CN101989875A - 多小区干扰抑制方法及基站控制器 - Google Patents

Abstract

一种多小区干扰抑制方法及基站控制器。一种多小区干扰抑制方法，包括：对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。利用本发明，可以实现在较低复杂度下能够获得较好的多小区多用户干扰抑制的效果。

Description

多小区干扰抑制方法及基站控制器

技术领域

本发明涉及无线通信技术领域，特别涉及一种多小区干扰抑制方法及基站控制器。

背景技术

MIMO技术经过近十年的发展，从点对点的单链路到单小区多用户都取得了巨大的进展。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。几年来，采用MIMO技术的下一代无线技术验证系统有力的验证了MIMO技术所能带来的高频谱容量优势，2006年提出的4x4MIMO系统和OFDM技术相结合在下行链路上实现了100M带宽下1Gbps的实时传输。但是MIMO技术在扩展多小区系统中，一个十分重要的问题开始引起人们的注意，那就是多天线多小区中的邻小区干扰问题(OCI)。

最早发现并提出这个问题是在2000年，S.Catreux等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，系统的频谱效率会受到严重的限制，从而变为一个严重的干扰受限系统。

S.Catreux等人的研究结果立即引起了人们的关注，之后对于多小区MIMO系统的OCI问题人们进行了广泛的研究。对于多小区MIMO系统而言，它首先是一个MIMO系统。通常，多径要引起衰落，因而被视为有害因素。然而对于MIMO系统来说，多径可以作为一个有利因素加以利用。MIMO系统在发射端和接收端均采用多天线(或阵列天线)和多通道，MIMO的多入多出是针对多径无线信道来说的。传输信息流s(k)经过空时编码形成N个信息子流ci(k)，I＝1，......，N。这N个子流由N个天线发射出去，经空间信道后由M个接收天线接收。多天线接收机利用先进的空时编码处理能够分开并解码这些数据子流，从而实现最佳的处理。

单用户MIMO和多用户MIMO的许多干扰抑制技术都可以扩展到多小区系统中进行研究，其中有些方法是建立在单用户MIMO和多用户MIMO的干扰抑制技术上的，这也是当前多小区MIMO中所使用最多的一类研究方法。一般来讲包括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。

由于邻小区同频干扰和本小区子流间干扰本质上相同的，因此可以在接收端利用类似多用户检测的技术来抑制OCI，这种技术被称为多用户检测接收机。基于接收端的空时检测技术通常都假定接收端已知信道信息(CSI：ChannelState Information)在接收端对OCI进行抑制是一个被动处理过程，采用了复杂的信号处理技术对干扰信号进行检测/抑制。虽然这些技术能够有效的提高接收机的性能，但是它在实施过程中也存在若干不可忽视的问题：(1)接收机信号处理的复杂度很高(例如非线性迭代接收和干扰对消技术)；(2)对干扰检测的性能不稳定，与干扰信号特征紧密相关(如群信号干扰对消技术)；(3)由于接收机的接收自由度有限，因此干扰并不能被完全消除，性能的提升能力有限。实际系统中移动接收机的特点是低成本，低功耗，简单便携，这就进一步限制了基于接收端的干扰抑制技术的使用。

对于大多数系统而言，如果发射端能够利用信道状态信息而采用某些自适应技术，通常能够有效提高系统的效能。WCDMA系统的HSDPA(High SpeedData packet Access)就是一个很好的例子，它通过使用自适应调制技术使系统能够在好的信道条件下取得较高的频谱效率。另一方面，相对于用户的移动接收设备，发送端基站的设计通常不受限于体积和复杂度，因此在多小区系统中把复杂的干扰处理过程从接收机转移到基站是一个合理的选择。在发送端做干扰抑制，可以分为两种模式：一种是单小区模式，一种是多小区联合编码。

现有技术中一种多小区干扰抑制技术为主动式干扰抑制技术，该方案通过在每个基站对发送信号实施预编码过程，来主动的抑制本小区基站对相邻小区所形成的干扰。现有两种预编码结构，一种称为迫零预编码，它可以将干扰完全消除；另一种是基于最大特征子信道的预编码，它在进行有效抑制同频干扰的同时提高了本小区的发送自由度，能够实现多小区干扰抑制的自适应。

