CN102740325A - 获得信道信息的方法、装置及波束成形优化方法、装置 - Google Patents

Abstract

本发明公开了一种获得信道信息的方法、装置及波束成形优化方法、装置，包括：基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；所述基站根据所述反馈信息及信道系数的空间相关矩阵，确定信道矢量函数；基站通过所述信道矢量函数实现波束成形优化。通过采用本发明提出的技术方案，能够降低现有集中式多基站协作波束成形技术中给反馈/回程链路带来的开销，并获得协作增益。

Description

获得信道信息的方法、装置及波束成形优化方法、装置

技术领域

本发明涉及通信技术领域，更具体的说，涉及一种获得信道信息的方法及装置，以及，多基站协作波束成形优化方法及装置。

背景技术

蜂窝系统中，每个小区相对于相邻小区来说是一个干扰源，整个网络是干扰受限系统，特别是用户终端之间不允许相互协作，同时受到体积及功率效率的影响，不允许在用户终端采用复杂的干扰处理技术。因此，多基站协作处理技术作为一种消除/协调小区间干扰、提升数据速率及增强覆盖的有效方法近年来得到了广泛关注。

多基站协作方式按照是否共享用户数据，可分为联合发送或单独发送的多基站协作；按照是否有中央处理单元可分为集中式或分布式的多基站协作。

集中式多基站协作方式中，通常基站簇内需要同时共享信道信息及数据信息。现有技术中有一种采用Wyner模型的联合迫零波束成形及用户调度的集中式多基站协作波束成形方法，集中式多基站协作技术中要求设置中央处理单元，且每个基站需要通过回程链路把信道信息、数据信息传递给中央处理单元。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

集中式多基站协作方式应用在波形成束技术中，需要设置中央处理单元，且基站需要通过回程链路向中央处理单元传递信息，因此给有限容量的反馈/回程链路带来了沉重的业务信息负载。

发明内容

本发明的实施例提供了一种获得信道信息的方法、装置及波束成形优化方法、装置，能够降低现有集中式多基站协作波束成形技术中给反馈/回程链路带来的开销。

本发明实施例提出的技术方案具体包括：

本发明提供了一种获得信道信息的方法，包括：

基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

所述基站根据所述反馈信息及信道系数的空间相关矩阵，确定信道矢量函数。

本发明提供了一种获得信道信息的装置，包括：

信息采集模块，用于基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息确定模块，用于所述基站根据所述信息采集模块接收到的反馈信息及信道系数的空间相关矩阵，确定信道矢量函数。

本发明提供了一种多基站协作波束成形优化的方法，包括：

服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

所述服务基站将所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

所述服务基站根据所述信道矢量函数进行波束成形优化。

本发明提供了一种多基站协作波束成形优化的装置，包括：

信息接收模块，用于服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息传递模块，用于所述服务基站将所述信息接收模块接收到的所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

信息确定模块，用于所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

优化处理模块，用于所述服务基站根据所述信息确定模块确定的信道矢量函数进行波束成形优化。

由上述本发明的实施例提供的技术方案可以看出，基站通过接收来自用户的反馈的信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码本索引号；能够根据所述信息及信道系数的空间相关矩阵确定信道矢量函数，以便基于所述信道矢量函数进行波束成形优化，相比现有的集中式多基站协同波束成形方案，本发明能够降低现有集中式多基站协作波束成形技术中给反馈/回程链路带来的开销，提高系统性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种获得信道信息的方法流程图；

图2为本发明实施例一种获得信道信息的装置结构示意图；

图3为本发明实施例一种多基站协作波束成形优化方法流程图；

图4为本发明实施例一种多基站协作波束成形优化装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提出一种获得信道信息的方法以及多基站协作波束成形优化方法，基站通过接收用户反馈的信道信息以及预定信道相位码本中首选码字的索引号，能够利用信道系数的相关统计信息来确定信道矢量函数。并且，将该方法应用在对基站协作波束成形优化方案中，能在反馈/回程开销和系统性能之间取得更合理的折衷，提高系统的性能。

如图1所示，本发明实施例提出了一种获得信道信息的方法，技术方案包括：

步骤101：基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

步骤102：所述基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数。

针对上述技术方案进一步的说，在步骤101之前所述方法还包括预定信道相位码本的生成过程，其中，本发明实施例中根据信道系数空间相关矩阵相对于瞬时信道状态信息来说变化缓慢，且基站较容易获得该相关矩阵的特点，采用Lloyd算法构建了一种由酉矩阵形式组成的预定信道相位码本。

所述酉矩阵形式组成的信道相位码本的生成过程包括：

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新。

进一步的说，将信道相位码本进行迭代更新，包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，

所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示相关矩阵为R的特征向量，

为特征值矩阵。

具体的说，迭代更新方法具体包括：

其中，d(h_n，R_n，T_i)表示为：

$d(h_n,R_n,T_i)={\left|\right|h_n{h}_n^H-U_n{T}_i{\hat{D}}_n{T}_i^H{U}_n^H\left|\right|}_F;---\left(2\right)$

