背景技术
未来无线通信要求在当前通信系统的基础上大幅度提高数据传输速率,提供更加丰富的数据服务,大规模多收多发(Massive MIMO,或Large Scale MIMO)将成为实现这些需求的关键技术之一。大规模多收多发技术是指在无线通信系统的终端设置非常大数量的天线来实现高速数据传输,根据当前的无线通信系统结构及其发展前景,大规模天线主要用于通信系统的网络侧终端,所装配的天线数量可能达到上百个甚至更多,这些天线通过光纤等设施连接到同一信息处理设备进行联合信息处理。装配了大规模天线的基站在相同的时频资源能够利用信道在空间上的分割为多个用户终端提供服务,空分复用用户一般比基站天线数量小一个数量级。
采用大规模天线的无线通信系统为通信链路提供了更多的自由度,能够将数据传输速率提高到当前通信系统的几十至上百倍,通信的质量也由于分集度的增加而更加稳定可靠。大规模天线技术所带来的另外一个显著的好处是能够大幅度降低通信所需要的发射功率。大规模天线系统中每天线的发射功率会比当前的系统小两个或以上数量级。
和传统的MIMO技术相比,大规模MIMO具有一些独特的性质,例如当通信系统的基站端装置的天线达到一定的数量时,从基站到各用户终端的无线信道表现出确定性的特征,背景噪声对通信的影响渐进消失,对应不同用户终端的信道向量之间呈现渐近的正交性等。根据这些特性,即使最简单的发送或接收方法,如最大比合并(MRC),也能达到或接近最佳的性能。而在传统的MIMO中,要获得良好的性能,需要采取一些比较复杂的发送或接收的方法如迫零(ZF)、最小均方误差(MMSE)、干扰抵消等。大规模MIMO是继MIMO之后出现的又一个大幅度提升通信系统性能的手段,该技术已成为现代无线通信研究的热点。
假设基站端的天线数目为M,用户数目为K,上行接收信号可表示为以下的M×1向量形式:
其中,xk是用户k的发送信号,hk是用户k与基站的M个天线之间的信道向量,n是各接收天线独立同分布的加性噪声向量。如果基站已经获得了用户k与基站之间的信道信息那么用户k的信号可以采用如下的最大比合并方法进行检测:
其中
表示
的共轭转置。假设对应各用户的信道线性无关或者只有一个用户,如果估计的信道信息和真实信道信息相同,那么这种合并方法可以获得最大的接收信噪比。
但是,信道估计的结果和真实的信道状态之间总是存在一定的差异。在大规模MIMO系统中,上行的信道信息通过上行信道估计获取,即用户终端发送一定的参考信号,如果用户之间的参考信号相互正交,基站端可以根据各用户的参考信号估计相应于各用户的上行信道信息。该信道信息用于上行信号的相干检测。如果该系统采用时分双工(TDD)的传输方式,那么根据信道互易性的特点,该信道信息也作为下行信道信息用于基站端下行发送的预编码设计。除了信道信息,信道估计的结果中还包含噪声和其它用户终端的干扰,信道估计中的噪声和参考信号的发送功率有关,发送功率越小相应的噪声越大。在大规模MIMO系统中每天线的发送功率远远小于现有系统的天线功率,因此信道估计中有用信息和噪声功率之比相对较小。
基站端利用信道估计结果进行上行的信号检测或者下行的预编码发送,在大规模MIMO系统中,最大比合并是一种简单而且有效的检测方法。但是在大规模MIMO系统的上行检测过程中,如果用于相干检测的信道信息存在误差,那么最大比合并不能使检测结果获得最大的信噪比。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,本发明提出了一种大规模天线阵列的信号合并方法。本发明利用信道估计中的信噪比信息,设计了一种新的信号合并方法,在最大比合并的基础上进一步提高信号检测结果的信噪比。
