CN101877607A - 多小区预编码权值的配置方法和装置 - Google Patents

Abstract

本发明公开了一种多小区预编码权值的配置方法和装置，该方法包括：对于多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；对于每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；对每个用户，根据其博弈函数和多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，在对该用户配置的第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。通过本发明，能够基于博弈论的选择准则和方法选择合理的预编码权值，获得较好的多小区多用户干扰抑制的效果，避免了相关技术中干扰抑制效果差、干扰难以实现、对现有系统的结构影响大的问题。

Description

多小区预编码权值的配置方法和装置

技术领域

本发明涉及通信领域，并且特别地，涉及一种多小区预编码权值的配置方法和装置。

背景技术

多输入多输出(Multi-input Multi-output，简称为MIMO)技术经过近十年的发展，其发展过程历经点对点的单链路到单小区多用户通信。

并且，随着下一代移动通信技术和标准的推进，MIMO技术已经开始从实验室走向实际应用。但是MIMO技术在扩展多小区系统中会出现一个关键问题，即，多天线多小区中的邻小区干扰(简称为OCI)问题。

该问题在2000年被最早提出，并且通过一系列系统级的仿真和理论验证发现，在一个存在同频干扰的多小区通信环境中应用多天线收发技术时，该系统的频谱效率会受到严重的限制，从而使该系统变为一个干扰情况较为严重的干扰受限系统。

对于多小区MIMO系统而言，由于该系统采用MIMO技术，因此单用户MIMO和多用户MIMO的许多干扰抑制技术都可以扩展以应用于到多小区系统，其中，有些方法中最为常用的就是基于单用户MIMO和多用户MIMO的干扰抑制技术的方法。这些方法通常可以分为基于接收端的干扰抑制技术和基于发送端的干扰抑制技术两大类。

其中，在实际应用中，基于发射端的干扰抑制技术应用比较普遍。

基于发射端的干扰抑制技术主要是在发送端利用多小区联合预编码来对OCI进行抑制，其具体的抑制策略通常基于以下假设：所有待发送的用户数据和信道信息在各基站间能够实现完全协作，即，其应用环境为全协作的分布式基站系统，可以认为是单链路MIMO到多小区系统的一个直接推广(等效于将发送天线分布到不同的基站上)。

基于上述假设，虽然基站间协作能够获取较高的频谱效率，但是在实际的系统实现过程中仍旧存在以下问题：(1)为了实现联合预编码，每个基站必须获取系统中所有通信用户的实时信道信息，这在用户数量较多以及用户高速移动的环境中难以实现；(2)线性联合预编码对信道矩阵特征十分敏感，当信道不满秩或者信道的条件数较大时(此时信道矩阵奇异值分布的方差较大)，系统性能将会明显下降，在情况严重时会导致无法使用ZF方法；(3)来自多个基站的发送信号到达接收机时通常会产生较大的时间偏移，联合编码技术要求基站必须在发送数据之前对各用户信道预先进行时间补偿，而对于高数据速率传输或者接收机位置远离小区边界的情形，基站获取实时信道的定时会比较困难，已有的研究表明，联合编码系统中的信号同步问题会导致联合编码系统的性能严重下降，如果要避免该问题，需要采用更加复杂的发送端控制技术，从而增加系统的复杂度。

此外，为了能够使每个用户和周围的基站同时进行数据通信，多小区联合编码系统还面临的一个问题是：系统需要较大规模的调整现有系统的链路设计，甚至需要改变现有通信系统的拓扑结构，小区中各基站的功率控制也是一个十分复杂的问题，这些无疑将大大加重移动运营商的成本。

针对相关技术中在多小区MIMO环境下干扰抑制实现困难，实现成本和复杂度高，甚至会影响网络现有拓扑的问题，目前尚未提出有效的解决方案。

发明内容

考虑到相关技术中在多小区MIMO环境下干扰抑制实现困难，实现成本和复杂度高，甚至会影响网络现有拓扑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多小区预编码权值的配置方法和装置。

