CN101854234A - Mimo系统及其下行链路优化方法 - Google Patents

Abstract

本发明公开了一种MIMO系统及其下行链路优化方法，其中，该方法包括：基站以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；使用发送预编码矩阵以及接收检测矩阵对系统下行链路进行优化。采用本发明，算法收敛速度快，计算复杂度低，误码性能更好。

Description

MIMO系统及其下行链路优化方法

技术领域

本发明涉及通讯领域，尤其涉及一种MIMO系统及其下行链路优化方法。

背景技术

在多用户多输入多输出(Multi-input Multi-output，MIMO)系统中，基站在同一时间同一频率与多个用户通信，在面临信道衰落的同时，多用户MIMO系统还需要解决用户之间的共信道干扰(Co-Channel Interference，CCI)问题。共信道干扰给目标信号检测带来更大的难度，会导致系统性能急剧下降。对于下行链路而言，在移动台采用多用户检测(Multi-UserDetection，MUD)算法去除CCI，会增加移动台的成本和复杂度，不符合当前移动台小型化和简单化的发展趋势。因此，多用户MIMO系统往往将对CCI的处理往往转移到发送端进行。根据执行信号处理的位置不同，可以对抗CCI的方法分为发送预编码和收发联合设计两类。多用户MIMO系统下行链路的发送与接收联合优化设计，是在某一特定准则下(最小化比特错误概率、最小化信号均方误差准则等)对系统的发送预编码矩阵以及接收解码矩阵同时进行优化。其中的预编码矩阵并不一定使用户之间的共信道干扰(CCI)完全消除，但由于对预编码和解码进行联合优化，使预编码和解码矩阵高度配对，可以获得比单纯的预编码优化更好的误码性能。

针对多用户MIMO系统下行链路的发送与接收联合优化设计，PMSE算法通过上下行链路的互易特性对预编码以及解码矩阵进行求解，过程较为复杂，TMMSE算法以各用户信号均方误差和最小为目标，获得了很好的误码性能，但是在迭代初值的设置上，算法没有充分利用各个用户的信道状态信息，使得收敛速度较慢，求解Lagrange乘子需要解非线性方程，进行数值搜索，存在多值问题，计算复杂度较高，求解不够精确。

因此，针对现有多用户MIMO系统下行链路联合优化设计方法计算复杂度较高及误码性能不够理想的问题，有必要提出改进的技术手段，来解决此问题。

发明内容

有鉴于现有技术存在现有的多用户MIMO系统下行链路的发送与接收联合优化设计方法复杂的问题而做出本发明，为此本发明的主要目的在于提供一种MIMO系统及其下行链路优化方法，其中：

根据本发明实施例的用于MIMO系统下行链路优化方法包括：

基站以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；使用发送预编码矩阵以及接收检测矩阵对系统下行链路进行优化。

根据本发明实施例的MIMO系统包括：

基站，其包括：计算模块，用于以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；预编码模块，用于使用发送预编码矩阵对发送信号进行发送预编码；移动台，其包括：检测模块，使用接收检测矩阵对接收信号进行接收检测。

与现有技术相比，根据本发明的技术方案，算法收敛速度快，计算复杂度低，误码性能更好。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的用于MIMO系统下行链路优化方法的流程图；

图2是根据本发明实施例的发送预编码矩阵和接收检测矩阵的计算流程图；

图3为采用本发明技术方案与传统的收发联合设计方法以及几种典型的预编码设计方法的误码率比较图；

图4为采用本发明技术方案与传统的收发联合设计方法的收敛速度比较图；

图5是根据本发明实施例的MIMO系统的结构框图。

具体实施方式

本发明公开的多用户MIMO下行链路发送与接收联合优化方法以最小化各用户发送信号的均方误差的之和为目标，对多用户MIMO系统中各个用户的预编码和解码矩阵进行迭代求解。最终实现多天线信号的正确检测。