为解决上述技术问题,本发明采用的技术方案如下:
一种大规模天线阵列的信号合并方法,所述方法首先根据大规模天线系统信道估计中有用信息与噪声的功率比确定用于计算修正因子的指数;再根据该指数计算各天线的合并修正因子;最后利用修正因子进行合并信号处理;其步骤如下:
步骤A,确定修正因子指数β:
β=f(Ch_SNR)
其中,Ch_SNR为大规模天线阵列平均每个天线对应于一个数据流的信道或等效信道的信道估计信噪比;
f(·)是单调递减函数;β的取值范围为β∈[0,1],当Ch_SNR大于等于1时,β等于0,当Ch_SNR小于ε时,β等于1;ε为指定的实数,且0<ε<1;
步骤B,确定修正因子am,m=1,2,…,M,M是接收天线数;am的表达式为:
其中,表示一个基站天线和一个用户终端天线间的信道估计值;|·|表示绝对值运算;
(·)
H表示共轭转置;y表示基站天线系统接收信号;
表示基站天线对应一个用户数据流信道估计或等效信道估计结果的向量,y、
均是M×1向量。
步骤A中,所述指定的实数ε,其取值为10-4。
本发明的有益效果是:本发明提出了一种天线系统信号合并方法,该方法针对大规模天线系统在信道估计结果中存在误差时最大比合并不能获得最大信噪比的缺陷而设计。所述方法包括:根据大规模天线系统信道估计中有用信息与噪声的功率比确定用于计算修正因子的指数;根据该指数计算各天线的合并修正因子;利用修正因子进行合并信号处理。该合并方法能够在最大比合并的基础上提高大规模天线系统中接收信号的信噪比,从而提高系统的容量。
具体实施方式
下面对本发明提出的一种天线系统信号合并方法进行详细说明:在大规模MIMO系统的上行检测过程中,如果用于相干检测的信道信息存在误差,那么最大比合并不能使检测结果获得最大的信噪比。本发明利用信道估计中的信噪比信息,设计了一种新的合并方法,在最大比合并的基础上进一步提高信号检测结果的信噪比。
本发明的特点是在合并的过程中每个天线的合并因子是该天线相应的信道估计结果的共轭和一个修正因子的乘积,该修正因子是该天线归一化信道功率增益的指数,该指数根据信道估计结果中的信噪比来确定。以上所述的信道估计结果中的信噪比是指真实信道信息与噪声的功率之比,用于计算修正因子的指数在同一个合并过程对所有天线都相同。
在本发明实施之前假设已经获得了上行信道估计结果并且对信道估计结果中的信噪比进行了估计。上行信道估计采用现有的各种信道估计方法。比较常用的是基于导频的估计方法:用户终端在上行链路的数据帧结构中插入参考信号,该参考信号对于发送和接收双方都是已知的,基站的各天线端口根据用户端的参考信号进行信道估计。估计的过程采用相关、迫零或最小均方误差等已有的方法。信道估计结果中的信噪比估计采用已有的一些噪声估计的方法,如相关的方法等。如果基站端的天线数目为M,那么针对每一个参考信号估计出的信道表示为一个M×1的复数向量
其中的任一元素
表示基站的一个天线端口和一个用户终端天线的信道信息,m=1,2,…,M。该信道估计的结果表示为真实信道信息h和噪声干扰z相加的形式
这里把噪声和干扰作为一个整体用向量z表示,为了描述方便去掉了表示用户的下标。该信道估计结果的信噪比为
其中,E{}表示期望运算。
本发明的合并方法表示为:
其中,
其中,am是修正因子,m=1,2,…,M,由如下公式确定:
指数β表示为:
β=f(Ch_SNR) (8)
该指数的取值范围为β∈[0,1],是信道估计信噪比的单调减小函数,当信噪比较高时,β趋近于0,当信噪比较低时,β趋近于1。这里信噪比较高是指信道估计信噪比大于0dB或从负半轴方向接近于0dB的情况,信噪比较低是指信道估计信噪比远小于0dB的情况(如-30dB)。
