CN102332946A - 一种能同时消除小区间干扰和流间干扰的CoMP下行联合传输方法 - Google Patents

Abstract

本发明公开了一种能同时消除小区间干扰和流间干扰的CoMP下行联合传输方法，该方法将协作基站服务的所有用户数据在联合处理单元进行联合预编码，然后将编码后的信息分配到各个基站天线上发送出去。进行联合预编码后的用户信息之间不会形成干扰，同一用户的多个数据流之间也不会形成干扰，这样接收端只需利用估计的等效信道矩阵，对接收数据进行均衡即可，无需复杂的矩阵求逆运算。

Description

一种能同时消除小区间干扰和流间干扰的CoMP下行联合传输方法

技术领域

本发明涉及一种能同时消除小区间干扰和流间干扰的CoMP下行联合传输方法，属于通信技术领域。

背景技术

在同频组网的LTE-A系统中，相连小区间的干扰限制了小区边缘用户的服务质量和吞吐量。为了进一步提高系统的频谱利用率，提高小区边缘用户的服务质量和吞吐量，必须采用相关技术有效地降低小区间的干扰。在下一代无线通信系统中，协作多点传输(Cooperated Multipoint，COMP)技术被认为是一种改善边缘用户传输性能的有效方法。

CoMp作为提高小区吞吐量尤其是小区边缘吞吐量的重要手段，目前技术主要包含两类：干扰协调调度技术(Coordinate Scheduling，CS)和信号联合处理(JointProcessing，JP)技术。其中信号联合处理技术通过相连多点的协作通信，与协作小区覆盖范围内的用户共同构成虚拟的多输入多输出结构，进而使用现有的多用户MIMO检测技术对这些协作的用户进行信号的联合发送和联合接收，从而降低小区间的干扰，提高小区边缘用户的吞吐量和系统的平均吞吐量。目前使用的一种联合处理技术是对所有用户数据信息在发射端进行联合预编码，使得各个协作基站发送的数据信息对相邻小区用户不会形成干扰，常用的联合预编码算法有块对角化(BD)算法、破零(ZF)算法、BD+SVD(奇异值分解)等线性预编码算法，以及TH(Tomlinson-Harashim)P、DP(Dirty Paper赃纸)等非线性预编码算法。由于线性预编码算法实现简单，因此受到很大的关注，但是BD算法只能在发射端有效地消除邻小区用户间的干扰，无法在发射端消除同一小区用户数据流间的干扰，而破零算法能消除同一用户数据流间的干扰，但不能消除相连小区用户间的干扰，BD+SVD算法也是只能在发射端消除相邻小区用户间的干扰。BD、BD+SVD算法要消除数据流间的干扰只能在接收端进行MIMO检测才能消除，但是这样一来用户端需要进行矩阵求逆运算，计算复杂度较高。

发明内容

为了在发射端完全消除数据流间的干扰，降低用户端接收复杂度，本发明给出了一种新的联合传输方法-同时消除小区间干扰和流间干扰的CoMP下行联合传输方法。该方法将协作基站服务的所有用户数据在联合处理单元进行联合预编码，然后将编码后的信息分配到各个基站天线上发送出去。进行联合预编码后的用户信息之间不会形成干扰，同一用户的多个数据流之间也不会形成干扰，这样接收端只需利用估计的等效信道矩阵，对接收数据进行均衡即可，无需复杂的矩阵求逆运算。

本发明的联合传输方法具体步骤如下：

(1)设一个无线协作通信网络有M个协作基站，用户数为K，每个基站对应的发射天线数为N_T，每个终端对应的接收天线数为N_r。

(2)无线协作通信网络的M个协作基站分别获取协作区域内该所有协作基站至K个用户的信道信息，获得信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)，然后各协作基站将得到的信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)以及要发送的数据s_k(k＝1，2，…K)发送到联合处理单元。这里