对于方程(1)关键之处在于寻找新的码本T_i，i＝1，…，N，具体可以通过如下优化问题求解：

对于上述优化问题(3)的一个准最优解可以表示为其中：

$t_m^{*}=\left\{\begin{array}{cc}{v}_{\max }\left\{A_1\right\}& m=1\\ B_m{v}_{\max }\left\{B_m^H{A}_m{B}_m\right\}& m>1\end{array}\right.;---\left(4\right)$

d_n.m表示

第m个对角元素；B_m是

的零空间正交基。不断重复上述迭代更新步骤直到性能失真测度满足一定的性能指标，即可完成信道相位码本的设计。

本发明实施例中，用户在向基站反馈信息时，用户可以对信道范数进行直接量化后反馈给基站，对于信道相位信息用户是通过向基站反馈预定信道相位码本的首选相位码字的索引号获得的。

对于上述技术方案中下行链路的信道系数的空间相关矩阵R可以由如下两种方式获得：

用户端通过对最近一段时间内估计得到的多个下行瞬时信道函数样本进行统计平均，得到信道系数的空间相关矩阵R的估计值，然后反馈给本小区的基站；所述瞬时信道函数样本表示为信道系数h与其共轭转置的乘积，即：h h^H；

或者，

基站通过对最近一段时间内用户的多个上行瞬时信道函数样本进行统计平均，即估计上行链路信道系数的空间相关矩阵R，并把该估计值作为下行链路信道系数的空间相关矩阵；

其中统计平均的具体方法可以采用现有技术中的方法来实现。

针对上述步骤102具体的说，所述方法还包括确定信道矢量函数的过程，具体如下：

通过信道系数的空间相关矩阵、信道范数以及信道系数的相关矩阵，来估计信道矢量函数；

首先，对信道矢量函数Ω＝h h^H的进行特征值分解Ω＝UDU^H，并分别估计信道相位矩阵U和特征值矩阵D，即通过公式

$\widehat{\mathrm{\Ω}}=\hat{U}\hat{D}{\hat{U}}^H=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{d}_m{\hat{u}}_m{\hat{u}}_m^H$ 获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

需要说明的是，在本发明实施例中，通过分别估计特征值矩阵

以及信道相关矩阵

的方式，来最终获得估计的信道矢量函数

针对上述步骤102具体的说，所述方法还包括确定所述特征值矩阵的过程，具体如下：

将信道系数的空间相关矩阵R进行特征值分解得到其中，U_r表示R的特征向量，D_r表示以R的特征值依降序排列后的向量为对角元素的对角矩阵，利用信道范数ρ，特征值矩阵计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，令已知ρ＝||h||＝||v||，

及

记信道范数ρ的概率密度函数为f(ρ)，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}.$

进一步的说，获得所述信道相位矩阵的过程包括：

所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系：

其中，||·||_F表示

信道范数；

所述基站根据所述首选相位码字的索引号获得所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

如图2所示，基于上述图1所示的方法实施例，本发明实施例提出一种获得信道信息的装置，包括：

信息采集模块21，用于基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息确定模块22，用于所述基站根据所述信息采集模块接收到的反馈信息及信道系数的空间相关矩阵，确定信道矢量函数。

优选的，所述装置还可以包括：

码本构建模块23，用于采用Lloyd算法构建由酉矩阵组成的预定信道相位码本，包括；

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新。

优选的，所述码本构建模块23还用于对所述信道相位码本进行迭代更新，可以进一步包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示信道系数的空间相关矩阵为R的特征向量，为特征值矩阵。

优选的，所述信息确定模块22具体可以用于：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计其特征矢量(或信道相位矩阵)U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

优选的，所述信息确定模块22具体可以包括：

特征值矩阵确定单元221，用于将信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值{λ_m}依降序排列后的向量为对角元素的对角矩阵，利用信道范数ρ，特征值矩阵

计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})};$

信道相位矩阵确定单元222：用于所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系：

其中，||·||_F表示

信道范数；

所述基站根据所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

需要说明的是，本发明所述的装置实施例是基于图1所示的方法实施例获得的，包含了与图1实施例相同或相应的技术特征，因此，在图2所示的装置实施例中并不再对重复的技术方案进行详细阐述，具体请参见上述图1所示的方法实施例。

如图3所示，基于上述获得信道信息的方法，本发明实施例提出一种多基站协作波束成形优化的方法，技术方案包括：

步骤301：服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

步骤302：所述服务基站将所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

步骤303：所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

步骤304：所述服务基站根据所述信道矢量函数进行波束成形优化。

需要说明的是，本发明实施例是基于图1所述的获得信道信息的方法而提出的，将所述方法应用在多基站协作波束成形优化方案中，能够解决现有技术中集中式多基站协作波束成形方案，给反馈/回程链路带来的额外开销。

