CN103155624A - 用于lte信道状态信息估计的方法和装置 - Google Patents

Abstract

本发明提供了用于确定在无线通信网络中使用的信道状态信息的方法、计算机程序、设备和系统。信道状态信息包括秩指示符(RI)、预编码矩阵索引(PMI)和信道质量指示符(CQI)。可以基于信道协方差估计和对其求逆的泰勒级数近似来确定RI、PMI或CQI。此外，可以分开确定RI和PMI。

Description

用于LTE信道状态信息估计的方法和装置

技术领域

本公开涉及无线通信，并且更具体地，涉及信道状态信息估计方案。

背景技术

在长期演进(LTE)中，用户设备(UE)周期性或不定期地向无线网络的网络节点(例如，增强型或演进的节点B(eNodeB或eNB))反馈信道状态信息(CSI)。其中，CSI包括秩指示符(RI)、预编码矩阵索引(PMI)和信道质量指示符(CQI)。对于PMI和CQI，支持两种类型的反馈，即宽带报告和子带报告。对于宽带报告，可以使用一个子帧的系统带宽中的所有资源单元(RE)来产生报告。对于子带报告，仅可以使用子帧的特定带宽中的RE。在文档3GPP，“LTE Physical Layer Procedures，”ETSI TS136213，V8.7.0，June2009中阐述了标准的物理层过程。

CQI的计算取决于当前发送模式以及针对当前信道的最佳的RI和PMI选择。选择RI和PMI的直接方式是对其二者进行联合估计，以使得可以获得最优的性能度量。联合估计通常是通过以下方式进行的：对所有可能的RI以及码本中所有的对应预编码矩阵进行迭代，并选择产生最优度量的最佳的RI和PMI对。例如参见Texas Instruments，“FurtherDetails on Codebook-Based Pre-coding for E-UTRA，”3GPP TSG RANWG1#47bis，Jan.2007，R1-070270。两个通常使用的度量是均方误差(MSE)(或同等地，信号对噪声加干扰比(SINR))和交互信息(MI，或容量)，并且它们看起来在性能上没有差别。例如参见Texas Instruments，“Further Details on Codebook-Based Pre-coding for E-UTRA，”3GPP TSGRAN WG1#47bis，Jan.2007，R1-070270；S.Schwarz，M.Wrulich和M.Rupp的“Mutual Information based Calculation of the Precoding MatrixIndicator for3GPP UMTS/LTE”，International ITG Workshop on SmartAntennas，Feb.2010(此后称为“Schwarz”)；D.J.Love和R.W.Heath，Jr.的“Limited Feedback Unitary Precoding for Spatial Multiplexing System，”IEEE Trans.IT-51，No.8，2005；Ericsson，“System-level evaluation ofOFDM-further considerations，”3GPP TSG RAN WG1#35，Nov.2003，R1031303。基于MSE的度量要求计算矩阵求逆，以及基于MI的度量要求计算矩阵行列式。在任一情况下，对子帧的带宽中的每一个所选择的资源单元(RE)执行度量和因此的矩阵操作，并且最终的度量是关于所有选择的RE计算的度量的平均值。要注意到，在Schwarz方案中，如果RE的数目变大(例如，在大的系统带宽和宽带报告的情况下)，计算努力可能非常大。因此，Schwarz方案提出了将RE的子集合并为一个RE的想法。合并是通过以下方式进行的：对子集中的RE的信道求平均，并使用平均信道矩阵来计算针对子集的单个度量。然而，由于信道的时间和频率变化特性，子集的大小必须小，以减少由于对信道求平均而导致的性能损耗，并因此该方案的复杂度降低可以是非常有限的。

附图说明

结合附图来解释对各个示例性实施例的描述，在附图中：

图1示出了根据实施例的示例性无线网络环境。

图2示出了LTE中可用的示例性发送模式的表。

图3示出了用于LTE的示例性CQI表。

图4和图5示出了用于LTE的示例性码本。

图6示出了根据实施例的用于确定和报告CQI的示例性方法或过程的流程图。

图7示出了根据实施例的用于确定PMI的示例性方法或过程的流程图。

图8示出了根据实施例的用于基于信道协方差有效SNR映射(CCESM)来确定CQI的示例性方法或过程的流程图。

图9示出了根据实施例的针对RI＝2(层)以及N＝M＝4(天线)的空间复用模式的最优PMI选择的常规方案和简化方案的示例性归一化度量分布的图。

图10示出了根据实施例的针对Tx天线N＝1以及Rx天线M＝1的空间复用模式的简单和常规CQI估计器的示例性性能比较的图。

图11示出了根据实施例的针对2层(RI＝2)、Tx天线N＝2以及Rx天线M＝2的空间复用模式的简单和常规CQI估计器的示例性性能比较的图。

图12示出了根据实施例的针对4层(RI＝4)、Tx天线N＝4以及Rx天线M＝4的空间复用(SM)模式的简单和常规CQI估计器的示例性性能比较的图。

图13示出了根据实施例的针对Tx天线N＝2以及Rx天线M＝2的发送分集模式，简单和常规CQI估计器的示例性性能比较的图。

图14示出了根据实施例的用户设备(UE)的示例性组件的方框图。

图15示出了根据实施例的网络节点的示例性组件的方框图。

具体实施方式

一开始应该理解，虽然以下提供了本公开的一个或更多实施例的示意性实现，但可以使用任意数目的技术来实现所公开的系统和/或方法，而不管其是当前已知的还是已存在的。本公开不应以任何方式受限于以下示出的示意性实现、附图和技术，包括在此示意和描述的示例性设计和实现，但在所附权利要求的范围以及其等同的全部范围内，可以进行修改。

