CN102142938A - 有限反馈系统中基于信漏噪比的预编码构造方法 - Google Patents

Abstract

有限反馈系统中基于信漏噪比的预编码构造方法，用于采用显式有限反馈技术的多用户MIMO通信系统中，由用户端估计下行链路信道信息，并将之归一化和量化，通过有限反馈链路将量化后的信道信息传给基站端，基站基于获得的量化后的信道方向信息计算并最大化每位用户的信漏噪比，来计算波束成形向量，基站将计算出来的每位用户的波束成形向量合并成预编码矩阵，并将需要发送的信号乘以预编码矩阵进行发送。本发明可以实现在不同的信噪比情况下都可以获得较高的系统容量和可靠性，比起现有的迫零波束成形ZFBF方案，本发明可以获得更高的系统通信容量和可靠性，而且和ZFBF具有相当的复杂度。

Description

有限反馈系统中基于信漏噪比的预编码构造方法

技术领域

本发明属于无线通信技术领域，涉及多用户多天线系统中的传输预处理技术，为一种有限反馈系统中基于信漏噪比的预编码构造方法。

背景技术

研究表明，当基站端拥有M根发送天线，用户端拥有N根接收天线时，对于这种多输入多输出MIMO的单用户通信系统相对于单输入单输出SISO的系统可以获得min{M，N}倍的系统容量增益，其中min{M，N}表示M、N中较小的那个数。但是，在移动用户的接收端往往受产品尺寸和生产成本的限制，接收天线的数目往往都会远远小于基站发送端的天线数目，这就很大程度上限制了MIMO系统的通信容量。尤其在时分复用多址接入TDMA系统中，由于基站同一时刻只能服务一个用户，因此多天线技术并不能让该系统的分集度获得有效的提高。

解决这一问题的办法就是能够实现在同一时刻同时服务多个用户。一种被称为污纸编码的技术可以实现这一目标，同时还能够解决由多用户通信带来的用户间干扰的问题。虽然污纸编码已经被证实可以获得MIMO通信系统的最优容量，但是，由于污纸编码在算法上过于复杂，实际系统中至今很难实现它。因此，一种次优的被称为波束成形的方法应运而生，它可以让多天线系统实现同一时刻为多个用户提供传输服务，并且较污纸编码却有较低的计算复杂度，非常易于实际系统实现。已经证实，在多输入单输出MISO系统中，当用户数很大时，波束成形方案达到的系统容量接近于污纸编码方法可以达到的最佳系统容量。

传统的波束成形向量设计方法是基于优化用户接收端的信干噪比SINR来设计的。但是，由于最大化SINR是一个非凸优化难题，基于SINR设计出最优的波束成形向量同样也是个难题。一方面，迫零波束成形技术ZFBF已经是一个被广泛接受的次优波束成形方法，它很简单地通过将系统联合信道矩阵取逆或者伪逆来构造预编码矩阵，从而完美地解决了用户间互相干扰的问题并且避免了最大化SINR所带来的非凸优化难题。已经有文献证实，在用户数和信噪比都很大的情况下，如果基站具有完全的信道状态信息，通过ZFBF方案带来的系统容量接近于最优污纸编码方法。但是，当信噪比较低时，环境噪声对整个通信系统的影响就占据了主导作用，此时的ZFBF性能则较差。另一方面，当实际系统中基站侧无法获得完全的下行链路信道状态信息时，根据信道信息有限反馈设计的ZFBF性能则跟最优的系统预编码设计方案有着较为明显的性能差距，特别是在信噪比较高的情况下，这一现象更为明显。

发明内容

本发明要解决的问题是：波束成形方案有利于通信系统实现最优容量，但传统的波束成形向量设计方法在信噪比较低时性能较差，需要在有限反馈系统中提高波束成形技术的性能。

本发明的技术方案为：有限反馈系统中基于信漏噪比的预编码构造方法，用于采用显式有限反馈技术的多用户MIMO通信系统中，由用户端估计下行链路信道信息，并将之归一化和量化，通过有限反馈链路将量化后的信道信息传给基站端，基站基于获得的量化后的信道方向信息计算并最大化每位用户的信漏噪比，来计算波束成形向量，基站将计算出来的每位用户的波束成形向量合并成预编码矩阵，并将需要发送的信号乘以预编码矩阵进行发送。

