CN103002480B - 上行基带信号分布式协同检测方法以及设备 - Google Patents

Abstract

本发明涉及多用户多小区MIMO系统中上行基带信号分布式协同检测方法以及设备。传统的概率数据协同检测基于无信息先验分布的假设。而本发明中所提出的方案将概率数据协同检测与分布式基站迭代合作结合在一起，将相邻小区的接收信号似然率信息作为本地接收信号的先验分布信息。通过使用本发明中所提供的方法、设备，能够降低多小区MIMO系统中上行基带信号检测的复杂度、减少运算量、并仍能取得良好的检测效果。

Description

上行基带信号分布式协同检测方法以及设备

技术领域

本发明涉及移动通信技术，更具体地，涉及多小区多输入多输出(MIMO)系统中上行基带信号的检测方法。

背景技术

在多用户多小区MIMO系统中，提出了多基站合作对多个用户的上行信号进行联合检测的方案。该方案复杂度高，运算量大，随着涉及联合检测的基站、用户数量的增加，运算量成指数增长。

发明内容

本发明的一个目的是克服现有技术中的上述缺点，提供在多用户多小区MIMO系统中的分布式概率数据协同检测方案。

在本发明的一个实施例中，提出了一种在多小区多输入多输出系统中的基站中使用的上行基带信号的处理方法，包括以下步骤：

i.接收相邻基站的接收信号似然率信息；

ii.将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息；

iii.判断是否满足预定条件，如果不满足所述预定条件则将所述本地接收信号的似然率信息发送给所述相邻基站、并重复执行步骤i、ii、iii，如果满足所述预定条件则进入步骤iv；

iv.根据步骤ii中所确定的本地接收信号的后验概率信息执行接收软判决；

其中，所述预定条件包括：所述本地接收信号的后验概率信息与所述相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值。

在一个实施例中，所述步骤ii中采用概率数据联合算法来确定所述本地接收信号的后验概率信息和似然率信息。

在一个实施例中，所述步骤iv中基于最大后验概率准则来执行接收软判决。

在一个实施例中，上述处理方法在执行所述步骤i、ii、iii之前还包括步骤：

-基于无信息先验分布确定本地接收信号的后验概率信息和似然率信息；

-将所述本地接收信号的似然率信息发送给所述相邻基站。

在一个实施例中，所述似然率信息为对数似然比信息。

在一个实施例中，提出了一种用于多小区多输入多输出系统中的基站设备，包括：处理器以及与所述处理器相关联的存储器；

其中所述处理器配置为执行以下步骤：

i.接收相邻基站的接收信号似然率信息；

ii.将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息；

iii.判断是否满足预定条件，如果不满足所述预定条件则将所述本地接收信号的似然率信息发送给所述相邻基站、并重复执行步骤i、ii、iii，如果满足所述预定条件则进入步骤iv；

iv.根据步骤ii中所确定的本地接收信号的后验概率信息执行接收软判决；

其中，所述预定条件包括：所述本地接收信号的后验概率信息与所述相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值。

通过使用本发明中所提供的方法、设备，能够降低多小区MIMO系统中上行基带信号检测的复杂度、减少运算量、并仍能取得良好的检测效果。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更加明显：

图1根据本发明的一个实施例的在多小区多输入多输出系统中的基站中使用的上行基带信号的处理方法的流程图；

图2示出了根据本发明的一个实施例的两基站协同检测场景下的信号传递；

图3示出了根据本发明的一个实施例的三基站协同检测场景下的网式信号传递；

图4示出了根据本发明的一个实施例的三基站协同检测场景下的链式信号传递；

图5示出了根据本发明的一个实施例的基站1和基站2之间的交互过程的方法，以建立迭代基站合作。

在图中，贯穿不同的示图，相同或类似的附图标记表示对应的特征。

具体实施方式

传统的概率数据协同(probabilisticdataassociation，PDA)检测基于无信息先验分布的假设。而本发明中所提出的方案将概率数据协同检测与分布式基站迭代合作结合在一起，将相邻小区的接收信号似然率信息作为本地接收信号的先验分布信息。

图1根据本发明的一个实施例的在多小区多输入多输出系统中的基站中使用的上行基带信号的处理方法的流程图。该方法用于本地基站与相邻基站之间的上行基带信号分布式协同检测。如图所示，该方法包括步骤S10、S20、S30、S40。当预定条件不满足时，本地基站与相邻基站之间形成迭代过程，本地基站重复执行步骤S10、S20、S30。

在步骤S10中，本地基站接收相邻基站的接收信号似然率信息。

在步骤S20中，本地基站将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息。

步骤S30包括两个子步骤S31和S32。

在步骤S31中，本地基站判断是否满足预定条件。其中，所述预定条件包括：所述本地接收信号的后验概率信息与所述相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值。

