CN102984100A - 多小区迫零型干扰抑制方法 - Google Patents

Abstract

本发明涉及协同多点通信技术领域，具体涉及一种多小区迫零型干扰抑制方法。本发明的多小区迫零型干扰抑制方法通过将现有技术中的奇异值分解方法和矩阵的正交投影变换结合起来，从而得到各个基站与其目标用户间的最优预编码矩阵，抑制多用户通信系统中的干扰；与基于波束成形的技术方案相比，本发明具有算法简易，易于实现的优点；与基于奇异值分解的技术方案相比，本发明不但提高了系统通信速率，而且即使在低信噪比区域，也具有很高的通信质量。

Description

多小区迫零型干扰抑制方法

技术领域

本发明涉及协同多点通信技术领域，具体涉及一种多小区迫零型干扰抑制方法。

背景技术

第四代移动通信系统（LTE-A，Long Term Evolution Advanced）在通信系统容量、瞬时峰值数据速率、小区边缘用户吞吐量以及时延等诸多方面提出了更高的要求。传统网络拓扑结构的主要不足是基站的交界部分存在干扰及覆盖质量下降等问题，导致各终端在小区切换部位的性能变差；具体表现为，多小区移动通信系统的性能通常会受到用户之间干扰的限制，成为干扰受限系统，尤其体现在用户处于小区边缘时。为了满足LTE-A通信系统的要求，一种可以提高小区平均吞吐量以及小区边缘用户吞吐量的技术——协同多点通信技术应运而生。多小区多用户干扰抑制方法即属于协同多点通信技术领域，其通过多小区之间的协作预先把多用户之间的干扰减弱或者迫零，从而达到提高小区边缘用户吞吐量的目的。

现有技术中的一种方案考虑了下行多小区的线性协调波束成形问题，在满足基站功率约束的条件下建立了加权和速率函数，推导了最优波束结构并且提出了相应的算法来求解波束向量，进而抑制通信系统中的干扰；但是该技术方案过于繁琐且其中涉及的算法复杂程度较高，不适宜在实际通信系统中大规模应用。现有技术中的另一种技术方案主要是基于迫零准则的奇异值分解方法，对多小区多用户之间的干扰进行抑制；对于干扰受限系统，该方法虽然可以在一定程度上提高通信系统的通信速率，但是在低信噪比下通过该技术方案得到的通信速率仍然较低，不能完全消除多小区移动通信系统中的干扰问题。

综上所述，亟需一种算法相对简易且在低信噪比下的通信速率仍然很高的干扰抑制方法，用以实现在实际通信系统中的大规模应用。

发明内容

（一）要解决的技术问题

本发明的目的在于为第四代移动通信多小区协作系统提供一种算法相对简易的多小区迫零型干扰抑制方法，用以提高小区边缘用户的通信速率，特别用以改善低信噪比下的通信质量，进而推动协同多点通信技术在实际通信系统中的应用。

（二）技术方案

本发明技术方案如下：

一种多小区迫零型干扰抑制方法，包括步骤：

S1.提取多小区通信系统的所有信道信息；

S2.一个基站根据所述信道信息依次构建联合矩阵以及归一化信道投影；

S3.分解所述联合矩阵，得到零空间矩阵；

S4.根据所述归一化信道投影以及零空间矩阵求解该基站与其目标用户间的最优预编码矩阵；

S5.重复步骤S2-S4，得到所有基站与其目标用户间的最优预编码矩阵；各个基站根据与其目标用户间的最优预编码矩阵通信。

优选的，所述步骤S1中用户发送导频信号至所有基站，基站根据所述导频信号估算得到所有信道信息。

优选的，所述步骤S2包括步骤：

S201.任意基站k根据所述信道信息构建联合矩阵

$M_k={\left[\begin{array}{ccccccc}{\mathrm{\β}}_{k1}{H}_{k1}^T& {\mathrm{\β}}_{k2}{H}_{k2}^T& ...& {\mathrm{\β}}_{k(k-1)}{H}_{k(k-1)}^T& {\mathrm{\β}}_{k(k+1)}{H}_{k(k+1)}^T& ...& {\mathrm{\β}}_{\mathrm{kK}}{H}_{\mathrm{kK}}^T\end{array}\right]}^T;$