具体实现步骤为：

1)基站端预先利用劳埃德算法为每个用户生成一个独立的码本，将码本信息告知用户端；

2)用户k利用最小方差和最小均方误差信道估计算法估计出此时从基站到用户k的信道信息h_k；

3)用户将获得到的瞬时信道信息h_k归一化，根据基站分配的码本按照最小相关性准则量化到码本中的一个码字，记为

将该码字在码本中对应的索引号通过有限反馈链路反馈给基站端；

4)基站根据接收到的用户反馈的索引号，读出对应的用户码本中的码字

此码字即代表着从基站到该用户之间无线信道的量化信道状态信息；

5)基站将每位用户的量化信道状态信息代入预编码构造公式，根据信漏噪比准则计算出每位用户的预编码向量，也就是波束成形向量，预编码向量w_k构造公式为：

$w_k=\sqrt{P_k}\×{\mathrm{\ζ}}_m\left({\mathrm{\Γ}}_k\right)$

其中P_k表示基站为第k个用户分配的发射功率，ζ_m()表示返回括号内矩阵最大的特征值所对应的特征向量，矩阵Γ_k是为了计算出预编码向量w_k的中间变量，Γ_k按照如下公式计算：

${\mathrm{\Γ}}_k={(\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{{\hat{h}}_i}^H{\hat{h}}_i+\frac{N_0}{P_k}{I}_M)}^{-1}{{\hat{h}}_k}^H{\hat{h}}_k$

其中()^-1表示对括号内的矩阵取逆，

表示对

构成的矩阵求共轭转置，N₀是噪声功率，I_M为M维单位矩阵，M为基站天线数；

6)基站将获得到的预编码向量直接堆叠成预编码矩阵W，乘以需要发送的信源信号并发送。

本发明在基于有限反馈的通信系统中通过依照本发明新的信漏噪比准则计算波束成形向量，从而获得比起采用迫零波束成形方法更有效更可靠的信号传输方案。传统的信漏噪比准则是基于假设基站端可以完全知晓下行链路信道信息的条件下，基站端计算并最大化每位用户的信漏噪比来构造波束成形向量，但是这个假设在实际中是无法实现的；而本发明所采用的新的信漏噪比准则是由用户端估计下行链路信道信息，并将之归一化和量化，再通过有限反馈链路将量化后的信道方向信息传给基站端，基站基于获得的量化后的信道方向信息计算并最大化每位用户的信漏噪比来计算波束成形向量。最后，基站将计算出来的每位用户的波束成形向量合并成预编码矩阵，并将需要发送的信号乘以预编码矩阵进行发送。

为了在有限反馈系统中提高波束成形技术的性能，本发明给出了一种新的基于信漏噪比的波束成形向量计算方法。在ZFBF方法中，波束成形向量的设计在一定程度上是考虑了系统的信干噪比SINR参数性能。如果把用户接受端SINR看成是系统中其他所有用户对本用户所产生的所有干扰的衡量表达式，那么，如何来衡量本用户对系统中其他所有用户的干扰大小呢？这就是所谓的信漏噪比SLNR。由于SINR和SLNR都同时考虑了多用户间通信的干扰以及环境噪声，因此，有理由相信，尽管两者不等价，但是提高其中之一，同样也会提高另外一个。引进了SLNR的概念以后，基于SLNR来设计波束成形因子可以转换为一个广义瑞利商问题。因此，基于SLNR准则，最优的波束成形向量具有唯一的闭式解且计算简便。而且，不同于ZFBF得出的波束成形向量只消除了用户间的干扰，基于SLNR设计出的波束成形向量同时考虑了用户间的干扰和环境噪声的影响。正是这个原因，基于SLNR设计出的预编码即便在有限反馈的系统中，其性能也要优于ZFBF得出的预编码。

