CN103607260A - 基于mimo系统总干扰泄漏最小的预编码矩阵组的选择算法 - Google Patents

Abstract

本发明提出了一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法。首先遍历系统中所有的变换矩阵，对变换矩阵进行特征值分解，根据最大自由度准则选出一半的特征向量作为一个发射机的预编码矩阵，求得其他发射机的预编码矩阵，计算系统的总干扰泄漏，选出使系统总干扰泄漏最小的预编码组所对应的变换矩阵为需要选择的最优变换矩阵，选出的最优变换矩阵做特征值分解，根据协作干扰对齐算法求出发射机所有的预编码矩阵，最后求出接收端干扰抑制矩阵。本发明选择算法的和速率性能优于现有的经典干扰对齐算法和协作干扰对齐算法，在统计信道状态信息下有更强的适应性。

Description

基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法

【技术领域】

本发明涉及无线通信领域，特别涉及一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法。

【背景技术】

在下一代无线通信系统中，小区间干扰被视为制约系统性能提升的关键因素之一。由于系统采用了同频组网的方式，使得小区边缘的用户遭受到来自非服务小区基站发送的同频干扰，严重地制约了边缘用户的服务质量和吞吐量，降低了多输入多输出(MIMO)技术带来的高频谱利用率。因此，多小区MIMO系统中的干扰抑制技术成为现代无线通信领域中的一个研究热点。

现有的干扰处理技术，如频分复用(FDMA),时分复用(TDMA),和码分复用(CDMA)主要是通过信号的正交化来消除干扰信号对期望信号的影响。其实，当多用户共享频谱资源时，这种处理方法只能做到将频谱资源在K个用户之间进行分配。例如，当相互影响的用户数为K时，每个用户所能获得的频谱资源为单个用户时的K分之一。因此，当用户数量很大时，每个用户所能获得的频谱资源仍然非常有限。

协作多小区传输技术也叫网络MIMO(network MIMO)，在3GPP LTE-A中也叫协作多点传输(CoMP)技术，能够把干扰信道转换成MIMO广播信道，可以有效地消除小区间干扰。最优的脏纸编码(DPC)和次优的线性预编码用于消除小区间干扰已经得到了广泛的研究，但是DPC计算复杂度较高，在实际系统中很难应用；线性预编码通常需要基站发射天线数与服务用户总的接收天线数满足一定的关系。一种基于最大化信漏噪比(SLNR)的预编码设计方案，由于不需要考虑发射天线与接收天线数的关系，且预编码的设计考虑了噪声的影响，因此该方案性能上要优于迫零波束形成。以上这些方案都可以显著地提升系统的性能，但是这些方案通常需要基站已知完全信道状态信息(Full-CSI)，并假设基站间通过理想的回程链路进行信息交互。但是在实际系统中很难获取完全信道状态信息，而且对于容量有限的回程链路，基站间大量的信息交互无疑会增加其负载。

干扰对齐技术作为CoMP技术中的一个关键技术之一，自提出以来受到广泛关注，干扰对齐的思想是把接收信号空间划分为期望信号空间和干扰信号空间两部分。在发射机设计预编码矩阵，将接收机中的所有干扰压缩到维度较低的干扰子空间，独立于干扰子空间的剩余子空间用来传输期望信号，从而获得最大自由度。现在有的理论已经证明通过干扰对齐，在K个用户的无线通信信道中，每个用户最多能获得相当于只有一个用户时总频谱资源的1/2，K个用户能够获得的频谱资源为只有一个用户时的K/2倍。因此，干扰对齐能够极大提高系统的频谱利用率。

【发明内容】

有鉴于此，本发明的目的是提供一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法，能够提升系统的和速率性能。

为了实现上述目的，本发明提出一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法，其包括：

步骤1，遍历系统中所有的变换矩阵；

步骤2，对变换矩阵进行特征值分解，根据最大自由度准则选出一半的特征向量作为一个发射机的预编码矩阵；

步骤3，求得其他发射机的预编码矩阵；

步骤4，计算系统的总干扰泄漏；

步骤5，选出使系统总干扰泄漏最小的预编码组所对应的变换矩阵为需要选择的最优变换矩阵；

步骤6，选出的最优变换矩阵做特征值分解，求出所有发射机的预编码矩阵，用于干扰对齐；求出接收端干扰抑制矩阵，用于抑制干扰。

进一步地，所述所有发射机的预编码矩阵是根据协作干扰对齐算法来计算的。

本发明提出了一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法，本发明的和速率性能优于现有的经典干扰对齐算法、基于特征子信道算法和协作干扰对齐算法，在统计信道状态信息下有更强的适应性。

