CN102104450A - Mu-mimo系统中的发送方法和设备 - Google Patents

Abstract

本发明提出了一种发送方法，包括步骤：接收由K个用户设备中的每一个反馈的优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，其中1≤K；根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵，其中1≤M≤K；利用所产生的预编码矩阵对所选择的M个用户设备的用户数据进行预编码；以及发送预编码后的用户数据。还提出了实施该发送方法的基站、以及包括这种基站和用户设备的MU-MIMO系统。根据本发明的发送方法利用有限的用户设备的反馈，进行多用户设备间的联合调度和预编码，简化了用户设备的SINR的估计，并提高了系统的总速率。

Description

MU-MIMO系统中的发送方法和设备

技术领域

本发明涉及无线通信领域，更具体地，涉及多用户-多输入多输出MU-MIMO系统中的发送方法和设备。

背景技术

在MU-MIMO广播下行链路中，来自其它用户的数据流的同信道干扰(CCI)是系统容量的瓶颈。为了消除CCI，发射机需要进行预编码，以使得每个用户的数据流处于所有其它用户信道的零空间中。通常，零化(nulling)过程需要发送机同时服务的所有用户的精确的信道状态信息(CSI)。然而，在基站(BS)处获得这些CSI很不容易。在仅有有限的CSI反馈的情况下，广播的总速率下降很多。通常，利用线性信号处理，同时发送的所有用户的数据流的数目应该不大于发射天线的数目。如果有效用户的数目超出限制，则基站将选择用户子集进行服务。用户的调度与物理层的预编码方案相关。

除了不实用的DPC(脏纸编码)预编码方案之外，现有的最佳方案是迫零(ZF)预编码和相应的基于估计的SINR(信号与干扰加噪声功率比)的连续用户调度方案。该方案可参见3GPP LTE R1-062483。但是，由于仅在知道了最终所选的用户之后才能够精确地设计出ZF预编码方案，所以该方案存在局限性。此外，在用户调度过程中，发送机一侧仅能够使用估计的SINR，这也会导致性能下降。

另一种简单的调度方案是一次仅选择一个用户进行服务(即单用户(SU)MIMO方案)，从而避免了CCI。然而，在这种方案下，发送机无法同时服务多个用户。而且，单用户(SU)MIMO方案无法使用多用户分集技术，从总速率的角度看，这是不利的。采用多用户分集技术，例如在某个时隙同时发送用户i的第一数据流和用户k的第二数据流，可以提高总数率。

发明内容

本发明的目的在于提供一种基站和其执行的发送方法，利用有限的用户设备的反馈，进行多用户设备间的联合调度和预编码，简化了用户设备的SINR的估计，并提高了系统的总速率。

根据本发明的第一方案，提出了一种发送方法，包括步骤：接收由K个用户设备中的每一个反馈的优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，其中1≤K；根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵，其中1≤M≤K；利用所产生的预编码矩阵对所选择的M个用户设备的用户数据进行预编码；以及发送预编码后的用户数据。

优选地，根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵的步骤包括：针对每个用户设备，根据量化误差和信道矩阵的最大奇异值来估计信号与干扰加噪声功率比SINR；选择具有最大SINR的用户设备，作为第一用户设备；根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵，作为预编码矩阵；以及根据所产生的预编码矩阵来选择其它M-1个用户设备。

优选地，根据所产生的预编码矩阵来选择其它M-1个用户设备的步骤包括：选择信道与所产生的预编码矩阵中除所述第一用户设备的预编码向量之外的各个预编码向量相匹配的其它M-1个用户设备。

优选地，根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵作为预编码矩阵的步骤包括：对所述优选预编码向量进行奇异值分解；将得到的右酉矩阵作为预编码矩阵。