根据各个示例性实施例，提供了例如在支持LTE的网络环境中用于实现信道状态信息(CSI)测量和报告的在计算上高效的方法、计算机程序、设备和系统。在LTE中，CSI包括信道秩指示符(RI)、预编码矩阵索引(PMI)和信道质量指示符(CQI)，并且可以包括其他信息。本公开呈现了用于使用对信道协方差矩阵的估计以及其求逆的近似来确定信道状态信息的示例性方案。例如，可以基于信道协方差估计和其求逆的泰勒级数近似来确定RI、PMI或CQI。可以将对RI和PMI的估计分拆，并且可以将PMI估计简化为针对每个PMI尝试仅实现一次矩阵求逆。PMI估计可以涉及使用平均信道协方差。还提供了基于信道协方差有效SNR映射(CCESM)的CQI估计器，可以针对每个CQI计算仅利用一次矩阵求逆来实现该CCESM，并且没有任何非线性函数求值(evaluation)。可以使用各种补偿因子来校准或补偿对各个信道状态信息的估计，以近似或匹配所需结果，例如近似联合RI-PMI估计结果。可以基于仿真来确定补偿因子。其中，本公开中的这些以及其他的示例性方面降低了关于信道状态信息的硬件(HW)和/或软件(SW)实现的复杂度，并且下面将参考附图来对其进行更详细的讨论。

图1示出了示例性无线网络环境100。如图所示，网络环境100包括一个或多个用户设备(UE)102以及无线网络的一个或多个网络节点104。网络节点104可以是增强型或演进的节点B(eNodeB或eNB)、接入节点或接入点、基站或便于通过无线网络与UE通信的其他网络单元。UE可以是能够进行基于无线或无线电的通信的固定或者移动设备。出于讨论的目的，例如根据在以下文档中阐述的规范，无线网络环境支持实现LTE(长期演进)：3GPP，“LTE Physical Layer Procedures，”ETSI TS136213，V8.7.0，June2009以及3GPP，“LTE Physical Channels and Modulation，”ETSI TS136211，V8.7.0，June2009，将其通过引用整体并入本文。无线网络环境100支持各种通信模式，包括例如单天线模式、发送分集(TxD)模式、空间复用(SM)模式、多输入多输出(MIMO)模式等。在图2中示出的表中提供了在LTE规范中阐述的这些以及其他通信模式的示例性列表。

在LTE中，UE向无线网络(例如，向其网络节点)提供或报告各种信息(包括信道状态信息)。如上所述，信道状态信息包括RI(秩指示符或索引)、PMI(预编码矩阵指示符或索引)以及CQI(信道质量指示符或索引)以及其他信息。

CQI向网络节点提供与UE在当时可支持的链路自适应参数有关的信息，并且可以考虑到各种因素，例如，发送模式、UE接收机类型、天线数目、干扰或者其他所需因素。可以例如在表中定义CQI的索引，该表阐述了多个调制及编码方案(MCS)以及传输块大小(TBS)。在图3中提供了在LTE规范中阐述的4比特CQI表的示例。图3中的CQI表定义了每个CQI索引的调制、码速率和效率。UE向网络节点报告回最高的CQI索引。最高的CQI索引可以对应于所估计的接收下行链路(DL)传输块BLER(误块率)没有超过所定义的百分比(例如，10％或0.10)的MCS和TBS。

秩指示符(RI)是UE针对层的数目的推荐。在LTE中，在空间复用(SM)模式中使用秩指示符。例如，当UE在具有空间复用的多输入多输出(MIMO)模式下操作时，报告RI。通过示例的方式，在2对2天线配置的情况下，RI可以具有值1或2，以及在4对4天线配置的情况下，具有从1直至4的值。RI与一个或多个CQI报告相关联。例如，在假设具体的RI值的情况下计算所报告的CQI。RI描述了整个系统频带上或者特定子带上的信道秩，并且还可以被报告给网络。

PMI提供与基于码本的预编码中的优选预编码矩阵有关的信息。与RI类似，PMI也与MIMO操作有关。具有PMI反馈的MIMO操作被称为闭环MIMO。PMI反馈可被限于特定的发送模式。码本中的预编码矩阵的数目取决于网络节点天线端口(例如，eNB天线端口)的数目。例如，在两个天线端口的情况下，可以从总共6个矩阵中进行选择，而在4个天线端口的情况下，根据RI和UE能力，总数可以上升到64。根据CSI反馈模式，PMI报告可以是宽带的或者频率选择性的。

UE可以通过公共(或共享)上行链路信道或专用上行链路信道传送信息，例如，信道状态信息和有效载荷。例如，在LTE中，存在着主要携带控制信息的物理上行链路控制信道(PUCCH)和作为专用信道的物理上行链路共享信道(PUSCH)。在LTE中支持两种类型的报告，即周期性的报告和不定期的报告。使用PUCCH的周期性报告是信道信息反馈报告的基本模式。网络节点(例如，eNB)经由更高层的信令配置周期参数和PUCCH资源。通常在PUCCH上发送周期性信道。如果在上行链路上调度UE，则将周期性报告移动到PUSCH。RI的报告周期可以是CQI/PMI报告周期的倍数。RI报告可以与CQI/PMI报告使用相同的PUCCH资源(例如，PRB、循环移位)-PUCCH格式。

