CN102647728B - 一种下行链路波束成形的方法、发射端及多小区协作系统 - Google Patents

Abstract

本发明实施例公开了一种下行链路波束成形的方法、发射端及多小区协作系统。本发明实施例方法包括：第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，第一发射端为多小区协作系统中的任一发射端，下行链路的本地信道信息为发射端与多小区协作系统中各移动终端的下行链路信道信息；第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR；第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率。本发明实施例还公开与方法相关的装置，能够在保证移动终端公平性的基础上，利用较小的信息交换量得到系统最优化的和速率性能。

Description

一种下行链路波束成形的方法、发射端及多小区协作系统

技术领域

本发明涉及无线通信技术领域，尤其涉及一种下行链路波束成形的方法、发射端及多小区协作系统。

背景技术

随着无线通信需求的迅速增长，有效利用频谱资源变得日益重要，目前，移动通信系统采用蜂窝无线系统来有效地利用有限的频谱资源。近年来多输入多输出(MIMO，Multiple-Input Multiple-Out-put)通信技术得到充分发展。它是利用空间资源实现高速率链路传输的一种有效方式，能够在不增加额外频谱和功率的情况下显著增加通信系统的传输速率和可靠性，被公认为是下一代移动通信中的关键技术之一。点对点的MIMO技术的研究已日趋成熟，它通过空间复用增益、分集增益和阵列增益，可以有效地提高频谱有效性、链路可靠性和功率利用的有效性。

然而，上述结论都是基于单小区通信系统的，理论推导和算法涉及过程中没有考虑到来自其他小区的同信道干扰(CCI)。在实际的蜂窝无线通信系统中。多个用户对系统资源的共享以及相邻小区之间的频率复用使得任一小区中信号的发送都会对其他小区中的用户造成干扰，从而导致系统中存在较强的同信道干扰，整个系统通常是干扰受限的。在一些研究中发现，来自其他小区的同信道干扰将大大降低MIMO技术在蜂窝系统中的性能。

近年来，多小区协作处理技术成为解决上述问题的有效方案，它通过相邻小区的基站组成协作簇并交换部分信息，有效降低了小区间干扰，提升了小区边缘用户吞吐量以及系统吞吐量，从理论上突破了单点非协作系统的干扰受限容量。理想情况下，我们通过多个基站对链路信道状态信息(CSI,Channel State Information)和用户数据信息的完全共享，可以将多小区协作系统看作为一个虚拟的MIMO系统，那么包括脏纸编码(DPC，Dirty PaperCoding)以及现有的基于不同准则的多用户预编码方案都可以应用到多小区协作系统中，不同的是发射功率的约束不再是总功率约束，而是单个基站的功率约束。虽然基于多小区协作的网络MIMO技术可以显著弱化甚至完全消除小区间干扰的影响，从而有效提升系统的频谱利用率，但是性能的提升是以共享数据信息、信令开销以及计算复杂度的激增为代价的，这在有限回程容量的情况下很难实现。在实际系统中，小区间不共享数据信息，并进一步降低基站之间信息交互所需的系统开销和计算复杂度仍然非常重要。

发明内容

本发明实施例提供了一种下行链路波束成形的方法、发射端及多小区协作系统，用于在减少数据交互的情况下有效抑制小区间干扰的影响。

本发明实施例的方法包括：第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，第一发射端为多小区协作系统中的任一发射端，下行链路的本地信道信息为发射端与多小区协作系统中各移动终端的下行链路信道信息；第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，加权SINR为SINR与系统预置的权重因子的比值，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR；第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率；

其中，所述第一发射端通过两层的分层迭代计算方法确定最优加权信干噪比SINR的实现方式为：

依据预设目标SINR内层优化，利用内层优化的结果进行外层迭代，并采用外层迭代的目标SINR作为下一次内层优化的约束条件，循环执行该内层优化和外层迭代的过程。

本发明实施例的方法包括：第二发射端获取下行链路本地信道信息，下行链路本地信道信息为第二发射端与多小区协作系统中各移动终端的下行链路信道信息，第二发射端为多小区协作系统中的任意一个发射端；第二发射端根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，虚拟上行系统是以第二发射端为虚拟接收端，以多小区协作系统中的各移动终端为虚拟发送端，虚拟上行系统的信道是下行链路本地信道信息的互易信道,虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束，第二发射端每次迭代之后将与多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代；第二发射端根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；第二发射端根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率；

判断所述第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

若是，则依据帕累托改进的准则再次确定所述下行链路的波束成形向量及发送功率；

若否，则将所述下行链路的发射功率设置为所述第二发射端的最大发送功率值，将所述下行链路的波束成形向量设置为所述第二发射端的波束成形向量。

本发明实施例的发射端包括：信息交互单元，用于第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，第一发射端为多小区协作系统中的任一发射端，下行链路的本地信道信息为发射端与多小区协作系统中各移动终端的下行链路信道信息；最优SINR确定单元，用于第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，加权SINR为SINR与系统预置的权重因子的比值，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR值；第一确定单元，用于第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率；

其中，所述第一发射端通过两层的分层迭代计算方法确定最优加权信干噪比SINR的实现方式为：

依据预设目标SINR内层优化，利用内层优化的结果进行外层迭代，并采用外层迭代的目标SINR作为下一次内层优化的约束条件，循环执行该内层优化和外层迭代的过程。

本发明实施例的发射端包括：信息获取单元，用于第二发射端获取对应的下行链路本地信道信息，下行链路本地信道信息为第二发射端与多小区协作系统中的各移动终端的下行链路信道信息，第二发射端为多小区协作系统中的任意一个发射端；迭代算法单元，用于第二发射端根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，虚拟上行系统是以第二发射端为虚拟接收端，以多小区协作系统中的各移动终端为虚拟发送端，虚拟上行系统的信道是下行链路本地信道信息的互易信道,虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束，第二发射端每次迭代之后将与多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代；虚拟参数获取单元，用于第二发射端根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；第二确定单元，用于第二发射端根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率；