应当说明,这里要求获得信道估计的信噪比,该信噪比通过其它现有的方法获得,该信噪比由公式(4)定义,但是获得该信噪比并不表明获得了准确信道信息。
因此,本发明的合并方法表示为
其中
是
的共轭,修正因子指数β取值为0时该合并退化为最大比合并。
本发明的实施包括以下3个步骤:修正因子指数确定,修正因子确定,以及合并接收。
1.修正因子指数确定
基站端在获得了各天线的上行信道估计结果
m=1,2,…,M,并且对估计信道信息的信噪比Ch_SNR进行了估计以后,根据信道信息的信噪比确定修正因子指数β。该指数的取值范围为[0,1],是信道估计信噪比的单调减小函数,如公式(8)所示,当信噪比较高时,该指数趋近于0,当信噪比较低时,该指数趋近于1。针对不同信噪比的修正因子指数可以通过仿真确定,也可以采用经验的方法或系统自学习的方法进行优化。
2.修正因子确定
基站端根据公式(7)计算各天线的修正因子
m=1,2,…,M。
3.合并接收
基站端根据公式(5)进行合并接收,或者直接使用公式(9)进行合并接收。
下面通过仿真实例来评估该合并方法,并和最大比合并方法进行检测信号信噪比的比较。
仿真实例:
大规模MIMO系统的基站端装配100个天线,用户端装配一个天线。基站各天线和各用户端天线之间的无线信道假设为独立同分布的复高斯随机过程。假设信道估计过程和上行数据传输过程噪声功率相同,每个导频信号功率和数据信号功率相同。由于大规模MIMO系统的每天线发送功率极低,所以仿真考虑信道估计信息的信噪比范围为-30dB~0dB。
针对-30dB~0dB的信道估计信噪比,通过仿真确定最佳的修正因子指数如表1的第二栏所示。采用表1的第二栏中所获得的最佳的修正因子指数,根据本发明的合并方法进行信号检测,和现有的最大比合并方法相比,在-30dB~0dB的信噪比区间所获得的信噪比增益如表1的第三栏所示。
从表1的第三栏结果可以看到,本发明的合并方法在信道信息信噪比小于0dB时能够获得一定的检测信号信噪比增益,信道信息的信噪比越低,和现有的最大比合并方法相比,本方法所获得的检测信噪比的增益越高。在大规模MIMO系统中,由于每天线的发送功率极低,单个天线信噪比通常都小于0dB,因此本方法具有工程实用价值。
下面采用数学函数对仿真所获得的最佳修正因子指数进行拟合,这里的拟合函数只是针对这一特定场景,不排除其它场景下的其它函数。分别用以下的两个函数进行拟合,并仿真相应的检测信噪比增益。
拟合函数(a):
由拟合函数(a)所获得的修正因子指数表示在表1的第四栏,由该修正因子所获得的检测信噪比的增益仿真结果表示在表1的第五栏。可以看到,尽管有些拟合修正因子指数和第二栏的最佳指数存在一些差别,但是所有的检测信噪比增益和第三栏的最佳仿真结果非常接近,这表明指数的局部扰动对结果的影响不大。
拟合函数(b):
由拟合函数(b)所获得的修正因子指数表示在表1的第六栏,由该修正因子所获得的检测信噪比的增益仿真结果表示在表1的第七栏。可以看到,当拟合修正因子指数和最佳指数之间的差别较大时(如表中的0~-10dB情况),和第三栏的最佳仿真结果相比,检测信噪比增益的损失也较大。
如图1所示,对比了由拟合函数(a)所获得的修正因子指数、由拟合函数(b)所获得的修正因子指数以及由仿真所获得的最佳修正因子指数。
如图2所示,对比了由拟合修正因子指数(a)、拟合修正因子指数(b)以及最佳修正因子指数所得到的检测信噪比增益结果。
表1,修正因子指数及合并方法获得的检测信噪比增益