在对现有技术的研究和实践过程中，发明人发现现有技术中存在以下问题：

所述技术方案在小区内基站的处理上没有考虑到中心与边缘区域的区别。而小区中心和小区边缘的区别在于终端接收信噪比的不同。小区中心的用户接收信号质量较好，小区边缘用户接收的信号较差。目前无线通信研究的一个重点就是如何通过提升小区边缘用户的质量来提高整个系统的容量。

发明内容

本发明实施例的目的是提供一种多小区干扰抑制方法及基站控制器，以区别处于小区中心或者边缘位置的UE，从而进一步降低相邻小区间信号的干扰。

为解决上述技术问题，本发明实施例提供一种多小区干扰抑制方法、基站控制器、基站及系统是这样实现的：

一种多小区干扰抑制方法，包括：

对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；

对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

一种基站控制器，包括：

第一层波束预处理单元，用于对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；

第二层波束预处理单元，用于对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

由以上本发明实施例提供的技术方案可见，对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交，可以以不改变现有小区拓扑结构和通信模式为前提，在考虑软频率复用的基础上，利用两级波束形成的预处理，使得在较低复杂度下能够获得较好的多小区多用户干扰抑制的效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明多小区干扰抑制方法实施例的流程图；

图2为本发明实施例中的多小区模型示意图；

图3为本发明实施例中基于分层波束形成的系统原理框图；

图4为本发明实施例中第一级波束形成原理图；

图5为本发明实施例中小区内子区域划分原理图；；

图6为本发明实施例中对用户信号泄漏描述的原理图；

图7为本发明实施例中第二级波束形成原理图；

图8为本发明实施例一具体例子的流程图；

图9为本发明基站控制器实施例的一个框图；

图10为本发明基站控制器实施例的另一框图；

图11为本发明基站控制器实施例的另一框图；

图12为本发明基站控制器实施例的另一框图；

图13为本发明基站控制器实施例的另一框图；

图14为本发明基站控制器实施例的另一框图；

图15为本发明基站控制器实施例的另一框图。

具体实施方式

目前常用的另一种干扰抑制方法采用多小区联合预编码方案。多小区联合编码是指每个用户的下行数据是分布在多个相关基站上一起发的，也称为基站协作。假设系统共有B个同频基站，同频用户数目为K，基站协作通信时B个基站同时向所有K个用户发送下行数据，每个用户都能接收来自所有基站的发送信号。将用户k的L个数据子流映射到所有BN根天线上进行发送并实现干扰抑制(这里假定每个基站有N个天线)，可以通过发送端的预编码来完成。需要注意的是，由于采用发送端的协作通信机制，预编码过程需要在比基站更高层的系统级控制下来完成，通常可以利用基站控制器(BSC：Base Station Controller)来对下行数据实现多基站联合发送，这一过程与单小区模式完全不同的。对用户的数据矢量s_k进行预编码过程可以表示为：

x_k＝T_ks_k

式中预编码矩阵T_k的维数为BN×L_k，它将用户k的L_k个数据子流s_k最终映射到BN根发送天线上。通过设计每个用户的预编码矩阵T_k，就可以实现对干扰信号的抑制。

上述联合预编码技术有以下缺点：

1)为了实现联合编码，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高速移动环境中是比较困难的。

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很大)，系统性能会很快下降，在情况严重时联合的迫零算法甚至无法使用。

3)在多基站协作时发送信号的同步通常难以保证；通常来自多个基站的发送信号到达接收机时会产生较大的时间偏移，联合编码要求基站必须在发送数据之前对各用户信道进行预先的时间补偿，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，必须采用更加复杂的发送端控制技术来应对这一问题。

4)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，而许多技术正是由于成本和复杂度的问题而无法得到实用。因此寻找一种结构简单、具有低复杂度的干扰抑制技术是十分有必要的。