第二判断单元，用于判断所述第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

第二更新单元，用于当所述下行链路优化的发送功率的值小于或等于预置的发射端的功率约束值时，依据帕累托改进的准则再次确定所述下行链路优化的波束成形向量及发送功率；

第二设置单元，用于当则将所述下行链路优化的发射功率的值大于预置的发射端的功率约束值时，将所述下行链路的发射功率设置为所述第二发射端的最大发送功率值，将所述下行链路的波束成形向量设置为第二发射端的波束成形向量。

从以上技术方案可以看出，本发明实施例具有以下优点：

通过在最大化最差移动终端的加权SINR的准则下获取发射端优化的波束成形向量及发送功率，能够在保证移动终端的公平性的基础上获得最优化的多小区协作系统的和速率性能，且在获取优化的波束成形向量及发送功率的过程中，发射端之间交互本地信道信息或者迭代过程中得到的虚拟发送功率，回程开销很小，降低了计算复杂度，提高了系统的性能。

附图说明

图1为本发明实施例一种多小区协作系统的结构示意图；

图2为本发明实施例一种下行链路波束成形的方法的一个示意图；

图3为本发明实施例一种下行链路波束成形的方法的另一示意图；

图4为本发明实施例一种下行链路波束成形的方法的另一示意图；

图5为本发明实施例一种下行链路波束成形的方法的另一示意图；

图6为本发明实施例发射端的一个示意图；

图7为本发明实施例发射端的另一示意图；

图8为本发明实施例发射端的另一示意图；

图9为本发明实施例发射端的另一示意图；

图10为本发明实施例多小区协作系统的一个示意图。

具体实施方式

本发明实施例提供了一种下行链路波束成形的方法、发射端及多小区协作系统，用于对多小区协作系统中的发射端的下行链路的波束成形向量及发送功率进行优化，能够保证在移动终端公平性的前提下获得较好的性能。

为了更清楚的描述本发明的技术方案，下面将对实施例描述的下行链路的波束成形的优化方法的应用系统进行简单介绍。

本发明应用于多小区协作系统，其中，多小区协作系统包含M个具有L根天线的发射端，U个具有一根天线的移动终端，其中M个发射端可构成一个协作簇，簇内的发射端可协作的进行信号传输，且多小区协作系统中各个移动终端采用全频复用的形式传输信号。在本发明实施例描述的方案中，将在每个发射端仅服务一个移动终端的情况下，介绍M个发射端协作进行波束成形向量和发送功率向量的联合优化，其中第k(k＝1,…,M)个移动终端的接收信号可表示为：

式(1)中，表示Hermitian转置，向量h_k,i为第i个发射端到第k个移动接收端的平坦衰落信道，为高斯白噪声；s_k为第k个发射端发往其所服务移动终端的信号，其中Ε{·}为期望运算符。和p_k分别表示第k个发射端的归一化波束成形向量及发射功率，预置的单个发射端的功率约束为P_BS。请参阅图1，为本发明实施例中多小区协作系统的结构的参考图，其中包含了3个发射端及3个移动终端。

请参阅图2，为本发明实施例一种下行链路波束成形的方法的实施例，包括：

201、第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息；

第一发射端为多小区协作系统中的M个发射端中的任意一个，下行链路的本地信道信息为发射端与多小区协作系统中的所有的移动终端的下行链路的信道信息。

在本发明实施例中，为了获取下行链路优化的波束成形向量及发送功率，第一发射端将与多小区协作系统中的其他发射端交换下行链路的本地信道信息。

202、第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR；

第一发射端与其他发射端进行下行链路本地信道信息的交换后，将以最大化最差移动终端的加权信干噪比SINR为准则，利用两层的分层迭代算法确定最优加权SINR，其中，加权SINR为SINR与系统预置的权重因子的比值，且预设较大权重因子的移动终端可以获得相对较大的速率，信干噪比的全称为信号与干扰加噪声比(SINR，Signal to Interference plus Noise Ratio)，指的是接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值。最优加权SINR是指信道条件最差的移动终端所能获得的最大的加权SINR的值。

203、第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率。

第一发射端获取到最优加权SINR之后，将根据获取到的最优加权SINR对下行链路的波束成形向量及发送功率进行优化，实现了对波束成形向量及发送功率的联合优化。

在本发明实施例中，发射端通过与多小区协作系统中的其他发射端交换下行链路的本地信道信息，并在最大化最差移动终端的加权SINR的准则下实现对波束成形向量及发送功率的联合优化。由于发射端之间只需要交换下行链路的本地信道信息，大大的减少了信息的交换量，回程开销减少，且使得信道条件最差的移动终端能够获得最大的加权SINR，保证了在公平性的基础上得到最优化系统的和速率性能。

需要说明的是，图2所示实施例描述的波束成形的方法可称为集中式max-min优化方法，用于对发射端的波束成形向量及发送功率进行联合优化，在实际应用中，还可以使用其他的名称，此处不做限定。

为了更好的理解本发明的技术方案，将对图2所示实施例进行更加详细的描述，请参阅图3，为本发明实施例一种下行链路的波束成形的方法的实施例，包括：

301、第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息；

在多小区协作系统中，第一发射端可先对上行链路进行信道估计，获得上行链路的本地信道信息，再根据上下行链路的互易性获得下行链路的本地信道信息，其中，第一发射端为多小区协作系统中的M个发射端中的任意一个，在本发明实施例中，假设第一发射端为第g个发射端。