为使本发明的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本发明作进一步地详细说明。

根据本发明的实施例，提供了一种用于MIMO系统下行链路优化方法。

图1是根据本发明实施例的用于MIMO系统下行链路优化方法的流程图，如图1所示，该方法包括：

步骤S102，以多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；

步骤S104，使用所述发送预编码矩阵以及所述接收检测矩阵对系统下行链路进行优化。

下面详细描述上述各处理的细节。

步骤1：首先，建立多用户MIMO系统下行链路模型。假定基站配置的发送天线数为N_T，K为终端用户数，各个用户的接收天线个数分别为

基站给每个用户发送的信号为B×1维信号d_j，(j＝1，…，K)，满足

基站到用户j的信道传输矩阵H_j的维数为

在频分双工(FDD)的情况下，基站通过各个用户的反馈信道获得每个用户的信道信息，并将信道信息组成信道传输矩阵；在时分双工(TDD)的情况下，基站利用信道的互易特性，能够直接计算出每个用户的信道信息，并将信道信息组成信道传输矩阵。

步骤2：基站为每个用户发送的信息比特经过特定调制方式后获得发送符号，将发送符号经过串并转换后形成B×1维发送矢量d_j，(j＝1，…，K)。用户j的发送矢量d_j，(j＝1，…，K)经过N_T×B维预编码矩阵F_j之后进入信道，每个用户的检测矩阵为G_j。用户j经过检测矩阵之后的信号解码为

${\hat{d}}_j=G_j(H_j\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{F}_i{d}_i+n_j)$

$=G_j{H}_j{F}_j{d}_j+G_j{H}_j\underset{i=1,i\≠j}{\overset{K}{\mathrm{\Σ}}}{F}_i{d}_i+G_j{n}_j---\left(7\right)$

n_j为

维复加性高斯白噪声，噪声方差为σ²，解码信号由有用信号、CCI以及噪声组成。基站功率约束为P，即各个用户发送总功率为P。

步骤3：将发送与接收的联合优化问题表示为发送功率和约束下的最小化系统和MSE优化问题，即在系统和MMSE准则下，设计一组发送预编码矩阵{F_j}(j＝1，…，K)以及检测矩阵{G_j}(j＝1，…，K)，对发送和接收联合优化。即

$\underset{F_1,...,F_K,G_1,...,G_K}{\min }\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{MSE}}_j$

$s.t.\mathrm{tr}\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{F}_j^H{F}_j\right)=P$

引入拉格朗日乘子v，由KKT(Karush-Kuhn-Tucker)条件能够得到

$F_j={(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_k^H{G}_k^H{G}_k{H}_k+v{I}_{n_T})}^{-1}{H}_j^H{G}_j^H,j=1,...,K$

$G_j=F_j^H{H}_j^H{(H_j\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{F}_k{F}_k^H\right)H_j^H+{\mathrm{\σ}}^2{I}_{n_{R_j}})}^{-1},j=1,...,K$

$v\≥0,\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{F}_k{F}_k^H\right)-P\≤0$

$v(\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{F}_k{F}_k^H\right)-P)=0;$

步骤4：对预编码矩阵和解码矩阵以及Lagrange乘子进行迭代求解矩阵。

步骤5：在步骤4所示的过程中，迭代开始时，将检测矩阵G_j初始化为

维单位矩阵通过

通过求解F_j ⁽¹⁾，F_j ⁽¹⁾与H_j相乘获得

维等效信道H_jF_j ⁽¹⁾，对其进行奇异值分解，

$H_j{F}_j^{\left(1\right)}=U_j{\mathrm{\Λ}}_j{V}_j^H$

将等效信道H_jF_j ⁽¹⁾分解成

个独立子信道，其中Λ_j为各独立子信道对应的奇异值所组成的对角矩阵，不失一般性，将各奇异值降序排列。V_j为等效信道对应的右奇异矢量矩阵，U_j为等效信道对应的左奇异矢量矩阵，更新G_j ⁽¹⁾为U_j的共轭转置的前B列。

步骤6：在步骤4所示的过程中，通过

可以求解拉格朗日乘子v，相比于传统的发送接收联合优化方法，避免了解非线性方程的复杂过程，将非线性求解转化成线性求解，大大降低了计算复杂度；避免了多值问题，提高了求解的精确性。最终使得整个系统的误码性能提高。

