-070346”。

随后，基站按照其中 $R_K:={\mathrm{\Σ}}_{q\∈K}{\log }_2(1+e_q^T{\mathrm{\Γ}}_K{e}_q)$ 的算法1调度用户。关于算法1的详细说明，请参见“M.Trivellato，F.Boccardi，and F.Tosato.User selection schemes for MIMO broadcast channels withlimited feedbac k.Vehicular Technology Conference，2007.VTC2007-Spring.IEEE 65th，pages 2089-2093，April 2007”或“Philips.Comparison between MU-MIMO codebook-based channelreporting techniques for LTE downlink，Oct.2006.3GPP TSG RANWG1 #46 R1-062483”。

算法1 ZF CVQ资源分配

最后，一组K位预定用户被用于按照等式(19)和(20)计算ZF预编码器。

下面举例说明源自利用所述原理的资源分配算法的一些模拟结果。

用于模拟的参数示于下表中。根据这些参数，比较基于SINR的精确和伪最大化的CVQ结果和基于最小量化角的CVQ结果。

参数	变量	值
			#Tx天线#Rx天线#用户载频带宽FFT大小#子载波#反馈比特反馈周期SINR量化	MNKfc＝c/λcfBWNFFTNSCB	42102.0GHz18MHz2048120041.0msNo
信道模型使用的路径损耗BS-UE距离在BS处的天线间距在UE处的天线间距	da BSda UE	WINNERNo-0.5λc0.5λc

图5表示“速率和与信噪比”关系图500。图500比较已知的最小量化角方法，信道质量信息的完全最大化和信道质量信息的伪最大化的模拟结果。本例表示对于随机码本情况的性能比较。

图5图解说明关于CQI指示符的伪最大化和完全最大化的CVQ方案之间的性能差异，并比较它们与最小量化误差法。假定B＝4的随机码本，其中C的元素选自M维单位球上的各向同性分布，即，具有与N_□(0，1)相应的随机条目的归一化向量。

伪最大化方案和完全最大化方案与最小量化误差法相比的最大增益在0dB下约为1.2比特/s/Hz。此外，可看出伪最大化方案合意地接近完全最大化方案的性能。

事实上，这两者之间的性能差距从未大于约0.7比特/s/Hz。令人惊异的是，在中和高SNR区，伪最大化方案和量化角最小化法都稍微优于完全最大化方案。这可能是因为用于实现最大化的SINR度量并不代表精确的SINR，相反只是SINR的近似。看来在中和高SNR区，量化误差最小化法是最佳选择，在该范围中，SINR伪最大化方案获得相同的性能。当伪最大化方案在使信道量值最大化的码本条目和使量化角最小化的码本条目之间进行选择时，可猜想在高SNR下，多数时间选择最小量化角解，以致与只选择具有最小量化角的条目的方案相比，不存在明显的性能差异。

为了结束CVQ讨论，还注意与完全最大化相比，伪最大化方案的计算复杂性要小得多。由于上面的结果，同样看起来伪最大化的性能总是好于或等同于量化角最小化，并且利用完全最大化也不能获得太多好处(在某些SNR范围中，甚至会导致轻微的性能恶化)。在低SNR区，相对于量化角最小化方案，伪最大化方案产生明显的速率和增益。

图6表示按照本发明的一个实施例，在多输入多输出通信系统的终端中确定量化信道向量的设备600的方框图。设备600包括信道质量确定器610和处理器620。

信道质量确定器610确定基站和终端之间的信道的信道质量612。

处理器620根据确定的信道质量612，从多个量化信道向量中确定量化信道向量。确定的量化信道向量提供预定义的信道特性值。

按照本发明的一些实施例涉及目的在于使速率和最大化的信道向量量化方法。这种情况下，确定估计的接收滤波器向量和量化的复合信道向量，以致使所得到的信号与干扰加噪声比(SINR)或其近似值达到最大。由于SINR与各个用户速率相关，从而与系统的速率和相关，因此所提出的解决方案目的在于使所得到的速率和达到最大。

这可在例如图7中所示的多用户多输入多输出(MIMO)系统模型700中实现。图7表示多个终端710，其中终端720同时被基站730寻址。

借助线性预编码，例如在发射器/eNB(增强节点B)的迫零(ZF)，和利用目的在于高速率和的贪心算法进行调度，可减轻多用户干扰。这会需要在发射器(eNB)(在基站)的信道状态信息(CSI)。信道状态信息可借助信道向量量化(CVQ)和信道质量信息(CQI)，例如，信号与干扰加噪声比(SINR)，由信道方向信息(CDI)表示。