根据本发明的一个方面，提供了一种多小区预编码权值的配置方法。

根据本发明的多小区预编码权值的配置方法包括：对于多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；对于每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；对于每个用户，根据其博弈函数和多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。

其中，对于每个用户，基于最大信漏噪比原则获得该用户的第一权值包括：

根据信漏噪比的定义式：

以及最小均方误差准则得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)；

令

表示第i个用户的所有干扰用户信道矩阵的集合，得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2};$

基于最小均方误差准则使SLNR最大化，得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max .\mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i为第i个用户的信道矩阵，w_i为第i个用户的第一权值，

为第i个用户的噪声功率，H_k为该用户所在小区内和相邻小区内的干扰用户的信道矩阵，K为所有干扰用户的数目，EV(·)表示矩阵的特征向量分解。

该方法可进一步包括：预先通过以下方式之一获得第i个用户的信道矩阵：在时分双工系统中，通过利用信道的互易性对每个用户的上行信道进行估计，以等效获取每个用户的信道矩阵；在频分双工系统中，通过有限反馈得到每个用户反馈的信道信息情况，并对每个用户的信道信息以及该用户的干扰用户的信道信息进行特征向量分解，得到该用户的信道矩阵。

并且，每个用户的博弈函数G的表达式为：

G＝[N，S_i，{u_i(·)}]，

其中，N为各小区具有同频干扰的用户集合，且N＝{1，2，…，I}；{u_i(·)}为第i个用户的收益函数，S_i为用户i的策略集合，并且，S_i的表达式如下： $S_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2},$

其中，H_i为第i个用户的信道矩阵、w_i为第i个用户的第一权值，

为第i个用户的噪声功率，K为所有干扰用户的数目，w_k为干扰用户的第一权值。

根据每个用户的博弈函数、以及多个小区中对该用户造成干扰的用户的第一权值配置该用户的第一权值包括：

将S_i的表达式带入用户的收益函数，得到该用户的收益函数与该用户的第一权值之间的关系如下：

并对w_i求导得到： $\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i};$

基于u_i(S_i)相对于w_i得导数，进一步解得到：

${\left|\right|w_i\left|\right|}^2=\frac{\mathrm{\α}}{\mathrm{\λ}}\·\frac{{\left|\right|H_i\left|\right|}^2-\mathrm{\λ}(N_i{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2)}{{\left|\right|H_i\left|\right|}^2},$ 并由此确定u_i(S_i)的最大值，其中，λ为用户的代价因子，α为陡峭因子；

对w_i进行配置，并在配置的w_i使得相应的u_i(S_i)的最大值满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。

此外，对于每个用户，其收益函数满足纳什平衡是指：|u_i+1-u_i|≤ε，其中，u_i为第i个用户的收益函数，ε表示收敛精度。

优选地，上述策略集合中包括以下至少之一：信漏噪比、信噪比、信干噪比。

根据本发明的另一方面，提供了一种多小区预编码权值的配置装置。根据本发明的多小区预编码权值的配置装置包括：第一获取模块，用于对多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；第二获取模块，用于对每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；配置模块，用于对每个用户，根据该用户的博弈函数和多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。

其中，第一获取模块对每个用户获得该用户的第一权值的处理包括：

第一获取模块根据信漏噪比的定义式：以及最小均方误差准则得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)；

令

表示第i个用户的所有干扰用户信道矩阵的集合，得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2};$

基于最小均方误差准则使SLNR最大化，得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max \mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i为第i个用户的信道矩阵，w_i为第i个用户的第一权值，

为第i个用户的噪声功率，H_k为该用户所在小区内和相邻小区内的干扰用户的信道矩阵，K为所有干扰用户的数目，EV(·)表示矩阵的特征向量分解。

并且，每个用户的博弈函数G的表达式为：

G＝[N，S_i，{u_i(·)}]，

其中，N为各小区具有同频干扰的用户集合，且N＝{1，2，…，I}；{u_i(·)}为第i个用户的收益函数，S_i为用户i的策略集合，并且，S_i的表达式如下： $S_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2},$

