CN102983949B - 多载波mu mimo系统中的sdma传输方法和基站 - Google Patents

Abstract

本发明提供一种MU？MIMO系统的SDMA用户分组调度方法和基站。该方法包括下列步骤：根据信道状态信息，计算用户组中每个用户的信道矩阵在同一用户组的其他用户的联合信道矩阵上的投影矩阵；其中，所述用户组是从多个用户中选出；根据所述投影矩阵，计算用户组的容量度量值；根据数个所述用户组的度量值，选择最佳的用户组。本发明在发射端有效消除了终端用户上的MUI，并且降低了计算复杂度。

Description

多载波MU MIMO系统中的SDMA传输方法和基站

技术领域

本发明涉及通信网络，具体地说涉及基于多输入多输出的空分复用接入技术。

背景技术

MIMO技术(Multiple-InputMultiple-Output，多输入多输出)允许多个天线同时发送和接收多个空间流。利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。而SDMA(SpaceDivisionMultipleAccess，空分复用接入)是一种新发展的多址技术，利用空间分割构成不同的信道。因为SDMA技术具有大幅度提高无线通信系统容量和性能的潜力，所以引起研究者广泛的关注。

但是，当SDMA技术应用到MUMIMO场景时，用户之间的协调成为一个关键问题。以蜂窝网络为例，在下行传输中，基站同时发送信号给用户。因此，在每个用户的接收信号中，有一部分就是其他用户信号带来的用户间干扰。尽管在理论上用户可以采用多用户检测技术进行多用户干扰消除(Multi-UserInterference，MUI)，但是考虑到用户低功耗低复杂度低成本的要求，期望在基站侧来消除MUI。在基站侧获得信道状态信息(ChannelStateInformation，CSI)前提下，可以通过线性或非线性预编码技术来消除用户间的干扰。然而，在MU(Multi-User，多用户)MIMO系统中，为了获得SDMA的增益，对给定频率给定时隙内空间复用的用户数进行了限制。此外，如果同时服务的用户具有较大的空间相关性，会大大降低传输的性能。因此，需要采用空间调度算法来处理SDMA的用户选择，以便最大化系统传输性能。

在现有的ProSched空间调度算法中，将预编码过程解释成映射，避免了计算所有可能用户组合的预编码矩阵。但是，ProSched算法的初衷是应用于单载波系统的。尽管也可以实现应用到多载波系统的扩展方法，但是这种扩展方法并不适用于IEEE802.11ac系统。

还有一种同时和至少两个用户做SDMA无线通信的现有技术方法。按照该专利申请，所有的用户按照一定的规则进行预排序。从这些排序后的用户产生所有可能的用户组合，每个组合至少包含两个用户。在该机制中，假设每个用户只有一个天线。当基站从K个用户集合中选择出U个用户的所有用户组合后，对第j个用户组合的容量进行如下计算。首先，获取第j个用户组合的权重向量

W_ZF＝H^H(HH^H)^-1＝[w¹w²…w^U]

其中W_ZF表示破零权重矩阵，H是第j个用户组合的联合信道矩阵。其次，通过下式进行计算得到第j个用户组合中的第u个用户的SNR：

${\mathrm{SNR}}_u=\frac{{\left|x^u\right|}^2/{\left|w^u\right|}^2}{{\mathrm{\σ}}_u^2}.$

其中x^u表示第u个用户发送的符号，w^u是第u个用户的破零权重向量，是噪声方差。因此，根据用户的SNR，可以按照下式进行计算第j个用户组合的总容量

$C_j^{\mathrm{total}}=\underset{u=1}{\overset{U}{\mathrm{\Σ}}}{\log }_2(1+{\mathrm{SNR}}_u).$

该方法采用所算得的容量进行调度。

然而，现有技术的机制是针对UT端只有一个天线而提出的。另外，预编码算法仅限于破零方法，没有给出所述的调度机制如何与现有的预编码算法联合使用。这种将每个用户组合的zero-forcing(ZF)容量或SNR计算出来之后选择最大的一个用户组合，这种方法在计算容量时，引入了采用破零方法计算权重矩阵，但是没有考虑MUMIMO传输的架构。还有，需要注意的是，该机制中的索引只是针对单载波系统或是多载波系统中的一个子载波设计的，不可直接扩展到多载波系统中应用。