本发明的主要创新点是将基于信漏噪比SLNR设计出预编码的技术与实际中基于有限反馈链路多天线传输系统相结合，设计新的SLNR准则下波束成形的计算方法。由于不管是ZFBF方案，还是基于SLNR的方案，它们都需要基站端知晓从基站到用户端的下行链路信道信息。而在实际的频分双工系统中，这一信道信息是由用户端估计出下行链路信道状态信息，然后将该信道信息通过矢量量化方法量化成有限个比特数，最后通过有限反馈链路将必要的信道信息反馈给基站端。本发明考虑通过用户端估计出下行链路信道信息，然后将之归一化、量化，并通过有限反馈链路反馈给基站端；基站端在得知无信道增益信息的量化信道信息后，基于SLNR准则设计出预编码，并将需要发送的信号乘以预编码从而完成发送。仿真结果显示，本发明发明获得的通信性能，不管是在系统容量上还是误比特率BER性能上，都优于在有限反馈系统中基于ZFBF方案所能设计出的预编码性能。

本发明基站端通过有限反馈链路获得从用户端反馈而来的下行链路信道信息，从而设计出预编码。软件仿真结果表示比起现有的ZFBF方案，本发明可以获得更高的系统通信容量和可靠性，而且和ZFBF具有相当的复杂度。

有益效果：本发明的有益效果主要体现在以下几个方面：

1)相比较于传统的ZFBF方案，该方案克服了ZFBF在低信噪比下性能较差的现象，可以实现在不同的信噪比情况下都可以获得较高的系统容量和可靠性；

2)在高信噪比情况下，由于环境噪声对整个系统性能的影响很小进而可以忽略，此时本发明提出来的预处理传输方案性能接近于ZFBF方案；

3)该发明与传统的ZFBF方案相比，具有相当的计算复杂度，易于系统实现。

附图说明

图1是本发明预编码构造方法在有限反馈系统中应用的实际通信系统框图。

图2是本发明预编码构造方法和ZFBF构造预编码方案在反馈比特数为4个比特时，受量化噪声影响下的系统容量对比图。

图3是本发明预编码构造方法和ZFBF构造预编码方案在反馈比特数为8个比特时，受量化噪声影响下的系统容量对比图。

图4是本发明预编码构造方法和ZFBF构造预编码方案在反馈比特数为4个比特时受量化噪声影响下的误比特率对比图。

图5是本发明预编码构造方法和ZFBF构造预编码方案在反馈比特数为8个比特时受量化噪声影响下的误比特率对比图。

图6是本发明预编码构造方法与ZFBF方案在有限反馈延时影响下的系统容量对比图，其中延时设置为1毫秒。

图7是本发明预编码构造方法与ZFBF方案在有限反馈延时影响下的误比特率对比图，其中延时设置为1毫秒。

具体实施方式

当前，在多用户MIMO通信系统中，比较盛行的一种传输预处理方案是ZFBF，它是将联合信道信息取逆从而完美地解决了用户间干扰的问题，但是却忽略了环境噪声对整个通信系统性能的影响，因此在信噪比比较低或者信道状态信息不完整的情况下性能较差。若同时考虑用户间干扰和环境噪声，传统的基于SINR来设计预编码将会遇到非凸优化的难题；而基于SLNR来设计预编码很好地解决了这一问题，它一方面同时考虑了用户间干扰和环境噪声对系统性能的影响，另一方面由于其数学表达的特殊性可以得到最大化SLNR的最优波束成形向量的闭式解。本发明在实际基于有限反馈的通信系统中设计了基于SLNR的波束成形方法，用于采用显式有限反馈技术的多用户MIMO通信系统中，由用户端估计下行链路信道信息，并将之归一化和量化，通过有限反馈链路将量化后的信道信息传给基站端，基站基于获得的量化后的信道方向信息计算并最大化每位用户的信漏噪比，来计算波束成形向量，基站将计算出来的每位用户的波束成形向量合并成预编码矩阵，并将需要发送的信号乘以预编码矩阵进行发送。

