CN101848174A - 发射预处理方法和发射预处理信号的数据解调方法 - Google Patents

Abstract

本发明公开了一种发射预处理方法和发射预处理信号的数据解调方法，其中，发射预处理方法包括：确定出单用户多数据流传输的应用环境下使信噪比最大化的预编码矩阵，基于该预编码矩阵，确定出各UE与基站之间的有效信道，并利用现有的GMD(General Mean Decomposition)或SVD分解方法对各UE的有效信道进行分解，最后利用该分解结果和预编码矩阵，对发送给各UE的数据向量进行预编码，从而实现基站对下行信号的发射预处理。本发明不仅能平衡同频干扰和噪声干扰对系统性能的影响，同时还能既支持单用户多数据流传输又支持单用户单数据流传输。

Description

发射预处理方法和发射预处理信号的数据解调方法

技术领域

本发明涉及移动通信系统中的预编码技术，特别是涉及一种能消除同频干扰的发射预处理方法和相应信号的数据解调方法。

背景技术

目前，LTE系统通过利用空分复用(SDM)技术，能够支持多数据流的传输。在用户设备(UE)侧，由于各UE不能获知其它UE的信道状态信息，无法避免不同UE间的同频干扰，而在基站侧，则可以获知各信道的状态信息，由此，基站在对发送给UE的信息进行预处理时，可以先利用各信道的状态信息，进行线性预编码，以消除不同UE间的同频干扰。

基于奇异值分解(SVD)预编码是一种线性迫零预编码方法。该方法能消除UE间的同频干扰，但是在预编码时没有考虑噪声，这样，在接收端对信号检测时，由于预编码矩阵的影响，可能会导致对噪声干扰的放大，进而影响系统的性能。因此，SVD预编码方法不能平衡同频干扰和噪声干扰对系统性能的影响。

另一种预编码方法，SJNR预编码，是一种在通过波束赋形使信噪比最大化的基础上实现的线性预编码方法。该方法在进行预编码时同时考虑到了噪声干扰和同频干扰对系统性能的影响，但是该方法仅支持单个UE单数据流传输，而不支持单个UE多数据流传输。

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，该发射预处理方法既支持单用户多数据流传输又支持单用户单数据流传输，且能平衡同频干扰和噪声干扰对系统性能的影响，本发明的另一目的是提供经过本发明的发射预处理方法处理后的发送信号的数据解调方法。

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、根据基站到各用户设备UE的传输信道矩阵H_k，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k的列向量；

其中，k为UE编号，1≤k≤K，K为UE总数，H_k为基站到第k个UE的传输信道矩阵，δ_k为第k个UE的噪声方差，F_k为第k个UE支持的数据流数，N_k为UE端的天线数，

G_k为单个流发送功率的数学期望，M为基站天线总数；I_M×M为M×M单位阵；

b、利用每个UE的预编码矩阵t_k，按照

确定每个UE和基站之间的有效信道

c、按照

对每个UE的有效信道进行GMD或SVD分解得到每个UE的Q_k、P_k和R_k；

d、利用每个UE的P_k，按照

对每个UE的数据向量s_k进行预编码，得到d_k；

e、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的d_k进行预编码，其中，T＝[t₁…t_k…t_K]，

一种对经过上述发射预处理方法处理后的发送信号的数据解调方法，该方法包括：

UE采用QR排序分解并进行串行干扰消除的方法，对接收信号进行数据解调。

一种发射预处理的方法，该方法包括以下步骤：

a、根据基站到各UE的传输信道矩阵H_k，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k发射预处理；

其中，k为UE编号，1≤k≤K，K为UE总数，H_k为基站到第k个UE的传输信道矩阵，δ_k为第k个UE的噪声方差，F_k为第k个UE支持的数据流数，N_k为UE端的天线数，