发明内容

本发明实施例提供新的SDMA传输方法来处理在空间调度中SDMA的用户选择，以便最大化系统传输性能。

在第一方面，本发明实施例提供了一种MUMIMO系统中的SDMA用户分组调度方法。该方法包括下列步骤：

计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵，所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵；

根据所述投影矩阵，计算所述用户组的容量度量值；

根据数个用户组的所述度量值，确定需要提供SDMA传输的用户组。

在第二方面，本发明实施例提供一种对用于SDMA系统的用户分组进行调度的基站。该基站包括：

投影矩阵计算模块，用于计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵，所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵；

容量度量值计算模块，根据所述投影矩阵，计算所述用户组的容量度量值；

用户组选择模块，用于根据数个用户组的所述度量值，确定需要提供SDMA传输的用户组。

本发明实施例基于用户在不同子载波上的投影矩阵反映了用户的空间相关度的关系，通过计算投影矩阵来选择用户组，由此在基站侧有效消除了终端用户上的MUI。本发明实施例也可以降低在上行链路方向由于用户之间的空间相关度而带来的能量损失。

附图说明

下面将参照附图对本发明实施例进行更详细的说明，其中：

图1是MUMIMO下行链路系统的框图；

图2示意了一个用户的信道矩阵在同组其它用户的零陷矩阵上的投影；

图3是以K个用户的MUMIMO系统为例，EMC-ProSched机制的流程示意图；

图4给出一种MUMIMO上行系统模型；

图5示意了根据本发明实施例的实施用户分组的基站的结构图；

图6是根据本发明实施例的SDMA传输流程图；

图7是EMC-ProSched和RoundRobin采用BD为预编码算法的吞吐对比图；

图8是EMC-ProSched和RoundRobin算法采用LoCCoBF为预编码算法的吞吐对比图。

具体实施方式

图1是MUMIMO下行链路系统的框图。如图1所示，基站侧装有M_T个发射天线；对应地，有K个用户终端，每个用户终端有个接收天线，i＝1，2，...，K。因此，接收总天线数为基站有M_T个发射天线和单个用户终端的接收天线之间的信道信息。需要说明，在本说明书中，用户和用户终端有同等的含义。

在基站侧，拟发送给第i个用户的发送信号定义为r_i-维的向量x_i，其中，i＝1，2，...，K。r_i是发送给第i个用户的数据流的个数。K个用户的向量可以表示为其中

每个发送信号在发送之前需要进行预编码。用于K个用户的预编码矩阵可以采取联合预编码矩阵的表示方式：其中表示第i个用户的预编码矩阵。

给第i个用户的发送信号采用SDMA方式经M_T个发射天线发射，然后由该第i个用户的个接收天线中的一个或多个接收。假设OFDM(OrthogonalFrequency-DivisionMultiplexing，正交频分复用)传输的前提下，在给定频率给定时间下第i个用户的信道矩阵表示为K个用户的联合信道矩阵表示如下：

在用户终端侧，对接收到的信号解码。第i个用户的用户终端的解码矩阵为K个用户的解码矩阵可以采取联合块对角化解码矩阵(jointblock-diagonaldecodingmatrix)的形式，表示为

因此，K个用户的接收向量可以采用联合接收向量的形式表示：

y＝D·(H·F·x+n)(1)

其中， 表示第i个用户的接收向量，是接收天线上的零均值加性高斯白噪声。

MUMIMO下行数据传输中通过预编码算法在发射端消除用户终端上的MUI(多用户干扰)，并且降低计算复杂度。解决上述问题的方法是用空间调度来决定哪些用户，多少用户可以作为一个SDMA通信组同时同频被服务。