表示第m个基站到第k个用户的下行信道矩阵。

表示第k个用户对应的数据信息，其中d_m是第k个用户对应的数据流数。

(3)联合处理单元根据信道矩阵H_k，m计算K个用户对应的联合预编码矩阵。步骤如下：

3.1令H_k＝[H_k，1H_k，2…H_k，M]表示所有协作基站到第k个用户的信道信息矩阵。

3.2对第k(k＝1，2，…，K)个用户，获得由除用户k之外的所有用户对应的信道矩阵组成的干扰用户信道矩阵 ${\stackrel{\‾}{H}}_k={\left[\begin{array}{ccccccc}{H_1}^T& {H_2}^T& ...& {H_{k-1}}^T& {H_{k+1}}^T& ...& {H_K}^T\end{array}\right]}^T.$

3.3对做奇异值分解，得到

其中 $U_k=[u_1{u}_2...u_{(K-1)N_r}]$ 是由

的左奇异向量组成的矩阵， ${V_k}^H={[v_1{v}_2...v_{{\mathrm{MN}}_t}]}^H$ 是由

的右奇异向量组成的矩阵，D₁是由

的奇异值

λ_i(i＝1，2，…(K-1)N_r)组成的对角矩阵。

3.4根据非零奇异值的个数，可将右奇异向量矩阵V_k ^H分成两部分。即假设非零奇异值的个数为R，则V_k ^H＝[V_k ⁽¹⁾V_k ⁽⁰⁾]^H，其中V_k ⁽¹⁾是由V_k的前R列(R个非零奇异值对应的右奇异向量)组成的矩阵，V_k ⁽⁰⁾则是由MN_t-R个零奇异值对应的右奇异向量组成的矩阵。

3.5则用户k对应的初始预编码矩阵为

3.6令T_k＝H_kQ_k1，此时T_k是一N_r×(MN_t-R)的矩阵。

对矩阵T_k求伪逆得到

矩阵

是一(MN_t-R)×N_r的矩阵，取其中的d_k列组成矩阵

$Q_{k2}\∈C^{({\mathrm{MN}}_t-R)\×d_k}$

3.7用户k总的联合预编码矩阵为：

3.8为了保证各数据流总的发射功率不变，对

的各列进行归一化处理，得到最终的联合预编码矩阵 $W_k={\hat{W}}_k\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{k1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{k2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{kd}}_k}\left|\right|}|\left|\right).$ 这里

表示矩阵

的第j列向量的范数。

(4)利用计算得到的所有用户的联合预编码矩阵W_k，对所有用户数据信息s_k(k＝1，2…，K)进行联合预编码，得到要传输的数据信息X：

$X=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{W}_k{s}_k$

(5)联合处理单元将进行联合预编码后的数据信息X按顺序分配到M个基站的各个天线上发送出去。其中X的第1到第N_t行数据分别在第1个用户的第1到第N_t根天线上发送出去，X的第N_t+1到第2*N_t行数据分别在第2个用户的第1到第N_t根天线上发送出去，依次类推，直到所有数据分配完毕。

(6)K个终端利用N_r个接收天线分别进行接收，则第k个终端收到的数据矩阵为：

$Y_k=H_{k}X+N=H_k\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

$=H_k{W}_k{s}_k+H_k\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

可以看到，上式中第一项是有用信号，第二项是相邻小区用户干扰信号，第三项则是噪声。

由前面的处理过程可以看到：

${\stackrel{\‾}{H}}_i{W}_i={\stackrel{\‾}{H}}_i{\hat{W}}_i\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$={\stackrel{\‾}{H}}_i{Q}_{i1}{Q}_{i2}\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$={\stackrel{\‾}{H}}_i{V}_i^{\left(0\right)}{Q}_{i2}\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$=0$

