CN103595454A - 利用统计信道状态信息的mimo多址接入无线通信方法 - Google Patents

Abstract

本发明提出一种利用统计信道状态信息的MIMO多址接入无线通信方法，包括步骤：a.计算有限字符输入MIMO多址接入系统所有用户速率加权和的渐近估计，即渐近估计加权和速率。b.基于最大化渐近估计加权和速率准则，生成每个用户预编码矩阵。c.将所得预编码矩阵应用于MIMO多址接入无线通信系统中，提高系统数据传输能力。本发明能够为具有电磁环境认知能力的MIMO多址接入宽带无线通信系统提高数据传输能力，同时，满足低计算复杂度的需求。

Description

利用统计信道状态信息的MIMO多址接入无线通信方法

技术领域

本发明涉及一种使用多天线的无线通信系统，尤其涉及一种利用统计信道状态信息的多输入多输出(MIMO，multiple-input multiple-output)多址接入系统预编码设计方法。

背景技术

通信信道中以任意低差错概率进行信息传输的速率极限，在信息论上被定义为信道容量。在多用户MIMO多址接入系统模型中，当每个用户完全已知自己的信道状态信息，基站完全已知所有用户信道状态信息时，理论证明输入信号服从高斯分布时能达到MIMO多址接入系统容量域，该容量域可以表示为一组满足功率限制的多边形的联合。在信息理论研究成果的基础之上，假设发射信号服从高斯分布，如何利用预编码技术提升MIMO多址接入系统通信系统的传输速率一直以来都是研究的热点问题。

关于MIMO多址接入系统容量域的研究，虽然能为实际应用提供一个很好的理论基础，但其存在一个根本性的问题：达到容量界的输入信号必须服从高斯分布。然而在实际通信系统中，高斯输入信号至今都没有被采用。实际通信系统中采用离散的有限字符调制，如PSK，PAM，QAM等调制信号。高斯输入信号与离散的有限字符信号有较大的差异。首先，高斯输入信号的幅度在负无穷到正无穷区间范围内都存在取值，而受实际通信系统器件的约束，实际发射信号都是幅度受限的。其次，高斯输入信号的取值是连续的，而实际发射信号位于有限的离散星座点上。将基于高斯输入信号假设下得到的预编码设计应用到实际系统中，会导致性能的显著下降。因此，设计能提升有限字符输入信号下传输速率的预编码矩阵对实际系统有重要意义。

当目标用户的移动速度增加从而导致信道的变化加快，信道反馈的时延大于信道的相干时间，发射机获得准确的信道状态信息变得很困难。此时，发射机利用统计信道状态信息进行预编码传输是一种更为合理的设计，因为统计信道状态信息能在较长的一段时间内保持相对的稳定。本发明给出一种利用统计信道状态信息的有限字符输入MIMO多址接入无线通信方法。

技术问题：本发明的目的针对发射机仅已知统计信道状态信息的有限字符输入MIMO多址接入系统，提供一种利用统计信道状态信息的MIMO多址接入无线通信方法，提高具有电磁环境认知能力的MIMO多址接入无线通信系统的数据传输能力，同时，满足低计算复杂度的需求。

技术方案：本发明的一种利用统计信道状态信息的MIMO多址接入无线通信方法包括：

a.计算有限字符输入MIMO多址接入系统所有用户速率加权和的渐近估计，即渐近估计加权和速率；

b.基于最大化渐近估计加权和速率准则，生成每个用户预编码矩阵；

c.将所得预编码矩阵应用于MIMO多址接入无线通信系统中，提高系统数据传输能力。

所述步骤a具体为：有限字符输入信号下，在发射天线和接收天线维度很大时(例如，系统配置数十根天线)，MIMO多址接入系统在联合相关衰落信道下的容量域，依据将用户发射信号通过一组确定性信道模型的等价容量域来估计，其中，通过设定渐近估计参数的初始值，通过一组基于统计信道状态信息构成的定点方程迭代计算最终用于估计渐近加权和速率的确定性信道模型以及渐近估计参数。

所述步骤b具体为：以最大化渐近估计加权和速率为准则，采用基于梯度更新的迭代算法求解每个用户的预编码矩阵，其中，在每次迭代时沿渐近梯度方向更新其中一个用户的预编码矩阵，同时保持其他用户的预编码矩阵不变；每次迭代中循环搜索合适的更新步长，对于梯度更新以后的预编码矩阵可能超出功率约束范围的情况，将预编码矩阵乘以一个线性系数使其映射为一个满足功率约束的有效解。