根据本发明实施例，将预编码的处理过程解释成一种新的正交投影，用正交投影来近似预编码过程。本申请中将该方法称为EMC-ProSched(EfficientMulti-carrier，有效多载波)用户分组与调度方法。在下文，对该方法给出详细介绍。

首先，定义第i个用户第j个子载波的信道矩阵为H_i，j。在N个用户的用户组S中，基于第i个用户每个子载波上的容量下限计算方法估计第i个用户在第j个子载波上的速率：

$C_{i,j}={\log }_2(1+{\mathrm{\σ}}_n^{-2}{\left|\right|H_{i,j}{F}_{i,j}\left|\right|}_F^2),---\left(2\right)$

其中，表示接收机每个子载波带宽上的噪声功率，是第i个用户在第j个子载波上的预编码矩阵。

接下来，包含分配给第i个用户的每个空间流功率平方根的对角矩阵被提取出来。将预编码矩阵剩下的部分记为因此，第i个用户在第j个子载波上的预编码矩阵可以表示为

F_i，j＝M_i，jG_i，j。

低复杂度空间调度算法的目的是为了避免所有用户组合的预编码矩阵计算。在预编码之前，等效信道H_i，jF_i，j的特征值分布是不知道的。因此，在用户选择时难以获得最优的功率分配策略。假设每个用户都是等分总的发射功率，同时，每个空间流都采用相等的功率，那么对应的功率对角矩阵G_i，j可以表示为：

$G_{i,j}=\sqrt{P_T/(N\·r_i)}I,---\left(3\right)$

其中P_T是分配在每一个子载波上的发射功率。N是用户组的用户个数，ri是第i个用户的空间流数。采用这种等功率分配的策略相比最优的功率分配策略，系统的性能会降低。

将公式(3)代入公式(2)，得到在用户组S中第i个用户在第j个子载波上的速率估计：

${\mathrm{\η}}_{i,j}^{\left(S\right)}={\log }_2(1+\frac{P_T}{{\mathrm{Nr}}_i{\mathrm{\σ}}_n^2}{\left|\right|H_{i,j}{M}_{i,j}\left|\right|}_F^2)\≤C_{i,j}---\left(4\right)$

Log2函数是单调递增函数。由于在本发明实施例中仅需要根据度量值的大小估计不同用户组合的空间相关度高低，因此，公式(4)可以简化为下面的度量值：

${\stackrel{\‾}{\mathrm{\η}}}_{i,j}^{\left(S\right)}=\frac{1}{{\mathrm{Nr}}_i}{\left|\right|H_{i,j}{M}_{i,j}\left|\right|}_F^2.---\left(5\right)$

H_i，jM_i，j称为等效信道矩阵。

因此，用户组S中的第i个用户的调度度量值可定义为其所有子载波速率(容量)估计的加权和：

${\stackrel{\‾}{\mathrm{\η}}}_i^{\left(S\right)}=\underset{j=1}{\overset{N_{\mathrm{SD}}}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{\η}}}_{i,j}^{\left(S\right)}=\underset{j=1}{\overset{N_{\mathrm{SD}}}{\mathrm{\Σ}}}\frac{1}{{\mathrm{Nr}}_i}{\left|\right|H_{i,j}{M}_{i,j}\left|\right|}_F^2\·{\mathrm{\δ}}_j---\left(6\right)$

其中，N_SD是数据子载波个数，δ_j是加权因子，j＝1，2，...，N_SD。在一个例子中，所有的δ_j＝1，这意味着不做加权。在另一个例子中，权重因子δ_j可以设置成一个步函数(stepfunction)

其中ε是门限。在权重因子的作用下，信道范数很小的子载波在计算用户的度量值的时候将不再被考虑进来。这可以保证不会选择那些只有一些子载波信道质量很好，其他子载波都经历深衰落的用户。

在采用BD作为预编码算法的情况下，等效信道矩阵的范数等于投影信道的范数，即

${\left|\right|H_{i,j}{M}_{i,j}\left|\right|}_F^2={\left|\right|H_{i,j}{\tilde{P}}_{i,j}\left|\right|}_F^2---\left(7\right)$