而

是由除H_i之外的矩阵信道矩阵组成的矩阵，因此H_kW_i＝0则

因此可以看到，此时第k个终端接收到的信号没有受到相邻小区用户的干扰。另外，

其中s_k，j(j＝1，2，…，d_k)表示第k个用户的第j个数据流信息。

可见，接收到的信号数据流之间也不存在干扰。

(7)在接收端，第k个用户终端根据接收到的数据Y_k以及估计得到的等效信道

利用简单的均衡运算，即可得到各数据流的估计，解MIMO矩阵G_k计算公式如下：

则解MIMO后的信号为：

可以看到，此时得到的信号就是各个数据流的原始发射信号加噪声。另外，根据本文中给出的联合预编码方法，由于在发射端消除了数据流间的干扰，因此在接收端进行MIMO检测时，无需矩阵的求逆运算，只需对估计的等效信道进行共轭转置运算即可。

(8)在步骤(7)中，各个终端对接收信号进行解MIMO时，需要用到估计到的等效信道，关于等效信道的估计，我们可以采用添加解调专用参考信号的方法，而参考信号图案的设计需要满足各个用户参考信号所占用的时频资源相互正交的条件。

本发明的优点：

(1)本发明提出的联合传输方法能在发射端同时消除小区间干扰和各用户数据流间的干扰。

(2)本发明提出的联合传输方法由于在发射端消除了数据流间的干扰，因此终端检测算法简单，只需利用接收到的信号以及等效信道的估计矩阵进行简单的均衡即可，而无需矩阵的求逆运算。

(3)本发明相对已有的块对角化(BD)或迫零(ZF)等预编码算法性能更好。

附图说明

图1本发明中的联合传输方法流程图；

图2本发明中的联合预编码算法流程图；

图3协作基站数为3时的协作通信示意图；

图4本发明与现有预编码算法性能比较图。

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

实施例1

在协作通信系统中，本发明提出的能同时消除小区间干扰和数据流间干扰的联合传输通信处理流程如图1所示。具体步骤如下：

步骤1：无线通信网络的M个协作基站分别获取本协作基站至协作区域内所有K个用户的信道信息，获得信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)，然后各协作基站将得到的信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)以及要发送的数据s_k(k＝1，2，…K)发送到联合处理单元。这里

表示第m个基站到第k个用户的下行信道矩阵。

表示第k个用户对应的数据信息，其中d_m是第k个用户对应的数据流数，N_r是终端接收天线个数，N_t是基站天线个数。

步骤2：联合处理单元根据信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)计算K个用户对应的联合预编码矩阵，算法流程图如图2所示。具体计算步骤如下：

2.1令H_k＝[H_k，1H_k，2…H_k，M]表示所有协作基站到第k个用户的信道信息矩阵。

2.2对第k(k＝1，2，…，K)个用户，获得由除用户k之外的所有用户对应的信道矩阵组成的干扰用户信道矩阵 ${\stackrel{\‾}{H}}_k={\left[\begin{array}{ccccccc}{H_1}^T& {H_2}^T& ...& {H_{k-1}}^T& {H_{k+1}}^T& ...& {H_K}^T\end{array}\right]}^T.$

2.3对

做奇异值分解，得到

其中 $U_k=[u_1{u}_2...u_{(K-1)N_r}]$ 是由

的左奇异向量组成的矩阵， ${V_k}^H={[v_1{v}_2...v_{{\mathrm{MN}}_t}]}^H$ 是由

的右奇异向量组成的矩阵，

D₁是由

的奇异值

λ_i(i＝1，2，…(K-1)N_r)组成的对角矩阵。

2.4根据

中非零奇异值的个数，可将右奇异向量矩阵V_k ^H分成两部分。即假设非零奇异值的个数为R，则V_k ^H＝[V_k ⁽¹⁾V_k ⁽⁰⁾]^H，其中V_k ⁽¹⁾是由V_k的前R列(R个非零奇异值对应的右奇异向量)组成的矩阵，V_k ⁽⁰⁾则是由MN_t-R个零奇异值对应的右奇异向量组成的矩阵。