其中，H_i为第i个用户的信道矩阵、w_i为第i个用户的第一权值，为第i个用户的噪声功率，K为所有干扰用户的数目，w_k为干扰用户的第一权值。

通过本发明的上述技术方案，通过在小区内基于最大化信漏噪比原则、在小区间基于博弈论最优化策略集合原则的权值选择思路，以不改变现有小区拓扑结构和通信模式为前提，基于博弈论的选择准则和方法选择合理的预编码权值，从而能够获得较好的多小区多用户干扰抑制的效果，并在尽量减小反馈开销和运算复杂度的情况下提高系统性能和抗干扰能力，避免了相关技术中干扰抑制效果差、干扰难以实现、对现有系统的结构影响大的问题。

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是根据本发明方法实施例的多小区预编码权值的配置方法的流程图；

图2是根据本发明方法实施例的多小区预编码权值的配置方法的处理实例的简图；

图3是根据本发明方法实施例的多小区预编码权值的配置方法中信号泄漏的示意图；

图4是根据本发明方法实施例的多小区预编码权值的配置方法可以应用的基于分层波束形成的系统原理框图；

图5是根据本发明装置实施例的多小区预编码权值的配置装置的框图。

具体实施方式

功能概述

在传统的基于信干噪比(SINR)准则的克服共道干扰的权值生成方法(如ZF、最小均方误差(MMSE)方法等)对天线数都有一定的限制(一般要求发射天线大于所有用户总的接收天线数)，因此不能够生成合理的权值，导致干扰抑制效果差、干扰难以实现、甚至会影响现有系统的结构。

基于上述问题，本发明提供一种简单易行、具有低复杂度的预编码权值确定方法。本发明提出：在小区内基于最大化信漏噪比(信号与该信号泄露给其他用户的能量以及噪声的比值，简称SLNR)原则、在小区间基于博弈论最优化信干噪比(SINR)、信噪比(SNR)、和/或信漏噪比(SLNR)原则的权值选择思路，以不改变现有小区拓扑结构和通信模式为前提，基于博弈论的选择准则和方法选择合理的预编码权值，从而能够获得较好的多小区多用户干扰抑制的效果，并在尽量减小反馈开销和运算复杂度的情况下提高系统性能和抗干扰能力。

下面将详细描述本发明的实施例。

方法实施例

在本实施例中，提供了一种多小区预编码权值的配置方法。

图1是根据本发明实施例的多小区预编码权值的配置方法的流程图，需要说明的是，在以下方法中描述的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在图1中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1所示，根据本实施例的多小区预编码权值的配置方法包括以下处理：

步骤S102，对于多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；

步骤S104，对于每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；

步骤S106，对于每个用户，根据该用户的博弈函数和多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的第一权值作为该用户的预编码权值，例如，对于用户i，需要根据多个小区中对其(用户i)造成干扰的用户的第一权值来配置该用户i的第一权值，如果用户i的第一权值使用户i的收益函数最大且能够满足纳什平衡，就将此时的第一权值作为用户i的预编码权值。

下面将详细描述本实施例的方法。

步骤一，首先基于最大化信漏噪比的原则在小区内进行第一次训练；

其中，信漏噪比的表达式如下：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_k{w}_i\left|\right|}^2}---\left(1\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i、w_i、分别为第i个用户的信道矩阵(该矩阵可以作为该用户的信道信息)、权值向量和噪声功率，H_k为小区内和相邻小区干扰用户(这里，干扰用户可以是干扰较强的强干扰用户)的信道矩阵，K为所有干扰用户的数目。以上述(1)式最大化为目标，基于MMSE准则，可以得到下面的(2)式：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)      (2)

在(2)式中，EV(·)表示矩阵的特征向量分解。通过(2)式可以看出，权值向量与目标用户和干扰用户的信道信息有关，具体地，对于信道信息(即，上述的信道矩阵)的获取，可以采用以下两种方式：