本发明实施例提供一种多小区干扰抑制方法及基站控制器。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

图1示出了本发明多小区干扰抑制方法实施例的流程图，如图1所示，包括：

S110：对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交。

S120：对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

图3示出了本发明上述实施例的系统原理框图，指出了本发明实施例中空间信号处理的基本流程。

S110中向量组的构造，具体可以通过以下方式实现：

构造一组波束形成的权值向量W_cell＝[W_cell1，W_cell2…W_cellk]，其中向量之间彼此正交。生成的方法可以采用随机的数学方法生成，如可以采用基于酉阵的数学方法生成，选取酉阵中的向量作为正交的权值向量，并且保证总功率的恒定，也可以基于经验值进行构造，如根据应用场景(如乡村、郊区或城市等)借鉴经验值产生。在乡村、效区或者城市无线环境不同，如乡村比较空旷，城市则高楼密布，因此不同的环境采用的合适的权向量是不一样的。这些合适的权向量可以通过实地测试来获得。

S110中第一层波束预处理，可以通过以下方式实现：

采用上述构造的W_cell集合中的不同向量对相邻的各小区进行加权预处理(第一层波束形成预处理)，如图2所示，每一小区可从向量集中选择一个向量，各小区对应的向量不同，实施方法如图4所示。图4中的S1(n)，...，SK(n)分别是发射给用户1，...，k的信号；相乘是矩阵相乘。

S120中，每一小区划分成两个子区域，可以如图5所示，小区中间划定圆形区域表示该小区的中心区域，其他区域为小区的边缘区域。

中心区域与边缘区域的比例视具体场景的情况而定，典型值例如可以取8∶2。

S120中第二层波束形成权值的确定，对于小区内两个子区域，可以分别定义两组不同的波束形成权值，小区中心的权值记为w_c，小区边缘区域的权值记为w_e。

两组不同的波束形成权值，可以分别按照以下原则A或B来确定。

A：在信道状态信息(Channel State Information，CSI)难以获取的情况下，采用随机波束的方式，随机产生多组正交的权值向量作为w_c和w_e集合。其中，w_c中的权值相互正交，w_e中的权值相互正交，且Wc和We中的权值也相互正交。。这两个权值集合类似于单小区的码本集合。对边缘区域权值w_e，各小区采用同一组合，即个小区边缘区域的权值都从w_e中取得，这样保证各小区边缘的波束权值保持正交，正交权值w_c和w_e产生可以采用基于酉阵的生成方法或参考现有文献的一些方法。

B：在部分或全部信道状态信息(CSI)已知的情况下，考虑到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(迫零，ZeroForcing)、MMSE(最小均方误差，Minimum Mean Squared Error)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)，因此并非最优的权值生成方法，本发明实施例中提出一种小区内最大化信漏噪比(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)、小区间基于博弈论最优化信干噪比(SINR)的权值选择方式，步骤如下：

B1：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下式所示：

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

其中SLNR_i表示第i个用户的信漏噪比，其原理如图6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。如图6所示，用户1根据SINR最大的原则选取了W1使得接收信号质量最佳，但同时其发射信号对于1以外的其它用户也会造成干扰，如对用户2的干扰由|H₂w₁|决定。

以上述(1)式最大化为目标，基于MMSE准则，可以推得如下(12)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)

其中，I表示归一化的对角阵。EV()表示矩阵的特征向量分解，上式说明权值向量与目标用户和干扰用户的信道信息有关。w_i的选取要使第i个用户的信干比最大，但第i个用户的接收信号同时受到其它用户的干扰，要综合考虑才能获量最佳结果，所以有关。干扰用户的信道信息指公式1中除H_i以外的其它H项。∝表示属于。

本发明实施例分下述两种情况分别给出信道信息的获取方法：

(a)在TDD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。

在TDD系统中，上下行采用相同的频段进行通信，但占用不同的时隙。如果上、下行传输时间间隔较短，可以认为上、下行的信道是一样的。因此，基站可以通过测量上行的信道来获得下行信道的信息。

(b)在FDD系统中，基站通过有限反馈(有限反馈的方法可参考文献Yang-wen Liang，Robert Schober，and Wolfgang Gerstacker，“Transmitbeamforming for frequency-selective channels with decision-feedback equalizaionIEEE transactions on wireless communications，vol.6，pp.4401-4411，Dec.2007.)，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。