2.5则用户k对应的初始预编码矩阵为

2.6令T_k＝H_kQ_k1，此时T_k是一N_r×(MN_t-R)的矩阵。

对矩阵T_k求伪逆得到矩阵

是一(MN_t-R)×N_r的矩阵，取其中的d_k列组成矩阵

2.7用户k总的联合预编码矩阵为：

2.8为了保证各数据流总的发射功率不变，对的各列进行归一化处理，得到最终的联合预编码矩阵 $W_k={\hat{W}}_k\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{k1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{k2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{kd}}_k}\left|\right|}|\left|\right).$ 这里

表示矩阵

的第j列向量的范数。

步骤3.利用计算得到的所有用户的联合预编码矩阵W_k，对所有用户数据信息s_k(k＝1，2…，M)进行联合预编码，得到要传输的数据信息X：

$X=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{W}_k{s}_k$

步骤4.联合处理单元将进行联合预编码后的数据信息X按顺序分配到M个基站的各个天线上发送出去。其中X的第1到第N_t行数据分别在第1个用户的第1到第N_t根天线上发送出去，X的第N_t+1到第2*N_t行数据分别在第2个用户的第1到第N_t根天线上发送出去，依次类推，知道所有数据分配完毕。

步骤5.K个终端利用N_r个接收天线分别进行接收，则第k个终端收到的数据矩阵为：

$Y_k=H_{k}X+N=H_k\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

$=H_k{W}_k{s}_k+H_k\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

可以看到，上式中第一项是有用信号，第二项是相邻小区用户干扰信号，第三项则是噪声。

由前面的处理过程可以看到

${\stackrel{\‾}{H}}_i{W}_i={\stackrel{\‾}{H}}_i{\hat{W}}_i\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$={\stackrel{\‾}{H}}_i{Q}_{i1}{Q}_{i2}\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$={\stackrel{\‾}{H}}_i{V}_i^{\left(0\right)}{Q}_{i2}\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{i1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{i2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{id}}_i}\left|\right|}|\left|\right)$

$=0$

而是由除H_i之外的矩阵信道矩阵组成的矩阵，因此H_kW_i＝0

则

因此可以看到，此时第k个终端接收到的信号没有受到相邻小区用户的干扰。另外，

其中s_k，j(j＝1，2，…，d_k)表示第k个用户的第j个数据流信息。可见，接收到的信号数据流之间也不存在干扰。

步骤6.在接收端，第k个用户终端根据接收到的数据Y_k以及估计得到的等效信道

利用简单的均衡运算，即可得到各数据流的估计，解MIMO矩阵G_k计算公式如下：

则解MIMO后的信号为：

可以看到，此时得到的信号就是各个数据流的原始发射信号加噪声。另外，根据本文中给出的联合预编码方法，由于在发射端消除了数据流间的干扰，因此在接收端进行MIMO检测时，无需矩阵的求逆运算，只需对估计的等效信道进行共轭转置运算即可。步骤7.步骤6中，各个终端对接收信号进行解MIMO时，需要用到估计到的等效信道，关于等效信道的估计，我们可以采用添加解调专用参考信号的方法，而参考信号图案的设计需要满足各个用户参考信号所占用的时频资源相互正交的条件。

实施例2

图3给出了协作基站数为3时的协作通信示意图，这里假设每个基站对应的用户数为1，因此总的用户数为3。图4给出了本发明与现有预编码方法的性能比较。这里假设协作基站数M＝3，基站天线数N_T＝6，终端天线数N_r＝2，总的用户数为K＝3，每个用户的数据流数为2.从仿真结果可以看到，本发明给出的联合预编码方法比单纯的BD算法以及迫零算法的频谱效率要高，由于单纯的迫零算法无法消除小区间的干扰，因此其频谱效率很低。结果中本发明方法性能与BD+SVD算法性能相当，但是本发明方法能降低终端接收复杂度。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种能同时消除小区间干扰和流间干扰的CoMP下行联合传输方法，其特征在于，包括以下步骤：

步骤1：无线通信网络的M个协作基站分别获取本协作基站至协作区域内所有K个用户的信道信息，获得信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)，然后各协作基站将得到的信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)以及要发送的数据s_k(k＝1，2，…K)发送到联合处理单元；其中