其中，第i个用户的第j个子载波的投影信道是其中是H矩阵的投影矩阵。对于其他的线性预编码算法，上式(7)是近似相等。因此，投影信道的范数(Frobenius)也考虑了用户间空间相关性的影响。

因此，可以将公式(5)和(6)中的M_i，j矩阵替换为将用户组S中第i个用户的调度度量值写成

${\stackrel{\‾}{\mathrm{\η}}}_i^{\left(S\right)}=\underset{j-1}{\overset{N_{\mathrm{SD}}}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{\η}}}_{i,j}^{\left(S\right)}=\underset{j-1}{\overset{N_{\mathrm{SD}}}{\mathrm{\Σ}}}\frac{1}{{\mathrm{Nr}}_i}{\left|\right|H_{i,j}{\tilde{P}}_{i,j}\left|\right|}_F^2\·{\mathrm{\δ}}_j.---\left(8\right)$

从上式可见，根据信道矩阵H_i的投影矩阵可以计算用户的调度度量值，并且进而允许对用户进行选择，达到多用户干扰消除的目的。

图2示意了一个用户的信道矩阵在同组其它用户的零陷矩阵上的投影。在左半部分和右半部分分别示意了高和低的用户间相关度。在情况1中，在投影之后(即，作了多用户间干扰消除)，第i个用户的等效信道范数仅仅被减少了很小一部分。但是，在情况2中，由于用户间空间相关度很高，第i个用户的信号空间几乎与其他用户的通用左零陷空间(commonleftnullspace)正交。这样，在情况2中，在投影之后，第i个用户的等效信道矩阵的范数就减少很多，导致了很大的能量损失。

因此，本发明实施例基于用户在不同子载波上的投影矩阵和用户的空间相关度之间的关系，计算每个用户在不同子载波上的投影矩阵，求解该用户的信道矩阵和投影矩阵的乘积的范数作为调度度量值，进行用户组的选择，并且进而对选择出的用户组进行SDMA传输。对于具有高空间相关性的用户组，该组中的每一个用户的投影信道矩阵的范数(Frobenius)变得很小；该组预编码的效率就会大大降低，从而数据速率也会大幅降低。根据本发明，该用户组的度量值之和就会很小，这意味着该用户组被选中的可能性较低。

虽然前文以BD算法为例，对本发明的具体实施例进行了说明，但是EMC-ProSched所提出的调度准则也可以与除BD算法外的其他线性预编码算法(比如LP-GMD，LoCCoBF)结合，选择出最适合的用户组。

在一个实施例中，根据IEEE802.11ac的规范，SDMA组至少对于一个报文的传输是有效的。根据802.11ac中的信道模型D的仿真可以看出，在时间维度上看，当传输一个报文时信道情况变化不明显。因此，在执行空间调度算法的时候只需要考虑一个OFDM符号的子载波。

在一个实施例中，为了避免预先求解所有可能用户组的预编码矩阵，可以通过第i个用户的第j个子载波上的信号空间的标准正交基的方式，计算用户组中第i用户的第j子载波的投影矩阵。通过下面的式子进行获取近似的投影矩阵

${\tilde{P}}_{i,j}={(P_{1,j},...,P_{i-1,j},P_{i+1,j},...,P_{N,j})}^p,$ p→∞

其中，而p是投影阶数。也可称为第i个用户的第j个子载波的投影矩阵以外的其它用户的第j个子载波的联合投影矩阵。投影阶数p选择1～3已经足够。P_i，j可以通过第i个用户在第j个子载波上的标准正交基B_i，j计算得到，

$P_{i,j}=I-B_{i,j}{B}_{i,j}^H.---\left(9\right)$

在另一个实施例中，利用奇异值分解(singularvaluedecomposition(SVD))方法来获取投影矩阵即，对第j个子载波上除了第i个用户外的其他用户的联合信道矩阵做奇异值分解，从而计算分组中第i用户的第j个子载波上的投影矩阵。