进一步的，在步骤301之前所述方法还采用Lloyd算法构建由酉矩阵组成的预定信道相位码本，具体包括：

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新；

所述迭代更新过程具体可以包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F  表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示相关矩阵为R的特征向量，

为特征值矩阵。

需要说明的是，本发明实施例中信道相位码本的生成过程与图1实施例中的方法相同。

进一步的，本发明实施例步骤303确定信道矢量函数的过程，具体包括：首先，对信道矢量函数Ω＝h h^H的进行特征值分解Ω＝UDU^H，并分别估计其特征矢量(或信道相位矩阵)U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

需要说明的是，本发明实施例中确定信道矢量函数的方法与图1实施例中的方法相同。

进一步的，本发明实施例中所述方法还可以包括确定所述特征值矩阵的过程，具体可以包括：

将相关矩阵R进行特征值分解得到 $R=U_r{D}_r{U}_r^H;$

其中，U_r表示R的特征向量，D_r表示以R的特征值依降序排列后的向量为对角元素的对角矩阵，利用信道范数ρ，特征值矩阵

计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，令

已知ρ＝||h||＝||v||，

及

记信道范数ρ的概率密度函数为f(ρ)，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}.$

进一步的，本发明实施例还可以包括确定所述信道相位矩阵的过程，可以包括：

所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字满足下式的关系：

其中，||·||_F  表示信道范数；

所述基站根据所述首选相位码字依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

需要说明的是，本发明实施例中确定特征值矩阵和确定信道相位矩阵的过程，与图1所示的方法实施例中相同。

进一步的，步骤304所述服务基站根据所述信道矢量函数进行波束成形优化，包括：

根据所述信道矢量函数进行基于SLNR准则的波束成形优化，或者，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化。

具体的说，在根据信道矢量函数进行波束成形优化时，考虑平衰落信道环境下由K个基站组成的下行链路多基站协作系统，其中，每个基站配置M根发射天线，用户端配置单根天线。通常，每个基站服务小区有许多用户等待服务，本发明实施例中，假设协作基站簇已经通过某种调度算法从大量用户中选择出K个发送用户，每个基站服务一个用户。用户k接收到的信息可以表示：

$y_k=\sqrt{p_k}{h}_{k,k}^{+}{w}_k{x}_k+\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}\sqrt{p_j}{h}_{k,j}^{+}{w}_j{x}_j+n_k---\left(5\right)$

其中：y_k表示用户k的接收信息；p_k表示基站k的发射功率；h_k，j表示基站j到用户k的信道系数，这里我们考虑大尺度、小尺度衰落影响，将其表示为

表示小尺度衰落信道系数，

γ_k，j表示大尺度衰落系数且表示为：

${\mathrm{\γ}}_{k,j}=\frac{{\mathrm{\β\χ}}_{k,j}}{d_{k,j}^{\mathrm{\α}}}---\left(6\right)$

β表示尺度因子，α表示信道衰落系数(通常，α＞2)，d_k，j表示基站j到用户k的距离，x_k，j表示阴影衰落；n_k表示均值为0、方差为

的复数加性高斯白噪声，即w_k为基站k的范数为1的波束矢量。用户k的接收信号功率与干扰信号功率和噪声功率之和的比值(SINR_k)可以表示为：

${\mathrm{SINR}}_k(w_k,p_k)=\frac{p_k{w}_k^H{h}_{k,k}{h}_{k,k}^H{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_j{w}_j^H{h}_{k,j}{h}_{k,j}^H{w}_j+{\mathrm{\σ}}_k^2}=\frac{p_k{w}_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_j{w}_j^H{\mathrm{\Ω}}_{k,j}{w}_j+{\mathrm{\σ}}_k^2}---\left(7\right)$

其中，

称之为信道矢量函数，上标符号H表示共轭转置。

从方程(5)可以看出，各基站在只给自己服务的用户发送信息，基站间没有对用户进行联合发送时，能够避免基站间相互共享数据信息，减少了基站间回程链路的业务信息负载量。

但为了消除小区间干扰及改善多基站协作系统性能，本发明实施例中提出对功率分配参数

和波束向量

进行联合设计，采用各用户反馈给服务基站的信道信息，确定信道矢量函数，并基于信道矢量函数实现分布式多基站协作波束成形优化，下面具体针对基于SLNR准则的波束成形优化，以及，基于扩展迫零准则的波束成形优化的方案进行说明。

