CN102474333B - 基站设备及其方法和通信系统 - Google Patents

Abstract

公开了一种基站设备及其方法和通信系统。该基站设备包括：协方差矩阵获得单元，从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；比例计算与比较单元，基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；调整单元，在该比例小于预定的阈值的情况下减小该协方差矩阵中的非对角元素的值；均衡器单元，在该比例大于等于预定阈值时，基于该协方差矩阵利用干扰拒绝合并算法进行均衡，而在该比例小于该预定阈值时，基于调整后的协方差矩阵利用最小均方差算法对接收信号进行均衡。利用上述的统一接收机架构，以简单的结构得到了两种算法的优点，并且性能优于MMSE接收机和IRC接收机。

Description

基站设备及其方法和通信系统

技术领域

本发明的实施例涉及无线通信，具体涉及一种基站设备及其方法和通信系统。

背景技术

目前，利用基站BS上配备的多根天线，可以使用干扰拒绝合并(IRC)算法来大大地消除来自相邻小区的干扰。但是，当干扰功率相对较低时，IRC算法的性能就没有那么突出。

与此同时，传统的最小均方误差(MMSE)算法在较低干扰的场景中，例如服务小区中心位置处，其性能远远优于IRC算法。

因此，需要开发一种新的接收机结构，以便能够自适应地在MMSE和IRC两种算法之间切换，从而充分利用两种算法的优点。

发明内容

本发明的目的是提供一种接收设备及其方法和通信系统，能够使得无论用于处于服务小区中心的场景，还是用于处于服务小区边缘的场景都能够获得较好的性能。

在本发明的一个方面，提出了一种基站设备，包括：协方差矩阵获得单元，从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；比例计算与比较单元，基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；调整单元，在该比例小于预定的阈值的情况下减小该协方差矩阵中的非对角元素的值；均衡器单元，在该比例大于等于预定阈值时，基于该协方差矩阵利用干扰拒绝合并算法进行均衡，而在该比例小于该预定阈值时，基于调整后的协方差矩阵利用最小均方差算法对接收信号进行均衡。

根据本发明的实施例，所述比例计算与比较单元计算接收信号中干扰和噪声的功率比，作为所述相对比例。

根据本发明的实施例，所述比例计算与比较单元计算干扰与噪声矢量的协方差矩阵的上三角部分的非对角线元素之和除以对角线元素之和，作为所述相对比例。

根据本发明的实施例，所述调整单元在所述相对比例小于预定阈值时，将所述协方差矩阵的非对角元素的值减小到零。

根据本发明的实施例，所述比例计算与比较单元计算接收信号中干扰和噪声的幅值比，作为所述相对比例。

在本发明的另一方面，提出了一种，一种用于基站设备的方法，包括步骤：从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；在该比例小于预定的阈值的情况下减小该协方差矩阵中的非对角元素的值；在该比例大于等于预定阈值时，基于该协方差矩阵利用干扰拒绝合并算法进行均衡，而在该比例小于该预定阈值时，基于调整后的协方差矩阵利用最小均方差算法对接收信号进行均衡。

根据本发明的实施例，计算接收信号中干扰和噪声的功率比，作为所述相对比例。

根据本发明的实施例，计算干扰与噪声矢量的协方差矩阵的上三角部分的非对角线元素之和除以对角线元素之和，作为所述相对比例。

根据本发明的实施例，在所述相对比例小于预定阈值时，将所述协方差矩阵的非对角元素的值减小到零。

根据本发明的实施例，计算接收信号中干扰和噪声的幅值比，作为所述相对比例。

在本发明的再一方面，提出了一种通信系统，包括如上所述的基站设备。

利用上述的方法和设备，能够在基于IRC算法的接收方案和基于MMSE的接收方案之间自适应地切换。例如，当用户处于信干比(SIR)较高的区域中时，能够充分利用IRC算法的优点，当用户处于信干比(SIR)较低的区域中时，能够充分利用MMSE算法的优点。

附图说明

通过下面结合附图说明本发明的优选实施例，将使本发明的上述及其它目的、特征和优点更加清楚，其中：

图1示出了典型的IRC算法应用场景；

图2示出了根据本发明实施例的接收设备的结构框图；

图3示出了根据本发明实施例的方法的流程图；

图4示出了接收信号中的干扰和噪声的相对比例

对SIR的曲线；

图5示出了本发明实施例的接收机、基于MMSE算法的接收机和基于IRC算法的接收机的性能曲线。

具体实施方式

下面将说明本发明的多种实施例。随后的说明提供了对这些实施例的全面理解的详细细节。但是，本领域的技术人员应当了解，无需一些所述细节也可以实施本发明。此外，可能不会示出或详细说明一些公知的结构或者功能，以免不必要地使本发明多种实施例的相关说明不清楚。

如图1所示，当目标MS处于0号服务小区的边缘、来自相邻的1号小区的移动站MS(干扰MS)的干扰较大时，IRC算法通常都较为有效。但是，在目标MS处于小区中心时，MMSE算法比较有效。