具体地说，秩为的信道矩阵是第j个子载波上除了第i个用户外的其他用户的联合信道矩阵，定义如下：

${\tilde{H}}_{i,j}={\left[\begin{array}{cccccc}{H}_{1,j}^T& \·\·\·& H_{i-1,j}^T& H_{i+1,j}^T& \·\·\·& H_{K,j}^T\end{array}\right]}^T.$

通过对信道矩阵做SVD，可以得到

${\tilde{H}}_{i,j}={\tilde{U}}_{i,j}{\widetilde{\mathrm{\Σ}}}_{i,j}{\left[\begin{array}{cc}{\tilde{V}}_{i,j}^{\left(1\right)}& {\tilde{V}}_{i,j}^{\left(0\right)}\end{array}\right]}^H---\left(10\right)$

其中，包含前个右奇异向量(rightsingularvectors)；包含后个右奇异向量，这些右奇异向量组成了的零陷空间(nullspace)的正交基。用表示第i个用户的第j个子载波消除了MUI之后的等效信道矩阵，它是通过第i个用户第j个子载波的信道矩阵乘以一个投影矩阵得到的，即

其中，可以写为 ${\tilde{P}}_{i,j}={\tilde{V}}_{i,j}^{\left(0\right)}{\tilde{V}}_{i,j}^{\left(0\right)H}.---\left(11\right)$

图3是以K个用户的MUMIMO系统为例，EMC-ProSched机制的流程示意图。如图3所示，在步骤310，设置SDMA用户组的用户数K_g＝1。换言之，每个用户为一个用户组。

在步骤312，计算所有可能用户组的度量值之和，并且选择度量值之和最大的用户组

在步骤320，在前一步骤所选择出的用户组上添加一个从剩余的用户中选择出来的用户，并且因此K_g＝K_g+1。

在步骤322，重新计算新用户组中各用户的度量值，并且相应地计算该新用户组的度量值之和。

在步骤324，从之前历次计算得到的用户组的度量值之和中，选择出一个最佳的用户组在一个例子中，用户组的度量值之和最大的用户组是最佳的用户组。

在步骤330，将用户组的用户数与系统中的用户总数K进行比较。如果K_g＜K，返回步骤320。如果K_g＝K，比较不同用户数的用户组(例如，)的度量值之和。根据数个用户组的所述度量值，选择用户组。在一个例子中，选择一个度量值之和最大的用户组，那么这个被选出的SDMA用户组的用户个数，就是最优的SDMA用户组大小。

在前述的步骤312中，可以采取各种方法来确定可能的用户组。在一个实施例中，可以采用基于树的排序算法在用户组添加或删减用户，进而确定可能的用户组。基于树的排序算法具体介绍如下。MUMIMO系统有例如5个用户，用户1-5。首先，以分组仅包含一个用户为前提，计算各个分组的度量值之和，算法可以采用SVD算法；结果是用户1所在的用户组被确定为最优。接着，将度量值较大的用户2加入到用户1所在的用户组中，重新计算各个用户组的度量值之和(当然，用户3-5各自所在的用户组没有变化，因此可以是不必重新计算的)，并且确定最优用户组(用户1，用户2)，算法可以采用SVD或公式(9)和公式(8)结合的算法。接着，按照度量值大小，先后将用户4、用户3和用户5加入用户组。最后，对每轮的用户组的度量值大小进行比较，确定最优的用户组。

按照上述步骤的调度在开始阶段只需要KN_SD次的SVD分解，而采用SVD分解方法做预编码的主要复杂度就集中在了SVD分解的计算量上。M*N的矩阵做SVD的复杂度是min(MN²，M²N)。因此，EMC-ProSched算法可以被称为低复杂度算法，因为相比传统的用户选择算法，它降低了SVD分解的次数，特别是对于多载波系统。举例来说，具有16个用户的系统，数据子载波数目N_SD是234，用户组的大小设置为4，EMC-ProSched算法所需要的SVD分解次数是234×16＝3744。然而对于传统的调度算法，相同的调度任务需要234×((16-1)×2+(16-2)×3+(16-3)×4)＝29016次的SVD分解。