如果不满足所述预定条件，则在步骤S32中，本地基站将所述本地接收信号的似然率信息发送给所述相邻基站，并返回步骤S10。本地基站接下来将重复执行步骤S10、S20、S30。

如果满足所述预定条件，则进入步骤S40。

在步骤S40中，本地基站根据最后一次迭代中的步骤S20中所确定的本地接收信号的后验概率信息执行接收软判决。

具体地，在步骤S20中采用概率数据联合算法来确定所述本地接收信号的后验概率信息和似然率信息。

具体地，在步骤S40中基于最大后验概率(MAP)准则来执行接收软判决。

具体地，迭代重复次数的最大值的预定值例如但不限于3、4。在许多情况下，该预定值取为3、4已足以得到足够的计算精度，并避免了过大的计算时延和运算量。

通过这种方式，本地基站与相邻基站协同检测取得了宏分集的收益并减轻了小区之间的同频干扰。在严重干扰环境下，上述方法的性能优于分布式概率数据协同软合并(PDA-SC)，并取得近似最优的性能。同时，上述方法由于快速收敛而保持了低复杂度。

以下描述在一个实施例中的具体公式表达。

虚拟信号模型能够被进一步构建为如下的虚拟MIMO系统：

yⁱ＝Hⁱx+nⁱ，(1)。

从贝叶斯定理的观点，计算x_k的后验概率信息以执行软判决，

${\hat{x}}_k=\arg \underset{{\mathrm{\α}}_m}{\max }p(x_k={\mathrm{\α}}_m|y^{1:N_b}).$

考虑到(Hⁱ)^HHⁱ是可逆的，公式(1)能够重写为去相关信号模型：

${\tilde{y}}^i=x+{\tilde{n}}^i$

$=x_k{e}_k+\underset{j\≠k}{\mathrm{\Σ}}{x}_j{e}_j+{\tilde{n}}^i$

$\stackrel{\mathrm{\Δ}}{=}{x}_k{e}_k+v_k^i,$

其中，是高斯混合信号。复合概率数据协同的基本思想是将近似为具有匹配均值E、协方差V和伪协方差U的单高斯分布。

令 $w={\tilde{y}}^i-x_k{e}_k-\underset{j\≠k}{\mathrm{\Σ}}{\stackrel{\‾}{x}}_j{e}_j$ 以及，

${\mathrm{\Λ}}_k\stackrel{\mathrm{\Δ}}{=}\left(\begin{array}{cc}R(V\left(v_k^i\right)+U\left(v_k^i\right))& I(-V\left(v_k^i\right)+U\left(v_k^i\right))\\ I(V\left(v_k^i\right)+U\left(v_k^i\right))& R(V\left(v_k^i\right)-U\left(v_k^i\right))\end{array}\right),$

能够通过下式结合先验信息并计算后验概率(APosterioriProbabi1ity，APP)信息

$p\left(x_k\right|y^i)\≈\frac{\mathrm{\φ}\left(x_k^i\right)p\left(x_k^i\right)}{\underset{x_j\∈A}{\mathrm{\Σ}}\mathrm{\φ}\left(x_j^i\right)p\left(x_j^i\right)},$

并通过下式计算对数似然比(LogLikelihoodRatio，LLR)信息，其中，

${\mathrm{\λ}}_m^i=\log \frac{p\left(y^i\right|x_k={\mathrm{\α}}_m)}{p\left(y^i\right|x_k={\mathrm{\α}}_0)}$ $=\log \frac{p(x_k={\mathrm{\α}}_m|y^i)/p(x_k^i={\mathrm{\α}}_m)}{p(x_k={\mathrm{\α}}_0|y^i)/p(x_k^i={\mathrm{\α}}_0)}.$ 该实施例中，此处的对数似然比信息即为前述步骤S20中的似然率信息。

图2示出了根据本发明的一个实施例的两基站协同检测场景下的信号传递。如图所示，基站1和基站2彼此互为相邻基站，两个基站之间进行上行基带信号的分布式协同检测。以下描述该协同检测过程的流程。

首先由基站1启动初始化过程。

基站1首先采用概率数据联合算法、基于无信息先验分布确定本地接收信号的后验概率信息APP1和对数似然比信息LLR1。

然后，基站1将本地接收信号的对数似然比信息LLR1发送给基站2。

然后开始基站2与基站1之间的分布式迭代联合检测，基站2和基站1将分别执行前述的步骤S10至S30。

以下描述主要由基站2所执行的第一次迭代过程。

基站2在步骤S10中接收基站1的接收信号的对数似然比信息LLR1。

在步骤S20中，基站2将基站1的接收信号的对数似然比信息LLR1转换为先验概率、以确定本地接收信号的后验概率信息APP2和对数似然比信息LLR2。

在步骤S31中，基站2判断是否满足预定条件。其中，所述预定条件包括：基站2的本地接收信号的后验概率信息APP2与基站1的接收信号的后验概率信息APP1之间的差异小于预定阈值，或者重复迭代执行的次数达到预定值。

