CN102546488B - 基于有效信道参数半正交的干扰消除方法 - Google Patents

Abstract

本发明公开了一种基于有效信道参数半正交的干扰消除方法，包括：根据用户反馈的有用信道和交叉信道参数，基站计算用户端的有效接收信道参数，并以此参数作为半正交用户选择的依据。基站选择有效接收信道参数半正交用户以后，再进行双层预编码矢量设计，以实现消除小区间和小区内的干扰。该有效信道参数半正交的干扰消除方法不仅可以提升用户平均容量，而且大大降低了半正交用户选择的计算时间复杂度。

Description

基于有效信道参数半正交的干扰消除方法

技术领域

本发明涉及小区间和小区内干扰对齐技术，更具体地说，本发明涉及一种基于有效信道参数半正交的干扰消除方法。

背景技术

多输入多输出(Multiple Input Multiple Output，简称MIMO)技术，就是一种典型的可以获得分集复用增益的全频复用的技术。但是在全频率复用的环境下采用MIMO技术时，来自邻小区的同频干扰、和小区内多用户的干扰，会严重影响期望用户的接收信噪比，导致通信系统的传输速率和的服务质量大大下降。通常情况下采用MIMO协作方式时，单小区用户之间最常用的干扰抑制技术包括：迫零波束成型(Zero Forcing Beam-Forming，简称ZFBF)、块对角波束成型(Block Diagonalization Beam-Forming，简称BDBF)；小区间的干扰抑制技术主要包括：干扰随机化、干扰消除、干扰协调等。目前，干扰对齐(Interference Alignment，简称IA)作为一个新兴的干扰管理技术，由于其冲击了传统的有线和无线网络的吞吐量限制的理论，而成为目前通信学界的研究热点。干扰对齐的本质是，将多个干扰信号对齐到小于干扰源数量的自由度空间上，使得有用信号占用的自由度空间更大。鉴于干扰对齐技术的优势，目前，有研究综合考虑小区内和小区间两种干扰并存的情况，依据干扰对齐的思想，提出一种双层预编码机制来实现小区间和小区内的干扰消除。具体来说，通过设计双层编码矩阵，其中一层预编码为固定预编码矩阵，使得邻小区干扰对齐在一个平面内；另一层预编码矩阵使得小区内用户间的干扰也落在同一干扰平面内。

然而，上述干扰消除方法存在以下问题：

1.干扰随机化只是白化了干扰，并没有真正的减少系统的干扰信号，带来的信噪比改善程度有限；

2.目前现有的干扰消除技术复杂度高、应用条件严格，而且只能消除一些强干扰源，而实际系统中干扰主要是由很多小的干扰叠加在一起产生的，因此这项技术在实际应用中效果有限；

3.小区间干扰协调技术可分为静态协调、半静态协调和全动态协调三种，这三种干扰协调方法仍然有一定的局限性，如频谱效率不高或者信令开销大等；

4.在上述干扰对齐方案中，各个小区协作用户是随机选择的。尽管通过设计固定预编码矩阵，可以保证完全消除小区间的干扰，但是小区内用户间的干扰不一定能很好的消除。这是因为采用迫零波束成型(ZFBF)计算预编码向量，其本质是通过空分多址(SDMA)的思想，找到处于干扰用户信道零空间的线性预编码矩阵，从而消除用户间的相关干扰。如果随机选择的用户信道相关性比较大，则ZFBF算法就不能得出夹角适宜的波束，用户间的干扰不能很好的消除。对此，对用户的直接信道参数(即发射端到接收端的信道参数)进行半正交选择可以获得较好的改善。但是针对本发明具体场景，从接收端来看，对有效信道参数(即接收端处理后的信道参数)进行半正交选择得到用户的集合，用户的平均容量会有更大的提升。