当网络节点要求更精确的信道状态反馈信息时，其可以在任何期望的时间请求UE在例如PUSCH上发送不定期的信道状态反馈报告。这些报告可以是与数据一起发送的，或者可以是在PUSCH上单独发送的。当来自相同UE的周期性和不定期报告的发送可能冲突时，可以将UE配置为仅发送不定期报告。

为了确定信道状态信息(例如，RI、PMI和CQI)，根据示例性实施例，将RI和PMI的计算分拆。使用信道协方差来计算PMI，在配置为要在其上进行报告的整个带宽上对信道协方差求平均。与联合RI-PMI估计方案相比较，通过将矩阵操作(求逆或行列式)降低到例如针对每个预编码矩阵尝试一个来降低了计算负担。在信道求平均和信道协方差求平均之间存在着重要的差异，因为可以假设在一个子帧中的带宽上，信道协方差(其反映了信道空间相关特性)比信道本身要更加恒定。

此外，CQI是对即时信道的有效SINR(eSINR)的测量，使用有效SINR，可以通过等效AWGN信道实现相同的误差率或容量性能。通常由有效SINR映射(ESM)来产生有效SINR，有效SINR映射将每个RE处的单个SINR估计组合并映射为单个eSINR。指数ESM(EESM)和交互信息ESM(MIESM)是在链路级性能的预测中使用的ESM方法。例如参见Ericsson，“System-level evaluation of OFDM-further considerations，”3GPP TSG RAN WG1#35，Nov.2003，R1031303；K.Sayana，J.Zhuang andK.Stewart，“Short Term Link Performance Modeling for ML Receivers withMutual Information per Bit Metrics，”IEEE GlobeComm2008，pp.1-6。在任一种方法中，首先计算单个每RE SINR，然后通过非线性函数(指数或贝塞尔函数)将其映射到[0，1]的范围，进行组合/求平均，并最后逆映射回单个eSINR。如PMI一样，每个RE处的SINR计算使用矩阵求逆。矩阵的大小可以达到eNB处的发射天线的数目，并且计算强度大。对关于每个RE的非线性函数的求值也可以是对硬件(HW)和软件(SW)实现的挑战。

因此，为了降低CQI计算中的复杂度，使用基于信道协方差的ESM方法(CCESM)来确定CQI，其中，根据示例性实施例，通过对每个RE处的均方误差(MSE)求平均来对映射/合并进行线性化。由单个矩阵求逆加上关于每个RE的补偿项(或因子)来简化MSE的计算。通过平均信道协方差矩阵来形成该矩阵，并且其求逆可以是针对每个CQI计算仅实现一次。补偿项来自于矩阵求逆的二阶或更高阶泰勒近似，并且可以仅使用矩阵乘法操作来执行。在CCESM中不需要非线性函数。可以使用用于确定CQI的本示例性简化方案，而与如何确定RI和PMI无关，即，是使用分拆RI-PMI估计还是联合RI-PMI估计。

图6示出了可以由UE实现的用于确定和报告CQI的示例性过程600。例如，在步骤602处确定RI。RI的确定可以涉及使用协方差信道估计。例如，可以使用信道秩估计器(或RI估计器)，RI估计器基于对信道协方差矩阵的特征值分解以及阈值的组合，例如相对特征值阈值和松弛的输入SNR阈值。可以使用这些阈值来校准或优化RI确定，以使得例如可以使信道秩估计与联合RI-PMI估计方案等的信道秩估计一致。

在步骤604中，确定PMI。例如，可以使用PMI估计器，该PMI估计器基于平均信道协方差以及其求逆的泰勒级数近似。泰勒级数近似可以是零阶或更高阶的近似。可以针对每个PMI尝试仅使用一个矩阵求逆来实现PMI估计。

在步骤606中，然后，根据RI和PMI来确定CQI。例如，在空间复用(SM)模式中，使用基于CCESM的CQI估计器，针对每个CQI仅对信道协方差矩阵进行一次矩阵求逆来实现CCESM，针对每个RE仅对求逆的二阶近似进行三次矩阵乘法来实现CCESM。可以使用补偿因子等来优化性能。对于发送分集模式，可以使用基于噪声功率平均ESM(NAESM)的CQI估计器来作为备选。可以在不将任何非线性函数用于ESM的情况下实现这些简化估计器。此外，可以将CQI估计器与用于确定RI和PMI的任何适合的方法相结合使用，例如在本公开中描述的分拆RI-PMI估计或联合RI-PMI估计。

在步骤606中，向无线网络(例如，网络节点)提供或报告CQI。网络节点从用户设备接收信道质量指示符(CQI)，并基于接收到的CQI控制针对无线网络的通信。例如，网络节点可以使用CQI报告来协助通信参数的选择或优化，例如，从可用传输块大小、资源分配和调制方案或者其可允许的组合中选择。该选择例如可以涉及牺牲容量来实现较低的误差率，或者反之。

图7示出了可以由UE实现的用于确定PMI的示例性过程700。例如，在步骤702中，使用信道协方差(例如，平均信道协方差)以及其求逆的泰勒级数近似(例如，零阶或更高阶)来在所有的资源单元(RE)上确定平均的均方误差(MSE)。在步骤704中，基于平均MSE来确定平均输出信号对干扰加噪声比(SINR)。在步骤706中，基于所确定的SINR从预编码矩阵的集合选择最优预编码矩阵。