本发明在基于显式反馈的实际多用户多天线传输系统中，根据新设计的信漏噪比准则计算预编码矩阵。基于信漏噪比SLNR的预编码构造技术，一方面回避了传统的基于信干噪比SINR设计预编码时至今无法解决的非凸优化问题，能够轻松地给出每个用户预编码向量的闭式表达式；另一方面，又克服了当前比较盛行的迫零波束成形ZFBF方案中仅考虑用户间干扰而忽略环境噪声从而导致在低信噪比情况下性能差的弊端。本发明将基于信漏噪比SLNR的预编码构造技术应用到了实际基于有限反馈的无线通信系统中去，即基站端通过连接用户端和基站的有限反馈链路来获得下行链路的信道状态信息。基站通过将获得到的反馈信道信息代入给出的预编码构造公式计算出预编码矩阵。仿真结果显示，通过基于SLNR技术获得预编码的方法比起现有通过ZFBF获得的预编码在传输实际信号时，尤其在低信噪比情况下，获得了更高的传输速率和可靠性。总体来讲，本发明在实际应用中的实施步骤包括：1)信道估计；2)有限反馈；3)预编码计算；4)发送信号。值得说明的是，在实际通信中，很多情况下从基站到用户的信道信息变化缓慢，步骤1)和2)并不是每次都会实施，因此，该发明在实际应用中的效率可以更高。

由于基于SLNR构造预编码是对每一个用户单独进行的，因此，本发明将该技术应用到基于有限反馈的多用户MIMO通信中，对用户数并没有限制。每位用户只需估计出从基站到本用户端的信道信息，并将之反馈给基站端，基站端就可以计算出该用户的预编码向量，从而完成所需信号的发送。

参照图1的系统框图，本发明的具体实施步骤如下：

1)基站预先利用劳埃德算法(见文献[GERSHO1992]：GERSHO A.，GRAY R.M.：‘Vector quantization and signal compression’(Kluwer，Amsterdam，The Netherlands，1992))为每个用户k生成一个独立的码本

(k＝1，2，...，K)，每个码字能量归一化，码本大小由实际系统中可以支持的反馈比特数B以及基站天线数M决定，基站知晓每个用户的码本信息，在实际系统中，这一码本通常都是离线设计并预先设定在基站和用户终端侧的；

2)基站发送导频信号，用户接收到该信号并根据经典信道估计方法，如经典的最小方差(Least square，LS)和最小均方误差(Least minimum mean square error，LMMSE)信道估计算法，来估计出该时刻从基站到用户的信道信息h_k；

3)用户将h_k归一化，根据基站分配的码本按照最小相关性准则量化到码本中的一个码字随后通过有限反馈链路向基站反馈

在码本中对应的索引号；

4)基站根据接收到的用户反馈的索引号，读出对应的用户码本中的码字

此码字即代表着从基站到该用户之间无线信道的量化信道状态信息，也就是信道向量归一化后的方向信息；

5)基站将得到的

代入预编码构造公式，利用由广义瑞利商定理给出的最大化SLNR公式就可以得到基于SLNR的预编码构造公式：

$w_k=\sqrt{P_k}\×{\mathrm{\ζ}}_m\left({\mathrm{\Γ}}_k\right)$

从而计算出用户k的预编码向量w_k，其中，P_k表示基站为第k个用户分配的发射功率，ζ_m()表示返回括号内矩阵最大的特征值所对应的特征向量，矩阵Γ_k是为了计算出预编码向量w_k的中间变量，Γ_k按照如下公式计算：

${\mathrm{\Γ}}_k={(\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{{\hat{h}}_i}^H{\hat{h}}_i+\frac{N_0}{P_k}{I}_M)}^{-1}{{\hat{h}}_k}^H{\hat{h}}_k,$

其中()^-1表示对括号内的矩阵取逆，

表示对

构成的矩阵求共轭转置，N₀是噪声功率，I_M为M维单位矩阵；

6)基站将计算出的预编码向量w_k(k＝1，2，...，K)联合成预编码矩阵W，并乘以需要发送的向量信号x完成发送。

图1是本发明提出的基于信漏噪比的预编码构造技术在有限反馈系统中的应用的实际系统框图。

以下所有仿真结果都是在基站天线数和用户数为4，载波频率为1G Hz，采用BPSK调制方式发送，用户移动速度为64千米/小时，即多普勒频移为50Hz的前提下得到的。但是在实际应用中并不局限于这些参数，调制方式也可以多样。

