CN103476125A - 一种机会干扰对齐中用户调度的优化方法和系统 - Google Patents

Abstract

本发明公开了一种机会干扰对齐中用户调度的优化方法和系统，所述方法包括以下步骤：所有基站分别向待服务用户广播波束成形信号，基站与用户组唯一对应，待服务用户所在的用户组为第一用户组，与第一用户组相对应的基站为第一基站，第一基站之外的基站为第二基站；根据波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将模拟信息反馈给第一基站；第一基站根据模拟信息确定第一用户组中的最佳通信用户。通过本发明提供的用户调度优化方法，能够在保证用户选择系统性能的同时，提高在低信噪比下传统机会干扰对齐技术中用户调度方法的鲁棒性，同时还能改变随用户数目增加系统总速率增幅减弱的现象。

Description

一种机会干扰对齐中用户调度的优化方法和系统

技术领域

本发明涉及通信技术领域，尤其涉及一种机会干扰对齐中用户调度的优化方法和系统。

背景技术

干扰对齐(Interference Alignment，IA)技术作为干扰管理的重大突破技术，能够有效地对抗4G通信系统中的干扰。IA技术的基本思想是协调发射机通过预编码技术使干扰信号在接收端对齐于有限的子空间内，接收端通过迫零(Zero Forcing，ZF)算法处理能够彻底消除多小区干扰。传统的IA技术需要将多小区的干扰对齐到同一个空间，用剩余的空间进行无干扰通信，并且信号空间必须位于干扰空间的零空间之中，但是只能在理想条件下实现，在实际使用中是无法实现的。例如：所有基站均获知全部信道状态信息(Chanel State Information，CSI)，只有传输维度（时域，频域，空域）趋于无穷大时，可以获得平均每个用户1/2的空间复用增益。传统的IA技术还存在低信噪比（Signal Noise Ration，SNR）下自由度(Degree Of Freedom，DOF)性能下降，信道估计和反馈要求精度高，基站间信息交互量大，CSI的计算开销大，同步要求严格，协同操作困难等问题。

另外，现有的用户调度准则采用OIAUS(Opportunistic InterferenceAligned User Selection，机会干扰对齐用户选择)准则被提出，干扰信号大部分对齐的用户被选择，该准则通过两个干扰信号的相关性来衡量对齐效果，这种准则仅仅考虑了最大化干扰-干扰的相关性，而没有考虑信号-干扰之间的相关性，导致这种准则还不够完备。尤其在低信噪比下，只考虑了干扰-干扰的相关性，不能准确地调度最佳用户，这样的调度准则将使系统变得不稳定，鲁棒性降低。在低信噪比下，通信系统的总速率不仅取决于自由度(DOF)，还与系统的鲁棒性有关，而系统的鲁棒性不仅取决于期望信号-干扰间的相关性，还与干扰-干扰间的相关性有关。

发明内容

（一）要解决的技术问题

针对上述缺陷，本发明要解决的技术问题是在低信噪比条件下传统OIAUS准则鲁棒性减弱。

（二）技术方案

为解决上述问题，本发明提供了一种机会干扰对齐中用户调度的优化方法，包括：

步骤S1、所有基站分别向待服务用户广播波束成形信号，所述基站与用户组唯一对应，所述待服务用户所在的用户组为第一用户组，与所述第一用户组相对应的基站为第一基站，所述第一基站之外的基站为第二基站；

步骤S2、根据所述波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将所述模拟信息反馈给所述第一基站；

步骤S3、所述第一基站根据所述模拟信息确定所述第一用户组中的最佳通信用户。

进一步地，所述波束成形信号为所述基站随机产生的，且满足

其中W_i为表示所述波束成形信号的波束成形矩阵，

为对所述波束成形矩阵的共轭转置，I为单位矩阵。

进一步地，所述步骤S2具体包括：

步骤S21、通过信道估计分别获取所述第一基站到所述第一用户组的信道增益矩阵以及所述第二基站到所述第一用户组的干扰信道增益矩阵；

步骤S22、根据所述第二基站广播的波束成形信号和所述第二基站中的各个基站分别到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组中各个用户的干扰-干扰之间的相关性；

步骤S23、根据所述第一基站广播和所述第二基站中的各个基站广播的波束成形信号、所述第一用户组期望信号的信道增益矩阵和所述第二基站中的各个基站到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组与所述第二基站中的各个基站的信号-干扰之间的相关性；

步骤S24、所述第一用户组中的每个用户分别比较所述第二基站中的各个基站对所述第一用户组产生的信号-干扰之间的相关性，选择所述信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性；

步骤S25、将所述第一用户组中的每个用户选择的信号-干扰之间的相关性与所述步骤S22得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为所述模拟信息；