通过选择到g_k的欧几里德距离最小的码本条目，可实现信道-接收器链向量g_k＝H_k ^Tw_k(复合信道向量)的量化。问题在于在量化步骤，并不知道信道-接收器链向量，因为它依赖于(基站使用的)预编码器。一种可能性是可通过选择转置信道矩阵的域空间中的最近向量(最小欧几里德距离)来估计复合信道向量。

图8表示信道向量量化800的示意图。它显示具有到转置信道矩阵的域空间830的最近码本条目的量化的复合信道向量810，作为信道方向指示。此外，它显示信道质量信息计算所需的估计的复合信道向量820。转置信道矩阵的域空间(range space)830包含所有可能的复合信道向量。

现有技术的问题在于欧几里德标准并不直接涉及系统速率和或小区吞吐量。复合信道向量应被量化，以致以最大速率和为目标，分别使单个用户速率或信号与干扰加噪声比最大化。

这种解决方案要求在接收器处的随着码本大小而线性增大的计算密集的广义本征值问题。于是，还导出次佳的解决方案(伪最大化)。这种情况下，与基于欧几里德距离的信道向量量化相比，只需要一次额外的本征值分解和一次额外的码本搜索。

例如，图9a表示比较已知的最小量化角方法，信道质量信息的完全最大化和信道质量信息的伪最大化的系统性能的“速率和与信噪比”关系曲线图900A。图9b表示用于计算图9a中所示结果的模拟参数的表格900B。

与现有技术相比，尤其是在低信噪比区域中，所提出的方法可增大速率和或小区吞吐量。不过，不会极大地增大计算复杂性。

这种情况下的更高的小区吞吐量意味着每个小区(每个基站)更高的数据速率和/或更多的用户。

替代增大小区吞吐量，所描述的方法可用于降低发射功率，导致在基站的低功率消耗成本和/或低电磁辐射。

所提出的信道向量量化方法目的在于使速率和达到最大，而不是使欧几里德距离达到最小(这不是系统设计的最终目的)。在低信噪比区域，可获得高达1.2比特/s/Hz的速率和增益。如果选择次佳的方案，那么只会稍微增大在接收器的计算复杂性。

在本申请中，相同的附图标记部分用于具有相同或相似功能特性的对象和功能单元。

特别要指出的是取决于各种条件，也可用软件实现本发明的方案。所述实现可以在带有电可读控制信号的数字存储介质，尤其是软盘或CD上，所述电可读控制信号能够与可编程计算机系统协调，以致执行对应的方法。一般来说，本发明从而还在于一种具有保存在机器可读载体上的程序代码的计算机程序产品，当在计算机上执行计算机程序产品时，所述程序代码实现本发明的方法。换句话说，本发明从而还可被实现成一种计算机程序，所述计算机程序具有当在计算机上执行该计算机程序产品时，实现所述方法的程序代码。

Claims (13)

1.一种在多输入多输出通信系统的终端中确定量化信道向量的方法(100、300、400)，所述方法包括：

确定基站和终端之间的信道的信道质量(110)；和

根据所确定的信道质量，通过多个量化信道向量来确定量化信道向量(120)，其中所确定的量化信道向量提供预定义的信道特性值。

2.按照权利要求1所述的方法，其中所述预定义的信道特性值是信号与干扰加噪声比、信噪比、用户的速率或信号衰减。

3.按照权利要求1所述的方法，其中所确定的量化信道向量提供所述多个量化信道向量中的所有量化信道向量的预定义信道特性值的最大值或最小值。

4.按照权利要求1所述的方法，其中确定量化信道向量(120)包含确定本征值问题的最大本征值，其中本征值问题以所确定的信道质量为基础。

5.按照权利要求4所述的方法，其中为所述多个量化信道向量中的每个量化信道向量确定最大本征值，其中所述预定义的信道特性值以与最大本征值相关的本征向量为基础。

6.按照权利要求5所述的方法，其中根据

${\hat{g}}_k^{\′}=\underset{{\hat{g}}_k\∈c}{\arg \max }\underset{{\mathrm{\ω}}_k\∈\{C^N:|\left|{\mathrm{\ω}}_k\right||=1\}}{\max }\frac{{\mathrm{\ω}}_k^{H}A\left({\hat{g}}_k\right){\mathrm{\ω}}_k}{{\mathrm{\ω}}_k^{H}B\left({\hat{g}}_k\right){\mathrm{\ω}}_k},$

确定所述量化信道向量，其中

$A\left({\hat{g}}_k\right)=\left(\frac{P_{\mathrm{Tx}}}{M}{H}_k^{*}{\hat{g}}_k{\hat{g}}_k^H{H}_k^T\right),$ 并且

$B\left({\hat{g}}_k\right)=[I+\frac{P_{\mathrm{Tx}}}{M}{H}_k^{*}(I-{\hat{g}}_k{\hat{g}}_k^H)H_k^T],$