因此，与ProScbed调度方法比较，EMC-ProSched具有更低的计算复杂度，需要更少的信令开销。另外，本专利申请中提出的调度方法可以更加灵活地与预编码算法结合，对用户终端上的天线个数没有限制。

本发明不仅可应用于SDMA与OFDM结合的下行MUMIMO系统，亦可以应用于SDMA与OFDMA结合的下行MUMIMO系统。注意，OFDMA的接入复用是通过将不同的子载波分配给不同的用户来完成的。例如，所有用户同时发送，每个用户采用子载波的不同集合。当OFDMA和SDMA联合使用时，每个子载波的集合是被一组用户所使用，而不是被一个用户使用。因此，当选择出在相同子载波集合上同时服务的用户组的时候，可对选出的用户组进一步执行调度算法EMC-ProSched。

另外，EMC-ProSched算法可以扩展应用于上行的多用户MIMO传输中。图4给出一种MUMIMO上行系统模型。在该上行MUMIMO系统中，一组用户同时同频给基站传输信息，当终端用户间较高空间相关度时也会导致能量损失。因此，基站侧的后处理就需要完成对抗同时发送的各个终端用户之间的干扰。因此，基站侧可以采用本专利中所提的EMC-ProSched调度算法。当然，因本发明专利中的调度准则是针对容量的，而在上行传输中需要对调度准则做一些修改。基站侧调度完成之后，将决策信息下发给终端用户，用户终端根据决策信息对拟发送信息进行编码，然后进行SDMA传输。

EMC-ProSched算法作为一种速率估计的方法，也可以直接和公平性算法直接联合使用，以实现在时间和吞吐量等方面的空间公平分配。在一个例子中，当采用比例准则时，用户组S的第i个用户的速率估计可以通过其长时间平均度量值做归一化处理：

${\mathrm{\γ}}_i^{\left(S\right)}={\mathrm{\η}}_i^{\left(S\right)}/{\stackrel{\‾}{\mathrm{\η}}}_i$

其中表示前m个时隙内最终调度决策的用户度量值的平均

${\stackrel{\‾}{\mathrm{\η}}}_i\left(n\right)=(1/m)\underset{\mathrm{\μ}=n}{\overset{n-m-1}{\mathrm{\Σ}}}{\mathrm{\η}}_i\left(\mathrm{\μ}\right).$

因为进行了相对于长时间平均速率的归一化，这种比例公平的调度可以一定程度上解决远近问题。

图5示意了根据本发明实施例的实施用户分组的基站的结构图。在基站50中，投影矩阵计算模块502计算用户组中每个用户的信道矩阵在同一用户组的其他用户的联合信道矩阵上的投影矩阵。在一个例子中，投影矩阵计算模块通过第i个用户的第j个子载波上的信号空间的标准正交基计算用户组中第i用户的第j子载波的投影矩阵，其中i，j分别是正整数。在另一个例子中，投影矩阵计算模块对第j个子载波上除了第i个用户外的其他用户的联合信道矩阵做奇异值分解，从而计算分组中第i用户的第j个子载波上的投影矩阵，其中i，j分别是正整数。

容量度量值计算模块504根据所述投影矩阵，计算用户组的容量度量值。在一个例子中，容量度量值计算模块对计算用户组的容量度量值进行公平性算法运算。在一个例子中，容量度量值计算模块根据用户的投影矩阵，计算用户组中的每个用户的每个子载波的容量度量值；对每个用户的子载波的容量度量值加权；基于加权后的每个用户的每个子载波的容量度量值，计算用户组的每个用户的容量度量值和该用户组的容量度量值。

用户组选择模块506根据数个所述用户组的度量值，选择用户组。

然后，基站将选择出的用户组的各用户的数据经编码、调制、滤波等一系列处理后按照SDMA的规定分别经若干天线发出。

在一个例子中，基站还包括采用基于树的算法，在用户组添加或删减用户而获得所述数个用户组的模块。

在一个例子中，MUMIMO系统是OFDMA系统。基站选择在相同子载波集合上同时服务的用户作为用户组。针对这样的用户组，基站进行用户分组调度，即选择投影矩阵计算模块、容量度量值计算模块和用户组选择模块针对所述在相同子载波集合上同时服务的用户组进行相关操作。