(方式一)在时分双工系统中，利用信道的互易性，在基站侧可以对各个用户的上行信道进行估计，以等效的获取下行信道的信道信息；

(方式二)在频分双工系统中，基站通过有限反馈，得到各用户反馈的信道信息情况，按照(2)式对目标用户i和干扰用户的信道信息进行特征向量分解。

之后，令表示i用户的所有干扰用户信道矩阵的集合，则根据(1)式可以得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2}---\left(3\right)$

以(3)式SLNR最大化为目标，基于MMSE准则，寻找预编码权值，可以得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max .\mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)---\left(4\right)$

采用上述(4)式便可得到小区内用户i第一次权值训练的结果w_i(即，上述的第一权值)。

上述步骤一的处理过程可以对应于图1中的步骤S 102。

步骤二，基于博弈论对小区间同频用户进行第二次训练；

在该步骤二中，小区内的每一用户都会得到一个权值w_k，k表示小区内的所有用户。如果对多小区的所有用户均采用相同的方法，这样在小区间就会出现恶意的竞争，特别是不同小区的同频用户，因此有必要对小区间同频用户的权值进行第二次基于博弈理论的训练。

从博弈论的观点来看，多小区间的干扰协调可以看作一个非合作的博弈过程，在同频干扰一定的情况下，每个用户都力争使自己获得的效用最大。对应于博弈论，可以用(5)式来表示每个用户的博弈函数G：

G＝[N，SINR_i，{u_i·)}]                   (5)

其中，该函数表示多小区非合作功率分配博弈模型，N＝{1，2，…，I}为各小区具有同频干扰的用户集合(即参与者集合)；SINR_i为用户i的策略集合，其中，该策略集合中还可以是其它参数，例如，除了SINR之外，还可以将SNR、SLNR作为策略集合，并且可以采用类似的表达式进行描述。在采用SINR作为策略集合的情况下，策略集合的表达式如式(6)所示，{u_i(·)}为用户i的收益函数。

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+{\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2}---\left(6\right)$

如式(6)所示，对于用户i的SINR_i，目标用户的权值w_i与干扰用户的权值w_k是一对矛盾，并且可以用下面的(7)式所示的收益函数{u_i(·)}来表示：

$u_i{\left({\mathrm{SINR}}_i\right)}^2=\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-{\mathrm{\λw}}_i---\left(7\right)$

在(7)式中，α为陡峭因子，其取值可以根据系统的实际情况进行配置；λ为代价因子常数，用来定义受到干扰时用户所付出的代价。并且，对所有用户，α可以是相同的。基于下面的(8)式，可以使得式(7)所示的收益函数最大：

$\arg \max u_i{\left({\mathrm{SINR}}_i\right)}^2=\arg \max (\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-{\mathrm{\λw}}_i)---\left(8\right)$

为求得满足(8)式的收益函数，可以对(7)式针对w_i求导得到：

$\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i}-\mathrm{\λ}=0---\left(9\right)$

对上式(9)求解，得到：

${\left|\right|w_i\left|\right|}^2=\frac{\mathrm{\α}}{\mathrm{\λ}}\·\frac{{\left|\right|H_i\left|\right|}^2-\mathrm{\λ}(N_i{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2)}{{\left|\right|H_i\left|\right|}^2}---\left(10\right)$

式(10)进一步说明了用户之间的权值选择是一个相互影响的、动态的过程，所以为了使得自身的SINR最大，又要使得用户之间的干扰最小，就需要寻找一个纳什平衡点，使得系统达到最佳稳态。

根据纳什平衡点定义，当收益函数{u_i(·)}满足(11)式时，纳什平衡点存在且唯一：

|u_i+1-u_l|≤ε                  (11)