图8示出了用于基于信道协方差有效SNR映射(CCESM)来确定CQI的示例处理800。可以由UE来实现过程800。例如，在步骤802中，确定信道协方差矩阵。在步骤804中，确定误差项。误差项可以是具体资源单元(例如，单元k)的即时信道相关性与平均的信道协方差矩阵之间的差。在步骤806中，使用信道协方差矩阵和基于泰勒级数近似的误差项来确定均方误差(MSE)。近似可以包括或截断泰勒级数近似的更高阶。在步骤808中，可以在计算MSE中确定补偿因子。可以使用补偿因子来补偿泰勒级数近似中的任何截断效应(truncation effect)。在步骤810中，基于MSE来确定有效的信号对干扰加噪声功率比(eSINR)。

可以通过不同的顺序来执行参考图6-8的上述过程和操作，上述过程和操作可以包括或不包括所有的步骤或操作，并且可以在预定时间或基于例如来自无线网络(或其网络节点)的请求而实现，例如周期性地或不定期地。此外，可以在预定时间或基于例如来自无线网络的请求向无线网络(或其网络节点)提供或报告一个或多个信道状态信息(例如，RI、PMI和/或CQI)，例如，周期性或不定期报告。

下面提供了根据本公开中的示例性实施例的用于确定RI、PMI和CQI的各种方案的详细示例。虽然参考LTE来讨论RI、PMI和CQI，可以将本公开中的方法和过程与使用RI、PMI和/或CQI或类似的信道状态信息的任何无线协议或网络或预编码方案一起使用。

RI估计

如上所述，根据各个示例性实施例，将秩指示符估计与PMI估计分拆。该分拆例如基于以下观察：只要不持续地过高估计信道的秩，系统吞吐量性能对秩估计不敏感。这由RI估计器来进一步证实，其中，可以通过仿真来调节一些阈值，以使得减少或最小化与联合RI-PMI估计的阈值的差。

例如，设H_k是UE接收机中的第k个RE处的MIMO信道矩阵(估计的)。则

其中，M和N分别是UE中的接收天线的数目和eNB中的发射天线的数目。可以将信道协方差矩阵定义为：

$R_H=E\left\{H_k^H{H}_k\right\},---\left(2\right)$

其中，H表示共轭转置，以及E是可以通过在RE上的平均来实现的期望。为了秩估计，当M≥N时使用等式(2)，以及

$R_H=E\left\{H_k{H}_k^H\right\}---\left(3\right)$

在M＜N时使用。这是最小化随后的特征值分解的成本，而不影响秩估计。R_H是正定的Hermitian矩阵，并具有下面的特征值分解：

R_H＝VDV^H，

(4)

其中，V是特征向量矩阵，并且包含了特征值d_k。N_d＝min{M，N}。

一种用于秩估计的方法是：基于输入噪声功率估计(或等效输入SNR估计)来发现阈值。信道的秩是大于阈值的特征值的数目。在VictorT.Ermolayev、A.G.Flaksman和E.A.Mavrichev的文章“Estimation ofChannel Matrix Rank for Multielement Antenna Array Working in MultipathFading Environment，”IEEE International Conference on Circuits andSystems for Communications，2002，pp.416-419中提出并分析了该方法。然而发现：为了控制过高估计和与联合RI-PMI估计器的性能损耗，难以建立单个基于噪声功率的阈值。

因此，根据一个实施例，可以使用下面的备选方法来更好地满足需求。例如，如果snr是UE接收机处的输入(在均衡之前)信号对噪声比(SNR)估计，则

RI-1.如果snr＜snrThresR1或N_d＝1，则信道的秩估计RI＝1，其中，snrThresR1是针对SNR非常低的情况的第一SNR阈值。可以通过仿真来确定snrThresR1。例如，发现snrThresR1＝0.67(线性单位，或者以dB为单位是-1.76)是针对LTE应用的适合选择。

RI-2.否则，如果snr＜snrThresEig，则eigThes＝eigThresHi；否则eigThes＝eigThresLo，其中，snrThresEig是针对SNR为中或高的情况的第二SNR阈值。阈值eigThes是特征值与信道中的最大者之比的范围(gauge)。信道的秩估计是大于(d_max*eigThres)的特征值的数目。可以通过仿真来确定阈值，例如，snrThresEig、eigThresHi和eigThresLo。例如，发现适合的选择是snrThresEig＝2(线性单元，或者以dB为单位是3)，eigThresHi＝0.7，eigThresLo＝0.6。项d_max是

中的特征值的最大值。

在本示例中，SNR的使用不要求对接收到的采样的任何先期的归一化，并因此提供了简单的方案。

在另一备选方案中，可以使用多个噪声功率阈值。示例提供如下：

RI-1^*如果pn＞pnThresR1或者N_d＝1，则信道的秩估计RI＝1，其中，pn是假设对信号功率进行归一化(单位值)时的输入噪声功率估计；以及pnThresR1是针对SNR非常小的情况的噪声功率阈值。可以通过仿真来确定pnThresR1。例如，发现pnThresR1＝1.5(线性单位)是适合的选择。

RI-2^*否则，如果pn＞pnThresEig，则eigThes＝eigThresHi；否则eigThes＝eigThresLo。信道的秩估计是大于(d_max*eigThres)的特征值的数目。可以通过仿真来确定阈值，pnThresEig、eigThresHi和eigThresLo。例如，发现适合的选择是pnThresEig＝0.5，eigThresHi＝0.7，eigThresLo＝0.6。项d_max是