表示第m个基站到第k个用户的下行信道矩阵；

表示第k个用户对应的数据信息，其中d_m是第k个用户对应的数据流数，N_r是终端接收天线个数，N_t是基站天线个数；

步骤2：联合处理单元根据信道矩阵H_k，m(k＝1，2，…，K，m＝1，2，…M)计算K个用户对应的联合预编码矩阵；

步骤3：利用计算得到的所有用户的联合预编码矩阵W_k，对所有用户数据信息s_k(k＝1，2…，M)进行联合预编码，得到要传输的数据信息X：

$X=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{W}_k{s}_k$

步骤4：联合处理单元将进行联合预编码后的数据信息X按顺序分配到M个基站的各个天线上发送出去；其中X的第1到第N_t行数据分别在第1个用户的第1到第N_t根天线上发送出去，X的第N_t+1到第2*N_t行数据分别在第2个用户的第1到第N_t根天线上发送出去，依次类推，知道所有数据分配完毕；

步骤5：K个终端利用N_r个接收天线分别进行接收，则第k个终端收到的数据矩阵为：

$Y_k=H_{k}X+N=H_k\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

$=H_k{W}_k{s}_k+H_k\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{W}_i{s}_i+N$

步骤6：在接收端，第k个用户终端根据接收到的数据Y_k以及估计得到的等效信道

利用均衡运算，即可得到各数据流的估计。

2.根据权利要求1所述的CoMP下行联合传输方法，其特征在于，其中所述步骤2具体计算步骤如下：

2.1令H_k＝[H_k，1H_k，2…H_k，M]表示所有协作基站到第k个用户的信道信息矩阵；

2.2对第k(k＝1，2，…，K)个用户，获得由除用户k之外的所有用户对应的信道矩阵组成的干扰用户信道矩阵 ${\stackrel{\‾}{H}}_k={\left[\begin{array}{ccccccc}{H_1}^T& {H_2}^T& ...& {H_{k-1}}^T& {H_{k+1}}^T& ...& {H_K}^T\end{array}\right]}^T;$

2.3对

做奇异值分解，得到

其中 $U_k=[u_1{u}_2...u_{(K-1)N_r}]$ 是由

的左奇异向量组成的矩阵， ${V_k}^H={[v_1{v}_2...v_{{\mathrm{MN}}_t}]}^H$ 是由

的右奇异向量组成的矩阵，D₁是由

的奇异值λ_i(i＝1，2，…(K-1)N_r)组成的对角矩阵；

2.4根据中非零奇异值的个数，可将右奇异向量矩阵V_k ^H分成两部分；即假设非零奇异值的个数为R，则V_k ^H＝[V_k ⁽¹⁾V_k ⁽⁰⁾]^H，其中V_k ⁽¹⁾是由V_k的前R列(R个非零奇异值对应的右奇异向量)组成的矩阵，V_k ⁽⁰⁾则是由MN_t-R个零奇异值对应的右奇异向量组成的矩阵；

2.5则用户k对应的初始预编码矩阵为

2.6令T_k＝H_kQ_k1，此时T_k是一N_r×(MN_t-R)的矩阵；对矩阵T_k求伪逆得到

矩阵

是一(MN_t-R)×N_r的矩阵，取其中的d_k列组成矩阵

$Q_{k2}\∈C^{({\mathrm{MN}}_t-R)\×d_k};$

2.7用户k总的联合预编码矩阵为：

2.8为了保证各数据流总的发射功率不变，对

的各列进行归一化处理，得到最终的联合预编码矩阵 $W_k={\hat{W}}_k\×\mathrm{diag}(\frac{1}{\left|\right|{\hat{w}}_{k1}\left|\right|},\frac{1}{\left|\right|{\hat{w}}_{k2}\left|\right|},...,\frac{1}{\left|\right|{\hat{w}}_{{\mathrm{kd}}_k}\left|\right|}|\left|\right).$ 这里

表示矩阵

的第j列向量的范数。

Images