如前所述，由于现有的接收机中采用两种均衡方法，MMSE算法和IRC算法需要在不同的功能模块中实现，因此在一个接收机中支持两种算法将会导致高复杂度的结构。然而，现有的技术不能在MMSE算法和IRC算法之间进行自适应地切换。高复杂度的结构阻碍了IRC算法的广泛应用。因此，在干扰信号功率较大时，例如在服务小区边缘场景下，就只能牺牲系统性能。

根据本发明的实施例，通过确定接收信号中干扰和噪声二者之间的相对比例(例如功率的比例)来确定是否在MMSE算法和IRC算法之间切换。这样使得无论用户设备出现在服务小区的边缘还是出现在服务小区的中心，系统的吞吐性能都较高。

根据本发明的实施例，在基站(BS)接收的信号r可以表示为：

r＝Hs+z，              ……(1)

其中，s是目标移动站(MS)的信号，H是目标MS和BS之间的信道矩阵，而z是干扰信号和噪声。

一方面，IRC算法可以表示为：

$\hat{s}={(H^H{R}_z^{-1}H+1)}^{-1}{H}^H{R}_z^{-1}r......\left(2\right)$

其中，R_z是z的协方差矩阵，采用下面的格式：

R_z通常是根据由导频信号获得的信道估计结果来计算的。如果z的主要分量是干扰，则R_z中的非对角元素将会相对较大，而对角元素较小。如果z的主要分量是噪声，则R_z很大程度上接近于对角矩阵，非对角元素的值接近于零。

另一方面，最小均方误差(MMSE)算法可以表示如下：

$\hat{s}={(H^{H}H+N)}^{-1}{H}^{H}r......\left(4\right)$

其中N是噪声的功率矩阵，采用如下的格式表示：

其中

是在基站BS的第i根天线上估计的噪声功率。

在较低的干扰功率的情况下，非对角元素的模远远小于对角元素的模。因此，可以置非对角元素的值为零，而不会对该算法造成明显的影响。由此，R_z变成了对角矩阵，IRC算法蜕化为MMSE算法。

基于这样的观察结果，本发明实施例的接收机中的均衡部分统一表示成：

$\hat{s}={(H^H{R}_z^{-1}H+1)}^{-1}{H}^H{R}_z^{-1}r......\left(6\right)$

其中，对R_z进行自适应的切换，从而实现在噪声占主要分量和干扰占主要分量的不同场景下，自适应地在MMSE和IRC算法之间的切换。

图4示出了在以下配置的情况下，干扰与噪声之间的相对比例Ratio_z与SIR之间的关系：BS配备4根天线，QPSK调制、MS的速度为3km/h，SNR为-4dB。

根据本发明的实施例，定义信干比(SIR)为：

如果只使用IRC算法，吞吐量对SIR的曲线如图5所示。如果单独使用MMSE算法，吞吐量对SIR的曲线如图5所示。从图5中可以看出IRC算法在低SIR时优于MMSE算法，而在高SIR时劣于MMSE算法。

根据本发明的实施例，定义一个比例

以便在MMSE算法和IRC算法之间进行自适应切换，如下：

${\mathrm{Ratio}}_{R_z}=\frac{\underset{j=1}{\overset{N_R-1}{\mathrm{\Σ}}}\underset{k-j+1}{\overset{N_R}{\mathrm{\Σ}}}\left|a_j{a}_k^{*}\right|}{\underset{i=1}{\overset{N_R}{\mathrm{\Σ}}}({\mathrm{\σ}}_i^2+a_i^2)}......\left(8\right)$

上式是将上文中定义的噪声与干扰z的协方差矩阵Rz的上三角部分的非对角线元素之和除以对角线元素之和，也就是接收信号中的干扰功率与噪声功率之间相对大小的一个度量。本领域的普通技术人员也可以使用其它的方式来确定接收信号中干扰和噪声的相对比例。

如图4所示，

随着SIR的增长而降低。根据本发明的实施例，可以将切换点设置在threshold＝0.3。因此，当该比例小于0.3时，R_z针对IRC算法在均衡器中使用。否则，在均衡之前将Rz中所有非对角元素设置为零。

图2示出了根据本发明实施例的接收机的结构示意图。如图2所示，根据本发明实施例的接收机包括：协方差矩阵获得单元21，它从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；比例计算与比较单元22，它基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；调整单元23，它在该比例小于预定的阈值的情况下对该协方差矩阵中的非对角元素的值进行调整，例如将非对角元素的值减小到例如0；均衡器单元24，它在该比例大于等于预定阈值时，基于IRC算法进行均衡，而在该比例小于该预定阈值时，基于MMSE算法对接收信号进行均衡。这样，当用户设备从服务小区的中心移动到服务小区的边缘或者从服务小区的边缘移动到服务小区的中心的情况下，基站的接收设备都能够自适应地在IRC算法和MMSE算法之间进行切换，从而使得系统的吞吐性能保持在较高的水平。