步骤S26、将所述模拟信息发送给所述第一基站。

进一步地，所述步骤S3具体包括：所述第一基站比较各个用户所述模拟信息的大小，选择值最大的用户作为所述第一用户组的最佳通信用户。

进一步地，所述步骤S3之后还包括：

步骤S4、获取后处理矩阵，所述基站与所述最佳用户之间进行通信。

为解决上述问题，本发明还提供了一种机会干扰对齐中用户调度的优化系统，包括：广播单元、反馈单元和选择单元；

所述广播单元用于所有基站分别向待服务用户广播波束成形信号，所述所有基站包括至少两个基站，每个基站与用户组唯一对应，从所述至少两个基站中选择一个基站作为第一基站，所述第一基站对应的用户组为第一用户组，所述第一基站之外的基站为第二基站；

所述反馈单元用于根据所述波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将所述模拟信息反馈给所述第一基站；

所述选择单元用于所述第一基站根据所述模拟信息确定所述第一用户组中的最佳通信用户。

进一步地，所述基站与所述用户组唯一对应，所述用户组由K个用户组成，并为所述基站配置N_T根发射天线，所述基站发送M个数据流到所述用户，所述用户配置N_R根接收天线，其中K、M、N_T为大于等于1的整数且N_R为大于等于2的整数，M≤N_T，N_R=2M。

进一步地，所述反馈单元包括：矩阵获取模块、第一计算模块、第二计算模块、比较模块、做差模块和模拟信息发送模块；

所述矩阵获取模块用于通过信道估计分别获取所述第一基站到所述第一用户组的信道增益矩阵以及所述第二基站到所述第一用户组的干扰信道增益矩阵；

所述第一计算模块用于根据所述第二基站广播的波束成形信号和所述第二基站中的各个基站分别到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组中各个用户的干扰-干扰之间的相关性；

所述第二计算模块用于根据所述第一基站广播和所述第二基站中的各个基站广播的波束成形信号、所述第一用户组期望信号的信道增益矩阵和所述第二基站中的各个基站到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组与所述第二基站中的各个基站的信号-干扰之间的相关性；

所述比较模块用于所述第一用户组中的每个用户分别比较所述第二基站中的各个基站对所述第一用户组产生的信号-干扰之间的相关性，选择所述信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性；

所述做差模块用于将所述第一用户组中的每个用户选择的信号-干扰之间的相关性与所述第一计算模块得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为所述模拟信息；

所述模拟信息发送模块用于将所述模拟信息发送给所述第一基站。

进一步地，所述选择单元具体用于所述第一基站比较各个用户所述模拟信息的大小，选择值最大的用户作为所述第一用户组的最佳通信用户。

进一步地，所述系统还包括：后处理模块，用于获取后处理矩阵，所述基站与所述最佳用户之间进行通信。

（三）有益效果

本发明提供了一种机会干扰对齐中用户调度的优化方法和系统，该方法包括：每个基站均向待服务用户广播波束成形信号，之后获取第一基站到其对应的用户组中用户的信道增益矩阵以及除第一基站之外的其它基站到该用户的干扰信道增益矩阵。将信道增益矩阵和干扰信道增益矩阵与波束成形信号结合，计算得到衡量干扰对齐效果的模拟信息，这些信息将作为判定最佳通信用户的依据反馈给第一基站。第一基站以信号-干扰相关性最小值与干扰-干扰相关性之差作为目标函数的准则确定最佳通信用户，实现在机会干扰对齐中用户调度的优化。通过上述方法，能够在保证用户选择系统性能的同时，提高在低信噪比下传统机会干扰对齐技术中用户调度方法的鲁棒性，同时还能改变随用户数目增加系统总速率增幅减弱的现象。

附图说明

图1为本发明实施例一中的一种机会干扰对齐中用户调度的优化方法的步骤流程图；

图2为本发明实施例一中步骤S2的步骤流程图；

图3为本发明实施例一中基站与用户组之间的传输关系示意图；

图4为本发明实施例一中配置(N_T,N_R,M)=(2,4,2),用户数K=10,r=0.2，不同信噪比条件下的，基于本发明的SCOIA-SINR方法，SCOIA-Smart方法与传统的基于MIN-INR准则，基于MAX-SNR准则的用户选择方案以及OIA-SINR方案在系统总速率的比较曲线图；

图5为本发明实施例一中配置(N_T,N_R,M)=(2,4,2),用户数K=10,r=0.8，不同信噪比条件下的，基于本发明的SCOIA-SINR方法，SCOIA-Smart方法与传统的基于MIN-INR准则，基于MAX-SNR准则的用户选择方案以及OIA-SINR方案在系统总速率的比较曲线图；