G_k为单个流发送功率的数学期望，M为基站天线总数；I_M×M为M×M单位阵；

b、利用每个UE的预编码矩阵t_k，按照

确定每个UE和基站之间的有效信道

c、按照对每个UE的有效信道进行GMD(General Mean Decomposition)分解得到每个UE的Q_k、P_k和R_k；

d、利用每个UE的Q_k、P_k和R_k，按照非线性Tomolison Harashima预编码方法，对每个UE的数据向量s_k进行非线性预编码，得到每个UE的非线性预编码后的信息符号

e、利用每个UE的P_k，按照

对

进行预编码，得到d_k；

f、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的d_k进行预编码其中，T＝[t₁…t_k…t_K]，

综上所述，本发明通过在确定预编码矩阵时，在信噪比最大化的基础上考虑了单用户多数据流传输的情况，从而不仅能平衡同频干扰和噪声干扰对系统性能的影响，同时还能既支持单用户多数据流传输又支持单用户单数据流传输。

附图说明

图1为本发明实施例一的流程示意图；

图2为本发明实施例二的流程示意图；

图3为在不对用户子信道进行预编码的情况下，本发明与现有预编码方案的比特差错性能比较示意图；

图4为在对用户子信道进行预编码的情况下，本发明与现有预编码方案的比特差错性能比较示意图。

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。

鉴于现有在信噪比最大化的基础上实现的SJNR预编码方法能够同时考虑到噪声和同频干扰，本发明的发射预处理方法将基于该信噪比最大化的思想，首先确定出单用户多数据流传输的应用环境下使信噪比最大化的预编码矩阵，然后基于该预编码矩阵，确定出各UE与基站之间的有效信道，并利用现有的GMD(General Mean Decomposition)或SVD分解方法对各UE的有效信道进行分解，最后利用该分解结果和预编码矩阵，对发送给各UE的数据向量进行预编码，从而实现基站对下行信号的发射预处理。

由于本发明在确定预编码矩阵时，考虑了单用户多数据流传输的情况，而单用户单数据流传输也可以视为单用户多数据流传输中的特殊情况，因此，本发明不仅具有现有的SJNR预编码的优点，即能平衡同频干扰和噪声干扰对系统性能的影响，同时还能既支持单用户多数据流传输又支持单用户单数据流传输。

下面将详细说明本发明的预编码实现原理。

假设无线应用环境为平坦衰落信道或频率选择信道，如果为频率选择信道，则采用OFDM调制方式，基站处设有M根天线，每个UE处设有N_k根天线，基站服务的UE数为K，从应用性考虑，

在上述环境中，用户k接收到的信号为：

$r_k=H_k{t}_k{d}_k+\underset{i\≠k}{\overset{K}{\mathrm{\Σ}}}{H}_k{t}_i{d}_i+n_k$

其中，H_k为基站到第k个UE的传输信道矩阵，d_k为基站发送给第k个UE的信号，t_k为第k个UE的预编码矩阵，n_k为第k个UE的噪声向量。

由于很难直接对UE的信噪比进行优化，本发明将从各UE对其它UE产生阻塞的角度，来确定各UE的信噪比最大时的预编码矩阵。

第k个UE对其它UE产生的总阻塞功率为：

$\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}E{\left|\right|H_i{t}_k{d}_k\left|\right|}^2=\underset{i=1i\≠k}{\overset{K}{\mathrm{\Σ}}}E\left(\mathrm{tr}\right\{d_k^H{t}_k^H{H}_i^H{H}_i{t}_k{d}_k\left\}\right)=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}E\left(\mathrm{tr}\right\{t_k^H{H}_i^H{H}_i{t}_k{d}_k{d}_k^H\left\}\right)$ (1)

$=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}E\left(\mathrm{tr}\right\{t_k^H{H}_i^H{H}_i{t}_{k}I\left\}\right)=\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}\mathrm{tr}\left\{t_k^H{H}_i^H{H}_i{t}_k\right\}$