中的特征值的最大值。

PMI估计

下面根据示例性实施例来描述简化PMI估计器(或方法)的示例。本部分开始于对PMI估计的复杂度的解释，并在然后是对简化方案的解释。

对于MMSE(最小均方误差)线性接收机，第k个资源单元(RE)处的输出MSE是

${\mathrm{\ϵ}}_k=\mathrm{diag}\left\{{(I_N+c{H}_{\mathrm{ek}}^H{H}_{\mathrm{ek}})}^{-1}\right\},---\left(5\right)$

其中，c＝1/pn是输入信号功率被归一化、并且输入噪声功率是pn的情况下的输入SNR；I_N是NxN的单位矩阵；以及H_ek是有效信道，包括等式(1)中的预编码处理和传播信道H_k。对于关注于PMI估计的闭环空间复用(SM)模式，可以将有效信道写为

H_ek＝H_kW，

(6)

其中，W是来自预定义的码本(例如，图4和5中示出的LTE码本表)的预编码矩阵，该预编码矩阵由信道的秩(RI)以及RI内的预编码矩阵索引(PMI)来指示。要注意到，等式(5)包含针对每层的MSE，即

ε_k＝[ε_k，1，ε_k，2，...，ε_k，RI]^T.

(7)

可以将在第k个RE处并在第i层上的输出信号对干扰加噪声比(SIN)示出为

${\mathrm{\η}}_{k,i}=\frac{1}{{\mathrm{\ϵ}}_{k,i}}-1.---\left(8\right)$

(例如参见A.Paulraj、R.Nabar和D.Gore的“Introduction toSpace-Time Wireless Communications，”Cambridge University Press2003)。最优PMI对应于最大化所有层的平均SINR的预编码矩阵，即

$W_{\mathrm{opt}}=\arg \underset{W}{\max }\left\{E\underset{i=1}{\overset{\mathrm{RI}}{\mathrm{\Σ}}}{\mathrm{\η}}_{k,i}\right\}=\arg \underset{W}{\max }\left\{f_C\left(W\right)\right\}.---\left(9\right)$

在所有选择的RE上取期望。可以看出，对f_C(W)的求值需要计算第k个RE处的每个ε_k，其进而要求如等式(5)中示出地计算每个RE处的矩阵求逆。

为了降低PMI估计的复杂度，在等式(5)中，首先关于信道协方差取期望。例如，设

$R_{\mathrm{He}}=E\left\{H_{\mathrm{ek}}^H{H}_{\mathrm{ek}}\right\}=W^H{R}_{H}W,---\left(10\right)$

其中，R_HR_H是在等式(2)中定义的信道协方差。然而，可以将所有RE上的等式(5)的平均MSE近似为：

ε＝diag{(I_N+cR_He)^-1}＝[ε₁，ε₂，...，ε_RI]^T.

(11)

平均输出SIN变为：

${\mathrm{\η}}_i=\frac{1}{{\mathrm{\ϵ}}_i}-1.---\left(12\right)$

因此，可以通过选择将所有层的SINR的总和最大化的对应预编码矩阵来获得最优PMI，亦即：

$W_{\mathrm{opt}}=\arg \underset{W}{\max }\left\{\underset{i=1}{\overset{\mathrm{RI}}{\mathrm{\Σ}}}{\mathrm{\η}}_i\right\}=\arg \underset{W}{\max }\left\{f_S\left(W\right)\right\}.---\left(13\right)$

在本示例中，由于等式(10)，针对每个W尝试，f_S(W)的求值仅使用等式(11)的矩阵求逆一次。

图9示出了针对码本中的每个W的等式(13)中的简化f_S(W)以及等式(9)中的常规f_C(W)的示例性度量分布的图。如图所示，等式(13)中的f_S(W)的度量分布紧随等式(9)中的f_C(W)的度量分布。该图基于RI＝2(层)以及N＝M＝4(天线)的情况下的空间复用模式的仿真结果，并反映该两个方案产生了实质上或大致上相同的最优PMI。

虽然参考LTE讨论了PMI估计器和方法，可以将其与采用预编码器的任何适合的通信协议或网络一起使用。此外，虽然参考MMSE线性接收机导出了PMI估计器，然而其可以在任何其他种类的接收机中使用，例如，基于最大似然的接收机。

CQI估计

下面根据示例性实施例来描述简化CQI估计器(或方法)的示例。简化CQI估计器遵循与简化PMI估计器相类似的途径。其开始于泰勒展开和等式(5)的近似。为了讨论，如果X是可逆的并且ΔX足够小，则泰勒展开是：

${(X+\mathrm{\ΔX})}^{-1}=\underset{i=0}{\overset{\∞}{\mathrm{\Σ}}}{(-1)}^i{\left(X^{-1}\mathrm{\ΔX}\right)}^i{X}^{-1}$

$=X^{-1}-X^{-1}\mathrm{\ΔX}{X}^{-1}+X^{-1}\mathrm{\ΔX}{X}^{-1}\mathrm{\ΔX}{X}^{-1}-\·\·\·$

关于简化CQI估计器，设

$R_{\mathrm{ek}}=I_N+c{H}_{\mathrm{ek}}^H{H}_{\mathrm{ek}},$

R_e＝E{R_ek}＝I_N+cR_He，以及

ΔR_ek=R_ek-R_e，

(14)

其中，c＝1/pn是假设对信号功率归一化时的输入SNR。项pn是输入噪声功率。误差项ΔR_ek是资源单元k处的即时信道相关性与平均的信道协方差矩阵之间的差。I_N是N乘N的单位矩阵。可以将所有RE上的等式(5)的平均MSE重写为：