采用上述方法就可得到小区内用户i第一次权值训练的结果w_i。

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波束形成方法进行多小区多用户进行干扰消除的应用场景。

并且，基于干扰用户信道信息检测目标用户信号泄露，并且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。

B2：基于博弈论对小区间同频用户进行第二次训练。

经过上述B1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(因为上面选择的时候只考虑了本用户的SINR最高，没有考虑本用户的信号对其它信号的干扰。因此在极端情况下可能由于同频用户的相互干扰，导致所有同频用户的信号质量都很差)，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(3)式来表示：

G＝[N，SINR_i，{u_i(·)}]        (3)

式(3)表示多小区非合作功率分配博弈模型，其中，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，其表达式如式(4)所示，{u_i(·)}为用户i的收益函数。

${\mathrm{SLNR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2}---\left(4\right)$

如式(4)所示，对于用户i的SINR_i中，目标用户的权值w_i与干扰用户的权值w_k是一对矛盾，可以用(5)式的收益函数{u_i(·)}来表示：

$u_i{\left({\mathrm{SINR}}_i\right)}^2=\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-{\mathrm{\λw}}_i---\left(5\right)$

其中α和λ为常数，对所有用户α可设置为一样。λ表示代价因子，用来定义受到干扰时用户所付出的代价，则博弈的目标就是使得式(5)所示的收益函数最大，即：

${\arg \max u}_i{\left({\mathrm{SINR}}_i\right)}^2=\arg \max (\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-{\mathrm{\λw}}_i)---\left(6\right)$

Arg表示遍历寻找符合条件的值。

为求得满足(6)式的收益函数，对(5)式针对w_i求导得：

$\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i}-\mathrm{\λ}=0---\left(7\right)$

对上式(7)求解，得：

$w_i=\sqrt{\frac{\mathrm{\α}}{\mathrm{\λk}}}-\frac{\mathrm{\α}}{k}---\left(8\right)$

其中k为一个关于w_k的函数。

式(8)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，用户i的权值w_i的选择和用户k的权值w_k的选择是相互影响的。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(9)式时，纳什平衡点存在且唯一。

|u_i+1-u_i|≤ε    (9)

其中ε表示收敛精度，是一极小值。

因此可以根据(8)式并结合(2)式调整w_k，直到满足(9)式，则二次训练结束。例如通过迭代计算，如先依次得到w1，w2，...wk，再反过来由wk计算wk-1，wk-2，..w1，一直到满足(9)式为止。

这样，每个用户都指配了一个权值矢量w_j，也就是前面提到的w_c(针对小区中心用户)或w_e(小区边缘用户)。

基于博弈论思想进行进行权值二次训练的方法，可以避免小区间用户间恶意的竞争和冲突。

S120中，对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理，可以根据下式(10)对编码调制后的符号S进行预处理：

X＝U_c(e)×w_e(e)×S    (10)

其中U_c(e)为中心区域c或边缘小区e对应的固定预处理矩阵(可以选择酉阵)，w_c(e)为w_c或w_e集合，X为处理后的符号。

图7示出了第二级波束形成原理图。如图7中所示，s_c(n)为小区中心的用户数据，U_cW_cs_c(n)为对其进行2层预编码后得到的数据；s_c(n)为小区边缘的用户数据，U_eW_es_e(n)为对其进行2层预编码后得到的数据；将需要发送的用户数据合并后得到x(n)＝U_cW_cs_c(n)+U_eW_es_e(n)，将x(n)在下行链路发送出去。

由以上实施例可见，基于分层波束形成的多小区干扰抑制，以不改变现有小区拓扑结构和通信模式为前提，在考虑软频率复用的基础上，利用两级波束形成的预处理，使得在较低复杂度下能够获得较好的多小区多用户干扰抑制的效果。

此外，本发明的思想适应于多小区多用户干扰消除的情况，部分算法也可以适用单小区多用户的情况，系统设计具有一定的延展性和伸缩性，有较强的实用性。

以下介绍本发明上述实施例的一个具体例子。图8示出了该实施例具体例子的流程图，如图8所示：

S810：基站控制器构造第一层波束形成向量集合。

该步骤中，仍如图2所示的相邻多小区的示意图，针对于k个小区，生成一组波束形成的权值向量W_cell＝[W_cell1，W_cell2…W_cellk]，其中向量之间彼此正交，生成的方法可以采用随机的数学方法生成，也可以根据应用场景(如乡村、郊区或城市等)借鉴经验值产生。在乡村、效区或者城市无线环境不同，如乡村比较空旷，城市则高楼密布，因此不同的环境采用的合适的权向量是不一样的。这些合适的权向量可以通过实地测试来获得。