具体地，发送预编码矩阵和接收检测矩阵的计算过程参考图2，如图2所示，包括：

步骤S202，初始化和第一次迭代。

将检测矩阵G_j初始化为

维单位矩阵

通过

求v⁽¹⁾，通过

H_j ^HG_j ^(0)H求解F_j ⁽¹⁾，将等效信道H_jF_j ⁽¹⁾通过奇异值分解

分解成

个独立子信道。其中Λ_j为各独立子信道对应的奇异值所组成的对角矩阵，不失一般性，将各奇异值降序排列。V_j为等效信道对应的右奇异矢量矩阵，U_j为等效信道对应的左奇异矢量矩阵，更新G_j ⁽¹⁾为U_j的共轭转置的前B列。

步骤S204，通过公式

求解v⁽ⁿ⁾；

步骤S206，通过公式

求解F_j ⁽ⁿ⁾；

步骤S208，通过公式

求解G_j ⁽ⁿ⁾；

步骤S210，重复步骤S204-S208(即进行n步迭代(n≥2))，直到

算法终止，其中，ε为算法的终止门限，例如：取ε为0.0001。

步骤S212，迭代结束，得到最优发送预编码矩阵和接收检测矩阵。

本发明以各用户信号均方误差和最小为优化目标，与现有技术对比：首先，在迭代优化开始时，充分利用了各个用户的所有信道信息，借鉴了BD算法的思想，使得算法的收敛速度大大加快；第二，获得了Lagrange乘子的解析表达式，将求解Lagrange乘子的非线性过程转化为线性过程，避免求解复杂的非线性方程，提高了求解的精确性，最终进一步提高了算法的误码性能。

下面结合具体实例描述本发明。

假设基站发送天线数为8，用户数为2，且每个用户的接收天线数为4。基站的发送总功率为1，定义信噪比为基站发送功率与每接收天线的噪声之比。假设系统工作环境接收信噪比为10dB。

步骤1：基站获得每个用户的信道信息，并将它组成信道传输矩阵{H_j}，j＝1，2。说明如下：

以第一个用户为例：h₁ ^(1，1)为基站第1根发射天线和用户1的第1根接收天线之间的信道，h₁ ^(2，1)为基站第1根发射天线和用户1的第2根接收天线之间的信道；以此类推，h₂ ^(4，8)为基站第8根发射天线和用户2的第4根接收天线之间的信道；以此类推，可得基站与两个用户之间的信道传输矩阵分别为：

$H_j=\left[\begin{array}{cccccccc}{h}_j^{\left(\mathrm{1,1}\right)}& h_j^{\left(\mathrm{1,2}\right)}& h_j^{\left(\mathrm{1,3}\right)}& h_j^{\left(\mathrm{1,4}\right)}& h_j^{\left(\mathrm{1,5}\right)}& h_j^{\left(\mathrm{1,6}\right)}& h_j^{\left(\mathrm{1,7}\right)}& h_j^{\left(\mathrm{1,8}\right)}\\ h_j^{\left(\mathrm{2,1}\right)}& h_j^{\left(\mathrm{2,2}\right)}& h_j^{\left(\mathrm{2,3}\right)}& h_j^{\left(\mathrm{2,4}\right)}& h_j^{\left(\mathrm{2,5}\right)}& h_j^{\left(\mathrm{2,6}\right)}& h_j^{\left(\mathrm{2,7}\right)}& h_j^{\left(\mathrm{2,8}\right)}\\ h_j^{\left(\mathrm{3,1}\right)}& h_j^{\left(\mathrm{3,2}\right)}& h_j^{\left(\mathrm{3,3}\right)}& h_j^{\left(\mathrm{3,4}\right)}& h_j^{\left(\mathrm{3,5}\right)}& h_j^{\left(\mathrm{3,6}\right)}& h_j^{\left(\mathrm{3,7}\right)}& h_j^{\left(\mathrm{3,8}\right)}\\ h_j^{\left(\mathrm{4,1}\right)}& h_j^{\left(\mathrm{4,2}\right)}& h_j^{\left(\mathrm{4,3}\right)}& h_j^{\left(\mathrm{4,4}\right)}& h_j^{\left(\mathrm{4,5}\right)}& h_j^{(4,6)}& h_j^{\left(\mathrm{4,7}\right)}& h_j^{\left(\mathrm{4,8}\right)}\end{array}\right],j=\mathrm{1,2};$