302、第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR；

第一发射端与其他发射端进行下行链路本地信道信息的交换后，将通过两层的分层迭代算法确定最优加权SINR，其中，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR，也可以说是在最大化最差移动终端的加权SINR的准则下得到的加权SINR。

在本发明实施例中，最大化最差移动终端的加权SINR的准则下求解最优加权SINR的问题可通过求解给定目标加权SINR下的最小化发射功率问题解决，其中，最小化发射功率问题可表示为：

$\left\{\begin{array}{c}\underset{W,P}{\min }{\left|\right|P\left|\right|}_1\\ s.t.p_j\≤p_{\mathrm{BS}},\∀M\\ \frac{{\mathrm{SINR}}_j^{\mathrm{DL}}}{{\mathrm{\ρ}}_j}\≥\mathrm{\γ},\∀M\end{array}\right.---\left(2\right)$

式(2)中ρ_j为第j个移动终端的权重因子，较大的权重因子可以较好的提升移动终端的速率，它通过这种方式影响系统的优化性能，P_BS为各发射端的功率约束；γ为预设的目标SINR，||p||₁表示向量p的一维范数。第j个移动终端的下行链路信干噪比为：

在式(3)中，g和j为1至M中的任意一个整数，W，P为下行链路的波束成形向量及发送功率，且W＝diag(f₁,...,f_m)，p＝[p₁,...,p_m]^T，p_m是第m个发射端的下行链路的功率向量，H_j,g为第g个发射端到第j个用户下行链路的信道状态信息，且f_g为第g个基站的下行链路的波束成形向量，为第g个基站的波束成形向量的Hermitian转置。

下面将介绍利用两层的分层迭代算法求解式(2)中的最小化发射功率问题。具体为：

首先进行内层优化。在本发明实施例中，预设目标SINR之后，将开始两层的分层迭代算法，预设的目标SINR的值代入式(2)中求解，当式(2)在目标SINR可求解，则在外层迭代中利用式(4)更新目标SINR及目标SINR的下界，当式(2)在目标SINR下不可解时，则在外层迭代中利用式(5)更新目标SINR及目标SINR的上界，更新之后，将利用更新的目标SINR求解式(2)，可解时，在外层迭代中利用式(4)更新目标SINR及目标SINR的下界，不可解时，在外层迭代中利用式(5)更新目标SINR及目标SINR的上界，继续利用更新的SINR对式(2)求解，如此在外层迭代及内层优化之间循环，直至达到外层迭代的停止迭代条件，则最后得到的目标SINR为求解的最优SINR。

然后进行外层迭代。利用上标(n)表示第n次外层迭代的参数，如γ⁽ⁿ⁾表示单个发射端功率约束下，第n次迭代的目标SINR值，将在稍后作为内层迭代的约束条件。

利用二分法不断更新目标SINR的上下界，分别表示为和。对于每次迭代，如果上次内层优化中式(2)可解，则更新目标SINR及目标SINR的下界，算法如下

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \underset{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(4\right)$

反之，若上次内层优化的式(2)不可解，更新目标SINR及目标SINR的上界，具体为：

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \stackrel{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(5\right)$

每次内层优化之后，都将进行目标SINR及目标SINR上下界的更新，直到满足条件则认为外部迭代是收敛的，并停止迭代。其中ε_outer是一个系统预置的阈值(通常为非常接近于0的正值)。迭代停止之后，将最后更新得到的目标SINR设置为第一发射端的最优加权SINR，即为最大化最差移动终端可达到的最大的SINR。

需要说明的是，初次迭代时，目标SINR的上下界分别为0和 $\underset{1\≤k\≤M}{\min }{P}_{\mathrm{BS}}{\mathrm{\λ}}_{\max }\left(H_{k,g}\right).$

303、根据最优加权SINR确定下行链路的波束成形向量及发送功率；

在步骤302中，第一发射端利用两层的分层迭代算法得到最优加权SINR之后，将根据得到的最优加权SINR确定下行链路的波束成形向量及发送功率。其中，利用最优加权SINR求解式(2)得到的波束成形向量及发送功率即为第一发射端下行链路优化的波束成形向量及发射功率。

304、判断第一发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值，若是，则执行步骤305，若否，则执行步骤306；

在本发明实施例中，对下行链路的波束成形向量及功率向量进行优化后，还可以利用帕累托改进进一步优化，利用集中式max-min优化可最大化最差移动终端的SINR，但对下行链路的功率向量进行研究表明：得到的下行链路优化的功率向量的大部分元素都小于功率约束值P_BS，系统可在不影响max-min优化性能的前提下，对优化后的波束成形向量及功率向量进行进一步优化。

在本发明实施例中，第一发射端也可对优化的波束成形向量及功率向量进行进一步的优化，第一发射端将判断下行链路优化的发射功率的值是否小于或等于预置的发射端的功率约束值P_BS，通过判断决定是否进行进一步的优化。

305、依据帕累托改进的准则再次确定波束成形向量及发送功率；

当得到的发送功率的值小于或等于预置的发射端的功率约束值P_BS时，第一发射端将依据帕累托改进的准则再次确定波束成形向量及发送功率。

具体方法为：

将集中式max-min优化得到的波束成形向量表示为对应的功率向量为对每一个基站g，当时，将波束成形向量及发送功率根据式(6)进行更新，具体为：

$f_g^{\mathrm{new}}=\frac{\sqrt{p_g^{*}}{f}_g^{*}+{\mathrm{\α}}_g{e}^{j{\mathrm{\θ}}_g}{h}_g^{\mathrm{ZF}}}{\sqrt{p_{\mathrm{BS}}}}$