其中，H_ki表示基站k和用户i间的信道信息，β_ki表示基站k和用户i间的信道衰落因子，K表示用户总数；

S202.结合基站k与其目标用户k间的信道矩阵H_kk以及联合矩阵构建归一化信道投影。

优选的，所述步骤S202包括：

将信道矩阵H_kk正交投影到联合矩阵M_k构成的线性空间得到信道投影对矩阵B_k进行归一化处理得到归一化信道投影

$B_k^{\′}=\left[\begin{array}{cccc}\frac{B_k^1}{\left|\right|B_k^1\left|\right|}& \frac{B_k^2}{\left|\right|B_k^2\left|\right|}& \·\·\·& \frac{B_k^L}{\left|\right|B_k^L\left|\right|}\end{array}\right].$

优选的，所述步骤S3中通过奇异值分解方法或QR值分解方法分解所述联合矩阵，得到零空间矩阵A_k。

优选的，所述步骤S4包括：

合并零空间矩阵A_k和归一化信道投影B′_k；从合并后的矩阵中提取L列向量构成基站k的最优预编码矩阵W_k；所述最优预编码矩阵W_k满足 $W_k=\underset{w}{\arg \max }\det [I+H_{\mathrm{kk}}W{\left(H_{\mathrm{kk}}W\right)}^{H}P/\left(L{\mathrm{\σ}}_N^2\right)];$

其中，I表示单位矩阵，P表示基站发送总功率，

表示系统噪声功率，L表示发送数据子流数。

优选的，所述步骤S5中每个基站将该基站与其目标用户间的最优预编码矩阵与待发送数据相乘得到的新数据发送给目标用户。

（三）有益效果

本发明的多小区迫零型干扰抑制方法通过将现有技术中的奇异值分解方法和矩阵的正交投影变换结合起来，从而得到各个基站与其目标用户间的最优预编码矩阵，抑制多用户通信系统中的干扰；与基于波束成形的技术方案相比，本发明具有算法简易，易于实现的优点；与基于奇异值分解的技术方案相比，本发明不但提高了系统通信速率，而且即使在低信噪比区域，也具有很高的通信质量。

附图说明

图1是本发明的一种多小区迫零型干扰抑制方法的流程图；

图2是图1中方法在4用户情况下与基于奇异值分解的技术方案性能对比图；

图3是图1中方法在6用户情况下与基于奇异值分解的技术方案性能对比图。

具体实施方式

下面结合附图和实施例，对发明的具体实施方式做进一步描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

本发明主要针对第四代移动通信多小区协作系统设计，该通信系统具有以下特点：包括多个基站和多个用户，基站和用户均配有多根天线，第四代通信系统物理层采用正交频分复用调制方式，因此每个小区在相同时刻相同频率下仅选择一名用户进行通信。基站端已知所有用户到该基站的信道信息集合，但是不知道用户到其他基站的信道信息；通信系统的输入输出关系可以表示为：

$y_k=H_{\mathrm{kk}}{W}_k{x}_k+\underset{i=1,i\≠k}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\β}}_{\mathrm{ik}}{H}_{\mathrm{ik}}{W}_i{x}_i+N_k,$

其中：N×M维矩阵H_ij表示基站i到用户j之间的信道信息，M表示基站的发送天线根数，N表示用户的接收天线根数，L维列向量x_k表示用户k发送的发送数据，L表示发送数据子流数目，M×L维矩阵W_k表示用户k的预编码矩阵，K表示总用户数或者协作基站数目，β_ik表示基站i和用户k之间的信道衰落因子，N_k表示高斯白噪声。

基站的操作分成两个阶段：训练阶段和发送数据阶段。在训练阶段，基站先发送信令通知本小区的用户发送导频信号以测量信号，然后用户接到信令后发送导频广播给协作的所有基站，基站估算出信道信息集合；在发送数据阶段，基站将待发送数据乘以预编码矩阵发送出去。