假设基站与第1个用户之间的信道传输矩阵为：

$H_1={\left(\begin{array}{cccc}0.3396+0.6833i& -0.4155+0.0552i& 0.5692-0.8294i& -0.7567+0.3917i\\ -0.1258+0.3932i& 0.4244-0.6720i& 0.8528+0.0044i& 1.0925-1.6701i\\ 0.6788+0.2844i& 0.2918+0.8341i& 0.6947-0.7840i& 0.2208+0.0047i\\ 0.4156-0.2218i& 0.7506+0.0145i& -0.3466+0.2924i& -0.4509-0.2760i\\ 0.6859+0.6924i& 0.1678-0.0024i& 0.5279+0.4111i& -1.2699+1.9733i\\ -0.0777-1.1810i& 1.9179-0.8239i& 0.7320-0.7582i& 1.2261-0.8222i\\ 0.9760-0.4008i& -0.2994-0.8660i& -1.1938-0.5818i& 1.0610-0.3155i\\ 0.0656-0.8715i& -0.8867+0.4168i& -0.4369-0.5493i& -0.8564+0.6694i\end{array}\right)}^T;$

基站与第2个用户之间的信道传输矩阵为：

$H_2={\left(\begin{array}{cccc}-0.1962-0.1767i& 0.7677+0.4682i& -0.6399+1.16547i& -0.0222+0.4026i\\ 0.6893-0.5221i& 0.9471-0.1835i& -1.0239-0.1330i& -1.6919-0.2071i\\ -0.6341-0.4514i& 1.6616+0.2967i& 0.0710+1.5875i& 0.5703-1.1141i\\ 1.1312+0.1411i& 0.5159+0.4866i& 0.3260-0.9249i& -0.3187+0.7808i\\ -0.0166-1.1537i& 0.4589+0.0705i& 0.4093+0.5102i& 0.0489-1.0631i\\ -1.8735-1.3360i& 0.6459-0.5550i& 0.2102-0.2750i& -1.0449-0.4588i\\ 0.2038-0.2554i& 0.9256-0.4547i& -0.4968+0.2432i& -0.6558-0.0698i\\ -0.3966-0.5467i& -0.4557-1.0504i& -1.3684-1.1404i& 0.2946-0.9833i\end{array}\right)}^T;$

基站为第j个用户发送的数据经过QPSK调制之后，进行串并转换成2路，即发送信号维数为2，得到2个发送符号d_j＝[d_j，1，d_j，2]^T。承上述例子，基站发送给第一个用户的数据经过QPSK调制后得到的发送符号d_1，1＝-0.7071-0.7071i d_1，2＝0.7071+0.7071i，基站发送给第2个用户的数据经过QPSK调制后得到的发送符号d_2，1＝0.7071+0.7071i，d_2，2＝0.7071-0.7071i。

步骤2：基站获得基站与每个用户的信道传输矩阵之后，在基站根据图2所示的流程，求得发送预编码矩阵F₁、F₂，接收检测矩阵G₁、G₂，分别为：

$F_1=\left(\begin{array}{cc}0.0630-0.0967i& -0.0545+0.0986i\\ -0.1704+0.0756i& -0.0476+0.1208i\\ -0.0176+0.0387i& -0.0179+0.0041i\\ -0.0577+0.0068i& 0.0009-0.0232i\\ 0.1214-0.1967i& 0.1586+0.0607i\\ -0.1702+0.0527i& 0.1239+0.1119i\\ 0.0856+0.1360i& -0.3682+0.0003i\\ 0.1412-0.0756i& -0.1014-0.1512i\end{array}\right)$

$F_2=\left(\begin{array}{cc}-0.1163+0.1096i& -0.1441-0.0037i\\ 0.0807+0.1352i& -0.0284-0.0268i\\ -0.1471+0.1028i& -0.0558-0.1667i\\ 0.1269-0.0859i& -0.0659-0.0822i\\ -0.0426+0.0233i& -0.1235-0.0801i\\ -0.0995+0.0617i& 0.2293-0.0107i\\ 0.0600+0.1380i& -0.0692-0.0619i\\ 0.1475+0.1756i& 0.2358+0.0916i\end{array}\right)$