如上所述，比例计算和比较单元22基于干扰和噪声矢量(或矩阵)的协方差矩阵来用上式(8)计算接收信号中干扰和噪声的相对比例，并且将计算的比例与预定的阈值进行比较。如果计算的比例小于该阈值，则调整单元23将该协方差矩阵的非对角元素减小到例如0，然后在均衡器单元24中基于调整后的协方差矩阵用MMSE算法对接收信号进行均衡。如果计算的比例小于该阈值，则不对协方差矩阵进行调整，而是直接在均衡器单元24中基于未调整的协方差矩阵利用IRC算法进行对接收信号进行均衡。

下面结合附图3详细说明根据本发明实施例的基站的操作过程。如图3所示，在步骤S11，协方差矩阵取得单元21从接收信号中确定干扰和噪声分量的矢量并且计算干扰和噪声矢量的协方差矩阵。

然后，在步骤S12，比例计算和比较单元22基于协方差矩阵利用上述的公式(8)计算接收信号中的干扰和噪声二者之间的相对比例，例如二者功率的相对比例。根据本发明的另一实施例，也可以计算接收信号中干扰和噪声的幅值的相对比例。

接下来，在步骤S13，该比例计算和比较单元22将计算的比例与预定的阈值，例如0.3，进行比较。

如果计算的比例小于预定的阈值，则在步骤S14，调整单元23将协方差矩阵的非对角元素减小到0。在步骤S15，均衡器单元24基于调整后的协方差矩阵利用MMSE算法对接收信号进行均衡。

如果计算的比例大于等于预定的阈值，则在步骤S14，直接在均衡器单元24中基于协方差矩阵利用IRC算法对接收信号进行均衡。

使用本发明实施例的统一接收机结构，在低SIR时的性能远优于MMSE均衡器的性能，而接近于IRC均衡器的性能；同时，在高SIR的情况下与MMSE的性能类似，而优于IRC均衡器。图5性能比较结果。

当存在来自其他小区的干扰信号时，本发明实施例的方案更为鲁棒。使用本发明实施例的统一接收机架构，以简单的结构得到了两种算法的优点，并且性能优于MMSE接收机和IRC接收机。

另外，根据本发明实施例的统一接收机架构可以用于MU-MIMO通信系统中。

本发明实施例的方案可以用于WiMAX，LTE(长期演进)和LTE-Advanced。

虽然上面以分离的功能模块的形式描述了本发明的实施例所提出的基站，但是图2和图3中示出的每一个组件在实际应用中可以用多个器件实现，示出的多个组件在实际应用中也可以集成在一块芯片或一个设备中。本领域普通技术人员应该理解，本发明实施方式中的基站还可包括用于其它目的的任何单元或装置。

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。

Claims (11)

1.一种基站设备，包括：

协方差矩阵获得单元，从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；

比例计算与比较单元，基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；

调整单元，在该比例小于预定的阈值的情况下减小该协方差矩阵中的非对角元素的值；

均衡器单元，在该比例大于等于预定阈值时，基于该协方差矩阵利用干扰拒绝合并算法对接收信号进行均衡，而在该比例小于该预定阈值时，基于调整后的协方差矩阵利用最小均方差算法对接收信号进行均衡。

2.如权利要求1所述的基站设备，其中所述比例计算与比较单元计算接收信号中干扰和噪声的功率比，作为所述相对比例。

3.如权利要求2所述的基站设备，其中所述比例计算与比较单元计算干扰与噪声矢量的协方差矩阵的上三角部分的非对角线元素之和除以对角线元素之和，作为所述相对比例。

4.如权利要求1所述的基站设备，其中所述调整单元在所述相对比例小于预定阈值时，将所述协方差矩阵的非对角元素的值减小到零。

5.如权利要求1所述的基站设备，其中所述比例计算与比较单元计算接收信号中干扰和噪声的幅值比，作为所述相对比例。

6.一种用于基站设备的方法，包括步骤：

从来自多个用户设备的接收信号中形成干扰和噪声矢量的协方差矩阵；

基于协方差矩阵计算接收信号中干扰和噪声二者之间的相对比例，并且将该比例与预定的阈值相比较；

在该比例小于预定的阈值的情况下减小该协方差矩阵中的非对角元素的值；

在该比例大于等于预定阈值时，基于该协方差矩阵利用干扰拒绝合并算法对接收信号进行均衡，而在该比例小于该预定阈值时，基于调整后的协方差矩阵利用最小均方差算法对接收信号进行均衡。

7.如权利要求6所述的方法，其中计算接收信号中干扰和噪声的功率比，作为所述相对比例。

8.如权利要求7所述的方法，其中计算干扰与噪声矢量的协方差矩阵的上三角部分的非对角线元素之和除以对角线元素之和，作为所述相对比例。

9.如权利要求6所述的方法，其中在所述相对比例小于预定阈值时，将所述协方差矩阵的非对角元素的值减小到零。

10.如权利要求6所述的方法，其中计算接收信号中干扰和噪声的幅值比，作为所述相对比例。

11.一种通信系统，包括如权利要求1～5之一所述的基站设备。

Images