【附图说明】

图1是本发明的选择算法的流程框图。

图2是本发明在基站和用户均配置M根天线的三蜂窝MU-MIMO干扰对齐通信示意图。

图3是本发明在仿真环境：小区数和用户数K=3,基站和用户均配置M=4根天线，仿真比较所发明选择算法与其他几种干扰对齐算法的和速率性能的比较曲线图。

图4是本发明在仿真环境：小区数和用户数K=3,基站和用户均配置M=4根天线，仿真比较所发明选择算法与其他几种干扰对齐算法在统计信道状态信息下的和速率性能的比较曲线图。

【具体实施方式】

下面是对本发明基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法进行具体说明。

如图1所示，本发明基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法的一种实施例方式包括：

步骤1S：遍历系统中所有的变换矩阵；

步骤2S：对变换矩阵进行特征值分解，根据最大自由度准则选出一半的特征向量作为一个发射机的预编码矩阵；

步骤3S：求得其他发射机的预编码矩阵；

步骤4S：计算系统的总干扰泄漏；

步骤5S：选出使系统总干扰泄漏最小的预编码组所对应的变换矩阵为需要选择的最优变换矩阵；

步骤6S：选出的最优变换矩阵做特征值分解，求出所有发射机的预编码矩阵，用于干扰对齐；求出接收端干扰抑制矩阵，用于抑制干扰。

如图2所示，本发明的实施例公开了三蜂窝MU-MIMO干扰对齐通信系统中，该策略的具体步骤如下：

步骤1：遍历系统中所有的变换矩阵E_i(i=1,2,3)，其中，i≠m≠n,i,m,n∈(1,2,3)，H_ni为干扰基站n到本地用户i的信道矩阵，这里假设所有的用户经历平坦瑞利衰落，即H_ni中的每一个元素均服从独立同分布零均值单位方差的复高斯随机分布(AWGN)，即CN(0,1)，

表示矩阵H_ni的逆；

步骤2：对E_i进行特征值分解，根据最大自由度准则选出一半的特征向量作为第i个基站发送的预编码矩阵V_i；

步骤3：根据公式V_m=(H_nm)^-1H_niV_i和V_n=(H_mn)^-1H_miV_i求得其他两个基站发送的预编码矩阵；

步骤4：基于以上步骤，计算系统的总干扰泄漏： $I_w=\underset{k=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j\&Element;\left(\mathrm{1,2,3}\right)}{\underset{V_j\&Element;(V_i,V_m,V_n)}{\mathrm{\&Sigma;}}}\frac{{\stackrel{\&LeftArrow;}{P}}_k}{d_k}\frac{P_j}{d_j}\mathrm{Tr}\left[U_k^H{H}_{\mathrm{kj}}{V}_j{V}_j^H{H}_{\mathrm{kj}}^H{U}_k\right],$ 其中， $U_k=v_{\max (M/2)}\left(H_{\mathrm{kk}}{V}_k{V_k}^H{H}_{\mathrm{kk}}^H\right),$ U_k为接收端干扰抑制矩阵。使系统总干扰泄漏最小的预编码组 $<V_i,V_m,V_n>=\arg \underset{V_n=H_{\mathrm{mn}}^{-1}{H}_{\mathrm{mi}}{V}_i}{\underset{V_m=H_{\mathrm{nm}}^{-1}{H}_{\mathrm{ni}}{V}_i}{\underset{V_i<\mathrm{eig}\left(E_i\right)}{\min }}}{I}_w,$ 其中，V_i＜eig(E_i)表示V_i的矢量集合为E_i特征向量的子集合；ν_k(A)表示矩阵A的k个特征值对应的特征向量其中A为

k为max(M/2)，

表示矩阵

的迹，V_k ^H为矩阵V_k的共轭转置。P_j表示基站j发送功率。d_j为用户j获得的自由度，能够使系统总干扰泄漏最小的预编码组〈V_i,V_m,V_n〉所对应的E_i为需要选择的最优E；

步骤5：根据选择出的最优E重新计算V_i，计算如下：

$V_i=\arg \underset{V_i<\mathrm{eig}\left(E_i\right)}{\max }\left\{\underset{\mathrm{\&alpha;}=1}{\overset{M/2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{\&alpha;}}^{\left[\mathrm{ii}\right]}\right|\left|{\left(f_{\mathrm{\&alpha;}}^{\left[\mathrm{ii}\right]}\right)}^H{v}_{\mathrm{i\&alpha;}}\right||-\mathrm{\&omega;}\underset{n=2}{\overset{3}{\mathrm{\&Sigma;}}}\underset{\mathrm{\&alpha;}=1}{\overset{M/2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{\&alpha;}}^{\left[n1\right]}|\left|{\left(f_{\mathrm{\&alpha;}}^{\left[n1\right]}\right)}^H{v}_{\mathrm{i\&alpha;}}\right|\left|\right\},$ 其中，M为基站天线数，f_α为H_ii的特征值λ_α对应的右奇异向量中对应的第α列，v_iα为V_i中对应的第α列，ω为权重因子，它表示干扰对齐预编码矩阵与干扰信道的弦距之和占预编码矩阵与期望信号弦距之和的比重；