$p_g^{\mathrm{new}}=P_{\mathrm{BS}}---\left(6\right)$

其中 是向量h_j,g在列空间的正交空间上的投影，表示为其中α_g为标量因子，可使得 $\left|\right|f_g^{\mathrm{new}}\left|\right|=1.$

306、将下行链路的发送功率的值设置为第一发射端的最大发送功率值，将下行链路的波束成形向量设置为第一发射端的波束成形向量。

当第一发射端的下行链路的发送功率的值大于预置的发射端的功率约束值P_BS时，则步骤303中得到的下行链路的发送功率的值设置为第一发射端的最大发送功率值，将步骤303中得到的下行链路的波束成形向量设置为第一发射端的波束成形向量。即设置

在本发明实施例中，步骤304至步骤306为对下行链路的波束成形向量及功率向量的进一步优化，可称为帕累托改进，能够使得系统的容量/速率逼近帕累托界。

在本发明实施例中，发射端与多小区协作系统中的其他发射端之间只需要交换下行链路的本地信道信息，大大的减少了参数的交换量，利用集中式max-min优化及帕累托改进，得到的波束成形向量及发送功率，使得能够得到最优化的多小协作系统的和速率性能，获得或逼近由多用户速率数据构成的容量/速率域的外界，博弈论里称为帕累托界。

在本发明实施例中，图2及图3的实施例描述的是在最大化最差移动终端的SINR的准则下发射端之间交换本地信道信息实现对波束成形向量及发送功率的优化，下面将描述另一种波束成形的优化方法，请参阅图4，为本发明实施例一种下行链路波束成形的方法的实施例，包括：

401、第二发射端获取下行链路的本地信道信息；

在本发明实施例中，第二发射端为多小区协作系统中的任意一个发射端，第二发射端获取对应的下行链路本地信道信息，其中，下行链路本地信道信息为第二发射端与多小区协作系统中的U个移动终端的下行链路信道信息。

402、第二发射端根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR；

在本发明实施例中，设置虚拟上行系统，且虚拟上行系统将以第二发射端为虚拟接收端，以多小区协作系统中的U个移动终端为虚拟发送端，其中，虚拟上行系统的信道是下行链路的本地信道信息的互易信道，且虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束。

在虚拟上行系统中，第二发射端(虚拟接收端)将基于下行链路的本地信道信息，以最大化最差移动终端的加权SINR为准则，采用迭代算法优化虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量，确定迭代算法收敛时SINR。需要说明的是，在迭代过程中，每次迭代之后，第二发射端将与多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代。

403、第二发射端根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；

在步骤402中，迭代算法对虚拟上行链路的虚拟接收波束成形向量机虚拟发送功率进行迭代，并获得最差移动终端的最小SINR，当连续的两次迭代得到的虚拟发送功率的差值满足预置的条件时，说明虚拟发送功率的值满足收敛条件，则停止迭代，第二发射端根据迭代算法收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量。

404、第二发射端根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率。

第二发射端获取到虚拟上行系统的虚拟发送功率向量及虚拟波束成形向量之后，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率。其中，下行链路的波束成形向量为迭代算法确定的虚拟接收波束成形向量，下行链路的发送功率是根据上下行链路的对偶性通过与多小区协作系统中其他发射端交互有限个正参数后计算得到的。

在本发明实施例中，通过利用虚拟上行系统，将第二发射端的波束成形向量及发送功率的求解问题转换为对求解虚拟上行链路的虚拟发送功率及虚拟接收波束成形向量的问题，在最大化最差移动终端的加权SINR的准则下，每次迭代之后与其他基站交换迭代得到的虚拟发送功率，大大的减少了参数的交互量，回程开销减少，且在最大化最差移动终端的加权SINR准则下得到的下行链路的波束成形向量及发送功率，保证了在公平性的基础上得到最优化的系统的和速率性能。

需要说明的是，图4所示实施例描述的波束成形的方法可称为分布式max-min优化方法，用于对发射端的波束成形向量及发送功率进行联合优化，在实际应用中，还可以使用其他的名称，此处不做限定。

为了更好的理解技术，下面将对图4所示的实施例的波束成形的方法进行详细描述，请参阅图5，为本发明实施例一种下行链路波束成形的方法的实施例，包括：

501、第二发射端获取下行链路的本地信道信息；

在本发明实施例中，第二发射端为多小区协作系统中的任意一个发射端，第二发射端对上行链路进行信道估计，可获取到对应的上行链路的本地信道信息，再根据上下行链路的互易性可获取对应的下行链路的本地信道信息。其中，下行链路本地信道信息为第二发射端与多小区协作系统中的U个移动终端的下行链路信道信息。

502、第二发射端根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR；

在本发明实施例中，设置虚拟上行系统，且虚拟上行系统将以第二发射端为虚拟接收端，以多小区协作系统中的U个移动终端为虚拟发送端，其中，虚拟上行系统的信道是下行链路的本地信道信息的互易信道，且虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束。

在虚拟上行系统中，第二发射端(虚拟接收端)将基于下行链路的本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定迭代算法收敛时的SINR，使得最大化最大移动终端的加权SINR。在迭代过程中，每次迭代之后，第二发射端将与多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代。