进一步的，根据所述信道矢量函数进行基于SLNR准则的波束成形优化，包括：

在多基站协作波束成形和功率分配优化设计时，一般需要一个衡量多基站协作波束成形和功率分配算法的性能准则作为优化设计的目标函数。

本发明实施例中，以基站簇的和速率最大化作为衡量多基站协作波束成形和功率分配算法性能准则的目标函数，即：

$\underset{W,p}{\max }\mathrm{SumRate}(W,p)=\underset{W,p}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\log (1+{\mathrm{SINR}}_k(w_k,p_k));$

||w_k||＝1 p_k≤P_BS k＝1，…，K

其中，W＝diag(w₁，…，w_k)，p＝(p₁，…，p_K)^T分别表示多基站协作下行链路波束矩阵及发射功率向量，上标符号T表示共轭转置运算，P_BS为基站的最大发射功率；

采用接收信号功率与泄漏信号功率和噪声功率之和的比值(SLNR)作为系统性能指标，用户k的SLNR_k表示为：

${\mathrm{SINR}}_k(w_k,p_k)=\frac{p_k{w}_k^H{h}_{k,k}{h}_{k,k}^H{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{h}_{j,k}{h}_{j,k}^H{w}_k+{\mathrm{\σ}}_k^2}=\frac{p_k{w}_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{\mathrm{\Ω}}_{j,k}{w}_k+{\mathrm{\σ}}_k^2};$

所述基站根据信道矢量函数Ω_j，k，j＝1，…，K，优化波束成形矢量w_k和分配功率p_k，以实现SLNR_k最大化，即：

$\underset{w_k,p_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)s.t.p_k\≤P_{\mathrm{BS}}\left|\right|w_k\left|\right|=1\∀k;$

已知SLNR_k(w_k，p_k)为发射功率p_k的单调递增函数，基站采用满功率发射时：

$\underset{w_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)=\underset{w_k}{\max }\frac{w_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{w_k^H[\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Ω}}_{j,k}+\frac{{\mathrm{\σ}}_k^2}{P_{\mathrm{BS}}}]w_k}s.t.\left|\right|w_k\left|\right|=1\∀k;$

最优解为：

其中，v_max(A)表示矩阵A最大特征值所对应的特征向量。

进一步的，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化，包括：

以

作为扩展迫零波束成形优化准则：

对信道矢量函数

进行特征值分解(对角矩阵的元素依降序排列)：

${\widehat{\mathrm{\Ω}}}_{j,k}=\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]\left[\begin{array}{cc}{\hat{D}}_{j,k}^{\left(d\right)}& \\ & {\hat{D}}_{j,k}^{\left(n\right)}\end{array}\right]{\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]}^H,j,k=1,\·\·\·,K$

其中，

称为主特征向量，其相应于特征值满足如下要求：

$\frac{\mathrm{tr}\left\{{\hat{D}}_{j,k}^{\left(d\right)}\right\}}{\mathrm{tr}\left\{{\hat{D}}_{j,k}\right\}}\≥\mathrm{\τ}$

其中，0≤τ≤1，信道矢量函数的主特征向量在进行波束成形优化时，满足如下要求：

$w_k\∈\left\{w\right|w^H{\hat{U}}_{j,k}^{\left(d\right)}=0,\∀j\≠k\},k=1,\·\·\·,K$

对

进行施密特正交化得到列正交矩阵V_k，其投影矩阵表示为：

迫零波束成形向量为：

其中，是

的第一个列向量，ξ是功率约束因子。

如图4所示，基于上述图3所示的方法实施例，本发明提出了一种多基站协作波束成形优化的装置，包括：

信息接收模块41，用于服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息传递模块42，用于所述服务基站将所述信息接收模块接收到的所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

信息确定模块43，用于所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

优化处理模块44，用于所述服务基站根据所述信息确定模块确定的信道矢量函数进行波束成形优化。

进一步的，所述装置还可以包括：

码本构建模块45，用于采用Lloyd算法构建由酉矩阵组成的预定信道相位码本，包括：

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新；

所述迭代更新过程包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F  表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示相关矩阵为R的特征向量，

为特征值矩阵。

进一步的，所述信息确定模块43具体可以用于：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计其特征矢量(或信道相位矩阵)U和特征值矩阵D，即通过公式获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

进一步的，所述信息确定模块43具体可以包括：

特征值矩阵确定单元431，用于将信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值依降序排列后的向量为对角元素的对角矩阵，利用信道范数ρ，特征值矩阵

计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}.$

信道相位矩阵确定单元432，用于所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系：

其中，||·||_F表示

信道范数；

所述基站根据所述首选相位码字

依据所述信道相位矩阵的公式，来确定所述信道相位矩阵

进一步的，所述优化处理模块44具体可以用于：

根据所述信道矢量函数进行基于SLNR准则的波束成形优化，或者，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化。