图6为本发明实施例一中平配置(N_T,N_R,M)=(3,6,3),用户数K=100,r=0.2，不同信噪比条件下的，基于本发明的SCOIA-SINR方法，SCOIA-PNIC-OPT方法，SCOIA-PNIC-AVG，SCOIA-Smart方法与传统的基于MIN-INR准则，基于MAX-SNR准则的用户选择方案以及OIA-SINR方案在系统总速率的比较曲线图；

图7为本发明实施例二中的一种机会干扰对齐中用户调度的优化系统的组成示意图；

图8为本发明实施例二中反馈单元的组成示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

本实施例中提供了一种机会干扰对齐中用户调度的优化方法，步骤流程如图1所示，具体包括以下步骤：

步骤S1、所有基站分别向待服务用户广播波束成形信号。

步骤S2、根据波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将模拟信息反馈给第一基站。

步骤S3、第一基站根据模拟信息确定第一用户组中的最佳通信用户。

通过上述步骤提供的用户调度的优化方法，能够提高在低信噪比下传统机会干扰对齐技术中用户调度方法的鲁棒性，同时还能改变随用户数目增加系统总速率增幅减弱的现象。

优选地，本实施例中步骤S1基站向待服务用户广播波束成形信号，其中这些波束成形信号是基站随机产生的，且满足W^HW=I，其中W为表示波束成形信号的波束成形矩阵，W^H为对波束成形矩阵的共轭转置，I为单位矩阵。

优选地，本实施例中的基站与用户组唯一对应，待服务用户所在的用户组为第一用户组，与第一用户组相对应的基站为第一基站，第一基站之外的基站为第二基站。

在本实施例中以通信系统中包括三个基站为例进行说明，这三个基站分别为基站1、基站2和基站3，并为每个基站均配置N_T根发射天线且均有其唯一对应的用户组，每个用户组由K个用户组成，即与基站对应的用户包括：用户1、用户2......用户k......用户K，其中1≤k≤K。基站发送M个数据流(M≤N_T)到用户，用户均配置N_R根(N_R=2M)接收天线来接收基站发送的数据流，其中K、M、N_T为大于等于1的整数且N_R为大于等于2的整数。假设第i(i=1,2,3)个基站广播的随机波束成形信号用波束成形矩阵

且满足

则用户组i的第k个用户的接收信号y_i,k可表示为：

其中信号y_i,k包括三部分，即期望信号、干扰信号和噪声，期望信号为用户期望从其对应的基站接收到的信号，干扰信号为用户受到其它基站发送波束成形信号对该用户产生的干扰，噪声为基站到用户端，即发送端到接收端信道中存在的固有噪声信号，

表示为第i个基站到第i用户组的第k个用户的信道增益矩阵，

表示为第i个基站发送的信号矢量，且满足约束条件

P为该基站的平均功率，

表示为第j个基站到第i用户组的第k个用户的干扰信道增益矩阵，且所有的干扰信道增益系数均服从均值为零、方差为1的独立同分布的复高斯分布，

表示为第j个基站发送的干扰矢量，且满足约束条件

为第i个用户组的第k个用户的加性复高斯白噪声矢量(AWGN)，其中

表示服从均值为0，单位方差矩阵的复高斯分布，

表示为单位矩阵。

用户接收波束成形信号之后，需要对干扰对齐的效果进行计算，进行步骤S2：根据波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将模拟信息反馈给第一基站。

步骤S2的具体步骤流程如图2所示，包括以下步骤：

步骤S21、通过信道估计分别获取第一基站到第一用户组的信道增益矩阵以及第二基站到第一用户组的干扰信道增益矩阵。

步骤S22、根据第二基站广播的波束成形信号和第二基站中的各个基站分别到第一用户组的干扰信道增益矩阵，计算得到第一用户组中各个用户的干扰-干扰之间的相关性。

步骤S23、根据第一基站广播和第二基站中的各个基站广播的波束成形信号、第一用户组期望信号的信道增益矩阵和第二基站中的各个基站到第一用户组的干扰信道增益矩阵，计算得到第一用户组与第二基站中的各个基站的信号-干扰之间的相关性。

步骤S24、第一用户组中的每个用户分别比较第二基站中的各个基站对第一用户组产生的信号-干扰之间的相关性，选择信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性。

步骤S25、将第一用户组中的每个用户选择的信号-干扰之间的相关性与步骤S22得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为模拟信息；

步骤S26、将模拟信息发送给所述第一基站。

下面以用户组1为例进行详细步骤描述，基站1作为第一基站，基站2和基站3都属于第二基站，与基站1相对应的用户组1就作为第一用户组。

步骤S21、通过信道估计分别获取基站1到用户组1的信道增益矩阵及基站2到用户组1的干扰信道增益矩阵及基站3到用户组1的干扰信道增益矩阵。

步骤S22：根据步骤S1中基站2和基站3广播的随机波束成形信号矩阵和基站2到用户组1的干扰信道增益矩阵、基站3到用户组1的干扰信道增益矩阵，计算得到各用户的干扰—干扰之间的相关性。