在一个例子中，所述基站包括沿下行链路方向为选择出的用户组中的用户同时提供SDMA传输的传输模块。

在一个例子中，所述基站包括将根据所述选择的用户组而确定的预编码矩阵发给终端的发送模块。终端接收到预编码矩阵后为用户组的各用户进行数据编码，并且将编码后的数据沿上行链路方向传输。

如图6所示，是根据本发明实施例的SDMA传输流程图。

S610，计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵，所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵。

例如通过第i个用户的第j个子载波上的信号空间的标准正交基计算所述用户组中第i用户的第j子载波的投影矩阵，其中i，j分别是正整数。或者，对第j个子载波上除了第i个用户外的其他用户的联合信道矩阵做奇异值分解，从而计算分组中第i用户的第j个子载波上的投影矩阵，其中i，j分别是正整数.

S620，根据所述投影矩阵，计算所述用户组的容量度量值。

在计算中可以采用对用户组的容量度量值进行公平性算法运算。具体的做法可以根据所述用户的投影矩阵，计算用户组中的每个用户的每个子载波的容量度量值；对用户组中的每个用户的每个子载波的容量度量值加权；基于加权后的每个用户的每个子载波的容量度量值，计算用户组的每个用户的容量度量值和该用户组的容量度量值.或者包括计算用户的信道矩阵和投影矩阵的乘积的范数作为该用户的容量度量值

S630，根据数个用户组的所述度量值，确定需要提供SDMA传输的用户组。

在执行中可以采用基于树的算法，在用户组添加或删减用户而获得所述数个用户组，进一步计算获得所述数个用户组容量度量值。

在本实施例中所述MUMIMO系统是OFDMA系统，则所述方法包括在计算用户组中每个用户的信道矩阵在同一用户组的其他用户的联合信道矩阵上的投影矩阵的步骤之前，选择在相同子载波集合上同时服务的用户构成所述的用户组。

为了验证本专利中所提的调度算法的性能，采用MATLAB做了仿真。仿真配置及参数设置按照IEEE802.11ac[IEEE451]中的场景2的规范进行。

图7是EMC-ProSched和RoundRobin(轮叫调度)算法在PSDU(PhysicalLayer(PHY)ServiceDateUnit，物理层业务数据单元)大小为5000B的情况下采用BD(BlockDiagonalization，块对角化)为预编码算法的吞吐(systemthroughput)对比图。在仿真中，从8个用户中选择4个用户进行同时和同频服务。每个用户有2个接收天线。发给每个用户的数据流的个数为2，空间流的总数为8。图中，CCDF(ComplementaryCumulativeDistributionFunction)是互补积累分布函数。虽然在本例中不同用户的信道相关性较低，但是可以从图中清楚看出，由于有效排除了信道较为相关的用户所构成的用户组，EMC-ProSched在吞吐量方面有明显改善。

图8是EMC-ProSched和RoundRobin算法在PSDU大小为5000B的情况下采用LoCCoBF(LowComplexityCoordinatedBeamforming，低复杂度关联波束形成)为预编码算法的吞吐对比图。在仿真中，从8个用户中选择4个用户进行同时和同频服务。每个用户有2个接收天线。发给每个用户的数据流的个数为2，空间流的总数为8。EMC-ProSched和LoCCoBF的结合同样带来了优于RoundRobin算法的性能。请注意，在本例中依据[IEEE308]信道是空间不相关的。

需要注意，前文结合MUMIMO系统对本发明的具体实施方案做了描述，但是本发明不限于此，比如，本发明还可以适用于MIMO系统包含有单输入单输出(SISO)用户的情况。另外，在前述实施例中，本发明根据各用户的所有子载波上的投影矩阵来计算用户分组的容量度量值。但是，将子载波分组(比如将相关性较强的子载波分为同组)，从子载波的分组中选择子载波并且计算各用户的在选出的子载波上的投影矩阵，也是可行的做法。