所述步骤c具体为：每个用户在发射端利用步骤a和步骤b所述的方法来生成预编码矩阵，并利用设计的预编码矩阵对传输的数据流进行预处理之后，分别向基站发送独立的数据流，基站端将接收到的所有用户数据进行联合检测译码，解调出每个用户的传输信息。

有益效果：本发明提供了一种利用统计信道状态信息的有限字符输入MIMO多址接入无线通信方法。利用一个新的度量，MIMO多址接入系统加权和速率的渐近估计来替代准确的加权和速率，成为预编码设计的准则，它具有如下优点：

1、新的设计准则下每个用户仅需独立搜索自己的星座调制空间，搜寻空间维度有了数量级的下降。

2、新的设计准则不包含多重积分和蒙特卡洛仿真，计算复杂度较低。因此，新的设计准则可同时适用于传统的MIMO多址接入系统和新兴的大规模MIMO多址接入系统。

3、新的设计准则在高信噪比(SNR，signal-to-noise ratio)区域内具有渐近最优性，即采用新的设计准则和原准则(准确加权和速率)在高SNR下设计出来的预编码矩阵是相同的。

4、新的准则在新兴的大规模天线场景中具有渐近最优性，即采用新的设计准则和原准则(准确加权和速率)在系统天线维度趋于无穷时设计出来的预编码矩阵是相同的。

5、新的准则能较好地近似原准则，即在任意SNR和天线维度下，新准则都能保证性能。

附图说明

图1是本发明预编码矩阵生成方法的流程图。

图2是采用本发明预编码矩阵后MIMO多址接入系统的示意图。

图3是采用本发明提出的渐近估计加权和速率与准确加权和速率在不同调制下的关系示意图。考虑N_t＝N_r＝2的MIMO多址接入系统。横轴表示信噪比，单位为dB；纵轴表示和速率，单位为比特每秒每赫兹(b/Hz/s)。

图4是QPSK调制下，本发明专利与已有方法相比的仿真曲线。横轴表示信噪比，单位为dB；纵轴表示和速率，单位为比特每秒每赫兹(b/Hz/s)。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

如图1所示，本发明提出的一种利用统计信道状态信息的MIMO多址接入无线通信方法，包括以下步骤：a.计算有限字符输入MIMO多址接入系统所有用户速率加权和的渐近估计，即渐近估计加权和速率；b.基于最大化渐近估计加权和速率准则，生成每个用户预编码矩阵；c.将所得预编码矩阵应用于MIMO多址接入无线通信系统中，提高系统数据传输能力。

如图2所示，考虑K用户MIMO多址接入系统，其中每个用户具有N_t根发射天线，接收机具有N_r根接收天线。令d_k表示用户k的零均值单位协方差输入信号，H_k表示N_r×N_t维信道矩阵，v表示满足分布的高斯噪声，则接收信号y可以表示为：

$y=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_k{B}_k{d}_k+v$

其中B_k是本发明所涉及的预编码矩阵。定义

Hⁱ＝[H₁H₂…H_i]，i Nt×i Nt块对角矩阵Bⁱ＝blockdiag{B₁，B₂，…，B_i}以及yⁱ＝HⁱBⁱdⁱ+v。以上K用户MIMO多址接入系统，当发射端仅已知用户统计信道状态信息，接收机完全已知用户瞬时信道状态信息时，所有用户的加权和速率，可以表示为：

$R_{\mathrm{sum}}^w(B_1,B_2,...,B_K)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Δ}}_{k}I(d_1,...,d_i;y|d_{i+1},...,d_K)$

其中 $I(d_1,...,d_i;y|d_{i+1},...,d_K)=E_{H^i}\left[E_{d^i,y^i}\right[{\log }_2\frac{p\left(y^i\right|d^i,H^i)}{p\left(y^i\right|H^i)}\left|H^i\right]].$ 本发明所提出的预编码设计方法，目的就是要找到预编码矩阵B₁，B₂，…，B_K，使得满足发射功率约束 $\mathrm{tr}\left(B_i{B}_i^H\right)\≤P_i$ 前提下，最大化度量 $R_{\mathrm{sum}}^w(B_1,B_2,...,B_K).$ 然而，直接寻找最优的