图2是本发明提出的在有限反馈链路中基于SLNR构造预编码方案和ZFBF构造预编码方案在反馈比特数为4个比特时受量化噪声影响下的系统容量对比图。可以发现，基于SLNR构造出的预编码较ZFBF预编码在系统容量上，尤其在低信噪比情况下，有很大的提高。需要指出的是，由于当信噪比逐渐变大时，用户间的干扰成为影响系统通信性能的主要因素，而ZFBF能够很好的消除用户间的干扰，因此，当信噪比提高时，本发明提出的在有限反馈链路中采用基于SLNR构造预编码方案的性能接近于ZFBF方案。

图3与图2类似，同样是本发明提出的在有限反馈链路中采用基于SLNR构造预编码方案和ZFBF构造预编码方案在量化噪声影响下的系统容量对比图，只是此时反馈比特数设置为8bit。图3拥有与图2类似的结论。结合图3和图2来看，可以发现，当反馈比特数上升时，在低信噪比情况下本发明提出的方案较ZFBF更能体现出优势。

图4是本发明提出的在有限反馈链路中基于SLNR构造预编码方案和ZFBF构造预编码方案在反馈比特数为4个比特时受量化噪声影响下的误比特率对比图。同样可以发现，本发明提出的方案较ZFBF具有更高的可靠性；而且，在高信噪比情况下，本发明提出的方案性能接近于ZFBF方案。

图5与图4类似，只是反馈比特数设置为8bit。同样可以发现本发明提出的方案优于ZFBF。将图5和图4综合起来看，可以发现，当比特数上升时，在低信噪比情况下本发明的提出的方案优于ZFBF方案。

图6是本发明提出的在有限反馈链路中基于SLNR构造预编码方案和ZFBF构造预编码方案在受有限反馈延时影响下的系统容量对比图，其中延时设置为1毫秒。同样可以发现该发明提出的方案的优势。

图7也是在1毫秒的反馈延时下本发明提出的方案和ZFBF方案的误比特率对比图，同样可以看出，本发明的基于SLNR构造预编码方案比ZFBF更可靠。

Claims (2)

1.有限反馈系统中基于信漏噪比的预编码构造方法，其特征是用于采用显式有限反馈技术的多用户MIMO通信系统中，由用户端估计下行链路信道信息，并将之归一化和量化，通过有限反馈链路将量化后的信道信息传给基站端，基站基于获得的量化后的信道方向信息计算并最大化每位用户的信漏噪比，来计算波束成形向量，基站将计算出来的每位用户的波束成形向量合并成预编码矩阵，并将需要发送的信号乘以预编码矩阵进行发送。

2.根据权利要求1所述的有限反馈系统中基于信漏噪比的预编码构造方法，其特征是具体实现步骤为：

1)基站端预先利用劳埃德算法为每个用户生成一个独立的码本，将码本信息告知用户端；

2)用户k利用最小方差和最小均方误差信道估计算法估计出此时从基站到用户k的信道信息h_k；

3)用户将获得到的瞬时信道信息h_k归一化，根据基站分配的码本按照最小相关性准则量化到码本中的一个码字，记为将该码字在码本中对应的索引号通过有限反馈链路反馈给基站端；

4)基站根据接收到的用户反馈的索引号，读出对应的用户码本中的码字

此码字即代表着从基站到该用户之间无线信道的量化信道状态信息；

5)基站将每位用户的量化信道状态信息代入预编码构造公式，根据信漏噪比准则计算出每位用户的预编码向量，也就是波束成形向量，预编码向量w_k构造公式为：

$w_k=\sqrt{P_k}\×{\mathrm{\ζ}}_m\left({\mathrm{\Γ}}_k\right)$

其中P_k表示基站为第k个用户分配的发射功率，ζ_m()表示返回括号内矩阵最大的特征值所对应的特征向量，矩阵Γ_k是为了计算出预编码向量w_k的中间变量，Γ_k按照如下公式计算：

${\mathrm{\Γ}}_k={(\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{{\hat{h}}_i}^H{\hat{h}}_i+\frac{N_0}{P_k}{I}_M)}^{-1}{{\hat{h}}_k}^H{\hat{h}}_k$

其中()^-1表示对括号内的矩阵取逆，

表示对

构成的矩阵求共轭转置，N₀是噪声功率，I_M为M维单位矩阵，M为基站天线数；

6)基站将获得到的预编码向量直接堆叠成预编码矩阵W，乘以需要发送的信源信号并发送。

Images