S,I₂,I₃分别表示基站1、基站2、基站3发送的信息，用户组1的第k个用户的干扰-干扰之间的相关性描述为：

${\mathrm{\ψ}}_{1,k}^{I_2,I_3}={\cos }^2(\∠(H_{1,k}^{\left(2\right)}{w}_2,H_{1,k}^{\left(3\right)}{w}_3))=\frac{{\left|\right|W_2^H{H}_{1,k}^{\left(2\right)H}{H}_{1,k}^{\left(3\right)}{W}_3\left|\right|}^2}{{\left|\right|H_{1,k}^{\left(2\right)}{W}_2\left|\right|}^2{\left|\right|H_{1,k}^{\left(3\right)}{W}_3\left|\right|}^2}$

其中：

为用户组1的第k个用户的基站2和基站3干扰-干扰之间的相关性；

W₂为基站2广播的随机波束成形矩阵；

W₃为基站3广播的随机波束成形矩阵；

为基站2到用户组1的第k个用户的干扰信道增益矩阵；

为基站3到用户组1的第k个用户的干扰信道增益矩阵；

(·)^H表示共轭转置。

步骤S23、根据步骤S1中基站1和基站2广播的随机波束成形信号矩阵和用户组1的期望信号的信道增益矩阵及基站2到用户组1的干扰信道增益矩阵，计算得到用户组1与基站2的信号-干扰之间的相关性；根据步骤S1中基站1和基站3广播的随机波束成形信号矩阵和用户组1的期望信号的信道增益矩阵及基站3到用户组1的干扰信道增益矩阵，计算得到用户组1与基站3的信号-干扰之间的相关性。

用户组1的第k个用户的信号-干扰之间的相关性描述为：

${\mathrm{\ψ}}_{1,k}^{S,I_2}={\cos }^2(\∠(H_{1,k}^{\left(1\right)}{w}_1,H_{1,k}^{\left(2\right)}{w}_2))=\frac{{\left|\right|W_1^H{H}_{1,k}^{\left(1\right)H}{H}_{1,k}^{\left(2\right)}{W}_2\left|\right|}^2}{{\left|\right|H_{1,k}^{\left(1\right)}{W}_1\left|\right|}^2{\left|\right|H_{1,k}^{\left(2\right)}{W}_2\left|\right|}^2}$

${\mathrm{\ψ}}_{1,k}^{S,I_3}={\cos }^2(\∠(H_{1,k}^{\left(1\right)}{w}_1,H_{1,k}^{\left(3\right)}{w}_3))=\frac{{\left|\right|W_1^H{H}_{1,k}^{\left(1\right)H}{H}_{1,k}^{\left(3\right)}{W}_3\left|\right|}^2}{{\left|\right|H_{1,k}^{\left(1\right)}{W}_1\left|\right|}^2{\left|\right|H_{1,k}^{\left(3\right)}{W}_3\left|\right|}^2}$

其中：

为用户组1的第k个用户与基站2的信号-干扰之间的相关性；

为用户组1的第k个用户与基站3的信号-干扰之间的相关性；

W₁为基站1广播的随机波束成形矩阵；

为基站1到用户组1的第k个用户的信道增益矩阵。

步骤S24、用户组1的每个用户比较其相应的两个信号-干扰之间的相关性，选出值最小的作为该用户的信号-干扰之间的相关性；

比较步骤S23中用户组1的第k个用户的两个信号-干扰之间的相关性，选出相关性最小的作为该用户的信号-干扰之间的相关性，即

${\mathrm{\ψ}}_{1,k}^{S,I}=\min ({\mathrm{\ψ}}_{1,k}^{S,I_2},{\mathrm{\ψ}}_{1,k}^{S,I_3})$

步骤S25、将用户组1的每个用户选出来的信号-干扰之间的相关性与其干扰-干扰之间的相关性做差，其差值作为模拟信息。

步骤S26、用户组1的每个用户将该差值信息反馈给用户组1对应的基站，即本实施例中基站1。

第一基站接收到各个用户发送的模拟信息，比较各个用户的模拟信息的大小，选择值最大的用户作为第一用户组的最佳通信用户。具体的，本实施例中用户组1的最佳通信用户k¹表示为：

通过步骤S3确定第一基站的最佳通信用户之后还包括：

步骤S4、获取后处理矩阵，第一基站与步骤S3得到的最佳用户之间进行通信。

需要说明的是，本实施例中给出的以基站1作为第一基站，选择得到基站1的最佳通信用户之后再分别以基站2和基站3作为第一基站重复步骤S1-S3的操作，基站2和基站3分别得到用户组2和用户组3中的最佳通信用户。