发明内容

本发明的目的在于提供一种基于有效信道参数半正交的干扰消除方法，其可实现干扰的消除和容量的最大化。

本发明是通过以下技术方案实现的：

一种基于有效信道参数半正交的干扰消除方法，包括以下步骤：

(1)小区α和邻小区β共同设定预编码矩阵P＝[f₁，f₂，…f_S，0，…0]_M*M，其中f₁，f₂，…，f_s表示任意S个M*1的标准正交基，M为发射天线数，且小区α和邻小区β的基站和所有用户已知P；

(2)小区α的基站分别发送第一信道估计信号和第二信道估计信号到小区α的所有N个用户和邻小区β的所有N个用户，小区α的所有N个用户接收第一信道估计信号，小区α中第k个用户根据第一信道估计信号计算第一信道估计值H_αk，其中k＝1，2…，N，邻小区β的所有N个用户接收第二信道估计信号，小区α中第k个用户根据第二信道估计信号计算第二信道估计值G_αk；邻小区β的基站分别发送第一信道估计信号和第二信道估计信号到小区α的所有N个用户和邻小区β的所有N个用户，邻小区β的所有N个用户接收第二信道估计信号，小区β中第k个用户根据第二信道估计信号计算第三信道估计值H_βk，小区α所有N个用户接收第一信道估计信号，小区β中第k个用户根据第一信道估计信号计算第四信道估计值G_βk；

(3)小区α的所有N个用户反馈第一信道估计值H_αk和第二信道估计值G_βk到小区α的基站，并且邻小区β的所有N个用户反馈第三信道估计值H_βk和第四信道估计值G_αk到邻小区β的基站；

(4)小区α的基站根据公式

计算小区α内所有N个用户的接收矢量

其中上标*表示矩阵的共轭转置，并根据接收矢量

得出小区α内所有N个用户的有效信道参数构成的集合H_effα＝{H_eff-α1，H_eff-α2，…，H_eff-αN}，

H_eff-αk表示小区α的第k个用户的有效信道参数，这里有效信道参数H_eff-αk是相对于直接信道参数H_αk而言的；邻小区β的基站根据公式

计算邻小区β内所有N个用户的接收矢量

并根据接收矢量

得出邻小区β内所有用户的有效信道参数构成的集合H_effβ＝{H_eff-β1，H_eff-β2，…，H_eff-βN}，其中

H_eff-βk表示小区β的第k个用户的有效信道参数；

(5)根据以下半正交算法，小区α和邻小区β分别从有效信道参数集合H_eff-α和H_eff-β中选择K个用户的有效信道参数：

(5-1)初始化计数器i和j，使得i＝j＝1，初始化小区α和邻小区β的备选有效信道参数下标的集合T_α(i＝1)＝{1，2，…，N}和T_β(j＝1)＝{1，2，…，N}，初始化一个极小值ε。

(5-2)小区α计算集合H_eff-α＝{H_eff-α1，H_eff-α2，…，H_eff-αN}的N个有效信道参数的F范数，并选择F范数(Frobenius范数)最大的一个有效信道参数作为第一个被选用户的信道矩阵g_α1＝H_{eff-απ(i＝1)}，其中eff-απ(i＝1)表示小区α中选择的第一个用户π(i＝1)，并从集合H_eff-α中剔除已选的有效信道参数；邻小区β计算集合H_eff-β＝{H_eff-β1，H_eff-β2，…，H_eff-βN}的N个有效信道参数的F范数，并选择F范数最大的一个有效信道参数作为第一个被选用户的信道矩阵g_β1＝H_{eff-βπ(j＝1)}，其中eff-βπ(j＝1)表示邻小区β中选择的第一个用户π(j＝1)，并从集合H_eff-β中剔除已选的有效信道参数。