具体为：

多小区协作系统下行链路中单个发射端功率约束下的最大化最差移动终端的加权SINR问题转换为上行链路中更易解决的等价形式。等价的上行链路问题可以表示为如下形式：

$\left\{\begin{array}{c}\underset{W,Q}{\max }\underset{j}{\min }\frac{{\mathrm{SINR}}_j^{\mathrm{UL}}(W,Q)}{{\mathrm{\ρ}}_j}\\ s.t.q_j\≤p_{\mathrm{BS}},\∀M\end{array}\right.---\left(7\right)$

在式(7)中，P_BS为系统预置的各基站的约束功率，ρ_j为系统预置的权重因子，系统根据各个小区的具体情况为各个小区设定不通过的权重因子可以实现比例公平的优化，Q＝[q₁,q₂,...,q_M]为虚拟上行链路的虚拟发送功率向量，第j个移动终端的信干噪比为

在本发明实施例中，求解上行链路问题式(7)的迭代方法为：

1)设置初始化的值，Q⁽⁰⁾，γ为预置的目标SINR，其中上脚标0代表第0次迭代，n＝1代表第1次迭代，上脚标(n)表示第n次迭代得到的参数，循环执行步骤2至步骤5；

2)求迭代n次之后的SINR：其中，j＝1，M，M；n代表迭代的次数，I_g(Q⁽ⁿ⁾)为干扰函数，

定义为：

在式(9)中，

3)根据步骤2)中的SINR求第n次迭代之后第g个发射端的虚拟发送功率，为 $q_g^{\left(n\right)}=\mathrm{\α}{d}_j^{\left(n\right)},$ j＝1,...,M，g＝1,…,M，其中 $\mathrm{\α}={\min }_j\frac{P_{\mathrm{BS}}}{d_j^{\left(n\right)}}.$

4)利用步骤3)中的各基站的虚拟发送功率，求解发射端到移动终端的SINR值，并将其中最小的SINR设置为下一次迭代所需的SINR值，即为γ⁽ⁿ⁾＝min_j SINR_j ^UL(Q⁽ⁿ⁾)。

5)对步骤3)得到的虚拟发送功率进行判断，当其中ε为接近0的正值，满足收敛条件，则停止迭代，则步骤4)中得到的γ⁽ⁿ⁾即为最差移动终端的最大的SINR值；否则令n＝n+1，返回步骤2)，继续进行迭代计算，直到满足停止迭代的条件。

需要说明的是，在上述迭代算法中，每次迭代之后，发射端都将与多小区协作系统的其他发射端交换迭代得到的虚拟发射功率，并在虚拟发射功率更新之后，继续进行下一次迭代。

503、第二发射端根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；

在步骤502中，在最大化最差移动终端的加权SINR的准则下，利用迭代算法对虚拟上行链路的虚拟发送功率及波束成形向量进行迭代，直至满足收敛条件停止迭代，第二发射端将利用迭代算法得到的收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量。

504、第二发射端根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率；

步骤504与图4所示实施例的步骤404相同，此处不再赘述。

505、判断第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值，若是，则执行步骤306，若否，则执行步骤307；

步骤501至步骤504获取下行链路波束成形向量及发送功率的方法称为分布式max-min优化方法，在实际应用中，还可以利用帕累托改进进行进一步的优化。

第二发射端判断下行链路优化的发送功率的值是否小于或等于预置的发射端的功率约束值，利用判断结果决定是否进行进一步的优化。

506、依据帕累托改进的准则在次确定波束成形向量及发送功率；

当得到的发送功率的值小于或等于预置的发射端的功率约束值时，第二发射端将依据帕累托改进呢的准则再次确定波束成形向量及发送功率。

具体的方法与图3所示实施例中步骤305描述的内容相同，此处不再赘述。

507、将下行链路的发送功率的值设置为第一发射端的最大发送功率值，将下行链路的波束成形向量设置为第一发射端的波束成形向量。

步骤507描述的内容与图3实施例中步骤306描述的内容相似，此处不再赘述。

在本发明实施例中，为使得最大化最差移动终端的加权SINR，可将求解最大化最差移动终端的加权SINR问题转换为求解虚拟上行链路的在最大SINR下的最小发射功率问题，使得求解过程中，发射端之间只需要交换每次迭代得到的虚拟发送功率，减少了发射端之间的信息交互量，使得回程开销变小，同时在最大化最差移动终端的加权SINR的准则及帕累托改进方法对下行链路的波束成形向量及发送功率进行优化，能够在保证移动终端公平性的基础上获得最优的和速率性能，得到或逼近容量/速率的帕累托界。

进一步，本发明实施例还提供一种实现上述方法的发射端，该发射端可用于实现及执行上述方法实施例中的步骤及流程。在上述方法介绍中的所有处理均可以应用在发射端的实施例中。

请参阅图6，为本发明实实施例中发射端的实施例，包括：

信息交互单元601，用于第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，第一发射端为多小区协作系统中的任一发射端，下行链路的本地信道信息为发射端与多小区协作系统中各移动终端的下行链路信道信息；

最优SINR确定单元602，用于第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，加权SINR为SINR与系统预置的权重因子的比值，最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR值；

第一确定单元603，用于第一发射端根据最优加权SINR确定下行链路的波束成形向量及发送功率。

为了更好的理解本发明描述的发射端，请参阅图7，为本发明实施例发射端的实施例，包括：

图6所示实施例所描述的信息交互单元601，最优SINR确定单元602，第一确定单元603，且描述的内容与图6所示实施例描述的内容相同，此处不再赘述。

此外发射端还包括：

获取单元701，用于第一发射端对上行链路进行信道估计，根据上下行链路的互易性获得第一发射端的下行链路的本地信道信息。

第一判断单元702，用于判断第一发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

第一更新单元703，用于当第一发射端下行链路的发送功率的值小于或等于预置的发射端的功率约束值时，依据帕累托改进的准则再次确定波束成形向量及发送功率；

第一设置单元704，用于当第一发射端下行链路的发送功率的值大于预置的发射端的约束值时，将第一发射端下行链路的发送功率的值设置为第一发射端的最大发送功率值，将第一发射端的波束成形向量设置为第一发射端的波束成形向量。