根据上述基站与用户组之间的传输关系示意图如图3所示，发送端的基站随机广播波束成形信号，初始化波束成形矩阵

每个基站得到其用户组中的最佳通信用户后，基站能够调度最佳通信用户，最佳通信用户能够根据不同的方案得到后处理矩阵。

以下给出3种不同的后处理矩阵获取方案：

方案一：Max-SINR方案

最佳通信用户利用一个后处理矩阵实现最大化系统SINR，假设用户组i中的第k用户被选中，即后处理矩阵可表示为：

$V_{k_i}^{\mathrm{SINR}}=\arg \max \frac{P{\left|V_{k_i}^H{H}_{i,k}^{{\left(i\right)}^H}{W}_i\right|}^2}{1+P_I\underset{j\≠i}{\overset{3}{\mathrm{\Σ}}}{\left|V_{k_i}^H{H}_{i,k}^{{\left(j\right)}^H}{W}_j\right|}^2}$

$=v_{\max }\frac{P{\left|V_{k_i}^H{H}_{i,k}^{{\left(i\right)}^H}{W}_i\right|}^2}{1+P_I\underset{j\≠i}{\overset{3}{\mathrm{\Σ}}}{\left|V_{k_i}^H{H}_{i,k}^{{\left(j\right)}^H}{W}_j\right|}^2}$

其中：

为选中的后处理矩阵；

P为基站的平均功率；

P_I为用户端的平均功率；

为用户组i中的第k用户的后处理矩阵的共轭转置矩阵；

为第j个基站到第i用户组的第k个用户的干扰信道增益矩阵的共轭转置矩阵；

W_i为第i(i=1,2,3)个基站广播的随机波束成形矩阵。

方案二：干扰信道的零空间投影方案(Projection onto theNullspace of Interference Chanel，简称PNIC)

为了抑制干扰，选定的最佳通信用户利用额外的自由度，把干扰投影到信号的零空间内。由于用户数目是有限的，干扰信号很难实现绝对地对齐，采用单位向量g_i,k对干扰信号进行量化。

假设用户组i中的第k个用户被选中，投影矩阵可表示为式中I为单位阵。

后处理矩阵定义为:

$V_{k_i}=\frac{M_{i,k}{H}_{i,k}^{\left(i\right)}{W}_i}{\left|\right|M_{i,k}{H}_{i,k}^{\left(i\right)}{W}_i\left|\right|}$

干扰信号的量化向量g_i,k可由两种不同的方法得到：

方法一：最优量化法

最大化两干扰信号的相关性，得到最优量化向量

即

其中B_i,k为用户组i中的第k个用户的干扰总和，表示为式中 $B_k=H_{1,k}^{\left(2\right)}{W}_2{W}_2^H{H}_{1,k}^{{\left(2\right)}^H}+H_{1,k}^{\left(3\right)}{W}_3{W}_3^H{H}_{1,k}^{{\left(3\right)}^H}.$ 由于该方案采用零空间投影方法最小化干扰，得到的后处理矩阵等同于最小化干燥比（即最小化干扰噪声比，简称Min-INR）准则。

方法二：平均干扰信道量化法

方法一得到

需要特征值分解，计算开销较大。为了减小特征值分解带来的计算开销，采用简化的平均干扰信道代替两个干扰信道。例如：通信用户的两个干扰信道矩阵表示为

和

则平均干扰信道矩阵，即为有效的干扰信道为

$h_{\mathrm{avg}}^I=(\frac{h_1^{\mathrm{IH}}{h}_2^I}{h_1^{\mathrm{IH}}{h}_2^I}{h}_1^I+h_2^I)/2$

则归一化量化向量

最后利用投影矩阵和后处理矩阵的计算公式得到后处理矩阵。该方案在计算量化向量时仅采用线性计算，计算开销明显低于最优量化法。然而随着用户数的不断增大，该方案逐步逼近于最优量化法。

方案三：智能门限方案（Smart）

考虑到系统的计算复杂度和系统容量，在低信噪比（SNR）时，尽可能采用最大化信噪比（Max-SNR）准则。在高SNR时，尽可能采用平均干扰信道量化法。理想情况是选择Max-SNR和平均干扰信道量化法容量曲线交汇点所对应的发射SNR作为门限值。采用一种智能门限的方法，通信用户计算出两种后处理矩阵

和

再利用

$\mathrm{SINR}=\frac{{P\left|V_{k_i}^H{H}_{1,k}^{{\left(j\right)}^H}{W}_i\right|}^2}{1+P_I\underset{j\≠i}{\overset{3}{\mathrm{\Σ}}}{{|V}_{k_i}^H{H}_{i,k}^{{\left(j\right)}^H}{W}_j|}^2}$