第k个UE的接收信号功率为：

$E{\left|\right|H_k{t}_k{d}_k\left|\right|}^2=E\left(\mathrm{tr}\right\{d_k^H{t}_k^H{H}_k^H{H}_k{t}_k{d}_k\left\}\right)=E\left(\mathrm{tr}\right\{t_k^H{H}_k^H{H}_k{t}_k{d}_k{d}_k^H\left\}\right)$ (2)

$=E\left(\mathrm{tr}\right\{t_k^H{H}_k^H{H}_k{t}_{k}I\left\}\right)=\mathrm{tr}\left\{t_k^H{H}_k^H{H}_k{t}_k\right\}$

其中，E表示求数学期望。

根据公式(1)和(2)，第k个UE的接收信号功率与阻塞和噪声功率的比值SJNR为：

$\max \mathrm{SJNR}=\frac{\mathrm{tr}\left\{t_k^H{H}_k^H{H}_k{t}_k\right\}}{\underset{i=l,j\≠k}{\overset{K}{\mathrm{\Σ}}}\mathrm{tr}\left\{t_k^H{H}_i^H{H}_i{t}_k\right\}+\mathrm{tr}\left\{{\mathrm{\δ}}_k^2{I}_{N_k\×N_k}\right\}}---\left(3\right)$

其中，δ_k为第k个UE的噪声方差，假设对第k个UE的每个数据流使用相同的发送功率进行约束，用G_k表示第k个UE单个流发送功率的数学期望，则

这里，F_k为第k个UE支持的数据流数。

根据公式(3)，当选取

的前F_k个最大特征向量构建第k个UE的预编码矩阵t_k时，第k个UE的SJNR值将最大。

应用上述预编码原理，如图1所示，本发明发射预处理方法的实施例一主要包括：

步骤101、根据基站到各UE的传输信道矩阵H_k，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k的列向量；

其中，k为UE编号，1≤k≤K，K为UE总数，H_k为基站到第k个UE的传输信道矩阵，δ_k为第k个UE的噪声方差，F_k为第k个UE支持的数据流数，N_k为UE端的天线数，

G_k为单个流发送功率的数学期望，M为基站天线总数；I_M×M为M×M单位阵。

通过本步骤，可以确定出各UE的预编码矩阵t_k，t_k所包含的向量数由其对应UE所支持的数据流数决定，这样，利用本步骤中得到的各UE的预编码矩阵，即可实现对单用户多数据流的支持，从而可以提高频谱利用率。

另外，由于本步骤中各UE的预编码矩阵t_k所包含的向量为

的前F_k个最大特征向量，如前文所述，利用该预编码矩阵t_k对发送给相应UE的数据向量进行预编码，能确保该UE的接收信号对噪声和其它用户的阻塞比最大化。

步骤102、利用每个UE的预编码矩阵t_k，按照

确定每个UE和基站之间的有效信道

步骤103、按照

对每个UE的有效信道

进行分解得到每个UE的Q_k、P_k和R_k。

本步骤中，可以采用GMD或SVD分解的方法进行有效信道的分解，由于GMD或SVD分解的具体方法为本领域人员所已知，在此不再赘述。

步骤104、利用每个UE的P_k，按照d_k＝P_k·s_k，对每个UE的数据向量s_k进行预编码，得到d_k。

步骤105、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的d_k进行预编码，其中，T＝[t₁…t_k…t_K]，

通过上述步骤，实现了对各UE的数据向量的发射预处理，与该发射预处理方法相对应，较佳地，UE侧可采用QR排序分解并进行串行干扰消除的方法，对接收信号进行数据解调。

本发明实施例一，通过步骤101实现了对单用户多数据流传输的支持。由于各有效信道为基站所已知，因此，为了进一步改善系统性能，在本发明的实施例二中，将对各用户的子信道进行预编码，然后在此基础上，再利用步骤101中得到的各UE的预编码矩阵t_k进行预编码。