优选地，所述方法用于多用户-多输入多输出MU-MIMO系统的基站中。

优选地，基站和用户设备存储有相同的码本。

根据本发明的第二方案，提出一种基站，包括：接收单元，接收由K个用户设备中的每一个反馈的优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，其中1≤K；调度单元，根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵，其中1≤M≤K；预编码单元，利用调度单元所产生的预编码矩阵对调度单元所选择的M个用户设备的用户数据进行预编码；以及发送单元，发送预编码后的用户数据。

优选地，调度单元通过以下步骤来选择M个用户设备并产生预编码矩阵：针对每个用户设备，根据量化误差和信道矩阵的最大奇异值来估计信号与干扰加噪声功率比SINR；选择具有最大SINR的用户设备，作为第一用户设备；根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵，作为预编码矩阵；以及根据所产生的预编码矩阵来选择其它M-1个用户设备。

优选地，调度单元根据所产生的预编码矩阵，选择信道与所产生的预编码矩阵中除所述第一用户设备的预编码向量之外的各个预编码向量相匹配的其它M-1个用户设备。

优选地，基站存储有与用户设备相同的码本。

优选地，调度单元对第一用户设备的优选预编码向量索引所对应的优选预编码向量进行奇异值分解，并将得到的右酉矩阵作为预编码矩阵。

优选地，所述基站用于多用户-多输入多输出MU-MIMO系统。

根据本发明的另一方案，提出了一种多用户-多输入多输出MU-MIMO系统，包括如上所述的基站和多个用户设备。

附图说明

结合附图，根据下面对本发明的非限制性实施例的详细描述，本发明的上述及其他目的、特征和优点将变得更加清楚，附图中：

图1示出了根据本发明实施例的MU-MIMO系统的示意图；

图2示出了根据本发明实施例的MU-MIMO系统的结构示意图；

图3示出了根据本发明实施例的MU-MIMO系统的下行链路上的发送方法的流程图；

图4是示出了采用根据本发明实施例的发送方法的多用户MU-MIMO系统和采用线性MMSE接收机的单用户SU-MIMO的总速率的累积概率分布函数(CDF)的比较的仿真图；以及

图5是示出了根据本发明实施例的发送方法和具有等功率分配的迫零波束赋形(ZFEP)方法的总速率CDF的比较的仿真图。

具体实施方式

下面，根据附图描述本发明。在以下描述中，一些具体实施例仅用于描述目的，而不应该理解为对本发明有任何限制，而只是本发明的示例。省略了常规结构或构造，以免导致对本发明的理解不清楚。

在下面的说明中，使用(.)^T、(.)^*、‖.‖和[.]_i分别表示矩阵的转置、共轭、F(Frobenius)范数和第i列。

【系统模型】

下面以MU-MIMO系统的下行链路为例进行说明。

图1示出了根据本发明实施例的MU-MIMO系统的示意图。该MU-MIMO系统中，基站具有M根发射天线，存在K个用户，每个用户具有N根天线。仅考虑每个用户有一个数据流的情况。如果K＞M，则在一个时隙中基站仅能够服务K个用户中的M个用户。

用户k接收到的信号表示为：

$y_k=G_k(H_k{T}_k\sqrt{p_k}{s}_k+H_k\underset{i=1,i\≠k}{\overset{M}{\mathrm{\Σ}}}{T}_i\sqrt{p_i}{s}_i+n_k)---\left(1\right)$

其中，H_k是用户k的N×M信道矩阵，该矩阵的每个元素符合零均值、单位方差的高斯分布。T_k和G_k是用户k的预编码向量和接收合并向量。p_k是分配给用户k的数据流的信号功率。假设存在总功率限制 $P={\mathrm{\Σ}}_{k=1}^M{p}_k.$ s_k是用户k的数据符号，n_k是接收到的噪声，假设n_k是白噪声，符合n_k□CN(0，σ²)。

假设采用等功率分配方案。对于最终选择的M个用户，信噪比SNR可以定义为β＝P/Mσ²。使用最小均方误差MMSE接收合并方法，表示为

$G_k={\left(H_k{T}_k\right)}^H{(\left(H_k{T}_k\right){\left(H_k{T}_k\right)}^H+\frac{1}{\mathrm{\β}}{I}_N)}^{-1}---\left(2\right)$