计算出相应的SINR，且选择较大者作为通信用户的后处理矩阵：

式中SINR(V¹)表示为使用V¹作为后处理矩阵得到的SINR值。

其中P_I=rP表示为用户端的平均功率；常数r为干扰信道的相对传输路径损耗系数，满足

所以r等效为干扰信号比(ISR)，反映干扰强度，式中INR为干扰噪声比。

假设：基站选中第i个用户组的第k个用户，该k_i用户作为第i个基站通信用户，其中用

表示为后处理矩阵，且满足

经过后处理矩阵处理，第k_i用户对期望信号的估计为：

所能达到的系统总速率可表示为

$C=E\left\{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\mathrm{lo}{g}_2\left(\frac{|I_M+\frac{p}{M}\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{V}_{k_i}{H}_{i,k}^{\left(j\right)}{W}_j{W}_j^H{H}_{i,k}^{{\left(j\right)}^H}{V}_{k_i}^H|}{|I_M+r\frac{p}{M}\underset{j=1,\≠i}{\overset{3}{\mathrm{\Σ}}}{V}_{k_i}{H}_{i,k}^{\left(j\right)}{W}_j{W}_j^H{H}_{i,k}^{{\left(j\right)}^H}{V}_{k_i}^H|}\right)\right\}$

至此完成了机会干扰对齐中用户调度的鲁棒性优化。

对于三基站多入多出（Multiple-Input Multiple-Out-put，MIMO）用户蜂窝系统，随着用户数的增加，传统OIA用户调度方法性能下降的问题（选不出最优的通信用户），导致系统的鲁棒性能极具下降与系统总速率性能降低。针对该问题，本发明提出的机会干扰对齐中用户调度的优化方法中，系统在不要求完美的CSI和基站协作的前提下，基于信号空间相关性的思想和利用不同的后处理矩阵进行解码，以牺牲微弱的计算开销，大幅度提高在低SNR下系统的鲁棒性和系统总速率。相比与传统OIA方法，本发明提出的以信号-干扰相关性与干扰-干扰相关性之差作为目标函数的用户调度准则，更具稳健性和鲁棒性。

下面将给出本发明的SCOIA-SINR方法，SCOIA-PNIC-OPT方法，SCOIA-PNIC-AVG，SCOIA-Smart方法与传统的基于MIN-INR准则，基于MAX-SNR准则的用户选择方案以及OIA-SINR方案的比较，以使本发明的优势及特征更加明显。

通过浮点数运算次数flop度量计算开销，对m×m的实矩阵，矩阵加法的计算复杂度为2m(flops)；矩阵乘法的计算复杂度为2m³(flops)；广义特征值分解的计算复杂度为17m³(flops)；矩阵求逆的计算复杂度为4m³/3(flops)。对于不同方案在系统配置(N_T,N_R,M)=(2,4,2),K=100情况下的运算复杂度比较如表1所示。

表1

由表1可知，与OIA-SINR方案比较，本实施例提供的三种方案以牺牲部分的计算开销，换取在低SNR下系统的鲁棒性的大幅度提高，且保障系统总速率稳定增长。与传统的基于MIN-INR准则，基于MAX-SNR准则的用户选择方案相比较，该三种方案的计算复杂度明显降低，这将有利于本发明的方法在实际通信系统中的应用。

此外，如图4所示，在系统配置(N_T,N_R,M)=(2,4,2)，用户数K=10，路径损耗r=0.2的情况下，本实施例提供的SCOIA-SINR方案在系统总速率上优于传统OIA-SINR方案，尤其在SNR=0～10dB下，随着SNR下降，系统总速率性能优势越明显，这表明SCOIA-SINR方案的鲁棒性优于传统OIA-SINR方案。

如图5所示，在系统配置(N_T,N_R,M)=(2,4,2)，用户数K=10，在路径损耗(反映了干扰信号比ISR)r=0.8的情况下，随着路径损耗r的增大，干扰占据主要地位，SCOIA用户调度方案优势才能更好地得到体现。

如图6所示，在系统配置(N_T,N_R,M)=(3,6,3)，用户数K=100，路径损耗r=0.2的情况下，采用不同的后处理矩阵技术的SCOIA方案在系统总速率上均优于传统OIA-SINR方案，且这种优势随着用户数的增加而略微增加，这表明SCOIA-SINR方案能够准确地调度出最佳的通信用户，体现了该方案具有较好的稳健性和鲁棒性。