S820：基站控制器对第一层波束形成进行预处理。

采用S801中构造的W_cell集合中的向量对相邻的各小区进行加权预处理(第一层波束形成预处理)，仍如图2所示，每一小区可从向量集中选择一个向量，各小区对应的向量不能相同，实施的方法如图4所示。图4中的S1(n)...SK(n)是发射给用户1，...，k的信号，相乘是矩阵相乘：如一个2×2的权向量W_cell和一个2×1的用号S_k(n)相乘。

S830：基站控制器将小区划分为中心区域和边缘区域。

在每一小区内，划分成两个子区域，仍如图5所示，小区中间划定圆形区域表示该小区的中心区域，其他区域为小区的边缘区域。中心区域与边缘区域的比例视具体场景的情况而定，典型值可以取8∶2。

S840：基站控制器确定第二层波束形成权值。

对于小区内两个子区域分别按照以下原则定义两组不同的波束形成权值，小区中心的权值记为w_c，小区边缘区域的权值记为w_e。

两组不同的波束形成权值，根据信道状态信息(CSI)是否易于获取，可以分别按照以下步骤S841或S842来确定。

S841：在信道状态信息(CSI)难以获取的情况下，采用随机波束的方式，随机产生多组正交的权值向量作为w_c和w_e集合。这两个权值集合类似于单小区的码本集合，对边缘区域权值w_e，各小区采用同一组合，这样保证各小区边缘的波束权值保持正交，正交权值w_c和w_e产生可以采用基于酉阵的生成方法或参考现有文献的一些方法。

S842：在部分或全部信道状态信息(CSI)已知的情况下，考虑到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、MMSE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)，因此并非最优的权值生成方法，本发明提出一种小区内最大化信漏噪比(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)、小区间基于博弈论最优化信干噪比(SINR)的权值选择思路，步骤如下：

S842a：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。

信漏噪比的表达式如下式所示：

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

其中SLNR_i表示第i个用户的信漏噪比，其原理如图6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。如图6所示，用户1根据SINR最大的原则选取了W1使得接收信号质量最佳，但同时其发射信号对于1以外的其它用户也会造成干扰，如对用户2的干扰由|H₂w₁|²决定。

以上述(1)式最大化为目标，基于MMSE准则，可以推得如下(12)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)

其中，I表示归一化的对角阵。EV()表示矩阵的特征向量分解，上式说明权值向量与目标用户和干扰用户的信道信息有关。w_i的选取要使第i个用户的信干比最大，但第i个用户的接收信号同时受到其它用户的干扰，要综合考虑才能获量最佳结果，所以有关。干扰用户的信道信息指公式1中除H_i以外的其它H项。∝表示属于。

分下述两种情况分别给出信道信息的获取方法：

(a)在TDD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。

在TDD系统中，上下行采用相同的频段进行通信，但占用不同的时隙。如果上、下行传输时间间隔较短，可以认为上、下行的信道是一样的。因此，基站可以通过测量上行的信道来获得下行信道的信息。

(b)在FDD系统中，基站通过有限反馈(有限反馈的方法可参考文献Yang-wen Liang，Robert Schober，and Wolfgang Gerstacker，“Transmitbeamforming for frequency-selective channels with decision-feedback equalizationIEEE transactions on wireless communications，vol.6，pp.4401-4411，Dec.2007.)，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。

采用上述方法就可得到小区内用户i第一次权值训练的结果w_i。

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波束形成方法进行多小区多用户进行干扰消除的应用场景。

并且，基于干扰用户信道信息检测目标用户信号泄露，并且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。

S842b：基站控制器基于博弈论对小区间同频用户进行第二次训练。

经过上述S842a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(因为上面选择的时候只考虑了本用户的SINR最高，没有考虑本用户的信号对其它信号的干扰。因此在极端情况下可能由于同频用户的相互干扰，导致所有同频用户的信号质量都很差)，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(3)式来表示：