进一步的，所述优化处理模块44具体可以包括：

第一优化单元441，用于根据所述信道矢量函数进行基于SLNR准则的波束成形优化，包括：

以基站簇的和速率最大化作为衡量多基站协作波束成形和功率分配算法性能准则的目标函数，即：

$\underset{W,p}{\max }\mathrm{SumRate}(W,p)=\underset{W,p}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\log (1+{\mathrm{SINR}}_k(w_k,p_k));$

||w_k||＝1 p_k≤P_BS k＝1，…，K

其中，W＝diag(w₁，…，w_K)，p＝(p₁，…，p_K)^T分别表示多基站协作下行链路波束矩阵及发射功率向量，上标符号T表示共轭转置运算，P_BS为基站的最大发射功率；

采用接收信号功率与泄漏信号功率和噪声功率之和的比值(SLNR)作为系统性能指标，用户k的SLNR_k表示为：

${\mathrm{SINR}}_k(w_k,p_k)=\frac{p_k{w}_k^H{h}_{k,k}{h}_{k,k}^H{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{h}_{j,k}{h}_{j,k}^H{w}_k+{\mathrm{\σ}}_k^2}=\frac{p_k{w}_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{\mathrm{\Ω}}_{j,k}{w}_k+{\mathrm{\σ}}_k^2};$

所述基站根据信道矢量函数Ω_j，k，j＝1，…，K，优化波束成形矢量w_k和分配功率p_k，以实现SLNR_k最大化，即：

$\underset{w_k,p_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)s.t.p_k\≤P_{\mathrm{BS}}\left|\right|w_k\left|\right|=1\∀k;$

已知SLNR_k(w_k，p_k)为发射功率p_k的单调递增函数，基站采用满功率发射时：

$\underset{w_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)=\underset{w_k}{\max }\frac{w_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{w_k^H[\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Ω}}_{j,k}+\frac{{\mathrm{\σ}}_k^2}{P_{\mathrm{BS}}}]w_k}s.t.\left|\right|w_k\left|\right|=1\∀k;$

最优解为：

其中，v_max(A)表示矩阵A最大特征值所对应的特征向量；

第二优化单元442，用于根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化，包括：

以作为扩展迫零波束成形优化准则：

对信道矢量函数

进行特征值分解(对角矩阵的元素依降序排列)：

${\widehat{\mathrm{\Ω}}}_{j,k}=\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]\left[\begin{array}{cc}{\hat{D}}_{j,k}^{\left(d\right)}& \\ & {\hat{D}}_{j,k}^{\left(n\right)}\end{array}\right]{\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]}^H,j,k=1,\·\·\·,K$

其中，称为主特征向量，其相应于特征值满足如下要求：

$\frac{\mathrm{tr}\left\{{\hat{D}}_{j,k}^{\left(d\right)}\right\}}{\mathrm{tr}\left\{{\hat{D}}_{j,k}\right\}}\≥\mathrm{\τ}$

其中，0≤τ≤1，信道矢量函数

的主特征向量在进行波束成形优化时，满足如下要求：

$w_k\∈\left\{w\right|w^H{\hat{U}}_{j,k}^{\left(d\right)}=0,\∀j\≠k\},k=1,\·\·\·,K$

对

进行施密特正交化得到列正交矩阵V_k，其投影矩阵表示为：

迫零波束成形向量为：

其中，

是

的第一个列向量，ξ是功率约束因子。

需要说明的是，本发明所述的装置实施例是基于图3所示的方法实施例获得的，包含了与图3实施例相同或相应的技术特征，因此，在图4所示的装置实施例中并不再对重复的技术方案进行详细阐述，具体请参见上述图3所示的方法实施例。

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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

由本发明实施例的技术方案可以看出，通过要求用户向基站反馈预定信道相位码本中首选码字的索引号以及信道范数，基站能够根据该反馈信息以及信道系数的空间相关矩阵，估计信道矢量函数。将估计信道矢量函数的方法应用于多基站协作波束成形优化方案中，相比已有的集中式多基站协同波束成形方案，能在反馈/回程开销和系统性能之间取得更合理的折衷，提高系统性能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (25)

1.一种获得信道信息的方法，其特征在于，包括：

基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

所述基站根据所述反馈信息及信道系数的空间相关矩阵，确定信道矢量函数。

2.根据权利要求1所述的方法，其特征在于，在所述基站接收来自用户的反馈信息之前，还包括：采用Lloyd算法构建由酉矩阵组成的所述预定信道相位码本，包括；

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新。

3.根据权利要求2所述的方法，其特征在于，将信道相位码本进行迭代更新，包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示信道系数的空间相关矩阵为R的特征向量，

为特征值矩阵。

4.根据权利要求3所述的方法，其特征在于，所述基站根据所述反馈信息及信道系数的空间相关矩阵，确定信道矢量函数，包括：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计信道相位矩阵U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括确定所述特征值矩阵，包括：