$G_1=\left(\begin{array}{cccc}0.1352-0.0403i& -0.1899-0.0794i& -0.1061+0.1087i& 0.0704-0.5151i\\ -0.2860-0.0373i& 0.3388-0.1790i& 0.2804-0.2706i& -0.1104-0.2014i\end{array}\right)$

$G_2=\left(\begin{array}{cccc}0.3032+0.0225i& 0.0326-0.0720i& -0.1864+0.4703i& 0.0799+0.0363i\\ -0.2809+0.2306i& -0.0536+0.3409i& 0.0972+0.2797i& -0.0554+0.1833i\end{array}\right);$

步骤3：对各个用户的发送信号进行发送预编码，得到x₁＝F₁d₁，x₂＝F₂d₂，x₁、x₂为进入发送天线的8×1维矢量。将x₁、x₂从发送天线发送到信道中；

步骤4：各用户的接收天线对信号进行接收，接着在2个用户的移动台终端根据采用检测矩阵G₁、G₂检测接收信号。根据公式(7)，两个用户的检测之后得到的对发送信号的估计值分别为：

${\hat{d}}_1=G_1(H_1{F}_1{d}_1+H_1{F}_2{d}_2+n_2)$

${\hat{d}}_2=G_2(H_2{F}_1{d}_1+H_2{F}_2{d}_2+n_2);$

其中：n₁、n₂为两个用户在接收天线上的4×1维复加性高斯白噪声，复加性高斯白噪声n₁、n₂分别为：

$n_1=\left(\begin{array}{c}0.0045+0.1370i\\ 0.2490+0.3140i\\ 0.0955-0.1805i\\ 0.4057+0.5063i\end{array}\right)$

$n_2=\left(\begin{array}{c}0.0962+0.1985i\\ -0.4581+0.0824i\\ -0.5216-0.1097i\\ -0.3316+0.0445i\end{array}\right);$

两个用户的检测之后得到的对发送信号的估计值

分别为：

${\hat{d}}_1=G_1(H_1{F}_1{d}_1+H_1{F}_2{d}_2+n_1)$

$=\left(\begin{array}{c}-0.3979-0.8919i\\ 0.8431+0.4846i\end{array}\right)$

${\hat{d}}_2=G_2(H_2{F}_1{d}_1+H_2{F}_2{d}_2+n_2)$

$=\left(\begin{array}{c}0.8266+0.5492i\\ 0.5911-1.1027i\end{array}\right);$

步骤5：最后对

进行判决，并串转换，还原出发送信息。

参考图3和图4，图3为采用本发明技术方案与传统的收发联合设计方法以及几种典型的预编码设计方法的误码率比较图，从图中可以看出，本发明技术方案与传统的TMMSE两种收发联合设计比其他几种算法误码性能好；本发明方法相比于TMMSE误码率有明显提高。

图4为采用本发明技术方案与传统的收发联合设计方法的收敛速度比较图，从图中可以看出，本发明技术方案在各个信噪比下4次迭代即可收敛，相比于TMMSE算法节省一半迭代次数以上，收敛速度明显优于TMMSE算法。

系统实施例

根据本发明的实施例，还提供了一种MIMO系统。

图5是根据本发明实施例的MIMO系统的结构框图，如图5所示，该装置包括：基站10和移动台20。

基站10包括：计算模块(图中未示)，用于以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；预编码模块102，用于使用发送预编码矩阵对发送信号101进行发送预编码。

移动台20包括：检测模块201，使用接收检测矩阵对接收信号进行接收检测，还原出发送信号202。

此外，基站10还包括：建立模块(图中未示)，用于根据基站发送天线数量及每个用户反馈的信道信息建立信道传输矩阵。

在具体实施过程中，根据本发明实施例的MIMO系统的具体工作过程可以参考图1和图2所示，此处不赘述。

综上所示，根据本发明上述技术方案，与现有技术相比，算法收敛速度快，计算复杂度低，误码性能更好。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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权利要求范围之内。

Claims (8)