(5-3)设置i＝i+1，j＝j+1；

(5-4)判断是否存在有i＜＝K且j＜＝K，若是则进入子步骤(5-5)，否则进入子步骤(5-7)；

(5-5)对于小区α中的每个用户k∈T_αi，计算H_eff-αk在已选集合{g_α1，g_α2，…，g_α(i-}上的投影补空间，即根据 $g_{\mathrm{\αk}}=H_{\mathrm{eff}-\mathrm{\αk}}-\underset{m=1}{\overset{i-1}{\mathrm{\Σ}}}\frac{H_{\mathrm{eff}-\mathrm{\αk}}{g}_{\mathrm{\αm}}^{*}}{{\left|\right|g_{\mathrm{\αm}}\left|\right|}^2}{g}_{\mathrm{\αm}}=H_{\mathrm{eff}-\mathrm{\αk}}(I-\underset{m=1}{\overset{i-1}{\mathrm{\Σ}}}\frac{g_{\mathrm{\αm}}^{*}{g}_{\mathrm{\αm}}}{{\left|\right|g_{\mathrm{\αm}}\left|\right|}^2})$ 计算g_αk，将F范数最大的g_αk作为第i个被选的有效信道参数，即

对于邻小区β的每个用户l∈T_βj，计算H_eff-βl在已选集合{g_β1，g_β2，…，g_β(j-1)}上的投影补空间，即根据 $g_{\mathrm{\βl}}=H_{\mathrm{eff}-\mathrm{\βl}}-\underset{m=1}{\overset{j-1}{\mathrm{\Σ}}}\frac{H_{\mathrm{eff}-\mathrm{\βl}}{g}_{\mathrm{\βm}}^{*}}{{\left|\right|g_{\mathrm{\βm}}\left|\right|}^2}{g}_{\mathrm{\βm}}=H_{\mathrm{eff}-\mathrm{\βl}}(I-\underset{m=1}{\overset{j-1}{\mathrm{\Σ}}}\frac{g_{\mathrm{\βm}}^{*}{g}_{\mathrm{\βm}}}{{\left|\right|g_{\mathrm{\βm}}\left|\right|}^2})$ 计算g_βl，将F范数最大的g_βl作为第j个被选的有效信道参数，即 $\mathrm{\π}\left(j\right)=\arg \underset{l\∈T_{\mathrm{\βj}}}{\max }\left|\right|g_{\mathrm{\βl}}\left|\right|;$

(5-6)根据 $T_{\mathrm{\&alpha;}(i+1)}=\{k\&Element;T_{\mathrm{\&alpha;i}},k\&NotEqual;\mathrm{\&pi;}\left(i\right)|\frac{\left|H_{\mathrm{eff}-\mathrm{\&alpha;k}}{g}_{\mathrm{\&alpha;}\left(i\right)}^{*}\right|}{\left|\right|H_{\mathrm{eff}-\mathrm{\&alpha;k}}\left|\right|\left|\right|g_{\mathrm{\&alpha;}\left(i\right)}\left|\right|}<\mathrm{\&epsiv;}\}$ 更新小区α的备选有效信道参数下标的集合；根据 $T_{\mathrm{\&beta;}(j+1)}=\{l\&Element;T_{\mathrm{\&beta;j}},l\&NotEqual;\mathrm{\&pi;}\left(j\right)|\frac{\left|H_{\mathrm{eff}-\mathrm{\&beta;l}}{g}_{\mathrm{\&beta;}\left(j\right)}^{*}\right|}{\left|\right|H_{\mathrm{eff}-\mathrm{\&beta;l}}\left|\right|\left|\right|g_{\mathrm{\&beta;}\left(j\right)}\left|\right|}<\mathrm{\&epsiv;}\}$ 更新邻小区β的备选有效信道参数下标的集合。并返回子步骤(5-3)。

(5-7)小区α将选择的K个用户的有效信道参数构成有效信道参数矩阵 ${\tilde{H}}_{\mathrm{eff\&alpha;}}={[H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(1\right)}^{*},H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(2\right)}^{*},...,H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(K\right)}^{*}]}^{*},$ 邻小区β将选择的K个用户的有效信道参数构成有效信道参数矩阵 ${\tilde{H}}_{\mathrm{eff\&beta;}}={[H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(1\right)}^{*},H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(2\right)}^{*},...,H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(K\right)}^{*}]}^{*}.$