将所述信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值{λ_m}依降序排列后的向量为对角元素的对角矩阵，利用所述信道范数ρ，特征值矩阵计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}.$

6.根据权利要求4所述的方法，其特征在于，所述方法还包括确定所述信道相位矩阵，包括：

所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系：其中，||·||_F  表示信道范数；

所述基站根据所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

7.一种获得信道信息的装置，其特征在于，包括：

信息采集模块，用于基站接收来自用户的反馈信息；所述反馈信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息确定模块，用于所述基站根据所述信息采集模块接收到的反馈信息及信道系数的空间相关矩阵，确定信道矢量函数。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：码本构建模块，用于采用Lloyd算法构建由酉矩阵组成的所述预定信道相位码本，包括；

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本， 其中N_TS表示样本；

将信道相位码本进行迭代更新。

9.根据权利要求8所述的装置，其特征在于，所述码本构建模块还用于对所述信道相位码本进行迭代更新，包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示信道系数的空间相关矩阵为R的特征向量，为特征值矩阵。

10.根据权利要求9所述的装置，其特征在于，所述信息确定模块具体用于：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计信道相位矩阵U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

11.根据权利要求10所述的装置，其特征在于，所述信息确定模块具体包括：

特征值矩阵确定单元，用于将所述信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值{λ_m}依降序排列后的向量为对角元素的对角矩阵，利用所述信道范数ρ，特征值矩阵

计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})};$

信道相位矩阵确定单元：用于接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系：其中，||·||_F  表示

信道范数；

根据所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

12.一种多基站协作波束成形优化的方法，其特征在于，包括：

服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

所述服务基站将所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

所述服务基站根据所述信道矢量函数进行波束成形优化。

13.根据权利要求12所述的方法，其特征在于，在所述服务基站接收来自用户的反馈信息之前，所述方法还包括采用Lloyd算法构建由酉矩阵组成的所述预定信道相位码本，包括：

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新；

所述迭代更新过程包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F  表示信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示相关矩阵为R的特征向量，

为特征值矩阵。

14.根据权利要求13所述的方法，其特征在于，所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数，包括：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计其特征矢量(或信道相位矩阵)U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

15.根据权利要求14所述的方法，其特征在于，所述方法还包括确定所述特征值矩阵，包括：

将所述信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值依降序排列后的向量为对角元素的对角矩阵，利用信道范数ρ，特征值矩阵计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}.$

16.根据权利要求14所述的方法，其特征在于，所述方法还包括确定所述信道相位矩阵，包括：

所述服务基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字满足下式的关系：

其中，||·||_F表示信道范数；

所述服务基站根据所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

17.根据权利要求12至16中任一所述的方法，其特征在于，所述服务基站根据所述信道矢量函数进行波束成形优化，包括：

根据所述信道矢量函数进行基于SLNR准则的波束成形优化，或者，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化。

18.根据权利要求17所述的方法，其特征在于，根据所述信道矢量函数进行基于SLNR准则的波束成形优化，包括：

以基站簇的和速率最大化作为衡量多基站协作波束成形和功率分配算法性能准则的目标函数，即：

$\underset{W,p}{\max }\mathrm{SumRate}(W,p)=\underset{W,p}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\log (1+{\mathrm{SINR}}_k(w_k,p_k));$

||w_k||＝1 p_k≤P_BS k＝1，…，K

其中，W＝diag(w₁，…，w_K)，p＝(p₁，…，p_K)^T分别表示多基站协作下行链路波束矩阵及发射功率向量，上标符号T表示共轭转置运算，P_BS为基站的最大发射功率；

采用接收信号功率与泄漏信号功率和噪声功率之和的比值(SLNR)作为系统性能指标，用户k的SLNR_k表示为：

${\mathrm{SINR}}_k(w_k,p_k)=\frac{p_k{w}_k^H{h}_{k,k}{h}_{k,k}^H{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{h}_{j,k}{h}_{j,k}^H{w}_k+{\mathrm{\σ}}_k^2}=\frac{p_k{w}_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{\mathrm{\Ω}}_{j,k}{w}_k+{\mathrm{\σ}}_k^2};$

所述基站根据信道矢量函数Ω_j，k，j＝1，…，K，优化波束成形矢量w_k和分配功率p_k，以实现SLNR_k最大化，即：

$\underset{w_k,p_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)s.t.p_k\≤P_{\mathrm{BS}}\left|\right|w_k\left|\right|=1\∀k;$

 已知SLNRk(w_k，p_k)为发射功率p_k的单调递增函数，基站采用满功率发射时：

$\underset{w_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)=\underset{w_k}{\max }\frac{w_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{w_k^H[\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Ω}}_{j,k}+\frac{{\mathrm{\σ}}_k^2}{P_{\mathrm{BS}}}]w_k}s.t.\left|\right|w_k\left|\right|=1\∀k;$