G＝[N，SINR_i，{u_i(·)}]    (3)

式(3)表示多小区非合作功率分配博弈模型，其中，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，其表达式如式(4)所示，{u_i(·)}为用户i的收益函数。

${\mathrm{SINR}}_i=\frac{{\left|\right|H_i{w}_i\left|\right|}^2}{{\mathrm{\σ}}_i^2+\underset{k=1,k\≠i}{\overset{K}{\mathrm{\Σ}}}{\left|\right|H_i{w}_k\left|\right|}^2}---\left(4\right)$

如式(4)所示，对于用户i的SINR_i中，目标用户的权值w_i与干扰用户的权值w_k是一对矛盾，可以用(5)式的收益函数{u_i(·)}来表示：

$u_i{\left({\mathrm{SINR}}_i\right)}^2=\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-\mathrm{\λ}{w}_i---\left(5\right)$

其中α和λ为常数，对所有用户α可设置为一样。λ表示代价因子，用来定义受到干扰时用户所付出的代价，则博弈的目标就是使得式(5)所示的收益函数最大，即：

${\arg \max u}_i{\left({\mathrm{SINR}}_i\right)}^2=\arg \max (\frac{{\mathrm{SINR}}_i}{{\mathrm{SINR}}_i+\mathrm{\α}}-\mathrm{\λ}{w}_i)---\left(6\right)$

Arg表示遍历寻找符合条件的值。

为求得满足(6)式的收益函数，对(5)式针对w_i求导得：

$\frac{{\∂u}_i^2}{{\∂w}_i}=\frac{{\∂u}_i^2}{\∂\left({\mathrm{SINR}}_i\right)}\frac{\∂\left({\mathrm{SINR}}_i\right)}{{\∂w}_i}-\mathrm{\λ}=0---\left(7\right)$

对上式(7)求解，得：

$w_i=\sqrt{\frac{\mathrm{\α}}{\mathrm{\λk}}}-\frac{\mathrm{\α}}{k}---\left(8\right)$

其中k为一个关于w_k的函数。

式(8)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，用户i的权值w_i的选择和用户k的权值w_k的选择是相互影响的。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(9)式时，纳什平衡点存在且唯一。

|u_i+1-u_i|≤ε    (9)

其中ε表示收敛精度，是一极小值。

因此可以根据(8)式并结合(2)式调整w_k，直到满足(9)式，则二次训练结束。例如通过迭代计算，如先依次得到w1，w2，...wk，再反过来由wk计算wk-1，wk-2，..w1，一直到满足(9)式为止。

这样，每个用户都指配了一个权值矢量w_i，也就是前面提到的w_c(针对小区中心用户)或w_e(小区边缘用户)。

基于博弈论思想进行权值二次训练的方法，可以避免小区间用户间恶意的竞争和冲突。

S850：基站控制器对第二层波束形成进行预处理。

采用上述步骤4产生的权值w_c或w_e，进行第二层的波束加权预处理，处理方法见图7。

S851：根据子区域划分，将(4)产生的权值归入w_c或w_e集合；

S852：根据式(10)对编码调制后的符号S进行预处理：

X＝U_c(e)×w_c(e)×S    (10)

其中U_c(e)为中心区域c或边缘小区e对应的固定预处理矩阵(可以选择酉阵)，w_c(e)为w_c或w_e集合，X为处理后的符号。

图7示出了第二级波束形成原理图。

以下介绍本发明一种基站控制器的实施例，图9示出了该基站控制器实施例的框图，如图9所示，包括：

第一层波束预处理单元91，用于对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；

第二层波束预处理单元92，用于对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

优选的，所述的基站控制器中，所述向量组中的向量采用基于酉阵的数学方法生成。

优选的，所述的基站控制器中，所述中心区域与边缘区域的比例为8∶2。

优选的，所述的基站控制器中，还可以如图10所示，还包括小区中心和小区边缘波束形成权值的第一确定单元93，用于在信道状态信息难以获取的情况下，采用随机波束的方式，随机产生多组正交的权值向量作为小区中心和小区边缘的波束形成权值集合。