(6)小区α的基站根据公式

对矩阵

求伪逆，以获得预编码矢量V_α：邻小区β的基站根据公式

对矩阵

求伪逆，以获得预编码矢量V_β。

本发明具有以下的优点和技术效果：

1、干扰对齐算法通过设计双层预编码P和V_α、V_β，对齐小区小区间和小区内的干扰，有效消除了干扰信号；

2、本发明各基站之间没有进行信息交互，大大降低了基站之间交互的信令开销；

3、本发明中用户采用全频率复用的方式传输，有效提升了频谱效率；

4、针对ZFBF算法计算所得的预编码矢量的缺陷，即随机选择的用户信道相关性比较大时，ZFBF算法得出的预编码矢量夹角太小，不能很好的消除小区内用户间的干扰，本发明采用有效信道参数半正交的用户选择算法可以选择信道相关性最小的多个用户；

5、与现有的直接信道参数用户选择相比，有效信道参数半正交的用户选择算法中用户反馈信息量无任何变化，仍然是H_αk，G_βk。而基站端依据干扰信道参数G_βk计算接收向量

从而得到有效信道达到矩阵降低维度的效果，再进行半正交选择，则可以减小计算时间复杂度，且这样由ZFBF得出的预编码矢量更准确，从而提升了用户平均容量。

附图说明

图1是本发明基于有效信道参数半正交的干扰消除方法的流程图。

图2是本发明干扰消除方法中步骤(5)的细化流程图。

图3示出本发明方法应用前后小区间干扰对容量影响的性能比较。

图4示出本发明的方法和现有技术中直接信道选择方法的性能比较。

图5示出本发明的方法和现有技术中随机用户选择算法的性能比较。

具体实施方式

下面结合附图对本发明做详细说明。

如图1和图2所示，本发明的基于有效信道参数半正交的干扰消除方法包括以下步骤：

(1)小区α和邻小区β共同设定预编码矩阵P＝[f₁，f₂，…f_S，0，…0]_M*M，其中f₁，f₂，…，f_s表示任意S个M*1的标准正交基，M为发射天线数，且小区α和邻小区β的基站和所有用户已知P；

(2)小区α的基站分别发送第一信道估计信号和第二信道估计信号到小区α的所有N个用户和邻小区β的所有N个用户，小区α的所有N个用户接收第一信道估计信号，小区α中第k个用户根据第一信道估计信号计算第一信道估计值H_αk，其中k＝1，2…，N，邻小区β的所有N个用户接收第二信道估计信号，小区α中第k个用户根据第二信道估计信号计算第二信道估计值G_αk；邻小区β的基站分别发送第一信道估计信号和第二信道估计信号到小区α的所有N个用户和邻小区β的所有N个用户，邻小区β的所有N个用户接收第二信道估计信号，小区β中第k个用户根据第二信道估计信号计算第三信道估计值H_βk，小区α所有N个用户接收第一信道估计信号，小区β中第k个用户根据第一信道估计信号计算第四信道估计值G_βk；

(3)小区α的所有N个用户反馈第一信道估计值H_αk和第二信道估计值G_βk到小区α的基站，并且邻小区β的所有N个用户反馈第三信道估计值H_βk和第四信道估计值G_αk到邻小区β的基站；

(4)小区α的基站根据公式

计算小区α内所有N个用户的接收矢量

其中上标*表示矩阵的共轭转置，并根据接收矢量

得出小区α内所有N个用户的有效信道参数构成的集合H_effα＝{H_eff-α1，H_eff-α2，…，H_eff-αN}，

H_eff-αk表示小区α的第k个用户的有效信道参数，这里有效信道参数H_eff-αk是相对于直接信道参数H_αk而言的；邻小区β的基站根据公式

计算邻小区β内所有N个用户的接收矢量并根据接收矢量

得出邻小区β内所有用户的有效信道参数构成的集合H_effβ＝{H_eff-β1，H_eff-β2，…，H_eff-βN}，其中

H_eff-βk表示小区β的第k个用户的有效信道参数；

(5)根据半正交算法，小区α和邻小区β分别从有效信道参数集合H_eff-α和H_eff-β中选择K个用户的有效信道参数，具体包括以下子步骤：

(5-1)初始化计数器i和j，使得i＝j＝1，初始化小区α和邻小区β的备选有效信道参数下标的集合T_α(i＝1)＝{1，2，…，N}和T_β(j＝1)＝{1，2，…，N}，初始化一个极小值ε。