显而易见，在此描述的本发明可以有许多变化，这种变化不能认为偏离本发明的精神和范围。因此，所有对本领域技术人员显而易见的改变，都包括在本权利要求书的涵盖范围之内。

Claims (9)

1.一种在多用户多输入多输出MUMIMO系统中的空分复用接入SDMA传输方法，包括下列步骤：

计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵,所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵；

根据所述投影矩阵，计算所述用户组的容量度量值；

根据数个用户组的所述度量值，确定需要提供SDMA传输的用户组；

其中所述计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵包括：

通过第i个用户的第j个子载波上的信号空间的标准正交基计算所述用户组中第i用户的第j子载波的投影矩阵，其中i,j分别是正整数；

其中所述根据用户的投影矩阵，计算所述用户组的容量度量值的步骤包括根据所述用户的投影矩阵，计算用户组中的每个用户的每个子载波的容量度量值；对用户组中的每个用户的每个子载波的容量度量值加权；基于加权后的每个用户的每个子载波的容量度量值，计算用户组的每个用户的容量度量值和该用户组的容量度量值；

根据所述投影矩阵，计算用户组的容量度量值的步骤包括计算用户的信道矩阵和投影矩阵的乘积的范数作为该用户的容量度量值。

2.如权利要求1所述的方法，其中所述计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵包括：

对第j个子载波上除了第i个用户外的其他用户的联合信道矩阵做奇异值分解，从而计算分组中第i用户的第j个子载波上的投影矩阵，其中i,j分别是正整数。

3.如权利要求1-2之一所述的方法，还包括采用基于树的算法，在用户组添加或删减用户而获得所述数个用户组,进一步计算获得所述数个用户组容量度量值。

4.如权利要求1-2之一所述的方法，其中根据所述投影矩阵，计算用户组的容量度量值的步骤包括对用户组的容量度量值进行公平性算法运算。

5.如权利要求1-2之一所述的方法，其中所述MUMIMO系统是OFDMA系统，所述方法包括在计算用户组中每个用户的信道矩阵在同一用户组的其他用户的联合信道矩阵上的投影矩阵的步骤之前，选择在相同子载波集合上同时服务的用户构成所述的用户组。

6.如权利要求1-2之一所述的方法，其中，所述方法包括沿下行链路方向为选择出的用户组中的用户同时提供SDMA传输。

7.如权利要求1-2之一所述的方法，其中所述方法还包括在根据数个用户组的所述度量值选择所述用户组的步骤之后，基站将根据所述选择的用户组而确定的预编码矩阵发给与所述选择的用户组的用户对应的终端，以便终端同时提供SDMA传输。

8.一种基站，包括：

投影矩阵计算模块，用于计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵,所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵；

容量度量值计算模块，根据所述投影矩阵，计算所述用户组的容量度量值；

用户组选择模块，用于根据数个用户组的所述度量值，确定需要提供SDMA传输的用户组；

其中所述投影矩阵计算模块计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵,所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵包括:通过第i个用户的第j个子载波上的信号空间的标准正交基计算用户组中第i用户的第j子载波的投影矩阵，其中i,j分别是正整数；其中所述投影矩阵计算模块计算用户的信道信息矩阵在联合信道矩阵上的投影矩阵,所述联合信道矩阵为所述用户所在用户组的其他用户的联合信道信息矩阵包括对第j个子载波上除了第i个用户外的其他用户的联合信道矩阵做奇异值分解，从而计算分组中第i用户的第j个子载波上的投影矩阵，其中i,j分别是正整数；

容量度量值计算模块根据用户的投影矩阵，计算用户组中的每个用户的每个子载波的容量度量值；对每个用户的子载波的容量度量值加权；基于加权后的每个用户的每个子载波的容量度量值，计算用户组的每个用户的容量度量值和该用户组的容量度量值。

9.如权利要求8所述的基站，用户组选择模块，还用于采用基于树的算法，在用户组添加或删减用户而获得所述数个用户组的模块。