其中，ε表示收敛精度，是一极小值。

基于以上处理，可以根据(10)并结合(4)式调整w_k，直到得到的{u_i(·)}满足(11)式，此时的w_i就是第i个用户的预编码权值，则二次训练结束。

步骤二的处理可对应于图1中的步骤S104和步骤S106，借助于步骤二中的博弈原则，能够有效避免同频用户之间的恶意竞争。

如图2所示，在实际当中，根据本发明的权值配置方法可以包括以下步骤：

(21)根据上述方式一和/或方式二，主站收集来自目标用户和干扰用户的信道信息；

(22)基于最大化信漏噪比的原则在小区内进行第一次训练；

信漏噪比的表达式如上式(1)所示，其原理如图3所描述，H_i、w_i、

分别为i用户的信道矩阵、权值向量和噪声功率，H_k为小区内和相邻小区强干扰用户的信道矩阵，K为所有干扰用户的数目。以上述(1)式最大化为目标，基于MMSE准则，采用(4)式对目标用户和干扰用户的信道信息进行分解。这样，就可得到小区内用户i第一次权值训练的结果wi(上述的第一权值)。

(23)基于博弈论对小区间同频用户进行第二次训练；

在上述步骤(22)后，在小区内的每一用户都会得到一个权值w_k，k表示小区内的所有用户。如果对多小区的所有用户均采用相同的方法，这样在小区间就会出现恶意的竞争，特别是不同小区的同频用户，因此有必要对小区间同频用户的权值进行第二次基于博弈理论的训练。

从博弈论的观点来看，多小区间的干扰协调可以看做一个非合作的博弈过程，在同频干扰一定的情况下，每个用户都力争使自己获得的效用最大。对应于博弈论，可以用(5)式的多小区非合作功率分配博弈模型进行第二次权值训练，其中信干噪比函数和收益函数分别如式(6)和(7)所示。博弈的目标就是使得式(7)所示的收益函数最大，并且根据(10)式进行调整，(10)式说明用户之间的权值选择是一个相互影响的、动态的过程，为了使得自身的SINR最大，又要使得用户之间的干扰最小，就需要寻找一个纳什平衡点，使得系统达到最佳稳态。

根据纳什平衡点定义，当收益函数{u_i(·)}满足(11)式时，纳什平衡点存在且唯一。

因此可以根据(10)并结合(4)式调整w_k，直到满足(11)式，则二次训练结束。

(24)如附图4所示，就可以采用上述得到的权值在发端进行预处理，具体包括：对输入的比特流进行编码与调制、串并转换、多小区预处理，之后就能够经由多个发射天线(X1至XMt)发送出去；之后，在接收端可以通过多个接收天线(y1至yNt)接收信号，进行等效信道估计、空时检测、并串转换、解调与译码，得到输出的比特流。

通过上述处理，能够基于博弈论的选择准则和方法选择合理的预编码权值，从而能够获得较好的多小区多用户干扰抑制的效果，并在尽量减小反馈开销和运算复杂度的情况下提高系统性能和抗干扰能力。

装置实施例

在本实施例中，提供了一种多小区预编码权值的配置装置，用以执行上述处理。

图5是根据本实施例的多小区预编码权值的配置装置的框图。如图5所示，根据本实施例的多小区预编码权值的配置装置包括：

第一获取模块1，用于对多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；

第二获取模块2，连接至第一获取模块1，用于对每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；

配置模块3，连接至第二获取模块2，对每个用户，根据该用户的博弈函数和多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。

第一获取模块1对每个用户基于最大信漏噪比原则获得该用户的第一权值的处理过程可以包括：

根据信漏噪比的定义式：

以及MMSE准则得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)；

令

表示第i个用户的所有干扰用户信道矩阵的集合，得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2};$

基于MMSE准则使SLNR最大化，得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max .\mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i为第i个用户的信道矩阵，w_i为第i个用户的第一权值，为第i个用户的噪声功率，H_k为该用户所在小区内和相邻小区内的干扰用户的信道矩阵，K为所有干扰用户的数目，EV(·)表示矩阵的特征向量分解。

此外，上述每个用户的博弈函数G的表达式为：

G＝[N，S_i，{u_i(·)}]，

其中，N为各小区具有同频干扰的用户集合，且N＝{1，2，…，I}；{u_i(·)}为第i个用户的收益函数，S_i为用户i的策略集合，并且，S_i的表达式如下： $S_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2}$