$\mathrm{\ϵ}=E\left\{{\mathrm{\ϵ}}_k\right\}$

$=\mathrm{diag}\left\{E\right\{R_{\mathrm{ek}}^{-1}\left\}\right\}$

$=\mathrm{diag}\left\{E\right\{{(R_e+\mathrm{\Δ}{R}_{\mathrm{ek}})}^{-1}\left\}\right\}$

$\≈\mathrm{diag}\{R_e^{-1}+\mathrm{\γ}{R}_e^{-1}E\{\mathrm{\Δ}{R}_{\mathrm{ek}}{R}_e^{-1}\mathrm{\Δ}{R}_{\mathrm{ek}}\left\}{R}_e^{-1}\right\}---\left(15\right)$

其中，使用等式(5)的二阶近似，并且假设ΔR_ek具有零均值。项γ是针对所省略的更高阶项的补偿因子。基于仿真，发现对于补偿因子，γ＝1.8是所期望的值的示例。要注意到，可以将等式(11)看做等式(15)的零阶近似。二阶项被用于有效SINR(eSINR)调整，因为单个每RE SINR(由于频率选择性)的变化影响到Turbo解码器的输出，并因此影响到误块率(BLER)，该变化与ΔR_ek的二阶矩有关。虽然以上描述了使用二阶近似的示例，可以将更高阶的近似(包括例如四阶近似、六阶，...，2*n阶(其中，n＞或＝1))用于估计精确度的潜在改进。

等式(15)的计算针对全部使用一次矩阵求逆

可以使用某个额外的存储器用于ΔR_ek或R_ek，并且在每个RE处多使用三个矩阵乘法。

为了计算LTE中的空间复用(SM)模式(例如参见3GPP，“LTEPhysical Channels and Modulation，”ETSI TS136211，V8.7.0，June2009)下的码字的eSINR，考虑以下情况。

SM-1.对于1层SM(RI＝1)，(15)变为标量，ε＝ε₁。单个码字的eSINR是

$\mathrm{eSINR}=\frac{1}{{\mathrm{\ϵ}}_1}-1$

SM-2.对于2层SM(RI＝2)，由(15)，ε＝[ε₁，ε₂]^T，并且针对两个码字的eSINR是

$e{\mathrm{SINR}}_1=\frac{1}{{\mathrm{\ϵ}}_1}-1,e{\mathrm{SINR}}_2=\frac{1}{{\mathrm{\ϵ}}_2}-1$

SM-3.对于3层SM(RI＝3)，ε＝[ε₁，ε₂，ε₃]^T，并且针对两个码字的eSINR是

${\mathrm{eSINR}}_1=\frac{1}{{\mathrm{\ϵ}}_1}-1,{\mathrm{eSINR}}_2=\frac{2}{{\mathrm{\ϵ}}_2+{\mathrm{\ϵ}}_3}-1$

SM-4.对于4层SM(RI＝4)，ε＝[ε₁，ε₂，ε₃，ε₄]^T，并且针对两个码字的eSINR是

${\mathrm{eSINR}}_1=\frac{2}{{\mathrm{\ϵ}}_1+{\mathrm{\ϵ}}_2}-1,{\mathrm{eSINR}}_2=\frac{2}{{\mathrm{\ϵ}}_3+{\mathrm{\ϵ}}_4}-1$

因为在计算中使用平均信道协方差矩阵以及其求逆这一事实，以上的示例性简化有效SNR映射被称为信道协方差有效SINR映射(CCESM)。

对于发送分集(TxD)模式，由于Alamouti码的信道自正交化特性，等式(5)中的有效信道协方差被退化为对角矩阵。矩阵求逆变为标量除法，并且可以通过下面的示例所描述的直接噪声功率平均ESM(NAESM)来计算eSINR。

TDAN-1.对于具有两个Tx天线(N＝2)的发送分集，迫零接收机的平均输出噪声功率是：

$\mathrm{\ϵ}=E\left\{\frac{1}{c{g}_2\left(k\right)}\right\},---\left(16\right)$

其中

$g_2\left(k\right)=\frac{1}{2}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left|h_{\mathrm{ij}}\left(k\right)\right|}^2---\left(17\right)$

h_ij(k)′s在等式(1)中给出，并且eSINR是：

$\mathrm{eSINR}=\frac{1}{\mathrm{\ϵ}}.---\left(18\right)$

TDAN-2.对于具有四个Tx天线(N＝4)的发送分集，迫零接收机的平均输出噪声功率是：

$\mathrm{\ϵ}=\frac{1}{2}E\{\frac{1}{c{g}_{41}\left(k\right)}+\frac{1}{c{g}_{42}\left(k\right)}\},---\left(19\right)$

其中

$g_{41}\left(k\right)=\frac{1}{2}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=\mathrm{1,3}}{\mathrm{\Σ}}{\left|h_{\mathrm{ij}}\left(k\right)\right|}^2,$ $g_{42}\left(k\right)=\frac{1}{2}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=2,4}{\mathrm{\Σ}}{\left|h_{\mathrm{ij}}\left(k\right)\right|}^2---\left(20\right)$

h_ij(k)′s在等式(1)中给出，并且由等式(18)来计算eSINR。

如果等式(16)和(19)中的除法构成了对实现的挑战，仍然可以使用CCESM来消除针对每个RE的除法。可以从等式(14)和(15)类似地导出针对分集模式下的迫零接收机的CCESM，并且结果总结在了下面：