其中是待确定的量化信道向量，

是所述多个量化信道向量中的量化信道向量，w_k是接收滤波器向量，并与终端的线性接收滤波器相关，P_tx是发射功率，H_k是与所确定的信道质量对应的信道矩阵，I是单位矩阵，M是基站的天线的数目。

7.按照权利要求4所述的方法，其中确定所述量化信道向量(120)以最大信道量值为基础。

8.按照权利要求7所述的方法，其中确定所述量化信道向量(120)包含根据最大信道量值确定接收滤波器向量(410)，其中通过求解本征值问题，以确定本征值问题的最大本征值，来计算最大信道量值，其中与最大本征值对应的本征向量是待确定的接收滤波器向量。

9.按照权利要求8所述的方法，其中确定量化信道向量(120)包含根据接收滤波器向量，通过所述多个量化信道向量来确定最近的量化向量(420)，其中所述最近的量化向量是待确定的量化信道向量。

10.按照权利要求8所述的方法，还包括：

根据所述接收滤波器向量，通过所述多个量化信道向量来确定最近的量化向量(420)；

根据所述接收滤波器向量和所述最近的量化向量，确定所述预定义的信道特性值的第一值(430)；

根据最小量化误差，确定预定义的信道特性值的第二值(440)；和

根据所述预定义的信道特性值的第一值和预定义的信道特性值的第二值的比较，确定量化信道向量(450)，其中如果所述预定义的信道特性值的第一值大于所述预定义的信道特性值的第二值，那么最近的量化向量是待确定的量化信道向量，而如果所述预定义的信道特性值的第二值大于所述预定义的信道特性值的第一值，那么所述多个量化信道向量中的提供最小量化误差的量化信道向量是待确定的量化信道向量。

11.按照权利要求10所述的方法，其中根据

$({\mathrm{\ω}}_k^{\mathrm{ps}},{\hat{g}}_k^{\mathrm{ps}})\stackrel{\mathrm{\Δ}}{=}\underset{({\mathrm{\ω}}_k,{\hat{g}}_k)\∈\{({\mathrm{\ω}}_k^{\left(a\right)},{\hat{g}}_k^{\left(a\right)}),({\mathrm{\ω}}_k^{\left(b\right)},{\hat{g}}_k^{\left(b\right)})\}}{\arg \max }{\mathrm{\γ}}_k^{\′}({\mathrm{\ω}}_k,{\hat{g}}_k).$ 确定量化信道向量，

其中 ${\hat{g}}_k^{\left(a\right)}\stackrel{\mathrm{\Δ}}{=}\underset{{\hat{g}}_k\∈c}{\arg \max }\left|{\hat{g}}_k^H{g}_k^{\left(a\right)}\right|=\underset{{\hat{g}}_k\∈c}{\arg \max }\left|{\hat{g}}_k^H{H}_k^T{\mathrm{\ω}}_k^{\left(a\right)}\right|,$

并且 ${\mathrm{\ω}}_k^{\left(a\right)}\stackrel{\mathrm{\Δ}}{=}\underset{{\mathrm{\ω}}_k\∈\{C^N:|\left|{\mathrm{\ω}}_k\right||=1\}}{\arg \max }{\left|\right|g_k\left|\right|}^2=\underset{{\mathrm{\ω}}_k\∈\{C^N:|\left|{\mathrm{\ω}}_k\right||=1\}}{\arg \max }{\mathrm{\ω}}_k^H{H}_k^{*}{H}_k^T{\mathrm{\ω}}_k,$

其中

是待确定的量化信道向量，w_k ^ps是与待确定的量化信道向量相关的接收滤波器向量，

是最近的量化向量，w_k ^(a)是与最大信道量值相关的接收滤波器向量，是与最小量化误差对应的量化信道向量，w_k ^(b)是与对应于最小量化误差的量化信道向量相关的接收滤波器向量，γ_k′是预定义的信道特性值，

是多个量化信道向量中的量化信道向量， $g_k^{\left(a\right)}=H_k^T{w}_k^{\left(a\right)},$ H_k是与所确定的信道质量对应的信道矩阵， $g_k=H_k^T{w}_k,$ w_k是接收滤波器。

12.一种在多输入多输出通信系统的终端中确定量化信道向量的设备(600)，所述设备包括：

被配置成确定基站和终端之间的信道质量(612)的信道质量确定器(610)；和

被配置成根据所确定的信道质量(612)，通过多个量化信道向量来确定量化信道向量的处理器(620)，其中所确定的量化信道向量提供预定义的信道特性值。

13.一种计算机程序，所述计算机程序具有当所述计算机程序在计算机或微控制器上运行时，实现按照权利要求1-11之一所述的方法的程序代码。

Images