对表达式(2)进行归一化，得到单位向量 $\tilde{G}=G/\left|\right|G\left|\right|.$ 在得到

的过程中省略了干扰项。

因此，用户k的SINR表示为

${\mathrm{SINR}}_k=\frac{{\left|{\tilde{G}}_k{H}_k{T}_k\right|}^2}{\underset{i=1,i\≠k}{\overset{M}{\mathrm{\Σ}}}{\left|{\tilde{G}}_k{H}_k{T}_i\right|}^2+\frac{1}{\mathrm{\β}}}---\left(3\right)$

首先对SINR进行一些近似。

【SINR的近似】

通常，预编码向量应该使得信道增益与最大奇异值相对应，即使用信道的右奇异矩阵的第一列，这表示为

T_k＝[V_k]₁                                                  (4)

其中，V_k是信道 $H_k=U_k{\mathrm{\Σ}}_k{V}_k^H$ 的右奇异矩阵。然而，由于CSI的不精确性以及用户间干扰的平衡，T_k并不总是[V_k]₁，但是通常仍然非常接近[V_k]₁。

尽管由于量化误差导致最终的预编码向量并不精确地等于[V_k]₁，但是T_k仍然非常接近[V_k]₁，因此在产生G_k的过程中近似地使用[V_k]₁。

$G_k={\left(H_k{T}_k\right)}^H{(\left(H_k{T}_k\right){\left(H_k{T}_k\right)}^H+\frac{1}{\mathrm{\β}}{I}_N)}^{-1}$

$={\left({\mathrm{\λ}}_k^{\max }{\left[U_k\right]}_1\right)}^H{(H_k{\left[V_k\right]}_1{{\left[V_k\right]}_1}^H{H_k}^H+\frac{1}{\mathrm{\β}}{I}_N)}^{-1}---\left(5\right)$

$={\left({\mathrm{\λ}}_k^{\max }{\left[U_k\right]}_1\right)}^H{(U_k\mathrm{diag}({\left({\mathrm{\λ}}_k^{\max }\right)}^2,0,...,0){U_k}^H+\frac{1}{\mathrm{\β}}{I}_N)}^{-1}$

其中 ${\mathrm{\λ}}_k^{\max }\≥{\mathrm{\λ}}_k^2\≥...\≥{\mathrm{\λ}}_k^N$ 是H_k的奇异值。

$G_k{H}_k{T}_k={\left({\mathrm{\λ}}_k^{\max }{\left[U_k\right]}_1\right)}^H{\left(U_k\mathrm{diag}({\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}},...,\frac{1}{\mathrm{\β}}){U_k}^H\right)}^{-1}{U}_k{\mathrm{\Σ}}_k{V}_k^H{T}_k$

$={\mathrm{\λ}}_k^{\max }{{\left[U_k\right]}_1}^H{U}_k\mathrm{diag}({\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}},...,\frac{1}{\mathrm{\β}}){U_k}^H{U}_k{\mathrm{\Σ}}_k{V}_k^H{T}_k$

$={\mathrm{\λ}}_k^{\max }[\mathrm{1,0},...,0]\mathrm{diag}({\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}},...,\frac{1}{\mathrm{\β}}){\mathrm{\Σ}}_k{V}_k^H{T}_k---\left(6\right)$

$=\frac{{\left({\mathrm{\λ}}_k^{\max }\right)}^2}{{\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}}}{{\left[V_k\right]}_1}^H{T}_k$

类似地，

$G_k{H}_k{T}_i=\frac{{\left({\mathrm{\λ}}_k^{\max }\right)}^2}{{\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}}}{{\left[V_k\right]}_1}^H{T}_i---\left(7\right)$