TDCC-1.对于具有两个Tx天线(N＝2)的发送分集，迫零接收机

的平均输出噪声功率是：

$\mathrm{\ϵ}=\frac{1}{c{g}_2}+\mathrm{\γ}\frac{E\left\{{(g_2\left(k\right)-g_2)}^2\right\}}{c{g}_2^3}---\left(21\right)$

其中，g₂＝E{g₂(k)}。在等式(17)中定义项g₂(k)，并且由等式(18)来计算eSINR。

TDCC-2.对于具有四个Tx天线(N＝4)的发送分集，迫零接收机的平均输出噪声功率是：

$\mathrm{\ϵ}=\frac{{\mathrm{\ϵ}}_1+{\mathrm{\ϵ}}_2}{2},---\left(22\right)$

其中

${\mathrm{\ϵ}}_1=\frac{1}{c{g}_{41}}+\mathrm{\γ}\frac{E\left\{{(g_{41}\left(k\right)-g_{41})}^2\right\}}{c{g}_{41}^3},$

${\mathrm{\ϵ}}_2=\frac{1}{c{g}_{42}}+\mathrm{\γ}\frac{E\left\{{(g_{42}\left(k\right)-g_{42})}^2\right\}}{c{g}_{42}^3}---\left(23\right)$

g₄₁＝E{g₄₁(k)}、g₄₂＝E{g₄₂(k)}、g₄₁(k)和g₄₂(k)在(20)中给出，并且由等式(18)来计算eSINR。

图10-13示出了基于CCESM(SM模式)或NAESM(TxD模式)的CQI估计器的示例性仿真结果。为了比较，也示出了基于EESM和MIESM的结果。例如，图10示出了根据实施例的针对Tx天线N＝1以及Rx天线M＝1的空间复用模式的简单和常规CQI估计器的示例性性能比较的图。图11示出了根据实施例的针对2层(RI＝2)、Tx天线N＝2以及Rx天线M＝2的空间复用模式的简单和常规CQI估计器的示例性性能比较的图。图12示出了根据实施例的针对4层(R1＝4)、Tx天线N＝4以及Rx天线M＝4的空间复用(SM)模式的简单和常规CQI估计器的示例性性能比较的图。图13示出了根据实施例的针对Tx天线N＝2以及Rx天线M＝2的发送分集模式的简单和常规CQI估计器的示例性性能比较的图。

如图10-13中所示，各个PMI估计方案在吞吐量(效率)方面具有类似的性能。要注意到，所有示出的结果都基于没有外环链路自适应(OLLA)的仿真。OLLA是用于更精确的链路自适应和更好的吞吐量的方案。其监视混合自动重复请求(HARQ)过程中的重传率，并相应地调整eSINR，以达到目标误块率(BLER)。还可以通过OLLA的方式来进一步降低CCESM/NAESM与EESM/MIESM之间的性能差。应该注意到，CQI估计器虽然是参考MMSE或迫零线性接收机导出的，可以在任何其他种类的接收机(例如，基于最大似然的接收机)中使用所导出的CQI估计器。

图14示出了根据实施例的例如图1中的UE1400的示例性组件的方框图。UE1400包括处理器(或控制器)1402、存储器1404、通信接口1406、用于互连UE的组件的总线1208以及计算机程序。

存储器1404可以是非暂时性的计算机可读存储介质，其被用于在其上存储可执行指令或计算机程序。存储器1404可以包括只读存储器(ROM)、随机存取存储器(RAM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、智能卡、订户标识模块(SIM)或者计算设备可以从其中读出可执行指令或计算机程序的任何其他介质。术语“计算机程序”预期包含持久性或临时性地存在于上述的任何计算机可读存储介质上的可执行程序。

计算机程序还包括算法，算法包括存储在存储器1404中的可以由处理器1402执行的可执行指令，可以由也存储在存储器1404上的一个或多个应用程序来促进处理器1402。应用程序还可以包括(但不限于)管理应用软件与有助于构成UE1400的计算机系统或计算环境的任意适合类型的硬件之间的关系的操作系统或者任何专用的计算机程序。例如，计算机程序还可以包括针对在本公开中讨论的RI、PMI和CQI估计器(方法)的程序。

通信接口1406包括发送和接收电路(或组件)，发送和接收电路(或组件)用于与网络或网络节点或者其他具有通信能力的设备进行无线或基于线路的通信。例如，通信接口可以包括基于线路的接口，以及用于进行无线通信的一个或多个发射天线和一个或多个接收天线。

图15示出了根据实施例的例如图1中的网络节点1500的示例性组件的框图。网络节点1500包括处理器(或控制器)1502、存储器1504、通信接口1506、用于互连网络节点的组件的总线1508以及计算机程序。

存储器1504可以是非暂时性的计算机可读存储介质，其被用于在其上存储可执行指令或计算机程序。存储器1504可以包括只读存储器(ROM)、随机存取存储器(RAM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、智能卡、订户标识模块(SIM)或者计算设备可以从其中读出可执行指令或计算机程序的任何其他介质。术语“计算机程序”预期包含持久性或临时性地存在于上述的任何计算机可读存储介质上的可执行程序。

计算机程序还包括算法，算法包括存储在存储器1504中的可以由处理器1502执行的可执行指令，可以由也存储在存储器1504上的一个或多个应用程序来促进处理器1502。应用程序还可以包括(但不限于)管理应用软件与有助于构成网络节点1500的计算机系统或计算环境的任意适当类型的硬件之间的关系之间的关系的操作系统或者任何专用的计算机程序。