(5-2)小区α计算集合H_eff-α＝{H_eff-α1，H_eff-α2，…，H_eff-αN}的N个有效信道参数的F范数，并选择F范数最大的一个有效信道参数作为第一个被选用户的信道矩阵g_α1＝H_{eff-απ(i＝1)}，其中eff-απ(i＝1)表示小区α中选择的第一个用户π(i＝1)，并从集合H_eff-α中剔除已选的有效信道参数；邻小区β计算集合H_eff-β＝{H_eff-β1，H_eff-β2，…，H_eff-βN}的N个有效信道参数的F范数，并选择F范数最大的一个有效信道参数作为第一个被选用户的信道矩阵g_β1＝H_{eff-βπ(j＝1)}，其中eff-βπ(j＝1)表示邻小区β中选择的第一个用户π(j＝1)，并从集合H_eff-β中剔除已选的有效信道参数；

(5-3)设置i＝i+1，j＝j+1；

(5-4)判断是否存在有i＜＝K且j＜＝K，若是则进入子步骤(5-5)，否则进入子步骤(5-7)；

(5-5)对于小区α中的每个用户p∈T_αi，计算H_eff-αp在已选集合{g_α1，g_α2，…，g_α(i-}上的投影补空间，即根据

计算g_αp，将F范数最大的g_αp作为第i个被选的有效信道参数，即

对于邻小区β的每个用户l∈T_βj，计算H_eff-βl在已选集合{g_β1，g_β2，…，g_β(j-1)}上的投影补空间，即根据

计算g_βl，将F范数最大的g_βl作为第j个被选的有效信道参数，即 $\mathrm{\&pi;}\left(j\right)=\arg \underset{l\&Element;T_{\mathrm{\&beta;j}}}{\max }\left|\right|g_{\mathrm{\&beta;l}}\left|\right|;$

(5-6)根据 $T_{\mathrm{\&alpha;}(i+1)}=\{p\&Element;T_{\mathrm{\&alpha;i}},p\&NotEqual;\mathrm{\&pi;}\left(i\right)|\frac{\left|H_{\mathrm{eff}-\mathrm{\&alpha;p}}{g}_{\mathrm{\&alpha;}\left(i\right)}^{*}\right|}{\left|\right|H_{\mathrm{eff}-\mathrm{\&alpha;p}}\left|\right|\left|\right|g_{\mathrm{\&alpha;}\left(i\right)}\left|\right|}<\mathrm{\&epsiv;}\}$ 更新小区α的备选有效信道参数下标的集合；根据 $T_{\mathrm{\&beta;}(j+1)}=\{l\&Element;T_{\mathrm{\&beta;j}},l\&NotEqual;\mathrm{\&pi;}\left(j\right)|\frac{\left|H_{\mathrm{eff}-\mathrm{\&beta;l}}{g}_{\mathrm{\&beta;}\left(j\right)}^{*}\right|}{\left|\right|H_{\mathrm{eff}-\mathrm{\&beta;l}}\left|\right|\left|\right|g_{\mathrm{\&beta;}\left(j\right)}\left|\right|}<\mathrm{\&epsiv;}\}$ 更新邻小区β的备选有效信道参数下标的集合，并返回子步骤(5-3)；

(5-7)小区α将选择的K个用户的有效信道参数构成有效信道参数矩阵 ${\tilde{H}}_{\mathrm{eff\&alpha;}}={[H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(1\right)}^{*},H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(2\right)}^{*},...,H_{\mathrm{eff}-\mathrm{\&alpha;\&pi;}\left(K\right)}^{*}]}^{*},$ 邻小区β将选择的K个用户的有效信道参数构成有效信道参数矩阵 ${\tilde{H}}_{\mathrm{eff\&beta;}}={[H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(1\right)}^{*},H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(2\right)}^{*},...,H_{\mathrm{eff}-\mathrm{\&beta;\&pi;}\left(K\right)}^{*}]}^{*};$