综上所述，该方法具体流程包括：所有基站分别向待服务用户广播波束成形信号，通过信道估计分别获取第一基站到第一用户组的信道增益矩阵以及第二基站到第一用户组的干扰信道增益矩阵。根据第二基站广播的波束成形信号和第二基站中的各个基站分别到第一用户组的干扰信道增益矩阵，计算得到第一用户组中各个用户的干扰-干扰之间的相关性。根据第一基站广播和第二基站中的各个基站广播的波束成形信号、第一用户组期望信号的信道增益矩阵和第二基站中的各个基站到第一用户组的干扰信道增益矩阵，计算得到第一用户组与第二基站中的各个基站的信号-干扰之间的相关性。第一用户组中的每个用户分别比较第二基站中的各个基站对第一用户组产生的信号-干扰之间的相关性，选择信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性。再将第一用户组中的每个用户选择的信号-干扰之间的相关性与上述步骤得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为模拟信息，将模拟信息发送给所述第一基站。第一基站根据模拟信息确定第一用户组中的最佳通信用户，确定最佳通信用户后可以采用Max-SINR方案、PNIC方案或智能门限方案中的一种方案得到后处理矩阵，进行最佳通信用户与基站的通信。

通过使用本实施例提供的方法，使得最后在用户组中选择的最佳用户，满足信号-干扰相关性最小，同时干扰-干扰相关性最大，根据机会波束成形技术(Opportunistic Beam Forming,OBF)结合传统IA技术，在有限信道状态信息条件下实现高性能的IA技术，OIA技术要求每个发射端广播一个随机的波束信号，然后每个属于该发射端的用户返回一个衡量干扰对齐效果的量，发射端根据一定的准则来选取用户进行通信。相比于传统的OBF技术，本发明提供的OIA技术只需要被选定用户进行接收端预处理，大大降低了计算复杂度。在基站端不要求分享信息交互的前提下，减少反馈的数量和CSI的计算开销的同时又能使系统自由度得到显著的提高。

实施例二

本实施例中提供了一种机会干扰对齐中用户调度的优化系统，组成示意图如图7所示，包括：广播单元71、反馈单元72和选择单元73；

广播单元71用于所有基站分别向待服务用户广播波束成形信号，所有基站包括至少两个基站，每个基站与用户组唯一对应，从至少两个基站中选择一个基站作为第一基站，第一基站对应的用户组为第一用户组，第一基站之外的基站为第二基站。

反馈单元72用于根据波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将模拟信息反馈给第一基站。

选择单元73用于第一基站根据模拟信息确定第一用户组中的最佳通信用户。

优选地，本实施例中的基站与用户组唯一对应，用户组由K个用户组成，并为基站配置NT根发射天线，基站发送M个数据流到用户，用户配置N_R根接收天线，其中K、M、N_T为大于等于1的整数且N_R为大于等于2的整数，M≤N_T，N_R=2M。

优选地，反馈单元72的组成示意图如图8所示，包括：矩阵获取模块721、第一计算模块722、第二计算模块723、比较模块724、做差模块725和模拟信息发送模块726。

矩阵获取模块721用于通过信道估计分别获取第一基站到第一用户组的信道增益矩阵以及第二基站到第一用户组的干扰信道增益矩阵。

第一计算模块722用于根据第二基站广播的波束成形信号和第二基站中的各个基站分别到第一用户组的干扰信道增益矩阵，计算得到第一用户组中各个用户的干扰-干扰之间的相关性。

第二计算模块723用于根据第一基站广播和第二基站中的各个基站广播的波束成形信号、第一用户组期望信号的信道增益矩阵和第二基站中的各个基站到第一用户组的干扰信道增益矩阵，计算得到第一用户组与第二基站中的各个基站的信号-干扰之间的相关性。

比较模块724用于第一用户组中的每个用户分别比较第二基站中的各个基站对第一用户组产生的信号-干扰之间的相关性，选择信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性。

做差模块725用于将第一用户组中的每个用户选择的信号-干扰之间的相关性与第一计算模块得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为模拟信息。

模拟信息发送模块726用于将模拟信息发送给第一基站。

优选地，本实施例中的选择单元73具体用于第一基站比较各个用户模拟信息的大小，选择值最大的用户作为第一用户组的最佳通信用户。

优选地，本实施例提供的系统还包括：后处理单元74，用于获取后处理矩阵，基站与最佳用户之间进行通信。

通过本实施例提供的系统，能够在保证用户选择系统性能的同时，提高在低信噪比下传统机会干扰对齐技术中用户调度方法的鲁棒性，同时还能改变随用户数目增加系统总速率增幅减弱的现象。

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范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种机会干扰对齐中用户调度的优化方法，其特征在于，所述方法包括：

步骤S1、所有基站分别向待服务用户广播波束成形信号，所述基站与用户组唯一对应，所述待服务用户所在的用户组为第一用户组，与所述第一用户组相对应的基站为第一基站，所述第一基站之外的基站为第二基站；