在本发明实施例中，第一发射端的获取单元701对上行链路进行信道估计，并根据上下行链路的互易性获得第一发射端的下行链路的本地信道信息，接着第一发射端的信息交互单元601与多小区协作系统中其他发射端交换获取单元701获得的下行链路的本地信道信息，再由第一发射端的最优SINR确定单元602通过两层的分层迭代算法确定最优加权信干噪比SINR，第一发射端的第一确定单元603根据最优加权SINR确定下行链路的波束成形向量及发送功率。第一确定单元603确定第一发射端的波束成形向量及发送功率之后，第一发射端的第一判断单元702将判断下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值，当第一发射端下行链路的发送功率的值小于或等于预置的发射端的功率约束值时，第一更新单元703依据帕累托改进的准则再次确定波束成形向量及发送功率；当第一发射端下行链路的发送功率的值大于预置的发射端的约束值时，第一设置单元704将第一发射端下行链路的发送功率的值设置为第一发射端的最大发送功率值，将第一发射端的波束成形向量设置为第一发射端的波束成形向量。

在本发明实施例中，信息交互单元601中发射端与多小区协作系统中的其他发射端之间只需要交换下行链路的本地信道信息，大大的减少了参数的交换量，利用最优SINR确定单元602及第一判断单元702进行集中式max-min优化及帕累托改进，使得最大化最差移动终端的加权SINR并确定波束成形向量及发送功率，能够得到最优化的多小协作系统的和速率性能，获得或逼近由多用户速率数据构成的容量/速率域的帕累托界。

请参阅图8，为本发明实施例发射端的实施例，包括：

信息获取单元801，用于第二发射端获取下行链路本地信道信息，下行链路本地信道信息为第二发射端与多小区协作系统中的各移动终端的下行链路信道信息，第二发射端为多小区协作系统中的任意一个发射端；

迭代算法单元802，用于第二发射端根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，虚拟上行系统是以第二发射端为虚拟接收端，以多小区协作系统中的各移动终端为虚拟发送端，虚拟上行系统的信道是下行链路本地信道信息的互易信道,虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束，第二发射端每次迭代之后将与多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代；

虚拟参数获取单元803，用于第二发射端根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；

第二确定单元804，用于第二发射端根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率。

为了更好的理解技术，请参阅图9，为本发明实施例发射端的实施例，包括：

图8所示实施例中的信息获取单元801，迭代算法单元802，虚拟参数获取单元803，第二确定单元804，且与图8所示实施例中描述的内容相同，此处不再赘述。

此外，发射端还包括：

第二判断单元901，用于判断第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

第二更新单元902，用于当下行链路优化的发送功率的值小于或等于预置的发射端的功率约束值时，依据帕累托改进的准则再次确定下行链路优化的波束成形向量及发送功率；

第二设置单元903，用于当则将下行链路优化的发射功率的值大于预置的发射端的功率约束值时，将下行链路的发射功率设置为第二发射端的最大发送功率值，将下行链路的波束成形向量设置为第二发射端的波束成形向量。

在本发明实施例中，第二发射端的信息获取单元801获取下行链路本地信道信息，第二发射端的迭代算法单元802根据下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，接着第二发射端的虚拟参数获取单元803根据收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；并由第二发射端的第二确定单元804根据虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定第二发射端的下行链路的波束成形向量及发送功率。为了对确定的第二发射端的下行链路的波束成形向量及功率向量进行进一步的优化，第二发射端的第二判断单元901将判断下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值，当下行链路优化的发送功率的值小于或等于预置的发射端的功率约束值时，第二发射端的第二更新单元902将依据帕累托改进的准则再次确定下行链路优化的波束成形向量及发送功率；当则将下行链路优化的发射功率的值大于预置的发射端的功率约束值时，第二发射端的第二设置单元903将下行链路的发射功率设置为第二发射端的最大发送功率值，将下行链路的波束成形向量设置为第二发射端的波束成形向量。

在本发明实施例中，在最大化最差移动终端的加权SINR的准则下，迭代算法单元802通过将求解最大化最差移动终端的加权SINR问题转换为求解虚拟上行链路的在最大SINR下的最小发射功率问题，使得求解过程中，发射端之间只需要交换每次迭代得到的虚拟发送功率，减少了发射端之间的信息交互量，使得回程开销变小，同时在最大化最差移动终端的加权SINR的准则及帕累托改进方法对下行链路的波束成形向量及发送功率进行优化，能够在保证移动终端公平性的基础上获得最优的和速率性能，得到或逼近容量/速率的帕累托界。

请参阅图10，为本发明实施例多小区协作系统的实施例，包括：

若干个如图6至图9所示实施例中的任意一个实施例所示的发射端1001及若干个移动终端1002。

在本发明实施例中，通过在最大化最差移动终端的加权SINR的准则下利用集中式max-min优化方法或分布式max-min优化方法，及帕累托改进的准则确定多小区协作系统的发射端1001的下行链路的波束成形向量及发送向量，能够有效的减少发射端1001之间的信息交互量，使得回程开销变小，能够在保证移动终端公平性的基础上获得最优的和速率性能，得到或逼近容量/速率的帕累托界。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种下行链路波束成形的方法、发射端及多小区协作系统进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种下行链路波束成形的方法，其特征在于，包括：