(6)小区α的基站根据公式

对矩阵

求伪逆，以获得预编码矢量V_α，邻小区β的基站根据公式

对矩阵

求伪逆，以获得预编码矢量V_β。具体而言，当K＝2时， $V_{\mathrm{\&alpha;}}=[v_{\mathrm{\&alpha;}1},v_{\mathrm{\&alpha;}2}]={\left[\begin{array}{c}{u}_{\mathrm{\&alpha;}1}^{*}{H}_{\mathrm{\&alpha;}1}P\\ u_{\mathrm{\&alpha;}2}^{*}{H}_{\mathrm{\&alpha;}2}P\end{array}\right]}^{-1}\left[\begin{array}{cc}{\mathrm{\&gamma;}}_1& 0\\ 0& {\mathrm{\&gamma;}}_2\end{array}\right],$ 其中γ₁和γ₂是使得||v_α1||＝1和||v_α2||＝1的归一化因子；而 $V_{\mathrm{\&beta;}}=[v_{\mathrm{\&beta;}1},v_{\mathrm{\&beta;}2}]={\left[\begin{array}{c}{u}_{\mathrm{\&beta;}1}^{*}{H}_{\mathrm{\&beta;}1}P\\ u_{\mathrm{\&beta;}2}^{*}{H}_{\mathrm{\&beta;}2}P\end{array}\right]}^{-1}\left[\begin{array}{cc}{\mathrm{\&eta;}}_1& 0\\ 0& {\mathrm{\&eta;}}_2\end{array}\right],$ 其中η₁和η₂是使得||v_β1||＝1和||v_β2||＝1的归一化因子。

所述小区α和邻小区β中的第k个用户的接收信干燥(SINR_k)比分别为：

${\mathrm{SINR}}_{\mathrm{\&alpha;k}}=\frac{\frac{P}{M}{\left|{\mathrm{\&mu;}}_{\mathrm{\&alpha;k}}{H}_{\mathrm{\&alpha;k}}{\mathrm{Pv}}_{\mathrm{\&alpha;},k}\right|}^2}{\frac{P}{M}\underset{j\&Element;\mathrm{\&beta;},j\&NotEqual;k}{\mathrm{\&Sigma;}}{\left|{\mathrm{\&mu;}}_{\mathrm{\&alpha;k}}{H}_{\mathrm{\&alpha;k}}{\mathrm{Pv}}_{\mathrm{\&alpha;},j}\right|}^2+1}$ 和 ${\mathrm{SINR}}_{\mathrm{\&beta;k}}=\frac{\frac{P}{M}{\left|{\mathrm{\&mu;}}_{\mathrm{\&beta;k}}{H}_{\mathrm{\&beta;k}}{\mathrm{Pv}}_{\mathrm{\&beta;},k}\right|}^2}{\frac{P}{M}\underset{j\&Element;\mathrm{\&beta;},j\&NotEqual;k}{\mathrm{\&Sigma;}}{\left|{\mathrm{\&mu;}}_{\mathrm{\&beta;k}}{H}_{\mathrm{\&beta;k}}{\mathrm{Pv}}_{\mathrm{\&beta;},j}\right|}^2+1},$

则所述小区α和邻小区β的和容量分别为：

$\left(R_{\mathrm{\&alpha;}}\right)=\underset{k\&Element;\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}{\log }_2(1+{\mathrm{SINR}}_{\mathrm{\&alpha;k}})$ 和 $R_{\mathrm{\&beta;}}=\underset{k\&Element;\mathrm{\&beta;}}{\mathrm{\&Sigma;}}{\log }_2(1+{\mathrm{SINR}}_{\mathrm{\&beta;k}}),$ 据此可以计算出两个小区的和容量。