鉴于与采用ZF-VBLAST或MMSE-VBLAST方法的接收器相比较，采用基于GMD分解的VBLAST方法的收发器能很好地提高系统性能，在本发明实施例二中，将采用GMD方法和非线性Tomolison Harashima预编码方法(THP)相结合的方式，对各UE的子信道进行预编码，即首先采用GMD方法，对各用户的有效信道进行分解，然后按照THP方法，对第k个UE的数据向量s_k进行预编码。

如图2所示，本发明的实施例二主要包括：

步骤201、根据基站到各UE的传输信道矩阵H_i，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k的列向量。

本步骤与步骤101相同，不再赘述。

步骤202、利用每个UE的预编码矩阵t_k，按照

确定出每个UE和基站之间的有效信道

步骤203、按照

对每个UE的有效信道

进行QR分解得到每个UE的Q_k、P_k和R_k。

步骤204、利用每个UE的Q_k、P_k和R_k，按照非线性Tomolison Harashima预编码方法，对每个UE的数据向量s_k进行非线性预编码，得到每个UE的非线性预编码后的信息符号

本步骤中，按照非线性Tomolison Harashima预编码方法，对每个UE的数据向量s_k进行非线性预编码的具体方法，可以利用matlab语言描述如下：

${\hat{s}}_{F_k}=s_{F_k}/R_d$

for i＝F_k-1：-1:1

${\hat{s}}_i=\mathrm{mod}(s_i-\underset{j=i+1}{\overset{F_k}{\mathrm{\Σ}}}{R}_{i,j}{\hat{s}}_j,A)/R_d$

end

其中，R_d为R_k的对角元素，R_k的所有的对角元素都是相等的；s_i为s_k数据向量的第i个信息符号；A的值和当前使用的调制方式有关，并且多用于当前的QPSK，16QAM和64QAM，例如，如采用QPSK调制的星座点为：

则和QPSK相关的A值大小为：

即，星座点实部(或虚部)最大值与星座点实部(或虚部)最小值的差值的2倍。

步骤205、利用每个UE的P_k，按照

对

进行线性预编码，得到d_k。

至此，通过步骤202～205即可完成对各UE的各子信道的预编码。

步骤206、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的d_k进行预编码，并将结果发送给各UE，其中，T＝[t₁…t_k…t_K]， $d=[d_1^T,...,d_k^T,...,d_K^T].$

本步骤，利用步骤201中得到的各UE的预编码矩阵t_k，对经过前述步骤得到的d_k进行预编码，而不是对初始的发送数据向量进行预编码，使本实施例二能更好地消除UE间的相互干扰。

这里需要说明的是，由于本实施例二在发射端将预编码技术应用于每个UE的子信道中，相应地，在接收端也需要在每个接收机中利用与发射机相同的取模运算(即步骤204中的取模方法)对解调后的数据进行处理。

为了进一步验证本发明对同频干扰消除的效果，对在MIMO系统中利用本发明实现的下行信号的传输进行了仿真。以下从链路传输差错性能角度来对比现有方案与本发明。

具体仿真环境为：OFDM MIMO系统中瑞利衰落为16径，基站处设6根天线、UE数为3，每个UE具有2根天线，采用16QAM调制。

图3为在不对用户子信道进行预编码的情况下，本发明实施例一与现有预编码方案的比特差错性能比较示意图。曲线301为基站处的发射预处理方法为采用GMD分解法的本发明实施例一的预编码方法，且等效信道上采用GMD分解进行发射预处理，接收端UE处的解调方法为采用QR排序分解并进行串行干扰消除的方法QR分解并进行排序的方式串行干扰消除ZF方法时的信噪比(SNR)与误码率(BER)的关系曲线，曲线302为基站处采用已有的SVD的预编码方法和SVD分解方法组合实现的发射预处理方法，接收端UE处采用已有的基于MMSE的QR排序分解法串行干扰消除时的信噪比与误码率的关系曲线，曲线303为基站处的发射预处理方法采用为采用SVD分解法实现的本发明实施例一，且和UE处的解调方法为采用QR排序分解并进行排序的方式串行干扰消除的方法时的信噪比与误码率的关系曲线。由上述三条曲线的比较可见：相比与SVD方案，在低信噪比区域，差错性能为10^-1的情况下，本发明在进行等效信道分解时无论采用GMD分解方法还是采用SVD分解方法都可以获得3dB增益，而在差错性能为10^-2的情况下，对于本发明而言，在进行等效信道分解时则本发明将获得1-1.5dB增益。如果采用GMD分解方法将比采用SVD分解方法应用于每个用户的子信道上，在差错性能为10^-2时，额外获得4dB增益。