将表达式(5)-(7)代入表达式(3)，就可以得到用户k的SINR的近似表达式

${\mathrm{SINR}}_k=\frac{{\left({\mathrm{\λ}}_k^{\max }\right)}^2{\left|{\left[V_k\right]}_1^H{T}_k\right|}^2}{{\left({\mathrm{\λ}}_k^{\max }\right)}^2\underset{i=1,i\≠k}{\overset{M}{\mathrm{\Σ}}}{\left|{\left[V_k\right]}_1^H{T}_i\right|}^2+\frac{1}{\mathrm{\β}}[{\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}}]}---\left(8\right)$

其中λ_k ^max是H_k的最大奇异值。

在本发明中，采用酉矩阵预编码算法。在酉矩阵预编码算法中，预编码矩阵为方阵，即预编码矩阵中的预编码向量个数和发射天线个数相等，并且预编码矩阵中的向量彼此正交，这样能够有效地降低多用户间的干扰，也方便基站对各用户的SINR的估算。

由于使用酉矩阵预编码算法，即T_k(k＝1，...，M)是正交的，并且具有单位范数，表达式(8)可以进一步简化为

${\mathrm{SINR}}_k=\frac{{\left({\mathrm{\λ}}_k^{\max }\right)}^2{\left|{\left[V_k\right]}_1^H{T}_k\right|}^2}{{\left({\mathrm{\λ}}_k^{\max }\right)}^2(1-{\left|{\left[V_k\right]}_1^H{T}_k\right|}^2)+\frac{1}{\mathrm{\β}}[{\left({\mathrm{\λ}}_k^{\max }\right)}^2+\frac{1}{\mathrm{\β}}]}---\left(9\right)$

注意，从表达式(9)可见，由于采用酉矩阵预编码算法，SINR_k的估计与其它用户的预编码向量无关，因此调度算法的灵活性较大。

【有限反馈】

基站和每个用户都使用相同的码本来量化T_k。基站在实际发送中使用量化的预编码向量

$T_k=\underset{C_i}{\min }{\left|{\left[V_k\right]}_1^H{C}_i\right|}^2---\left(10\right)$

集合{C_i，i＝1，2，...，2^B}为基站和用户使用的相同的码本，其中的每一个C_i为该码本中的一个码字(就是一个可以作为预编码的向量)，其中2^B为使用的码本中的码字数目，B为反馈该码本中的一个码字的序号所需要的比特数。

从表达式(9)可见，基站仅需要知道λ_k ^max和|[V_k]₁ ^HT_k|²就可以计算每个用户的SINR。|[V_k]₁ ^HT_k|²表示量化误差，用户设备根据自己的信道矩阵和预存储的码本可计算出该值。因此，每个用户的总反馈负荷包括：码本中的索引和表示量化误差和信道矩阵的最大奇异值的两个参数，这在具有有限反馈的实际场景中非常容易实现。

图2示出了根据本发明实施例的MU-MIMO系统的结构示意图。

如图2所示，根据本发明实施例的MU-MIMO系统包括基站10和多个用户设备20。

根据本发明实施例的基站10包括接收单元101、调度单元102、预编码单元103和发送单元104。根据本发明实施例的用户设备20包括接收单元201和发送单元202。

基站的接收单元101从用户设备20的发送单元202接收反馈，包括优选预编码向量的索引、以及表示量化误差和信道矩阵的最大奇异值的两个参数。

基站的调度单元102根据用户设备20的反馈，选择M个用户设备并产生预编码矩阵。

具体地，调度单元102针对每个用户设备计算其SINR，并选择具有最大SINR的用户设备作为第一用户设备。然后，使用第一用户设备的预编码向量T₁来产生酉矩阵W＝[T₁...T_M]，作为预编码矩阵。可以简单地通过以下方法得到W：对T₁进行奇异值分解T₁＝U∑V^H，并且W＝V＝[T₁...T_M]。T₂，...T_M是第二用户设备到第M用户设备的预编码向量。调度单元102逐一选择用户设备，直到最终选择了M个用户设备为止。