现有的干扰对齐方案，各个小区协作用户是随机选择的，即随机从N个用户中选择K个用户。如果所选用户的信道相关性较大，则通过ZFBF计算的预编码矩阵夹角偏小，会造成容量损失的问题。为此，提出基于有效信道参数用户半正交选择的干扰对齐方法。其基本思想是，选择一组信道矢量接近正交的用户，并且新选中的用户满足：在所有候选用户中其信道矢量在已选用户信道矢量空间的补空间上投影最大。这样不仅保证了半正交性，而且使得各个用户容量尽量最大化。

此外，在上述步骤(5-6)每次更新备选用户集合T_i时(为简便，省略下标对小区的标号)，其中所有用户都与前面i-1个已选用户半正交，因此只需与此轮所选的第i个用户进行相关性计算。通过构造，很显然{g₁，g₂，…，g_(i-1)}是一组C^1*M的正交向量，经过(5-6)的公式更新用户集合T_i，则T_i中的所有用户的有效信道参数都是与g₍₁₎，…g_(i-1)半正交的，所有非正交已经被排除。因此，对于k∈T_i，g_k≈H_eff-αk。然后依据第三步，选择投影值最大的最佳用户π(i)的信道H_eff-απ(i)和它的基g_π(i)。由于g_i≈H_qi，选择的用户信道{H_eff-απ(1)，…，H_eff-απ(K)}在很大程度上说是半正交的。

通过用户半正交选择算法，选出一定数目的协作用户，然后再依据上面的干扰对齐的方法实现小区内和小区间干扰消除。

图3示出本发明方法应用前后小区间干扰对容量的影响性能比较。对于不考虑小区间干扰的情形下，仅消除边缘小区内用户间的干扰时，小区边缘用户的平均吞吐量随着信噪比的增加几乎趋于水平直线。采用小区间和小区内干扰对齐的方案，则对小区边缘用户的容量提升非常明显。

图4示出本发明的有效信道选择算法和现有技术中直接信道选择方法的性能比较。采用有效信道选择算法，对用户平均容量有较大改善，在较大信噪比下，提升值近似为1.4bps/Hz。由于通过有效信道参数计算的预编码矢量比直接信道选择方法更准确，干扰影响很小甚至可以忽略，因此用户平均容量几乎与发射信噪比成线性关系，且保持恒定增幅。

图5示出本发明的半正交算法和现有技术中随机用户选择算法的性能比较。有效信道参数半正交用户选择方案的平均用户容量比随机用户选择情况高约1.8bps/Hz，并且容量提升值与小区内同时参与协作的用户数无关。此外，对于相同的用户选择方案，小区内协作的用户数目越多，则用户平均容量略有减小。以虚拟MU-MIMO观点来看，满足K对点对点时变干扰信道的通信系统每个用户最大获得0.5个自由度，即各用户容量相等的理论。

Claims (1)

1.一种基于有效信道参数半正交的干扰消除方法，其特征在于，包括以下步骤： 

（1）小区α和邻小区β共同设定预编码矩阵P＝[f₁,f₂,...f_S,0,...0]_M*M，其中f₁，f₂，…，f_s表示任意S个M*1的标准正交基，M为发射天线数，且所述小区α和所述邻小区β的基站和所有用户已知P； 

（2）所述小区α的基站分别发送第一信道估计信号和第二信道估计信号到所述小区α的所有N个用户和所述邻小区β的所有N个用户，所述小区α的所有N个用户接收所述第一信道估计信号，所述小区α中第k个用户根据所述第一信道估计信号计算第一信道估计值H_αk，其中k=1，2…，N，所述邻小区β的所有N个用户接收所述第二信道估计信号，所述小区α中第k个用户根据所述第二信道估计信号计算第二信道估计值G_αk；所述邻小区β的基站分别发送所述第一信道估计信号和所述第二信道估计信号到所述小区α的所有N个用户和所述邻小区β的所有N个用户，所述邻小区β的所有N个用户接收所述第二信道估计信号，所述小区β中第k个用户根据所述第二信道估计信号计算第三信道估计值H_βk，小区α所有N个用户接收所述第一信道估计信号，所述小区β中第k个用户根据所述第一信道估计信号计算第四信道估计值G_βk； 