实施例一

本实施例中以4小区协作系统为例，将基站和用户之间的信道衰落因子β_ik均设置为0.8，系统的信噪比定义为用户端每根接收天线的平均信噪比，即：其中P表示每个基站的发送功率，表示噪声方差；因为在某一时刻每个子载波一般被分配给小区内的一个用户，因此可以设定用户数与小区数目相等；基站和用户之间的天线对分别是（8，2）。

流程图如图中1所示的一种多小区迫零型干扰抑制方法，主要包括步骤：

S1.提取多小区通信系统的所有信道信息；本实施例中通过用户发送导频信号至所有基站，基站根据导频信号估算得到所有信道信息。具体为：

基站i通知本小区用户i进行信道测量，其余基站停止操作；用户i发送导频信号 $p=P_p\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$ 广播给协作的所有基站，这里导频信号可以分两个时刻发送，第一时刻以功率P_p发送数据 $\left[\begin{array}{c}1\\ 0\end{array}\right],$ 第二时刻以同样功率发送数据 $\left[\begin{array}{c}0\\ 1\end{array}\right];$ 基站收到用户发送的导频信号数据后，估算得到信道信息k＝1,...,K，其中，表示用户i到基站k的信道信息，由于实际中功率P_p较大，因而可以认为估算是准确的；由信道的互易性可知

基站i获得的信道信息是信道信息集合{H_ij：i,j∈[1,K]}的一个子集，即：{H_ij：j∈[1,K]}；当所有用户轮流发送一遍导频信号后，所有基站获得的信道信息集合为{H_ij：i,j∈[1,K]}，而每个基站均可以得到相应的子集；对于某一个基站k，它得到的信道信息是信道信息集合{H_ij：i,j∈[1,K]}的一个子集，即：{H_ki:i∈[1,K]}。

S2.一个基站根据信道信息依次构建联合矩阵以及归一化信道投影；该步骤主要包括：

S201.任意基站k根据信道信息构建联合矩阵

$M_k={\left[\begin{array}{ccccccc}{\mathrm{\β}}_{k1}{H}_{k1}^T& {\mathrm{\β}}_{k2}{H}_{k2}^T& ...& {\mathrm{\β}}_{k(k-1)}{H}_{k(k-1)}^T& {\mathrm{\β}}_{k(k+1)}{H}_{k(k+1)}^T& ...& {\mathrm{\β}}_{\mathrm{kK}}{H}_{\mathrm{kK}}^T\end{array}\right]}^T;$

其中，H_ki表示基站k和用户i间的信道信息，β_ki表示基站k和用户i间的信道衰落因子，K表示用户总数；(·)^T表示对矩阵的转置。

S202.结合基站k与其目标用户k间的信道矩阵H_kk以及联合矩阵构建信道投影：将信道矩阵H_kk正交投影到联合矩阵M_k构成的线性空间得到矩阵 $B_k=\frac{{\mathrm{\Π}}_{{\left(M_k\right)}^H}^{\⊥}{H}_{\mathrm{kk}}^H}{{\left|\right|{\mathrm{\Π}}_{{\left(M_k\right)}^H}^{\⊥}{H}_{\mathrm{kk}}^H\left|\right|}_F};$ 其中， ${\mathrm{\Π}}_A^{\⊥}=I-A{\left(A^{H}A\right)}^{-1}{A}^H,$ (·)^H表示对矩阵求Hermitian转置，(·)^-1表示对矩阵求逆；

对矩阵B_k进行归一化处理后得到归一化信道投影

$B_k^{\′}=\left[\begin{array}{cccc}\frac{B_k^1}{\left|\right|B_k^1\left|\right|}& \frac{B_k^2}{\left|\right|B_k^2\left|\right|}& \·\·\·& \frac{B_k^L}{\left|\right|B_k^L\left|\right|}\end{array}\right];$

其中表示矩阵B_k的i列，‖·‖表示求向量的Frobenius范数，L表示发送数据子流数目。

本实施中该步骤具体为：

设置变量k=1，表示首先对第一个基站进行操作；在第k个基站端利用已知信道信息构建联合矩阵M_k：

$M_k={\left[\begin{array}{ccccccc}0.8H_{k1}^T& 0.8H_{k2}^T& ...& 0.8H_{k(k-1)}^T& 0.8H_{k(k+1)}^T& ...& 0.8H_{k4}^T\end{array}\right]}^T;$