在选择第m(m＝2，3，...，M)个用户设备的过程中，按照如下准则选择第m用户设备

$\mathrm{ind}\_m=\arg \underset{j\∈S}{\max }{\mathrm{SINR}}_j$

$=\frac{{\left({\mathrm{\λ}}_j^{\max }\right)}^2{\left|{\left[v_j\right]}_1^H{T}_m\right|}^2}{{\left({\mathrm{\λ}}_j^{\max }\right)}^2(1-{\left|{\left[v_j\right]}_1^H{T}_m\right|}^2)+\frac{1}{\mathrm{\β}}[{\left({\mathrm{\λ}}_j^{\max }\right)}^2+\frac{1}{\mathrm{\β}}]}---\left(11\right)$

其中S是此时尚未选择的用户的集合。

从表达式(11)可见，选择的第2用户设备到第M用户设备是信道与所产生的酉矩阵中的预编码向量匹配最好的M-1个用户设备。

调度单元102将所选用户设备的用户数据以及预编码矩阵W发送给预编码单元103。

然后，基站的预编码单元103利用调度单元102所产生的预编码矩阵，对调度单元102所选的用户设备的用户数据进行预编码，然后发送给发送单元104。

基站的发送单元104将预编码后的用户数据发送给各个用户设备。

用户设备20的接收单元201接收基站发送的数据。

图3示出了根据本发明实施例的MU-MIMO系统的下行链路上的发送方法的流程图。

在步骤S301处，基站接收每个用户设备反馈的优选预编码向量索引、量化误差和信道最大奇异值。

然后，基站根据接收到的反馈，选择M个用户设备。

具体地，在步骤S303处，基站根据接收到的反馈，计算每个用户设备的SINR。

然后，在步骤S305处，基站选择计算出的SINR最大的用户设备，作为第一用户设备。

在步骤S307处，基站根据第一用户设备的优选预编码向量，产生预编码酉矩阵。

在步骤S309处，基站根据产生的预编码酉矩阵，来选择要服务的其它用户设备。

具体地，基站选择信道与产生的预编码酉矩阵中的各个预编码向量匹配的用户设备。

然后，在步骤S311处，基站利用产生的预编码矩阵，对所选择的用户设备的用户数据进行预编码。

最后，在步骤S313处，基站通过发射天线将预编码后的用户数据发送出去。

图4是示出了采用根据本发明实施例的发送方法的多用户MU-MIMO系统和采用线性MMSE接收机的单用户SU-MIMO的总速率的累积概率分布函数(CDF)的比较的仿真图。在仿真中，M＝2，N＝2，K＝10，并且使用6比特格拉斯曼(Grassmannian)码本。在SU-MIMO中，针对10个用户中具有最大总速率的用户发送两个数据流。从图4中可见，由于在减少CCI和实现多用户分集之间实现了权衡，所以根据本发明的发送方法的总速率得到提高。

图5是示出了根据本发明实施例的发送方法和具有等功率分配的迫零波束赋形(ZFEP)方法的总速率CDF的比较的仿真图。在仿真中，M＝4，N＝1，K＝20，并且使用7比特格拉斯曼码本。注意，ZFEP仅需要反馈码本索引和一个标量，与根据本发明实施例的发送方法相比，所需的反馈负荷少一个标量。然而，在根据本发明实施例的发送方法中，总速率得到极大地提高。从图5可见，5dB SNR的根据本发明实施例的发送方法也比10dB SNR的ZFEP方法的性能更好。

尽管以上描述涉及多个单元，但是通过将一个单元划分为多个单元或将多个单元组合为一个单元，只要其仍能执行相应的功能，也可以实现本发明。

本领域技术人员应该很容易认识到，可以通过编程计算机实现上述方法的不同步骤。在此，一些实施方式同样包括机器可读或计算机可读的程序存储设备(如，数字数据存储介质)以及编码机器可执行或计算机可执行的程序指令，其中，该指令执行上述方法的一些或全部步骤。例如，程序存储设备可以是数字存储器、磁存储介质(如磁盘和磁带)、硬件或光可读数字数据存储介质。实施方式同样包括执行上述方法的所述步骤的编程计算机。