（3）所述小区α的所有N个用户反馈所述第一信道估计值H_αk和所述第二信道估计值G_βk到所述小区α的基站，并且所述邻小区β的所有N个用户反馈所述第三信道估计值H_βk和所述第四信道估计值G_αk到所述邻小区β的基站； 

（4）所述小区α的基站根据公式

计算所述小区α内所有N个用户的接收矢量其中上标*表示矩阵的共轭转置，并根据所述接收矢量

得出所述小区α内所有N个用户的有效信道参数构成的集合H_effα＝{H_eff-α1,H_eff-α2,...,H_eff-αN}， 

H_eff-αk表示所述小区α的第k个用户的有效信道参数，这里有效信道参数H_eff-αk是相对于直接信道参数H_αk而言的；所述邻小区β的基站根据公式

计算所述邻小区β内所有N个用户的接收矢量

并根据所述接收矢量

得出所述邻小区β内所有用户的有效信道参数构成的集合H_effβ＝{H_eff-β1,H_eff-β2,...,H_eff-βN}，其中

H_eff-βk表示所述小区β的第k个用户的有效信道参数； 

（5）根据以下半正交算法，所述小区α和所述邻小区β分别从有效信道参数集合H_effα和H_effβ中选择K个用户的有效信道参数： 

（5-1）初始化计数器i和j，使得i=j=1，初始化所述小区α和所述邻小区β的备选有效信道参数下标的集合T_α(i＝1)={1,2，...，N}和T_β(j＝1)={1,2，...，N}，初始化一个极小值ε； 

（5-2）所述小区α计算所述集合H_eff-α＝{H_eff-α1,H_eff-α2,...,H_eff-αN}的N个有效信道参数的F范数， 并选择F范数（Frobenius范数）最大的一个有效信道参数作为第一个被选用户的信道矩阵g_α1＝H_{eff-απ(i＝1)}，其中eff-απ(i＝1)表示所述小区α中选择的第一个用户π(i=1)，并从集合H_eff-α中剔除已选的有效信道参数；所述邻小区β计算所述集合H_eff-β＝{H_eff-β1,H_eff-β2,...,H_eff-βN}的N个有效信道参数的F范数，并选择F范数最大的一个有效信道参数作为第一个被选用户的信道矩阵g_β1＝H_{eff-βπ(j＝1)}，其中eff-βπ(j＝1)表示所述邻小区β中选择的第一个用户π(j=1)，并从集合H_eff-β中剔除已选的有效信道参数； 

（5-3）设置i=i+1，j=j+1； 

（5-4）判断是否存在有i<=K且j<=K，若是则进入子步骤（5-5），否则进入子步骤（5-7）； 

（5-5）对于所述小区α中的每个用户k∈T_αi，计算H_eff-αk在已选集合{g_α1，g_α2，...，g_α(i-1)}上的投影补空间，即根据 

计算g_αk，将F范数最大的g_αk作为第i个被选的有效信道参数，即

对于所述邻小区β的每个用户l∈T_βj，计算H_eff-βl在已选集合{g_β1,g_β2,...,g_β(j-1)}上的投影补空间，即根据 

计算g_βl，将F范数最大的g_βl作为第j个被选的有效信道参数，即 

（5-6）根据

更新所述小区α的备选有效信道参数下标的集合；根据 

更新所述邻小区β的备选有效信道参数下标的集合 ，并返回子步骤（5-3）； 

（5-7）所述小区α将选择的K个用户的有效信道参数构成有效信道参数矩阵

所述邻小区β将选择的K个用户的有效信道参数构成有效信道参数矩阵

（6）所述小区α的基站根据公式

对所述矩阵

求伪逆，以获得预编码矢量V_α：所述邻小区β的基站根据公式

对所述矩阵

求伪逆，以获得预编码矢量V_β。 

Images