及其对应的B_k却非常困难。首先，

需要搜索所有用户的联合调制星座空间d^K，搜索空间的维度极高。其次，

没有闭式表达，估计

需要采用蒙特卡罗仿真对信道样本Hⁱ进行平均，计算量大，不利用工程实现。为了解决上述问题，本发明提出一个新的度量准则，加权和速率的渐近估计

来替代难以计算的

并以此作为预编码设计的准则。可以表示为：

$R_{\mathrm{sum},\mathrm{asy}}^w(B_1,B_2,...,B_K)=\underset{t=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\Δ}}_t{f}_t(B_1,B_2,...,B_t),$

其中

$\begin{array}{c}{f}_t(B_1,B_2,...,B_t)=\underset{i=1}{\overset{t}{\mathrm{\Σ}}}[{\log }_2{M}_i-\frac{1}{M_i}\underset{m=1}{\overset{M_i}{\mathrm{\Σ}}}{E}_v\{{\log }_2\underset{p=1}{\overset{M_i}{\mathrm{\Σ}}}{e}^{-({\left|\right|\sqrt{T_i}{B}_i(a_{i,p}-a_{i,m})+v\left|\right|}^2-{\left|\right|v\left|\right|}^2)}\left\}\right]\\ +{\log }_2\det (I+R_t)-{\log }_{2}e\underset{i=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\γ}}_i^T{G}_i{\mathrm{\ψ}}_i\end{array}$

这里，定义如下定点方程组：

$\left\{\begin{array}{c}{T}_k=U_{T_k}\mathrm{diag}\left(G_k^T{\mathrm{\γ}}_k\right)U_{T_k}^H\\ R_k=U_{R_k}\mathrm{diag}\left(G_k{\mathrm{\ψ}}_k\right)U_{R_k}^H\end{array}\right.$

其中每个用户N_r×N_t维信道矩阵建模为联合相关模型：

W_k为元素服从标准正态分布的随机矩阵。

${\mathrm{\γ}}_k={[{\mathrm{\γ}}_{k,1},{\mathrm{\γ}}_{k,2},...,{\mathrm{\γ}}_{k,N_r}]}^T,{\mathrm{\ψ}}_k={[{\mathrm{\ψ}}_{k,1},{\mathrm{\ψ}}_{k,2},...,{\mathrm{\ψ}}_{k,N_t}]}^T$ 并且满足如下等式：

$\left\{\begin{array}{c}{\mathrm{\γ}}_{k,n}=u_{R_k,n}^H{(I_{N_r}+R_t)}^{-1}{u}_{R_k,n},n=\mathrm{1,2},...,N_r\\ {\mathrm{\ψ}}_{k,m}=u_{T_k,n}^H{\mathrm{\Ω}}_k{u}_{T_k,n},m=\mathrm{1,2},...,N_t\end{array}\right.$

其中 $R_t=\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{R}_k,{\mathrm{\Ω}}_k=B_{k}E\left\{(d_k-{\hat{d}}_k){(d_k-{\hat{d}}_k)}^H\right\}{B}_k^H,$ d_k表示用户k的调制信号，为在等效信道

下d_k的MMSE估计，v为标准正态噪声向量。

以下重点给出最大化准则

下的预编码矩阵设计方法，包括以下步骤：

步骤1：初始化 $B_l^{\left(1\right)},l=\mathrm{1,2},...,K,$ 满足 $\mathrm{tr}\left({\left(B_l^{\left(1\right)}\right)}^H{B}_l^{\left(1\right)}\right)=P_l,$ l＝1，2，…，K，其中P_l表示用户l所满足的功率约束。令迭代次数n＝1。初始化渐近参数和

t＝1，2，…，k，k＝1，2，…K。

步骤2：利用和计算渐近参数T_k，t，R_k，t，

和

t＝1，2，…，k，k＝1，2，…K。

步骤3：利用

T_k，t，R_k，t，

和

t＝1，2，…，k，k＝1，2，…K，计算渐近估计值

步骤4：利用T_k，t，R_k，t，和

t＝1，2，…，k，k＝l，l+1，…K，计算渐近梯度

l＝1，2，…，K。

步骤5：令l＝1。

步骤6：设步长u＝1。

步骤7：计算 $c=\mathrm{au}{\left|\right|{\▿}_{B_l}{R}_{\mathrm{sum},\mathrm{asy}}^{w,\left(n\right)}(B_1,B_2,...,B_K)\left|\right|}_F^2.$ 如果c足够小，则到步骤13。