可以看到，M_k是一个6×8的矩阵；把基站k和目标用户之间的信道矩阵H_kk正交投影到矩阵M_k构成的线性空间，得到矩阵

这样，我们可以得到一个8×2的矩阵B_k；

对矩阵B_k各列进行归一化得到归一化信道投影B′_k，即：

$B_k^{\′}=\left[\begin{array}{cccc}\frac{B_k^1}{\left|\right|B_k^1\left|\right|}& \frac{B_k^2}{\left|\right|B_k^2\left|\right|}& \·\·\·& \frac{B_k^L}{\left|\right|B_k^L\left|\right|}\end{array}\right]=\left[\begin{array}{cc}\frac{B_k^1}{\left|\right|B_k^1\left|\right|}& \frac{B_k^2}{\left|\right|B_k^2\left|\right|}\end{array}\right],$

由于本实施例中B_k仅存在两个自由度，因此发送子流数目为2。

S3.通过奇异值分解方法或QR值分解方法分解联合矩阵，得到零空间矩阵A_k；本实施中以奇异值分解方法为例进行说明：

对在步骤S2中构建的联合矩阵M_k采用奇异值分解操作，得到零空间矩阵A_k；即：

$M_k=\left[\begin{array}{cc}{U}_k& U_k^{\′}\end{array}\right]\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]\left[\begin{array}{c}{V}_k^H\\ A_k^H\end{array}\right],$

其中：[U_k  U′_k]和 $\left[\begin{array}{c}{V}_k^H\\ A_k^H\end{array}\right]$ 均是酉矩阵，而子矩阵（或者向量集合）A_k对应于所有零奇异值；本实施例中，A_k是一个8×2的矩阵，包含两个列向量，它们分别对应分解得到的两个零奇异值。

S4.根据归一化信道投影以及零空间矩阵求解该基站与其目标用户间的最优预编码矩阵；本实施例中，该步骤主要包括：

合并零空间矩阵A_k和归一化信道投影B′_k；从合并后的矩阵中提取L列向量构成基站k的最优预编码矩阵W_k；最优预编码矩阵W_k满足

$W_k=\underset{w}{\arg \max }\det [I+H_{\mathrm{kk}}W{\left(H_{\mathrm{kk}}W\right)}^{H}P/\left(L{\mathrm{\σ}}_N^2\right)];$

其中，I表示单位矩阵，P表示基站发送总功率，

表示系统噪声功率，L表示发送数据子流数；本实施例中，W是2个列向量组成的矩阵，每一列向量取自向量集合A_k和B′_k的并集；因为A_k和B′_k均是8×2的矩阵，均包含两个列向量，则W共有

种选择；最优预编码矩阵就是从这12种选择挑选一个满足上式的最优解。

S5.重复步骤S2-S4，得到所有基站与其目标用户间的最优预编码矩阵；各个基站根据与其目标用户间的最优预编码矩阵通信；本实施例中具体为：

令k=k+1，如果k≤4，则重复步骤S2－S5，否则停止；最后得到所有用户的预编码矩阵{W_k:k＝1,...,4}，每个基站把待发送的用户数据乘以各自的预编码矩阵后，将数据发送给目标用户，这样用户之间的相互干扰就可以被完全消除；协作系统所有用户的速率之和可以表示为：

$R=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\log }_2\det [I+H_{\mathrm{ii}}{W}_i{\left(H_{\mathrm{ii}}{W}_i\right)}^{H}P/\left({\mathrm{L\σ}}_N^2\right)]$

按照上式可以计算出每一次循环的系统和速率，最后求平均值计算系统通信速率；与基于奇异值分解的技术方案相比，从图2中可以看出在信噪比区域[-6分贝，8分贝]内本发明方法均优于基于奇异值分解的技术方案，尤其在低信噪比下增益更大。