图4为在对用户子信道进行预编码的情况下，本发明实施例二与现有预编码方案的比特差错性能比较示意图。曲线401为基站处采用本发明实施例二的发射预处理编码方法，且在UE处只是采用取模方法进行数据解调时的信噪比与误码率的关系曲线；曲线402为基站处采用已知的SVD预编码方法和UCD(uniform channel decomposition)分解方法组合的发射预处理方法(简称为SVD+UCD)，且UE处采用取模方法时的信噪比与误码率的关系曲线；曲线403为基站处采用SVD的预编码方法，且UE处采用基于MMSE的QR排序分解并进行串行干扰消除方法时的信噪比与误码率的关系曲线。由上述三条曲线的比较可见：在差错性能为10^-1的情况下，相比于SVD+UCD的发射预处理方案，本发明实施例二将获得1dB增益，而相比于基站处采用SVD的预编码方法的方案，在差错性能为10^-2的情况下，本发明将获得7dB增益。

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、根据基站到各用户设备UE的传输信道矩阵H_k，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k的列向量；

其中，k为UE编号，1≤k≤K，K为UE总数，H_k为基站到第k个UE的传输信道矩阵，δ_k为第k个UE的噪声方差，F_k为第k个UE支持的数据流数，N_k为UE端的天线数，

G_k为单个流发送功率的数学期望，M为基站天线总数；I_M×M为M×M单位阵；

b、利用每个UE的预编码矩阵t_k，按照

确定每个UE和基站之间的有效信道

c、按照

对每个UE的有效信道

进行GMD或SVD分解得到每个UE的Q_k、P_k和R_k；

d、利用每个UE的P_k，按照

对每个UE的数据向量s_k进行预编码，得到d_k；

e、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的D_k进行预编码，其中，T＝[t₁…t_k…t_K]，

2.一种对经过权利要求1所述方法处理后的发送信号的数据解调方法，其特征在于，该方法包括：

UE采用QR排序分解并进行串行干扰消除的方法，对接收信号进行数据解调。

3.一种发射预处理的方法，其特征在于，该方法包括以下步骤：

a、根据基站到各UE的传输信道矩阵H_k，对于每个UE，计算出

的前F_k个最大特征向量，利用所述前F_k个最大特征向量作为该UE的预编码矩阵t_k的列向量；

其中，k为UE编号，1≤k≤K，K为UE总数，H_k为基站到第k个UE的传输信道矩阵，δ_k为第k个UE的噪声方差，F_k为第k个UE支持的数据流数，N_k为UE端的天线数，

G_k为单个流发送功率的数学期望，M为基站天线总数；I_M×M为M×M单位阵；

b、利用每个UE的预编码矩阵t_k，按照

确定每个UE和基站之间的有效信道

c、按照

对每个UE的有效信道

进行GMD分解得到每个UE的Q_k、P_k和R_k；

d、利用每个UE的Q_k、P_k和R_k，按照非线性Tomolison Harashima预编码方法，对每个UE的数据向量s_k进行非线性预编码，得到每个UE的非线性预编码后的信息符号

e、利用每个UE的P_k，按照

对

进行预编码，得到d_k；

f、利用每个UE的预编码矩阵t_k，按照T·d，对每个UE的d_k进行预编码其中，T＝[t₁…t_k…t_K]，

Images