1.一种用于MIMO系统下行链路优化方法，其特征在于，包括：

基站以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；

使用所述发送预编码矩阵以及所述接收检测矩阵对系统下行链路进行优化。

2.根据权利要求1所述的方法，其特征在于，在所述基站以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵之前，所述方法还包括：

所述基站根据其发送天线数量、所述每个用户接收天线数量、所述每个用户反馈或者通过信道互易得到的信道信息建立信道传输矩阵。

3.根据权利要求1所述的方法，其特征在于，所述基站使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵，进一步包括：

所述基站使用公式(1)计算发送预编码矩阵；

$F_j^{\left(n\right)}={(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_k^H{G}_k^{(n-1)H}{G}_k^{(n-1)}{H}_k+v^{\left(n\right)}{I}_{n_T})}^{-1}{H}_j^H{G}_j^{(n-1)H}---\left(1\right)$

所述基站使用公式(2)计算接收检测矩阵；

$G_j^{\left(n\right)}=F_j^{\left(n\right)H}{H}_j^H{(H_j\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{F}_k^{\left(n\right)}{F}_k^{\left(n\right)H}\right)H_j^H+{\mathrm{\σ}}^2{I}_{n_{R_j}})}^{-1}---\left(2\right)$

所述基站使用公式(3)计算拉格朗日乘子。

$v^{\left(n\right)}=\frac{{\mathrm{\σ}}^2}{P}\mathrm{tr}\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{G}_j^{(n-1)}{G}_j^{(n-1)H}\right)---\left(3\right)$

4.根据权利要求3所述的方法，其特征在于，迭代算法开始时，将所述接收检测矩阵G_j初始化为

维单位矩阵

通过

求v⁽¹⁾，通过

求解F_j ⁽¹⁾，F_j ⁽¹⁾与H_j相乘获得

维等效信道H_jF_j ⁽¹⁾，对其进行奇异值分解，将等效信道H_jF_j ⁽¹⁾分解成个独立子信道，其中Λ_j为各独立子信道对应的奇异值所组成的对角矩阵，将各奇异值降序排列，V_j为等效信道对应的右奇异矢量矩阵，U_j为等效信道对应的左奇异矢量矩阵，更新G_j ⁽¹⁾为U_j的共轭转置的前B列。

5.根据权利要求1所述的方法，其特征在于，所述使用所述发送预编码矩阵以及所述接收检测矩阵对系统下行链路进行优化，进一步包括：

在基站使用所述发送预编码矩阵对发送信号进行编码；

移动台使用所述接收检测矩阵检测接收信号。

6.一种MIMO系统，其特征在于，包括：

基站，其包括：

计算模块，用于以对多个用户发送信号的最小均方误差和为优化目标，使用迭代算法分别计算每个用户的发送预编码矩阵以及接收检测矩阵；

预编码模块，用于使用所述发送预编码矩阵对发送信号进行发送预编码；

移动台，其包括：

检测模块，使用所述接收检测矩阵对接收信号进行接收检测。

7.根据权利要求6所述的系统，其特征在于，所述基站进一步包括：

建立模块，用于根据所述基站发送天线数量、所述每个用户天线数量、所述每个用户反馈的或者通过信道互易得到的信道信息建立信道传输矩阵。

8.根据权利要求6所述的系统，其特征在于，

所述计算模块使用公式(4)计算发送预编码矩阵；

$F_j^{\left(n\right)}={(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_k^H{G}_k^{(n-1)H}{G}_k^{(n-1)}{H}_k+v^{\left(n\right)}{I}_{n_T})}^{-1}{H}_j^H{G}_j^{(n-1)H}---\left(4\right)$

所述计算模块使用公式(5)计算接收检测矩阵；

$G_j^{\left(n\right)}=F_j^{\left(n\right)H}{H}_j^H{(H_j\left(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{F}_k^{\left(n\right)}{F}_k^{\left(n\right)H}\right)H_j^H+{\mathrm{\σ}}^2{I}_{n_{R_j}})}^{-1}---\left(5\right)$

所述计算模块使用公式(6)计算拉格朗日乘子。

$v^{\left(n\right)}=\frac{{\mathrm{\σ}}^2}{P}\mathrm{tr}\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{G}_j^{(n-1)}{G}_j^{(n-1)H}\right)---\left(6\right)$

Images