实施例二

本实施例中以6小区协作系统为例，设定将基站和用户之间的信道衰落因子β_ik均设置为0.6，基站和用户之间的天线对分别是（12，2）；其余设置及操作步骤均与实施例一中相同。

图3是在上述情况下，本发明方法得到的系统和速率与基于奇异值分解的技术方案性能对比图；可以看到本发明方法明显优于基于奇异值分解的技术方案，尤其在低信噪比下增益更大。

综上所述，本发明首先在基站端利用获得的信道信息集合构建一个联合矩阵，对该矩阵利用奇异值分解获得零奇异值对应的特征向量集合即零空间矩阵；再把基站和目标用户之间的信道矩阵正交投影到联合矩阵构成的线性空间，归一化处理后得到另一个向量集合即归一化信道投影；最后把这两个集合合并，从中挑选一个子集构成最优预编码矩阵使得基站到目标用户的通信速率最大；本发明的方法克服了干扰受限系统在低信噪比下通信速率较低的问题，同时，本方法无论在低信噪比和高信噪比区域均优于现有技术方案。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (7)

1.一种多小区迫零型干扰抑制方法，其特征在于，包括步骤：

S1.测量提取多小区通信系统的所有信道信息；

S2.一个基站根据所述信道信息依次构建联合矩阵以及归一化信道投影；

S3.分解所述联合矩阵，得到零空间矩阵；

S4.根据所述归一化信道投影以及零空间矩阵求解该基站与其目标用户间的最优预编码矩阵；

S5.重复步骤S2-S4，得到所有基站与其目标用户间的最优预编码矩阵；各个基站根据与其目标用户间的最优预编码矩阵通信。

2.根据权利要求1所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S1中用户发送导频信号至所有基站，基站根据所述导频信号估算得到所有信道信息。

3.根据权利要求1所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S2包括步骤：

S201.任意基站k根据所述信道信息构建联合矩阵

$M_k={\left[\begin{array}{ccccccc}{\mathrm{\β}}_{k1}{H}_{k1}^T& {\mathrm{\β}}_{k2}{H}_{k2}^T& ...& {\mathrm{\β}}_{k(k-1)}{H}_{k(k-1)}^T& {\mathrm{\β}}_{k(k+1)}{H}_{k(k+1)}^T& ...& {\mathrm{\β}}_{\mathrm{kK}}{H}_{\mathrm{kK}}^T\end{array}\right]}^T;$

其中，H_ki表示基站k和用户i间的信道信息，β_ki表示基站k和用户i间的信道衰落因子，K表示用户总数；

S202.结合基站k与其目标用户k间的信道矩阵H_kk以及联合矩阵M_k构建归一化信道投影。

4.根据权利要求3所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S202包括：

将信道矩阵H_kk正交投影到联合矩阵M_k构成的线性空间得到信道投影

对B_k进行归一化处理得到归一化信道投影

$B_k^{\′}=\left[\begin{array}{cccc}\frac{B_k^1}{\left|\right|B_k^1\left|\right|}& \frac{B_k^2}{\left|\right|B_k^2\left|\right|}& \·\·\·& \frac{B_k^L}{\left|\right|B_k^L\left|\right|}\end{array}\right].$

5.根据权利要求1-4任意一项所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S3中通过奇异值分解方法或QR值分解方法分解所述联合矩阵，得到零空间矩阵A_k。

6.根据权利要求5所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S4包括：

合并零空间矩阵A_k和归一化信道投影B′_k；从合并后的矩阵中提取L列向量构成基站k的最优预编码矩阵W_k；所述最优预编码矩阵W_k满足 $W_k=\underset{w}{\arg \max }\det [I+H_{\mathrm{kk}}W{\left(H_{\mathrm{kk}}W\right)}^{H}P/\left(L{\mathrm{\σ}}_N^2\right)];$

其中，I表示单位矩阵，P表示基站发送总功率，

表示系统噪声功率，L表示发送数据子流数。

7.根据权利要求1-4或6任意一项所述的多小区迫零型干扰抑制方法，其特征在于，所述步骤S5中每个基站将该基站与其目标用户间的最优预编码矩阵与待发送数据相乘得到的新数据发送给目标用户。

Images