第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，所述第一发射端为所述多小区协作系统中的任一发射端，所述下行链路的本地信道信息为发射端与所述多小区协作系统中各移动终端的下行链路信道信息；

所述第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，所述加权SINR为SINR与系统预置的权重因子的比值，所述最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR；

所述第一发射端根据所述最优加权SINR确定下行链路的波束成形向量及发送功率；

其中，所述第一发射端通过两层的分层迭代计算方法确定最优加权信干噪比SINR的实现方式为：

依据预设目标SINR内层优化，利用内层优化的结果进行外层迭代，并采用外层迭代的目标SINR作为下一次内层优化的约束条件，循环执行该内层优化和外层迭代的过程，其中，预设目标SINR之后，将开始两层的分层迭代算法，预设的目标SINR的值代入式(1)中求解，当式(1)在目标SINR可求解，则在外层迭代中利用式(2)更新目标SINR及目标SINR的下界，当式(1)在目标SINR下不可解时，则在外层迭代中利用式(3)更新目标SINR及目标SINR的上界，更新之后，将利用更新的目标SINR求解式(1)，可解时，在外层迭代中利用式(2)更新目标SINR及目标SINR的下界，不可解时，在外层迭代中利用式(3)更新目标SINR及目标SINR的上界，继续利用更新的SINR对式(1)求解，如此在外层迭代及内层优化之间循环，直至达到外层迭代的停止迭代条件，则最后得到的目标SINR为求解的最优SINR，

其中，式(1)为：

$\left\{\begin{array}{c}\underset{W,P}{\min }{\left|\right|P\left|\right|}_1\\ s.t.p_j\≤p_{\mathrm{BS}},\∀M\\ \frac{{\mathrm{SINR}}_j^{\mathrm{DL}}}{{\mathrm{\ρ}}_j}\≥\mathrm{\γ},\∀M\end{array}\right.---\left(1\right)$

ρ^j为第j个移动终端的权重因子，较大的权重因子可以较好的提升移动终端的速率，它通过这种方式影响系统的优化性能，P_BS为各发射端的功率约束；γ为预设的目标SINR，||p||₁表示向量p的一维范数，

式(2)为：

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \underset{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(2\right)$

γ⁽ⁿ⁾表示单个发射端功率约束下，第n次迭代的目标SINR值，γ⁽ⁿ⁺¹⁾表示单个发射端功率约束下，第n+1次迭代的目标SINR值，为目标SINR的上界，为目标SINR的下界，

式(3)为：

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \stackrel{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(3\right)$

γ⁽ⁿ⁾表示单个发射端功率约束下，第n次迭代的目标SINR值，γ⁽ⁿ⁺¹⁾表示单个发射端功率约束下，第n+1次迭代的目标SINR值，为目标SINR的上界，为目标SINR的下界；

所述第一发射端根据所述最优加权SINR确定下行链路的波束成形向量及发送功率之后还包括：

判断所述第一发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

若是，则依据帕累托改进的准则再次确定所述波束成形向量及发送功率；

若否，则将所述下行链路的发送功率的值设置为所述第一发射端的最大发送功率值，将所述下行链路的波束成形向量设置为第一发射端的波束成形向量。

2.根据权利要求1所述的方法，其特征在于，所述第一发射端与所述多小区协作系统中其他发射端交换下行链路的本地信道信息之前包括：

第一发射端对上行链路进行信道估计，根据上下行链路的互易性获得所述第一发射端的下行链路的本地信道信息。

3.一种下行链路波束成形的方法，其特征在于，包括：

第二发射端获取下行链路本地信道信息，所述下行链路本地信道信息为所述第二发射端与多小区协作系统中各移动终端的下行链路信道信息，所述第二发射端为所述多小区协作系统中的任意一个发射端；

所述第二发射端根据所述下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，所述虚拟上行系统是以所述第二发射端为虚拟接收端，以所述多小区协作系统中的各移动终端为虚拟发送端，所述虚拟上行系统的信道是所述下行链路本地信道信息的互易信道,所述虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束，所述第二发射端每次迭代之后将与所述多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代；

所述第二发射端根据所述收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；

所述第二发射端根据所述虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定所述第二发射端的下行链路的波束成形向量及发送功率；

判断所述第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

若是，则依据帕累托改进的准则再次确定所述下行链路的波束成形向量及发送功率；

若否，则将所述下行链路的发射功率设置为所述第二发射端的最大发送功率值，将所述下行链路的波束成形向量设置为所述第二发射端的波束成形向量。

4.根据权利要求3所述的方法，其特征在于，所述第二发射端获取对应的下行链路本地信道信息包括：

第二发射端对上行链路进行信道估计，根据上下行链路的互易性获得所述第二发射端的下行链路的本地信道信息。

5.一种发射端，其特征在于，包括：

信息交互单元，用于第一发射端与多小区协作系统中其他发射端交换下行链路的本地信道信息，所述第一发射端为所述多小区协作系统中的任一发射端，所述下行链路的本地信道信息为发射端与所述多小区协作系统中各移动终端的下行链路信道信息；

最优SINR确定单元，用于所述第一发射端通过两层的分层迭代算法确定最优加权信干噪比SINR，所述加权SINR为SINR与系统预置的权重因子的比值，所述最优加权SINR为信道条件最差的移动终端所能获得的最大的加权SINR值；