描述和附图仅示出本发明的原理。因此应该意识到，本领域技术人员能够建议不同的结构，虽然这些不同的结构未在此处明确描述或示出，但体现了本发明的原理并包括在其精神和范围之内。此外，所有此处提到的示例明确地主要只用于教学目的以帮助读者理解本发明的原理以及发明人所贡献的促进本领域的构思，并应被解释为不是对这些特定提到的示例和条件的限制。此外，此处所有提到本发明的原则、方面和实施方式的陈述及其特定的示例包含其等同物在内。

上面的描述仅用于实现本发明的实施方式，本领域的技术人员应该理解，在不脱离本发明的范围的任何修改或局部替换，均应该属于本发明的权利要求来限定的范围，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (13)

1.一种发送方法，包括步骤：

接收由K个用户设备中的每一个反馈的优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，其中1≤K：

根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵，其中1≤M≤K；

利用所产生的预编码矩阵对所选择的M个用户设备的用户数据进行预编码；以及

发送预编码后的用户数据。

2.根据权利要求1所述的发送方法，其中根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵的步骤包括：

针对每个用户设备，根据量化误差和信道矩阵的最大奇异值来估计信号与干扰加噪声功率比SINR；

选择具有最大SINR的用户设备，作为第一用户设备；

根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵，作为预编码矩阵；以及

根据所产生的预编码矩阵来选择其它M-1个用户设备。

3.根据权利要求2所述的发送方法，其中，根据所产生的预编码矩阵来选择其它M-1个用户设备的步骤包括：

选择信道与所产生的预编码矩阵中除所述第一用户设备的预编码向量之外的各个预编码向量相匹配的其它M-1个用户设备。

4.根据权利要求2所述的发送方法，其中，根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵作为预编码矩阵的步骤包括：

对所述优选预编码向量进行奇异值分解；

将得到的右酉矩阵作为预编码矩阵。

5.根据权利要求1所述的发送方法，其中，所述发送方法用于多用户-多输入多输出MU-MIMO系统的基站中。

6.根据权利要求5所述的发送方法，其中，基站和用户设备存储有相同的码本。

7.一种基站，包括：

接收单元，接收由K个用户设备中的每一个反馈的优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，其中1≤K；

调度单元，根据所述优选预编码向量索引和量化误差、以及信道矩阵的最大奇异值，选择M个用户设备并产生预编码矩阵，其中1≤M≤K；

预编码单元，利用调度单元所产生的预编码矩阵对调度单元所选择的M个用户设备的用户数据进行预编码；以及

发送单元，发送预编码后的用户数据。

8.根据权利要求7所述的基站，其中，调度单元通过以下步骤来选择M个用户设备并产生预编码矩阵：

针对每个用户设备，根据量化误差和信道矩阵的最大奇异值来估计信号与干扰加噪声功率比SINR；

选择具有最大SINR的用户设备，作为第一用户设备；

根据第一用户设备的优选预编码向量索引所对应的优选预编码向量，产生酉矩阵，作为预编码矩阵；以及

根据所产生的预编码矩阵来选择其它M-1个用户设备。

9.根据权利要求8所述的基站，其中，调度单元根据所产生的预编码矩阵，选择信道与所产生的预编码矩阵中除所述第一用户设备的预编码向量之外的各个预编码向量相匹配的其它M-1个用户设备。

10.根据权利要求7所述的基站，其中，基站存储有与用户设备相同的码本。

11.根据权利要求8所述的基站，其中，调度单元对第一用户设备的优选预编码向量索引所对应的优选预编码向量进行奇异值分解，并将得到的右酉矩阵作为预编码矩阵。

12.根据权利要求7所述的基站，其中，所述基站用于多用户-多输入多输出MU-MIMO系统。

13.一种多用户-多输入多输出MU-MIMO系统，包括如权利要求7-12之一所述的基站和多个用户设备。

Images