最优解为：其中，v_max(A)表示矩阵A最大特征值所对应的特征向量。

18、根据权利要求17所述的方法，其特征在于，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化，包括：

以作为扩展迫零波束成形优化准则：

对信道矢量函数

进行特征值分解(对角矩阵的元素依降序排列)：

${\widehat{\mathrm{\Ω}}}_{j,k}=\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]\left[\begin{array}{cc}{\hat{D}}_{j,k}^{\left(d\right)}& \\ & {\hat{D}}_{j,k}^{\left(n\right)}\end{array}\right]{\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]}^H,j,k=1,\·\·\·,K$

其中，

称为主特征向量，其相应于特征值满足如下要求：

$\frac{\mathrm{tr}\left\{{\hat{D}}_{j,k}^{\left(d\right)}\right\}}{\mathrm{tr}\left\{{\hat{D}}_{j,k}\right\}}\≥\mathrm{\τ}$

其中，0≤τ≤1，信道矢量函数

的主特征向量在进行波束成形优化时，满足如下要求：

$w_k\∈\left\{w\right|w^H{\hat{U}}_{j,k}^{\left(d\right)}=0,\∀j\≠k\},k=1,\·\·\·,K$

对

进行施密特正交化得到列正交矩阵V_k，其投影矩阵表示为：

迫零波束成形向量为：

其中，是的第一个列向量，ξ是功率约束因子。

19.根据权利要求12至16中任一所述的方法，其特征在于，所述方法适用于采用所述信道矢量函数进行多基站协作的波束成形优化的应用场景。

20.一种多基站协作波束成形优化的装置，其特征在于，包括：

信息接收模块，用于服务基站接收来自用户的反馈信息；所述信息中包括信道范数及信道相位信息，所述信道相位信息为预定信道相位码本的首选相位码字的索引号；

信息传递模块，用于所述服务基站将所述信息接收模块接收到的所述反馈信息和所述服务基站对应的信道系数的空间相关矩阵，与协作基站簇中的其它各服务基站接收的反馈信息和对应的信道系数的空间相关矩阵进行传递；

信息确定模块，用于所述服务基站根据所述信息及信道系数的空间相关矩阵，确定信道矢量函数；

优化处理模块，用于所述服务基站根据所述信息确定模块确定的信道矢量函数进行波束成形优化。

21.根据权利要求20所述的装置，其特征在于，所述装置还包括：

码本构建模块，用于采用Lloyd算法构建由酉矩阵组成的所述预定信道相位码本，包括：

随机生成初始信道相位码本，

随机生成一组信道系数及信道系数的空间相关矩阵训练样本，

其中N_TS表示样本；

将信道相位码本进行迭代更新；

所述迭代更新过程包括：

采用定义的码本性能失真测度准则对所述信道相位码本进行迭代更新，所述准则为：

$d_c^2=E_h\left\{\arg \min {\left|\right|{\mathrm{hh}}^H-U_{r}T\hat{D}{T}^H{U}_r^H\left|\right|}_F^2\right\}$

其中，E{·}取期望运算，||·||_F  表示

信道范数，h表示信道系数，上标符号^H表示共轭转置，U_r表示相关矩阵为R的特征向量，

为特征值矩阵。

22.根据权利要求21所述的装置，其特征在于，所述信息确定模块具体用于：

对信道矢量函数Ω＝h h^H进行特征值分解Ω＝UDU^H，并分别估计其特征矢量(或信道相位矩阵)U和特征值矩阵D，即通过公式

获得所述信道矢量函数：

其中，h表示信道系数，上标符号^H表示共轭转置；

表示信道相位矩阵U的估计值，

表示特征值矩阵D的估计值。

23.根据权利要求22所述的装置，其特征在于，所述信息确定模块具体包括：

特征值矩阵确定单元，用于将所述信道系数的空间相关矩阵R进行特征值分解得到

其中，U_r表示R的特征向量，D_r表示以R的特征值依降序排列后的向量为对角元素的对角矩阵，利用所述信道范数ρ，特征值矩阵

计算为：

$\hat{D}=E\left\{U_r^H{\mathrm{hh}}^H{U}_r\right|\left|\right|h\left|\right|=\mathrm{\ρ}\}$

其中，E{·}取期望运算，

的所有非对角元素为零且对角元素的值通过下式计算：

$d_m=\frac{2\mathrm{\ρ}}{f\left(\mathrm{\ρ}\right)}[\frac{{\mathrm{\ρ}}^2{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}}{{\mathrm{\λ}}_m{\mathrm{\Π}}_{i\≠m}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_m})}+\underset{k\≠m}{\mathrm{\Σ}}\frac{e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_m}}-e^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{(1-\frac{{\mathrm{\λ}}_k}{{\mathrm{\λ}}_m}){\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})}],\∀m$