第一确定单元，用于所述第一发射端根据所述最优加权SINR确定下行链路的波束成形向量及发送功率；

其中，所述第一发射端通过两层的分层迭代计算方法确定最优加权信干噪比SINR的实现方式为：

依据预设目标SINR内层优化，利用内层优化的结果进行外层迭代，并采用外层迭代的目标SINR作为下一次内层优化的约束条件，循环执行该内层优化和外层迭代的过程，其中，预设目标SINR之后，将开始两层的分层迭代算法，预设的目标SINR的值代入式(1)中求解，当式(1)在目标SINR可求解，则在外层迭代中利用式(2)更新目标SINR及目标SINR的下界，当式(1)在目标SINR下不可解时，则在外层迭代中利用式(3)更新目标SINR及目标SINR的上界，更新之后，将利用更新的目标SINR求解式(1)，可解时，在外层迭代中利用式(2)更新目标SINR及目标SINR的下界，不可解时，在外层迭代中利用式(3)更新目标SINR及目标SINR的上界，继续利用更新的SINR对式(1)求解，如此在外层迭代及内层优化之间循环，直至达到外层迭代的停止迭代条件，则最后得到的目标SINR为求解的最优SINR，

其中，式(1)为：

$\left\{\begin{array}{c}\underset{W,P}{\min }{\left|\right|P\left|\right|}_1\\ s.t.p_j\≤p_{\mathrm{BS}},\∀M\\ \frac{{\mathrm{SINR}}_j^{\mathrm{DL}}}{{\mathrm{\ρ}}_j}\≥\mathrm{\γ},\∀M\end{array}\right.---\left(1\right)$

ρ^j为第j个移动终端的权重因子，较大的权重因子可以较好的提升移动终端的速率，它通过这种方式影响系统的优化性能，P_BS为各发射端的功率约束；γ为预设的目标SINR，||p||₁表示向量p的一维范数，

式(2)为：

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \underset{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(2\right)$

γ⁽ⁿ⁾表示单个发射端功率约束下，第n次迭代的目标SINR值，γ⁽ⁿ⁺¹⁾表示单个发射端功率约束下，第n+1次迭代的目标SINR值，为目标SINR的上界，为目标SINR的下界，

式(3)为：

$\left\{\begin{array}{c}{\mathrm{\γ}}^{(n+1)}=\frac{{\mathrm{\γ}}^{\left(n\right)}+\stackrel{\‾}{C}}{2}\\ \stackrel{\‾}{C}={\mathrm{\γ}}^{\left(n\right)}\end{array}\right.---\left(3\right)$

γ⁽ⁿ⁾表示单个发射端功率约束下，第n次迭代的目标SINR值，γ⁽ⁿ⁺¹⁾表示单个发射端功率约束下，第n+1次迭代的目标SINR值，为目标SINR的上界，为目标SINR的下界；

所述发射端还包括：

第一判断单元，用于判断所述第一发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

第一更新单元，用于当所述第一发射端下行链路的发送功率的值小于或等于预置的发射端的功率约束值时，依据帕累托改进的准则再次确定所述波束成形向量及发送功率；

第一设置单元，用于当所述第一发射端下行链路的发送功率的值大于预置的发射端的约束值时，将所述第一发射端下行链路发送功率的值设置为所述第一发射端的最大发送功率值，将所述第一发射端的波束成形向量设置为第一发射端的波束成形向量。

6.根据权利要求5所述的发射端，其特征在于，所述发射端还包括：

获取单元，用于第一发射端对上行链路进行信道估计，根据上下行链路的互易性获得所述第一发射端的下行链路的本地信道信息。

7.一种发射端，其特征在于，包括：

信息获取单元，用于第二发射端获取对应的下行链路本地信道信息，所述下行链路本地信道信息为第二发射端与多小区协作系统中的各移动终端的下行链路信道信息，所述第二发射端为所述多小区协作系统中的任意一个发射端；

迭代算法单元，用于所述第二发射端根据所述下行链路本地信道信息，采用迭代算法计算虚拟上行系统的虚拟发送功率向量及虚拟接收波束成形向量确定收敛时的SINR，使得最大化最差移动终端的加权SINR，所述虚拟上行系统是以所述第二发射端为虚拟接收端，以所述多小区协作系统中的各移动终端为虚拟发送端，所述虚拟上行系统的信道是所述下行链路本地信道信息的互易信道,所述虚拟发送功率满足与下行系统最大发送功率一致的单小区功率约束，所述第二发射端每次迭代之后将与所述多小区协作系统中的其他发射端交换迭代得到的虚拟上行链路的虚拟发送功率向量，利用更新后的虚拟发送功率继续进行迭代；

虚拟参数获取单元，用于所述第二发射端根据所述收敛时的SINR确定虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量；

确定单元，用于所述第二发射端根据所述虚拟上行链路的虚拟发送功率以及虚拟接收波束成形向量，利用上下行链路对偶性确定所述第二发射端的下行链路的波束成形向量及发送功率；

第二判断单元，用于判断所述第二发射端下行链路的发送功率的值是否小于或等于预置的发射端的功率约束值；

第二更新单元，用于当所述下行链路优化的发送功率的值小于或等于预置的发射端的功率约束值时，依据帕累托改进的准则再次确定所述下行链路优化的波束成形向量及发送功率；

第二设置单元，用于当则将所述下行链路优化的发射功率的值大于预置的发射端的功率约束值时，将所述下行链路的发射功率设置为所述第二发射端的最大发送功率值，将所述下行链路的波束成形向量设置为第二发射端的波束成形向量。

8.一种多小区协作系统，其特征在于，包括：

若干个如权利要求5至6任意一项所述的发射端及若干个移动终端；

或者，

若干个如权利要求7所述的发射端及若干个移动终端。