如果满足所述预定条件，则进入步骤S40，基站2根据最后一次迭代中的步骤S20中所确定的本地接收信号的后验概率信息APP2执行接收软判决。然后，当基站2并非该信号所对应的用户设备的主服务基站(homebasestation)时，软判决的结果将被发送到该主服务基站。

如果不满足所述预定条件，则在步骤S32中，基站2将本地接收信号的对数似然比信息LLR2发送给基站1。然后由基站1开始第二次迭代过程，执行前述步骤S10至S30。以下描述第二次迭代过程。

基站1在步骤S10中接收基站2的接收信号的对数似然比信息LLR2。

在步骤S20中，基站1将基站2的接收信号的对数似然比信息LLR2转换为先验概率、以确定本地接收信号的后验概率信息APP1和对数似然比信息LLR1。

在步骤S31中，基站1判断是否满足预定条件。其中，所述预定条件包括：基站1的本地接收信号的后验概率信息APP1与基站2的接收信号的后验概率信息APP2之间的差异小于预定阈值，或者重复迭代执行的次数达到预定值。

如果满足所述预定条件，则进入步骤S40，基站1根据最后一次迭代中的步骤S20中所确定的本地接收信号的后验概率信息APP1执行接收软判决。然后，当基站1并非该信号所对应的用户设备的主服务基站时，软判决的结果将被发送到该主服务基站。

如果不满足所述预定条件，则在步骤S32中，基站1将本地接收信号的对数似然比信息LLR1发送给基站2，进入第三次迭代过程。以后的迭代过程以此类推，不再赘述。

本领域技术人员应能理解，本发明中的上行基带信号的分布式协同检测不仅可以应用于两个相邻基站之间，也可以应用于超过两个的多个基站之间。在两个以上相邻基站之间进行上行基带信号的分布式协同检测的场景下，各基站之间的信号传递包括网式传递和链式传递两种。

图3示出了根据本发明的一个实施例的三基站协同检测场景下的网式信号传递。如图所示，基站1、2、3互为相邻基站，三个基站之间进行上行基带信号的分布式协同检测。在迭代过程中，每个基站将本地接收信号的对数似然比信息发送给所有参与协同检测的相邻基站。

图4示出了根据本发明的一个实施例的三基站协同检测场景下的链式信号传递。如图所示，基站1、2、3互为相邻基站，三个基站之间进行上行基带信号的分布式协同检测，三个基站的逻辑关系类似于一个单向令牌环。在迭代过程中，每个基站仅将本地接收信号的对数似然比信息发送给链环中的下一个相邻基站。采用链式数据传递可以降低复杂度、减少系统总体运算量。

在一个实施例中，一个用于多小区多输入多输出系统中的基站设备包括：处理器以及与所述处理器相关联的存储器。其中，所述处理器配置为实现前述任一实施例中的方法。

具体地，所述处理器配置为执行以下步骤：

i.接收相邻基站的接收信号似然率信息；

ii.将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息；

iii.判断是否满足预定条件，如果不满足所述预定条件则将所述本地接收信号的似然率信息发送给所述相邻基站、并重复执行步骤i、ii、iii，如果满足所述预定条件则进入步骤iv；

iv.根据步骤ii中所确定的本地接收信号的后验概率信息执行接收软判决；

其中，所述预定条件包括：所述本地接收信号的后验概率信息与所述相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值。

通过使用本发明中所提供的方法、设备，能够降低多小区MIMO系统中上行基带信号检测的复杂度、减少运算量、并仍能取得良好的检测效果。

以下，图5示出了基站1和基站2之间的信令交互过程，以建立迭代基站合作。

首先，作为用户终端4的服务基站，基站1进行测量控制。例如，导频测量等，这些操作于现有技术中相同，因此，在此不予赘述。

然后，在步骤S50中，基站1确定向哪些基站发起迭代基站协作。

该确定过程可以通过系统配置的方式，或者通过基站1与基站1所服务的用户终端4交互的方式实现。

例如，基站1通过系统配置，得知网络中为其配置的相邻基站2。

或者，如图5所示，可以通过引入与用户终端4的交互，基站1得知相邻基站。基站1为用户终端4的服务基站，是用户终端4所接入的基站。用户终端4可以通过自动相邻关系功能(AutomaticNeighbourRelationFunction，ANRF)来发现合适的相邻基站。该功能利用用户终端4以确定合适的相邻基站。如图5所示，步骤S50可以包括子步骤S500和S501。在步骤S500中，基站1指示用户终端4读取另一个基站的广播信息中的全局网络标识，在新小区标识过程中，该用户终端4已经识别出该另一个基站的物理小区标识。然后，在步骤S501中，用户终端4通知基站1将基站2作为相邻基站。