其中，概率密度函数f(ρ)为： $f\left(\mathrm{\ρ}\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\frac{2\mathrm{\ρ}{e}^{-\frac{{\mathrm{\ρ}}^2}{{\mathrm{\λ}}_k}}}{{\mathrm{\λ}}_k{\mathrm{\Π}}_{i\≠k}(1-\frac{{\mathrm{\λ}}_i}{{\mathrm{\λ}}_k})};$

信道相位矩阵确定单元，用于所述基站接收用户反馈的所述首选相位码字的索引号；所述首选相位码字

满足下式的关系

；其中，||·||_F  表示信道范数；

所述基站根据所述首选相位码字

依据所述信道相位矩阵

的公式，来确定所述信道相位矩阵

24.根据权利要求20至23中任一所述的装置，其特征在于，所述优化处理模块具体用于：

根据所述信道矢量函数进行基于SLNR准则的波束成形优化，或者，根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化。

25.根据权利要求24所述的装置，其特征在于，所述优化处理模块具体包括：

第一优化单元，用于根据所述信道矢量函数进行基于SLNR准则的波束成形优化，包括：

以基站簇的和速率最大化作为衡量多基站协作波束成形和功率分配算法性能准则的目标函数，即：

$\underset{W,p}{\max }\mathrm{SumRate}(W,p)=\underset{W,p}{\max }\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\log (1+{\mathrm{SINR}}_k(w_k,p_k));$

||w_k||＝1 p_k≤P_BS k＝1，…，K

其中，W＝diag(w₁，…，w_K)，p＝(p₁，…，p_K)^T分别表示多基站协作下行链路波束矩阵及发射功率向量，上标符号T表示共轭转置运算，P_BS为基站的最大发射功率；

采用接收信号功率与泄漏信号功率和噪声功率之和的比值(SLNR)作为系统性能指标，用户k的SLNR_k表示为：

${\mathrm{SINR}}_k(w_k,p_k)=\frac{p_k{w}_k^H{h}_{k,k}{h}_{k,k}^H{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{h}_{j,k}{h}_{j,k}^H{w}_k+{\mathrm{\σ}}_k^2}=\frac{p_k{w}_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{p}_k{w}_k^H{\mathrm{\Ω}}_{j,k}{w}_k+{\mathrm{\σ}}_k^2};$

所述基站根据信道矢量函数Ω_j，k，j＝1，…，K，优化波束成形矢量w_k和分配功率p_k，以实现SLNR_k最大化，即：

$\underset{w_k,p_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)s.t.p_k\≤P_{\mathrm{BS}}\left|\right|w_k\left|\right|=1\∀k;$

已知SLNR_k(w_k，p_k)为发射功率p_k的单调递增函数，基站采用满功率发射时：

$\underset{w_k}{\max }{\mathrm{SLNR}}_k(w_k,p_k)=\underset{w_k}{\max }\frac{w_k^H{\mathrm{\Ω}}_{k,k}{w}_k}{w_k^H[\underset{\underset{j\≠k}{j=1}}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Ω}}_{j,k}+\frac{{\mathrm{\σ}}_k^2}{P_{\mathrm{BS}}}]w_k}s.t.\left|\right|w_k\left|\right|=1\∀k;$

最优解为：

其中，v_max(A)表示矩阵A最大特征值所对应的特征向量；

第二优化单元，用于根据所述信道矢量函数进行基于扩展迫零准则的波束成形优化，包括：

以

作为扩展迫零波束成形优化准则：

对信道矢量函数进行特征值分解(对角矩阵的元素依降序排列)：

${\widehat{\mathrm{\Ω}}}_{j,k}=\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]\left[\begin{array}{cc}{\hat{D}}_{j,k}^{\left(d\right)}& \\ & {\hat{D}}_{j,k}^{\left(n\right)}\end{array}\right]{\left[\begin{array}{cc}{\hat{U}}_{j,k}^{\left(d\right)}& {\hat{U}}_{j,k}^{\left(n\right)}\end{array}\right]}^H,j,k=1,\·\·\·,K$

其中，

称为主特征向量，其相应于特征值满足如下要求：

$\frac{\mathrm{tr}\left\{{\hat{D}}_{j,k}^{\left(d\right)}\right\}}{\mathrm{tr}\left\{{\hat{D}}_{j,k}\right\}}\≥\mathrm{\τ}$

其中，0≤τ≤1，信道矢量函数

的主特征向量在进行波束成形优化时，满足如下要求：

$w_k\∈\left\{w\right|w^H{\hat{U}}_{j,k}^{\left(d\right)}=0,\∀j\≠k\},k=1,\·\·\·,K$

对

进行施密特正交化得到列正交矩阵V_k，其投影矩阵表示为：

迫零波束成形向量为：

其中，

是的第一个列向量，ξ是功率约束因子。

Images