步骤8：计算 ${\tilde{B}}_l^{\left(n\right)}=B_l^{\left(n\right)}+{u\▿}_{B_l}{R}_{\mathrm{sum},\mathrm{asy}}^{w,\left(n\right)}(B_1,B_2,...,B_K).$

步骤9：如果 $\mathrm{tr}\left({\left({\tilde{B}}_l^{\left(n\right)}\right)}^H\left({\tilde{B}}_l^{\left(n\right)}\right)\right)>P_l,$ 更新 $B_l^{(n+1)}=\frac{\sqrt{P_l}{\tilde{B}}_l^{\left(n\right)}}{{\left|\right|{\tilde{B}}_l^{\left(n\right)}\left|\right|}_F},$ 否则， $B_l^{(n+1)}={\tilde{B}}_l^{\left(n\right)}.$

步骤10：利用

和

计算渐近参数T_k，t，R_k，t，

和

t＝1，2，…，k，k＝1，2，…K。

步骤11：利用T_k，t，R_k，t，和

t＝1，2，…，k，

k＝1，2，…K，计算

步骤12：设u＝0.5u。如果 $R_{\mathrm{sum},\mathrm{asy}}^{w,(n+1)}(B_1,B_2,...,B_K)<R_{\mathrm{sum},\mathrm{asy}}^{w,\left(n\right)}(B_1,B_2,...,B_K)+c,$ 到步骤7。

步骤13：如果l＜K，l：＝l+1，到步骤6。

步骤14：设n：＝n+1，到步骤2直到满足算法停止的条件。

上述步骤2包含一个内部迭代过程，具体如下：

步骤2.1：k＝1。

步骤2.2：t＝1。

步骤2.3：将

和

作为初始值代入以上定义的定点方程组，迭代计算最终满足定点方程的T_k，R_k，γ_k和ψ_k，并将其表示为T_k，t，R_k，t，

和

步骤2.4：如果t＜k，t：＝t+1，到步骤2.3。

步骤2.5：如果k＜K，k：＝k+1，到步骤2.4。

下面讲述步骤10的具体实施细节：

步骤10.1：k＝1。

步骤10.2：t＝1。

步骤10.3：将

和

作为初始值代入以上定义的定点方程组，迭代计算最终满足定点方程的T_k，R_k，γ_k和ψ_k，并将其表示为T_k，t，R_k，t，和

步骤10.4：如果t＜k，t：＝t+1，到步骤10.3。

步骤10.5：如果k＜K，k：＝k+1，到步骤10.2。

以下举出一些设计实例，用来进一步说明本发明的新度量标准与准确加权和速率之间的关系，以及采用本发明设计方法的系统性能。

首先考虑高SNR区域的预编码设计。在高SNR区域内，最大化准则与

的设计同时等价于以下优化问题：

$\max \underset{[j_1,j_2,...,j_K]\&NotEqual;[l_1,l_2,...,l_K]}{\underset{j_t,l_t\&Element;[1,M_t],t=\mathrm{1,2},...,K}{\min }}\underset{t=1}{\overset{K}{\mathrm{\&Sigma;}}}{\left|\right|R_t^{1/2}{B}_t(a_{{t,j}_t}-a_{{t,l}_t})\left|\right|}^2$

满足 $\mathrm{tr}\left(B_t{B}_t^H\right)\&le;P_t,t=\mathrm{1,2},...,K$

其中 $R_t^{1/2}=E\left[H_t^H{H}_t\right].$ 由此可以看出，最大化 $R_{\mathrm{sum}}^w(B_1,B_2,...,B_K)$ 与

在高SNR区域会得到相同的预编码设计。

图3表明即使在天线维度很小的场景中，不同调制方式下新度量

能较好地接近原度量

然而，度量与度量

之间的计算复杂度差距是巨大的。以一个四用户2×2MIMO多址接入系统为例，假设每个用户都采用相同的调制方式，度量

与度量

的调制信号空间搜索维度如下表所示：

表1

由表1可以看到，度量

的调制信号空间搜索维度相比度量

有了数量级的下降。例如，QPSK调制下，两者相差超过10⁶倍。图4展示了两用户MIMO多址接入系统QPSK输入信号下采用本发明预编码设计方法的加权和速率性能。其中用户1和用户2的统计信道状态信息分别可以表示为：