优选的，所述的基站控制器中，所述的边缘区域权值的集合对于各相邻小区选择使用同一权值集合。

优选的，所述的基站控制器中，还可以如图11所示，还包括小区中心和小区边缘的波束形成权值第二确定单元94，用于在部分或全部信道状态信息已知的情况下，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，再基于博弈论对小区间同频用户进行第二次训练。

优选的，所述的基站控制器中，还可以如图12所示，所述第二确定单元94包括第一次训练单元941和第二次训练单元942，其中，

第一次训练单元941，以信漏噪比的表达式最大化为目标，基于MMSE准则，得到：

w_i∝EV((σ²I+[H₁…H_i-1，H_i+1一H_k]^*[H₁…H_i-1，H_i+1…H_k])^-1H_i ^*H_i)

其中，w_i为小区内用户i第一次权值训练的结果；EV(□)表示矩阵的特征向量分解；

信漏噪比的表达式如下式所示：

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

其中，SLNR_i表示第i个用户的信漏噪比，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；

第二次训练单元942，定义

根据纳什平衡点定义，当收益函数{u_i(·)}满足|u_i+1-u_i|≤ε式时，纳什平衡点存在且唯一；

基于最大化收益函数的要求调整w_k，直到满足|u_i+1-u_i|≤ε式，得到此时的w_k；w_k表示用户k得到的权值。

优选的，所述的基站控制器中，还可以如图13所示，所述基站控制器还包括第一信道信息获取单元95，用于在TDD系统中，利用信道的互易性，等效获取基站侧通过对各个用户的上行信道进行估计而得到的下行信道的信道信息。

优选的，所述的基站控制器中，还可以如图14所示，所述基站控制器还包括第二信道信息获取单元96，用于在FDD系统中，获取基站通过有限反馈得到的各用户的信道信息。

优选的，所述的基站控制器中，还可以如图15所示，所述第二层波束预处理单元包括归入单元921和预处理单元922，其中，

所述归入单元921，用于根据子区域划分，将产生的波束形成权值归入w_c或w_e集合；

所述预处理单元922，用于根据下式对符号S进行预处理：

X＝U_c(e)×w_c(e)×S

其中，U_c(e)为中心区域c或边缘小区e对应的固定预处理矩阵，w_c(e)为w_c或w_e集合，X为处理后的符号。

上述本发明提出的实施例，以不改变现有小区拓扑结构和通信模式为前提，在考虑软频率复用的基础上，利用两级波束形成的预处理使得在较低复杂度下能够获得较好的多小区多用户干扰抑制的效果。本发明实施例中提出的多小区波束形成权值生成的准则和方法，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波束形成方法进行多小区多用户进行干扰消除的应用场景。本发明实施例中提出的基于干扰用户信道信息检测目标用户信号泄露的思路，并且提出了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的方法，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。本发明实施例中提出的小区间同频用户间基于博弈论思想进行权值二次训练的方法，避免了小区间用户间恶意的竞争和冲突。本发明实施例的思想适应于多小区多用户干扰消除的情况，部分算法也可以适用单小区多用户的情况，系统设计具有一定的延展性和伸缩性，有较强的实用性。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本发明实施例，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。

Claims (18)

1.一种多小区干扰抑制方法，其特征在于，包括：

对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；

对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

2.如权利要求1所述的方法，其特征在于，所述向量组中的向量采用基于酉阵的数学方法生成。

3.如权利要求1所述的方法，其特征在于，所述小区中心和小区边缘的波束形成权值采用如下方式确定：

在信道状态信息难以获取的情况下，采用随机波束的方式，随机产生多组正交的权值向量作为小区中心和小区边缘的波束形成权值集合。

4.如权利要求1所述的方法，其特征在于，所述的边缘区域权值的集合对于各相邻小区选择使用同一权值集合。

5.如权利要求1所述的方法，其特征在于，所述小区中心和小区边缘的波束形成权值采用如下方式确定：

在部分或全部信道状态信息已知的情况下，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，再基于博弈论对小区间同频用户进行第二次训练。

6.如权利要求5所述的方法，其特征在于，所述基于最大化信漏噪比的原则在小区内进行第一次训练，包括：

以信漏噪比的表达式最大化为目标，基于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)