步骤6：3个基站联合预编码设计可表示为：

$<V_i,V_m,V_n>=\arg \underset{V_n=H_{\mathrm{mn}}^{-1}{H}_{\mathrm{mi}}{V}_i}{\underset{V_m=H_{\mathrm{nm}}^{-1}{H}_{\mathrm{ni}}{V}_i}{\underset{V_i<\mathrm{eig}\left(E_i\right)}{\max }}}\left\{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\right[\underset{\mathrm{\&alpha;}=1}{\overset{M/2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{\&alpha;}}^{\left[\mathrm{kk}\right]}\left|\right|{\left(f_{\mathrm{\&alpha;}}^{\left[\mathrm{kk}\right]}\right)}^H{v}_{\mathrm{k\&alpha;}}\left|\right|-\mathrm{\&omega;}\underset{u\&NotEqual;k}{\overset{3}{\underset{u=1}{\mathrm{\&Sigma;}}}}\underset{\mathrm{\&alpha;}=1}{\overset{M/2}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{\&alpha;}}^{\left[\mathrm{uk}\right]}\left|\right|{\left(f_{\mathrm{\&alpha;}}^{\left[\mathrm{uk}\right]}\right)}^H{v}_{\mathrm{k\&alpha;}}\left|\right|\left]\right\};$

步骤7：本地用户k接收到的信号可表示为：

其中，V_j为干扰基站发送的预编码矩阵，x_j为干扰基站发送的信号矢量，并满足功率约束条件

n_k为本地用户的加性高斯白噪声矢量，其分布满足n_k～CN(0,σ²I),公式的右边第一项H_kkV_kx_k为本地用户接收到的有用信号，第二项为所有干扰基站给本地用户发送的干扰信号；

步骤8：如果将干扰信号对齐到U_k的零空间，则必须满足的条件为：

因此，期望信号经过满秩信道矩阵

的同时，可将干扰完全消除；

步骤9：基于以上步骤，系统的和速率可表示为：

$R=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{\log }_2|I_{d_k}+\frac{P_k}{d_k}{\stackrel{\&OverBar;}{H}}_{\mathrm{kk}}{{\stackrel{\&OverBar;}{H}}_{\mathrm{kk}}}^H|.$

本发明不局限于上面实施方式，在小区数为n的时候，所求的变换矩阵E_i，其中i=1，2，3…n，之后对于这个变换矩阵进行特征值分解，根据最大自由度准则选出一半的特征向量作为一个基站发送的预编码矩阵，之后求出其他基站的预编码矩阵，计算系统总干扰泄漏，得到使系统总干扰泄漏最小的预编码组，对选出的最优变换矩阵做特征值分解，求出所有发射机的预编码矩阵及接收端干扰抑制矩阵。

图3所示，给出了所发明选择算法与其他几种干扰对齐算法的和速率性能，由仿真结果可见，本发明的和速率性能优于经典干扰对齐算法，基于特征子信道算法和协作干扰对齐算法。与经典干扰对齐算法、基于特征子信道算法和协作干扰对齐算法相比分别有大约8bps、6bps、2bps的和速率性能增益。由于选择出了系统中最优的变换矩阵，用该变换矩阵设计发射端的预编码矩阵，其和速率性能自然显著优于其他三种方案。

图4给出了所发明选择算法与其他几种干扰对齐算法在统计信道状态信息下的和速率性能在接收端信噪比在0～25dB范围内的变化曲线。由仿真结果可知，本发明选择算法相关信道下具有更强的适应性。

与现有的技术相比较，本发明一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法的和速率性能优于现有的经典干扰对齐算法、基于特征子信道算法和协作干扰对齐算法，在统计信道状态信息下有更强的适应性。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (2)

1.一种基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法，其特征在于，包括：

步骤1，遍历系统中所有的变换矩阵；

步骤2，对变换矩阵进行特征值分解，根据最大自由度准则选出一半的特征向量作为一个发射机的预编码矩阵；

步骤3，求得其他发射机的预编码矩阵；

步骤4，计算系统的总干扰泄漏；

步骤5，选出使系统总干扰泄漏最小的预编码组所对应的变换矩阵为需要选择的最优变换矩阵；

步骤6，选出的最优变换矩阵做特征值分解，求出所有发射机的预编码矩阵，用于干扰对齐；求出接收端干扰抑制矩阵，用于抑制干扰。

2.如权利要求1所述的基于MIMO系统总干扰泄漏最小的预编码矩阵组的选择算法，其特征在于：所述所有发射机的预编码矩阵是根据协作干扰对齐算法来计算的。

Images