通信接口1506包括用于与UE或网络的其他组件进行无线或基于线路的通信的发送和接收电路(或组件)。例如，通信接口可以包括基于线路的接口(例如用于与其他网络组件的通信)，以及用于进行无线通信的一个或多个发射天线和一个或多个接收天线。

尽管本公开中已经提供了多个实施例，但是应当理解，在不脱离本公开的精神和范围的前提下，可以通过许多其他具体形式来体现所公开的系统和方法。当前示例应被认为是示意性而非限制性的，并且本发明不限于这里给出的细节。例如，各个元件或组件可以组合或集成在另一系统中，或者可以省略或不实现特定的特征。

此外，在不脱离本公开的范围的前提下，在各个实施例中描述和示意为离散或分离的技术、系统、子系统和方法可以与其他系统、模块、技术或方法进行组合或集成。示出或讨论为耦合或直接耦合或彼此通信的其他项目可以通过某种接口、设备或中间组件(不论以电、机械还是其他方式)来间接耦合或彼此通信。在不背离在此公开的原理和范围的情况下，本领域技术人员可以发现并做出改变、替换和变更的其他示例。

Claims (25)

1.一种方法，包括：

确定秩指示符RI；

确定预编码矩阵索引PMI；

根据所述PMI和RI确定信道质量指示符CQI；以及

向无线网络报告与所述RI、PMI或CQI相对应的信息，

其中，所述RI、PMI或CQI是基于信道协方差估计确定的。

2.根据权利要求1所述的方法，其中，所述RI和PMI是分别确定的。

3.根据权利要求1所述的方法，其中，所述RI是基于信道协方差矩阵的特征值分解来确定的。

4.根据权利要求3所述的方法，其中，所述RI还是基于特征值阈值与松弛的输入信号对噪声SNR或噪声功率阈值的组合来确定的。

5.根据权利要求1所述的方法，其中，所述PMI是基于平均信道协方差以及其求逆的泰勒级数近似来确定的。

6.根据权利要求1所述的方法，其中，所述PMI是针对每个PMI尝试仅使用一次矩阵求逆来确定的。

7.根据权利要求1所述的方法，其中，确定PMI操作包括：

使用信道协方差来确定所有资源单元RE上的平均均方误差MSE；

基于所述平均MSE来确定平均输出信号对干扰加噪声比SINR；以及

基于所确定的SINR从预编码矩阵的集合选择最优预编码矩阵。

8.根据权利要求1所述的方法，其中，所述CQI是基于信道协方差有效SNR映射CCESM来确定的。

9.根据权利要求8所述的方法，其中，确定CQI操作包括：

确定信道协方差矩阵；

基于所述信道协方差矩阵并基于泰勒级数近似来确定均方误差MSE；以及

基于所述MSE来确定有效信号对干扰加噪声功率比eSINR。

10.根据权利要求9所述的方法，其中，所述MSE基于其中更高阶被截断的泰勒级数近似，确定CQI操作还包括：

确定针对所确定的MSE的补偿因子，所述补偿因子用于补偿泰勒级数近似中的截断效应。

11.根据权利要求9所述的方法，其中，所述泰勒级数近似在近似中包括一个或多个较高的2*n阶，其中，n大于或等于1。

12.根据权利要求9所述的方法，其中，确定CQI操作还包括：

确定误差项，所述误差项是特定资源单元处的即时信道相关性与平均信道协方差矩阵之间的差，

其中，所述MSE还基于所述误差项来确定。

13.根据权利要求1所述的方法，其中，所述CQI是针对每个CQI仅对信道协方差矩阵进行一次矩阵求逆来确定的。

14.根据权利要求1所述的方法，其中，所述CQI是在没有任何非线性函数求值的情况下确定的。

15.根据权利要求1所述的方法，其中，所述CQI是基于噪声功率平均有效SNR映射NAESM来确定的。

16.一种设备，包括：

存储器；以及

一个或多个处理器，用于确定秩指示符RI，确定预编码矩阵索引PMI，以及确定信道质量指示符CQI，所述RI、PMI或CQI是基于信道协方差估计确定的。

17.根据权利要求16所述的设备，其中，所述RI和PMI是分别确定的。

18.根据权利要求16所述的设备，其中，所述CQI是基于信道协方差有效SNR映射CCESM来确定的。

19.一种方法，包括：

从用户设备接收与秩指示符RI和预编码矩阵索引PMI相关联的信道质量指示符CQI，所述RI、PMI或CQI是基于信道协方差估计确定的；以及

基于接收到的CQI控制针对无线网络的通信。

20.根据权利要求19所述的方法，其中，所述RI和PMI是分别确定的。

21.根据权利要求19所述的方法，其中，所述CQI是基于信道协方差有效SNR映射CCESM来确定的。

22.一种设备，包括：

存储器；

通信接口，用于接收无线传输；以及

一个或多个处理器，用于：

从用户设备接收与秩指示符RI和预编码矩阵索引PMI相关联的信道质量指示符CQI，所述RI、PMI或CQI是基于信道协方差估计确定的；以及

基于接收到的CQI控制针对无线网络的通信。

23.根据权利要求22所述的设备，其中，所述RI和PMI是分别确定的。

24.根据权利要求22所述的设备，其中，所述CQI是基于信道协方差有效SNR映射CCESM来确定的。

25.一种方法，包括：

确定秩指示符RI和预编码矩阵索引PMI，所述RI和PMI是分开确定的；以及

向无线网络报告基于分开确定的RI和PMI的信道状态信息。

Images