其中，w_i为小区内用户i第一次权值训练的结果；EV(□)表示矩阵的特征向量分解；

信漏噪比的表达式如下式所示：

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

其中，SLNR_i表示第i个用户的信漏噪比，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。

7.如权利要求5或6所述的方法，其特征在于，所述信道信息通过以下方式获取：

在TDD系统中，利用信道的互易性，在基站侧对各个用户的上行信道进行估计，等效获取下行信道的信道信息；或，

在FDD系统中，基站通过有限反馈，得到各用户反馈的信道信息。

8.如权利要求5所述的方法，其特征在于，所述基于博弈论对小区间同频用户进行第二次训练包括：

定义

根据纳什平衡点定义，当收益函数{u_i(·)}满足|u_i+1-u_i|≤ε式时，纳什平衡点存在且唯一；

基于最大化收益函数的要求调整w_k，直到满足|u_i+1-u_i|≤ε式，得到此时的w_k；w_k表示用户k得到的权值。

9.如权利要求5、6或8所述的方法，其特征在于，所述对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理包括：

根据子区域划分，将产生的波束形成权值归入w_c或w_e集合；

根据下式对符号S进行预处理：

X＝U_c(e)×w_c(e)×S

其中，U_c(e)为中心区域c或边缘小区e对应的固定预处理矩阵，w_c(e)为w_c或w_e集合，X为处理后的符号。

10.一种基站控制器，其特征在于，包括：

第一层波束预处理单元，用于对相邻的不同小区采用构造的向量组中不同的向量进行第一层波束预处理；所述构造的向量组中的向量两两正交；

第二层波束预处理单元，用于对处于小区中心的用户和处于小区边缘的用户采用不同的权值进行第二层波束预处理；小区中心与小区边缘用户采用的权值正交。

11.如权利要求10所述的基站控制器，其特征在于，所述向量组中的向量采用基于酉阵的数学方法生成。

12.如权利要求10所述的基站控制器，其特征在于，还包括小区中心和小区边缘的波束形成权值第一确定单元，用于在信道状态信息难以获取的情况下，采用随机波束的方式，随机产生多组正交的权值向量作为小区中心和小区边缘的波束形成权值集合。

13.如权利要求10所述的基站控制器，其特征在于，所述的边缘区域权值的集合对于各相邻小区选择使用同一权值集合。

14.如权利要求10所述的基站控制器，其特征在于，还包括小区中心和小区边缘的波束形成权值第二确定单元，用于在部分或全部信道状态信息已知的情况下，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，再基于博弈论对小区间同频用户进行第二次训练。

15.如权利要求14所述的基站控制器，其特征在于，所述第二确定单元包括第一次训练单元和第二次训练单元，其中，

第一次训练单元，以信漏噪比的表达式最大化为目标，基于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)

其中，w_i为小区内用户i第一次权值训练的结果；EV(□)表示矩阵的特征向量分解；

信漏噪比的表达式如下式所示：

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

其中，SLNR_i表示第i个用户的信漏噪比，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；

第二次训练单元，定义

根据纳什平衡点定义，当收益函数{u_i(·)}满足|u_i+1-u_i|≤ε式时，纳什平衡点存在且唯一；

基于最大化收益函数的要求调整w_k，直到满足|u_i+1-u_i|≤ε式，得到此时的w_k；w_k表示用户k得到的权值。

16.如权利要求14所述的基站控制器，其特征在于，所述基站控制器还包括第一信道信息获取单元，用于在TDD系统中，利用信道的互易性，等效获取基站侧通过对各个用户的上行信道进行估计而得到的下行信道的信道信息。

17.如权利要求14所述的基站控制器，其特征在于，所述基站控制器还包括第二信道信息获取单元，用于在FDD系统中，获取基站通过有限反馈得到的各用户的信道信息。

18.如权利要求10所述的基站控制器，其特征在于，所述第二层波束预处理单元包括归入单元和预处理单元，其中，

所述归入单元，用于根据子区域划分，将产生的波束形成权值归入w_c或w_e集合；

所述预处理单元，用于根据下式对符号S进行预处理：

X＝U_c(e)×w_c(e)×S

其中，U_c(e)为中心区域c或边缘小区e对应的固定预处理矩阵，w_c(e)为w_c或w_e集合，X为处理后的符号。

Images