然后，通过步骤S510和步骤S511，基站1与基站2之间建立X2接口。

然后，在步骤S52中，基站1进行软检测并且获取软信息。该更新的软信息包括LLR等。软信息可以是实际的概率值或概率比值，或者是量化值的索引。

然后，在步骤S53中，基站1通过X2接口向基站2发送更新的软信息。因此，基站2接收来自基站1的软信息。

然后，在步骤S54中，基站2根据来自基站1的软信息以及本地接收信号进行软检测，从而获取基站2本地的软信息。注意到，当基站2第一次执行步骤S52时，基站2通过进行软检测，获取软信息。当基站2非第一次执行步骤S52时，基站2通过进行软件测，更新软信息，将前一次获取的软信息更新为新的软信息。

然后，基站2判断是否满足预定条件。

如果满足预定条件，例如，根据软检测的判决结果(后验概率)得出算法收敛，或者已经经过了预定次数的迭代过程，则基站2通过X2接口向基站1输出该软判决结果，并且该方法进入步骤S57。

否则，如果不满足预定条件，则在步骤S55中，基站2通过X2接口将获取的本地软信息发送给基站1。

然后，在步骤S56中，基站1根据来自基站2的软信息以及本地接收数据，执行软检测，更新基站1本地的软信息，并比较是否满足预定条件。

如果满足预定条件，例如，算法收敛，或者已经经过了预定次数的迭代过程，则基站1根据该软判决结果，向移动管理性实体(MobilityManagementEntity，MME)发送相关的上行消息。

否则，如果不满足预定条件，则重复步骤S53、S54、S55和S56，直至满足预定条件。

因此，整个基站间的过程就是一个迭代的过程，基站1和2之间的交互不断地循环(Turbo)，直至收敛或满足停止条件。

本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；不定冠词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。

Claims (8)

1.一种在多小区多输入多输出系统中的基站中使用的上行基带信号的处理方法，包括以下步骤：

i.接收相邻基站的接收信号似然率信息；

ii.将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息；

iii.判断是否满足预定条件，如果不满足所述预定条件则将所述本地接收信号的似然率信息发送给所述相邻基站、并重复执行步骤i、ii、iii，如果满足所述预定条件则进入步骤iv；

iv.根据步骤ii中所确定的本地接收信号的后验概率信息执行接收软判决；

其中，所述预定条件包括：所述本地接收信号的后验概率信息与相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值，其中，所述相邻基站的接收信号的后验概率信息为所述相邻基站采用概率数据联合算法、基于无信息先验分布所确定的后验概率信息。

2.根据权利要求1所述的处理方法，其特征在于，所述步骤ii中采用概率数据联合算法来确定所述本地接收信号的后验概率信息和似然率信息。

3.根据权利要求1所述的处理方法，其特征在于，所述步骤iv中基于最大后验概率准则来执行接收软判决。

4.根据权利要求1所述的处理方法，其特征在于，在执行所述步骤i、ii、iii之前还包括步骤：

-基于无信息先验分布确定本地接收信号的后验概率信息和似然率信息；

-将所述本地接收信号的似然率信息发送给所述相邻基站。

5.根据权利要求1至4中任一项所述的处理方法，其特征在于，所述似然率信息为对数似然比信息。

6.根据权利要求1所述的方法，其中，所述步骤i之前还包括：

-确定所述相邻基站。

7.根据权利要求6所述的方法，其中，所述确定所述相邻基站通过以下任一种方式实现：

-根据由用户终端反馈的相关基站，确定所述相邻基站；或

-通过系统配置，确定所述相邻基站。

8.一种用于多小区多输入多输出系统中的基站设备，包括：

处理器以及与所述处理器相关联的存储器；

其中所述处理器配置为执行以下步骤：

i.接收相邻基站的接收信号似然率信息；

ii.将所述相邻基站的接收信号似然率信息转换为先验概率、以确定本地接收信号的后验概率信息和似然率信息；

iii.判断是否满足预定条件，如果不满足所述预定条件则将所述本地接收信号的似然率信息发送给所述相邻基站，如果满足所述预定条件则进入步骤iv；

iv.根据步骤ii中所确定的本地接收信号的后验概率信息执行接收软判决；

其中，所述预定条件包括：所述本地接收信号的后验概率信息与所述相邻基站的接收信号的后验概率信息之间的差异小于预定阈值，或者重复执行的次数达到预定值，其中，所述相邻基站的接收信号的后验概率信息为所述相邻基站采用概率数据联合算法、基于无信息先验分布所确定的后验概率信息。