其中，H_i为第i个用户的信道矩阵、w_i为第i个用户的第一权值，

为第i个用户的噪声功率，K为所有干扰用户的数目，w_k为干扰用户的第一权值。

配置模块3根据每个用户的博弈函数、该用户的第一权值、以及多个小区中对该用户造成干扰的用户的第一权值配置该用户的第一权值的处理过程可以包括：

将S_i的表达式带入用户的收益函数，得到该用户的收益函数与该用户的第一权值之间的关系如下：

并对w_i求导得到： $\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i};$

基于u_i(S_i)相对于w_i得导数，进一步解得到：

${\left|\right|w_i\left|\right|}^2=\frac{\mathrm{\α}}{\mathrm{\λ}}\·\frac{{\left|\right|H_i\left|\right|}^2-\mathrm{\λ}(N_i{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2)}{{\left|\right|H_i\left|\right|}^2},$ 并由此确定u_i(S_i)的最大值，其中，λ为用户的代价因子，α为陡峭因子；

对w_i进行配置，并在配置的w_i使得相应的u_i(S_i)的最大值满足纳什平衡时，将配置的第一权值作为该用户的预编码权值。

在以上描述中，对于每个用户，其收益函数满足纳什平衡是指：|u_i+1-u_i|≤ε，其中，u_i为第i个用户的收益函数，ε表示收敛精度。

可选地，上述策略集合中包括以下至少之一：信漏噪比、信噪比、信干噪比。

通过上述装置，能够基于博弈论的选择准则和方法选择合理的预编码权值，从而能够获得较好的多小区多用户干扰抑制的效果，并在尽量减小反馈开销和运算复杂度的情况下提高系统性能和抗干扰能力。

综上所述，借助于本发明的技术方案，通过利用信漏噪比最大化的准则，使得权值的选择方法不再受天线数的限制并且能够兼顾到噪声的影响，在不降低性能的情况下扩展了基于预编码方法进行多小区多用户进行干扰消除的应用场景；并且，通过在小区间同频用户间基于博弈论思想进行权值二次训练，避免了小区间用户间恶意的竞争和冲突；此外，通过提出在不同双工模式下如何获取干扰用户和目标用户信道信息，使得在尽量不增加反馈开销的情况下获取基站所需的信道信息。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，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保护范围之内。

Claims (10)

1.一种多小区预编码权值的配置方法，其特征在于，包括：

对于多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；

对于所述每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；

对于所述每个用户，根据其博弈函数和所述多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的所述第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的所述第一权值作为该用户的预编码权值。

2.根据权利要求1所述的方法，其特征在于，对于所述每个用户，基于最大信漏噪比原则获得该用户的第一权值包括：

根据信漏噪比的定义式：

以及最小均方误差准则得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)；

令

表示第i个用户的所有干扰用户信道矩阵的集合，得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2};$

基于最小均方误差准则使SLNR最大化，得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max .\mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i为第i个用户的信道矩阵，w_i为第i个用户的第一权值，

为第i个用户的噪声功率，H_k为该用户所在小区内和相邻小区内的干扰用户的信道矩阵，K为所有干扰用户的数目，EV(·)表示矩阵的特征向量分解。

3.根据权利要求2所述的方法，其特征在于，进一步包括：

预先通过以下方式之一获得第i个用户的信道矩阵：

在时分双工系统中，通过利用信道的互易性对每个用户的上行信道进行估计，以等效获取所述每个用户的信道矩阵；

在频分双工系统中，通过有限反馈得到所述每个用户反馈的信道信息情况，并对所述每个用户的信道信息以及该用户的干扰用户的信道信息进行特征向量分解，得到该用户的信道矩阵。

4.根据权利要求2所述的方法，其特征在于，所述每个用户的博弈函数G的表达式为：

G＝[N，S_i，{u_i(·)}]，

其中，N为各小区具有同频干扰的用户集合，且N＝{1，2，…，I}；{u_i(·)}为第i个用户的收益函数，S_i为用户i的策略集合，并且，S_i的表达式如下： $S_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2},$