$U_{T_1}=\left[\begin{array}{cc}-0.7830& 0.6196+0.0547j\\ -0.6196+0.0547j& -0.7830\end{array}\right]$

$U_{R_1}=\left[\begin{array}{cc}0.9513& -0.0364+0.3061j\\ 0.0364+0.3061j& 0.9513\end{array}\right]$

${\tilde{G}}_1=\left[\begin{array}{cc}1.8366& 0.3979\\ 0.6122& 0.3061\end{array}\right]$

和 $U_{T_2}=\left[\begin{array}{cc}-0.9638& 0.2683-0.0313j\\ -0.2683-0.0313j& -0.9638\end{array}\right]$

$U_{R_2}=\left[\begin{array}{cc}0.7757& -0.0479-0.6293j\\ 0.0479-0.6293j& 07757\end{array}\right]$

${\tilde{G}}_2=\left[\begin{array}{cc}0.1242& 1.2415\\ 0.1862& 1.5519\end{array}\right]$

其中，随机产生初始化预编码矩阵 $B_1^{\left(1\right)},l=\mathrm{1,2},...,K.$ 初始化渐近参数 ${\mathrm{\&gamma;}}_{k,t}^{\left(0\right)}=1$ 和

t＝1，2，…，k，k＝1，2，…K。从图4中可以观察到，提出的预编码设计方法在整个SNR区域内性能都要优于等功率分配设计和高斯输入信号假设下的设计。以SNR＝5dB为例，此时通过本发明获得的预编码矩阵如下：

$B_1=\left[\begin{array}{cc}0.5339+0.0646j& -1.1815-0.1419j\\ 0.7790-0.0501j& -09131-0.1179j\end{array}\right]$

$B_2=\left[\begin{array}{cc}0.0512+0.0077j& -0.0827-0.1288j\\ 1.0353+0.0131j& -1.4356-0.0577j\end{array}\right]$

相应的，该预编码矩阵与等功率分配设计和高斯输入信号假设下的设计相比，分别能获得22％和35％的性能提升。

在本申请所提供的实施例中，应该理解到，所揭露的方法，在没有超过本申请的精神和范围内，可以通过其他的方式实现。当前的实施例只是一种示范性的例子，不应该作为限制，所给出的具体内容不应该限制本申请的目的。例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种利用统计信道状态信息的MIMO多址接入无线通信方法，其特征在于该方法包括：

a.计算有限字符输入MIMO多址接入系统所有用户速率加权和的渐近估计，即渐近估计加权和速率；

b.基于最大化渐近估计加权和速率准则，生成每个用户预编码矩阵；

c.将所得预编码矩阵应用于MIMO多址接入无线通信系统中，提高系统数据传输能力。

2.如权利要求1所述的利用统计信道状态信息的MIMO多址接入无线通信方法，其特征在于，所述步骤a具体为：有限字符输入信号下，在发射天线和接收天线维度很大时，MIMO多址接入系统在联合相关衰落信道下的容量域，依据将用户发射信号通过一组确定性信道模型的等价容量域来估计，其中，通过设定渐近估计参数的初始值，通过一组基于统计信道状态信息构成的定点方程迭代计算最终用于估计渐近加权和速率的确定性信道模型以及渐近估计参数。

3.如权利要求1所述的利用统计信道状态信息的MIMO多址接入无线通信方法，其特征在于，所述步骤b具体为：以最大化渐近估计加权和速率为准则，采用基于梯度更新的迭代算法求解每个用户的预编码矩阵，其中，在每次迭代时沿渐近梯度方向更新其中一个用户的预编码矩阵，同时保持其他用户的预编码矩阵不变；每次迭代中循环搜索合适的更新步长，对于梯度更新以后的预编码矩阵可能超出功率约束范围的情况，将预编码矩阵乘以一个线性系数使其映射为一个满足功率约束的有效解。

4.如权利要求1所述的利用统计信道状态信息的MIMO多址接入无线通信方法，其特征在于，所述步骤c具体为：每个用户在发射端利用步骤a和步骤b所述的方法来生成预编码矩阵，并利用设计的预编码矩阵对传输的数据流进行预处理之后，分别向基站发送独立的数据流，基站端将接收到的所有用户数据进行联合检测译码，解调出每个用户的传输信息。

Images