步骤S2、根据所述波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将所述模拟信息反馈给所述第一基站；

步骤S3、所述第一基站根据所述模拟信息确定所述第一用户组中的最佳通信用户。

2.如权利要求1所述的用户调度的优化方法，其特征在于，所述波束成形信号为所述基站随机产生的，且满足W^HW=I，其中W为表示所述波束成形信号的波束成形矩阵，W^H为对所述波束成形矩阵的共轭转置，I为单位矩阵。

3.如权利要求1所述的用户调度的优化方法，其特征在于，所述步骤S2具体包括：

步骤S21、通过信道估计分别获取所述第一基站到所述第一用户组的信道增益矩阵以及所述第二基站到所述第一用户组的干扰信道增益矩阵；

步骤S22、根据所述第二基站广播的波束成形信号和所述第二基站中的各个基站分别到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组中各个用户的干扰-干扰之间的相关性；

步骤S23、根据所述第一基站广播和所述第二基站中的各个基站广播的波束成形信号、所述第一用户组期望信号的信道增益矩阵和所述第二基站中的各个基站到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组与所述第二基站中的各个基站的信号-干扰之间的相关性；

步骤S24、所述第一用户组中的每个用户分别比较所述第二基站中的各个基站对所述第一用户组产生的信号-干扰之间的相关性，选择所述信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性；

步骤S25、将所述第一用户组中的每个用户选择的信号-干扰之间的相关性与所述步骤S22得到的该用户对应的干扰-干扰之间的相关性做差，得到的差值为所述模拟信息；

步骤S26、将所述模拟信息发送给所述第一基站。

4.如权利要求1所述的用户调度的优化方法，其特征在于，所述步骤S3具体包括：所述第一基站比较各个用户所述模拟信息的大小，选择值最大的用户作为所述第一用户组的最佳通信用户。

5.如权利要求1所述的用户调度的优化方法，其特征在于，所述步骤S3之后还包括：

步骤S4、获取后处理矩阵，所述基站与所述最佳用户之间进行通信。

6.一种机会干扰对齐中用户调度的优化系统，其特征在于，所述系统包括：广播单元、反馈单元和选择单元；

所述广播单元用于所有基站分别向待服务用户广播波束成形信号，所述所有基站包括至少两个基站，每个基站与用户组唯一对应，从所述至少两个基站中选择一个基站作为第一基站，所述第一基站对应的用户组为第一用户组，所述第一基站之外的基站为第二基站；

所述反馈单元用于根据所述波束成形信号计算得到用于衡量干扰对齐效果的模拟信息，并将所述模拟信息反馈给所述第一基站；

所述选择单元用于所述第一基站根据所述模拟信息确定所述第一用户组中的最佳通信用户。

7.如权利要求6所述的用户调度的优化系统，其特征在于，所述基站与所述用户组唯一对应，所述用户组由K个用户组成，并为所述基站配置N_T根发射天线，所述基站发送M个数据流到所述用户，所述用户配置N_R根接收天线，其中K、M、N_T为大于等于1的整数且N_R为大于等于2的整数，M≤N_T，N_R=2M。

8.如权利要求6所述的用户调度的优化系统，其特征在于，所述反馈单元包括：矩阵获取模块、第一计算模块、第二计算模块、比较模块、做差模块和模拟信息发送模块；

所述矩阵获取模块用于通过信道估计分别获取所述第一基站到所述第一用户组的信道增益矩阵以及所述第二基站到所述第一用户组的干扰信道增益矩阵；

所述第一计算模块用于根据所述第二基站广播的波束成形信号和所述第二基站中的各个基站分别到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组中各个用户的干扰-干扰之间的相关性；

所述第二计算模块用于根据所述第一基站广播和所述第二基站中的各个基站广播的波束成形信号、所述第一用户组期望信号的信道增益矩阵和所述第二基站中的各个基站到所述第一用户组的干扰信道增益矩阵，计算得到所述第一用户组与所述第二基站中的各个基站的信号-干扰之间的相关性；

所述比较模块用于所述第一用户组中的每个用户分别比较所述第二基站中的各个基站对所述第一用户组产生的信号-干扰之间的相关性，选择所述信号-干扰之间的相关性值最小的作为该用户的信号-干扰之间的相关性；

所述做差模块用于将所述第一用户组中的每个用户选择的信号-干扰之间的相关性与所述第一计算模块得到的该用户对应的干扰-干扰之间的相关做差，得到的差值为所述模拟信息；

所述模拟信息发送模块用于将所述模拟信息发送给所述第一基站。

9.如权利要求6所述的用户调度的优化系统，其特征在于，所述选择单元具体用于所述第一基站比较各个用户所述模拟信息的大小，选择值最大的用户作为所述第一用户组的最佳通信用户。

10.如权利要求6所述的用户调度的优化系统，其特征在于，所述系统还包括：后处理模块，用于获取后处理矩阵，所述基站与所述最佳用户之间进行通信。

Images