其中，H_i为第i个用户的信道矩阵、w_i为第i个用户的第一权值，为第i个用户的噪声功率，K为所有干扰用户的数目，w_k为干扰用户的第一权值。

5.根据权利要求4所述的方法，其特征在于，根据所述每个用户的博弈函数、以及所述多个小区中对该用户造成干扰的用户的第一权值配置该用户的第一权值包括：

将S_i的表达式带入用户的收益函数，得到该用户的收益函数与该用户的第一权值之间的关系如下：

并对w_i求导得到： $\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i};$

基于u_i(Si)相对于w_i得导数，进一步解得到：

${\left|\right|w_i\left|\right|}^2=\frac{\mathrm{\α}}{\mathrm{\λ}}\frac{{\left|\right|H_i\left|\right|}^2-\mathrm{\λ}(N_i{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2)}{{\left|\right|H_i\left|\right|}^2},$ 并由此确定u_i(S_i)的最大值，其中，λ为用户的代价因子，α为陡峭因子；

对w_i进行配置，并在配置的w_i使得相应的u_i(S_i)的最大值满足纳什平衡时，将配置的所述第一权值作为该用户的预编码权值。

6.根据权利要求1至5中任一项所述的方法，其特征在于，对于所述每个用户，其收益函数满足所述纳什平衡是指：|u_i+1-u_i|≤ε，其中，u_i为第i个用户的收益函数，ε表示收敛精度。

7.根据权利要求1至5中任一项所述的方法，其特征在于，所述策略集合中包括以下至少之一：信漏噪比、信噪比、信干噪比。

8.一种多小区预编码权值的配置装置，其特征在于，包括：

第一获取模块，用于对多个小区中的每个用户，基于最大信漏噪比原则获得该用户的第一权值；

第二获取模块，用于对所述每个用户，根据该用户的策略集合以及该用户的收益函数得到该用户的博弈函数；

配置模块，用于对所述每个用户，根据该用户的博弈函数和所述多个小区中对该用户造成干扰的其它用户的第一权值，配置该用户的第一权值，其中，在对该用户配置的所述第一权值使该用户的收益函数最大、且该收益函数满足纳什平衡时，将配置的所述第一权值作为该用户的预编码权值。

9.根据权利要求8所述的装置，其特征在于，所述第一获取模块对所述每个用户获得该用户的第一权值的处理包括：

所述第一获取模块根据信漏噪比的定义式：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2}$ 以及最小均方误差准则得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1…H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)；

令

表示第i个用户的所有干扰用户信道矩阵的集合，得到：

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{N_i{\mathrm{\σ}}_i^2+{\left|\right|{\tilde{H}}_i{w}_i\left|\right|}^2};$

基于最小均方误差准则使SLNR最大化，得到：

$w_i=\arg \underset{w_i\∈C^{M\×1}}{\max }\frac{w_i^{*}{H}_i^{*}{H}_i{w}_i}{w_i^{*}(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)w_i}=\max .\mathrm{EV}\left({(N_i{\mathrm{\σ}}_i^{2}I+{\tilde{H}}_i^{*}{\tilde{H}}_i)}^{-1}{H}_i^{*}{H}_i\right)$

其中，SLNR_i表示第i个用户的信漏噪比，H_i为第i个用户的信道矩阵，w_i为第i个用户的第一权值，

为第i个用户的噪声功率，H_k为该用户所在小区内和相邻小区内的干扰用户的信道矩阵，K为所有干扰用户的数目，EV(·)表示矩阵的特征向量分解。

10.根据权利要求9所述的装置，其特征在于，所述每个用户的博弈函数G的表达式为：

G＝[N，S_i，{u_i(·)}]，

其中，N为各小区具有同频干扰的用户集合，且N＝{1，2，…，I}；{u_i(·)}为第i个用户的收益函数，S_i为用户i的策略集合，并且，S_i的表达式如下： $S_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2},$

其中，H_i为第i个用户的信道矩阵、w_i为第i个用户的第一权值，

为第i个用户的噪声功率，K为所有干扰用户的数目，w_k为干扰用户的第一权值。

Images